尧图网页设计 
GeoLibre 矢量分析实战Buffer 缓冲、叠加与属性连接工作流以及三种计算引擎的底层实现【免费下载链接】GeoLibreA lightweight, cloud-native GIS platform for visualizing, exploring, and analyzing geospatial data. It runs in the web browser, on the desktop, on mobile, and inside Jupyter notebooks.项目地址: https://gitcode.com/GitHub_Trending/ge/GeoLibre本篇围绕 GeoLibre 的矢量处理工作流展开先缓冲一个矢量图层再与第二个图层做叠加或连接最后将结果导出为云原生格式。读完本文你能在Processing → GeoLibre Toolbox → Vector中独立完成这套流程并理解三种引擎Turf.js 客户端、GeoPandas Sidecar、Pyodide 浏览器内 Python在源码层面如何保证结果一致以及各自的适用边界。工具在哪里先分清 Processing 菜单里的两个工具箱本教程使用Processing → GeoLibre Toolbox → Vector打开的对话框。GeoLibre 的 Processing 菜单中同时存在两个工具箱详见 处理工具文档分隔符上方的Vector子菜单属于 Whitebox 目录的矢量分类WASM 工具目录分隔符下方的GeoLibre Toolbox → Vector才是本教程所用的对话框包含 Buffer、Clip、Spatial join 等内置工具并提供引擎选择器。两者不是重复项前者是上千个 WASM 工具的目录后者是为 GeoLibre 定制的小而精的对话框工具集。第 1 步加载输入数据至少添加一个矢量图层方法见 Adding Data。做叠加操作时需要两个图层——例如一组点或线图层以及一个用于裁剪的多边形图层。从源码结构看所有矢量工具都通过ProcessingContext中的layers按图层 id 解析输入vector-tools.ts 中的requireFeatures会取出指定参数对应的图层 GeoJSON若为空则记录Error: parameter layer has no GeoJSON features并中止。也就是说工具的操作对象始终是“已经在地图上的图层”的 GeoJSON 表示而不是文件路径。第 2 步对图层做 Buffer缓冲操作路径Processing → GeoLibre Toolbox → Vector → Buffer参数如下Input layer选择输入图层必填Distance缓冲距离默认1min: 0step: 0.1Unitskilometers/meters/miles默认kilometersEngine引擎三选一Client (Turf.js)完全在浏览器中运行无需任何配置Sidecar (GeoPandas)在桌面端的 Python sidecar 上运行支持投影感知的距离计算Python (Pyodide)与 sidecar 运行同一份 GeoPandas 代码但在浏览器内执行无需安装 sidecar。运行时首次使用时下载一次几十 MB从 CDN 惰性获取之后复用。点击Run后缓冲结果会作为新图层添加到地图上。Buffer 的更多参数Buffer side除了上面三个参数bufferTool 的定义中还包含Buffer side参数默认outside取值行为outside向外扩张历史默认行为inside向内收缩用负半径缓冲实现点/线没有内部区域输入必须是多边形both只保留边界两侧各distance范围内的条带客户端实现见 bufferOneFeatureinside用buffer(feature, -radius)both则先求外扩几何与内缩几何的difference得到真正的“环带”并显式恢复源要素的属性。投影感知的距离为什么 GeoPandas 引擎更精确!!! tip 客户端引擎在地理坐标系经纬度中直接缓冲。大范围区域的精确米制距离应使用两个 GeoPandas 引擎之一它们会先重投影再缓冲桌面端选Sidecar (GeoPandas)Web 构建或任何环境选Python (Pyodide)。源码印证了这一点。Python 侧的 _buffer 流程是把距离按单位换算成米kilometers×1000、miles×1609.344调用 _estimate_metric_crs 用estimate_utm_crs()估算一个本地 UTM 坐标系把数据重投影进去在 UTM 米制空间执行buffer(meters)结果再转回 WGS84 序列化。该函数还内建国际日期变更线保护若图层的经度跨度超过 180°说明可能跨越日期变更线此时estimate_utm_crs会选到错误时区导致结果严重失真于是直接抛出可读错误提示先按半球拆分几何或显式重投影。