使用GDAL创建纳米DEM

也许是一个奇怪的问题，但是在我提出实际问题之前，让我先简单介绍一下背景知识：

简而言之（据我所知），原子力显微镜（AFM）使研究人员可以在微米和纳米级扫描区域。它通过使用各种探针“扫描”区域来工作。由于我对此没有真正的了解，因此我难以解释的更多内容。我所知道的，引起我好奇的是，结果实际上是“高度”值的“网格”（一个512x512值的矩阵，描述了该点的高度）。

然后我想：好吧，除了比例尺，这实际上是一个数字高程模型！而且，这意味着，如果我可以设法创建GIS工具所理解的DEM文件，则可以对其应用GIS分析！

实际上，我的其他重要工作是在拥有AFM机器的实验室中进行的，并且正在她的一个项目中使用它。我从她那里得到了一些扫描文件，并使用Python（struct和numpy）进行了管理，以解析这些二进制文件，而我现在得到的是一个numpy数组，大小为512x512，填充有int16值。

我下一步要计划的是什么，而我需要帮助的是“映射到适当的DEM”部分。我对DEMS有一些了解，但是当涉及到DEMS的实际生成时，我还是很新的。

我在想的是我必须以某种方式对数据进行地理参考，为此，我需要一个自定义（平面）坐标系。我设想我的坐标系将以微米或纳米为单位。然后，只需查找用AFM扫描的区域的大小即可（我相信这是在二进制文件中的某个位置，假设已知道这一点）。

更新：我也以不同的分辨率进行了几次扫描，但扫描范围相同。例如我有关于两次扫描的信息：

放大图片：

Scan Size: 51443.5 nm
X Offset: 0 nm
Y Offset: 0 nm

较小（详细）图像：

Scan Size: 5907.44 nm
X Offset: 8776.47 nm
Y Offset: 1486.78 nm

我的想法是，我的自定义坐标系应以0,0为原点，对于较大的图像，我可以为像素0,0分配（0,0）的坐标值，为像素512,512分配坐标值（51443.5、51443.5 ）（想必您已获得所需其他点的图片）。

然后，较大的图像会将像素（0,0）映射到（8776.47，1486.78），将（512,512）映射到（8776.47 + 5907.44，1486.78 + 5907.44）

那么第一个问题是：如何为这样的坐标系创建proj4 def？即：如何将这些“现实世界的坐标”分配给我的自定义坐标系统（或者，如果我遵循野蛮人的建议并使用局部坐标系统并围绕单位说谎（即，将纳米视为千米）

然后，我必须将我的numpy二维数组转换为地理参考DEM文件格式。我当时在考虑使用GDAL（或更确切地说是Python绑定）。

然后，第二个问题是：如何从诸如我的“任意”数据创建地理参考DEM？最好在Python中使用开放源代码库。

剩下的就应该相当容易了，只是使用正确的分析工具即可。问题是，这项任务是由我自己的好奇心驱动的，因此我不确定我应该对纳米级DEM实际做什么。这乞求

第三个问题：如何处理纳米DEM？可以进行什么样的分析，什么是进行DEM分析的合适工具，最后：根据该数据制作具有山体阴影和轮廓线的地图是否可行？

我欢迎所有建议和指示，但是请记住，我正在寻找免费替代方法，因为这是一个严格的基于兴趣的项目，没有预算或资金（而且我无法使用任何许可的GIS应用程序）。此外，我确实知道出售这些AFM机器的公司Bruker会提供一些软件，但是使用它不会很有趣。

好吧，看来我至少解决了问题1和2。完整的源代码位于github，但这里有一些解释：

对于定制的CRS，我决定（根据Whubers的建议）“作弊”并使用仪表作为单位。我在apatialreference.org（SR-ORG：6707）中找到了一个“本地crs” ：

LOCAL_CS["Non-Earth (Meter)",
    LOCAL_DATUM["Local Datum",0],
    UNIT["Meter",1.0],
    AXIS["X",NORTH],
    AXIS["Y",EAST]]

使用Python和GDAL，这很容易阅读：

def get_coordsys():
    #load our custom crs
    prj_text = open("coordsys.wkt", 'r').read()
    srs = osr.SpatialReference()
    if srs.ImportFromWkt(prj_text):
        raise ValueError("Error importing PRJ information" )

    return srs

此外，使用GDAL扩展DEM实际上非常简单（我最终获得了单波段geo-tiff）。parser.read_layer（0）行返回我先前描述的512x512矩阵。

def create_dem(afmfile, outfile):

    #parse the afm data
    parser = AFMParser(afmfile)

    #flip to account for the fact that the matrix is top-left, but gdal is bottom-left
    data = flipud(parser.read_layer(0))

    driver = gdal.GetDriverByName("GTiff")
    dst_ds = driver.Create(
        outfile,
        data.shape[1],
        data.shape[0],
        1 ,
        gdal.GDT_Int16 ,
    )

    dst_ds.SetGeoTransform(get_transform(parser, data))
    dst_ds.SetProjection(get_coordsys().ExportToWkt())
    dst_ds.GetRasterBand(1).WriteArray(data)
    dst_ds = None

该triockiest部分是搞清楚如何正确地“地理参考”我的文件，我结束了使用SetGeoTransform，得到的参数这样：

def get_transform(parser, data):
    #calculate dims
    scan_size, x_offset, y_offset = parser.get_size()
    x_size = data.shape[0]
    y_size = data.shape[1]
    x_res = scan_size / x_size
    y_res = scan_size / y_size

    #set the transform (offsets doesn't seem to work the way I think)
    #top left x, w-e pixel resolution, rotation, 0 if image is "north up", top left y, rotation, 0 if image is "north up", n-s pixel resolution
    return [0, x_res, 0, 0, 0, y_res]

最后一部分可能是我最不确定的部分，我真正想要的是* gdal_transform -ullr *行，但是我找不到以编程方式执行此操作的方法。

我可以在Qgis中打开我的GeoTIFF并进行查看（并将它与看上去很合适的Bruker程序的结果进行视觉比较），但是我并没有真正回答我的问题3；该数据如何处理。因此，我在这里征求建议！