GTiff रेखापुंज के समय स्टैक कन्वर्ट एकल NetCDF

12

गदल-देव मेलिंग सूची से आगे बढ़ना:

सोम, सितम्बर 2, 2013 को 7:09 अपराह्न, डेविड शॉन ने लिखा:

हाय सूची, मैं वितरण के लिए एक एकल NetCDF फ़ाइल के रूप में समान प्रक्षेपण / सीमा / संकल्प के साथ GTiff आपदाओं के समय को पैकेज करने की कोशिश कर रहा हूं। मैंने पिछले घंटे को ऑनलाइन डॉक्टर से परामर्श करने और बिना किसी सफलता के gdal_translate, gdalbuildvrt और gdalwarp के साथ खेलने में बिताया है।

क्या मौजूदा गाल्ड कमांड लाइन उपयोगिताओं का उपयोग करने का एक आसान तरीका है? मुझे लगा कि मैं NetCDF पायथन एपीआई का उपयोग कर एक कस्टम समाधान का सहारा लेने से पहले पूछूंगा।

धन्यवाद। डेविड

Tue पर, सितंबर 3, 2013 को 10:15 पूर्वाह्न, एटिने टूरनेग ने लिखा:

आप जो चाहते हैं वह शायद गदल के दायरे से बाहर है। इसके लिए कुछ चतुर मेटाडेटा प्रबंधन की आवश्यकता होगी ताकि gdal_translate उन्हें एक ही फ़ाइल में रखे ...

मैं आपको उन सभी को gcd_translate का उपयोग करके netcdf में बदलने की सलाह दूंगा और फिर उन्हें टेम्पोरल आयाम में ढेर करने के लिए python-netcdf4 (numpy / scipy से नहीं) का उपयोग करूंगा।

टीयू पर, 3 सितंबर, 2013 को सुबह 7:55 बजे, "साइनेल, रिचर्ड" ने लिखा:

डेविड, यदि आप जीआईएस स्टैकएक्सचेंज समूह /gis// पर अपना प्रश्न पोस्ट करते हैं, तो मैं एक उदाहरण कोड प्रदान करूंगा जो सहायक होना चाहिए।

-धनी

====================

अपडेट 9/3/13 17:04 पीडीटी

यहाँ मेरे इनपुट डेटासेट में से एक के लिए gdalinfo आउटपुट है:


gdalinfo 20120901T2024_align_x+22.19_y+3.68_z+14.97_warp.tif

Driver: GTiff/GeoTIFF
Files: 20120901T2024_align_x+22.19_y+3.68_z+14.97_warp.tif
Size is 10666, 13387
Coordinate System is:
PROJCS["unnamed",
    GEOGCS["WGS 84",
        DATUM["WGS_1984",
            SPHEROID["WGS 84",6378137,298.257223563,
                AUTHORITY["EPSG","7030"]],
            AUTHORITY["EPSG","6326"]],
        PRIMEM["Greenwich",0],
        UNIT["degree",0.0174532925199433],
        AUTHORITY["EPSG","4326"]],
    PROJECTION["Polar_Stereographic"],
    PARAMETER["latitude_of_origin",70],
    PARAMETER["central_meridian",-45],
    PARAMETER["scale_factor",1],
    PARAMETER["false_easting",0],
    PARAMETER["false_northing",0],
    UNIT["metre",1,
        AUTHORITY["EPSG","9001"]]]
Origin = (-211346.063781524338992,-2245136.291794800199568)
Pixel Size = (5.000000000000000,-5.000000000000000)
Metadata:
  AREA_OR_POINT=Area
Image Structure Metadata:
  COMPRESSION=LZW
  INTERLEAVE=BAND
Corner Coordinates:
Upper Left  ( -211346.064,-2245136.292) ( 50d22'39.70"W, 69d23'55.59"N)
Lower Left  ( -211346.064,-2312071.292) ( 50d13'22.38"W, 68d48'10.75"N)
Upper Right ( -158016.064,-2245136.292) ( 49d 1'33.33"W, 69d26'16.42"N)
Lower Right ( -158016.064,-2312071.292) ( 48d54'35.06"W, 68d50'27.28"N)
Center      ( -184681.064,-2278603.792) ( 49d38' 1.32"W, 69d 7'17.04"N)
Band 1 Block=256x256 Type=Float32, ColorInterp=Gray
  NoData Value=-32767