另外客户端引擎也有一个容易被忽略的细节Turf 的buffer内置的是地球半径而 GeoLibre 支持月球/火星等行星项目因此 bufferTool 在调用前会用bodyLengthToEarth(distance)把当前天体表面距离换算成“等效地球地面距离”在地球上则为无操作。双引擎一致性同一参数的校验顺序从源码结构看客户端与 Python 引擎对同一组错误参数按相同顺序报告同一个首条错误units→side→distance有限性 →distance符号。例如客户端用DECIMAL_NUMBER正则vector-tools.ts L224刻意只接受 Pythonfloat()也接受的十进制/科学计数法字符串拒绝0x10、纯空白等负距离两边都拒绝因为“向内”由side表达。这保证了无论选哪个引擎同一输入要么成功且结果一致要么失败且报错一致。第 3 步叠加两个图层用 Buffer 结果或任意多边形图层作为输入与第二个图层做以下操作之一。在Processing → GeoLibre Toolbox → Vector中选择工具指定输入层与叠加层点击RunClip保留输入图层落在叠加层内部的部分并保留输入的属性。实现上clipTool客户端先把叠加层合并为单一几何再对每个输入要素做intersect只保留输入属性keepProperties: true。Intersection只保留两个多边形图层相互重叠的区域。与 Clip 不同它合并两个图层的属性intersectionTool 对每一对要素做交集并把双方properties展开合并对应 GeoPandas 的gpd.overlay(howintersection)。Difference从输入中挖掉叠加层覆盖的区域保留输入属性。Python 侧用gpd.overlay(..., howdifference, keep_geom_typeTrue)vector_ops.py L291-L307丢弃共享边界上产生的退化细条线/点符合 GIS 惯例。Union把两个多边形图层合并成一个组合几何两种引擎都不保留属性——unionTool 直接输出properties: {}。Spatial join基于空间关系intersects/within/contains把连接层属性附加到每个输入要素上——例如给每个点打上包含它的那个多边形的属性。适用于任何几何类型。客户端实现spatialJoinTool与 GeoPandassjoin(predicate..., how...)语义对齐关系按“输入 → 连接层”方向读left连接为未匹配行用null填充所有连接层字段保持输出 schema 一致每个匹配生成一行输出。Attribute join按关键字段匹配把连接表属性附加到输入要素上完全不涉及几何——例如用共同 FIPS 编码把人口普查统计连到边界多边形上。它是一对一的首个匹配行胜出需分别在两侧选择 key 字段可选填要带过来的字段列表留空则带过除 key 外的全部连接字段并选择 inner 或 left 连接。客户端与 Python 侧共用同一套 key 归一化规则layerJoinKey/_attribute_join_key空值永不匹配数字5与字符串5可互相匹配而补零编码01001只匹配完全相同字符串。客户端成对运算的规模上限Intersection、Spatial join、Select by location 这类两图层成对循环在主线程上执行vector-tools.ts L52 定义了MAX_CLIENT_PAIRS 250_000当输入要素数 × 叠加要素数超过该上限时客户端会明确报错并提示“use the Sidecar engine for large layers”避免冻结浏览器标签页。对应的 Python 侧则用MAX_FEATURES 50_000的输入要素上限vector_ops.py L28防止 sidecar 事件循环被阻塞超限映射为 HTTP 413。第 4 步检查与微调对结果图层打开 属性表 检查输出并调整其 样式 使其与输入图层区分开。每次运行还会被记录到Processing → History可一键重跑该条目也可以复制等价的 Python 代码。两个工具箱含快捷分析共用同一份 History。从源码结构看结果回写统一走ctx.addResultLayer?.(名称, FeatureCollection)——这是工具产生输出到地图的唯一入口也是 runner 在 Batch/Model 流水线中捕获中间结果的挂钩点批量运行时把addResultLayer换成内存捕获前一步的输出就以合成图层身份注入给下一步。第 5 步导出结果要把输出保存为云原生文件使用Processing → GeoLibre Toolbox → Conversion例如Vector to GeoParquet或Vector to FlatGeobuf详见 Cloud-Native Data。也可以从 属性表 或 SQL 工作区 导出记录。