国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

ArcPy批量對(duì)大量遙感影像相減做差

這篇具有很好參考價(jià)值的文章主要介紹了ArcPy批量對(duì)大量遙感影像相減做差。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

??本文介紹基于PythonArcPy模塊,對(duì)大量柵格遙感影像文件批量進(jìn)行相減做差的方法。

??首先,我們來(lái)明確一下本文的具體需求?,F(xiàn)有一個(gè)存儲(chǔ)有多張.tif格式遙感影像的文件夾,其中每一個(gè)遙感影像的文件名中都包含有該圖像的成像年份,且每一個(gè)遙感影像的空間范圍、像元大小等都是一致的,可以直接進(jìn)行柵格相減;且文件夾內(nèi)除了.tif格式的遙感影像文件外,還具有其它格式的文件;如下圖所示。

ArcPy批量對(duì)大量遙感影像相減做差

??我們希望,對(duì)于同一年成像的兩景遙感影像分別進(jìn)行做差處理。例如,將上圖中的2001.tif文件減去2001_N.tif文件,將2005.tif文件減去2005_N.tif文件,以此類(lèi)推。

??明確了需求后,我們就可以開(kāi)始具體的操作。首先,本文所需用到的代碼如下。

# -*- coding: utf-8 -*-
"""
Created on Sun Apr 24 11:12:37 2022

@author: fkxxgis
"""

import arcpy

tif_file_path="E:/LST/Data/MODIS/16_True/"
dif_file_path="E:/LST/Data/MODIS/17_Difference/"
arcpy.env.workspace=tif_file_path

tif_file_name=arcpy.ListRasters("*","tif")
tif_file_year=tif_file_name[0][0:4]
one_year_tif_list=[]

for tif_file in tif_file_name:
    if tif_file[0:4]==tif_file_year:
        one_year_tif_list.append(tif_file)
        if tif_file==tif_file_name[len(tif_file_name)-1]:
            arcpy.gp.Minus_sa(one_year_tif_list[0],
                              one_year_tif_list[1],
                              dif_file_path+tif_file_year+"_Dif.tif")
    else:
        arcpy.gp.Minus_sa(one_year_tif_list[0],
                          one_year_tif_list[1],
                          dif_file_path+tif_file_year+"_Dif.tif")
        one_year_tif_list=[]
        one_year_tif_list.append(tif_file)
        tif_file_year=tif_file[0:4]

??其中,tif_file_path是原有計(jì)算平均值前遙感圖像的保存路徑,dif_file_path是我們新生成的求取平均值后遙感影像的保存路徑,也就是結(jié)果保存路徑。

??在這里,和我們前期的博客Python ArcPy批量拼接長(zhǎng)時(shí)間序列柵格圖像類(lèi)似,需要首先在資源管理器中,將tif_file_path路徑下的各文件以“名稱(chēng)”排序的方式進(jìn)行排序;隨后,利用arcpy.ListRasters()函數(shù),獲取路徑下原有的全部.tif格式的圖像文件,并截取第一個(gè)文件的部分文件名,從而獲取其成像時(shí)間的具體年份。

??接下來(lái),遍歷tif_file_path路徑下全部.tif格式圖像文件。其中,我們通過(guò)一個(gè)簡(jiǎn)單的判斷語(yǔ)句if tif_file[0:4]==tif_file_year:,來(lái)確定某一年的遙感影像是否已經(jīng)讀取完畢——如果已經(jīng)讀取完畢,例如假如2001年成像的2幅遙感影像都已經(jīng)遍歷過(guò)了,那么就對(duì)這2景遙感影像做差,并開(kāi)始對(duì)下一個(gè)年份(即2005年)成像的2景遙感影像繼續(xù)加以計(jì)算;如果還沒(méi)有讀取完畢,例如假如2001年成像的2幅遙感影像目前僅遍歷了第1幅,那么就不做差,繼續(xù)往下遍歷,直到遍歷完2001年成像的2幅遙感影像。

??這里相信大家也看到了為什么我們要在前期先將文件夾中的文件按照“名稱(chēng)”排序——首先,是為了保證同一年成像的2景遙感影像都排列在一起,遍歷時(shí)只要遇到一個(gè)新的年份,程序就知道上一個(gè)年份2張圖像都已經(jīng)遍歷完畢了,就可以將上一個(gè)年份2張柵格圖像加以做差;其次,是為了保證我們的被減數(shù)(例如2005.tif文件)排在減數(shù)(例如2005_N.tif文件)的前面,從而方便我們進(jìn)行做差運(yùn)算。

