Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0125-preview· OpenAIAi2 WildChat-4.8M (AI2)

Задание посвящено знакомству с техническими аспектами визуализации растровых данных,…

  1. User

    Задание посвящено знакомству с техническими аспектами визуализации растровых данных, связанных с отображением в разных проекциях.

    Напишите программу, которая:

    1. Прочитывает приложенный файл TIF, используя rasterio / gdal
    2. Узнает его систему координат.
    3. Инициализирует систему координат результирующей проекции средствами pyproj
    4. Определяет охват результирующего растра путем некоторой эвристики (приблизительной оценки).
    5. Создает регулярную сетку в вычисленном охвате.
    6. Интерполирует в узлах сетки значения с исходного растра средствами rasterio + pyproj
    7. Записывает значения в новый numpy array, маскирует NoData и визуализирует его
    8. Вычисляет в узлах сетки показатели искажений проекции, маскирует NoData и визуализирует их цветом + изолиниями (желательно с подписями). Целесообразно скомпоновать несколько показателей на одном рисунке.
    9. Экспортирует проецированный растр в файл формата TIFF с пространственной привязкой средствами rasterio / gdal. Вам придется самостоятельно разобраться с тем, как экспортировать перепроецированный растр в файл GeoTIFF с пространственной привязкой (читайте документацию, например, к rasterio.open). Экспортировать растры искажений в файл не нужно, только растр RGB.

    Выполните эксперименты для трех выбранных вами проекций, которые относятся к классам равновеликих, равнопромежуточных и равноугольных. На выходе ваша программа должна экспортировать 3 файла TIFF в ту же папку.

    В тексте ноутбука проанализируйте качество перепроецирования и полученные распределения показателей искажения проекции.

    Есть начало кода программы, нужно его дописать:

    import numpy as np import rasterio import matplotlib.pyplot as plt import math from pyproj import CRS, Transformer, Proj

    img = rasterio.open('bluemarble.tif') arr = np.moveaxis(img.read().astype(int), 0, -1) plt.imshow(arr)

    crs1 = img.crs

    print(crs1.to_wkt())

    crs2 = CRS('+proj=moll')

    crs2 = CRS('ESRI:54027')

    print(crs2.to_wkt(pretty=True))

    trans12 = Transformer.from_crs(crs1, crs2) trans21 = Transformer.from_crs(crs2, crs1)

    bbox = list(img.bounds)

    lon = [bbox[0], (bbox[0] + bbox[2]) / 2, bbox[2]] lat = [bbox[1], (bbox[1] + bbox[3]) / 2, bbox[3]]

    pts = [[B, L] for B in lat for L in lon] pts_prj = np.array([p for p in trans12.itransform(pts)])

    bbox_prj = [np.min(pts_prj[:, 0]), np.max(pts_prj[:, 1]), np.max(pts_prj[:, 0]), np.min(pts_prj[:, 1])]

    res = 100000

    def baseround(x, base=10): return base * round(x / base)

    def baseceil(x, base=10): return base * math.ceil(x / base)

    def basefloor(x, base=10): return base * math.floor(x / base)

    bbox_rnd = [ baseceil(bbox_prj[0], res), basefloor(bbox_prj[1], res), basefloor(bbox_prj[2], res), baseceil(bbox_prj[3], res) ]

    print(bbox_rnd)

    xrange = range(bbox_rnd[0], bbox_rnd[2] + res, res) yrange = range(bbox_rnd[1], bbox_rnd[3] - res, -res)

    pts_fwd = [[X, Y] for Y in yrange for X in xrange]

    pts_back = np.array([[p[1], p[0]] for p in trans21.itransform(pts_fwd)])

    values = np.array(list(img.sample(pts_back))).reshape((len(yrange), len(xrange), 3)) / 255 values[values < 0] = np.nan

    plt.imshow(values)

    prj = Proj(crs2) factors = prj.get_factors(pts_back[:, 0], pts_back[:, 1])

    conv = np.array(factors.meridian_convergence).reshape( (len(yrange),len(xrange)) ) conv = np.where(np.isnan(values[:, :, 0]), np.nan, conv)

    plt.imshow(conv) plt.colorbar() plt.title('Meridian convergence')

  2. Assistant

    Давайте продолжим написание программы. Вам уже удалось считать исходные данные, инициализировать системы координат, провести приближенную оценку охвата проецируемого растра и интерполировать значения в новую сетку. Это хорошее начало. Теперь давайте займемся экспортом результата в формат TIFF с пространственной привязкой, а затем приступим к вычислению и визуализации показателей искажения проекции.

    Экспорт проецированного растра в файл TIFF

    Чтобы экспортировать растр в файл GeoTIFF с пространственной привязкой, вам нужно создать новый файл с помощью rasterio.open в режиме записи ('w'), задать параметры файла (такие как размеры, система координат, количество каналов и тип данных) и записать значения в файл.

    # Замените имя файла на подходящее для каждой из используемых проекций
    output_filename = 'projected_raster.tif'
    
    # Размеры выходного растра
    height, width = values.shape[0], values.shape[1]
    
    with rasterio.open(output_filename, 'w', driver='GTiff',
                       height=height, width=width,
                       count=3, dtype=values.dtype,
                       crs=crs2, transform=trans21.transform) as dst:
        dst.write(values.astype(rasterio.uint8).transpose(2, 0, 1))
    

    Примечание: Здесь предполагается, что values имеет размерность [высота, ширина, количество каналов] и содержит данные в формате, поддерживаемом для записи в файл GeoTIFF (uint8). Если формат данных отличается, возможно потребуется провести конвертацию типов.

    Вычисление и визуализация показателей искажения

    Вы уже начали визуализировать один из показателей (склонение меридианов). Для полноты анализа искажений можно рассмотреть и другие показатели, например, масштабное искажение или искажение углов.

    Вы можете вычислять эти величины на основе тех же факторов:

    scale = np.array(factors.areal_scale).reshape(
        (len(yrange), len(xrange))
    )
    scale = np.where(np.isnan(values[:, :, 0]), np.nan, scale)
    
    angle = np.array(factors.angular_distortion).reshape(
        (len(yrange), len(xrange))
    )
    angle = np.where(np.isnan(values[:, :, 0]), np.nan, angle)
    
    # Визуализация масштабного искажения
    plt.figure()
    plt.imshow(scale, cmap='viridis')
    plt.colorbar()
    plt.title('Areal Scale Distortion')
    
    # Визуализация искажения углов
    plt.figure()
    plt.imshow(angle, cmap='viridis')
    plt.colorbar()
    plt.title('Angular Distortion')
    

    Выводы

    После выполнения всех шагов программы для выбранных вами проекций, важно проанализировать результаты. Рассмотрите полученные проецированные растры и распределение показателей искажений. Обратите внимание на то, как различаются проекции в отношении искажений масштаба, углов и формы. Обдумайте, какие проекции предпочтительнее для различных целей использования геоданных.

    Пожалуйста, учтите, что этот пример кода является лишь отправной точкой и может потребоваться его настройка под ваши конкретные задачи и данные.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.