****

Leafmap是一个专为交互式地图和地理空间分析设计的Python包，旨在让用户能够在Jupyter环境中以最少的代码进行地理空间数据的分析和可视化。

Leafmap构建于多个开源包之上，包括：

•Folium：基于Leaflet.js的交互式地图库
•ipyleaflet：用于Jupyter环境的交互式地图小部件
•WhiteboxTools和whiteboxgui：用于分析地理空间数据
•ipywidgets：用于设计交互式图形用户界面（GUI）
•GeoPandas：用于矢量数据操作
•Rasterio：用于栅格数据处理

Leafmap允许用户无需编码即可将矢量和栅格数据加载到地图上。此外，用户可以利用强大的分析后端（即WhiteboxTools）直接在Leafmap用户界面中执行地理空间分析，而无需编写任何代码。WhiteboxTools库目前包含500多个用于高级地理空间分析的工具，如GIS分析、地貌分析、水文分析、LiDAR数据分析、数学和统计分析以及流网络分析。

安装方法#

Leafmap的安装过程简单，建议使用干净的环境以避免依赖冲突。

前提条件：

• Python 3.7或更高版本
• Jupyter 环境（如Jupyter Notebook或Google Colab）
• Conda包管理器

安装步骤：

创建新Conda环境

1
conda create -n geo python=3.9
2
conda activate geo

安装Leafmap及依赖

1
conda install -c conda-forge mamba
2
mamba install -c conda-forge leafmap geopandas localtileserver

核心功能#

1. 一键创建交互式地图

1
import leafmap
2

3
m = leafmap.Map()
4
m  # 在 Jupyter 中显示地图`

2. 多后端支持 (以kepler.gl为例)

1
import leafmap
2
import geopandas as gpd
3

4
# 创建一个 GeoDataFrame (示例数据)
5
data = {
6
    'City': ['New York', 'London', 'Tokyo'],
7
    'Latitude': [40.7128, 51.5074, 35.6895],
8
    'Longitude': [-74.0060, -0.1278, 139.6917]
9
}
10
gdf = gpd.GeoDataFrame(data, geometry=gpd.points_from_xy(data['Longitude'], data['Latitude']))
11

12
m = leafmap.Map(center=[0, 0], zoom=2, backend='kepler')  # 指定使用 kepler.gl
13
m.add_gdf(gdf, layer_name="Cities")
14
m

3. 交互式底图切换

1
import leafmap
2

3
m = leafmap.Map()
4
m.add_basemap("Stamen.Terrain") #添加Stamen.Terrain底图
5
m

4. 矢量和栅格数据支持 (以Shapefile和GeoTIFF为例)

1
import leafmap
2

3
m = leafmap.Map()
4

5
# 添加 Shapefile (你需要替换成你的 Shapefile 路径)
6
shapefile_path = "path/to/your/shapefile.shp"
7
m.add_shp(shapefile_path, layer_name="My Shapefile")
8

9
# 添加 GeoTIFF (你需要替换成你的 GeoTIFF 路径)
10
geotiff_path = "path/to/your/geotiff.tif"
11
m.add_raster(geotiff_path, layer_name="My Raster", colormap='terrain')
12
m

5. 自定义图例和颜色条

1
import leafmap
2
import matplotlib.pyplot as plt
3

4
m = leafmap.Map()
5
# 添加栅格数据 (使用示例数据, 或替换成你的栅格文件路径)
6
url = 'https://github.com/giswqs/data/raw/main/raster/srtm90.tif'
7
m.add_raster(url, layer_name='srtm', colormap='terrain')
8

9
# 添加自定义颜色条, 自定义范围和标签
10
colors = ['#006633', '#E5FFCC', '#662A00', '#D8D8D8', '#F5F5F5']  # 颜色列表
11
labels = ['Low', 'Medium', 'High', 'Very High', 'Extremely High']
12
m.add_colorbar(colors=colors, labels=labels, vmin=0, vmax=4000) #指定最小值和最大值.
13

14
m

6. 分屏和联动地图

1
import leafmap
2

3
# 创建两个地图
4
m1 = leafmap.Map(center=[40, -100], zoom=4, height="450px") #美国中心
5
m2 = leafmap.Map(center=[40, -100], zoom=4, height="450px")
6

7
# 添加不同的底图
8
m1.add_basemap("OpenStreetMap")
9
m2.add_basemap("Esri.WorldImagery")
10

11
#创建分割面板
12
leafmap.linked_maps([m1, m2]) #进行地图联动`

7. OpenStreetMap数据集成

1
import leafmap
2

3
m = leafmap.Map(center=[40.7128, -74.0060], zoom=14)  # New York City
4
#通过城市名称下载, 并添加到地图
5
m.add_osm_from_geocode("Manhattan, New York", layer_name="Manhattan")
6
m

8. 交互式矢量数据编辑

此功能需要在Jupyter中与地图进行交互操作, 以下代码仅为启动编辑功能的示例

1
import leafmap
2

3
m = leafmap.Map()
4
m.add_draw_control() #添加绘制工具, 允许用户在地图上进行交互式绘制
5
m

9. 地理空间数据搜索 (以 STAC 为例)

