利用 Python 处理遥感影像数据：计算年度平均影像-CFANZ编程社区

在地球科学、气象学以及环境监测等领域，遥感影像数据是一种重要的信息源，它们可以提供地表的地形、植被覆盖、气候变化等丰富信息。然而，随着观测技术的进步，我们通常会获得大量的遥感影像数据，如何高效地处理和分析这些数据成为了一项挑战。本文将介绍如何利用 Python 中的 GDAL 库处理遥感影像数据，并通过计算年度平均影像来提取更有意义的信息。

1. 环境准备

在开始之前，确保你已经安装了 Python 和 GDAL 库。如果还没有安装，你可以通过 pip 进行安装：

pip install gdal

2. 处理单个 TIFF 文件

我们首先定义了一个函数 process_tiff_folder，它用于处理一个包含多个 TIFF 文件的文件夹。在这个函数中，我们遍历文件夹中的每个 TIFF 文件，读取其数据并提取地理信息。然后，我们将每个像素的经纬度与高程值一起保存在一个二维数组中，以便后续处理使用。

3. 计算年度平均影像

接下来，我们定义了一个名为 calculate_yearly_mean 的函数，它用于计算给定文件夹中所有影像文件的年度平均影像。在这个函数中，我们首先读取输入文件夹中的所有影像文件，并创建一个字典来存储每年的影像数据。然后，我们遍历每个影像文件，累加每年的像素值和像素计数。最后，我们计算每年的平均影像，并将结果保存为新的 TIFF 文件。

4. 示例代码

下面是一个示例代码，演示了如何使用上述函数处理遥感影像数据：

# 输入文件夹和输出文件夹
input_folder = "path/to/input/folder"
output_folder = "path/to/output/folder"

# 获取栅格数据
cols = process_tiff_folder(input_folder, output_folder)

# 计算年度平均影像
calculate_yearly_mean(input_folder, output_folder)

5. 完整代码

import os
import numpy as np
from osgeo import gdal


def process_tiff_folder(folder_path, output_folder):
    for root, dirs, files in os.walk(folder_path):
        for file in files:
            if file.endswith(".tif"):
                tif_path = os.path.join(root, file)
                folder_name = os.path.basename(root)  # 获取文件夹名称
                dataset = gdal.Open(tif_path)  # 打开tif

                # 获取行数列数和地理信息
                geo_information = dataset.GetGeoTransform()
                col = dataset.RasterXSize
                row = dataset.RasterYSize
                dem = dataset.GetRasterBand(1).ReadAsArray()

                # 获取行列数，对应其经纬度,j对于x坐标
                cols = []
                for y in range(row):
                    rows = []
                    for x in range(col):
                        # 有效高程
                        if dem[y][x] != dataset.GetRasterBand(1).GetNoDataValue():
                            # 输出经纬度
                            lon = geo_information[0] + x * geo_information[1] + y * geo_information[2]
                            lat = geo_information[3] + x * geo_information[4] + y * geo_information[5]
                            child = [lon, lat, dem[y][x], y, x]
                            rows.append(child)
                    cols.append(rows)
    return cols


def calculate_yearly_mean(input_folder, output_folder):
    # 获取输入文件夹中的所有影像文件路径
    input_files = [os.path.join(input_folder, f) for f in os.listdir(input_folder) if f.endswith('.tif')]

    # 创建输出文件夹
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 初始化年度影像字典
    yearly_images = {}

    # 遍历所有输入影像文件
    for file_path in input_files:
        # 从文件名中提取年份和月份
        year = int(file_path.split('_')[1])
        month = int(file_path.split('_')[2].split('.')[0])

        # 读取影像数据
        dataset = gdal.Open(file_path)
        image = dataset.GetRasterBand(1).ReadAsArray()

        # 处理无效值
        invalid_value = dataset.GetRasterBand(1).GetNoDataValue()
        image[image == invalid_value] = np.nan

        # 初始化年份数据字典
        if year not in yearly_images:
            yearly_images[year] = {'sum': np.zeros(image.shape), 'count': np.zeros(image.shape)}

        # 累加每年的像素值和计数
        yearly_images[year]['sum'] += np.where(np.isnan(image), 0, image)
        yearly_images[year]['count'] += np.where(np.isnan(image), 0, 1)

    # 遍历年度影像字典，计算每年的平均影像并保存
    for year, data in yearly_images.items():
        # 计算每年的平均影像
        yearly_mean = np.divide(data['sum'], data['count'], out=np.zeros_like(data['sum']), where=data['count'] != 0)

        # 获取输入影像的地理转换信息
        dataset = gdal.Open(input_files[0])
        geotransform = dataset.GetGeoTransform()
        projection = dataset.GetProjection()

        # 创建输出影像
        driver = gdal.GetDriverByName('GTiff')
        output_path = os.path.join(output_folder, f'{year}_mean.tif')
        output_dataset = driver.Create(output_path, yearly_mean.shape[1], yearly_mean.shape[0], 1, gdal.GDT_Float32)
        output_dataset.SetGeoTransform(geotransform)
        output_dataset.SetProjection(projection)
        output_dataset.GetRasterBand(1).WriteArray(yearly_mean)

        # 关闭输出数据集
        output_dataset = None

    print("年度平均影像计算完成！")


# 输入文件夹和输出文件夹
input_folder = r"D:\lky\person\month"
output_folder = r"D:\lky\person\month_year"

# 获取栅格数据
cols = process_tiff_folder(input_folder, output_folder)

# 计算年度平均影像
calculate_yearly_mean(input_folder, output_folder)