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
蛋仔聊测试9 分钟前
Playwright 中 Page 对象的常用方法详解
python
前端付豪21 分钟前
17、自动化才是正义:用 Python 接管你的日常琐事
后端·python
jioulongzi23 分钟前
记录一次莫名奇妙的跨域502(badgateway)错误
开发语言·python
破无差1 小时前
python实现简单的地图绘制与标记20250705
python
喜欢吃豆1 小时前
目前最火的agent方向-A2A快速实战构建(二): AutoGen模型集成指南:从OpenAI到本地部署的全场景LLM解决方案
后端·python·深度学习·flask·大模型
好开心啊没烦恼2 小时前
Python 数据分析:DataFrame,生成,用字典创建 DataFrame ,键值对数量不一样怎么办?
开发语言·python·数据挖掘·数据分析
周树皮不皮2 小时前
20250704【翻转&二叉树】|Leetcodehot100之226【pass】&今天计划
python
魔芋红茶2 小时前
spring-initializer
python·学习·spring
喜欢吃豆2 小时前
快速手搓一个MCP服务指南(九): FastMCP 服务器组合技术:构建模块化AI应用的终极方案
服务器·人工智能·python·深度学习·大模型·github·fastmcp
一个天蝎座 白勺 程序猿3 小时前
Python(28)Python循环语句指南:从语法糖到CPython字节码的底层探秘
开发语言·python