使用python批量计算栅格像元值(像元总值等)

1. 单个栅格像元数值计算

python 复制代码
import rasterio
from rasterio import plot
import numpy as np
from scipy.stats import mode

# 打开TIF文件
with rasterio.open('path.tiff') as src:
    # 读取栅格数据
    data = src.read(1)  # 只读取第一个band

    # 计算总像元值
    total_pixel_value = np.sum(data)

    # 计算最大值
    max_value = np.max(data)

    # 计算最小值
    min_value = np.min(data)

    # 计算平均值
    mean_value = np.mean(data)

    # 计算中位数
    median_value = np.median(data)

    # 计算众数
    mode_value, _ = mode(data, axis=None)

    # 计算均方根误差(RMSE)
    # 假设你有一个参考值或者你想使用所有像元的平方和的平均值来计算RMSE
    # 这里我们使用整个数据集的平方和的平均值来近似计算RMSE
    rmse = np.sqrt(np.mean(data**2))

    # 打印结果
    print(f"总像元值: {total_pixel_value}")
    print(f"最大值: {max_value}")
    print(f"最小值: {min_value}")
    print(f"平均值: {mean_value}")
    print(f"中位数: {median_value}")
    print(f"众数: {mode_value}")
    print(f"均方根误差 (RMSE): {rmse}")

2. 批量计算并写入csv

python 复制代码
import rasterio
from rasterio import plot
import numpy as np
from scipy.stats import mode
import os
import csv

# 指定要处理的TIF文件所在的目录
tif_directory = 'path_to_your_tif_directory'

# 指定输出CSV文件的路径
output_csv_file = 'output.csv'

# 定义要写入CSV文件的列名
column_names = ['Filename', 'Total Pixel Value', 'Max Value', 'Min Value', 'Mean Value', 'Median Value', 'Mode Value', 'RMSE']

# 打开CSV文件进行写入
with open(output_csv_file, mode='w', newline='', encoding='utf-8') as csv_file:
    writer = csv.writer(csv_file)

    # 写入列名
    writer.writerow(column_names)

    # 遍历TIF文件列表
    for tif_file in os.listdir(tif_directory):
        if tif_file.endswith('.tiff'):
            # 构建完整的文件路径
            file_path = os.path.join(tif_directory, tif_file)

            # 打开TIF文件
            with rasterio.open(file_path) as src:
                # 读取栅格数据
                data = src.read(1)  # 只读取第一个band

                # 计算总像元值
                total_pixel_value = np.sum(data)

                # 计算最大值
                max_value = np.max(data)

                # 计算最小值
                min_value = np.min(data)

                # 计算平均值
                mean_value = np.mean(data)

                # 计算中位数
                median_value = np.median(data)

                # 计算众数
                mode_value, _ = mode(data, axis=None)

                # 计算均方根误差(RMSE) 
                # 这里我们使用整个数据集的平方和的平均值来近似计算RMSE
                rmse = np.sqrt(np.mean(data**2))

                # 写入CSV文件
                writer.writerow([tif_file, total_pixel_value, max_value, min_value, mean_value, median_value, mode_value, rmse])

print(f"统计数据已写入 {output_csv_file}")

说明:在计算tif栅格像元值的时候需要注意tif的数值类型,整数还是浮点。

在计算6位数值时,python会自动转成8位byte,这会影响计算结果。


感谢阅读

相关推荐
kyle~2 小时前
FastAPI --- 将业务能力以 API 的形式提供给外部系统
python·fastapi·前后端
aiotto资源分享2 小时前
Python 写 JSON 文件,程序中途退出会留下什么?
java·python·json·jsondecodeerror
2601_967979122 小时前
简单学Python——NumPy库6——数值计算1——累加和累乘
数值计算·numpy·数组·累加·累乘
梯度下降者3 小时前
Python信号量,条件变量,事件学习
python·条件变量·事件·信号量·线程通信
MSTcheng.3 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
the局外人4 小时前
Python 实战检索优化:BM25、向量与重排
数据库·后端·python
__underline__4 小时前
冷门Python知识点006篇:Python 类体里的名字,能被"凭空造出来"
后端·python
用户0332126663675 小时前
使用 Python 轻松移除 Excel 文档中的重复行
python·excel
LiaoWL1235 小时前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag
Dmz丶5 小时前
前端转 AI 100 天 Day 48:向量数据库——100 万向量的毫秒级检索
python