如何使用 gdal 对 Float32 光栅文件进行显着压缩
How to make a significant compression of a Float32 raster file with gdal
这个问题很模糊，但这就是我的意思。我有一个 110GB 的光栅文件，它是 20 个其他文件的组合，生成了整个欧洲的 .tif 文件。我想使用它的二进制类型来制作 3D 地形，例如 this blog，但问题是它的大小。我用 gdal 尝试了一些技巧，例如：
gdal_translate
-co COMPRESS=JPEG
-co TILED=YES
input.tif output.tif
但显然 JPEG 压缩不适用于 Float32 文件。我更喜欢保存 Float32 格式的负值，但 16 位整数也可以（不包括所有字节压缩）。到目前为止，我发现的 Float32 文件的最佳压缩是使用 PREDICTOR=3 作为压缩表达式，但这还远远不够。
是否有可能像我用 gdal 描述的那样实现这种压缩？其他技术呢？
如您所见，JPEG 压缩不适用于浮点数（事实上，它仅适用于整数 RGB，因为它有损地移除了视觉上不易察觉的部分）。
PREDICTOR=3 与 COMPRESS=ZSTD 和高 ZSTD_LEVEL 可能是你能做到的最好的真正无损。
但是，如果您可以容忍特定的不精确度，并且您的 GDAL 版本至少为 2.4，则可以使用 COMPRESS=LERC 或 LERC_ZSTD 并将 MAX_Z_ERROR 设置为最大不精确度您可以容忍的（通过压缩产生的错误）。
LERC 的实现在 GDAL 中略有错误，可能会因 NaN、NODATA 或 infs 而窒息。 https://github.com/OSGeo/gdal/issues/3055 声称此问题已于 2020 年 10 月修复，但至今仍影响着我。作为解决方法，您可以通过按比例放大固定乘数（表示 1）来转换为 Int16，以便 +-1 在您的目标精度范围内，然后使用 COMPRESS=ZSTD 和 PREDICTOR=2。如果您愿意，甚至可以在具有整数最大 Z 误差的整数栅格上再次使用 LERC。
我刚刚做的例子：
gdal_calc -A "D2014 NDVI.tif" --outfile=out.tif --type=Int16 --calc=numpy.round(1000.0*A)
gdal_translate -co "COMPRESS=LERC_ZSTD" -co "ZSTD_LEVEL=15" -co "MAX_Z_ERROR=5" -co "PREDICTOR=2" -co "TILED=YES" out.tif "D2014 NDVI lerc.tif"
毫无疑问，您可以合并成一行。对我来说，这将 600 Mb Float32 TIF 减少为 120 Mb Int16，整数缩放 NDVIs -1000-1000，最大误差 5（即缩放前为 0.005）。这与我将 LERC_ZSTD 应用到 Float32 而没有阻塞所取得的成就一致。
这个问题很模糊，但这就是我的意思。我有一个 110GB 的光栅文件，它是 20 个其他文件的组合，生成了整个欧洲的 .tif 文件。我想使用它的二进制类型来制作 3D 地形，例如 this blog，但问题是它的大小。我用 gdal 尝试了一些技巧，例如：
gdal_translate
-co COMPRESS=JPEG
-co TILED=YES
input.tif output.tif
但显然 JPEG 压缩不适用于 Float32 文件。我更喜欢保存 Float32 格式的负值，但 16 位整数也可以（不包括所有字节压缩）。到目前为止，我发现的 Float32 文件的最佳压缩是使用 PREDICTOR=3 作为压缩表达式，但这还远远不够。
是否有可能像我用 gdal 描述的那样实现这种压缩？其他技术呢？
如您所见，JPEG 压缩不适用于浮点数（事实上，它仅适用于整数 RGB，因为它有损地移除了视觉上不易察觉的部分）。
PREDICTOR=3 与 COMPRESS=ZSTD 和高 ZSTD_LEVEL 可能是你能做到的最好的真正无损。
但是，如果您可以容忍特定的不精确度，并且您的 GDAL 版本至少为 2.4，则可以使用 COMPRESS=LERC 或 LERC_ZSTD 并将 MAX_Z_ERROR 设置为最大不精确度您可以容忍的（通过压缩产生的错误）。
LERC 的实现在 GDAL 中略有错误，可能会因 NaN、NODATA 或 infs 而窒息。 https://github.com/OSGeo/gdal/issues/3055 声称此问题已于 2020 年 10 月修复，但至今仍影响着我。作为解决方法，您可以通过按比例放大固定乘数（表示 1）来转换为 Int16，以便 +-1 在您的目标精度范围内，然后使用 COMPRESS=ZSTD 和 PREDICTOR=2。如果您愿意，甚至可以在具有整数最大 Z 误差的整数栅格上再次使用 LERC。
我刚刚做的例子：
gdal_calc -A "D2014 NDVI.tif" --outfile=out.tif --type=Int16 --calc=numpy.round(1000.0*A)
gdal_translate -co "COMPRESS=LERC_ZSTD" -co "ZSTD_LEVEL=15" -co "MAX_Z_ERROR=5" -co "PREDICTOR=2" -co "TILED=YES" out.tif "D2014 NDVI lerc.tif"
毫无疑问，您可以合并成一行。对我来说，这将 600 Mb Float32 TIF 减少为 120 Mb Int16，整数缩放 NDVIs -1000-1000，最大误差 5（即缩放前为 0.005）。这与我将 LERC_ZSTD 应用到 Float32 而没有阻塞所取得的成就一致。