植物表型程序学习（三）

接上文

（六）作物冠层体积(canopy volume，CV)

(1)图片读取以及图片数据处理函数

1）RasterXSize，RasterYSize，RasterCount函数：

读取tif图片栅格矩阵的列数，行数和波段数

2）property函数：

通过存取方法定义的属性通常称为特性（property）

首先property有两种用法，一种是作为函数用法，一种是作为装饰器的用法，接下来逐一分析

• property函数参数分析

property(fget=None, fset=None, fdel=None, doc=None)

fget 是获取属性值的方法。

fset 是设置属性值的方法。

fdel 是删除属性值的方法。

doc 是属性描述信息。

• @property装饰器

@property提供了比property()函数更简洁直观的写法

被 @property 装饰的方法是获取属性值的方法，被装饰方法的名字会被用做属性名。

被 @属性名.setter 装饰的方法是设置属性值的方法。

被 @属性名.deleter 装饰的方法是删除属性值的方法。

3）GetGeoTransform()：

为了理解这个函数，这里打印了一下，发现输出的是一组数值

经过查询，利用GetGeoTransfrom函数可以获得图像中任意一点的地理坐标。

参数分别如下

影像左上角横坐标：geoTransform[0]

影像左上角纵坐标：geoTransform[3]

遥感图像的水平空间分辨率为geoTransform[1]

遥感图像的垂直空间分辨率为geoTransform[5]

如果遥感影像方向没有发生旋转，即上北、下南，则

geoTransform[2] 与 row *geoTransform[4] 为零

4）ReadAsArray（）

图像重采样就是从高分辨率遥感影像中提取出低分辨率影像，或者从低分辨率影像中提取高分辨率影像的过程。常用的方法有最邻近内插法、双线性内插法、三次卷积法等

(2) write_img函数

1）GetDriverByName函数：

读取某一类型的数据，需要先载入数据驱动，初始化一个对象

driver = gdal.GetDriverByName("GTiff")

2）driver.Create函数：

创建空文件，并确定开辟多大内存；每个像素都有一个对应的值，这个值得类型用数据类型指定。这里的数据类型是gdal数据类型

dataset = driver.Create("fdem_new.tif", 栅格矩阵的列数, 栅格矩阵的行数, 波段数, 数据类型)

创建文件时 driver = gdal.GetDriverByName("GTiff")，数据类型必须要指定，因为要计算需要多大内存空间。于是在载入驱动前，用if语句判断了一下数据类型

3）gdal数据类型：

gdal数据类型如下：

GDT_Byte（int8）；GDT_UInt16； GDT_Int16；（4）GDT_UInt32 ；（5）GDT_Int32；

（6）GDT_Float32；（7）GDT_Float64

(3) 主程序分析

主程序中主要有

1.求取株高数据

2.求取savi指数，求取冠层覆盖度阈值

3.利用阈值，划分冠层覆盖区域，设置覆盖区域为1，未覆盖区域为0，制作覆盖掩膜

4.株高数据与掩膜数据相乘，求得每像素位置株高

5.调用像素的项元值

6.项元平方与株高相乘，求得每像素位置体积，换算为立方分米

7.保存tif数据

8.划分体积单位，并着色处理，改为RGB

9.保存RGB输出结果如下

（七）植物表型程序学习全流程总结

从OSgeo与GDAL概念出发，了解GIS 是一门综合性学科，其结合了地理学与地图学。并且 GDAL和OGR两个库合并后使用 GDAL 这一个名字，用来处理用来处理栅格空间数据和处理矢量数据的。再到株高代码的学习，得到遥感的DEM数据，用后阶段的DEM数据减去前阶段DEM数据，得到高程差，进而对差数据可视化显示；随后了解到植被指数的概念，植被指数包括比值植被指数，归一化植被指数，差值植被指数。本项目只要求解归一化植被指数，通过测量近红外（植被强烈反射） 和红光（植被吸收）之间的差异来量化植被。任何强化Red和NIR差别的数学变换都可以作为植被指数。而后学习土壤调节植被指数 (SAVI)和冠层覆盖度，(SAVI) 方法是试图通过土壤亮度校正系数最小化土壤亮度影响的植被指数。 它通常用在植被覆盖率较低的干旱区域，其输出值在 -1.0 到 1.0 之间。上述参数求得之后，最后求得作物冠层体积（canopy volume，CV）并通过RGB转换成彩色图。到此算是一个植物表型项目的全流程，其中又不少细节仍然需要反复学习和实践才能更好的理解。

最后汇总一下前文遇到的网站和书籍：

OSgeo与GDAL：开源地理空间基金会中文分会,OSGeo中文分会,OSGeo中国中心,地理空间数据共享,开放地理空间实验室

Python与开源GIS：Python与开源GIS：数据处理、空间分析与地图制图 — 首页

15 个免费卫星图像数据源：植物表型程序学习（二）_机械刘怀洋的博客-CSDN博客

gdal学习书籍：《GDAL源码剖析与开发指南》