envi栅格TIF数据进行分割_ArcMap&ENVI植被覆盖度计算、土地利用分类等软件操作小问题集合...

最近又开始做植被覆盖度相关的工作,发现了很多新问题,虽然都是小问题但是解决还是费了点时间,因此做了个小总结作为备忘录。本篇还在不断更新,有问题或者没看懂的地方欢迎留言与我讨论。

Q1 NDVI去除异常值(去除背景值)

这一步很关键,直接影响后面是否能正确统计最大最小值,背景值有时候也会被统计进去,因此需要消除。

此步骤在ENVI中进行

通常大家用修改头文件来去掉背景值,实际上可能只是显示去除了,亲测统计的时候仍然会统计背景的值,这时候用Band Math计算掉最合适。找到背景值然后用合适的公式计算。具体公式推荐下面的链接根据自己的情况自选。ENVI/IDL波段运算常用表达式

Q2 ArcMap重分类失败

情况1:没有分类值

98a83331f5941767a778a8ba3b8c5b31.png
分类值空白

这种情况官方文档给出了解决办法,先用计算统计算出值。

如果文件格式不是TIF可能需要转换

计算统计值操作如下:

5e55a579525a2139d63313965b82390f.png <
  • 4
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
您好,针对您的问题,可以使用Python中的GDAL库进行数据的处理。以下是对于您提出的两个问题的解答: 1. 对于TIF数据进行分割,您可以使用GDAL库中的gdalwarp函数进行裁剪。具体操作步骤如下: 第一步:导入GDAL库 ```python from osgeo import gdal ``` 第二步:打开TIF数据 ```python dataset = gdal.Open('your_tif_file.tif') ``` 第三步:设置裁剪范围和输出数据信息 ```python # 设置裁剪范围 x_min, y_min, x_max, y_max = your_clip_extent # 设置输出数据信息 output_filename = 'output.tif' output_format = 'GTiff' output_bounds = [x_min, y_min, x_max, y_max] ``` 第四步:调用gdalwarp函数进行裁剪 ```python gdal.Warp(output_filename, dataset, outputBounds=output_bounds, format=output_format) ``` 2. 对于批量掩膜(裁剪)数据,您可以使用Python中的os库进行文件遍历,遍历所有需要裁剪的数据,然后调用上述裁剪代码进行批量裁剪。具体操作步骤如下: 第一步:导入os和glob库 ```python import os import glob ``` 第二步:设置需要遍历的目录和裁剪范围等参数 ```python # 设置需要遍历的目录 data_dir = 'your_data_directory' # 设置裁剪范围 x_min, y_min, x_max, y_max = your_clip_extent # 设置输出数据信息 output_format = 'GTiff' output_bounds = [x_min, y_min, x_max, y_max] ``` 第三步:遍历目录下所有数据,并调用裁剪代码进行批量裁剪 ```python for tif_file in glob.glob(os.path.join(data_dir, '*.tif')): # 打开数据 dataset = gdal.Open(tif_file) # 设置输出文件名 output_filename = tif_file.replace('.tif', '_clip.tif') # 调用裁剪函数进行裁剪 gdal.Warp(output_filename, dataset, outputBounds=output_bounds, format=output_format) ``` 以上就是对于您提出的两个问题的解答。希望能够帮助到您!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值