PROSAGA码农传奇-时空索引-无法使用Matplotlib / Cartopy / Python以高缩放级别（即缩小）检索地图图块

<div class =“post-text”itemprop =“text”>
  
    该
    <a href="https://wiki.openstreetmap.org/wiki/Zoom_levels" rel="nofollow noreferrer">
      “缩放”级别基于四叉树
    </A>
    。基本上增加“缩放”分辨率会使拼块数量增加四倍。
  
  
    所以：
  
   <pre>
 <code>
 zoom level 0: 4^0 = 1 tile(s) to cover the globe
zoom level 1: 4^1 = 4 tile(s) to cover the globe
...
zoom level 7: 4^7 = 16,384 tile(s) to cover the globe
...
zoom level 14: 4^14 = 268,435,456 tile(s) to cover the globe

</code>
 </pre>
  
    因此，如果您要求大面积的高缩放级别的平铺，您最终可以请求
    的
      很多
    </强>
     瓷砖。
  
  
    在Tiler对象上有一个有用但未记录的方法
     <code>
 find_images
 </code>
    。它的实现不是太多毛：
     
    <a href="https://github.com/SciTools/cartopy/blob/v0.16.0/lib/cartopy/io/img_tiles.py#L103-L122" rel="nofollow noreferrer">
      https://github.com/SciTools/cartopy/blob/v0.16.0/lib/cartopy/io/img_tiles.py#L103-L122
    </A>
    。
  
  
    使用此方法，我们实际上可以看到将用于给定范围的切片。重要的是，范围需要在贴砖机的坐标系中提供（几乎完全是Web Mercator）。
  
   <pre>
 <code>
 In [1]: import cartopy.io.img_tiles as cimgt

In [2]: import shapely.geometry as sgeom

In [3]: import cartopy.crs as ccrs

In [4]: tiler = cimgt.OSM()

In [5]: pt = 45.068466, -66.45477

In [6]: target = sgeom.box(pt[0] - 1.5, pt[1] - 1.5, pt[0] + 1.5, pt[1] + 1.5)

In [7]: target_mercator = tiler.crs.project_geometry(target, ccrs.Geodetic()).geoms[0]

</code>
 </pre>
  
    因此，在所有部件到位的情况下，我们可以开始找出我们需要在特定缩放级别绘制的图块：
  
  
    对于您指定的目标，在缩放级别0，我们需要以下切片
     <code>
 (x, y, z)
 </code>
    ：
  
   <pre>
 <code>
 In [8]: list(tiler.find_images(target_mercator, 0))
Out[8]: [(0, 0, 0)]

</code>
 </pre>
  
    对于z = 1，它仍然只有一个图块：
  
   <pre>
 <code>
 In [9]: list(tiler.find_images(target_mercator, 1))
Out[9]: [(1, 1, 1)]

</code>
 </pre>
  
    但是对于z = 2，我们明显越过了tile边界，因为我们现在需要两个tile来覆盖目标域：
  
   <pre>
 <code>
 In [10]: list(tiler.find_images(target_mercator, 2))
Out[10]: [(2, 2, 2), (2, 3, 2)]

Naturally, the list grows as we increase the zoom level:

In [11]: list(tiler.find_images(target_mercator, 3))
Out[11]: [(4, 5, 3), (5, 5, 3), (4, 6, 3), (5, 6, 3)]

In [12]: list(tiler.find_images(target_mercator, 6))
Out[12]: [(39, 47, 6), (40, 47, 6), (39, 48, 6), (40, 48, 6)]

</code>
 </pre>
  
    当我们达到z = 7时，我们发现我们需要8个图块来表示相关区域：
  
   <pre>
 <code>
 In [13]: list(tiler.find_images(target_mercator, 7))
Out[13]: 
[(79, 94, 7),
 (79, 95, 7),
 (80, 94, 7),
 (80, 95, 7),
 (79, 96, 7),
 (79, 97, 7),
 (80, 96, 7),
 (80, 97, 7)]

</code>
 </pre>
  
    我相信你可以看到它的发展方向，但让我们尝试你的缩放级别14来找出我们需要多少个瓷砖。为节省电力和阅读时间，我们只需打印该列表的长度......
  
   <pre>
 <code>
 In [14]: len(list(tiler.find_images(target_mercator, 14)))
Out[14]: 47334

</code>
 </pre>
  
    是的，因此请求所需范围的缩放级别14需要您下载256x256（8位彩色图像PNG）的~47,000个图块。 z = 0平铺（
    <a href="https://a.tile.openstreetmap.org/0/0/0.png" rel="nofollow noreferrer">
      https://a.tile.openstreetmap.org/0/0/0.png
    </A>
    ）压缩大约8882个字节，所以假设这是典型的，你最终会下载~420420588字节（400MB）。为了将这些数据保存在内存中，您还需要大约2.9GB的RAM。最后，要将这些数据重新投影到PlateCarree，你需要至少加倍这个数量的RAM，这就是假设一个高效的重投影实现（而不是cartopy）。
  
  
    希望这能告诉你
    
      为什么
    
     你的代码似乎需要很长时间 - 你要求它做一个
    
      批量
    
     工作的。有一些讨论是关于当请求过多的瓷砖时是否应该警告纸箱，但它总是归结为一个不合理的数字（你可能实际上）
    
      想
    
     拿这么多瓷砖！）。我们还谈到了自动缩放级别选择 - 这就是它
    <a href="https://github.com/SciTools/cartopy/issues/315" rel="nofollow noreferrer">
      真的可行
    </A>
     如果有足够的需求。
  
  
    HTH
  
</DIV>