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
网络安全(king)19 分钟前
【Python】【持续项目】Python-安全项目搜集
开发语言·python·安全
工业甲酰苯胺20 分钟前
Python脚本消费多个Kafka topic
开发语言·python·kafka
做程序员的第一天1 小时前
在PyTorch中,钩子(hook)是什么?在神经网络中扮演什么角色?
pytorch·python·深度学习
yyywxk1 小时前
VSCode 新建 Python 包/模块 Pylance 无法解析
ide·vscode·python
Nerinic1 小时前
PyTorch基础2
pytorch·python
搏博2 小时前
Python3.9.13与深度学习框架TensorFlow的完整详细安装教程
python·tensorflow
胜天半月子2 小时前
Python | 结合动态加载importlib模块来理解inspect模块的使用
python·importlib·inspect
Jurio.2 小时前
Conda 管理项目环境
人工智能·python·深度学习·conda·virtualenv·pip
B站计算机毕业设计超人2 小时前
计算机毕业设计SparkStreaming+Kafka新能源汽车推荐系统 汽车数据分析可视化大屏 新能源汽车推荐系统 汽车爬虫 汽车大数据 机器学习
数据仓库·爬虫·python·数据分析·kafka·数据可视化·推荐算法
Joyner20182 小时前
pytorch训练的双卡,一个显卡占有20GB,另一个卡占有8GB,怎么均衡?
人工智能·pytorch·python