卫星遥感数据是地球科学、环境监测、农业生产等领域的重要数据源，而Python中的GDAL库是一款常用的开源GIS库，能够处理各种常见的遥感数据格式，包括Tiff、HDF、NetCDF等。
在本文将介绍如何使用Python中的GDAL库读取和保存遥感数据。对于读取遥感数据，我们通过gdal.Open()函数打开遥感数据集，然后使用GetRasterBand()函数获取数据集中的波段信息，并使用ReadAsArray()函数将数据读取为numpy数组。对于保存遥感数据，我们使用GDAL库中的gdal_array.SaveArray()函数，将numpy数组保存为遥感数据。
此外，我们还介绍了GDAL库中的一些其他函数，包括获取遥感数据的元数据信息、设置遥感数据的投影信息等。
通过本博客的学习，读者将掌握如何使用Python中的GDAL库读取和保存遥感数据，能够在遥感数据分析和处理中发挥重要作用。
文章目录
- 一、GDAL库示例
- 二、常用函数介绍
- 三、将影像读取为numpy数组
- 四、将numpy数组保存为影像
一、GDAL库示例
要使用Python读取遥感数据，需要使用适当的库。其中最常用的库是GDAL，这是一个开源的地理数据抽象库，可以读取和处理多种遥感数据格式。
下面是使用Python和GDAL库读取遥感数据的基本代码：
from osgeo import gdal
# 打开遥感数据文件
dataset = gdal.Open('path/to/your/datafile.tif')
# 获取遥感数据的基本信息
print('数据文件格式：', dataset.GetDriver().ShortName)
print('数据集宽度：', dataset.RasterXSize)
print('数据集高度：', dataset.RasterYSize)
print('数据集波段数：', dataset.RasterCount)
# 读取遥感数据中的像素值
band = dataset.GetRasterBand(1) # 获取第一个波段
pixels = band.ReadAsArray()
# 处理遥感数据
# ...
# 关闭数据文件
dataset = None
在上面的代码中，我们首先使用gdal.Open函数打开了一个遥感数据文件。然后使用GetDriver、RasterXSize、RasterYSize和RasterCount函数获取了遥感数据的基本信息。接下来，我们使用GetRasterBand函数获取第一个波段，并使用ReadAsArray函数读取了像素值。最后，我们可以对像素值进行处理，例如计算统计量、可视化等。最后别忘了关闭数据文件。
GDAL库可以通过pip install gdal来安装，或者下载gdal文件本地安装。
二、常用函数介绍
当读取遥感数据时，GDAL库提供了很多有用的函数和类。下面是一些GDAL库的函数和类，可帮助读取、处理和分析遥感数据：
- gdal.Open(filename)：打开指定的遥感数据文件，并返回一个数据集对象。
- gdal.Warp(dst_filename, src_ds, options)：将一个数据集转换为指定格式的数据集，options是一些可选参数，例如输出文件格式、输出文件分辨率等。
- gdal.Translate(dst_filename, src_ds, options)：将一个数据集转换为指定格式的数据集，与Warp类似，但Translate支持更多的格式转换。
- gdal.Info(ds)：输出数据集的信息，例如格式、大小、波段数等。
- gdal.Dataset.GetMetadata()：获取数据集的元数据信息，例如坐标系、地理范围、数据类型等。
- gdal.Dataset.GetRasterBand(band)：获取数据集中指定波段的RasterBand对象。
- gdal.RasterBand.ReadAsArray(xoff, yoff, xsize, ysize)：读取指定区域的像素值。
- gdal.RasterBand.ComputeStatistics()：计算当前波段的像素值统计信息，例如最大值、最小值、平均值、标准差等。
- gdal.TranslateOptions()：用于设置Translate函数的参数，例如输出文件格式、输出文件分辨率等。
- gdal.WarpOptions()：用于设置Warp函数的参数，例如输出文件格式、输出文件分辨率等。
这些函数和类只是GDAL库中的一小部分，更多的函数和类可以在GDAL的官方文档中找到。要注意的是，不同格式的遥感数据可能需要使用不同的函数和类进行读取和处理，需要根据具体情况选择适当的函数和类。
三、将影像读取为numpy数组
使用GDAL将影像读取为numpy数组需要先使用GDAL库提供的gdal.Open()函数打开影像，然后获取影像的元数据信息和数据，最后将数据转换为numpy数组。
