cog2h3 0.0.3

云优化GeoTIFF到H3单元格

此脚本处理云优化GeoTIFF（COGs），并将它们转换为H3六边形网格，将结果存储在PostgreSQL数据库中。它支持多波段栅格、重采样和各种处理选项。

功能

• 从URL下载并处理COGs
• 将栅格数据转换为H3六边形
• 支持多波段栅格
• 自定义H3分辨率
• 各种重采样方法
• 在重采样期间保留栅格值范围选项
• 使用PostgreSQL进行高效数据库存储

先决条件

• Python 3.7+

• PostgreSQL数据库

• 确保您的输入COG在WGS 1984投影中。如果不是，请使用gdalwarp进行重投影

gdalwarp -overwrite input.tif output.tif -s_srs EPSG:32645 -t_srs EPSG:4326

• 使用gdalwarp将nodata值设置为0

gdalwarp -dstnodata 0 input.tif output.tif

• 将GeoTIFF转换为COG格式

gdal_translate -of COG input.tif output_cog.tif

所有预处理步骤都包含在./pre.sh bash脚本中

环境变量

设置以下环境变量或使用默认值

• DATABASE_URL: PostgreSQL连接字符串（默认: "postgresql://postgres:postgres@localhost:5432/postgres")
• STATIC_DIR: 存储下载的COGs的目录（默认: "static")

示例

export DATABASE_URL="postgresql://user:password@host:port/database"
export STATIC_DIR="/path/to/cog/storage"

用法

使用以下命令运行脚本

python cog2h3.py --cog <COG_URL> --table <TABLE_NAME> [OPTIONS]

必需参数

• --cog: 云优化GeoTIFF的URL（必须位于WGS84投影中)
• --table: 存储结果的数据库表名

可选参数

• --res: H3分辨率级别（默认：8）
• --preserve_range: 在重采样时保留栅格的值域
• --multiband: 处理多波段栅格的所有波段
• --sample_by: 重采样方法（默认："bilinear"）

可用的重采样方法：nearest, bilinear, cubic, cubic_spline, lanczos, average, mode, gauss, max, min, med, q1, q3, sum, rms

示例

python cog2h3.py --cog my-cog.tif --table cog_h3 --res 8

贡献

欢迎贡献！欢迎