--- name: opengis-all description: 整合 GDAL 命令行、GDAL API、qgis_process、PyQGIS、GeoServer REST API 五大工具/接口，覆盖 GIS 数据生成、格式转换、空间分析、地图服务发布全流程。通过本文件即可一站式解决从原始数据到地图服务的完整 GIS 数据处理链路。 tags: - gis - entrypoint - workflow - fullstack - gdal - qgis - geoserver - pyqgis - tutorial --- > **涵盖工具与项目：** > > | 工具/接口 | 项目地址 | 文档 | 许可证 | > |-----------|----------|------|--------| > | GDAL 命令行 | | | MIT | > | GDAL API (C++/Python/Java/C#) | | | MIT | > | qgis_process | | | GPL-2.0+ | > | PyQGIS | | | GPL-2.0+ | > | GeoServer REST API | | | GPL-2.0+ | ## 概述 本文件将五个独立的 GIS 技能模块整合为一个**端到端的 GIS 数据处理流程**，涵盖以下阶段： ``` ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ 阶段一 │ │ 阶段二 │ │ 阶段三 │ │ 阶段四 │ │ 数据获取 │ → │ 数据处理 │ → │ 空间分析 │ → │ 服务发布 │ │ 与生成 │ │ 与转换 │ │ │ │ │ │ │ │ │ │ │ │ │ │ · 读取各类 │ │ · 格式转换 │ │ · 缓冲区分析 │ │ · 创建工作空间 │ │ 矢量/栅格 │ │ · 坐标系转换 │ │ · 叠加分析 │ │ · 上传数据 │ │ · 创建新数据 │ │ · 裁剪/合并 │ │ · 栅格计算 │ │ · 发布图层 │ │ · 查询元数据 │ │ · 元数据编辑 │ │ · DEM分析 │ │ · 配置样式 │ │ │ │ │ │ · 统计分析 │ │ · 图层组/缓存 │ └──────────────┘ └──────────────┘ └──────────────┘ └──────────────┘ 工具映射： 阶段一：GDAL CLI (ogrinfo/gdalinfo) · GDAL API · PyQGIS 阶段二：GDAL CLI (ogr2ogr/gdalwarp/gdal_translate) · GDAL API · qgis_process · PyQGIS 阶段三：qgis_process · PyQGIS · GDAL CLI (gdal_calc/gdal_contour) · GDAL API 阶段四：GeoServer REST API ``` --- ## 环境准备 ### GDAL（命令行 + API） ```bash # Linux (Debian/Ubuntu) apt-get update && apt-get install gdal-bin python3-gdal libgdal-dev # macOS brew install gdal # Conda（推荐，自动处理 C 库依赖） conda install -c conda-forge gdal # Docker docker run -it osgeo/gdal:latest bash # 验证 gdalinfo --version ogrinfo --version python3 -c "from osgeo import gdal; print(gdal.VersionInfo())" ``` ### QGIS（qgis_process + PyQGIS） ```bash # 安装 QGIS 3.16+（qgis_process 从 3.16 开始可用） # Ubuntu apt-get install qgis qgis-plugin-grass # 验证 qgis_process --version # Headless 服务器环境（无窗口系统） export QT_QPA_PLATFORM=offscreen ``` ### GeoServer ```bash # Docker 方式（推荐） docker run -d -p 8080:8080 kartoza/geoserver:latest # 验证 curl -u admin:geoserver "http://localhost:8080/geoserver/rest/about/version.json" ``` **默认认证：** 用户名 `admin`，密码 `geoserver`（HTTP Basic Auth） --- ## 阶段一：数据获取与信息查询 ### 1.1 矢量数据信息查询 #### GDAL 命令行 ```bash # 列出所有图层 ogrinfo mydata.shp # 获取图层摘要信息 ogrinfo mydata.shp layername -so # JSON 格式输出（GDAL 3.7+，AI 友好） ogrinfo -json mydata.shp # 按属性过滤查看 ogrinfo mydata.shp -where "AREA > 1000" # SQL 查询 ogrinfo mydata.shp -sql "SELECT * FROM mydata WHERE population > 10000" # 空间范围过滤 ogrinfo mydata.shp -spat -10 40 10 50 ``` #### GDAL Python API ```python from osgeo import ogr ds = ogr.Open("cities.shp", 0) # 0 = 只读 layer = ds.GetLayer(0) print(f"要素数量: {layer.GetFeatureCount()}") print(f"空间范围: {layer.GetExtent()}") print(f"坐标系: {layer.GetSpatialRef().ExportToWkt()}") for feature in layer: name = feature.GetField("NAME") geom = feature.GetGeometryRef() if geom is not None: print(f"{name}: {geom.ExportToWkt()}") ds = None ``` #### PyQGIS ```python from qgis.core import QgsVectorLayer layer = QgsVectorLayer("/data/buildings.shp", "buildings", "ogr") if layer.isValid(): print(f"要素数量: {layer.featureCount()}") print(f"坐标系: {layer.crs().authid()}") print(f"范围: {layer.extent().toString()}") for feature in layer.getFeatures(): print(feature.id(), feature.geometry().asWkt(), feature.attributes()) ``` ### 1.2 栅格数据信息查询 #### GDAL 命令行 ```bash # 基本信息 gdalinfo dem.tif # JSON 格式输出（便于解析） gdalinfo -json dem.tif # 显示统计信息 gdalinfo -stats dem.tif ``` #### GDAL Python API ```python from osgeo import gdal ds = gdal.Open("dem.tif", gdal.GA_ReadOnly) print(f"尺寸: {ds.RasterXSize} x {ds.RasterYSize}") print(f"波段数: {ds.RasterCount}") print(f"仿射变换: {ds.GetGeoTransform()}") print(f"投影: {ds.GetProjection()}") band = ds.GetRasterBand(1) data = band.ReadAsArray() # numpy.ndarray print(f"数据类型: {data.dtype}, 最小值: {data.min()}, 最大值: {data.max()}") ds = None ``` #### PyQGIS ```python