??在這里,我們實(shí)現(xiàn)兩張柵格遙感影像相減操作的函數(shù)是arcpy.gp.Minus_sa()函數(shù),其第一個(gè)參數(shù)是被減數(shù),第二個(gè)參數(shù)是減數(shù),第三個(gè)參數(shù)是結(jié)果保存路徑與名稱(chēng)。

??最后,通過(guò)if tif_file==tif_file_name[len(tif_file_name)-1]:這個(gè)判斷,來(lái)確認(rèn)是否目前已經(jīng)遍歷到文件夾中的最后一個(gè)圖像文件。如果是的話(huà),就需要將當(dāng)前成像年份2景圖像進(jìn)行差值的求取,并宣告代碼完成運(yùn)行。

??在 IDLE (Python GUI) 中運(yùn)行代碼。代碼運(yùn)行完畢后,我們可以看到求取差值之后的遙感影像已經(jīng)存在于我們的結(jié)果保存路徑中了。

ArcPy批量對(duì)大量遙感影像相減做差

??至此,大功告成。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-499214.html

到了這里,關(guān)于ArcPy批量對(duì)大量遙感影像相減做差的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶(hù)投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • arcpy批量提取面狀水系中間線(xiàn)

    由于面狀水系可能存在多條中間線(xiàn),因此批量提取時(shí)需要使用 ArcGIS 中的 Feature To Line 工具結(jié)合 Python 循環(huán)和游標(biāo)來(lái)完成。 以下是代碼: import arcpy import os # 設(shè)置輸入輸出路徑和文件名 input_folder = r\\\"C:datariver_polygons\\\" output_folder = r\\\"C:datariver_midlines\\\" # 創(chuàng)建輸出文件夾 if not os.pa

    2024年02月10日
    瀏覽(18)
  • PyTorch深度學(xué)習(xí)遙感影像地物分類(lèi)與目標(biāo)檢測(cè)、分割及遙感影像問(wèn)題深度學(xué)習(xí)優(yōu)化實(shí)踐技術(shù)應(yīng)用

    PyTorch深度學(xué)習(xí)遙感影像地物分類(lèi)與目標(biāo)檢測(cè)、分割及遙感影像問(wèn)題深度學(xué)習(xí)優(yōu)化實(shí)踐技術(shù)應(yīng)用

    我國(guó)高分辨率對(duì)地觀測(cè)系統(tǒng)重大專(zhuān)項(xiàng)已全面啟動(dòng),高空間、高光譜、高時(shí)間分辨率和寬地面覆蓋于一體的全球天空地一體化立體對(duì)地觀測(cè)網(wǎng)逐步形成,將成為保障國(guó)家安全的基礎(chǔ)性和戰(zhàn)略性資源。未來(lái)10年全球每天獲取的觀測(cè)數(shù)據(jù)將超過(guò)10PB,遙感大數(shù)據(jù)時(shí)代已然來(lái)臨。隨著小

    2024年02月10日
    瀏覽(25)
  • 【遙感專(zhuān)題系列】影像信息提取之——面向?qū)ο蟮挠跋穹诸?lèi)技術(shù)

    【遙感專(zhuān)題系列】影像信息提取之——面向?qū)ο蟮挠跋穹诸?lèi)技術(shù)

    “同物異譜,同譜異物”會(huì)對(duì)影像分類(lèi)產(chǎn)生的影響,加上高分辨率影像的光譜信息不是很豐富,還有經(jīng)常伴有光譜相互影響的現(xiàn)象,這對(duì)基于像素的分類(lèi)方法提出了一種挑戰(zhàn),面向?qū)ο蟮挠跋穹诸?lèi)技術(shù)可以一定程度減少上述影響。 本專(zhuān)題以ENVI中的面向?qū)ο蟮奶卣魈崛X工具為

    2024年01月19日
    瀏覽(23)
  • (二)Landsat_5 TM 遙感影像波段合成真假彩色影像

    (二)Landsat_5 TM 遙感影像波段合成真假彩色影像

    回顧以下Landsat系列衛(wèi)星的發(fā)展史,可以發(fā)現(xiàn)Landsat_5衛(wèi)星已經(jīng)退役,作為世界上壽命最長(zhǎng)的地球觀測(cè)衛(wèi)星,其在影像方面對(duì)人類(lèi)的發(fā)展具有很深刻的意義。Landsat_5 TM共有7個(gè)波段,通過(guò)不同的波段組合,形成不同遙感圖像,也就是常見(jiàn)的紅綠藍(lán)三通道影像立方體。地物對(duì)每一個(gè)

    2024年02月11日
    瀏覽(61)
  • Python地理數(shù)據(jù)處理 22:基于arcpy批量操作(四)

    Python地理數(shù)據(jù)處理 22:基于arcpy批量操作(四)

