如何用Geopandas结合Basemap批量判断点是否位于陆地？

首先，先帮你修正Basemap的代码问题——你遇到的报错是因为Basemap的坐标转换函数map()返回的是两个数组（x和y投影坐标），不能直接链式调用is_land。修正后的代码可以批量处理，不用遍历：

from mpl_toolkits.basemap import Basemap

# 初始化Basemap
map = Basemap(
    area_thresh=10,
    resolution="i",
    llcrnrlon=0.,
    llcrnrlat=-80.,
    urcrnrlon=360,
    urcrnrlat=80
)

# 先批量转换经纬度到投影坐标，得到x、y两个数组
x, y = map(ong_assets_gdf.geometry.x, ong_assets_gdf.geometry.y)
# 再用is_land批量判断，直接生成布尔列
ong_assets_gdf['onshore'] = map.is_land(x, y)

不过得提醒你：Basemap已经停止维护了，后续可能会遇到兼容性问题，更推荐用下面这些现代、可扩展的方案，完全满足你“避免遍历”的需求：

方案1：GeoPandas + 自然地球陆地矢量数据（最推荐） #

这个方案纯用GeoPandas的空间操作，批量处理效率高，而且数据可按需选择分辨率：

import geopandas as gpd

# 读取自然地球的陆地数据集（默认是1:110m低分辨率，也可以用1:10m高分辨率）
# 1:10m数据可以直接读取在线源：gpd.read_file("https://naciscdn.org/naturalearth/10m/physical/ne_10m_land.zip")
land = gpd.read_file(gpd.datasets.get_path('naturalearth_land'))

# 确保你的点数据和陆地数据坐标系一致（都是WGS84，EPSG:4326）
ong_assets_gdf = ong_assets_gdf.set_crs(epsg=4326, allow_override=True)

# 批量判断点是否在陆地内：把所有陆地多边形合并成一个，然后用within批量检查
ong_assets_gdf['onshore'] = ong_assets_gdf.geometry.within(land.unary_union)

补充优化： #

如果你的数据量极大，可以考虑：

• 用geopandas.sjoin做空间连接，然后通过匹配标记判断，适合并行处理
• 选择合适分辨率的陆地数据，平衡精度和速度

方案2：Rasterio + 高分辨率陆地栅格数据 #

如果需要更高精度（比如米级），可以用栅格数据批量查询：

import rasterio

# 假设你有一个陆地栅格文件（1=陆地，0=海洋，比如NASA MODIS陆地覆盖数据）
with rasterio.open('high_res_land_mask.tif') as src:
    # 批量转换经纬度到栅格的行列号
    rows, cols = src.index(ong_assets_gdf.geometry.x, ong_assets_gdf.geometry.y)
    # 批量读取栅格值，生成陆地标记
    ong_assets_gdf['onshore'] = src.read(1)[rows, cols] == 1

这个方案适合对精度要求极高的场景，同样是批量操作，无需遍历。

内容的提问来源于stack exchange，提问作者ZedIsDead