ल्यूक के सुझाए दृष्टिकोण पर चल रहा है।

Vrt पीढ़ी ठीक काम करती है:

gdalbuildvrt -separate newtest.vrt *warp.tif

<VRTDataset rasterXSize="10666" rasterYSize="13387">
  <SRS>PROJCS["unnamed",GEOGCS["WGS 84",DATUM["WGS_1984",SPHEROID["WGS 84",6378137,298.257223563,AUTHORITY["EPSG","7030"]],AUTHORITY["EPSG","6326"]],PRIMEM["Greenwich",0],UNIT["degree",0.0174532925199433],AUTHORITY["EPSG","4326"]],PROJECTION["Polar_Stereographic"],PARAMETER["latitude_of_origin",70],PARAMETER["central_meridian",-45],PARAMETER["scale_factor",1],PARAMETER["false_easting",0],PARAMETER["false_northing",0],UNIT["metre",1,AUTHORITY["EPSG","9001"]]]</SRS>
  <GeoTransform> -2.1134606378152434e+05,  5.0000000000000000e+00,  0.0000000000000000e+00, -2.2451362917948002e+06,  0.0000000000000000e+00, -5.0000000000000000e+00</GeoTransform>
  <VRTRasterBand dataType="Float32" band="1">
    <NoDataValue>-3.27670000000000E+04</NoDataValue>
    <ComplexSource>
      <SourceFilename relativeToVRT="1">20110619T2024_align_x+15.51_y+1.15_z+12.10_warp.tif</SourceFilename>
      <SourceBand>1</SourceBand>
      <SourceProperties RasterXSize="10666" RasterYSize="13387" DataType="Float32" BlockXSize="256" BlockYSize="256" />
      <SrcRect xOff="0" yOff="0" xSize="10666" ySize="13387" />
      <DstRect xOff="0" yOff="0" xSize="10666" ySize="13387" />
      <NODATA>-32767</NODATA>
    </ComplexSource>
  </VRTRasterBand>
  <VRTRasterBand dataType="Float32" band="2">
    <NoDataValue>-3.27670000000000E+04</NoDataValue>
    <ComplexSource>
      <SourceFilename relativeToVRT="1">20110802T2024_align_x+16.33_y+2.14_z+12.02_warp.tif</SourceFilename>
      <SourceBand>1</SourceBand>
      <SourceProperties RasterXSize="10666" RasterYSize="13387" DataType="Float32" BlockXSize="256" BlockYSize="256" />
      <SrcRect xOff="0" yOff="0" xSize="10666" ySize="13387" />
      <DstRect xOff="0" yOff="0" xSize="10666" ySize="13387" />
      <NODATA>-32767</NODATA>
    </ComplexSource>
  </VRTRasterBand>
...

लेकिन जब मैं nc में अनुवाद करने का प्रयास करता हूं, तो मुझे निम्नलिखित त्रुटि मिलती है:


gdal_translate -of netcdf newtest.vrt newtest.nc

Input file size is 10666, 13387
Warning 1: Variable has 0 dimension(s) - not supported.
0...10...20...30...40...50ERROR 1: netcdf error #-62 : NetCDF: One or more variable sizes violate format constraints .
at (netcdfdataset.cpp,SetDefineMode,1574)

ERROR 1: netcdf error #-39 : NetCDF: Operation not allowed in define mode .
at (netcdfdataset.cpp,IWriteBlock,1435)

ERROR 1: netCDF scanline write failed: NetCDF: Operation not allowed in define mode
ERROR 1: An error occured while writing a dirty block
...ERROR 1: netcdf error #-39 : NetCDF: Operation not allowed in define mode .
at (netcdfdataset.cpp,IWriteBlock,1435)

ERROR 1: netCDF scanline write failed: NetCDF: Operation not allowed in define mode
ERROR 1: netcdf error #-62 : NetCDF: One or more variable sizes violate format constraints .
at (netcdfdataset.cpp,~netCDFDataset,1548)

इसलिए करीब से निरीक्षण करने पर, ऐसा प्रतीत होता है कि मैं जिस ध्रुवीय स्टैरोग्राफिक प्रोजेक्शन (ईपीएसजी: 3413) का उपयोग कर रहा हूँ, उससे गाल नाखुश हैं। Netcdfdataset.cpp की 1570-1582 पंक्तियाँ देखें:

https://code.vpac.org/gitorious/gdal-netcdf-testing/gdal-netcdf-driver/blobs/8fa3582669969ad4d55e461f5846b3ed33727f63/gdal/frmts/netcdf/netcdfdataset.cpp

