Konvertera till ett gemensamt CRS och spara till fil
Som vi sett i de föregående övningarna använder båda datamängderna olika koordinatreferenssystem (CRS). Det illustreras även av den första kartan i den här övningen (koden för den är redan angiven i skriptet): båda datamängderna avser samma region och borde därför överlappa i sina koordinater – men det gör de inte.
För de fortsatta analyserna i det här kapitlet konverterar vi båda datamängderna till samma CRS och sparar dem till nya filer. För att kunna göra avståndsbaserade beräkningar konverterar vi dem till ett projicerat CRS: den lokala UTM-zonen 35, som identifieras av EPSG:32735 (https://epsg.io/32735).
Datamängderna för gruvplatser (mining_sites) och nationalparker (national_parks) är redan inlästa, och GeoPandas och matplotlib är importerade.
Den här övningen är en del av kursen
Arbeta med geospatial data i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot the natural parks and mining site data
ax = national_parks.plot()
mining_sites.plot(ax=ax, color='red')
plt.show()
# Convert both datasets to UTM projection
mining_sites_utm = ____
national_parks_utm = ____
# Plot the converted data again
ax = national_parks_utm.plot()
mining_sites_utm.plot(ax=ax, color='red')
plt.show()