【原创】遥感影像法分析河流演变

置顶 awdwd233333

已于 2024-10-21 19:48:12 修改

阅读量2.4k

点赞数 9

分类专栏：笔记文章标签： arcgis python

于 2021-04-20 12:05:14 首次发布

本文链接：https://blog.csdn.net/awdwd233333/article/details/115900755

版权

笔记专栏收录该内容

8 篇文章

订阅专栏

在这里插入图片描述

		*河流相关交流微信群*

概述

针对landsat系列数据

工作流选择

基于遥感影像分析河流演变，我使用过的有四种方法：
1.USGS/gscloud+ENVI+arcgis，是最基础的，只需要安装软件，前者下载遥感影响，中者处理遥感影像，后者进行统计分析。
2.USGS/gscloud+IDL(ENVI)+arcpy(arcgis+Python)，中者改为了IDL，可以对下载的遥感影像进行批处理；后者改为了arcpy，允许使用Python2.7编写脚本工具，然后在arcgis中进行统计分析。IDL和arcpy都不容易上手，而且IDL的资料较少非常难受。
3.USGS/gscloud+Python，在这里放弃ENVI，直接使用Python进行遥感处理和统计分析，是因为Python的诸多第三方库中，存在可以基本实现ENVI和ArcGIS的处理和分析功能的库(e.g.，GDAL，shapely)。方便上手且网上资料多(有研究者专门写了一个河流遥感处理分析的库pyris)。
4.GEE+Python，现在发现最好的方法，Python可以替代ENVI和arcgis上面已经说明了，而GEE的主要优势在这里就是方便筛选影像，而且无需下载即可处理，我在这里的具体方法是把选择的研究区域的遥感影像集从GEE上以.npy(numpy数组)格式保存到本地，这样可以极大的缩小文件大小（百兆以内），同时保存对应的proj（投影）和geatrans（地理转换参数）到本地，下一步就可以在本地使用Python离线处理你选出来的遥感影像集了。

第一种方法在这篇文章中不再赘述，下面从方法二三四涉及的批处理方法介绍作者积累的脚本。重点放在第四种方法。

关于投影

定义投影：指的是你的图有坐标，但是没有投影，这个时候你需要自己去搞清楚你图的坐标是在什么地理/投影坐标系下的，然后再将图定义到对应的坐标系。一般都是WGS84下的经纬度坐标（EPSG=4326）。
投影转换：这时候你的图有坐标系了（无论是地理还是投影坐标系），然后你想转换为另外一个坐标系，这叫投影转换。
你是从谷歌地球或者gee上面拿的坐标，都是WGS84地理坐标系下的坐标。
在python里面实现投影转换和投影定义：需要先查地理/投影坐标系对应的EPSG代号（在这里查）

我国边界最东端在黑龙江和乌苏里江的主航道中心线的相交处（135°2′30”E）;最西端在帕米尔高原附近（73°29’59.79”E）。遥感影像一般都是UTM投影坐标系，所以我国用的UTM带号在43N-53N之间(72-138°，EPSG代号=326+带号)。
各常见坐标系对应EPSG代号见S1。完整的表格下载放这里。
相应的坐标系定义和转换函数我会整合在我正在改写的pyris第三方库这里。

遥感处理

基于Python的遥感处理

这一部分方法在pyris中已经涉及的很全面了，本人正在进行pyris的改写。
pyris

GEE+Python

贴上本人目前的GEE学习轨迹（GEE之python学习）

MNDWI工作流

首先用GEE，按照裁剪影像的云量排序，进行筛选。筛选后的影像可以选择保存所有波段，也可以先计算MNDWI再以.npy保存到本地。
对于辩状河流这种，因为分辨率低导致水体断点了，就需要先把本地的MNDWI.npy转tiff转shp，手动在arcgis里面删去不需要的水体，再把shp转tiff转数组。而对于一般比如弯曲、分汊的河流，就可以直接用pyris里面的方法，选择保存面积最大的一块水体即可。
统一维数：对于水体的数组，可能会有维数不一样的情况，因为所有数据左上角点坐标都是一致的，则只需要在右侧和下侧拼接全0数组。

def unify_shape(array,shape):
    #用0补全数组右侧和下侧
    n1=np.concatenate((array,np.zeros([shape[0]-array.shape[0],shape[1]])),axis=0)#补全下侧	
    n2=np.concatenate((n1,np.zeros([shape[0],shape[1]-array.shape[1]])),axis=1)#补全右侧
    return n2