मेरे प्रक्षेपण में एक अक्षांश_ऑफ_ोरिगिन निर्दिष्ट है, लेकिन netcdf चालक द्वारा अपेक्षित कोई मानक समानता नहीं है।

python  gdal  netcdf 
— डेविड शॉन
स्रोत
1
GDAL संस्करण क्या है? एक थे परिवर्तन की संख्या GDAL> = 1.9.0 में NetCDF ड्राइवर में। उस पृष्ठ में विशेष रूप से ध्रुवीय स्टैरोग्राफिक प्रोजेक्शन हैंडलिंग में परिवर्तन का उल्लेख है। आप gdal_translate -a_srs पैरामीटर के साथ प्रोजेक्शन को ओवरराइड करके और एक मान्य लेकिन समकक्ष प्रोजेक्शन स्ट्रिंग निर्दिष्ट करके काम करने में सक्षम हो सकते हैं । यह भी देखें ( trac.osgeo.org/gdal/wiki/NetCDF_ProjectionTestingStatus )
— user2856
gdalinfo --version GDAL 1.11dev, 2013/04/13 को जारी
— डेविड
1
रिच इनपुट के लिए रिच और ल्यूक दोनों को धन्यवाद। मुझे नवीनतम GDAL रिलीज़ के लिए अद्यतन करने की आवश्यकता है, नवीनतम netcdf ड्राइवर ध्रुवीय स्टैरोग्राफिक कार्यक्षमता का मूल्यांकन करें, और किसी भी सुस्त मुद्दों पर गाल्ड-देव के साथ पालन करें। जबकि दोनों जवाब काम करेंगे, मुझे रिच की रेसिपी पसंद है, और मैं अपने उद्देश्यों के लिए इसे अपनाऊंगा। मुझे पता है कि अन्य लोगों को यह चर्चा उपयोगी लगेगी - खुशी है कि यह एसई पर संग्रहीत है।
— डेविड शॉन

जवाबों:

22

यहां कुछ अजगर कोड है जो आप चाहते हैं, GDAL फ़ाइलों को पढ़ना जो विशिष्ट समय पर डेटा का प्रतिनिधित्व करते हैं और एक ही NetCDF फ़ाइल जो कि CF- शिकायत है

#!/usr/bin/env python
'''
Convert a bunch of GDAL readable grids to a NetCDF Time Series.
Here we read a bunch of files that have names like:
/usgs/data0/prism/1890-1899/us_tmin_1895.01
/usgs/data0/prism/1890-1899/us_tmin_1895.02
...
/usgs/data0/prism/1890-1899/us_tmin_1895.12
'''

import numpy as np
import datetime as dt
import os
import gdal
import netCDF4
import re

ds = gdal.Open('/usgs/data0/prism/1890-1899/us_tmin_1895.01')
a = ds.ReadAsArray()
nlat,nlon = np.shape(a)

b = ds.GetGeoTransform() #bbox, interval
lon = np.arange(nlon)*b[1]+b[0]
lat = np.arange(nlat)*b[5]+b[3]


basedate = dt.datetime(1858,11,17,0,0,0)

# create NetCDF file
nco = netCDF4.Dataset('time_series.nc','w',clobber=True)

# chunking is optional, but can improve access a lot: 
# (see: http://www.unidata.ucar.edu/blogs/developer/entry/chunking_data_choosing_shapes)
chunk_lon=16
chunk_lat=16
chunk_time=12

# create dimensions, variables and attributes:
nco.createDimension('lon',nlon)
nco.createDimension('lat',nlat)
nco.createDimension('time',None)
timeo = nco.createVariable('time','f4',('time'))
timeo.units = 'days since 1858-11-17 00:00:00'
timeo.standard_name = 'time'

lono = nco.createVariable('lon','f4',('lon'))
lono.units = 'degrees_east'
lono.standard_name = 'longitude'

lato = nco.createVariable('lat','f4',('lat'))
lato.units = 'degrees_north'
lato.standard_name = 'latitude'

# create container variable for CRS: lon/lat WGS84 datum
crso = nco.createVariable('crs','i4')
csro.long_name = 'Lon/Lat Coords in WGS84'
crso.grid_mapping_name='latitude_longitude'
crso.longitude_of_prime_meridian = 0.0
crso.semi_major_axis = 6378137.0
crso.inverse_flattening = 298.257223563

