python环境下使用gee下载全国人口和GDP格网数据

人口数据来自GlobPOP: A 33-year (1990-2022) global gridded population dataset generated by cluster analysis and statistical learning链接
GDP数据来自Data for: Downscaled gridded global dataset for Gross Domestic Product (GDP) per capita at purchasing power parity (PPP) over 1990-2022链接

尽管zonodo上已经提供数据的下载链接，但是由于数据量过大，国内连接不稳定，不能按研究区域下载等原因，使用GEE下载会更加方便快捷

这里采用吴秋生老师提供的python的geemap库获取全国范围的以上数据

1、配置python环境：

安装geemap库，调用api进行下载操作

有关如何配置环境，吴秋生老师提供的的官方网站已经介绍的很详细了，也可以根据youtube上的教程来

另外，这里虽然可以直接在自己的环境中安装geemap库，但是官方建议直接创建新环境安装，geemap会自动安装合适版本的所有依赖，避免环境中依赖库版本不适配带来的麻烦

2、使用GEE获取数据：

首先使用GEE要先注册GEE账号，具体操作可参考网上的教程，这里不再说明

使用geemap之前需要运行：

# 1. 认证与初始化（首次需要浏览器授权）
import ee
import geemap
ee.Authenticate()
ee.Initialize()

进行账号认证和初始化

gee下载数据到本地需要先上传到谷歌云盘再手动下载到本地，geemap提供了直接下载到本地的方法download_ee_image以及ee_export_image,（这里笔者在下载人口数据时使用download_ee_image由于网络接连问题并不能正常下载，最终仍是创建task上传到云盘下载）

这里以下载人口数据为例介绍：

1、获取数据集和边界数据

# 1) 中国国界
china_fc = (
    ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017')
    .filter(ee.Filter.eq('country_na', 'China'))
)
china_geom = china_fc.geometry()

# 2) 目标数据集
globpop = ee.ImageCollection('projects/sat-io/open-datasets/GLOBPOP_COUNT')

这里直接使用了google earth提供的边界数据，可能会存在争议问题，建议自己上传边界使用

2、构建筛选裁剪函数

# 3) 需要处理的年份
years = list(range(1990, 2023))

# 4) 根据年份筛选影像并裁剪
def get_clipped_year_image(year):
    image = (
        globpop
        .filter(ee.Filter.calendarRange(year, year, 'year'))
        .mosaic()                         # 若该年有多景，合成为单景
        .clip(china_geom)
        .set({'export_year': year})
    )
    return image

按年筛选影像并设置年属性，按上面的边界裁剪

3、导出数据到本地或云盘

# 6) 导出到 Google Drive
for year in years:
    year_img = get_clipped_year_image(year)
    task = ee.batch.Export.image.toDrive(
        image=year_img,
        description=f'China_Globpop_{year}',
        folder='GEE_Exports',
        fileNamePrefix=f'china_globpop_{year}',
        region=china_geom,
        scale=1000,         # 根据需要调整分辨率；注意越小体积越大
        maxPixels=1e13
    )
    task.start()

根据需要设置相关属性如scale栅格大小、fileNamePrefix文件前缀等，最后创建task上传至Google Drive

本地下载：

output_dir = Path(r"You_path")
output_dir.mkdir(parents=True, exist_ok=True)

proj = gdp.projection().getInfo()  # 使用原始投影参数

for year in range(1990, 2023):
    image = (
        china_collection
        .filter(ee.Filter.eq("year", year))
        .first()
    )
    if image is None:
        print(f"{year} 年无数据，已跳过。")
        continue

    outfile = output_dir / f"china_gdp_per_capita_ppp_{year}.tif"
    geemap.ee_export_image(
        image,
        filename=str(outfile),
        region=china_geom,
        crs=proj["crs"],
        crs_transform=proj["transform"],
        file_per_band=False,
        timeout=600
    )
    print(f"{year} 年影像已保存：{outfile}")

即可直接保存到本地

关于这两个函数笔者在运行时出现类似Crs Code is Unknown[….]的错误，这里查找了原因可能是由于proj.db的位置指向错误导致版本不符，可以设置环境变量解决

Set-Item Env:PROJ_LIB "C:\SoftWares\miniconda\envs\gee\Library\share\proj"
Set-Item Env:GDAL_DATA "C:\SoftWares\miniconda\envs\gee\Library\share\gdal

完整代码已上传至Github

有疑问欢迎随时交流