Python处理遥感影像：GDAL库入门指南

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《Python处理遥感影像：GDAL库实用教程》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

要处理遥感影像，需掌握GDAL的几个关键技巧：1. 读取基本信息，包括尺寸、波段数、地理变换和投影信息；2. 读写波段数据，使用NumPy数组进行计算并保存结果；3. 裁剪与重采样操作，通过gdal.Warp实现区域裁剪和分辨率调整；4. 注意数据类型、NoData值处理、内存管理和资源释放。这些步骤构成了Python中利用GDAL处理遥感影像的核心流程。

处理遥感影像在地理信息、环境监测、城市规划等领域非常常见，而Python凭借其强大的生态和易用性，成为很多人的首选语言。如果你打算用Python来处理遥感数据，GDAL（Geospatial Data Abstraction Library） 是一个绕不开的工具。

这篇文章会从实用角度出发，介绍几个你最可能需要掌握的 GDAL 使用技巧，帮助你快速上手处理遥感影像。

读取遥感影像的基本信息

在开始处理之前，了解影像的基本信息是必须的，比如波段数、分辨率、坐标范围、投影信息等。

使用 GDAL 打开文件后，可以通过 Dataset 对象获取这些内容：

from osgeo import gdal

dataset = gdal.Open("your_image.tif")
print("行数：", dataset.RasterYSize)
print("列数：", dataset.RasterXSize)
print("波段数：", dataset.RasterCount)

geotransform = dataset.GetGeoTransform()
projection = dataset.GetProjection()

print("地理变换参数：", geotransform)
print("投影信息：", projection)

• RasterYSize 和 RasterXSize 是图像尺寸。
• GetGeoTransform() 返回的是仿射变换参数，包括左上角坐标和像元大小。
• 投影信息一般是以 WKT 格式返回的字符串。

小提示：如果读取失败，可能是路径不对或者文件格式不支持，记得检查一下扩展名是否正确。

读取与写入波段数据

遥感影像通常包含多个波段（如红绿蓝、近红外等），我们经常需要单独操作某个波段，比如提取 NDVI 或进行分类。

读取第一个波段的数据可以这样写：

band = dataset.GetRasterBand(1)
array = band.ReadAsArray()

• ReadAsArray() 返回的是 NumPy 数组，可以直接参与计算。
• 如果你想把处理后的数组保存为新文件，可以用下面的方法创建并写入：

driver = gdal.GetDriverByName("GTiff")
out_dataset = driver.Create("output.tif", array.shape[1], array.shape[0], 1, band.DataType)
out_dataset.SetGeoTransform(geotransform)
out_dataset.SetProjection(projection)
out_band = out_dataset.GetRasterBand(1)
out_band.WriteArray(array)
out_band.FlushCache()

• 注意输出数据类型要和原始一致，否则可能会出错。
• 写完之后别忘了释放资源：del out_dataset。

常见预处理操作：裁剪与重采样

实际工作中，我们经常需要对影像进行裁剪或调整分辨率，这两个功能 GDAL 都原生支持。

裁剪影像

可以使用 gdal.Warp() 函数配合裁剪范围（bounding box）完成：

options = gdal.WarpOptions(outputBounds=[minX, minY, maxX, maxY])
gdal.Warp("clipped.tif", dataset, options=options)

• 其中 minX, maxX 等是你希望保留区域的边界坐标。
• 这个方法也适用于格式转换，只需要修改输出文件名的后缀即可。

重采样影像

改变影像分辨率也很简单，只需指定 xRes 和 yRes：

resampled = gdal.Warp("resampled.tif", dataset, xRes=30, yRes=30)

• 上面的例子将影像重采样到 30 米分辨率。
• 默认使用最近邻插值，也可以通过 resampleAlg="bilinear" 指定其他方式。

一些容易忽略但重要的细节

• 数据类型：不同传感器输出的数据类型可能不一样，比如有的是 uint16，有的是 float32，在做归一化或计算前最好先确认。

• NoData 值：有些影像有无效像素，处理时要记得设置或跳过它们：

  nodata = band.GetNoDataValue()
  if nodata is not None:
      array[array == nodata] = 0  # 示例替换为0

• 内存管理：大影像一次性加载可能吃不消，建议分块读取或使用 ReadAsArray(xoff, yoff, xsize, ysize) 来控制内存。

• 关闭数据集：处理完成后记得释放资源，避免锁住文件或内存泄漏。

基本上就这些。掌握了这几个关键步骤，你就能用 Python + GDAL 完成大多数遥感影像的基础处理了。

本篇关于《Python处理遥感影像：GDAL库入门指南》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！