### Python 中用于遥感数据处理的主要模块 #### 1. **Rasterio** Rasterio 是一个基于 GDAL 的 Python 库，专注于栅格数据的读写操作。它通过提供更简洁、更符合 Python 风格的 API 来简化栅格数据的操作流程[^1]。该库支持多种常见的栅格数据格式，例如 GeoTIFF、ENVI 和 HDF5 等。以下是使用 Rasterio 进行基本文件读写的代码示例： ```python import rasterio # 打开一个栅格文件 with rasterio.open('example.tif') as src: data = src.read() # 读取所有波段的数据 profile = src.profile # 获取元数据配置 # 创建一个新的栅格文件并保存数据 with rasterio.open( 'output.tif', 'w', driver='GTiff', height=data.shape[1], width=data.shape[2], count=profile['count'], dtype=data.dtype, crs=src.crs, transform=src.transform) as dst: dst.write(data) ``` #### 2. **GDAL (Geospatial Data Abstraction Library)** GDAL 是一个功能强大的开源地理空间数据分析工具集，广泛应用于遥感领域中的矢量和栅格数据处理。虽然其原生接口较为复杂，但它可以通过 Python 绑定实现高级应用[^2]。 下面展示如何利用 GDAL 将 NumPy 数组写入到新的 TIFF 文件中： ```python from osgeo import gdal, ogr, osr import numpy as np def create_geotiff(output_path, array, geotransform, projection): driver = gdal.GetDriverByName('GTiff') dataset = driver.Create(output_path, array.shape[1], array.shape[0], 1, gdal.GDT_Float32) dataset.SetGeoTransform(geotransform) dataset.SetProjection(projection) band = dataset.GetRasterBand(1) band.WriteArray(array) band.FlushCache() # 示例调用 array = np.random.rand(100, 100) * 255 create_geotiff('test_output.tif', array.astype(np.float32), [0, 1, 0, 0, 0, -1], '') ``` #### 3. **其他常用库** 除了上述两个核心库外，还有一些辅助性的库可以增强遥感数据处理能力： - **NumPy**: 提供高效的数值计算支持。 - **Pandas & Geopandas**: 处理表格型数据以及带有地理位置属性的信息。 - **Matplotlib/Seaborn**: 数据可视化。 - **Scikit-image**: 图像分析与滤波算法集合。 以上这些组合起来能够满足大多数遥感图像预处理需求，比如裁剪、重投影、分类统计等任务。 ---