# create short integer variable for temperature data, with chunking
tmno = nco.createVariable('tmn', 'i2',  ('time', 'lat', 'lon'), 
   zlib=True,chunksizes=[chunk_time,chunk_lat,chunk_lon],fill_value=-9999)
tmno.units = 'degC'
tmno.scale_factor = 0.01
tmno.add_offset = 0.00
tmno.long_name = 'minimum monthly temperature'
tmno.standard_name = 'air_temperature'
tmno.grid_mapping = 'crs'
tmno.set_auto_maskandscale(False)

nco.Conventions='CF-1.6'

#write lon,lat
lono[:]=lon
lato[:]=lat

pat = re.compile('us_tmin_[0-9]{4}\.[0-9]{2}')
itime=0

#step through data, writing time and data to NetCDF
for root, dirs, files in os.walk('/usgs/data0/prism/1890-1899/'):
    dirs.sort()
    files.sort()
    for f in files:
        if re.match(pat,f):
            # read the time values by parsing the filename
            year=int(f[8:12])
            mon=int(f[13:15])
            date=dt.datetime(year,mon,1,0,0,0)
            print(date)
            dtime=(date-basedate).total_seconds()/86400.
            timeo[itime]=dtime
           # min temp
            tmn_path = os.path.join(root,f)
            print(tmn_path)
            tmn=gdal.Open(tmn_path)
            a=tmn.ReadAsArray()  #data
            tmno[itime,:,:]=a
            itime=itime+1

nco.close()

GDAL और NetCDF4 पायथन निर्माण के लिए थोड़ा दर्द हो सकता है, लेकिन अच्छी खबर यह है कि वे अधिकांश वैज्ञानिक अजगर वितरण (पायथन (x, y), उत्साहित पायथन वितरण, एनाकोंडा, ...) का हिस्सा हैं।

अद्यतन: मैंने अभी तक CF-अनुरूप NetCDF में ध्रुवीय स्टीरियोग्राफिक नहीं किया है, लेकिन मुझे ऐसा कुछ देखना चाहिए। यहाँ मैंने मान लिया है कि central_meridianऔर latitude_of_originGDAL में straight_vertical_longitude_from_poleऔर latitude_of_projection_originCF में समान हैं :

#!/usr/bin/env python
'''
Convert a bunch of GDAL readable grids to a NetCDF Time Series.
Here we read a bunch of files that have names like:
/usgs/data0/prism/1890-1899/us_tmin_1895.01
/usgs/data0/prism/1890-1899/us_tmin_1895.02
...
/usgs/data0/prism/1890-1899/us_tmin_1895.12
'''

import numpy as np
import datetime as dt
import os
import gdal
import netCDF4
import re

ds = gdal.Open('/usgs/data0/prism/1890-1899/us_tmin_1895.01')
a = ds.ReadAsArray()
ny,nx = np.shape(a)

b = ds.GetGeoTransform() #bbox, interval
x = np.arange(nx)*b[1]+b[0]
y = np.arange(ny)*b[5]+b[3]


basedate = dt.datetime(1858,11,17,0,0,0)

# create NetCDF file
nco = netCDF4.Dataset('time_series.nc','w',clobber=True)

# chunking is optional, but can improve access a lot: 
# (see: http://www.unidata.ucar.edu/blogs/developer/entry/chunking_data_choosing_shapes)
chunk_x=16
chunk_y=16
chunk_time=12

# create dimensions, variables and attributes:
nco.createDimension('x',nx)
nco.createDimension('y',ny)
nco.createDimension('time',None)
timeo = nco.createVariable('time','f4',('time'))
timeo.units = 'days since 1858-11-17 00:00:00'
timeo.standard_name = 'time'

xo = nco.createVariable('x','f4',('x'))
xo.units = 'm'
xo.standard_name = 'projection_x_coordinate'

yo = nco.createVariable('y','f4',('y'))
yo.units = 'm'
yo.standard_name = 'projection_y_coordinate'

# create container variable for CRS: x/y WGS84 datum
crso = nco.createVariable('crs','i4')
crso.grid_mapping_name='polar_stereographic'
crso.straight_vertical_longitude_from_pole = -45.
crso.latitude_of_projection_origin = 70.
crso.scale_factor_at_projection_origin = 1.0
crso.false_easting = 0.0
crso.false_northing = 0.0
crso.semi_major_axis = 6378137.0
crso.inverse_flattening = 298.257223563

