从网上找到Python判断海陆点的两种方法。

Basemap is_land

利用Basemap工具函数is_land()

from mpl_toolkits.basemap import Basemap

map = Basemap(projection='cyl', resolution='i')

#lon, lat = 130., 30. #ocean
lon, lat = 120., 30.  #land 
xp,yp = map(lon,lat)

print(map.is_land(xp,yp))

说明：

• is_land(xpt,ypt)接受的参数是basemap建立的地图投影坐标中的(xpt,ypt)，所以必须先将经纬度转换成投影坐标位置再传给is_land函数。
• 海陆点判断基于GSHHS海岸线数据（polygon），陆地区域湖上的点不算做陆地点。
• Basemap参数resolution可以指定边界数据库的分辨率，有如下选择：c(crude)/l(low)/i(intermediate)/h(high)/f(full)/None，默认使用c。分辨率越高，判断越准确，但运行速度也更慢。

Basemap说明：https://matplotlib.org/basemap/api/basemap_api.html

global-land-mask

项目地址：https://github.com/toddkarin/global-land-mask

特色

• 使用全球1 km超高分辨率的GLOBE高程数据集制作海陆掩码，数据源（https://www.ngdc.noaa.gov/mgg/topo/gltiles.html）。
• 数据点维数（21600,43200），如果不压缩的话有980MB，通过numpy savez_compressed压缩保存只有2.5MB。
• global.is_land使用规则网格上最邻近查表法，速度比Basemap.is_land快很多

示例

globe.is_land(lat,lon)直接接受经纬度参数，参数可以是标量/数组。

from global_land_mask import globe
import numpy as np

# Check if a point is on land:
lat = 40
lon = -120
is_on_land = globe.is_land(lat, lon)

print('lat={}, lon={} is on land: {}'.format(lat,lon,is_on_land))
# lat=40, lon=-120 is on land: True

# Check if several points are in the ocean
lat = 40
lon = np.linspace(-150,-110,3)
is_in_ocean = globe.is_ocean(lat, lon)
print('lat={}, lon={} is in ocean: {}'.format(lat,lon,is_in_ocean))
# lat=40, lon=[-150. -130. -110.] is in ocean: [ True  True False]

速度对比

根据作者提供的范例example_speed_compare.py，相比Basemap.is_land，globe库在我的机器上测试加速了2472倍左右。

Time to run globe.is_land(): 0.0011701583862304688
Time to run Basemap.is_land(): 2.8924736976623535
Speed up: 2471.865118174409
Fraction agreeing: 0.9856

其它说明

• 其中“湖”被当做陆地。
• 可以看出该方法不是完全准确判断，但满足大部分需求了。