下面是一个使用GDAL将影像读取为numpy数组的示例代码：
from osgeo import gdal, gdal_array
# 打开影像文件
dataset = gdal.Open('input.tif', gdal.GA_ReadOnly)
# 获取影像元数据信息
geotransform = dataset.GetGeoTransform()
projection = dataset.GetProjection()
# 读取影像数据
band = dataset.GetRasterBand(1)
data = band.ReadAsArray()
# 将影像数据转换为numpy数组
numpy_array = gdal_array.DatasetReadAsArray(dataset, xoff=0, yoff=0, win_xsize=band.XSize, win_ysize=band.YSize)
# 关闭影像文件
dataset = None
在上面的代码中，我们首先使用gdal.Open()函数打开了一个名为’input.tif’的影像文件，并使用gdal.GA_ReadOnly模式以只读模式打开影像。接下来，我们使用GetGeoTransform()和GetProjection()函数获取了影像的元数据信息，包括像素分辨率和地理坐标系。然后，我们使用GetRasterBand()函数获取了第一个波段，并使用ReadAsArray()函数将数据读取为numpy数组。最后，我们使用gdal_array.DatasetReadAsArray()函数将数据转换为numpy数组，可以指定读取的起始点和窗口大小。最后，别忘了关闭数据集对象。
需要注意的是，在使用gdal_array.DatasetReadAsArray()函数时，可以通过设置xoff、yoff、win_xsize和win_ysize参数来指定要读取的数据范围，如果不指定则默认读取整个影像数据。此外，不同的影像格式可能需要使用不同的函数来读取数据，需要根据具体情况进行设置。
四、将numpy数组保存为影像
要将numpy数组保存为影像，可以使用GDAL库提供的gdal_array.SaveArray()函数。这个函数可以将一个numpy数组保存为一个GDAL支持的遥感数据格式，例如GeoTIFF、ENVI等。
下面是一个使用GDAL保存numpy数组为GeoTIFF格式的示例代码：
from osgeo import gdal, gdal_array, osr
import numpy as np
# 创建一个numpy数组作为示例数据
data = np.random.randint(0, 255, (100, 100), dtype=np.uint8)
# 设置影像的元数据信息
geotransform = (0.0, 1.0, 0.0, 0.0, 0.0, -1.0) # 像素分辨率和地理坐标系
projection = osr.SpatialReference() # 地理参考系统
projection.ImportFromEPSG(4326) # 使用WGS84坐标系
# 将numpy数组保存为影像
driver = gdal.GetDriverByName('GTiff') # 选择输出格式
dataset = driver.Create('output.tif', data.shape[1], data.shape[0], 1, gdal.GDT_Byte) # 创建输出文件
dataset.SetGeoTransform(geotransform) # 设置地理变换信息
dataset.SetProjection(projection.ExportToWkt()) # 设置地理坐标系
dataset.GetRasterBand(1).WriteArray(data) # 写入数据
dataset = None # 关闭文件
在上面的代码中，我们首先创建了一个100×100的随机整数数组作为示例数据。然后，我们设置了输出影像的元数据信息，包括像素分辨率、地理坐标系等。接下来，我们使用GDAL的GetDriverByName函数选择了输出文件的格式（这里选择了GeoTIFF格式），并使用Create函数创建了输出文件。在创建文件时，我们使用了示例数据的尺寸和数据类型（这里为8位整数），并指定了输出文件的波段数为1。然后，我们使用SetGeoTransform和SetProjection函数设置了输出文件的地理信息和地理坐标系。最后，我们使用GetRasterBand函数获取第一个波段，并使用WriteArray函数将示例数据写入输出文件。最后，别忘了关闭数据集对象。
需要注意的是，这里我们将numpy数组作为一个单波段的影像进行保存。如果需要保存多波段的影像，可以使用类似的方法创建多个波段，然后分别将数据写入每个波段中。此外，不同的输出格式可能需要设置不同的元数据信息，需要根据具体情况进行设置。
文章出处登录后可见！