from qgis.core import QgsRasterLayer, QgsRasterBandStats layer = QgsRasterLayer("/data/dem.tif", "DEM") if layer.isValid(): print(f"尺寸: {layer.width()} x {layer.height()}") stats = layer.dataProvider().bandStatistics(1, QgsRasterBandStats.All) print(f"最小值: {stats.minimumValue}, 最大值: {stats.maximumValue}") print(f"平均值: {stats.mean}, 标准差: {stats.stdDev}") ``` ### 1.3 创建新的矢量数据 #### GDAL Python API ```python from osgeo import ogr, osr driver = ogr.GetDriverByName("ESRI Shapefile") ds = driver.CreateDataSource("output.shp") srs = osr.SpatialReference() srs.SetWellKnownGeogCS("WGS84") layer = ds.CreateLayer("output", srs, ogr.wkbPoint) layer.CreateField(ogr.FieldDefn("NAME", ogr.OFTString)) layer.CreateField(ogr.FieldDefn("POPULATION", ogr.OFTInteger)) feature = ogr.Feature(layer.GetLayerDefn()) feature.SetField("NAME", "Beijing") feature.SetField("POPULATION", 21540000) pt = ogr.Geometry(ogr.wkbPoint) pt.SetPoint_2D(0, 116.4, 39.9) feature.SetGeometry(pt) layer.CreateFeature(feature) feature = None ds = None ``` #### PyQGIS ```python from qgis.core import ( QgsVectorFileWriter, QgsFields, QgsField, QgsFeature, QgsGeometry, QgsPointXY, QgsCoordinateReferenceSystem, QgsWkbTypes ) from qgis.PyQt.QtCore import QVariant fields = QgsFields() fields.append(QgsField("id", QVariant.Int)) fields.append(QgsField("name", QVariant.String)) crs = QgsCoordinateReferenceSystem("EPSG:4326") writer = QgsVectorFileWriter("/data/output.shp", "UTF-8", fields, QgsWkbTypes.Point, crs, "ESRI Shapefile") feat = QgsFeature() feat.setGeometry(QgsGeometry.fromPointXY(QgsPointXY(116.4, 39.9))) feat.setAttributes([1, "北京"]) writer.addFeature(feat) del writer ``` ### 1.4 创建新的栅格数据 #### GDAL Python API ```python from osgeo import gdal, osr import numpy as np driver = gdal.GetDriverByName("GTiff") ds = driver.Create("output.tif", 256, 256, 1, gdal.GDT_Float32) ds.SetGeoTransform([116.0, 0.01, 0, 40.0, 0, -0.01]) srs = osr.SpatialReference() srs.SetWellKnownGeogCS("WGS84") ds.SetProjection(srs.ExportToWkt()) band = ds.GetRasterBand(1) data = np.arange(256 * 256, dtype=np.float32).reshape(256, 256) band.WriteArray(data) band.SetNoDataValue(-9999.0) ds.FlushCache() ds = None ``` --- ## 阶段二：数据处理与转换 ### 2.1 矢量格式转换 #### GDAL 命令行（ogr2ogr） ```bash # Shapefile → GeoJSON ogr2ogr output.geojson input.shp # Shapefile → GeoPackage ogr2ogr -f GPKG output.gpkg input.shp # 转换到 CSV（含 WKT 几何） ogr2ogr -f CSV output.csv input.shp -lco GEOMETRY=AS_WKT # PostGIS 导入 ogr2ogr -f PostgreSQL "PG:dbname=mydb user=postgres" input.shp -nln mytable # 批量格式转换 for shp in *.shp; do ogr2ogr -f GeoJSON "${shp%.shp}.geojson" "$shp" done ``` #### GDAL Python API ```python from osgeo import gdal gdal.VectorTranslate("output.geojson", "input.shp", format="GeoJSON") ``` #### qgis_process ```bash qgis_process run native:reprojectlayer -- \ INPUT=input.shp TARGET_CRS=EPSG:4326 OUTPUT=output.geojson ``` #### PyQGIS ```python from qgis.core import QgsVectorLayer, QgsVectorFileWriter, QgsProject layer = QgsVectorLayer("/data/input.shp", "input", "ogr") options = QgsVectorFileWriter.SaveVectorOptions() options.driverName = "GPKG" options.fileEncoding = "UTF-8" QgsVectorFileWriter.writeAsVectorFormatV3( layer, "/data/output.gpkg", QgsProject.instance().transformContext(), options ) ``` ### 2.2 栅格格式转换 #### GDAL 命令行（gdal_translate） ```bash # GeoTIFF → PNG gdal_translate input.tif output.png # 带压缩的 GeoTIFF gdal_translate -co COMPRESS=DEFLATE input.tif output.tif # 重采样到指定分辨率 gdal_translate -tr 10 10 input.tif output.tif # 裁剪到指定范围 gdal_translate -projwin -180 90 -170 80 input.tif output.tif # 提取特定波段 gdal_translate -b 1 rgb.tif red.tif # 转换数据类型 gdal_translate -ot Byte input.tif output.tif ``` #### GDAL Python API ```python from osgeo import gdal # 格式转换 src = gdal.Open("input.tif") gdal.GetDriverByName("PNG").CreateCopy("output.png", src) src = None # 带选项的转换 gdal.Translate("output.tif", "input.tif", creationOptions=["COMPRESS=LZW", "TILED=YES"]) ``` ### 2.3 坐标系转换（重投影） #### 矢量重投影 ```bash # GDAL 命令行 ogr2ogr -t_srs EPSG:3857 output.shp input.shp ``` ```bash # qgis_process qgis_process run native:reprojectlayer -- \ INPUT=input.shp TARGET_CRS=EPSG:3857 OUTPUT=reprojected.shp ``` ```python # PyQGIS import processing result = processing.run("native:reprojectlayer", { 'INPUT': '/data/input_wgs84.shp', 'TARGET_CRS': 'EPSG:3857', 'OUTPUT': '/data/reprojected.shp' }) ``` ```python # GDAL Python API — 坐标变换 from osgeo import osr src_srs = osr.SpatialReference() src_srs.SetWellKnownGeogCS("WGS84") dst_srs = osr.SpatialReference() dst_srs.ImportFromEPSG(3857) transform = osr.CoordinateTransformation(src_srs, dst_srs) x, y, z = transform.TransformPoint(116.4, 39.9) ``` #### 栅格重投影 ```bash # GDAL 命令行（gdalwarp） gdalwarp -t_srs EPSG:4326 input_utm.tif output_wgs84.tif # 带重采样和目标分辨率 gdalwarp -tr 30 30 -t_srs EPSG:4326 -r bilinear input.tif output.tif ``` ```bash # qgis_process qgis_process run gdal:warpreproject -- \ INPUT=input.tif TARGET_CRS=EPSG:4326 OUTPUT=reprojected.tif ``` ```python # GDAL Python API from osgeo import gdal gdal.Warp("reprojected.tif", "input.tif", dstSRS="EPSG:3857", resampleAlg="bilinear") ``` ### 2.4 数据裁剪 #### 矢量裁剪 ```bash # ogr2ogr — 矩形范围裁剪 ogr2ogr output.shp input.shp -spat -10 40 10 50 # ogr2ogr — 多边形裁剪 ogr2ogr -clipsrc clip_polygon.shp output.shp input.shp ``` ```bash # qgis_process qgis_process run native:clip -- \ INPUT=input.shp OVERLAY=clip_boundary.shp OUTPUT=clipped.shp ``` ```python # PyQGIS result = processing.run("native:clip", { 'INPUT': input_layer, 'OVERLAY': clip_layer, 'OUTPUT': 'memory:clipped' }) ``` #### 栅格裁剪 ```bash # gdalwarp — 用矢量边界裁剪 gdalwarp -cutline boundary.shp -crop_to_cutline input.tif output.tif # gdalwarp — 指定范围裁剪 gdalwarp -te -10 40 10 50 input.tif output.tif ``` ```bash # qgis_process qgis_process run gdal:cliprasterbymask -- \ INPUT=dem.tif MASK=boundary.shp OUTPUT=clipped_dem.tif ``` ```python # PyQGIS result = processing.run("gdal:cliprasterbymask", { 'INPUT': '/data/dem.tif', 'MASK': '/data/boundary.shp', 'OUTPUT': 'TEMPORARY_OUTPUT' }) ``` ### 2.5 数据合并 ```bash # 合并多个矢量文件 ogr2ogr -append merged.shp input1.shp ogr2ogr -append merged.shp input2.shp # qgis_process 合并矢量 qgis_process run native:mergevectorlayers -- \ LAYERS=input1.shp LAYERS=input2.shp OUTPUT=merged.shp # 合并多个栅格（gdalwarp 镶嵌） gdalwarp input1.tif input2.tif input3.tif output_mosaic.tif # gdal_merge.py 合并栅格 gdal_merge.py -o output.tif input1.tif input2.tif input3.tif ``` ### 2.6 栅格元数据编辑 ```bash # 设置坐标参考系 gdal_edit.py -a_srs EPSG:4326 input.tif # 设置地理范围 gdal_edit.py -a_ullr -180 90 180 -90 input.tif # 设置 NoData 值 gdal_edit.py -a_nodata 0 input.tif # 添加元数据 gdal_edit.py -mo DATUM=WGS84 -mo SOURCE=USGS input.tif ``` --- ## 阶段三：空间分析 ### 3.1 缓冲区分析 ```bash # qgis_process qgis_process run native:buffer -- \ INPUT=points.shp DISTANCE=1000 SEGMENTS=16 OUTPUT=buffered.gpkg ``` ```python # PyQGIS (processing) result = processing.run("native:buffer", { 'INPUT': '/data/roads.shp', 'DISTANCE': 50, 'SEGMENTS': 10, 'DISSOLVE': False, 'OUTPUT': '/data/roads_buffer.shp' }) ``` ```python # PyQGIS (几何操作) buffered = geom.buffer(100, 16) ``` ```python # GDAL Python API (OGR 几何) from osgeo import ogr pt = ogr.Geometry(ogr.wkbPoint) pt.SetPoint_2D(0, 116.4, 39.9) buffer = pt.Buffer(1.0) ``` ### 3.2 叠加分析（交集/联合/差集） ```bash # qgis_process — 交集 qgis_process run native:intersection -- \ INPUT=layer1.shp OVERLAY=layer2.shp OUTPUT=intersection.shp # qgis_process — 联合 qgis_process run native:union -- \ INPUT=layer1.shp OVERLAY=layer2.shp OUTPUT=union.shp # qgis_process — 差集 qgis_process run native:difference -- \ INPUT=layer1.shp OVERLAY=layer2.shp OUTPUT=difference.shp ``` ```python # PyQGIS result = processing.run("native:intersection", { 