xArray+GeoPandas批量多边形统计处理问题求助

我在用xArray和GeoPandas做时间序列数据分析时碰到了问题。手里有个cum_magn_ds的xArray数据集，还有包含200个多边形的GeoDataFrame（selected_gdf）。需求是遍历每个多边形，裁剪数据集后计算均值这类基础统计量。单个多边形处理完全正常，但批量处理时，把每行多边形几何参数传入xArray_dataset.rio.clip()的环节出错了。

我尝试的代码如下（几何参数处理存在错误）：

results_from_three = []

for row in selected_gdf.iterfeatures():
    # print(type(row))
    # print(row['geometry']['coordinates'])
    aoi_coords = row['geometry']['coordinates']
    # print(aoi_coords)
    aoi = cum_magn_ds.rio.clip(aoi_coords)
    mp = aoi.cum_disp.mean(dim=["x", "y"], skipna=True)
    results_from_three.append(mp)

# Concatenate results into a single DataFrame
df = xr.concat(results_from_three, dim='polygon').to_dataframe()

单个多边形处理的可行代码参考：
获取最大多边形：

single_poly_gdf = gdf.loc[[gdf['area_m2'].idxmax()]]

裁剪并计算均值：

cum_magn_ds.rio.clip(single_poly_gdf.geometry.values, single_poly_gdf.crs).cum_disp.mean(dim=["x", "y"], skipna=True)

问题原因与解决办法 #

你用iterfeatures()拿到的是GeoJSON格式的坐标，但rio.clip()需要的是Shapely几何对象，且最好同时传入CRS参数（确保和数据集CRS匹配），直接传坐标数组会导致格式不兼容。

优化后的批量处理代码：

results_from_three = []

# 先确认数据集与GeoDataFrame的CRS一致，不一致则先转换
# selected_gdf = selected_gdf.to_crs(cum_magn_ds.rio.crs)

for idx, row in selected_gdf.iterrows():
    # 获取当前行的Shapely几何对象
    geom = row.geometry
    # 裁剪时传入几何对象和CRS
    aoi = cum_magn_ds.rio.clip([geom], selected_gdf.crs)
    # 计算均值并添加到结果列表
    mp = aoi.cum_disp.mean(dim=["x", "y"], skipna=True)
    # 带上多边形索引，方便后续对应
    mp = mp.assign_coords(polygon=idx)
    results_from_three.append(mp)

# 合并结果为DataFrame
df = xr.concat(results_from_three, dim='polygon').to_dataframe()

额外优化建议 #

如果多边形数量较多，循环调用rio.clip()效率较低，可以用xarray-spatial的zonal_stats函数做分区统计，底层经过优化，处理速度更快：

from xrspatial.zonal import zonal_stats

# 确保GeoDataFrame与数据集CRS一致
selected_gdf = selected_gdf.to_crs(cum_magn_ds.rio.crs)
# 提取数据集的目标变量数组
data_array = cum_magn_ds.cum_disp
# 计算分区统计，可指定多个统计量
stats_df = zonal_stats(selected_gdf, data_array, stats_funcs=['mean'])

内容的提问来源于stack exchange，提问作者Diomauricio