使用Arcgis对欧洲雷达高分辨率降水数据重投影

当前需要使用欧洲高分辨雷达降水数据,但是这个数据的投影问题非常头疼。实际的投影应该长这样(https://gist.github.com/kmuehlbauer/645e42a53b30752230c08c20a9c964f9?permalink_comment_id=2954366icon-default.png?t=N7T8https://gist.github.com/kmuehlbauer/645e42a53b30752230c08c20a9c964f9?permalink_comment_id=2954366

使用Arcgis对欧洲雷达高分辨率降水数据重投影_第1张图片

1.matlab数据读取

由于数据存储为h5文件,可以使用matlab读取得到投影信息:

INfo = h5info('RAD_OPERA_HOURLY_RAINFALL_ACCUMULATION_201707241100.h5')

Group '/' 
    Attributes:
        'Conventions':  'ODIM_H5/V2_0'
    Group '/dataset1' 
        Group '/dataset1/data1' 
            Dataset 'data' 
                Size:  1900x2200
                MaxSize:  1900x2200
                Datatype:   H5T_IEEE_F64LE (double)
                ChunkSize:  1900x2200
                Filters:  deflate(6)
                FillValue:  0.000000
        Group '/dataset1/what' 
            Attributes:
                'product':  'COMP'
                'startdate':  '20170724'
                'starttime':  '120500'
                'enddate':  '20170724'
                'endtime':  '130500'
                'quantity':  'ACRR'
                'gain':  1.000000
                'offset':  0.000000
                'nodata':  -9999000.000000
                'undetect':  -8888000.000000
    Group '/dataset2' 
        Group '/dataset2/data1' 
            Dataset 'data' 
                Size:  1900x2200
                MaxSize:  1900x2200
                Datatype:   H5T_IEEE_F64LE (double)
                ChunkSize:  119x69
                Filters:  deflate(6)
                Attributes:
                    'CLASS':  'IMAGE '
                    'IMAGE_VERSION':  '1.2 '
        Group '/dataset2/what' 
            Attributes:
                'product':  'COMP'
                'startdate':  '20170724'
                'starttime':  '120500'
                'enddate':  '20170724'
                'endtime':  '130500'
                'gain':  1.000000
                'offset':  0.000000
                'nodata':  -9999000.000000
                'undetect':  -8888000.000000
                'quantity':  'COUNT'
    Group '/how' 
        Attributes:
            'nodes':  'NOD:deisn,NOD:frcol,NOD:dedrs,NOD:frmtc,NOD:ukdud,NOD:nober,NOD:frbla,NOD:selek,NOD:eszar,NOD:frabb,NOD:frbou,NOD:selul,NOD:nohgb,NOD:deeis,NOD:sevil,NOD:dkrom,NOD:essse,NOD:sehuv,NOD:ukcyg,NOD:sekir,NOD:frniz,NOD:ukhmy,NOD:deneu,NOD:frtra,NOD:dkste,NOD:uking,NOD:frmcl,NOD:deess,NOD:ukthu,NOD:searl,NOD:frtou,NOD:ukcle,NOD:depro,NOD:frbor,NOD:sekkr,NOD:frpla,NOD:frale,NOD:chalb,NOD:dehnr,NOD:ukdea,NOD:deumd,NOD:deros,NOD:chlem,NOD:frlep,NOD:frcae,NOD:deflg,NOD:ukjer,NOD:seovi,NOD:dkvir,NOD:plpoz,NOD:eehar,NOD:seang,NOD:plram,NOD:frave,NOD:ukcob,NOD:roora,NOD:ukpre,NOD:deemd,NOD:frmom,NOD:nlhrw,NOD:iskef,NOD:nobml,NOD:deboo,NOD:istgb,NOD:frtre,NOD:esbad,NOD:chdol,NOD:detur,NOD:fiika,NOD:plrze,NOD:romed,NOD:fipet,NOD:czska,NOD:ukhhd,NOD:deoft,NOD:frbol,NOD:nohur,NOD:ukham,NOD:eesyr,NOD:denhb,NOD:demem,NOD:espma,NOD:eslpa,NOD:frnim,NOD:skkub,NOD:fropo,NOD:seosd,NOD:skjav,NOD:sevax,NOD:rocra,NOD:ukche,NOD:frgre,NOD:robar,NOD:norst,NOD:hunap,NOD:esmad,NOD:defld,NOD:robuc,NOD:skkoj,NOD:esbar,NOD:esmal,NOD:sklaz,NOD:iesha,NOD:nohas,NOD:nldhl,NOD:essan,NOD:nosmn,NOD:fianj,NOD:silis,NOD:hrbil,NOD:plpas,NOD:fikes,NOD:mtgud,NOD:eslid,NOD:plleg,NOD:sehem,NOD:bewid,NOD:sipas,NOD:esmur,NOD:esalm,NOD:hrosi,NOD:fikuo,NOD:plbrz,NOD:essev,NOD:nosta,NOD:plgda,NOD:fiuta,NOD:plswi,NOD:fivan,NOD:escor,NOD:rotim,NOD:esval,NOD:ptprt,NOD:ptlis,NOD:fivim,NOD:bejab,NOD:czbrd,NOD:filuo,NOD:fikor,NOD:hupog'
    Group '/what' 
        Attributes:
            'object':  'COMP'
            'version':  'H5rad 2.0'
            'date':  '20170724'
            'time':  '130000'
            'source':  'ORG:247'
    Group '/where' 
        Attributes:
            'projdef':  '+proj=laea +lat_0=55.0 +lon_0=10.0 +x_0=1950000.0 +y_0=-2100000.0 +units=m +ellps=WGS84'
            'xsize':  1900
            'ysize':  2200
            'xscale':  2000.000000
            'yscale':  2000.000000
            'LL_lon':  -10.434577
            'LL_lat':  31.746215
            'UL_lon':  -39.535786
            'UL_lat':  67.022833
            'UR_lon':  57.811965
            'UR_lat':  67.621037
            'LR_lon':  29.421039
            'LR_lat':  31.987650

上面的where显示了投影信息,但是它是不规则的,无法简单进行均一经纬度网格划分。使用matlab可以读取数据,但是没有投影信息:

使用Arcgis对欧洲雷达高分辨率降水数据重投影_第2张图片

2.arcgis数据处理

由于arcgis非常易于处理投影信息,这里我们先加载一个wgs84投影信息的dem文件

使用Arcgis对欧洲雷达高分辨率降水数据重投影_第3张图片

接着我们再加载我们需要的雷达降水数据,由于之前的dem文件存在,使得整个ArcGIS工作空间都是dem文件的投影信息,因此系统会自动将雷达降水数据重新投影以匹配dem的投影类型。接着将数据另存为导出为tif文件,然后就可以在matlab中进行读取。

后续有其他处理方法会及时更新!!

你可能感兴趣的:(arcgis)