Python卫星数据处理教程：rasterio库使用详解

珍惜时间，勤奋学习！今天给大家带来《Python处理卫星数据教程：rasterio库详解》，正文内容主要涉及到等等，如果你正在学习文章，或者是对文章有疑问，欢迎大家关注我！后面我会持续更新相关内容的，希望都能帮到正在学习的大家！

使用Python的rasterio库处理卫星数据的关键方法包括：1. 安装与基础读取，通过pip或conda安装后，使用open函数读取GeoTIFF文件并获取元数据和波段信息；2. 显示与分析图像数据，结合matplotlib进行单波段和RGB多波段图像可视化，并进行归一化和对比度拉伸处理；3. 裁剪与重投影，利用Window对象裁剪感兴趣区域，通过calculate_default_transform和reproject实现坐标系转换；4. 保存处理结果，更新profile参数后将裁剪或重投影后的数据写入新的GeoTIFF文件，确保地理信息准确。

处理卫星数据在遥感、地理信息系统（GIS）等领域非常常见。如果你用Python，rasterio是一个强大又常用的库，专门用来读写栅格地理空间数据。它能轻松处理像GeoTIFF这样的格式，非常适合处理卫星图像。

下面是一些使用rasterio处理卫星数据的关键方法和技巧，适合入门者和需要实际操作的人。

1. 安装与基础读取

首先，你需要安装rasterio。最简单的方式是通过pip或conda：

pip install rasterio

安装完成后，就可以开始读取GeoTIFF文件了。假设你有一个名为satellite_image.tif的文件：

import rasterio

with rasterio.open('satellite_image.tif') as src:
    print(src.profile)  # 查看元数据信息
    band1 = src.read(1)  # 读取第一个波段

这里有几个关键点：

• src.profile 包含了数据类型、坐标参考系统（CRS）、变换矩阵等重要信息。
• 多数卫星图像会有多个波段，比如红、绿、蓝、近红外等，可以通过read(n)来获取第n个波段。

2. 显示与分析图像数据

读取完数据后，你可能想看看图像内容或者做一些基本分析。可以用matplotlib来可视化：

import matplotlib.pyplot as plt

plt.imshow(band1, cmap='gray')
plt.colorbar()
plt.show()

如果是多波段图像（比如RGB），可以这样合成显示：

rgb = src.read([3, 2, 1])  # 假设3=红，2=绿，1=蓝
rgb = rgb.transpose((1, 2, 0))  # 调整维度顺序为(height, width, bands)
plt.imshow(rgb / rgb.max())  # 归一化显示
plt.show()

注意：

• 不同传感器的数据范围不同，有的可能是16位深度，记得做归一化处理。
• 可视化前通常需要拉伸对比度，避免图像发暗或过曝。

3. 裁剪与重投影

很多时候你只需要感兴趣区域，或者需要将数据转换到统一的坐标系中。rasterio支持裁剪和重投影操作。

裁剪图像

你可以根据一个地理边界（bbox）来裁剪图像：

from rasterio.windows import Window

# 假设你知道左上角像素位置(x, y)和宽高(width, height)
window = Window(col_off=100, row_off=200, width=500, height=500)

with rasterio.open('satellite_image.tif') as src:
    cropped = src.read(window=window)

重投影

要将图像从一种坐标系转换为另一种（如WGS84转Web Mercator）：

from rasterio.warp import calculate_default_transform, reproject, Resampling

dst_crs = 'EPSG:3857'  # Web Mercator

with rasterio.open('satellite_image.tif') as src:
    transform, width, height = calculate_default_transform(
        src.crs, dst_crs, src.width, src.height, *src.bounds
    )
    kwargs = src.meta.copy()
    kwargs.update({
        'crs': dst_crs,
        'transform': transform,
        'width': width,
        'height': height
    })

    with rasterio.open('reprojected_image.tif', 'w', **kwargs) as dst:
        for i in range(1, src.count + 1):
            reproject(
                source=rasterio.band(src, i),
                destination=rasterio.band(dst, i),
                src_transform=src.transform,
                src_crs=src.crs,
                dst_transform=transform,
                dst_crs=dst_crs,
                resampling=Resampling.bilinear
            )

这个过程比较复杂，但非常实用。特别是当你需要将多个不同来源的图像对齐时。

4. 保存处理后的结果

处理完数据之后，通常需要保存为新的GeoTIFF文件。例如保存裁剪后的图像：

profile = src.profile
profile.update(width=cropped.shape[2], height=cropped.shape[1], transform=window.transform)

with rasterio.open('cropped_image.tif', 'w', **profile) as dst:
    dst.write(cropped)

记住更新profile中的关键参数，否则新文件的地理信息会不准确。

基本上就这些。用rasterio处理卫星数据虽然不像QGIS那样直观，但灵活性更强，特别适合批量处理和自动化流程。掌握好这几个步骤，就能完成大部分常见的预处理任务了。

以上就是《Python卫星数据处理教程：rasterio库使用详解》的详细内容，更多关于Python,rasterio,卫星数据,GeoTIFF,裁剪与重投影的资料请关注golang学习网公众号！