译者 | 朱先忠

审校 | 重楼

我经常看到网上流传着美丽的人口地图；然而，我也常常会遇到一些技术问题，比如可视化本文中显示的其他的地图片段，或者将大规模光栅数据转换为更便于计算的向量格式。在本文中，我将通过两个主要全球人口数据来源的实践来尝试克服这其中的一些问题。

另一方面，同样要注意，除了它们的美学价值外，显示它们的人口数据和地图是人们可以为任何城市发展或位置智能任务收集和整合的最基本和有价值的信息之一。它们在规划新设施、选址和集水区分析、估计城市产品规模或分析不同社区等实践应用中特别有用。

1.数据来源

在本文试验中，我将依赖以下两个细粒度的人口估计数据源，您可以通过所附链接来下载这些文件：

• 欧盟委员会的GHSL（全球人类住区层：https://ghsl.jrc.ec.europa.eu/ghs_pop2019.php）——用于测量每个网格单元的人口水平。从该数据源中可以找到整体描述以及我在他们2023年的报告中使用的空间分辨率为100米的特定集合。
• WorldPop中心。我将以德国为例，使用分辨率为100米的受限条件下的独立国家数据集。你可以在链接https://hub.worldpop.org/geodata/listing?id=78处查找到完整的国家列表数据，还可以在链接https://hub.worldpop.org/geodata/summary?id=49789处查找到德国数据。

2.可视化全球人类住区层

2.1.导入数据

我第一次看到这个数据集是在“体系结构性能”部分的Datashader教程处。在复制了他们的可视化结果之后，在将其扩展到全球地图时我遇到了一些麻烦，这些问题促使我开展了本文有关的研究工作。所以，接下来我将向您展示我是如何找到破解上述难题的解决方案的！

首先，我使用xarray包来解析光栅文件，代码如下：

import rioxarray

file_path = "GHS_POP_E2030_GLOBE_R2023A_54009_100_V1_0/GHS_POP_E2030_GLOBE_R2023A_54009_100_V1_0.tif" 

data_array = rioxarray.open_rasterio(file_path, chunks=True, lock=False)
data_array