本文介绍基于Python 中gdal模块，对大量多时相 栅格图像，批量绘制像元时间序列折线图的方法。
首先，明确一下本文需要实现的需求：现有三个文件夹，其中第一个文件夹 存放了某一研究区域原始的多时相栅格遥感影像数据（每一景遥感影像 对应一个时相 ，文件夹中有多景遥感影像 ），每一景遥感影像都是.tif格式；第二个文件夹 与第三个文件夹 则分别存放了前述第一个文件夹中原始遥感影像 基于2种不同滤波方法处理后 的遥感影像（同样是每一景遥感影像 对应一个时相 ，文件夹中有多景遥感影像 ），每一景遥感影像同样也都是.tif格式。我们希望分别针对这三个文件夹中的多张遥感影像数据，随机绘制部分像元对应的时间序列曲线图（每一个像元 对应一张曲线图 ，一张曲线图 中有三条曲线 ）；每一张曲线图的最终结果都是如下所示的类似的样式，X轴表示时间节点，Y轴就是具体的像素值。
知道了需求，我们便开始代码的书写。具体代码如下：
python
# -*- coding: utf-8 -*-
"""
Created on Wed Dec 14 00:48:48 2022
@author: fkxxgis
"""
import os
import numpy as np
import matplotlib.pyplot as plt
from osgeo import gdal
original_file_path = r"E:\AllYear\Original"
hants_file_path = r"E:\AllYear\Reconstruction"
sg_file_path = r"E:\AllYear\SG"
pic_file_path = r"E:\AllYear\Pic"
pic_num = 50
np.random.seed(6)
original_file_list = os.listdir(original_file_path)
tem_raster = gdal.Open(os.path.join(original_file_path, original_file_list[0]))
col_num = tem_raster.RasterXSize
row_num = tem_raster.RasterYSize
col_point_array = np.random.randint(0, col_num, pic_num)
row_point_array = np.random.randint(0, row_num, pic_num)
del tem_raster
hants_file_list = os.listdir(hants_file_path)
start_day = hants_file_list[0][12:15]
end_day = hants_file_list[-1][12:15]
day_list = [x for x in range(int(start_day), int(end_day) + 20, 10)]
for i in range(pic_num):
original_pixel_list, hants_pixel_list, sg_pixel_list = [[] for x in range(3)]
for tif in original_file_list:
original_raster = gdal.Open(os.path.join(original_file_path, tif))
original_array = original_raster.ReadAsArray()
original_pixel_list.append(original_array[row_point_array[i],col_point_array[i]])
for tif in hants_file_list:
hants_raster = gdal.Open(os.path.join(hants_file_path, tif))
hants_array = hants_raster.ReadAsArray()
hants_pixel_list.append(hants_array[1, row_point_array[i],col_point_array[i]])
sg_file_list = os.listdir(sg_file_path)
for tif in sg_file_list:
sg_raster = gdal.Open(os.path.join(sg_file_path, tif))
sg_array = sg_raster.ReadAsArray()
sg_pixel_list.append(sg_array[1, row_point_array[i],col_point_array[i]])
pic_file_name = str(col_point_array[i]) + "_" + str(row_point_array[i]) + ".png"
plt.figure(dpi = 300)
plt.plot(original_pixel_list,color = "red", label = "Original")
plt.plot(hants_pixel_list,color = "green", label = "HANTS")
plt.plot(sg_pixel_list,color = "blue", label = "SG")
plt.legend()
plt.xticks(range(len(day_list)), day_list, fontsize = 11)
plt.xticks(rotation = 45)
plt.title(str(col_point_array[i]) + "_" + str(row_point_array[i]), fontweight = "bold")
plt.savefig(os.path.join(pic_file_path, pic_file_name))
plt.show()
plt.clf()
del original_raster
del hants_raster
del sg_raster其中，E:\AllYear\Original为原始多时相遥感影像数据存放路径，也就是前述的第一个文件夹 的路径；而E:\AllYear\R与E:\AllYear\S则是前述第二个文件夹 和第三个文件夹 对应的路径；E:\AllYear\Pic则是批量绘图后，图片保存的路径。这里请注意，在运行代码前我们需要在资源管理器中，将上述三个路径下的各文件以"名称 "排序的方式进行排序（每一景遥感影像都是按照成像时间命名的）。此外，pic_num则是需要加以绘图的像元个数，也就表明后期我们所生成的曲线图的张数为50。
代码的整体思路也非常简单。首先，我们借助os.listdir()函数获取original_file_path路径下的所有栅格遥感影像文件，在基于gdal.Open()函数将这一文件下的第一景遥感影像打开后，获取其行数与列数；随后，通过np.random.randint()函数生成两个随机数数组，分别对应着后期我们绘图的像元的行号 与列号。
在代码的下一部分（就是hants_file_list开头的这一部分），我们是通过截取文件夹中图像的名称，来确定后期我们生成的时间序列曲线图中X轴的标签（也就是每一个x对应的时间节点是什么）------其中，这里的[12:15]就表示对于我的栅格图像而言，其文件名的第13到15个字符表示了遥感影像的成像时间；大家在使用代码时依据自己的实际情况加以修改即可。在这里，我们得到的day_list，就是后期曲线图中X轴各个标签的内容。
随后，代码中最外层的for循环部分，即为批量绘图工作的开始。我们前面选择好了50个随机位置的像元，此时就可以遍历这些像元，对每一个像元在不同时相中的数值加以读取------通过.ReadAsArray()函数将栅格图像各波段的信息读取为Array格式，并通过对应的行号 与列号 加以像素值的获取；随后，将获取得到的像元在不同时相的数值通过.append()函数依次放入前面新生成的列表中。
在接下来，即可开始绘图的工作。其中，pic_file_name表示每一张曲线图的文件名称，这是通过当前像元对应的行号 与列号 来命名的；plt.figure(dpi = 300)表示设置绘图的DPI 为300。随后，再对每一张曲线图的图名、图例与坐标轴标签等加以配置，并通过plt.savefig()函数将生成的图片保存在指定路径下。
最终，我们得到的多张曲线图结果如下图所示，其文件名通过列号 与行号分别表示了当前这张图是基于哪一个像元绘制得到的；其中，每一张图的具体样式就是本文开头所展示的那一张图片的样子。
至此，大功告成。