Python自动计算大量遥感数据的NDVI

发布于

  本文介绍基于Python中的gdal模块，批量基于大量多波段遥感影像文件，计算其每1景图像各自的NDVI数值，并将多景结果依次保存为栅格文件的方法。

  如下图所示，现在有大量.tif格式的遥感影像文件，其中均含有红光波段与近红外波段（此外也可以含有其他光谱波段，有没有都不影响）；我们希望，批量计算其每1景遥感影像的NDVI。

  在之前的文章中，我们多次介绍过在不同软件或平台中计算NDVI的方法，大家可以参考文章ArcMap自动计算单一波段或多波段栅图像NDVI的方法，或者文章Google Earth Engine谷歌地球引擎栅格代数与NDVI计算。而在本文中，我们就介绍一下基于Python中的gdal模块，实现NDVI批量计算的方法。

  这里所需的代码如下。

代码语言：javascript
复制
# -*- coding: utf-8 -*-
"""
Created on Thu Apr 18 12:37:22 2024

@author: fkxxgis

"""


import os

from osgeo import gdal


original_folder = r"E:\04_Reconstruction\99_MODIS\new_data\2021_48STA_Result\Original"

output_folder = r"E:\04_Reconstruction\99_MODIS\new_data\2021_48STA_Result\NDVI_Original"


for filename in os.listdir(original_folder):

if filename.endswith('.tif'):

dataset = gdal.Open(os.path.join(original_folder, filename), gdal.GA_ReadOnly)

width = dataset.RasterXSize

height = dataset.RasterYSize


    driver = gdal.GetDriverByName('GTiff')
    output_dataset = driver.Create(os.path.join(output_folder, "NDVI_" + filename), width, height, 1, gdal.GDT_Float32)

    band_red = dataset.GetRasterBand(3)
    data_red = band_red.ReadAsArray()
    data_red = data_red.astype(float)
    band_nir = dataset.GetRasterBand(4)
    data_nir = band_nir.ReadAsArray()
    data_nir = data_nir.astype(float)
    data_ndvi = (data_nir - data_red) / (data_nir + data_red)

    output_band = output_dataset.GetRasterBand(1)
    output_band.WriteArray(data_ndvi)
    output_band.FlushCache()
    output_dataset.SetGeoTransform(dataset.GetGeoTransform())
    output_dataset.SetProjection(dataset.GetProjection())

    dataset = None
    output_dataset = None
    print(filename, "finished!")

  代码整体也非常简单。首先，我们定义输入文件与输入结果文件的路径，前者就是待计算NDVI的遥感影像文件路径，后者则是NDVI结果的遥感影像文件路径。

  接下来，遍历original_folder文件夹中的文件。其中，os.listdir()用于获取文件夹中的文件列表，其后的endswith('.tif')用于筛选出以.tif扩展名结尾的文件。

  随后，对于每个以.tif结尾的文件，首先使用gdal.Open()打开文件——其中的os.path.join()用于构建完整的文件路径；接下来获取影像数据集的宽度和高度，并使用gdal.GetDriverByName()获取GTiff驱动程序，用于创建输出影像文件；同时，使用driver.Create()创建一个与原始影像具有相同大小的输出影像文件。

  紧接着，从数据集中获取红光和近红外波段的数据。dataset.GetRasterBand()用以获取指定的栅格波段，而band.ReadAsArray()则将波段数据读取为数组；同时，我这里还用了astype()转换数组的格式，避免原本遥感影像的数据格式带来的问题——例如，假如原本遥感影像是无符号整型的数据格式，那么这里不加astype()计算NDVI就会有问题。

  其次，即可计算NDVI。使用获取的红光和近红外波段数据计算NDVI，并将NDVI数据保存在data_ndvi数组中。

  最后，将NDVI数据写入输出影像文件。output_dataset.GetRasterBand()获取输出影像文件的波段，band.WriteArray()将数据写入波段，band.FlushCache()刷新波段缓存。

  此外，记得通过output_dataset.SetGeoTransform()和output_dataset.SetProjection()设置输出影像文件的地理变换和投影信息。

  同时，需要清理和关闭数据集，将数据集和输出数据集设置为None以释放资源。还可以打印文件名和finished!，表示当前文件处理完成。

  执行上述代码，我们即可在结果文件夹中看到计算得到的NDVI数据；如下图所示。

  至此，大功告成。

欢迎关注（几乎）全网：疯狂学习GIS

#数组#python#批量计算#dataset#数据