Conversion 工具全部具备浏览器端引擎Web 构建在 WASM 中写出 GeoJSON、CSV、GeoParquet、GeoPackage、FlatGeobuf、Shapefile格式映射见 wasm-client.ts L27-L28桌面端改由 Python sidecar 执行可读写原生文件路径并覆盖 GDAL 支持的全部格式。引擎架构一套代码三处执行三种引擎并非三份实现Client (Turf.js)packages/processing/src/vector-tools.ts 中每个工具对象的run函数操作图层 GeoJSON可离线、可在移动端运行Sidecar (GeoPandas)与Python (Pyodide)vector_ops.py 的模块文档明确说明它是唯一的实现源头不依赖 FastAPI——桌面端 sidecar 的app/vector.py只是包装run_vector_tool并映射异常到 HTTP 状态码而浏览器里 Pyodide 直接加载同一份源码调用它。GeoPandas/Shapely 负责几何_DISPATCH表L1192把buffer、clip、spatial-join、attribute-join等工具 id 分发到对应处理函数。这套“单一实现、双宿主”设计正是“Python (Pyodide) 引擎结果与 Sidecar 一致”这句话的底层保证。若 sidecar 未安装可选的vector依赖对话框会自动回退到客户端引擎。下一步用 SQL 做同类分析Spatial SQL转向栅格分析Terrain Analysis完整工具清单与 Whitebox 工具箱说明见 Processing 文档。【免费下载链接】GeoLibreA lightweight, cloud-native GIS platform for visualizing, exploring, and analyzing geospatial data. It runs in the web browser, on the desktop, on mobile, and inside Jupyter notebooks.项目地址: https://gitcode.com/GitHub_Trending/ge/GeoLibre创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 GeoLibre 矢量分析实战：Buffer 缓冲、叠加与属性连接工作流，以及三种计算引擎的底层实现
GeoLibre 矢量分析实战Buffer 缓冲、叠加与属性连接工作流以及三种计算引擎的底层实现【免费下载链接】GeoLibreA lightweight, cloud-native GIS platform for visualizing, exploring, and analyzing geospatial data. It runs in the web browser, on the desktop, on mobile, and inside Jupyter notebooks.项目地址: https://gitcode.com/GitHub_Trending/ge/GeoLibre本篇围绕 GeoLibre 的矢量处理工作流展开先缓冲一个矢量图层再与第二个图层做叠加或连接最后将结果导出为云原生格式。读完本文你能在Processing → GeoLibre Toolbox → Vector中独立完成这套流程并理解三种引擎Turf.js 客户端、GeoPandas Sidecar、Pyodide 浏览器内 Python在源码层面如何保证结果一致以及各自的适用边界。工具在哪里先分清 Processing 菜单里的两个工具箱本教程使用Processing → GeoLibre Toolbox → Vector打开的对话框。GeoLibre 的 Processing 菜单中同时存在两个工具箱详见 处理工具文档分隔符上方的Vector子菜单属于 Whitebox 目录的矢量分类WASM 工具目录分隔符下方的GeoLibre Toolbox → Vector才是本教程所用的对话框包含 Buffer、Clip、Spatial join 等内置工具并提供引擎选择器。两者不是重复项前者是上千个 WASM 工具的目录后者是为 GeoLibre 定制的小而精的对话框工具集。第 1 步加载输入数据至少添加一个矢量图层方法见 Adding Data。做叠加操作时需要两个图层——例如一组点或线图层以及一个用于裁剪的多边形图层。从源码结构看所有矢量工具都通过ProcessingContext中的layers按图层 id 解析输入vector-tools.ts 中的requireFeatures会取出指定参数对应的图层 GeoJSON若为空则记录Error: parameter layer has no GeoJSON features并中止。