要处理遥感影像，需掌握gdal的几个关键技巧：1. 读取基本信息，包括尺寸、波段数、地理变换和投影信息；2. 读写波段数据，使用numpy数组进行计算并保存结果；3. 裁剪与重采样操作，通过gdal.warp实现区域裁剪和分辨率调整；4. 注意数据类型、nodata值处理、内存管理和资源释放。这些步骤构成了python中利用gdal处理遥感影像的核心流程。
处理遥感影像在地理信息、环境监测、城市规划等领域非常常见，而Python凭借其强大的生态和易用性，成为很多人的首选语言。如果你打算用Python来处理遥感数据，GDAL（Geospatial Data Abstraction Library） 是一个绕不开的工具。
这篇文章会从实用角度出发，介绍几个你最可能需要掌握的 GDAL 使用技巧，帮助你快速上手处理遥感影像。
读取遥感影像的基本信息
在开始处理之前，了解影像的基本信息是必须的，比如波段数、分辨率、坐标范围、投影信息等。
立即学习“Python免费学习笔记（深入）”；
使用 GDAL 打开文件后，可以通过 Dataset 对象获取这些内容：
from osgeo import gdal
dataset = gdal.Open("your_image.tif")
print("行数：", dataset.RasterYSize)
print("列数：", dataset.RasterXSize)
print("波段数：", dataset.RasterCount)
geotransform = dataset.GetGeoTransform()
projection = dataset.GetProjection()
print("地理变换参数：", geotransform)
print("投影信息：", projection)-
RasterYSize和RasterXSize是图像尺寸。 -
GetGeoTransform()返回的是仿射变换参数，包括左上角坐标和像元大小。 - 投影信息一般是以 WKT 格式返回的字符串。
小提示：如果读取失败，可能是路径不对或者文件格式不支持，记得检查一下扩展名是否正确。
读取与写入波段数据
遥感影像通常包含多个波段（如红绿蓝、近红外等），我们经常需要单独操作某个波段，比如提取 NDVI 或进行分类。
读取第一个波段的数据可以这样写：
band = dataset.GetRasterBand(1) array = band.ReadAsArray()
-
ReadAsArray()返回的是 NumPy 数组，可以直接参与计算。 - 如果你想把处理后的数组保存为新文件，可以用下面的方法创建并写入：
driver = gdal.GetDriverByName("GTiff")
out_dataset = driver.Create("output.tif", array.shape[1], array.shape[0], 1, band.DataType)
out_dataset.SetGeoTransform(geotransform)
out_dataset.SetProjection(projection)
out_band = out_dataset.GetRasterBand(1)
out_band.WriteArray(array)
out_band.FlushCache()- 注意输出数据类型要和原始一致，否则可能会出错。
- 写完之后别忘了释放资源：
del out_dataset。
常见预处理操作：裁剪与重采样
实际工作中，我们经常需要对影像进行裁剪或调整分辨率，这两个功能 GDAL 都原生支持。
裁剪影像
可以使用 gdal.Warp() 函数配合裁剪范围（bounding box）完成：
options = gdal.WarpOptions(outputBounds=[minX, minY, maxX, maxY])
gdal.Warp("clipped.tif", dataset, options=options)- 其中
minX,maxX等是你希望保留区域的边界坐标。 - 这个方法也适用于格式转换，只需要修改输出文件名的后缀即可。
重采样影像
改变影像分辨率也很简单，只需指定 xRes 和 yRes：
resampled = gdal.Warp("resampled.tif", dataset, xRes=30, yRes=30)- 上面的例子将影像重采样到 30 米分辨率。
- 默认使用最近邻插值，也可以通过
resampleAlg="bilinear"指定其他方式。
一些容易忽略但重要的细节
数据类型：不同传感器输出的数据类型可能不一样，比如有的是 uint16，有的是 float32，在做归一化或计算前最好先确认。
-
NoData 值：有些影像有无效像素，处理时要记得设置或跳过它们：
nodata = band.GetNoDataValue() if nodata is not None: array[array == nodata] = 0 # 示例替换为0 内存管理：大影像一次性加载可能吃不消，建议分块读取或使用
ReadAsArray(xoff, yoff, xsize, ysize)来控制内存。关闭数据集：处理完成后记得释放资源，避免锁住文件或内存泄漏。
基本上就这些。掌握了这几个关键步骤，你就能用 Python + GDAL 完成大多数遥感影像的基础处理了。