'INPUT': layer1, 'OVERLAY': layer2, 'OUTPUT': 'memory:intersected' }) ``` ```python # PyQGIS 几何级别操作 intersection = geom1.intersection(geom2) union = geom1.combine(geom2) difference = geom1.difference(geom2) sym_diff = geom1.symDifference(geom2) ``` ```python # GDAL OGR 几何级别操作 inter = polygon.Intersection(pt) united = polygon.Union(pt) diff = polygon.Difference(pt) ``` ### 3.3 融合（Dissolve） ```bash # qgis_process qgis_process run native:dissolve -- \ INPUT=polygons.shp FIELD=type OUTPUT=dissolved.gpkg ``` ```python # PyQGIS result = processing.run("native:dissolve", { 'INPUT': '/data/polygons.shp', 'FIELD': ['type'], 'OUTPUT': '/data/dissolved.gpkg' }) ``` ### 3.4 空间连接 ```bash # qgis_process — 按位置连接属性 qgis_process run native:joinattributesbylocation -- \ INPUT=points.shp JOIN=polygons.shp PREDICATE=0 OUTPUT=joined.shp ``` ```python # PyQGIS result = processing.run("native:joinattributesbylocation", { 'INPUT': points_layer, 'JOIN': polygons_layer, 'PREDICATE': [0], # 0=相交 'METHOD': 0, # 0=一对一 'OUTPUT': 'memory:joined' }) ``` ### 3.5 栅格计算（波段运算） ```bash # NDVI 计算 gdal_calc.py -A nir.tif -B red.tif \ --calc="(A-B)/(A+B)" --outfile=ndvi.tif # 栅格掩膜 gdal_calc.py -A input.tif --calc="A*(A>100)" \ --outfile=masked.tif --NoDataValue=0 # 两个栅格平均 gdal_calc.py -A input1.tif -B input2.tif \ --calc="(A+B)/2" --outfile=mean.tif ``` ### 3.6 DEM 分析 ```bash # 等值线提取 gdal_contour -a elevation dem.tif contours.shp -i 10 # qgis_process — 坡度分析 qgis_process run gdal:slope -- INPUT=dem.tif OUTPUT=slope.tif # qgis_process — 坡向分析 qgis_process run gdal:aspect -- INPUT=dem.tif OUTPUT=aspect.tif # qgis_process — 山体阴影 qgis_process run gdal:hillshade -- INPUT=dem.tif OUTPUT=hillshade.tif ``` ```python # PyQGIS — 坡度分析 result = processing.run("gdal:slope", { 'INPUT': '/data/dem.tif', 'OUTPUT': '/data/slope.tif' }) ``` ### 3.7 散点插值（创建 DEM） ```bash # 反距离加权（IDW）插值 gdal_grid -a invdist:power=2:smoothing=0 \ -zfield Z input_points.shp output_dem.tif # 指定输出范围和分辨率 gdal_grid -outsize 512 512 -tr 10 10 \ -a average input_points.shp output_dem.tif ``` ### 3.8 栅格矢量互转 ```bash # 栅格转矢量（多边形化） gdal_polygonize.py input.tif output.shp # qgis_process qgis_process run gdal:polygonize -- INPUT=input.tif OUTPUT=output.shp # 矢量转栅格 qgis_process run gdal:rasterize -- \ INPUT=input.shp FIELD=value OUTPUT=output.tif ``` ### 3.9 空间查询与过滤 ```bash # ogr2ogr — 属性过滤 ogr2ogr output.shp input.shp -where "population > 1000000" # ogr2ogr — 空间过滤 ogr2ogr output.shp input.shp -spat 116.0 39.5 117.0 40.5 # qgis_process — 按属性提取 qgis_process run native:extractbyattribute -- \ INPUT=input.shp FIELD=type OPERATOR=0 VALUE=road OUTPUT=roads.shp # qgis_process — 按位置提取 qgis_process run native:extractbylocation -- \ INPUT=points.shp INTERSECT=boundary.shp PREDICATE=0 OUTPUT=extracted.shp ``` ```python # PyQGIS — 要素查询 from qgis.core import QgsFeatureRequest, QgsRectangle # 属性过滤 request = QgsFeatureRequest().setFilterExpression('"population" > 10000') for feature in layer.getFeatures(request): print(feature["name"]) # 空间范围过滤 rect = QgsRectangle(116.0, 39.0, 117.0, 40.0) request = QgsFeatureRequest().setFilterRect(rect) for feature in layer.getFeatures(request): print(feature.id()) ``` ```python # GDAL Python API — 空间过滤 + 属性过滤 from osgeo import ogr ds = ogr.Open("input.shp") layer = ds.GetLayer(0) layer.SetSpatialFilterRect(116.0, 39.5, 117.0, 40.5) layer.SetAttributeFilter("POPULATION > 1000000") for feature in layer: print(feature.GetField("NAME")) ds = None ``` ### 3.10 地图渲染与导出 ```python # PyQGIS — 渲染为 PNG from qgis.core import QgsMapSettings, QgsMapRendererSequentialJob from qgis.PyQt.QtCore import QSize settings = QgsMapSettings() settings.setLayers([layer]) settings.setDestinationCrs(layer.crs()) settings.setExtent(layer.extent()) settings.setOutputSize(QSize(1920, 1080)) job = QgsMapRendererSequentialJob(settings) job.start() job.waitForFinished() job.renderedImage().save("/data/map_output.png") ``` ```python # PyQGIS — 导出 PDF from qgis.core import QgsProject, QgsPrintLayout, QgsLayoutItemMap, QgsLayoutExporter project = QgsProject.instance() layout = QgsPrintLayout(project) layout.initializeDefaults() map_item = QgsLayoutItemMap(layout) map_item.setRect(20, 20, 200, 150) map_item.setExtent(layer.extent()) map_item.setLayers([layer]) layout.addLayoutItem(map_item) exporter = QgsLayoutExporter(layout) exporter.exportToPdf("/data/output.pdf", QgsLayoutExporter.PdfExportSettings()) ``` --- ## 阶段四：发布 GIS 地图服务（GeoServer REST API） **基础 URL：** `http://{host}:{port}/geoserver/rest` **认证：** HTTP Basic Auth（默认 `admin:geoserver`） **数据格式：** 支持 JSON 和 XML，可通过 `Accept` 头或 URL 后缀（`.json` / `.xml`）指定。 ### 4.1 创建工作空间 ```bash curl -u admin:geoserver -XPOST \ -H "Content-Type: application/json" \ -d '{"workspace":{"name":"myws"}}' \ "http://localhost:8080/geoserver/rest/workspaces" ``` ### 4.2 上传矢量数据并发布图层 #### 方式一：上传 Shapefile（自动创建数据存储和图层） ```bash # Shapefile 需打包为 ZIP（包含 .shp、.shx、.dbf、.prj） curl -u admin:geoserver -XPUT \ -H "Content-Type: application/zip" \ --data-binary @roads.zip \ "http://localhost:8080/geoserver/rest/workspaces/myws/datastores/roads/file.shp" ``` #### 方式二：连接 PostGIS 并发布 ```bash # 创建 PostGIS 数据存储 curl -u admin:geoserver -XPOST \ -H "Content-Type: application/json" \ -d '{ "dataStore": { "name": "pgstore", "connectionParameters": { "entry": [ {"@key": "host", "$": "localhost"}, {"@key": "port", "$": "5432"}, {"@key": "database", "$": "geodata"}, {"@key": "user", "$": "postgres"}, {"@key": "passwd", "$": "postgres"}, {"@key": "dbtype", "$": "postgis"}, {"@key": "schema", "$": "public"} ] } } }' \ "http://localhost:8080/geoserver/rest/workspaces/myws/datastores" # 发布数据库表为图层 curl -u admin:geoserver -XPOST \ -H "Content-Type: application/json" \ -d '{"featureType":{"name":"buildings","nativeName":"buildings"}}' \ "http://localhost:8080/geoserver/rest/workspaces/myws/datastores/pgstore/featuretypes" ``` ### 4.3 上传栅格数据并发布图层 ```bash curl -u admin:geoserver -XPUT \ -H "Content-Type: image/tiff" \ --data-binary @dem.tif \ "http://localhost:8080/geoserver/rest/workspaces/myws/coveragestores/dem/file.geotiff" ``` ### 4.4 创建和应用样式 ```bash # 步骤 1：创建样式定义 curl -u admin:geoserver -XPOST \ -H "Content-Type: application/json" \ -d '{"style":{"name":"mystyle","filename":"mystyle.sld"}}' \ "http://localhost:8080/geoserver/rest/workspaces/myws/styles" # 步骤 2：上传 SLD 文件 curl -u admin:geoserver -XPUT \ -H "Content-Type: application/vnd.ogc.sld+xml" \ --data-binary @mystyle.sld \ "http://localhost:8080/geoserver/rest/workspaces/myws/styles/mystyle" # 步骤 3：为图层设置默认样式 curl -u admin:geoserver -XPUT \ -H "Content-Type: application/json" \ -d '{"layer":{"defaultStyle":{"name":"mystyle","workspace":"myws"}}}' \ "http://localhost:8080/geoserver/rest/layers/myws:roads" ``` ### 4.5 创建图层组 ```bash curl -u admin:geoserver -XPOST \ -H "Content-Type: application/json" \ -d '{ "layerGroup": { "name": "basemap", "layers": { "layer": [ {"name": "myws:roads"}, {"name": "myws:buildings"} ] }, "styles": { "style": [ {"name": "line"}, {"name": "polygon"} ] } } }' \ "http://localhost:8080/geoserver/rest/workspaces/myws/layergroups" ``` ### 4.6 GeoServer REST API 端点速查 #### 系统管理 | 操作 | 方法 | 端点 | |------|------|------| | 获取版本信息 | GET | `/rest/about/version.json` | | 获取系统状态 | GET | `/rest/about/system-status.json` | | 重新加载配置 | POST | `/rest/reload` | | 重置缓存 | POST | `/rest/reset` | #### 工作空间与数据存储 | 操作 | 方法 | 端点 | |------|------|------| | 列出工作空间 | GET | `/rest/workspaces.json` | | 创建工作空间 | POST | `/rest/workspaces` | | 删除工作空间 | DELETE | `/rest/workspaces/{ws}?recurse=true` | | 列出数据存储 | GET | `/rest/workspaces/{ws}/datastores.json` | | 创建数据存储 | POST | `/rest/workspaces/{ws}/datastores` | | 上传矢量文件 | PUT | `/rest/workspaces/{ws}/datastores/{ds}/file.