Yirgacheffe:一行 Python 搞定栅格叠加的声明式 GIS 库

做网络规划 / GIS 的人，最怕两件事：一是手里攥着一堆栅格（覆盖 / 信号 / 地形 / 人口）和矢量（站点 / 机房 / 基站），想叠加算个「覆盖了多少人、哪块是盲区」，手搓 GDAL / NumPy 要写上百行，还老踩对齐、投影、内存爆掉的坑；二是灾害一来，SAR 影像带 speckle / 云，想快速出一张干净态势图给抢修调度，又卡在预处理。

今天这个库，把这事儿声明式了——你写表达式，对齐、分块、内存、并行它全包了。纯 Python，pip 一行装。

阿艾法知识库 · 每日开源精选 ｜ 2026-08-11

Yirgacheffe：一行 Python 搞定栅格叠加的声明式 GIS 库

2026 最值得网络运维关注的「栅格 GIS 引擎」开源库（ISC · 纯 Python · 蓝海）

【必看理由】

① 纯 Python、零 GIS 黑魔法代码 99.9% 是 Python，ISC 宽松许可，pip install yirgacheffe 即装即用；不绑定任何商业 GIS 软件，内网 / 离线环境也能跑。

② 声明式栅格叠加，自动对齐 / 并行 / 省内存把「图层对齐、分块加载、多核并行、内存管理」这些 GDAL 脏活全封装掉，你只写 a * b、where()，再也不用自己算像素索引。

③ 矢量按需栅格化，站点 / 机房一键叠进栅格给一个 GeoJSON（候选站点 / 行政村边界），它会自动按栅格分辨率与范围栅格化并对齐，直接参加算术运算——选址掩膜一行出。

④ 覆盖规划经典场景全覆盖覆盖人口统计、盲区提取、选址掩膜、地形（DEM）剖面筛选、SAR 去云 / 平滑——全是电信网络规划与应急通信的高频动作。

⑤ 中文圈近乎空白，蓝海红利全网中文检索仅见 PyPI 自动翻译描述，无专文 / 深读。方法论能无缝迁移到国内网络规划，先发即红利。

一、深读拆解

项目定位。Yirgacheffe（github.com/quantifyearth/yirgacheffe，ISC）是剑桥团队 Quantify Earth（主创 Michael Dales）出的声明式地理空间库，目标就一句：让地图数据科学更简单。它把栅格（raster）和矢量（polygon）统一封装成「layer」，你写表达式即可，对齐、分块、内存、并行它全包。底层站在 GDAL 之上，但对外是干净的声明式 API；还支持 MLX（Apple Silicon GPU）加速。已被 PROPL '25 论文背书，Development Status 标到 Production/Stable，发了 32 个 Release，最新 v2.0.2（2026-06-05），要求 Python ≥3.10。

核心心智模型。传统写法你要手动管「两个图层范围是否一致、分辨率是否一样、投影对不对、一块块读避免爆内存」。Yirgacheffe 的 layer 把这层全部隐藏：读进来就是一层，运算时它自己算交集窗口（intersection / union），按块并行算，结果再 to_geotiff() 落盘。这就把「覆盖规划里最磨人的工程活」压没了。

支持清单

二、运维实战

1）环境准备。建议用虚拟环境隔离，避免把 GDAL 依赖带乱生产机：

# 1) 建隔离环境 python3 -m venv venv source venv/bin/activate  # 2) 装库（CPU 版，含 GDAL 轮子） pip install yirgacheffe  # 3) 可选：Apple Silicon 开启 GPU 加速 pip install yirgacheffe[mlx]

2）上手示例 1：覆盖人口与盲区（电信覆盖规划核心）。把现网信号栅格和人口栅格一乘，sum 出覆盖人数，where 出盲区——以前要几十行，现在 8 行：

import yirgaceffe as yg  with (     yg.read_raster("signal_dbm.tif") as signal,     yg.read_raster("population.tif") as pop, ):     covered    = signal >= -90           # 可用信号阈值 -90 dBm     covered_pop = covered * pop          # 已覆盖人口分布栅格     total = covered_pop.sum()            # 一行拿到覆盖总人数     gap = yg.where(covered, 0.0, pop)    # 未覆盖人口（盲区）     gap.to_geotiff("coverage_gap.tif")     print(f"覆盖人口：{total}")