也就是说工具的操作对象始终是“已经在地图上的图层”的 GeoJSON 表示而不是文件路径。第 2 步对图层做 Buffer缓冲操作路径Processing → GeoLibre Toolbox → Vector → Buffer参数如下Input layer选择输入图层必填Distance缓冲距离默认1min: 0step: 0.1Unitskilometers/meters/miles默认kilometersEngine引擎三选一Client (Turf.js)完全在浏览器中运行无需任何配置Sidecar (GeoPandas)在桌面端的 Python sidecar 上运行支持投影感知的距离计算Python (Pyodide)与 sidecar 运行同一份 GeoPandas 代码但在浏览器内执行无需安装 sidecar。运行时首次使用时下载一次几十 MB从 CDN 惰性获取之后复用。点击Run后缓冲结果会作为新图层添加到地图上。Buffer 的更多参数Buffer side除了上面三个参数bufferTool 的定义中还包含Buffer side参数默认outside取值行为outside向外扩张历史默认行为inside向内收缩用负半径缓冲实现点/线没有内部区域输入必须是多边形both只保留边界两侧各distance范围内的条带客户端实现见 bufferOneFeatureinside用buffer(feature, -radius)both则先求外扩几何与内缩几何的difference得到真正的“环带”并显式恢复源要素的属性。投影感知的距离为什么 GeoPandas 引擎更精确!!! tip 客户端引擎在地理坐标系经纬度中直接缓冲。大范围区域的精确米制距离应使用两个 GeoPandas 引擎之一它们会先重投影再缓冲桌面端选Sidecar (GeoPandas)Web 构建或任何环境选Python (Pyodide)。源码印证了这一点。Python 侧的 _buffer 流程是把距离按单位换算成米kilometers×1000、miles×1609.344调用 _estimate_metric_crs 用estimate_utm_crs()估算一个本地 UTM 坐标系把数据重投影进去在 UTM 米制空间执行buffer(meters)结果再转回 WGS84 序列化。该函数还内建国际日期变更线保护若图层的经度跨度超过 180°说明可能跨越日期变更线此时estimate_utm_crs会选到错误时区导致结果严重失真于是直接抛出可读错误提示先按半球拆分几何或显式重投影。另外客户端引擎也有一个容易被忽略的细节Turf 的buffer内置的是地球半径而 GeoLibre 支持月球/火星等行星项目因此 bufferTool 在调用前会用bodyLengthToEarth(distance)把当前天体表面距离换算成“等效地球地面距离”在地球上则为无操作。双引擎一致性同一参数的校验顺序从源码结构看客户端与 Python 引擎对同一组错误参数按相同顺序报告同一个首条错误units→side→distance有限性 →distance符号。例如客户端用DECIMAL_NUMBER正则vector-tools.ts L224刻意只接受 Pythonfloat()也接受的十进制/科学计数法字符串拒绝0x10、纯空白等负距离两边都拒绝因为“向内”由side表达。这保证了无论选哪个引擎同一输入要么成功且结果一致要么失败且报错一致。第 3 步叠加两个图层用 Buffer 结果或任意多边形图层作为输入与第二个图层做以下操作之一。在Processing → GeoLibre Toolbox → Vector中选择工具指定输入层与叠加层点击RunClip保留输入图层落在叠加层内部的部分并保留输入的属性。实现上clipTool客户端先把叠加层合并为单一几何再对每个输入要素做intersect只保留输入属性keepProperties: true。Intersection只保留两个多边形图层相互重叠的区域。与 Clip 不同它合并两个图层的属性intersectionTool 对每一对要素做交集并把双方properties展开合并对应 GeoPandas 的gpd.overlay(howintersection)。Difference从输入中挖掉叠加层覆盖的区域保留输入属性。Python 侧用gpd.overlay(..., howdifference, keep_geom_typeTrue)vector_ops.py L291-L307丢弃共享边界上产生的退化细条线/点符合 GIS 惯例。Union把两个多边形图层合并成一个组合几何两种引擎都不保留属性——unionTool 直接输出properties: {}。Spatial join基于空间关系intersects/within/contains把连接层属性附加到每个输入要素上——例如给每个点打上包含它的那个多边形的属性。适用于任何几何类型。