基于 Python 的地理空间绘图（附源码）
前言
大部分情况下，地理绘图可使用 Arcgis 等工具实现。但正版的 Arcgis 并非所有人可以承受。本文基于 Python 的 cartopy 和
matplotlib 等库，为地理空间绘图的代码实现提供参考。
所有所需库如下：
gma、cartopy、matplotlib、numpy
更多内容可转到：地理与气象分析库----使用指南（点击阅读原文）。
Part1绘图目标
基于 Python 的地理空间绘图目标实现以下效果（包含比例尺、指北针、经纬网、图例等）：
Part2 绘图思路
制图流程图
Part3数据处理
本例以 ESA 2020 陆表覆盖河南省地物分类数据为例，通过gma.rasp.AddColorTable 更新色彩映射表，形成三个与原始文件不同
的副本栅格（仅配色不同）。并对四个栅格进行绘制。这四个文件分别为：
“地表覆盖_河南_ESA_2020.tif” ----原始数据"地表覆盖_河南_ESA_2020 - 副本.tif" “地表覆盖_河南_ESA_2020 - 副本 (2).tif”
“地表覆盖_河南_ESA_2020 - 副本 (3).tif”
底图以我国省、地级市边界以及1-5级河流和湖泊为主。
python学习交流Q群：906715085 # ## import gma # 1.根据定义更新——第一个副本 # # 待更新的色彩映射表 ColorTable = {10:(0,112,255,255 ), 20:(255,211,127,255 ), 30:(76,230,0,255 ), 40:(123,104,238,255 ), 50:(230,230,0,255 ), 60:(205,245,122,255 ), 70:(156,200,121,255 ), 80:(245,162,122,255 ), 90:(190,210,255,255 ), 95:(109,150,178,255 ), 100:(223,198,142,255 )} # # 将定义的色彩映射表更新到 副本 gma.rasp.AddColorTable( " 地表覆盖_河南_ESA_2020 - 副本.tif " ,
ColorTable = ColorTable) # 2.根据模板栅格更新——第二个副本 # # 将 副本 的色彩映射表更新到 副本（2） gma.rasp.AddColorTable( " 地表覆盖_河南_ESA_2020 - 副本 (2).tif " , " 地表覆盖_河南_ESA_2020 - 副本.tif " ) # 3.根据模板栅格和定义更新——第三个副本 # # 将 副本 以及定义的色彩映射表更新到 副本 (3) gma.rasp.AddColorTable( " 地表覆盖_河南_ESA_2020 - 副本 (3).tif " , " 地表覆盖_河南_ESA_2020 - 副本.tif " ,
ColorTable = {10:(100,100,100,255), 40:(200,200,200,255)})
Part4绘制栅格
import cartopy.crs as ccrs import matplotlib.pyplot as plt import matplotlib.colors as cor import numpy as np import gma.extend.mapplottools as mpt
PAR = { ' font.sans-serif ' : ' Times New Roman ' , ' axes.unicode_minus ' : False,
}
plt.rcParams.update(PAR)
1 读取色彩映射表信息（若不包含，可自行定义色带）
InFiles = [ " 地表覆盖_河南_ESA_2020.tif " , " 地表覆盖_河南_ESA_2020 - 副本.tif " , " 地表覆盖_河南_ESA_2020 - 副本 (2).tif " , " 地表覆盖_河南_ESA_2020 - 副本 (3).tif " ] # ### 读取四组数据色彩信息 CMap = []
Colors = [] for InFile in InFiles:
DataSet = gma.Open(InFile)
Color = DataSet.GetGDALDataset().GetRasterBand(1 ).GetColorTable()
ColorTable = [Color.GetColorEntry(i) for i in range(Color.GetCount())] # 转换 色彩映射表 为 Matplotlib 可识别的格式 CMapV = tuple(tuple(np.array(CT) / 255) for CT in ColorTable) # 生成色带 CMap.append(cor.ListedColormap(CMapV))
Colors.append([CMapV[i] for i in range(10, 110, 10)] + [CMapV[95 ]]) # ### 为四组数据分配名称 Method = [ ' 原始配色 ' , ' 根据定义更新 ' , ' 根据模板栅格更新 ' , ' 根据模板栅格和定义更新 ' ] # ### 为颜色值定义含义 ColorName = [ ' 林地 ' , ' 灌木 ' , ' 草地 ' , ' 耕地 ' , ' 建筑 ' , ' 裸地/稀疏植被区 ' , ' 雪和冰 ' , ' 开阔水域 ' , ' 草本湿地 ' , ' 红树林 ' , ' 苔藓和地衣 ' ]
2 定义数据分块——用于数据分块绘制（节约内存）
当数据过大时，直接绘制可能失败。若想精确绘制，可采用此方法（若涉及到投影，大数据耗时较久）。否则，可以缩放数据，
减小分辨率（类似栅格金字塔构建规则）进行绘制。
BlockSize = 8000 Columns = DataSet.Columns
Rows = DataSet.Rows
Blocks = [(r, c) for r in range(0, Rows, BlockSize) for c in range(0, Columns, BlockSize)]
3 配置制图范围
GEOT = DataSet.GeoTransform
Columns = DataSet.Columns
Rows = DataSet.Rows # 数据边界 ExtentData = [GEOT[0], GEOT[0] + GEOT[1] * Columns, GEOT[3] + GEOT[-1] * Rows, GEOT[3 ]] # 绘图边界（以数据边界为基础确定） EL, ER, EB, ET = 0.2, 0.1, 0.15, 0.05 # 左右、下上边界的扩展比例 ExtentPLT = [ExtentData[0] - (ExtentData[1] - ExtentData[0]) * EL,