    代碼描述:遍歷a文件夾下的所有tif影像,并使用每個(gè)a文件夾中的tif影像對(duì)b文件夾下的所有tif影像進(jìn)行裁剪。裁剪后的柵格將以?xún)蓚€(gè)tif文件進(jìn)行組合命名,并保存到另一個(gè)文件夾中。 獲取柵格數(shù)據(jù)的平均值,并輸出程序運(yùn)行進(jìn)度: 程序運(yùn)行進(jìn)度: 某文件夾中包含多個(gè)子文件

    2024年02月04日
    瀏覽(22)
  • 【學(xué)習(xí)筆記】遙感影像分類(lèi)相關(guān)精度指標(biāo)

    【學(xué)習(xí)筆記】遙感影像分類(lèi)相關(guān)精度指標(biāo)

    混淆矩陣是分類(lèi)精度的評(píng)定指標(biāo)。是一個(gè)用于表示分為某一類(lèi)別的像元個(gè)數(shù)與地面檢驗(yàn)為該類(lèi)別數(shù)的比較陣列。 對(duì)檢核分類(lèi)精度的樣區(qū)內(nèi)所有的像元,統(tǒng)計(jì)其分類(lèi)圖中的類(lèi)別與實(shí)際類(lèi)別之間的混淆程度。 混淆矩陣中,對(duì)角線(xiàn)上元素為被正確分類(lèi)的樣本數(shù)目,非對(duì)角線(xiàn)上的元

    2024年01月22日
    瀏覽(28)
  • Python地理數(shù)據(jù)處理 二十一:基于arcpy批量操作(三)

    實(shí)現(xiàn)將給定的 .shp 文件中的所有省份作為裁剪范圍,對(duì)給定的 .tif 文件進(jìn)行裁剪,輸出所有省份的單獨(dú) .tif 文件: 實(shí)現(xiàn)對(duì)文件名前14個(gè)字符一樣的tif圖像進(jìn)行柵格運(yùn)算求和: 如:XXXX_XXX_2003.M01_Mean、XXXX_XXX_2003.M02_Mean、XXXX_XXX_2003.M03_Mean;XXXX_XXX_2004.M01_Mean、XXXX_XXX_2004.M02_Mean、

    2024年02月01日
    瀏覽(22)
  • arcpy基于excel中表格字段批量給矢量要素添加對(duì)應(yīng)字段

    將Excel表格中的字段批量添加到矢量要素并將對(duì)應(yīng)內(nèi)容填寫(xiě)到要素屬性表是可以使用Arcpy實(shí)現(xiàn)的。以下是一個(gè)簡(jiǎn)單代碼,假設(shè)有一個(gè)包含字段和數(shù)據(jù)的Excel表格以及要進(jìn)行批量添加的矢量要素圖層: import arcpy import xlrd # 設(shè)置輸入數(shù)據(jù)路徑 excel_file = r\\\"C:dataattributes.xlsx\\\" ?# 包含字

    2024年02月10日
    瀏覽(33)
  • 基于python與GDAL獲取遙感影像

    最近做項(xiàng)目,發(fā)現(xiàn)網(wǎng)上關(guān)于利用python與GDAL讀取遙感影像數(shù)據(jù)的資料比較少。因此整理了一些,以方便自己學(xué)習(xí)。 ?????1.首先確認(rèn)自己電腦上安裝好python版的GDAL庫(kù)。這個(gè)會(huì)以后有時(shí)間慢慢整理。 ??????2. 導(dǎo)入gdal庫(kù) ?????????from osgeo import gdal ??????3. 注冊(cè)GDAL庫(kù) ??

    2023年04月25日
    瀏覽(17)
  • 二十二、Arcpy批量波段組合——結(jié)合Landat數(shù)據(jù)城市建成區(qū)提取

    二十二、Arcpy批量波段組合——結(jié)合Landat數(shù)據(jù)城市建成區(qū)提取

    一、前言 其實(shí)波段組合和GIS中柵格計(jì)算有點(diǎn)類(lèi)似,實(shí)質(zhì)上就是對(duì)每個(gè)像素點(diǎn)對(duì)應(yīng)的DN值進(jìn)行數(shù)學(xué)計(jì)算,也就是可以進(jìn)行運(yùn)算表達(dá)式是 三個(gè)或多個(gè)變量相加、相減…… 每一個(gè)變量對(duì)應(yīng)于一個(gè)圖像數(shù)據(jù),對(duì)這三個(gè)或多個(gè)圖像數(shù)據(jù)求值并輸出結(jié)果圖像。 ?二、具體操作 1、實(shí)驗(yàn)具體

    2024年02月06日
    瀏覽(24)

覺(jué)得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包