# create short integer variable for temperature data, with chunking
tmno = nco.createVariable('tmn', 'i2',  ('time', 'y', 'x'), 
   zlib=True,chunksizes=[chunk_time,chunk_y,chunk_x],fill_value=-9999)
tmno.units = 'degC'
tmno.scale_factor = 0.01
tmno.add_offset = 0.00
tmno.long_name = 'minimum monthly temperature'
tmno.standard_name = 'air_temperature'
tmno.grid_mapping = 'crs'
tmno.set_auto_maskandscale(False)

nco.Conventions='CF-1.6'

#write x,y
xo[:]=x
yo[:]=y

pat = re.compile('us_tmin_[0-9]{4}\.[0-9]{2}')
itime=0

#step through data, writing time and data to NetCDF
for root, dirs, files in os.walk('/usgs/data0/prism/1890-1899/'):
    dirs.sort()
    files.sort()
    for f in files:
        if re.match(pat,f):
            # read the time values by parsing the filename
            year=int(f[8:12])
            mon=int(f[13:15])
            date=dt.datetime(year,mon,1,0,0,0)
            print(date)
            dtime=(date-basedate).total_seconds()/86400.
            timeo[itime]=dtime
           # min temp
            tmn_path = os.path.join(root,f)
            print(tmn_path)
            tmn=gdal.Open(tmn_path)
            a=tmn.ReadAsArray()  #data
            tmno[itime,:,:]=a
            itime=itime+1

nco.close()
— समृद्ध संकेत
स्रोत
महान कोड रिच! यह बहुत उपयोगी है, और मैं भविष्य में इसका उपयोग करूंगा। ऐसा लगता है कि आपके इनपुट प्रोजेक्शन को भौगोलिक w / lat / lon की इकाइयाँ मान लिया गया है (EPSG: 4326)। मैं ध्रुवीय अक्षांशों पर उच्च-रिज़ॉल्यूशन डेटा के साथ काम कर रहा हूं, इसलिए यह आदर्श नहीं है, लेकिन मैं WGS84 में परिवर्तित करने का प्रयास करूंगा।
— डेविड शॉन
lat / lon सिर्फ एक उदाहरण था। आप जो चाहें उपयोग कर सकते हैं। आप किस एप्लिकेशन को लक्षित कर रहे हैं? आर्कगिस, केवल संग्रह करने के लिए या क्या?
— रिच साइनेल
खैर, मेरे पास इस तरह के कई समय हैं, और मैं कुशल भंडारण और विश्लेषण के विकल्पों का मूल्यांकन कर रहा हूं। लेकिन फिलहाल, मैं प्रवाह मॉडल द्वारा अंतर्ग्रहण के लिए डेटा की पैकेजिंग कर रहा हूं। मॉडलिंग समुदाय, कम से कम बर्फ प्रवाह मॉडलिंग, netcdf की तरह लगता है।
— डेविड शॉन
क्या कोई URL है जहाँ हमें इस डेटा का एक नमूना मिल सकता है?
— रिच साइनेल
दुर्भाग्य से, मैं इस बिंदु पर वितरित नहीं कर सकता, लेकिन भविष्य में संग्रह करने की योजना है।
— डेविड शॉन
2

उन्हें GDAL उपयोगिताओं के साथ एक एकल NetCDF में रखना आसान है , उदाहरण के लिए नीचे। लेकिन आपको @ रिचसिग्नेल के उत्तर का लौकिक आयाम / अन्य मेटाडेटा नहीं मिलता है। टिफ्स बस सबडेटासेट में डंप हो जाते हैं।

C:\remotesensing\testdata>dir /b ndvi*.tif
ndvi1.tif
ndvi2.tif
ndvi3.tif

C:\remotesensing\testdata>gdalbuildvrt -separate ndvi.vrt ndvi*.tif
0...10...20...30...40...50...60...70...80...90...100 - done.

C:\remotesensing\testdata>gdal_translate -of netcdf ndvi.vrt ndvi.nc
Input file size is 96, 88
0...10...20...30...40...50...60...70...80...90...100 - done.

