基于 geopandas DataFrame 几何图形聚合栅格数据

Question

情况
我有两个数据集：

1. 使用 rioxarray 加载的栅格数据，一个 xarray.DataArray
2. 一个带有 geometries 指示的 geopandas.DataFrame 1. 数据集中的区域

两个数据集中的地理数据位于相同的 CRS (EPSG:4326) 中。

问题
对于 2. 中的每个条目，我想聚合 1. 中与特定几何图形重叠的所有值。有点像使用几何图形的 .group-by() + .sum()。

当前 WIP 方法
包 xagg 已经做到了这一点，不幸的是在我的一个子集上速度很慢当我尝试在完整数据集上使用它时，数据集和规模会更糟。

问题
有没有一种简单而有效的方法可以在Python中做到这一点？ （该解决方案不需要准确地复制 xagg 的结果。）

Answer 1

WRT 你的评论是我用来做你想做的事情的一些伪代码。在这种情况下，正在执行的函数输出文件。如果这一点不明显，那么如果您只有 1 个大光栅和 1 个大多边形文件，策略将不会有帮助。该方法假定平铺数据并使用索引系统将正确的栅格与覆盖的多边形进行匹配。完整的例子有点超出了单一答案的范围。但如果您询问具体情况是否有问题，我可以尽力提供帮助。除了 dask 的良好文档之外，这里还有很多其他帖子以及 dask 延迟示例。

results_list = []

for f in raster_file_list: 

    temp_list = dask.delayed(your_custom_function)(f, your_custom_function_arg_1, your_custom_function_arg_2)
    results.append(temp_list)
    
results = dask.compute(*results_list, scheduler='processes')