请你先理解以下这段代码: import geopandas as gpd import rasterio from rasterio.mask import mask…
- User
请你先理解以下这段代码: import geopandas as gpd import rasterio from rasterio.mask import mask import numpy as np import pandas as pd from tqdm import tqdm
================== 参数配置 ==================
RASTER_PATH = "impervious.tif" # 不透水面栅格文件路径 SHP_PATH = "highSpeedRailway_Buffer.shp" # 缓冲区shp文件路径 START_YEAR = 1985 # 起始年份 END_YEAR = 2021 # 结束年份 OUTPUT_CSV = "highSpeedRailway_panel.csv" # 输出文件名
================== 核心计算逻辑 ==================
def calculate_impervious_ratio(raster_array, year, nodata): """ 计算某年份下不透水面占比 参数: raster_array: 栅格矩阵 year: 目标年份 (1985-2021) nodata: 无效值标识 返回值: 不透水面占比 (0.0-1.0) """ min_value = 2021 - year + 1 # 根据用户确认的公式计算阈值 valid_mask = (raster_array != nodata) impervious_mask = (raster_array >= min_value)
total_pixels = np.count_nonzero(valid_mask) if total_pixels == 0: return 0.0 imperv_pixels = np.count_nonzero(impervious_mask & valid_mask) return imperv_pixels / total_pixels================== 主处理流程 ==================
def main(): # 读取矢量数据 buffers_gdf = gpd.read_file(SHP_PATH).to_crs("EPSG:4326") # 假设统一为WGS84坐标系
# 读取栅格元数据 with rasterio.open(RASTER_PATH) as src: nodata = src.nodata crs = src.crs # 确保坐标系一致 buffers_gdf = buffers_gdf.to_crs(crs) results = [] # 遍历每个缓冲区 for idx, row in tqdm(buffers_gdf.iterrows(), total=len(buffers_gdf), desc="处理缓冲区"): geometry = [row.geometry.__geo_interface__] # 裁剪栅格到缓冲区范围 try: clipped, transform = mask(src, geometry, crop=True, nodata=nodata) except ValueError: # 处理无交集情况 continue raster_data = clipped[0] # 单波段数据 # 遍历所有年份 for year in range(START_YEAR, END_YEAR + 1): ratio = calculate_impervious_ratio(raster_data, year, nodata) results.append({ "buffer_id": row["buffer_id"], "first_treat": row["year"], "year": year, "imp_rat": round(ratio, 4) }) # 生成结果文件 df = pd.DataFrame(results) df = df.sort_values(by=["buffer_id", "year"]) # 按用户要求排序 df["buffer_id"] = df["buffer_id"].apply(lambda x: f"{x}") df.to_csv(OUTPUT_CSV, index=False) print(f"结果已保存至: {OUTPUT_CSV}")if name == "main": main()
- Assistant
我已仔细阅读并拆解了这段脚本。下面用分块的方式说明它在干什么、核心逻辑有没有值得注意的点,以及我看到的一些可以改进或需要再确认的地方。先把整体脉络讲清楚,后面如果你需要具体修改/优化,我们再继续深入。🙂
一、脚本要解决的问题
- 对每一个高铁缓冲区(highSpeedRailway_Buffer.shp 中的多边形),在给定的不透水面栅格(impervious.tif)上做裁剪;
- 对裁剪后的栅格像元,按年度(1985-2021)去判定“这一年不透水”的像元数占总有效像元数的比例;
- 把结果写成 Panel 结构的 CSV:buffer_id × year 的长表,每行包含
buffer_id / first_treat / year / imp_rat。
二、关键函数与流程拆解
① calculate_impervious_ratio
• 输入:裁剪后栅格、目标年份、nodata 值;
• 逻辑:- 先根据公式
min_value = 2021 - year + 1计算阈值;
‑ 解释:假设像元值越大表示年代越新(或反之),这条公式能把“≥ min_value 的像元”视为在该 year 已经是不透水的像元。 valid_mask:筛掉 nodata ;impervious_mask:满足 “>= min_value” 的像元;- 最后返回
imperv_pixels / total_pixels。
② main()
• 读 shp → 统一到 WGS84 然后再统一到栅格本身的 CRS;
• 逐 buffer 遍历:rasterio.mask.mask裁剪出属于这个多边形的栅格;- 单波段
clipped[0]→ loop 年份 1985-2021 → 调 calculate_impervious_ratio → 存到 results。
• 最后把结果转 DataFrame,按 buffer_id & year 排序,写 CSV。
三、我注意到 / 建议再确认的点
- 坐标系转换
- 先把 shp 强制 to_crs("EPSG:4326"),然后又 to_crs(src.crs)。如果栅格本身已经是 WGS84,这两步可直接一步;否则其实第一步可省略,直接一步到位即可。
- min_value 公式
- 公式假设栅格编码 “2021 对应 1、2020 对应 2 ... 1985 对应 37” 这种倒序编码。如果你的栅格编码逻辑不是这样,需要调整公式。
- nodata 处理
- 如果原栅格 nodata 是 None,推荐自己设
nodata = src.nodata or -9999以免逻辑出错。
- 如果原栅格 nodata 是 None,推荐自己设
- 性能
- 对每个 buffer 都重新按 37 年循环计算一次阈值逻辑,量大时会比较慢 → 可考虑把裁剪结果提前 vectorize 成整数数组,或者在 for year 内部复用布尔掩膜。
buffer_id列- 代码里
row["buffer_id"]假设 shapefile 有这个字段。需要确认字段名与 csv 的需求一致。
- 代码里
- ValueError 捕获
- 当 buffer 与栅格无交集就 skip 了;如果要保证面板完整,或许也要写一行 imp_rat=0 而不是直接 continue。
四、结论
整体代码逻辑没大问题,能跑通的话就会得到类似:buffer_id,first_treat,year,imp_rat
001,2010,1985,0.0067
001,2010,1986,0.0103
...如果后面你需要:
• 调整年份阈值算法;
• 做向量化提速;
• 在结果里补零值行;
• 或者将脚本改造成函数 / 并行处理;
随时告诉我!🎉
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.