Obtenir l'élévation lat / long du raster en utilisant python?

Je me demandais si quelqu'un avait une certaine expérience dans l'obtention de données d'altitude à partir d'un raster sans utiliser ArcGIS , mais plutôt obtenir les informations sous forme de python listou dict?

J'obtiens mes données XY sous forme de liste de tuples:

xy34 =[perp_obj[j].CalcPnts(float(i.dist), orientation) for j in range (len(perp_obj))]

Je voudrais parcourir la liste ou la passer à une fonction ou à une méthode de classe pour obtenir l'élévation correspondante pour les paires xy.

J'ai fait quelques recherches sur le sujet et l' API gdal semble prometteuse. Quelqu'un peut-il me conseiller sur la façon de procéder, les pièges, un exemple de code?

GDAL n'est pas une option car je ne peux pas modifier la variable de chemin d'accès système sur la machine sur laquelle je travaille!

Quelqu'un connaît-il une approche différente?

Voici une manière plus programmatique d'utiliser GDAL que la réponse de @ Aragon. Je ne l'ai pas testé, mais c'est surtout le code de plaque de chaudière qui a fonctionné pour moi dans le passé. Il s'appuie sur les liaisons Numpy et GDAL, mais c'est tout.

import osgeo.gdal as gdal
import osgeo.osr as osr
import numpy as np
from numpy import ma

def maFromGDAL(filename):
    dataset = gdal.Open(filename, gdal.GA_ReadOnly)

    if dataset is None:
        raise Exception()

    # Get the georeferencing metadata.
    # We don't need to know the CRS unless we want to specify coordinates
    # in a different CRS.
    #projection = dataset.GetProjection()
    geotransform = dataset.GetGeoTransform()

    # We need to know the geographic bounds and resolution of our dataset.
    if geotransform is None:
        dataset = None
        raise Exception()

    # Get the first band.
    band = dataset.GetRasterBand(1)
    # We need to nodata value for our MaskedArray later.
    nodata = band.GetNoDataValue()
    # Load the entire dataset into one numpy array.
    image = band.ReadAsArray(0, 0, band.XSize, band.YSize)
    # Close the dataset.
    dataset = None

    # Create a numpy MaskedArray from our regular numpy array.
    # If we want to be really clever, we could subclass MaskedArray to hold
    # our georeference metadata as well.
    # see here: http://docs.scipy.org/doc/numpy/user/basics.subclassing.html
    # For details.
    masked_image = ma.masked_values(image, nodata, copy=False)
    masked_image.fill_value = nodata

    return masked_image, geotransform

def pixelToMap(gt, pos):
    return (gt[0] + pos[0] * gt[1] + pos[1] * gt[2],
            gt[3] + pos[0] * gt[4] + pos[1] * gt[5])

# Reverses the operation of pixelToMap(), according to:
# https://en.wikipedia.org/wiki/World_file because GDAL's Affine GeoTransform
# uses the same values in the same order as an ESRI world file.
# See: http://www.gdal.org/gdal_datamodel.html
def mapToPixel(gt, pos):
    s = gt[0] * gt[4] - gt[3] * gt[1]
    x = (gt[4] * pos[0] - gt[1] * pos[1] + gt[1] * gt[5] - gt[4] * gt[2]) / s
    y = (-gt[3] * pos[0] + gt[0] * pos[1] + gt[3] * gt[2] - gt[0] * gt[5]) / s
    return (x, y)

def valueAtMapPos(image, gt, pos):
    pp = mapToPixel(gt, pos)
    x = int(pp[0])
    y = int(pp[1])

    if x < 0 or y < 0 or x >= image.shape[1] or y >= image.shape[0]:
        raise Exception()

    # Note how we reference the y column first. This is the way numpy arrays
    # work by default. But GDAL assumes x first.
    return image[y, x]

try:
    image, geotransform = maFromGDAL('myimage.tif')
    val = valueAtMapPos(image, geotransform, (434323.0, 2984745.0))
    print val
except:
    print('Something went wrong.')

Consultez ma réponse ici ... et lisez ici pour quelques informations. Les informations suivantes proviennent de Geotips:

Avec gdallocationinfo , nous pouvons interroger l'élévation en un point:

$ gdallocationinfo gmted/all075.vrt -geoloc 87360 19679

La sortie de la commande ci-dessus a la forme:

Report:
   Location: (87360P,19679L)
Band 1:
   Value: 1418

Cela signifie que la valeur d'élévation à la géolocalisation fournie est 1418.

Voir par exemple ce code basé sur GDAL (et Python, aucun numpy nécessaire): https://github.com/geometalab/retrieve-height-service

Le code python fourni extrait les données de valeur d'une cellule raster sur la base de coordonnées x, y données. Il s'agit d'une version légèrement modifiée d'un exemple de cette excellente source . Il est basé sur GDALet numpyqui ne fait pas partie de la distribution standard de python. Merci à @Mike Toews d'avoir signalé les fichiers binaires non officiels de Windows pour les extensions Python pour rendre l'installation et l'utilisation rapides et faciles.

import os, sys, time, gdal
from gdalconst import *


# coordinates to get pixel values for
xValues = [122588.008]
yValues = [484475.146]

# set directory
os.chdir(r'D:\\temp\\AHN2_060')

# register all of the drivers
gdal.AllRegister()
# open the image
ds = gdal.Open('i25gn1_131.img', GA_ReadOnly)

if ds is None:
    print 'Could not open image'
    sys.exit(1)

# get image size
rows = ds.RasterYSize
cols = ds.RasterXSize
bands = ds.RasterCount

# get georeference info
transform = ds.GetGeoTransform()
xOrigin = transform[0]
yOrigin = transform[3]
pixelWidth = transform[1]
pixelHeight = transform[5]

# loop through the coordinates
for xValue,yValue in zip(xValues,yValues):
    # get x,y
    x = xValue
    y = yValue

    # compute pixel offset
    xOffset = int((x - xOrigin) / pixelWidth)
    yOffset = int((y - yOrigin) / pixelHeight)
    # create a string to print out
    s = "%s %s %s %s " % (x, y, xOffset, yOffset)

    # loop through the bands
    for i in xrange(1,bands):
        band = ds.GetRasterBand(i) # 1-based index
        # read data and add the value to the string
        data = band.ReadAsArray(xOffset, yOffset, 1, 1)
        value = data[0,0]
        s = "%s%s " % (s, value) 
    # print out the data string
    print s
    # figure out how long the script took to run