{ext}` | #### 图层与样式 | 操作 | 方法 | 端点 | |------|------|------| | 列出所有图层 | GET | `/rest/layers.json` | | 发布要素类型 | POST | `/rest/workspaces/{ws}/datastores/{ds}/featuretypes` | | 上传栅格文件 | PUT | `/rest/workspaces/{ws}/coveragestores/{cs}/file.{ext}` | | 列出样式 | GET | `/rest/styles.json` | | 创建样式 | POST | `/rest/styles` | | 更新样式 | PUT | `/rest/styles/{style}` | | 修改图层 | PUT | `/rest/layers/{layer}` | #### 图层组与 OGC 服务 | 操作 | 方法 | 端点 | |------|------|------| | 列出图层组 | GET | `/rest/layergroups.json` | | 创建图层组 | POST | `/rest/layergroups` | | 获取 WMS 设置 | GET | `/rest/services/wms/settings.json` | | 修改 WMS 设置 | PUT | `/rest/services/wms/settings` | | 获取 WFS 设置 | GET | `/rest/services/wfs/settings.json` | | 修改 WFS 设置 | PUT | `/rest/services/wfs/settings` | #### GeoWebCache | 操作 | 方法 | 端点 | |------|------|------| | 清空图层缓存 | POST | `/gwc/rest/seed/{layer}.json` | | 查看缓存任务 | GET | `/gwc/rest/seed/{layer}.json` | | 批量截断 | POST | `/gwc/rest/masstruncate` | --- ## 端到端工作流示例 ### 示例 1：从 Shapefile 到地图服务（全自动） 完整流程：数据检查 → 重投影 → 缓冲区分析 → 发布到 GeoServer ```bash #!/bin/bash # === 阶段一：数据检查 === echo "=== 检查输入数据 ===" ogrinfo -json buildings.shp | jq '.layers[0].featureCount' # === 阶段二：数据处理 === echo "=== 重投影到 EPSG:4326 ===" ogr2ogr -t_srs EPSG:4326 -f GPKG buildings_4326.gpkg buildings.shp # === 阶段三：空间分析 === echo "=== 缓冲区分析（50米） ===" qgis_process run native:buffer --json -- \ INPUT=buildings_4326.gpkg DISTANCE=50 SEGMENTS=16 OUTPUT=buildings_buffer.gpkg echo "=== 融合 ===" qgis_process run native:dissolve --json -- \ INPUT=buildings_buffer.gpkg OUTPUT=buildings_dissolved.gpkg # === 阶段四：发布到 GeoServer === GEOSERVER="http://localhost:8080/geoserver" AUTH="admin:geoserver" echo "=== 创建工作空间 ===" curl -u $AUTH -XPOST \ -H "Content-Type: application/json" \ -d '{"workspace":{"name":"analysis"}}' \ "$GEOSERVER/rest/workspaces" echo "=== 上传并发布图层 ===" # 将 GeoPackage 转换为 Shapefile ZIP 以便上传 ogr2ogr buildings_result.shp buildings_dissolved.gpkg zip buildings_result.zip buildings_result.* curl -u $AUTH -XPUT \ -H "Content-Type: application/zip" \ --data-binary @buildings_result.zip \ "$GEOSERVER/rest/workspaces/analysis/datastores/buildings/file.shp" echo "=== 完成！===" echo "WMS 地址: $GEOSERVER/wms?service=WMS&version=1.1.1&request=GetMap&layers=analysis:buildings_result&bbox=..." ``` ### 示例 2：DEM 处理到坡度图服务（Python 全流程） ```python """从 DEM 生成坡度分析并发布到 GeoServer""" import subprocess import requests from requests.auth import HTTPBasicAuth GEOSERVER = "http://localhost:8080/geoserver" AUTH = HTTPBasicAuth("admin", "geoserver") # === 阶段一：数据检查 === subprocess.run(["gdalinfo", "dem.tif"], check=True) # === 阶段二：数据处理 — 裁剪并重投影 === subprocess.run([ "gdalwarp", "-t_srs", "EPSG:4326", "-cutline", "boundary.shp", "-crop_to_cutline", "dem.tif", "dem_clipped.tif" ], check=True) # === 阶段三：空间分析 — 坡度分析 === subprocess.run([ "qgis_process", "run", "gdal:slope", "--", "INPUT=dem_clipped.tif", "OUTPUT=slope.tif" ], check=True) # === 阶段四：发布到 GeoServer === # 创建工作空间 requests.post( f"{GEOSERVER}/rest/workspaces", json={"workspace": {"name": "terrain"}}, auth=AUTH ) # 上传坡度栅格 with open("slope.tif", "rb") as f: requests.put( f"{GEOSERVER}/rest/workspaces/terrain/coveragestores/slope/file.geotiff", data=f, headers={"Content-Type": "image/tiff"}, auth=AUTH ) print("坡度图层已发布！") print(f"WMS: {GEOSERVER}/wms?service=WMS&version=1.1.1&request=GetMap&layers=terrain:slope") ``` ### 示例 3：PyQGIS 完整分析流程 ```python """PyQGIS 独立脚本：加载数据 → 分析 → 导出 → 发布""" import sys import requests from requests.auth import HTTPBasicAuth from qgis.core import QgsApplication, QgsVectorLayer, QgsProject import processing from processing.core.Processing import Processing # 初始化 QGIS qgs = QgsApplication([], False) qgs.setPrefixPath("/usr", True) qgs.initQgis() Processing.initialize() # === 阶段一：加载数据 === layer = QgsVectorLayer("/data/buildings.shp", "buildings", "ogr") assert