使用Python实现栅格划分(渔网)

在QGIS中，“渔网”（Fishnet）是指一种创建规则网格（通常是矩形或正方形）的工具，这些网格可以用于空间数据的采样、分区或作为其他地理空间分析的基础。渔网工具可以生成一个由多边形组成的图层，每个多边形代表网格中的一个单元。

欢迎关注本人公众号--交通数据探索师

本文使用Python实现渔网，但只实现正方形网格。

话不多说，直接上代码

import geopandas as gpd
from shapely.geometry import box
import matplotlib.pyplot as plt
import numpy as np
​
def to_fishnet(shp, scale):
    """划分网格
    :param shp: 要划分网格的shp文件
    :param scale: 网格大小  这里定义的网格为正方形, scale为正方形的边长, 单位为度
    :return: 网格的GeoDataFrame
    """
    
    # 划分网格, 以scale度为网格划分
    bounds = shp.total_bounds
    start_lon = bounds[0]
    start_lat = bounds[1]
​
    # 计算可划分的网格数
    # 即: 向上取整(经度范围/网格大小) = 经度网格数，纬度同理
    grid_num_lon = int(np.ceil((bounds[2] - bounds[0]) / scale))
    grid_num_lat = int(np.ceil((bounds[3] - bounds[1]) / scale))
​
    gdf = {
        'number': [],    # 网格编号
        'start_lon': [], # 网格左下角经度
        'end_lon': [],   # 网格右上角经度
        'start_lat': [], # 网格左下角纬度
        'end_lat': [],   # 网格右上角纬度
        'geometry': []   # 网格形状
    }
    
    for lon in range(grid_num_lon):
        for lat in range(grid_num_lat):
            gdf['number'].append((lon+1) * (lat+1))
            gdf['start_lon'].append(start_lon + lon * scale)
            gdf['end_lon'].append(start_lon + (lon+1) * scale)
            gdf['start_lat'].append(start_lat + lat * scale)
            gdf['end_lat'].append(start_lat + (lat+1) * scale)
            gdf['geometry'].append(box(start_lon + lon * scale, 
                                       start_lat + lat * scale, 
                                       start_lon + (lon+1) * scale, 
                                       start_lat + (lat+1) * scale))
    gdf = gpd.GeoDataFrame(gdf, geometry='geometry', crs='epsg:4326')
    # 保留研究范围
    gdf = gdf[gdf.intersects(shp.union_all())]
    return gdf

具体使用如下，

import geopandas as gpd
from shapely.geometry import box
import matplotlib.pyplot as plt
import numpy as np
​
fig, ax = plt.subplots(1)
​
# 读取要划分栅格的数据
data = gpd.read_file(r'kaifeng.shp')
to_fishnet(data, 0.05).boundary.plot(edgecolor='orange', ax=ax, linewidth=0.5)
data.plot(ax=ax, color='green')

可视化效果如下，