ValueError: Input shapes do not overlap raster. Geopandas/Rasterio, possible CRS error when masking

Question

我正在使用这个数据集： https://sedac.ciesin.columbia.edu/data/set/gpw-v4-population-density-rev11/data-download （世界网格人口密度）

有了这张地图： https://data.humdata.org/dataset/uganda-administrative-boundaries-as-of-17-08-2018 （乌干达行政边界 shapefile）

我已经将乌干达地图裁剪到我需要的区域，像这样：

shape_records = uganda.shapeRecords()
desired_shapes = []

for s in shape_records:
    for x in s.record:
        if 'FORT PORTAL' in str(x):
            desired_shapes.append(s)

将它们加载到单个 geopandas 数据框中：

forgpd=[]
for x in desired_shapes:
    forgpd.append(x.__geo_interface__)

gdf = gpd.GeoDataFrame.from_features(forgpd, crs=4326)

然后我正在阅读 .tif 世界人口文件 rasterio。

gpw = rio.open('UgandaData/gpw_v4_population_density_rev11_2020_30_sec.tif')
gpw_region = gpw.read(1, window=gpw.window(*box))

我想裁剪它，使用这个：

from rasterio import mask as msk

region_mask, region_mask_tf = msk.mask(dataset=gpw, shapes=gdf.geometry, all_touched=True, filled=True, crop=True) #error here
region_mask = np.where(region_mask < 0, 0, region_mask).squeeze()

我收到以下错误：

WindowError: windows do not intersect
ValueError: Input shapes do not overlap raster.

这是我的crs：

Gridded population of world: CRS.from_epsg(4326)

Uganda(Fort Portal) : 
<Geographic 2D CRS: EPSG:4326>
Name: WGS 84
Axis Info [ellipsoidal]:
- Lat[north]: Geodetic latitude (degree)
- Lon[east]: Geodetic longitude (degree)
Area of Use:
- name: World
- bounds: (-180.0, -90.0, 180.0, 90.0)
Datum: World Geodetic System 1984
- Ellipsoid: WGS 84
- Prime Meridian: Greenwich

可能不同之处在于我没有为网格化的世界人口指定 WGS 84？如果是这样，这是如何指定的？

Answer 1

问题是 shapefile 是 UTM 坐标，栅格是世界坐标系 (lat/long)。即使您将 epsg:4326 crs 分配给 gdf，它的坐标仍在 UTM 中。您可以手动转换这些，例如 this.

否则，您可以使用 QGIS 将世界栅格重新投影到 EPSG:21096（基于乌干达 shapefile 的 UTM 区域的估计），或者您可以使用 gdalwarp.

更改光栅上的投影后，您的其余代码都可以正常工作。

ValueError: Input shapes do not overlap raster. Geopandas/Rasterio, possible CRS error when masking

ValueError: Input shapes do not overlap raster. Geopandas/Rasterio, possible CRS error when masking

python

gis

mask

geopandas

rasterio