GDAL读取图像波长和单位

Python+GDAL栅格数据基本操作 Python+GDAL栅格数据基本操作什么是栅格数据?什么是GDAL?如何对栅格数据进行读取栅格数据行列号和地理坐标相互转换如何写入到栅格数据文件 什么是栅格数据? 最简形式的栅格由按行和列(或格网)组织的像元(或像素)矩阵组成,其中的每个像元都包含一个信息值(例如温度)。栅格可以是数字航空像片、卫星影像、数字图片或甚至扫描的地图。 为何将数据存储为栅格? 在GIS的应用中最常见的是矢量数据和栅格数据,相比于矢量数据,栅格数据的存储格式简单,处理简单,所以经常使用。但是也存在着数据冗余大的缺点。 有时只 阅读详情

对于有波长和单位信息的影像可用调用某一栅格波段的GetMetadataItem函数打开:

dataSet->GetRasterBand(1)->GetMetadataItem("wavelength");

dataSet->GetRasterBand(1)->GetMetadataItem("wavelength_units");

如果有这些信息,返回值类型为const char *,如果没有这些信息,返回值为NULL;

const char *变量可以直接赋值给string类型的变量;

如果返回值为NULL则不显示,可以通过加入条件语句将单位赋值为Unknown来显示;

注意不要拼写错误;

因为每个波段都有这些信息,因此需要用循环找出每个波段的波长和单位信息,下面是Qt环境中在TreeView显示的代码:

    //显示波段信息
    QFileInfo fileInfo(fName);
    QStandardItem *rootItem = new QStandardItem(fileInfo.fileName());
    for(int i=0;i<BandCount;i++)
    {
        const char *wave = dataSet->GetRasterBand(i+1)->GetMetadataItem("wavelength");
        const char *waveUints = dataSet->GetRasterBand(i+1)->GetMetadataItem("wavelength_units");//别拼写错误
        QString wav = wave;
        QString wavUi = waveUints;
        if(waveUints == NULL)
            wavUi = "Unknown";
        QStandardItem *childItem = new QStandardItem(tr("Band%1  %2 %3").arg(i+1).arg(wav).arg(wavUi));
        rootItem->setChild(i,childItem);
    }
    fileModel->setItem(0,rootItem);
    ui->treeView->setModel(fileModel);
    ui->treeView->expandAll();//打开所以节点

效果如下:

                                                   

 

 

 

卫星遥感影像预处理全流程解析:从辐射定标到几何校正 本文全面解析卫星遥感影像预处理的全流程,涵盖辐射定标、大气校正和几何校正三大关键步骤。通过实战案例和技术细节,帮助读者掌握如何将原始卫星数据转化为精确可用的地理信息数据,提升遥感影像分析的准确性和效率。 阅读详情

相关推荐

卫星遥感+AI实时林火监测系统设计与落地实践

卫星遥感是获取大范围地表热异常的核心手段,其原理依赖多光谱尤其是热红外波段对温度变化的敏感响应;结合深度学习目标检测与多源数据融合技术,可显著提升火点识别的时效性与鲁棒性。该技术价值在于突破传统人工盯屏瓶颈,实现从‘事后响应’到‘事中干预’的能力跃迁,广泛应用于森林防火、草原火情预警及城市电气火灾初筛等场景。本文聚焦wildfire detection在真实业务环境中的闭环构建,涵盖卫星影像预处理、YOLOv5s轻量化建模、边缘-云协同推理及预警指令生成等关键环节。

