微软行星云计算Planetary Computer——重投影和重采样（方法1）
如何将云优化GeoTIFFs（COG）重新投影到不同的坐标参考系（CRS）？重投数据通常还包括将光栅数据重新采样到不同的分辨率，这需要将多个像素值组合到一起（当下采样--或重新采样到较低的分辨率/较大的单元尺寸时）或从现有的像素中插值新的像素（当上采样--或重新采样到较高的分辨率/较小的单元尺寸时）。你还将学习如何使用不同的重采样算法来调整光栅的像素大小。
本教程涵盖了几种再现的方法。选择哪种方法主要取决于两个因素。
当你加载数据时，你是否已经知道你的目标是什么CRS
你是否有用于你所处理的数据的STAC项目？
一般来说，在加载数据的同时进行重投影和重采样会更有效率，行星计算机数据目录中的所有遥感数据集都包括STAC项目。
本教程包括以下四种对地理数据进行重投影和重采样的方法。
方法1：在使用stackstac加载时对大量的COG进行重投和重采样。这种方法需要STAC项目。
方法2：在使用rioxarray和rasterio加载时，使用WarpedVRT对单个COG进行重投影和重采样。这种方法在没有STAC项目的情况下也可以使用，但是不能扩展到大量的COG。
方法3：用stackstac.reproject_array对内存中（可能是分布式的）DataArray进行重投和重新采样。这个选项需要更多的内存，一般来说效率不如选项1，但你在加载数据时不需要知道目标CRS。
方法4: 使用rioxarray和rasterio对内存中（单机）的DataArray进行重投和重新采样。这个选项只适用于单机，并且比选项2需要更多的内存，但是在加载数据时，你不需要知道目标CRS。
这些重投方法是按照一般推荐的顺序排列的。然而，某些方法可能无法使用，这取决于你在加载数据时是否知道你的目标CRS以及你是否有STAC项目。
在开始方法前，首先要进行库的导入：
-
import planetary_computer as pc
-
import pystac_client
-
-
import numpy as np
-
import xarray as xr
-
-
import stackstac
-
import affine
-
import pyproj
-
import rioxarray
-
import rasterio
-
-
from rioxarray.rioxarray import _make_coords
-
from rasterio.vrt import WarpedVRT
-
-
import xrspatial.multispectral as ms
-
import matplotlib.pyplot as plt
准备工作。创建一个本地Dask集群
在本教程中，将使用一个小型数据集。创建一个本地Dask集群，使用你机器的所有核心来并行处理数据。
-
from dask.distributed import Client
-
-
client = Client()
-
print(f"/proxy/{client.scheduler_info()['services']['dashboard']}/status")
/proxy/8787/status
为了跟踪计算的进展，你可以通过前一个单元的输出的URL访问Dask仪表板。
本教程所关注的区域位于美国科罗拉多州，以Cochetopa Dome和Sawtooth Mountain为中心。将使用Sentinel-2 Level-2A数据。关于通过STAC API访问数据的更多信息，请参见从STAC API中读取数据。
-
stac = pystac_client.Client.open("https://planetarycomputer.microsoft.com/api/stac/v1/")
-
search = stac.search(
-
collections=["sentinel-2-l2a"],
-
intersects={"type": "Point", "coordinates": [-106.714900, 38.22679]},
-
query={"eo:cloud_cover": {"lt": 1}},
-
datetime="2019-09-01/2019-09-30",
-
)
-
-
item = next(search.get_items())
-
signed_item = pc.sign(item)
方法1： 使用stackstac
选定的场景被存储在EPSG:32613坐标系中。让我们通过向stackstac.stack函数提供目标epsg编号，将其重新投射到一个新的CRS中。要调整数据的分辨率，还需要向函数的可选分辨率和重采样参数提供数值。
通过 stackstac.stack，你可以使用任何由 EPSG 代码定义的 CRS。在这个例子中，你使用stackstac.stack函数来重新投射到Lambert Cylindrical投影（epsg:6933）。兰伯特圆柱投影是一种保留面积测量的等面积投影。在地球表面具有相同大小的区域在地图上具有相同的大小。然而，形状、角度和比例尺一般会被扭曲。
这个例子使用了双线性重采样方法。重采样也发生在stackstac.stack函数中。由于这个函数内部使用了rasterio，你可以使用rasterio.enums.Resampling类中的任何算法。要使用一个特定的算法，把它作为重采样参数的一个值来传递。stackstac.stack中默认的重采样方法是rasterio.enums.Resampling.nearest。
-
scene_data = (
-
stackstac.stack(
-
[signed_item.to_dict()],
-
epsg=6933,
-
resampling=rasterio.enums.Resampling.bilinear,
-
resolution=100, # resolution in the output CRS’s units
-
assets=["B04", "B03", "B02"], # red, green, blue bands
-
chunksize=2048,
-
)
-
.isel(time=0)
-
.persist()
-
)
-
-
scene_data
<xarray.DataArray 'stackstac-70964429577d6f8e4004178ae459a9c1' (band: 3, y: 995, x: 1235)>
dask.array<getitem, shape=(3, 995, 1235), dtype=float64, chunksize=(1, 995, 1235), chunktype=numpy.ndarray>
Coordinates: (12/46)
time datetime64[ns] 2019-09-24T17:50:...
id <U54 'S2B_MSIL2A_20190924T175049...