layer.isValid(), "图层加载失败" print(f"加载完成: {layer.featureCount()} 个要素") # === 阶段二：重投影 === result1 = processing.run("native:reprojectlayer", { 'INPUT': layer, 'TARGET_CRS': 'EPSG:4326', 'OUTPUT': 'memory:reprojected' }) # === 阶段三：缓冲区 + 融合 === result2 = processing.run("native:buffer", { 'INPUT': result1['OUTPUT'], 'DISTANCE': 100, 'SEGMENTS': 16, 'OUTPUT': 'memory:buffered' }) result3 = processing.run("native:dissolve", { 'INPUT': result2['OUTPUT'], 'OUTPUT': '/data/buildings_analysis.gpkg' }) print(f"分析完成: {result3['OUTPUT']}") # === 阶段四：发布到 GeoServer === GEOSERVER = "http://localhost:8080/geoserver" AUTH = HTTPBasicAuth("admin", "geoserver") # 转换为 Shapefile ZIP 以上传 processing.run("native:reprojectlayer", { 'INPUT': result3['OUTPUT'], 'TARGET_CRS': 'EPSG:4326', 'OUTPUT': '/data/for_upload.shp' }) import zipfile, glob with zipfile.ZipFile("/data/for_upload.zip", "w") as zf: for f in glob.glob("/data/for_upload.*"): zf.write(f, f.split("/")[-1]) requests.post(f"{GEOSERVER}/rest/workspaces", json={"workspace": {"name": "analysis"}}, auth=AUTH) with open("/data/for_upload.zip", "rb") as f: requests.put( f"{GEOSERVER}/rest/workspaces/analysis/datastores/buildings/file.shp", data=f, headers={"Content-Type": "application/zip"}, auth=AUTH ) print("图层已发布到 GeoServer！") qgs.exitQgis() ``` ### 示例 4：使用 qgis_process JSON 模式的自动化流水线 ```bash #!/bin/bash # 适用于 CI/CD 自动化流水线 export QT_QPA_PLATFORM=offscreen # 步骤 1：缓冲区分析（JSON 输入） echo '{ "inputs": { "INPUT": "/data/roads.shp", "DISTANCE": 50, "SEGMENTS": 10, "OUTPUT": "/data/roads_buffer.gpkg" } }' | qgis_process run native:buffer - # 步骤 2：解析输出路径 BUFFER_OUTPUT=$(echo '{ "inputs": { "INPUT": "/data/roads.shp", "DISTANCE": 50, "SEGMENTS": 10, "OUTPUT": "/data/roads_buffer.gpkg" } }' | qgis_process run native:buffer - | jq -r '.results.OUTPUT') # 步骤 3：融合 qgis_process run native:dissolve --json -- \ INPUT="$BUFFER_OUTPUT" OUTPUT=/data/roads_dissolved.gpkg # 步骤 4：发布到 GeoServer ogr2ogr roads_final.shp /data/roads_dissolved.gpkg zip roads_final.zip roads_final.* curl -u admin:geoserver -XPUT \ -H "Content-Type: application/zip" \ --data-binary @roads_final.zip \ "http://localhost:8080/geoserver/rest/workspaces/myws/datastores/roads/file.shp" ``` --- ## 常用内置算法速查（qgis_process / PyQGIS） ### 矢量分析 | 算法 ID | 说明 | 关键参数 | |---------|------|---------| | `native:buffer` | 缓冲区分析 | INPUT, DISTANCE, SEGMENTS, DISSOLVE | | `native:clip` | 矢量裁剪 | INPUT, OVERLAY | | `native:dissolve` | 融合 | INPUT, FIELD | | `native:intersection` | 交集 | INPUT, OVERLAY | | `native:union` | 联合 | INPUT, OVERLAY | | `native:difference` | 差集 | INPUT, OVERLAY | | `native:symmetricaldifference` | 对称差 | INPUT, OVERLAY | | `native:centroids` | 质心 | INPUT | | `native:convexhull` | 凸包 | INPUT | | `native:simplifygeometries` | 简化几何 | INPUT, TOLERANCE | | `native:reprojectlayer` | 重投影 | INPUT, TARGET_CRS | | `native:mergevectorlayers` | 合并图层 | LAYERS | | `native:splitvectorlayer` | 拆分图层 | INPUT, FIELD | | `native:extractbyattribute` | 按属性提取 | INPUT, FIELD, OPERATOR, VALUE | | `native:extractbylocation` | 按位置提取 | INPUT, INTERSECT, PREDICATE | | `native:joinattributesbylocation` | 按位置连接属性 | INPUT, JOIN, PREDICATE | | `native:fixgeometries` | 修复几何 | INPUT | | `native:countpointsinpolygon` | 多边形内点计数 | POLYGONS, POINTS | | `native:voronoipolygons` | 泰森多边形 | INPUT | | `native:creategrid` | 创建网格 | TYPE, EXTENT, HSPACING, VSPACING | | `native:fieldcalculator` | 字段计算器 | INPUT, FIELD_NAME, FORMULA | ### 栅格分析 | 算法 ID | 说明 | 关键参数 | |---------|------|---------| | `native:rasterlayerstatistics` | 栅格统计 | INPUT | | `gdal:cliprasterbyextent` | 按范围裁剪栅格 | INPUT, EXTENT | | `gdal:cliprasterbymask` | 按掩膜裁剪栅格 | INPUT, MASK | | `gdal:merge` | 栅格合并 | INPUT | | `gdal:warpreproject` | 栅格重投影 | INPUT, TARGET_CRS | | `gdal:contour` | 等值线提取 | INPUT, INTERVAL | | `gdal:polygonize` | 栅格转矢量 | INPUT | | `gdal:rasterize` | 矢量转栅格 | INPUT, FIELD | | `gdal:hillshade` | 山体阴影 | INPUT | | `gdal:slope` | 坡度分析 | INPUT | | `gdal:aspect` | 坡向分析 | INPUT | | `gdal:roughness` | 粗糙度 | INPUT | | `gdal:buildvirtualraster` | 构建虚拟栅格 | INPUT | --- ## GDAL 命令行工具速查 ### 矢量工具 | 命令 | 说明 | |------|------| | `ogrinfo` | 矢量数据信息查询 | | `ogr2ogr` | 矢量格式转换和处理 | ### 栅格工具 | 命令 | 说明 | |------|------| | `gdalinfo` | 栅格数据信息查询 | | `gdal_translate` | 栅格格式转换和重采样 | | `gdalwarp` | 栅格重投影和镶嵌 | | `gdal_merge.py` | 栅格镶嵌融合 | | `gdal_calc.py` | 栅格计算器（NumPy 语法） | | `gdal_contour` | 等值线提取 | | `gdal_grid` | 散点数据插值创建网格 | | `gdal_polygonize.py` | 栅格转矢量 | | `gdaltindex` | 创建栅格瓦片索引 | | `gdal_edit.py` | 编辑栅格元数据 | | `nearblack` | 清理黑白边界 | --- ## 数据格式支持 ### 矢量格式 | 格式 | 扩展名 | 说明 | |------|--------|------| | Shapefile | .shp | ESRI 标准格式 | | GeoJSON | .geojson | Web 标准 JSON | | GeoPackage | .gpkg | SQLite 基础，推荐 | | KML | .kml | Google Maps 格式 | | PostGIS | N/A | 数据库矢量存储 | | GML | .gml | ISO 标准 XML | | CSV | .csv | 点数据 | | FlatGeobuf | .fgb | 高性能流式二进制格式 | ### 栅格格式 | 格式 | 扩展名 | 说明 | |------|--------|------| | GeoTIFF | .tif | 标准地理栅格（推荐） | | COG | .tif | 云优化 GeoTIFF | | PNG | .png | Web 图像 | | JPEG | .jpg | 有损压缩 | | NetCDF | .nc | 科学数据 | | HDF5 | .h5 | 多维数据 | | JPEG2000 | .jp2 | 高质量压缩 | | ASCII Grid | .asc | 简单栅格 | --- ## 常用环境变量 | 变量 | 说明 | 示例 | |------|------|------| | `QT_QPA_PLATFORM` | Qt 平台插件（Headless 必需） | `offscreen` | | `GDAL_DATA` | GDAL 数据文件目录 | `/usr/share/gdal/` | | `PROJ_LIB` | PROJ 数据文件目录 | `/usr/share/proj/` | | `GDAL_NUM_THREADS` | GDAL 处理线程数 | `ALL_CPUS` | | `GDAL_CACHEMAX` | 块缓存大小（MB） | `512` | | `CPL_DEBUG` | 调试日志级别 | `ON` | --- ## AI 使用建议 ### 工具选择指南 | 场景 | 推荐工具 | 原因 | |------|----------|------| | 快速格式转换 | GDAL 命令行（ogr2ogr / gdal_translate） | 最简洁，适合脚本 | | 复杂空间分析 | qgis_process 或 PyQGIS | 算法丰富，参数统一 | | 编程集成 | GDAL API 或 PyQGIS | 灵活控制，适合程序嵌入 | | 栅格波段运算 | gdal_calc.py | NumPy 语法，简单直观 | | DEM 分析 | qgis_process (gdal:slope 等) | 一行命令完成 | | 几何级别操作 | GDAL OGR API 或 PyQGIS QgsGeometry | 精确控制每个几何操作 | | 服务发布 | GeoServer REST API | 唯一选择，HTTP 接口标准 | | CI/CD 自动化 | qgis_process + GDAL CLI + curl | 命令行驱动，JSON 输出 | ### 推荐完整工作流 1. **探索数据**：`ogrinfo -json` / `gdalinfo -json` — 获取结构化元数据 2. **格式转换**：`ogr2ogr` / `gdal_translate` — 统一数据格式 3. **坐标统一**：`ogr2ogr -t_srs` / `gdalwarp -t_srs` — 统一坐标系 4. **空间分析**：`qgis_process run` / `processing.run()` — 执行分析算法 5. **结果验证**：`ogrinfo -json` / `gdalinfo -json` — 验证输出 6. **发布服务**：GeoServer REST API — 上传并发布地图服务 ### 关键注意事项 1. **始终使用绝对路径**：避免工作目录不确定导致文件找不到。 2. **始终使用 `--json` 选项**：JSON 输出结构化、易解析，是 AI 最友好的交互方式。 3. **先查 help 再构造参数**：`qgis_process help --json` 确认参数定义。 4. **Headless 环境设置 `QT_QPA_PLATFORM=offscreen`**：在无显示器的服务器上必须设置。 5. **坐标系一致性**：空间运算前确保所有数据使用相同 CRS。 6. **文件上传格式**：GeoServer 上传 Shapefile 时需打包为 ZIP，且 ZIP 内须含 `.shp`、`.shx`、`.dbf`、`.prj`。 7. **GeoServer JSON 包装**：REST API 的 JSON 请求/响应均使用单层包装（如 `{"workspace":{...}}`）。 8. **recurse 参数**：删除 GeoServer 工作空间/数据存储时，添加 `?recurse=true` 级联删除。 9. **大数据优化**：启用 `GDAL_NUM_THREADS=ALL_CPUS`，增大 `GDAL_CACHEMAX`；PyQGIS 中使用 `QgsSpatialIndex`。 10. **始终备份**：GDAL 可就地修改文件（如 `gdal_edit.py`），操作前做好备份。 --- ## 相关技能 - **gdal** — GDAL 命令行工具：[../gdal/SKILL.md](../gdal/SKILL.md) - **gdal-api** — GDAL 编程 API：[../gdal-api/SKILL.md](../gdal-api/SKILL.md) - **pyqgis** — QGIS Python 开发：[../pyqgis/SKILL.md](../pyqgis/SKILL.md) - **qgis-process** — QGIS 命令行批处理：[../qgis-process/SKILL.md](../qgis-process/SKILL.md) - **geoserver-rest-api** — GeoServer REST API：[../geoserver-rest-api/SKILL.md](../geoserver-rest-api/SKILL.md) - **geopipe-agent** — AI 驱动的 GIS 流水线：[../geopipe-agent/SKILL.md](../geopipe-agent/SKILL.md) ## 参考链接 - **GDAL 源码：** - **GDAL 官方文档：** - **GDAL 命令行工具：** - **GDAL API 总览：** - **GDAL Python API：** - **QGIS 源码：** - **qgis_process 文档：** - **PyQGIS 开发者手册：** - **PyQGIS API 参考：** - **GeoServer 源码：** - **GeoServer REST API：** - **GeoServer API 参考：**