Rasterio是一个Python库，专门用于栅格数据的读写操作。它支持多种栅格数据格式，如GeoTIFF、ENVI和HDF5，为处理和分析栅格数据提供了强大的工具。RasterIO适用于各种栅格数据应用，如卫星遥感、地图制作等。通过RasterIO，用户可以方便地读取、写入和操作栅格数据，提高数据处理效率。此外，RasterIO还支持自定义栅格数据类型和变换操作，具有很高的灵活性和可扩展性。总的来说，RasterIO是一个功能强大、易用的栅格数据处理库，对于遥感、地理信息系统等领域的数据处理和分析具有重要意义。
1 Rasterio库安装
Rasterio依赖于pyproj、Shapely、GDAL、Fiona、geopandas、rasterio等库，如果你之前安装过GDAL就大可不必担心，因为GDAL的使用包揽了这些库。如果没有我建议直接安装rasterio库，然后报错什么库就安装什么库。注意自己的Python版本号！！！下载地址：Rasterio库
2 导入常用函数
这些都是我后面代码需要使用到的函数，注意要导入，别到时候报错。
import osimport rasteriofrom rasterio.plot import showfrom rasterio.windows import Window3 基础操作代码展示
3.1 获取影像基本信息
def Get_data(filepath):ds = rasterio.open(filepath)# 打开文件ds_bands = ds.count# 波段数ds_width = ds.width# 宽度ds_height = ds.height# 高度ds_bounds = ds.bounds# 四至范围ds_geo = ds.transform# 仿射地理变换参数ds_prj = ds.crs# 投影坐标系# print(ds.crs.wkt)# ds.nodatavals# 缺失值# ds.dirver# 数据格式print("影像的宽度为：" + str(ds_width))print("影像的高度为：" + str(ds_height))print("仿射地理变换参数为：" + str(ds_geo))print("投影坐标系为：" + str(ds_prj))3.2 读写数据
这里的读写其实都和GDAL库差不多。读取的话都是读成数组，然后可以选择波段和读取范围；保存时都是选择波段数、仿射地理变换参数和投影信息。
def Read_Write_data(filepath):ds = rasterio.open(filepath)bands = ds.read()# 以数组的形式读取所有波段band1 = ds.read(1, window=Window(0, 0, 512, 256))# 以数组的形式打开波段1读取512*256new_dataset = rasterio.open('/tmp/new.tif','w',driver='GTiff',height=band1.shape[0],width=band1.shape[1],count=1,dtype=band1.dtype,crs='+proj=latlong',# ds.crstransform=ds.transform,)new_dataset.write(band1, 1)# 将band1的值写入new_dataset的第一个波段3.3 可视化影像
这里是Rasterio自己集成了一个显示函数，不用我们自己再去使用matplotlib库绘制影像了。我这里就展示了一种用法，官方给了好几个demo，大家有兴趣可以自己去看。
def Show_data(filepath):ds = rasterio.open(filepath)show(ds, transform=ds.transform)3.4 计算NDVI
这里给大家介绍一个经典案例，就是NDVI的计算。通过这个应该很容易就能理解Rasterio库的数据结构了。
def Get_NDVI(filepath):ds = rasterio.open(filepath)red = ds.read(4).astype('float64')nir_red = ds.read(5).astype('float64')ndvi = (nir_red - red) / (nir_red + red)new_dataset = rasterio.open('ndvi.tif','w',driver='GTiff',height=ds.height,width=ds.width,count=1,dtype='float64',crs=ds.crs,transform=ds.transform)new_dataset.write(ndvi, 1)new_dataset.close()4 完整代码
# -*- coding: utf-8 -*-"""@Time ： 2023/10/19 11:20@Auth ： RS迷途小书童@File ：Rasterio Functions.py@IDE ：PyCharm@Purpose：rasterio库常用操作"""import osimport rasteriofrom rasterio.plot import showfrom rasterio.windows import Windowdef Get_data(filepath):ds = rasterio.open(filepath)# 打开文件ds_bands = ds.count# 波段数ds_width = ds.width# 宽度ds_height = ds.height# 高度ds_bounds = ds.bounds# 四至范围ds_geo = ds.transform# 仿射地理变换参数ds_prj = ds.crs# 投影坐标系# print(ds.crs.wkt)# ds.nodatavals# 缺失值# ds.dirver# 数据格式print("影像的宽度为：" + str(ds_width))print("影像的高度为：" + str(ds_height))print("仿射地理变换参数为：" + str(ds_geo))print("投影坐标系为：" + str(ds_prj))def Read_Write_data(filepath):ds = rasterio.open(filepath)bands = ds.read()# 以数组的形式读取所有波段band1 = ds.read(1, window=Window(0, 0, 512, 256))# 以数组的形式打开波段1读取512*256new_dataset = rasterio.open('/tmp/new.tif','w',driver='GTiff',height=band1.shape[0],width=band1.shape[1],count=1,dtype=band1.dtype,crs='+proj=latlong',# ds.crstransform=ds.transform,)new_dataset.write(band1, 1)# 将band1的值写入new_dataset的第一个波段def Show_data(filepath):ds = rasterio.open(filepath)show(ds, transform=ds.transform)def Get_NDVI(filepath):ds = rasterio.open(filepath)red = ds.read(4).astype('float64')nir_red = ds.read(5).astype('float64')ndvi = (nir_red - red) / (nir_red + red)new_dataset = rasterio.open('ndvi.tif','w',driver='GTiff',height=ds.height,width=ds.width,count=1,dtype='float64',crs=ds.crs,transform=ds.transform)new_dataset.write(ndvi, 1)new_dataset.close()if __name__ == "__main__":filepath1 = r'B:\Personal\Rasterio_try/46_22.tif'总结来说，Rasterio库是一个很好的二次封装的库，可以更方便快捷地处理遥感栅格数据。但我个人使用GDAL习惯了，所以不怎么用Rasterio库，如果大家刚开始学习使用Python去处理地理空间数据，那么Rasterio库是一个很好的推荐。