Réanalyses Coméphore

Merci, mais j’ ai toutes les peines du monde a installer OSGeo4W QGIS et gdal : M’ ont installé un deuxième Python, et grâce à cela PIP ne trouve pas le nécessaire pour installer gdal… De toute façon, la disponibilité des données ne doit pas dépendre d’ un gdal et doit être décrite indépendamment de gdal ou autre. Donc puis je vous demander de bien vouloir répondre tout simplement à mes questions ou générer un fichier texte des coordonnées géographiques latitude longitude du centre des pixels. Je ne suis probablement pas le seul à avoir le même probleme. Vous en remerciant. OH

Rebonjour, Je trouve en effet les algorithmes ALG0001, ALG0002, dans la NT/G 73, puis ALG0069 et ALG0070, que je peux implémenter : Ils ne traitent que de la projection stéréoscopique polaire sur le plan tangent au pole opposé. Je lis aussi NGA_SIG_0012_2.0.0_UTMUPS. Et la norme ISO/IEC 18026:2009. La projection polaire est classiquement ramenée à un point de référence par une homothétie depuis le pole sud, d’ axe l’ axe de la terre, jusqu’ à un point de référence qui devrait être celui cité dans votre documentation : 45N, 0 de longitude Donc avec cela j’ ai tout pour calculer, sauf le moindre élément de validation des calculs, qui ne peut venir que de Météo France. Meme pour dire que vos fichiers gtiff sont bien complets, au sens des outils que vous mentionnez, il faut avoir fait une validation sur des points de tests comme les quatre coins de la zone pixélisée. Auriez vous un tel document de validation de votre format ? Puis je donc vous demander de bien vouloir transmettre à l’ autorité technique de Météo France, qui est par principe la seule à pouvoir garantir la conformité de vos données, ma demande de cas de validation des calculs de la grille kilométrique utilisée, ainsi bien entendu ma suggestion, que les coordonnées géographiques longitude et latitude des centres des pixels soient publiées, afin que tous les publics puissent accéder facilement et surement aux données de zones précisément définies. Vous en remerciant. OH

Contribution au site Meteo France : J’ ai finalement pu faire une bonne installation de QGIS, et faire exécuter la commande Raster/Divers/Information raster dans les menus déroulants, qui a appelé : gdalinfo -mm -stats "C:/…./UNZIP COMEPHORE 202601/2026/2026013018_RR.gtif" Lisant ainsi en particulier ceci : METHOD["Polar Stereographic (variant B)", PARAMETER["Latitude of standard parallel",45, PARAMETER["Longitude of origin",0, PARAMETER["False easting",0, PARAMETER["False northing",0, CS[Cartesian,2], Data axis to CRS axis mapping: 1,2 Origin = (-619652.074055918143131,-3526818.337931886781007) Pixel Size = (1000.000000000000000,-999.999999999999659) Corner Coordinates: Upper Left ( -619652.074,-3526818.338) ( 9d57'54.00"W, 53d40'12.00"N) Lower Left ( -619652.074,-5062818.338) ( 6d58'40.37"W, 39d51' 8.50"N) Upper Right ( 916347.926,-3526818.338) ( 14d33'52.95"E, 53d 4'17.92"N) Lower Right ( 916347.926,-5062818.338) ( 10d15'33.19"E, 39d28' 4.26"N) Center ( 148347.926,-4294818.338) ( 1d58'41.79"E, 46d59'42.82"N) Band 1 Block=1536x1536 Type=UInt16, ColorInterp=Gray C’ est une IA qui m’ a ensuite permis de saisir le détail, et recommandé d’ utiliser le module pyproj, qui est derrière gdal. Cette IA m’ a permis de réaliser les conversions nécessaires entre une longitude/latitude et la lignes et la colonne du pixel le plus proche sur la grille, par exemple. Le code Python élémentaire ci-après peut aider tout autre débutant, et il est cohérent avec ce que gdal lit dans un fichier RR, comme coordonnées des quatre coins. Puis je suggèrer que Météo-France publie l’ équivalent, officiellement, pour permettre à tout utilisateur d’ exploiter plus facilement les données COMEPHORE. OH Code Python : import pyproj as pp crs_proj = pp.CRS.from_proj4('+proj=stere +lat_0=90 +lat_ts=45 +lon_0=0 +datum=WGS84 +units=m') def lonlat(x,y): transformer = pp.Transformer.from_crs( crs_proj , "EPSG:4326" ,always_xy=True) # noter que l' ordre des deux premiers arguments donne le sens de la transformation lon, lat = transformer.transform(x, y) return lon,lat # jeu d’ essai : # >>>lonlat(-619652.074055918,-3526818.337931887) # (-9.964999999999996, 53.66999999999362) # >>>lonlat(-619652.074,-5062818.338) # (-6.97788119478683, 39.852361410269275) def xy(lon,lat): transformer = pp.Transformer.from_crs( "EPSG:4326" , crs_proj ,always_xy=True) # noter que l' ordre des deux premiers arguments donne le sens de la transformation x,y = transformer.transform(lon,lat) return x,y # jeu d’ essai : # >>>xy(-9.964999999999996, 53.66999999999362) # (-619652.074056022, -3526818.337932479) # >>>xy(-6.97788119478683, 39.852361410269275) # (-619652.0740000024, -5062818.33800002) def xypixel(col,lig): X0 = -619652.074055918;Y0 = -3526818.337931887 return X0+(col+0.5)*1000,Y0-(lig+0.5)*1000 def collig(x,y): """ le pixel le plus proche de x,y """ X0 = -619652.074055918;Y0 = -3526818.337931887 col=(x-X0)/1000 - 0.5;lig=(Y0-y)/1000 - 0.5 return round(col), round(lig) # jeu d’ essai : # >>>xypixel(23,18) # (-596152.074055918, -3545318.337931887) # >>>collig(-596152.074055918, -3545318.337931887) # (23, 18) # >>>collig( 148347.926,-4294818.338) # (768, 768) # >>>xypixel(768, 768) # (148847.92594408197, -4295318.337931886)