* band (band) <U3 'B04' 'B03' 'B02'
* x (x) float64 -1.035e+07 ... -1.02...
* y (y) float64 4.591e+06 ... 4.491e+06
s2:product_type <U7 'S2MSI2A'
... ...
proj:transform object {0.0, 300000.0, 10.0, 430...
proj:bbox object {300000.0, 4190220.0, 430...
common_name (band) <U5 'red' 'green' 'blue'
center_wavelength (band) float64 0.665 0.56 0.49
full_width_half_max (band) float64 0.038 0.045 0.098
epsg int64 6933
Attributes:
spec: RasterSpec(epsg=6933, bounds=(-10353400, 4491300, -10229900,...
crs: epsg:6933
transform: | 100.00, 0.00,-10353400.00|\n| 0.00,-100.00, 4590800.00|\n|...
resolution: 100
xarray.DataArray
'stackstac-70964429577d6f8e4004178ae459a9c1'
- band: 3
- y: 995
- x: 1235
-
dask.array<chunksize=(1, 995, 1235), meta=np.ndarray>
Array Chunk Bytes 28.13 MiB 9.38 MiB Shape (3, 995, 1235) (1, 995, 1235) Count 3 Tasks 3 Chunks Type float64 numpy.ndarray - Coordinates: (46)
-
time
()
datetime64[ns]
2019-09-24T17:50:49.024000
array('2019-09-24T17:50:49.024000000', dtype='datetime64[ns]') -
id
()
<U54
'S2B_MSIL2A_20190924T175049_R141...
array('S2B_MSIL2A_20190924T175049_R141_T13SCC_20201004T164728', dtype='<U54') -
band
(band)
<U3
'B04' 'B03' 'B02'
array(['B04', 'B03', 'B02'], dtype='<U3')
-
x
(x)
float64
-1.035e+07 ... -1.023e+07
array([-10353400., -10353300., -10353200., ..., -10230200., -10230100., -10230000.]) -
y
(y)
float64
4.591e+06 4.591e+06 ... 4.491e+06
array([4590800., 4590700., 4590600., ..., 4491600., 4491500., 4491400.])
-
s2:product_type
()
<U7
'S2MSI2A'
array('S2MSI2A', dtype='<U7') -
sat:orbit_state
()
<U10
'descending'
array('descending', dtype='<U10') -
sat:relative_orbit
()
int64
141
array(141)
-
s2:processing_baseline
()
<U5
'02.12'
array('02.12', dtype='<U5') -
eo:cloud_cover
()
float64
0.04679
array(0.046785)
-
platform
()
<U11
'Sentinel-2B'
array('Sentinel-2B', dtype='<U11') -
proj:epsg
()
int64
32613
array(32613)
- ........
- Attributes: (4)
spec :
RasterSpec(epsg=6933, bounds=(-10353400, 4491300, -10229900, 4590800), resolutions_xy=(100, 100))
crs :
epsg:6933
transform :
| 100.00, 0.00,-10353400.00| | 0.00,-100.00, 4590800.00| | 0.00, 0.00, 1.00|
resolution :
100
- 处理结果我就不逐一展示了
-
为了生成重投影和重采样数据的预览，用xrspatil.multispectral.true_color函数创建一个真彩色图像。
提供以下参数。
你的场景数据中的红、绿、蓝三个波段
用于图像名称的可选字符串名称
注意：要调整对比度和亮度，请提供两个可选的数字参数c（对比度）和th（亮度）的值。本教程中的所有图像预览都使用该函数的默认值c=10和th=0.125。
结果展示：
-
# visualize selected scene
-
cylindrical_img = ms.true_color(*scene_data, name="epsg=6933")
-
cylindrical_img.plot.imshow(figsize=(8, 8));
下次将介绍改变投影和重采样的方法2
文章来源: blog.csdn.net，作者：此星光明2021年博客之星云计算Top3，版权归原作者所有，如需转载，请联系作者。
原文链接：blog.csdn.net/qq_31988139/article/details/123439197
- 点赞
- 收藏
- 关注作者
评论（0）