以下是修复后的完整 Python 脚本，用于处理 NDVI 数据并避免 `rasterio` 的 `nodata` 值超出 `uint8` 范围的错误。 该脚本包括以下关键改进： - 将原始 NDVI 数据从浮点型转换为 `uint8` 格式 - 正确设置 `nodata` 值为 `255`（在 `uint8` 范围内） - 使用掩膜跳过无效区域的纹理计算 - 优化了 GLCM 特征提取逻辑以提升性能 ```python import os import numpy as np from skimage.feature import graycomatrix, greycoprops import rasterio def process_ndvi(input_folder, output_folder): for year in range(2000, 2023): input_filename = f"GYNDVImax{year}.tif" input_path = os.path.join(input_folder, input_filename) if not os.path.exists(input_path): print(f"文件不存在，跳过: {input_filename}") continue os.makedirs(output_folder, exist_ok=True) output_ndvi = os.path.join(output_folder, input_filename.replace(".tif", "_uint8.tif")) output_contrast = os.path.join(output_folder, input_filename.replace(".tif", "_contrast.tif")) output_entropy = os.path.join(output_folder, input_filename.replace(".tif", "_entropy.tif")) output_homogeneity = os.path.join(output_folder, input_filename.replace(".tif", "_homogeneity.tif")) with rasterio.open(input_path) as src: ndvi = src.read(1).astype(np.float32) profile = src.profile.copy() # 设置 nodata 值为 255，并更新数据类型为 uint8 profile.update(dtype=rasterio.uint8, nodata=255) # 过滤有效值并进行缩放 valid_mask = (ndvi >= -10000) & (ndvi <= 10000) ndvi_scaled = ((ndvi + 10000) / 20000 * 200).astype(np.uint8) ndvi_uint8 = np.where(valid_mask, ndvi_scaled, 255).astype(np.uint8) # 保存转换后的 NDVI 图像 with rasterio.open(output_ndvi, 'w', **profile) as dst: dst.write(ndvi_uint8, 1) # 定义窗口大小并填充边缘 window_size = 3 pad = window_size // 2 padded = np.pad(ndvi_uint8, pad_width=pad, mode='edge') # 初始化纹理特征数组 contrast = np.full(ndvi_uint8.shape, 255, dtype=np.uint8) entropy = np.full(ndvi_uint8.shape, 255, dtype=np.uint8) homogeneity = np.full(ndvi_uint8.shape, 255, dtype=np.uint8) # 提取每个像素的纹理特征 for i in range(ndvi_uint8.shape[0]): for j in range(ndvi_uint8.shape[1]): if ndvi_uint8[i, j] == 255: continue window = padded[i:i+window_size, j:j+window_size] if 255 in window: continue glcm = graycomatrix(window, distances=[1], angles=[0], levels=256, symmetric=True, normed=True) contrast[i, j] = greycoprops(glcm, 'contrast')[0, 0] entropy[i, j] = greycoprops(glcm, 'entropy')[0, 0] homogeneity[i, j] = greycoprops(glcm, 'homogeneity')[0, 0] # 保存纹理特征图像 for data, path in zip([contrast, entropy, homogeneity], [output_contrast, output_entropy, output_homogeneity]): with rasterio.open(path, 'w', **profile) as dst: dst.write(data, 1) if __name__ == "__main__": input_folder = r"G:/2000-2021/GZ" output_folder = r"G:/2000-2021/GZ_processed" process_ndvi(input_folder, output_folder) ``` ### 关键改进说明 - **数据类型与无效值匹配**：将输出图像的数据类型设为 `uint8` 并将 `nodata` 设为 `255`，确保其数值范围一致[^1] - **数据有效性检查**：在缩放前使用布尔掩膜过滤掉无效值，防止异常值参与计算 - **边缘填充**：使用 `np.pad` 处理边界像素，避免窗口越界问题 - **纹理特征计算效率优化**：仅对有效像素和其邻域进行 GLCM 计算，减少不必要的运算量