python：GDAL的gdal.Warp功能及应用示例：裁剪与坐标系转换

了解gdal.Warp

gdal.Warp是GDAL库中用于地理空间数据变换的函数。它可以执行多种变换操作，包括数据重采样、数据裁剪、重投影以及改变数据结构等。gdal.Warp通过一系列参数，允许我们自定义输出数据的格式、分辨率、坐标系等属性，从而满足不同的数据处理需求。

数据裁剪

数据裁剪是GIS中常见的操作，它允许从较大的数据集中提取感兴趣区域（ROI）。在gdal.Warp中，可以使用cutlineDSName参数来指定裁剪的矢量边界，并通过cropToCutline参数来控制是否按边界输出。

以下是一个Python函数，展示了如何使用gdal.Warp进行数据裁剪：

from osgeo import gdal

def tif_clip(tiff_out_path, input_raster, geojson):
    result = gdal.Warp(
        tiff_out_path,
        input_raster,
        format='GTiff',
        cutlineDSName=geojson,  # 指定裁剪矢量文件，#shpfile也行
        cropToCutline=True,  # 按边界输出
        dstNodata=0  # 设置输出结果无效值为0
    )
    result.FlushCache()  # 确保所有数据都被写入磁盘

# 使用示例
tiff_out_path = r'F:\text\result\ceshiclip4.tif'
input_raster = r'F:\text\dongchengqu\Sentinel2_2023_J50E001010.tif'
geojson = r"C:\Users\DELL\Desktop\东城区.geojson"
tif_clip(tiff_out_path, input_raster, geojson)

在这个函数中，首先定义了输出路径、输入栅格数据集和裁剪矢量文件的路径。通过gdal.Warp，我们指定了输出格式为GTiff，并设置cutlineDSName为裁剪矢量文件的路径。cropToCutline参数设置为True，表示希望输出的栅格数据集仅包含裁剪边界内的像素。最后，使用FlushCache方法确保所有数据都被写入磁盘。

结果展示：

坐标系转换

坐标系转换是GIS数据处理中的另一项重要操作，它允许将数据从一个坐标参考系统（CRS）转换到另一个CRS。在gdal.Warp中，我们可以使用dstSRS参数来指定目标CRS。

以下是一个Python函数，展示了如何使用gdal.Warp进行坐标系转换：

def wgs84_to_cgcs2000(input_raster, output_raster):
    result = gdal.Warp(
        output_raster,
        input_raster,
        format='GTiff',
        resampleAlg='bilinear',  # 指定重采样算法
        dstSRS='EPSG:4490',  # 设置目标CRS为CGCS2000
        dstNodata=0  # 设置输出结果无效值为0
    )
    result.FlushCache()

# 使用示例
input_raster_path = r'F:\text\dongchengqu\Sentinel2_2023_J50E001010.tif'
output_raster_path = r'F:\text\result\ceshigcs2.tif'
wgs84_to_cgcs2000(input_raster_path, output_raster_path)

在这个函数中，定义了输入栅格数据集和输出路径。使用gdal.Warp，指定输出格式为GTiff，并设置dstSRS为CGCS2000的EPSG代码（这里以EPSG:4490为例）。还指定了resampleAlg为双线性插值算法，这是一种常用的重采样方法，适用于大多数情况。

结果：感觉这两个坐标系差别不大，没有很明显的偏移