根据经纬度获取海拔高度
1、准备 安装python包
apt-get update
apt-get install -y python3-gdal
pip install gdal
pip install pyproj
2、下载高程tif数据
全国各省12.5m高程数据-免费下载-资源下载-数字地球开放平台
注册下,下载他的网盘下载工具,然后选取要使用的区域下载。我下载的宁夏的。
3、python代码
以下的代码是专门针对以上的高程数据写的代码。不同的高程数据可能需要不同的投影计算方法。
使用Pyproj库进行投影转换:
通过pyproj.Proj方法,确认源投影(EPSG:4326)和目标投影(EPSG:32648)。
将输入的经纬度数据从WGS 84转换为UTM 48N坐标系统。
import gdal
import osr
from pyproj import Proj, transform
def print_geo_transform_info(transform):
print(f"Geotransform:")
print(f" Origin: ({transform[0]}, {transform[3]})")
print(f" Pixel Size: ({transform[1]}, {transform[5]})")
def get_elevation(tif_path, lon, lat):
# 打开 GeoTIFF 文件
dataset = gdal.Open(tif_path)
if dataset is None:
raise FileNotFoundError(f"Cannot open file: {tif_path}")
# 打印GeoTIFF文件信息
print("GeoTIFF File Information:")
print(f"Raster size: {dataset.RasterXSize} x {dataset.RasterYSize}")
print(f"Number of bands: {dataset.RasterCount}")
# 获取地理变换信息
transform_info = dataset.GetGeoTransform()
if transform_info is None:
raise ValueError("Failed to get geotransform from the dataset.")
print_geo_transform_info(transform_info)
# 获取投影信息
proj_info = dataset.GetProjection()
if proj_info is None:
raise ValueError("Failed to get projection from the dataset.")
print(f"Projection: {proj_info}")
# 获取栅格波段
band = dataset.GetRasterBand(1)
if band is None:
raise ValueError("Failed to get raster band from the dataset.")
# 创建投影转换对象
in_proj = Proj(init='epsg:4326') # WGS 84
out_proj = Proj(init='epsg:32648') # UTM zone 48N
try:
# 将经纬度坐标转换为UTM坐标
srcX, srcY = transform(in_proj, out_proj, lon, lat)
print(f"Transformed Coordinates: X={srcX}, Y={srcY}")
# 检查是否在GeoTIFF数据范围内
x_min = transform_info[0]
x_max = x_min + transform_info[1] * dataset.RasterXSize
y_max = transform_info[3]
y_min = y_max + transform_info[5] * dataset.RasterYSize
print(f"GeoTIFF X range: {x_min} to {x_max}")
print(f"GeoTIFF Y range: {y_min} to {y_max}")
if not (x_min
免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度,360,搜狗等多加搜索引擎自动关键词搜索配图,如有侵权的图片,请第一时间联系我们,邮箱:ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
