除了DLA Ganos本身提供的UDF算子之外,您也可以通过自定义UDF来扩展DLA Ganos的功能,从而更加方便地与业务系统对接。

操作步骤

本文以计算归一化植被指数(NDVI)为例,来展示如何基于DLA Ganos实现用户自定义的UDF算子。

  1. 初始化SparkSession与DLA Ganos
      implicit val spark = SparkSession
        .builder()
        .master("local[*]")
        .appName(getClass.getName)
        .withKryoSerialization
        .getOrCreate()
        .withGanosRaster
    
      import spark.implicits._
  2. 加载栅格数据图层
    def readTiff(name: String) =
        SinglebandGeoTiff(IOUtils.toByteArray(getClass.getResourceAsStream(s"/$name")))
    def redBand = readTiff("L8-B4-Elkton-VA.tiff").projectedRaster.toLayer("red_band")
    def nirBand = readTiff("L8-B5-Elkton-VA.tiff").projectedRaster.toLayer("nir_band")
  3. 自定义UDF算子
     val ndvi = udf((red: Tile, nir: Tile) => {
        val redd = red.convert(DoubleConstantNoDataCellType)
        val nird = nir.convert(DoubleConstantNoDataCellType)
        (nird - redd) / (nird + redd)
      })
  4. 计算NDVI并输出结果
    val df = redBand.spatialJoin(nirBand).withColumn("ndvi", ndvi($"red_band", $"nir_band")).asLayer
    val pr = df.toRaster($"ndvi", 233, 214)
    val brownToGreen = ColorRamp(
        RGB(166, 97, 26),
        RGB(223, 194, 125),
        RGB(245, 245, 245),
        RGB(128, 205, 193),
        RGB(1, 133, 113)
      ).stops(128)
    val colors = ColorMap.fromQuantileBreaks(pr.tile.histogramDouble(), brownToGreen)
    pr.tile.color(colors).renderPng().write("ndvi.png")
    结果输出如下图所示:54