Python遥感可视化 — folium模块展示热力图

欢迎关注博主的微信公众号：“智能遥感”。

该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。

本人的GitHub代码资料主页（持续更新中，多给Star，多Fork）：

https://github.com/xbr2017

CSDN也在同步更新：

https://blog.csdn.net/XBR_2014

---

“本节通过folium模块来绘制全国PM2.5热力分布图，并生成对应的html文件。”

今天的遥感之美—歌曲《欧若拉》中的阿拉斯加。阿拉斯加州位于北美大陆西北端，东与加拿大接壤，另三面环北冰洋、白令海和北太平洋。卫星俯瞰神秘北极圈，阿拉斯加的山巅，谁的脸出现海角的天边（盗用歌词捂脸）。

哥伦比亚冰川位于美国阿拉斯加州，从海拔3,050米的冰原开始下降，沿着楚加奇山脉的侧翼下降，进入一个狭窄的入口，通往阿拉斯加东南部的威廉王子湾，它是世界上变化最快的冰川之一。科学家使用Landsat 4,5,7和8跟踪哥伦比亚冰川的变化已超过30年。哥伦比亚冰川是一个大型的潮水冰川，最终流入大海。

由Landsat系列卫星捕获的假彩色图像显示了自1986年以来冰川及其周围景观的变化。图像由以下传感器收集—专题制图仪（TM），增强型专题制图仪（ETM +）和陆地成像仪（OLI）—来自四种不同的Landsat卫星（4,5,7和8）。

Landsat图像结合了电磁波谱的短波红外，近红外和绿光波段。通过这种波长组合，雪和冰呈现明亮的青色，植被为绿色，云为白色或浅橙色，水体为深蓝色。暴露的基岩呈棕色，而冰川表面的岩石碎片呈灰色。

在过去三十年里，终点站向北退缩了20公里。在某些年份，终点站退缩了一公里以上，但速度不均匀。例如，终点站的运动在2000年至2006年之间停滞不前，因为大努纳塔克峰和卡丁峰（直接向西）限制了冰川的运动并将冰块固定。自20世纪80年代以来，冰川已经失去了其总厚度和体积的一半左右（译自Landsat官网）。

---

folium是Python中一个绘制地图的模块，并可以在地图（底图）上打点，画圈，做颜色标记的工具类。简单易学，和pandas可以很好的融合，是地图可视化的一款神器。

在命令行中直接在线安装即可，快速、简洁、方便、高效。

pip install folium

这个开源库中有许多来自OpenStreetMap、MapQuest Open、MapQuestOpen Aerial、Mapbox和Stamen的内建地图组件，而且支持使用Mapbox或Cloudmade的API密钥来定制个性化的地图组件。Folium支持GeoJSON和TopoJSON两种文件格式的叠加，也可以将数据连接到这两种文件格式的叠加层，最后可使用color-brewer配色方案创建分布图。

本节先来展示一下它的简单应用，主要以2018年1月全国1000多个PM2.5地面观测站点为例，将这些数据以热力图（heat map）的形式展现给大家，并生成相应的html文件。

代码实现：

# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2019/1/9 15:47'

import numpy as np
import pandas as pd
import folium
import webbrowser
from folium.plugins import HeatMap


# 读取csv文件,以Dataframe形式保存
df = pd.read_csv(r"D:\data\PM25-20180101.csv")
# 获取数据个数
num = df.shape[0]
# 获取纬度
lat = np.array(df["lat"][0:num])
# 获取经度
lon = np.array(df["lon"][0:num])
# 获取PM2.5，转化为numpy浮点型
pm25 = np.array(df["PM25"][0:num], dtype=float)
# 将数据制作成[lats, lons, weights]的形式
data1 = [[lat[i], lon[i], pm25[i]] for i in range(num)]
# 绘制Map，中心经纬度[32, 120],开始缩放程度是5倍
map_osm = folium.Map(location=[32, 120], zoom_start=5)
# 将热力图添加到前面建立的map里
HeatMap(data1).add_to(map_osm)

file_path = r"D:\AirQualityMap.html"
# 保存为html文件
map_osm.save(file_path)
# 默认浏览器打开
webbrowser.open(file_path)

结果图：

对结果图局部放大：

对结果图局部放大：

缩小后全景图：