遥感数据重采样操作方法及代码

最新推荐文章于 2023-08-18 17:11:55 发布

地理空间随想录

最新推荐文章于 2023-08-18 17:11:55 发布

阅读量1.1k

点赞数

文章标签： arcgis python

本文链接：https://blog.csdn.net/weixin_44632394/article/details/128501733

版权

1 重采样概念

Change the spatial resolution of your raster dataset and set rules for aggregating or interpolating values across the new pixel sizes.【更改栅格数据集的空间分辨率，并设置用于在新像素大小之间聚合或插值值的规则。】
配图来源互联网

2 常见插值方法

最近邻插值

优点计算简单，速度快；缺点插值精度不高，边缘容易产生锯齿。
最邻近分配法是用于离散（分类）数据的重采样技术，因为它不会更改输入单元的值。该方法取距离输出图像上的像素点映射到输入图像上的位置最近的输入像素的灰度值作为输出图像上像素点的灰度值。

双线性插值法

优点，插值精度较高且计算量相对适中，一般选择最近邻或者双线性插值就可满足要求。
双线性插值法使用四个最邻近输入单元中心的值来确定输出栅格上的值。输出单元的新值是这四个值的加权平均值，将根据它们与输出单元中心的距离进行调整。与最邻近分配法相比，此插值法可生成更平滑的表面。

三次卷积插值

优点，插值精度最高；缺点：计算耗时且可能改变了原有影像反射率。
与双线性插值法相比，三次卷积插值法倾向于锐化数据的边缘，因为计算输出值时涉及的单元较多。它不仅需要考虑与插值点最邻近的四个点对它的影响,还要考虑到该点周围16个相邻点的灰度值对它的影响。

3 重采样的几种方法

Arcgis工具

工具：Data Management Tools->Raster->Raster Processing->Resample

Resample工具处理单个数据
Resample上右击->batch 选择批量处理设置
建立一个模型构建器，可以批量处理
重采样批处理最快捷方法Arcpy见下节

Python的Arcpy代码

利用arcgis自带的IDLE(Python GUI)就可以直接使用。

# coding:utf-8
import arcpy
from arcpy.sa import *
import os
from arcpy import env
"""
Author:俊哥的地理空间 Date：2022/12/01
"""
env.workspace = 'D:/Test/HB'
rasters = arcpy.ListRasters('*','tif')
# img = 'E:/Test/ceshi/199911pre_clip.tif'  # 对准栅格
# img_sizeX = arcpy.GetRasterProperties_management(img,"CELLSIZEX")
# img_sizeY = arcpy.GetRasterProperties_management(img,"CELLSIZEY")
cellsize=[0.5,0.5]  # cellsize
# print(img_sizeX,img_sizeY)
for raster in rasters:
    nameT = os.path.splitext(raster)[0] + "spei_resample.tif"
    print(nameT)
    outpath = 'D:/Test/'
    outname = os.path.join(outpath, nameT)
    print(outpath)
    arcpy.Resample_management(raster, outname," ".join([str(i) for i in cellsize]), "NEAREST")