Cómo crear un ráster geoespacial a partir de datos XY con Python, Pandas y Rasterio - Tutorial

Otro tutorial realizado bajo el concepto de “Python geoespacial”. El tutorial muestra el procedimiento para ejecutar una interpolación Scipy sobre un dataframe de Pandas de datos puntuales que tienen una matriz Numpy 2D como salida del proceso. Con algunos procedimientos de Rasterio, la matriz Numpy se transformó en un ráster Tiff geoespacial monobanda.

Tutorial

Código

import numpy as np
import pandas as pd
from scipy.interpolate import griddata
import matplotlib.pyplot as plt
import rasterio

#open the chemistry data
chemData = pd.read_csv('../tab/chemistryData.csv',index_col=0,usecols=[0,5,6,18])
chemData = chemData.dropna() #delete missing data rows
chemData.describe()

	EsteCor	NorteCor	pH
count	176.000000	1.760000e+02	176.000000
mean	247362.431818	8.352024e+06	8.070892
std	5246.316476	7.225883e+03	0.877716
min	236536.000000	8.336049e+06	5.630000
25%	242377.750000	8.346304e+06	7.617500
50%	249067.000000	8.352004e+06	8.045000
75%	251132.000000	8.356741e+06	8.510000
max	259877.000000	8.372586e+06	10.400000

# Optional : drop extreme values
chemData = chemData[chemData.pH > np.quantile(chemData.pH,0.1)]
chemData = chemData[chemData.pH < np.quantile(chemData.pH,0.9)]
chemData.describe()

	EsteCor	NorteCor	pH
count	140.000000	1.400000e+02	140.000000
mean	247838.157143	8.352633e+06	8.076693
std	5230.177137	7.042238e+03	0.489108
min	236536.000000	8.336049e+06	7.100000
25%	243042.750000	8.347914e+06	7.790000
50%	250146.000000	8.353390e+06	8.055000
75%	251441.250000	8.357699e+06	8.370000
max	259877.000000	8.372586e+06	9.330000

#define interpolation inputs
points = list(zip(chemData.EsteCor,chemData.NorteCor))
values = chemData.pH.values
print(points[:5])
print(values[:5])

[(250901.0, 8342712.0), (244329.0, 8346119.0), (244329.0, 8346119.0), (244329.0, 8346119.0), (240476.0, 8351811.000000001)]
[8.03 8.96 7.8  8.04 8.17]

#define raster resolution
rRes = 50

#create coord ranges over the desired raster extension
xRange = np.arange(chemData.EsteCor.min(),chemData.EsteCor.max()+rRes,rRes)
yRange = np.arange(chemData.NorteCor.min(),chemData.NorteCor.max()+rRes,rRes)
print(xRange[:5],yRange[:5])

[236536. 236586. 236636. 236686. 236736.] [8336049. 8336099. 8336149. 8336199. 8336249.]

#create arrays of x,y over the raster extension
gridX,gridY = np.meshgrid(xRange, yRange)

#interpolate over the grid
gridPh = griddata(points, values, (gridX,gridY), method='linear')

#show interpolated values
plt.imshow(gridPh)

#definition of the raster transform array
from rasterio.transform import Affine
transform = Affine.translation(gridX[0][0]-rRes/2, gridY[0][0]-rRes/2)*Affine.scale(rRes,rRes)
transform

Affine(50.0, 0.0, 236511.0,
       0.0, 50.0, 8336023.999999999)

#get crs as wkt
from rasterio.crs import CRS
rasterCrs = CRS.from_epsg(32718)
rasterCrs.data

{'init': 'epsg:32718'}

#definition, register and close of interpolated raster
interpRaster = rasterio.open('../rst/interpRaster3.tif',
                                'w',
                                driver='GTiff',
                                height=gridPh.shape[0],
                                width=gridPh.shape[1],
                                count=1,
                                dtype=gridPh.dtype,
                                crs=rasterCrs,
                                transform=transform,
                                )
interpRaster.write(gridPh,1)
interpRaster.close()

Datos de entrada

Puede descargar los datos de entrada desde este enlace.