使用Rasterio读取栅格数据的实例讲解
Rasterio简介
有没有觉得用GDAL的Python绑定书写的代码很不Pythonic,强迫症的你可能有些忍受不了。不过,没关系,MapBox旗下的开源库Rasterio帮我们解决了这个痛点。
Rasterio是基于GDAL库二次封装的更加符合Python风格的主要用于空间栅格数据处理的Python库。
Rasterio中栅格数据模型基本和GDAL类似,需要注意的是:
在Rasterio 1.0以后,对于GeoTransform的表示弃用了GDAL风格的放射变换,而使用了Python放射变换的第三方库affine库的风格。
对于放射变换
affine.Affine(a, b, c, d, e, f)
GDAL中对应的参数顺序是:(c, a, b, f, d, e)
采用新的放射变换模型的好处是,如果你需要计算某个行列号的地理坐标,直接使用行列号跟给放射变换对象相乘即可,完全符合数学上矩阵乘法的操作,更加直观和方便。
栅格数据读取代码示例
下面的示例程序中演示了如何读取一个GeoTIFF文件并获取相关信息,需要注意的是:
1、rasterio使用rasterio.open()函数打开一个栅格文件
2、rasterio使用read()函数可以将数据集转为numpy.ndarray,该函数如果不带参数,将把数据的所有波段做转换(第一维是波段数),如果指定波段,则只取得指定波段对应的数据(波段索引从1开始)
3、数据的很多元信息都是以数据集的属性进行表示的
import rasterio with rasterio.open('example.tif') as ds: print('该栅格数据的基本数据集信息(这些信息都是以数据集属性的形式表示的):') print(f'数据格式:{ds.driver}') print(f'波段数目:{ds.count}') print(f'影像宽度:{ds.width}') print(f'影像高度:{ds.height}') print(f'地理范围:{ds.bounds}') print(f'反射变换参数(六参数模型):\n {ds.transform}') print(f'投影定义:{ds.crs}') # 获取第一个波段数据,跟GDAL一样索引从1开始 # 直接获得numpy.ndarray类型的二维数组表示,如果read()函数不加参数,则得到所有波段(第一个维度是波段) band1 = ds.read(1) print(f'第一波段的最大值:{band1.max()}') print(f'第一波段的最小值:{band1.min()}') print(f'第一波段的平均值:{band1.mean()}') # 根据地理坐标得到行列号 x, y = (ds.bounds.left + 300, ds.bounds.top - 300) # 距离左上角东300米,南300米的投影坐标 row, col = ds.index(x, y) # 对应的行列号 print(f'(投影坐标{x}, {y})对应的行列号是({row}, {col})') # 根据行列号得到地理坐标 x, y = ds.xy(row, col) # 中心点的坐标 print(f'行列号({row}, {col})对应的中心投影坐标是({x}, {y})') # 那么如何得到对应点左上角的信息 x, y = (row, col) * ds.transform print(f'行列号({row}, {col})对应的左上角投影坐标是({x}, {y})')
输出如下:
该栅格数据的基本数据集信息(这些信息都是以数据集属性的形式表示的): 数据格式:GTiff 波段数目:3 影像宽度:4800 影像高度:4800 地理范围:BoundingBox(left=725385.0, bottom=2648415.0, right=869385.0, top=2792415.0) 反射变换参数(六参数模型): | 30.00, 0.00, 725385.00| | 0.00,-30.00, 2792415.00| | 0.00, 0.00, 1.00| 投影定义:CRS({'init': 'epsg:32649'}) 第一波段的最大值:5459 第一波段的最小值:-313 第一波段的平均值:489.80300625 (投影坐标725685.0, 2792115.0)对应的行列号是(10, 10) 行列号(10, 10)对应的中心投影坐标是(725700.0, 2792100.0) 行列号(10, 10)对应的左上角投影坐标是(725685.0, 2792115.0)
以上这篇使用Rasterio读取栅格数据的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
python 泛型函数--singledispatch的使用解读
这篇文章主要介绍了python 泛型函数--singledispatch的使用解读,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2022-09-09openCV-Python笔记之解读图像的读取、显示和保存问题
这篇文章主要介绍了openCV-Python笔记之解读图像的读取、显示和保存问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2022-12-12python数据分析apply(),map(),applymap()用法
这篇文章主要介绍了python数据分析apply(),map(),applymap()用法,可以方便地实现对批量数据的自定义操作。用法归纳如下,需要的朋友可以参考一下2022-03-03
最新评论