ExtentData[ 1] + (ExtentData[1] - ExtentData[0]) * ER,
ExtentData[ 2] - (ExtentData[3] - ExtentData[2]) * EB,
ExtentData[ 3] + (ExtentData[3] - ExtentData[2]) * ET]
4绘制数据
python学习交流Q群：906715085 # ### WKTCRS = DataSet.Projection
DataCRS = mpt.GetCRS(WKTCRS)
fig = plt.figure(figsize = (10, 10), dpi = 600 ) # 定义一个标准中国区 ALBERS 投影 Alberts_China = ccrs.AlbersEqualArea(central_longitude = 105, standard_parallels = (25.0, 47.0 )) for i in range(4 ):
ax = plt.subplot(2, 2, i + 1, projection = Alberts_China) # 0.控制数据显示范围 ax.set_extent(ExtentPLT, crs = DataCRS) # 1.绘制底图图层（应用自有高精度数据做底图） # # 1.1 添加行政边界 mpt.AddGeometries(ax, r " Region\VTD_PG_PLCity_China.shp " , EdgeColor = ' LightGrey ' , LineWidth = 0.1 )
mpt.AddGeometries(ax, r " Region\VTD_PG_Province_China.shp " , EdgeColor = ' Gray ' , LineWidth = 0.2 ) # # 1.2 添加河流湖泊 mpt.AddGeometries(ax, r " river\1级河流.shp " , EdgeColor = ' RoyalBlue ' , LineWidth = 0.4 )
mpt.AddGeometries(ax, r " river\2级河流.shp " , EdgeColor = ' DodgerBlue ' , LineWidth = 0.3 )
mpt.AddGeometries(ax, r " river\3级河流.shp " , EdgeColor = ' DeepSkyBlue ' , LineWidth = 0.2 )
mpt.AddGeometries(ax, r " river\4级河流.shp " , EdgeColor = ' SkyBlue ' , LineWidth = 0.15 )
mpt.AddGeometries(ax, r " river\5级河流.shp " , EdgeColor = ' LightSkyBlue ' , LineWidth = 0.05 )
mpt.AddGeometries(ax, r " river\主要湖泊.shp " , EdgeColor = ' none ' , LineWidth = 0, FaceColor = ' #BEE8FF ' ) # 2.绘制数据图层 # # 分块绘制（节约内存） for Block in Blocks: # 数据都一样，读取一个文件的数据即可 DrawData = DataSet.ToArray(* Block, BlockSize, BlockSize)
ExtentBlock = [GEOT[0] + Block[1] * GEOT[1], GEOT[0] + (DrawData.shape[1] + Block[1]) * GEOT[1 ],
GEOT[ 3] - (DrawData.shape[0] + Block[0]) * GEOT[1], GEOT[3] - Block[0] * GEOT[1 ]]
im = ax.imshow(DrawData, transform = DataCRS, cmap = CMap[i], extent = ExtentBlock, zorder = 2 ,
interpolation = ' none ' , vmin = 0, vmax = 255 ) # 3.为绘制区域增加经纬网 gl = ax.gridlines(draw_labels = True, dms = False, x_inline = False, y_inline = False,
linestyle = (0, (10, 10 )),
linewidth = 0.2 ,
color = ' Gray ' ,
rotate_labels = False,
xlabel_style = { ' fontsize ' : 8 },
ylabel_style = { ' fontsize ' : 8 }) # # 3.1忽略相邻轴的经纬网标签 if i % 2 == 0:
gl.right_labels = False else :
gl.left_labels = False if i < 2 :
gl.bottom_labels = False else :
gl.top_labels = False
ax.set_title(Method[i], fontsize = 10, y = 0.92, fontdict = { ' family ' : ' SimSun ' }) # n.其他优化设置 # # n.1 添加指北针 mpt.AddCompass(ax, LOC = (0.2, 0.85), SCA = 0.04, FontSize = 10 ) # # n.2 添加比例尺 mpt.AddScaleBar(ax, LOC = (0.8, 0.08), SCA = 0.1, FontSize = 6, PROJType = ' PROJCS ' , UnitPad = 0.25, BarWidth = 0.6 ) # # n.3 添加图例并修饰 mpt.AddLegend(ax, Colors[i], LegendName = ' 分类 ' , LengedInterval = 0.4, LabelList = ColorName,
LegendSize = 8, TextInterval = 0.1, LOC = (0.05, 0.32), SCA = 0.03, AspectRatio = 1.5 ,
Columns = 2, ColumnWide = 0.15, RowInterval = 0.015, FontSize = 6, EdgeColor = ' k ' , EdgeWidth = 0.1 )
plt.subplots_adjust(wspace = 0.05, hspace = -0.05 )
plt.show()
最后
还有没有学会的小伙伴嘛，点名批评不认真哟！关于今天的这一篇文章喜欢的记得点赞，让我看看是哪一位靓仔在支持我，不懂
的也记得评论留言，学习的事马虎不得。下一章见啦~