如何从GHSL人口数据提取两万全球经纬度点的人口密度？

GHSL（全球人类住区层）的人口栅格数据完全能满足你的需求——它覆盖全球范围，提供不同精度（30米到1公里）的人口数量栅格，通过简单计算就能得到人口密度，适配你的20000条经纬度记录。

具体实现步骤： #

1. 获取GHSL人口数据

   • 下载对应年份、分辨率的GHS-POP数据集，数据为GeoTIFF格式，每个栅格单元存储对应区域的人口总数。
   • 人口密度可通过栅格面积计算：比如1公里分辨率的栅格对应1平方公里，直接用人口数除以1即可得到人/平方公里的密度；30米分辨率栅格面积为0.0009平方公里，需对应调整除数。

2. 预处理你的DataFrame
   把普通DataFrame转为GeoDataFrame，确保坐标系为WGS84（EPSG:4326），和GHSL数据一致：

   import geopandas as gpd
   from shapely.geometry import Point
   
   # 假设你的经纬度列名为'lat'和'lon'
   gdf = gpd.GeoDataFrame(
       your_dataframe,
       geometry=gpd.points_from_xy(your_dataframe.lon, your_dataframe.lat),
       crs="EPSG:4326"
   )
   

3. 提取栅格人口值并计算密度
   用rasterstats工具快速匹配每个点对应的栅格值：

   from rasterstats import point_query
   
   # 替换为你的GHSL栅格文件路径
   pop_raster_path = "ghsl_population.tif"
   
   # 提取每个点所在栅格的人口数
   gdf['total_pop'] = point_query(
       geometries=gdf.geometry,
       raster=pop_raster_path,
       interpolate='nearest'
   )
   
   # 以1公里分辨率为例，计算人口密度
   gdf['pop_density'] = gdf['total_pop'] / 1  # 单位：人/平方公里
   

注意事项 #

• 若点落在海洋等无数据区域，提取结果会是NaN，可根据需求填充0或标记为无效值。
• 20000条数据的处理速度极快，无需担心性能问题。

内容的提问来源于stack exchange，提问作者Olivia