通常,当您的数据集中出现此类问题时,它会在所有源图像中持续存在。如果您有大量具有此类数据差距的数据,则在 QGIS 中手动修复它们是不可行的。所以这是使用 Python 的另一种方法。
那些参加过我的Python 空间分析基础课程的人会知道,这个特殊的问题促使我在 15 年前学习 Python,因为没有现成的解决方案。下面是一个脚本,展示了如何借助rasterio和numpy库在 Python 中解决这个问题。
# 用数据填充缺失的缝隙
# 这个脚本展示了如何读取一张图片,其中某些行有缺失的数据(即0),并用相邻行的平均值来填补