客户端实现spatialJoinTool与 GeoPandassjoin(predicate..., how...)语义对齐关系按“输入 → 连接层”方向读left连接为未匹配行用null填充所有连接层字段保持输出 schema 一致每个匹配生成一行输出。Attribute join按关键字段匹配把连接表属性附加到输入要素上完全不涉及几何——例如用共同 FIPS 编码把人口普查统计连到边界多边形上。它是一对一的首个匹配行胜出需分别在两侧选择 key 字段可选填要带过来的字段列表留空则带过除 key 外的全部连接字段并选择 inner 或 left 连接。客户端与 Python 侧共用同一套 key 归一化规则layerJoinKey/_attribute_join_key空值永不匹配数字5与字符串5可互相匹配而补零编码01001只匹配完全相同字符串。客户端成对运算的规模上限Intersection、Spatial join、Select by location 这类两图层成对循环在主线程上执行vector-tools.ts L52 定义了MAX_CLIENT_PAIRS 250_000当输入要素数 × 叠加要素数超过该上限时客户端会明确报错并提示“use the Sidecar engine for large layers”避免冻结浏览器标签页。对应的 Python 侧则用MAX_FEATURES 50_000的输入要素上限vector_ops.py L28防止 sidecar 事件循环被阻塞超限映射为 HTTP 413。第 4 步检查与微调对结果图层打开 属性表 检查输出并调整其 样式 使其与输入图层区分开。每次运行还会被记录到Processing → History可一键重跑该条目也可以复制等价的 Python 代码。两个工具箱含快捷分析共用同一份 History。从源码结构看结果回写统一走ctx.addResultLayer?.(名称, FeatureCollection)——这是工具产生输出到地图的唯一入口也是 runner 在 Batch/Model 流水线中捕获中间结果的挂钩点批量运行时把addResultLayer换成内存捕获前一步的输出就以合成图层身份注入给下一步。第 5 步导出结果要把输出保存为云原生文件使用Processing → GeoLibre Toolbox → Conversion例如Vector to GeoParquet或Vector to FlatGeobuf详见 Cloud-Native Data。也可以从 属性表 或 SQL 工作区 导出记录。Conversion 工具全部具备浏览器端引擎Web 构建在 WASM 中写出 GeoJSON、CSV、GeoParquet、GeoPackage、FlatGeobuf、Shapefile格式映射见 wasm-client.ts L27-L28桌面端改由 Python sidecar 执行可读写原生文件路径并覆盖 GDAL 支持的全部格式。引擎架构一套代码三处执行三种引擎并非三份实现Client (Turf.js)packages/processing/src/vector-tools.ts 中每个工具对象的run函数操作图层 GeoJSON可离线、可在移动端运行Sidecar (GeoPandas)与Python (Pyodide)vector_ops.py 的模块文档明确说明它是唯一的实现源头不依赖 FastAPI——桌面端 sidecar 的app/vector.py只是包装run_vector_tool并映射异常到 HTTP 状态码而浏览器里 Pyodide 直接加载同一份源码调用它。GeoPandas/Shapely 负责几何_DISPATCH表L1192把buffer、clip、spatial-join、attribute-join等工具 id 分发到对应处理函数。这套“单一实现、双宿主”设计正是“Python (Pyodide) 引擎结果与 Sidecar 一致”这句话的底层保证。若 sidecar 未安装可选的vector依赖对话框会自动回退到客户端引擎。下一步用 SQL 做同类分析Spatial SQL转向栅格分析Terrain Analysis完整工具清单与 Whitebox 工具箱说明见 Processing 文档。【免费下载链接】GeoLibreA lightweight, cloud-native GIS platform for visualizing, exploring, and analyzing geospatial data. It runs in the web browser, on the desktop, on mobile, and inside Jupyter notebooks.项目地址: https://gitcode.com/GitHub_Trending/ge/GeoLibre创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考