Python?ArcPy實現(xiàn)批量對大量遙感影像相減做差
本文介紹基于Python中ArcPy模塊,對大量柵格遙感影像文件批量進行相減做差的方法。
首先,我們來明確一下本文的具體需求?,F(xiàn)有一個存儲有多張.tif格式遙感影像的文件夾,其中每一個遙感影像的文件名中都包含有該圖像的成像年份,且每一個遙感影像的空間范圍、像元大小等都是一致的,可以直接進行柵格相減;且文件夾內(nèi)除了.tif格式的遙感影像文件外,還具有其它格式的文件;如下圖所示。

我們希望,對于同一年成像的兩景遙感影像分別進行做差處理。例如,將上圖中的2001.tif文件減去2001_N.tif文件,將2005.tif文件減去2005_N.tif文件,以此類推。
明確了需求后,我們就可以開始具體的操作。首先,本文所需用到的代碼如下。
# -*- coding: utf-8 -*-
"""
Created on Sun Apr 24 11:12:37 2022
@author: fkxxgis
"""
import arcpy
tif_file_path="E:/LST/Data/MODIS/16_True/"
dif_file_path="E:/LST/Data/MODIS/17_Difference/"
arcpy.env.workspace=tif_file_path
tif_file_name=arcpy.ListRasters("*","tif")
tif_file_year=tif_file_name[0][0:4]
one_year_tif_list=[]
for tif_file in tif_file_name:
if tif_file[0:4]==tif_file_year:
one_year_tif_list.append(tif_file)
if tif_file==tif_file_name[len(tif_file_name)-1]:
arcpy.gp.Minus_sa(one_year_tif_list[0],
one_year_tif_list[1],
dif_file_path+tif_file_year+"_Dif.tif")
else:
arcpy.gp.Minus_sa(one_year_tif_list[0],
one_year_tif_list[1],
dif_file_path+tif_file_year+"_Dif.tif")
one_year_tif_list=[]
one_year_tif_list.append(tif_file)
tif_file_year=tif_file[0:4]
其中,tif_file_path是原有計算平均值前遙感圖像的保存路徑,dif_file_path是我們新生成的求取平均值后遙感影像的保存路徑,也就是結(jié)果保存路徑。
在這里,和我們前期的博客Python ArcPy批量拼接長時間序列柵格圖像類似,需要首先在資源管理器中,將tif_file_path路徑下的各文件以“名稱”排序的方式進行排序;隨后,利用arcpy.ListRasters()函數(shù),獲取路徑下原有的全部.tif格式的圖像文件,并截取第一個文件的部分文件名,從而獲取其成像時間的具體年份。
接下來,遍歷tif_file_path路徑下全部.tif格式圖像文件。其中,我們通過一個簡單的判斷語句if tif_file[0:4]==tif_file_year:,來確定某一年的遙感影像是否已經(jīng)讀取完畢——如果已經(jīng)讀取完畢,例如假如2001年成像的2幅遙感影像都已經(jīng)遍歷過了,那么就對這2景遙感影像做差,并開始對下一個年份(即2005年)成像的2景遙感影像繼續(xù)加以計算;如果還沒有讀取完畢,例如假如2001年成像的2幅遙感影像目前僅遍歷了第1幅,那么就不做差,繼續(xù)往下遍歷,直到遍歷完2001年成像的2幅遙感影像。
這里相信大家也看到了為什么我們要在前期先將文件夾中的文件按照“名稱”排序——首先,是為了保證同一年成像的2景遙感影像都排列在一起,遍歷時只要遇到一個新的年份,程序就知道上一個年份的2張圖像都已經(jīng)遍歷完畢了,就可以將上一個年份的2張柵格圖像加以做差;其次,是為了保證我們的被減數(shù)(例如2005.tif文件)排在減數(shù)(例如2005_N.tif文件)的前面,從而方便我們進行做差運算。
在這里,我們實現(xiàn)兩張柵格遙感影像相減操作的函數(shù)是arcpy.gp.Minus_sa()函數(shù),其第一個參數(shù)是被減數(shù),第二個參數(shù)是減數(shù),第三個參數(shù)是結(jié)果保存路徑與名稱。
最后,通過if tif_file==tif_file_name[len(tif_file_name)-1]:這個判斷,來確認是否目前已經(jīng)遍歷到文件夾中的最后一個圖像文件。如果是的話,就需要將當(dāng)前成像年份的2景圖像進行差值的求取,并宣告代碼完成運行。
在 IDLE (Python GUI) 中運行代碼。代碼運行完畢后,我們可以看到求取差值之后的遙感影像已經(jīng)存在于我們的結(jié)果保存路徑中了。

至此,大功告成。
到此這篇關(guān)于Python ArcPy實現(xiàn)批量對大量遙感影像相減做差的文章就介紹到這了,更多相關(guān)Python ArcPy遙感影像相減做差內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python實現(xiàn)批量填補遙感影像的無效值NoData
- Python?ArcPy實現(xiàn)批量計算多時相遙感影像的各項元平均值
- Python?ArcPy批量掩膜、重采樣大量遙感影像的操作
- Python實現(xiàn)批量繪制遙感影像數(shù)據(jù)的直方圖
- Python高光譜遙感影像處理問題詳細分析講解
- 詳解Python修復(fù)遙感影像條帶的兩種方式
- Python 實現(xiàn)遙感影像波段組合的示例代碼
- 利用python GDAL庫讀寫geotiff格式的遙感影像方法
- Python中使用OpenCV庫來進行簡單的氣象學(xué)遙感影像計算
- 基于Python批量鑲嵌拼接遙感影像/柵格數(shù)據(jù)(示例代碼)
相關(guān)文章
python3+PyQt5實現(xiàn)使用剪貼板做復(fù)制與粘帖示例
本篇文章主要介紹了python3+PyQt5實現(xiàn)使用剪貼板做復(fù)制與粘帖示例,具有一定的參考價值,有興趣的可以了解一下。2017-01-01
Scrapy基于selenium結(jié)合爬取淘寶的實例講解
今天小編就為大家分享一篇Scrapy基于selenium結(jié)合爬取淘寶的實例講解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06

