PostGIS栅格数据类型解析【raster】

PostGIS 栅格数据类型解析：结构、转换与应用

一、栅格数据类型概述

在 PostGIS 中，raster 是用于存储和处理栅格数据的核心类型，支持从多种格式（如 JPEG、GeoTIFF、PNG、DEM）导入的数据。每个栅格由一个或多个波段（Band）组成，每个波段包含规则排列的像素值矩阵，且栅格可通过空间参考信息（SRID、原点坐标、像素尺寸）实现地理配准。

二、栅格数据结构核心要素

• 波段（Band）：

  • 栅格的基本组成单元，每个波段存储特定类型的数据（如 RGB 图像包含红、绿、蓝三个波段）。
  • 支持多种像素类型（如 8 位无符号整数、32 位浮点等），可通过ST_BandPixelType查询。

• 空间参考：

  • SRID：定义坐标系（如 4326 代表 WGS84）。
  • 原点坐标（ULX/ULY）：栅格左上角像素的地理坐标。
  • 像素尺寸（ScaleX/ScaleY）：每个像素代表的地理单位（如 1 米、0.001 度）。

• 元数据：

  • 存储于系统表 raster_columns 和 raster_overviews 中，包含栅格范围、波段数、NoData 值等信息。

三、栅格与几何类型的转换

1. 自动转换

-- 栅格自动转换为geometry（不推荐使用）
SELECT rast::geometry AS geom
FROM raster_table;

-- 等价于，推荐使用ST_ConvexHull
SELECT ST_ConvexHull(rast) AS geom
FROM raster_table;

注意： 此自动转换可能在未来版本中移除，建议显式调用ST_ConvexHull或其他几何提取函数。

2. 显式转换函数

函数	作用	示例
ST_ConvexHull(rast)	获取栅格外包络凸多边形	SELECT ST_ConvexHull(rast) FROM ...
ST_Envelope(rast)	获取栅格外包矩形	SELECT ST_Envelope(rast) FROM ...
ST_AsRaster(geom)	将几何转换为栅格（栅格化）	SELECT ST_AsRaster(geom, 10, 10) ...
ST_Polygon(rast)	将栅格转换为等值面多边形	SELECT ST_Polygon(rast, 1, 100) ...

为了区分几个函数的区别，可以从下图直观感受到：

四、栅格与几何交互操作

1. 空间查询

-- 查询与多边形相交的栅格
SELECT rast
FROM raster_table
WHERE ST_Intersects(rast, ST_GeomFromText('POLYGON(...)'));

-- 裁剪栅格至指定区域
SELECT ST_Clip(rast, ST_GeomFromText('POLYGON(...)')) AS clipped_rast
FROM raster_table;

2. 栅格化几何对象

-- 将多边形转换为100x100像素的栅格，值为1
SELECT ST_AsRaster(
  ST_GeomFromText('POLYGON(...)'),
  100, 100,          -- 宽度和高度
  ARRAY['8BUI'],     -- 像素类型
  ARRAY[1],          -- 像素值
  ARRAY[0]           -- NoData值
) AS rasterized_polygon;

五、最佳实践与注意事项

• 避免依赖自动转换：

  • 现有代码中若使用rast::geometry，应替换为显式函数调用（如ST_ConvexHull(rast)）。

• 栅格与几何性能差异（后续系列文章会讲到）：

  • 栅格操作（如ST_MapAlgebra）适合并行计算，但存储空间需求大。
  • 几何操作（如ST_Buffer）适合精确分析，但处理大规模数据时性能较低。

• 数据格式选择：

  • 连续表面数据（如 DEM、卫星影像）优先使用栅格存储。
  • 离散对象（如建筑物、道路）优先使用几何存储。

• GDAL 依赖：

  • 需确保 PostGIS 编译时启用 GDAL 支持（通过 SELECT postgis_full_version() 检查）。

六、总结

raster 是作为PostGIS存储和处理栅格数据的核心类型，使得PostgreSQL可以存储处理栅格数据，也是GIS从业更偏向使用PostgreSQL的一大原因，可以方便实现从遥感影像到矢量分析的全流程空间数据处理，本系列文章也将深入分析PostGIS函数解析。

原创不易，求关注支持，欢迎转发。