C:\remotesensing\testdata>gdalinfo ndvi.nc
Driver: netCDF/Network Common Data Format
Files: ndvi.nc
Size is 512, 512
Coordinate System is `'
Metadata:
  NC_GLOBAL#Conventions=CF-1.5
  NC_GLOBAL#GDAL=GDAL 1.10.0, released 2013/04/24
  NC_GLOBAL#history=Wed Sep 04 09:49:11 2013: GDAL CreateCopy( ndvi.nc, ... )
Subdatasets:
  SUBDATASET_1_NAME=NETCDF:"ndvi.nc":Band1
  SUBDATASET_1_DESC=[88x96] Band1 (32-bit floating-point)
  SUBDATASET_2_NAME=NETCDF:"ndvi.nc":Band2
  SUBDATASET_2_DESC=[88x96] Band2 (32-bit floating-point)
  SUBDATASET_3_NAME=NETCDF:"ndvi.nc":Band3
  SUBDATASET_3_DESC=[88x96] Band3 (32-bit floating-point)
Corner Coordinates:
Upper Left  (    0.0,    0.0)
Lower Left  (    0.0,  512.0)
Upper Right (  512.0,    0.0)
Lower Right (  512.0,  512.0)
Center      (  256.0,  256.0)

C:\remotesensing\testdata>gdalinfo NETCDF:"ndvi.nc":Band1
Driver: netCDF/Network Common Data Format
Files: ndvi.nc
Size is 96, 88
Coordinate System is:
GEOGCS["GCS_GDA_1994",
    DATUM["Geocentric_Datum_of_Australia_1994",
        SPHEROID["GRS 1980",6378137,298.2572221010002,
            AUTHORITY["EPSG","7019"]],
        AUTHORITY["EPSG","6283"]],
    PRIMEM["Greenwich",0],
    UNIT["degree",0.0174532925199433]]
Origin = (115.810500000000000,-32.260249999999999)
Pixel Size = (0.000250000000000,-0.000250000000000)
Metadata:
  Band1#_FillValue=0
  Band1#grid_mapping=crs
  Band1#long_name=GDAL Band Number 1
  crs#GeoTransform=115.8105 0.00025 0 -32.26025 0 -0.00025
  crs#grid_mapping_name=latitude_longitude
  crs#inverse_flattening=298.2572221010002
  crs#longitude_of_prime_meridian=0
  crs#semi_major_axis=6378137
  crs#spatial_ref=GEOGCS["GCS_GDA_1994",DATUM["Geocentric_Datum_of_Australia_1994",SPHEROID["GRS 1980",6378137,298.2572221010002,AUTHORITY["EPSG","7019"]],AUTHORITY["EPSG","6283"]],PRIMEM["Greenwich",0],UNIT["degree",0.0174532925199433]]
  lat#long_name=latitude
  lat#standard_name=latitude
  lat#units=degrees_north
  lon#long_name=longitude
  lon#standard_name=longitude
  lon#units=degrees_east
  NC_GLOBAL#Conventions=CF-1.5
  NC_GLOBAL#GDAL=GDAL 1.10.0, released 2013/04/24
  NC_GLOBAL#history=Wed Sep 04 09:49:11 2013: GDAL CreateCopy( ndvi.nc, ... )
Corner Coordinates:
Upper Left  ( 115.8105000, -32.2602500) (115d48'37.80"E, 32d15'36.90"S)
Lower Left  ( 115.8105000, -32.2822500) (115d48'37.80"E, 32d16'56.10"S)
Upper Right ( 115.8345000, -32.2602500) (115d50' 4.20"E, 32d15'36.90"S)
Lower Right ( 115.8345000, -32.2822500) (115d50' 4.20"E, 32d16'56.10"S)
Center      ( 115.8225000, -32.2712500) (115d49'21.00"E, 32d16'16.50"S)
Band 1 Block=96x1 Type=Float32, ColorInterp=Undefined
  NoData Value=0
  Metadata:
    _FillValue=0
    grid_mapping=crs
    long_name=GDAL Band Number 1
    NETCDF_VARNAME=Band1
— user2856
स्रोत
मैंने इस दृष्टिकोण की कोशिश की और यह मेरे इनपुट डेटा के लिए विफल रहा - मैं ऊपर आउटपुट पोस्ट करूंगा।
— डेविड शॉन
परीक्षण के रूप में, मैंने EPSG: 3413 मल्टी-बैंड vrt to EPSG: 4326 को फिर से लागू करने के लिए gdalwarp का उपयोग किया, फिर netcdf4 में बदलने के लिए gdal_translate का उपयोग किया। जैसा कि ल्यूक का सुझाव है, यह बिना किसी मुद्दे के काम करता है। जैसा कि एटीन ने मूल गदल-देव धागे में सुझाव दिया था, इस दृष्टिकोण के लिए मेटाडेटा पर सीमित नियंत्रण है।
— डेविड शॉन
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.