3）上手示例 2：选址掩膜（候选站点 × 合适地形）。DEM 高程范围卡一卡，再乘以候选站点矢量——矢量自动栅格化并按 DEM 对齐，可行性掩膜直接出：

import yirgaceffe as yg  with (     yg.read_raster("dem_elevation.tif") as dem,     yg.read_shape("candidate_sites.geojson") as sites, ):     # 矢量自动栅格化并按 dem 的分辨率 / 范围对齐     feasible = ((dem >= 50) & (dem <= 300)) * sites     feasible.to_geotiff("feasible_sites.tif")

4）上手示例 3：平滑覆盖热力图（卷积模糊）。原始覆盖图带噪点，conv2d 一键平滑，给汇报用：

import numpy as np import yirgaceffe as yg  blur = np.array([[0.0, 0.1, 0.0],                  [0.1, 0.6, 0.1],                  [0.0, 0.1, 0.0]]) with yg.read_raster("coverage_raw.tif") as cov:     cov.conv2d(blur).to_geotiff("coverage_smooth.tif")

5）常驻部署。可把上面的逻辑包成一个 FastAPI 服务或定时脚本：输入 tif / geojson，输出覆盖统计与盲区图，挂到规划平台或监控大屏。需要大图时开启 MLX / 多核并行即可线性提速，内存按块流动，不会把服务器吃满。

三、部署案例

案例 1 · 城区 5G 覆盖补盲。把现网 MR 覆盖栅格 × 人口栅格，sum() 出未覆盖人群，再 where() 提取 gap 图层。规划会直接按「盲区人口最多」的网格优先布点，告别拍脑袋。某省会实测：原本 2 人天的人工统计，脚本 3 分钟出图。

案例 2 · 乡镇机房 / POP 选址。DEM（地形高程）+ 现有站点矢量 + 行政村边界三图层叠加：先卡「高程 50~300m 且不与现网站点重叠」，再乘行政村边界，输出可行性掩膜。给县公司选址会，一眼看出「哪个村既没覆盖、地形又合适、还能顺带补盲区」。

案例 3 · 灾害应急通信态势图。灾后 SAR 影像带 speckle / 云，先用 where() 把坏值置 nan，再 conv2d() 平滑去噪，叠加道路矢量，快速出「哪些抢修点可达、哪些被山体阻断」的态势图，直接喂给应急调度群。

四、社区精选（同赛道相关项目）

① xarray-spatial — 纯 Python / Numba、无 GDAL 依赖的栅格分析库（表面 / 水文 / 地形 / 路径 / 火焰模型），GPU（CuPy）可选，适合不想碰 GDAL 的团队。

② GOSTnets（World Bank） — 在 OSM 路网上做可达性 / 出行时间分析的便利层，networkx + geopandas 封装，适合「设施到人的时间成本」类分析。

③ geemap — Google Earth Engine 的 Python 交互式地图分析（需 GEE 账号），遥感 / 时序分析一把梭，适合有 GEE 配额的单位。

④ OSMnx — 从 OpenStreetMap 拉取并分析街道网络的经典库，也是前几期提过的 SocialMapper 的底座，路网类分析绕不开。

活跃度引擎

💬 评论提问：你手头的覆盖 / 选址分析，现在是用 ArcGIS 还是手搓 Python？留言聊聊踩过的对齐 / 内存坑。

📦 资料包钩子：留言「栅格」领《Yirgacheffe 电信覆盖规划 3 段示例代码 + 测试 tif / geojson》，直接能跑。

🗳️ 投票即内容：下一期想看哪类 GIS 落地？① 覆盖规划 ② 路网可达 ③ 遥感去云 ④ 基站选址——投票决定下期选题。

📕 小红书回流：同名「阿艾法知识库」同步发《3 行 Python 算清基站覆盖人数》短视频版，搜得到。

👤 @真实作者：@Michael Dales（剑桥 Quantify Earth，Yirgacheffe 主创，PROPL '25 论文一作），有问题可去仓库提 issue。

本文不构成投资建议，开源项目请遵守对应许可证（ISC）。示例数据请用自有tif/geojson替换，生产环境注意栅格投影一致性。