本文整理总结在遥感地信领域常用的几个工具,包括图像处理,空间统计,web服务等python库。
- GDAL/OGR
- GDAL是一个开源的地理空间数据转换库,支持COG格式。
- OGR是GDAL的一部分,用于处理矢量数据。
- 官网:[GDAL官网](GDAL - GDAL documentation)
- Rasterio
- Rasterio是一个Python库,用于读取、写入和分析栅格数据,基于GDAL。
- Rasterio支持COG格式,并提供了一个现代和直观的API。
- 官网:Rasterio官网
- rasterstats
- rasterstats是一个库,用于分析栅格数据的空间统计信息,如最大值、最小值、均值、总和等。
- GitHub:rasterstats GitHub
- rasterio-cli
- rasterio-cli是基于Rasterio的命令行工具,提供了处理栅格数据的命令行接口。
- GitHub:rasterio-cli GitHub
- rio-tiler
- rio-tiler是一个工具,用于将栅格数据瓦片化并将其用于Web地图服务。
- GitHub:rio-tiler GitHub
- PyWPS
- PyWPS是一个开源的Web Processing Service (WPS)客户端库,允许通过网络请求执行地理空间处理。
- 可与GDAL和Rasterio集成。
- 官网:[PyWPS官网](PyWPS • Home)
- COG Optimizer
- COG Optimizer是一个专门为COG文件优化的工具,可以自动调整COG文件的压缩级别、瓦片大小和其他参数。
- GitHub:COG Optimizer GitHub
- PyTables
- PyTables是一个高效的库,用于存储栅格数据到HDF5文件格式,与GDAL集成。
- 官网:PyTables官网
遥感专栏
同时欢迎私信咨询讨论学习,咨询讨论的方向不限于:地物分类/语义分割(如水体,云,建筑物,耕地,冬小麦等各种地物类型的提取),变化检测,夜光遥感数据处理,目标检测,图像处理(几何矫正,辐射矫正(大气校正),图像去噪等),遥感时空融合,定量遥感(土壤盐渍化/水质参数反演/气溶胶反演/森林参数(生物量,植被覆盖度,植被生产力等)/地表温度/地表反射率等反演)以及高光谱数据处理等领域以及深度学习,机器学习等技术算法讨论,以及相关实验指导/论文指导等多方面。