Python rasterio栅格重分类向量化操作

小王今天emo了吗

于 2024-03-31 20:57:36 发布

阅读量161

点赞数 2

文章标签： python 开发语言

本文链接：https://blog.csdn.net/m0_58330800/article/details/137209091

版权

文章比较了使用numpy数组循环与向量方法对遥感数据进行重分类的速度，发现向量化方法将处理时间从三个多小时缩短到不到十秒，显著提高了效率。

摘要由CSDN通过智能技术生成

使用rasterio库读取文件

原来使用了numpy数组循环重新赋值的方法，速度非常缓慢，三个多小时

import rasterio
from tqdm import tqdm
with rasterio.open('output_fuel/allveg_buffer1.tif') as src:
    raster_data = src.read(1)  # 读取第一个波段

rows, cols = raster_data.shape
LC_data=raster_data
for i in tqdm(range(rows)):     #tqdm进度条
        for j in range(cols):
            if LC_data[i, j]>51 and LC_data[i, j]<70:
                LC_data[i, j] = 2
            elif LC_data[i, j] == 91 or LC_data[i, j] == 92:
                LC_data[i, j] = 2
            elif LC_data[i, j]>70 and LC_data[i, j]<83:
                LC_data[i, j] = 1
            elif LC_data[i, j]>119 and LC_data[i, j]<131:
                LC_data[i, j] = 3
            elif LC_data[i, j]==152:
                LC_data[i, j] = 3
            elif LC_data[i, j]==153:
                LC_data[i, j] = 5

更改为向量法不到十秒就跑完了

    # 应用向量化的重分类规则
    LC_data = np.zeros_like(raster_data, dtype=np.uint8)  # 初始化重分类后的数组
    LC_data[(raster_data > 51) & (raster_data < 70) | (raster_data == 91) | (raster_data == 92)] = 2
    LC_data[(raster_data > 70) & (raster_data < 83)] = 1
    LC_data[(raster_data > 119) & (raster_data < 131) | (raster_data == 152)] = 3
    LC_data[raster_data == 153] = 5
    LC_data[raster_data == 11] = 5
    LC_data[(raster_data == 180) | (raster_data == 150)] = 4
    # 其他值已经通过初始化为0