(此功能需要在Jupyter中使用搜索工具与地图进行交互操作)

1
import leafmap
2

3
m = leafmap.Map()
4
m.add_stac_layer(
5
   url="https://raw.githubusercontent.com/SpatialTemporalAssetCatalogs/stac-browser/main/examples/stac-load/catalog.json"
6
)
7
m

10. 栅格像素值交互式检查

1
import leafmap
2

3
m = leafmap.Map()
4
# 添加栅格数据 (使用示例数据, 或替换成你的栅格文件路径)
5
url = 'https://github.com/giswqs/data/raw/main/raster/srtm90.tif'
6
m.add_raster(url, layer_name="Elevation")
7
m

11. 专题地图和热力图 (以Choropleth map为例):

1
import leafmap
2
import geopandas as gpd
3

4
m = leafmap.Map()
5
url = "https://raw.githubusercontent.com/giswqs/leafmap/master/examples/data/us_states.json"
6
gdf = gpd.read_file(url)
7
m.add_gdf(gdf, "pop_est", layer_name="US States Population")
8
m

12. PostGIS 数据库集成:

假设已经有一个PostGIS数据库并配置好连接

1
import leafmap
2
import psycopg2
3

4
m = leafmap.Map()
5

6
# 数据库连接参数 (替换成你的实际参数)
7
db_params = {
8
    'host': 'your_host',
9
    'database': 'your_database',
10
    'user': 'your_user',
11
    'password': 'your_password',
12
    'port': 'your_port'
13
}
14

15
# SQL 查询 (替换成你的查询)
16
sql = "SELECT * FROM your_table"
17

18
m.add_postgis_layer(db_params, sql, layer_name="PostGIS Layer")
19
m

13. 时间序列动画 (以Raster为例):

1
import leafmap
2
import glob
3
import os
4

5
m = leafmap.Map(center=[40, -100], zoom=4)
6

7
# 假设你有一系列按时间顺序命名的 GeoTIFF 文件 (例如: image_2020.tif, image_2021.tif, ...)
8
# 你需要将这些文件放在一个文件夹中
9
image_folder = "path/to/your/image/folder" #文件路径
10

11
# 使用 glob 获取文件列表
12
images = glob.glob(os.path.join(image_folder, "*.tif"))
13
images.sort()  # 确保按时间顺序排列
14

15
# 创建时间序列
16
m.add_time_slider(images, time_interval=1) #每一张图片之间的时间间隔为1, 单位是秒.
17
m

14. 地理空间分析 (以WhiteboxTools为例, 计算坡度):

1
import leafmap
2
import whitebox
3

4
wbt = whitebox.WhiteboxTools() #实例化
5

6
# 设置 WhiteboxTools 工作目录 (可选, 如果已在环境变量中设置)
7
wbt.set_whitebox_dir("path/to/your/whitebox/directory")  # 替换成你的 WhiteboxTools 安装目录
8

9
# 输入和输出文件路径 (你需要替换成你的文件路径)
10
input_dem = "path/to/your/dem.tif"
11
output_slope = "path/to/output/slope.tif"
12

13
# 计算坡度
14
wbt.slope(input_dem, output_slope)
15

16
# 将结果添加到地图
17
m = leafmap.Map()
18
m.add_raster(output_slope, layer_name="Slope", colormap="gist_earth")
19
m

15. 遥感影像分割和分类 (需要segment-geospatial 包):

由于涉及到深度学习模型, 示例代码会比较长, 且需要预训练模型, 这里给出一个简化版的流程示意。

1
import leafmap
2
from samgeo import SamGeo, tms_to_geotiff #需要另外安装samgeo
3

4
# 下载示例图像
5
image = "satellite_image.tif"  # 替换成你的遥感影像文件
6
tms_to_geotiff(output=image, bbox=[-71.2255, 42.3425, -71.1996, 42.3592], zoom=17)
7

8
#  创建 SamGeo 对象
9
sam = SamGeo(
10
    model_type="vit_h",
11
    checkpoint="sam_vit_h_4b8939.pth",
12
    device=torch.device("cuda" if torch.cuda.is_available() else "cpu"),
13
)
14

15
# 设置影像
16
sam.set_image(image)
17

18
# 进行分割 (需要交互式指定种子点, 或使用自动生成的网格)
19
#    例如, 自动生成网格:
20
sam.generate_masks(foreground=True, erosion_kernel=(3, 3), mask_multiplier=255)
21

22
# 将结果转换为矢量
23
sam.masks_to_polygons(output="segmented_polygons.shp")
24

25
# 在 Leafmap 中显示
26
m = leafmap.Map()
27
m.add_raster(image, layer_name="Satellite Image")
28
m.add_vector("segmented_polygons.shp", layer_name="Segments")
29
m

16. 构建交互式Web应用 (以 Streamlit 为例):

1
import streamlit as st
2
import leafmap.foliumap as leafmap #使用folium
3

4
# 创建一个简单的 Streamlit 应用
5
st.title("Leafmap in Streamlit")
6

7
m = leafmap.Map()
8
m.add_basemap("OpenStreetMap")
9

10
# 将 Leafmap 地图添加到 Streamlit
11
m.to_streamlit(height=700)`