weixin_33795806的博客 378

GDAL-API手册

GDAL开发手册API详细说明,内含详细示例代码,适合初学者使用,非常棒的入门书!In pythe Import go from gdalconst import s datasct-gdal. Open( filename, GA ReadOnly if dataset is none 如果 GDALOpen(函数返回NUL则表示打开失败,同时 CPLError(函数产生 相应的错误信息。如果您需要对错误迂行处理可以参考 CPLError相关文档 通常情况下,所有的GDAL函数都通过 CPLError(报告错误。另外需要注意的 是 pszFilename并不一定对应一个实际的文件名(当然也可以就是一个文件 名)。它的具休解释由相应的驱动程序负责。它可能是一个URL,或者是文件 名以后后面带有许多用于控制打开方式的参数。通常建议,不要在打开文件的 选择对话框中对文件的类型做太多的限制。 1.2.获取 Dataset信息 如果GL数据模型一节所描述的,一个 GDALDataset包含了光栅数据的一系列 的泼段信息。同时它还包含元数据、一个坐标系统、投影类型、光枥的大小以 及其他许多信息。 dfGeotransform[0]/米左上角x*/ dfGeoTrans lori[1]/东西方向一个像素对应的距离*/ adfGeotransform[2]/米旋转,0表示上面为北方 adfGeotransform[3]米左上角y*/ adfGeotrans form[4]/*旋转,0表示上面为北方米/ adfGeoTransform[5]/*南北方向一个像素对应的距离*/ 如果需要输出 dataset的基木信息,可以这样: In c+t adfGcotransform[6] printf( Driver: %s/%s\n poDataset->GetDriver(->GetDescription o poDataset->GetDriver()->GetMetadataltem( GDAL DMD LONGNAME)) printr( Size is %dx%dx%d\n poDataset->GetRasterXSizeo, poDataset->GetRasterYSize( poDataset->GetRasterCounto) if( poDataset->GetProjectionRef(!= NULL printf( Projection is %s'n poDataset->GetProjectionRef() if( poDataset->GetGeoTransform( adfGeoTransform one printf( Origin=(%. 6f, %. 6f)\n adfGeoTransform[01, adfGeoTrans form[3]) printf(Pixel Size=(%. 6f, %. 6f)\n adfGcoTransform[1, adfGco Transform[5 In c GDALDriverh dRiver double adfGeoTransform[6] hDriver- GDALGctDatasctDriver( hDatasct printf( Driver: %s /%s\n GDALGetDriver ShortName( hDriver GDALGetDriverlongName ( dRiver)) printf size is %dx%dx%d\n GDALGetRasterXSize( hDataset GDALGetRasterYSize( dAtaset GDALGetRasterCount( hDataset)) if( GDALGetProjectionRef( hDataset )! -NULL printf( Projection is %s\n GDALGetProjectionRef( dAtaset )) if( GDALGetGeoTransform( hDataset, adfGeoTransform )==CE None printf( Origin =(9%.6f, %.6f)\n adfGeo Transform[01, adfGeo Transform[3]) printf( pixel Size=(%. 6f, %.6f)\n adfGeoTransform[1, adfGeoTrans form[5) In Python print Driver:', dataset GetDriver(. ShortName, /', dataset. Get Driver(. Lon

AI驱动的卫星遥感林火早期预警系统实战指南

林火监测本质上是时空敏感型遥感异常检测问题,其核心在于从多源异构地理空间数据中识别微弱、动态、小尺度的燃烧前兆信号。传统热红外方法受限于地物混淆与环境干扰,而基于卫星影像的AI分析通过融合多光谱时序特征(如NDVI-LST残差)、地形先验(DEM坡度)与地域知识,显著提升小目标检出鲁棒性。技术价值体现在毫秒级响应、无地面基建依赖及误报率可控——尤其适用于西南高山峡谷、北方草原等广域低密度监控场景。本文聚焦wildfire detection与satellite imagery两大关键技术落地难点,覆盖数据预

alexhill2009的博客 378

GDAL读取元数据

GDAL读取元数据对于GDALDataset,可以使用GetMetadataDomainList()获取到元数据的域。 对于一幅标准TIF影像,通常可以得到这样的一组字符串: “ESRI” “” “xml:XMP” “IMAGE_STRUCTURE” “EXIF” 可以用GetMetaData(“域名”)来获取域的元数据,其默认参数为“” “”域: [1]:TIFFTAG_DATETIME:影像

xzhh19921019的专栏 5117

ISCE2实战指南:从环境搭建到SBAS-InSAR时序分析的完整流程

合成孔径雷达干涉测量(InSAR)是一种通过雷达卫星数据监测地表毫米级形变的关键遥感技术。其原理是通过比较同一区域不同时间获取的雷达图像之间的相位差异,提取地表高程变化或形变信息。这项技术的核心价值在于能够大范围、高精度地监测地震、火山、滑坡、城市沉降等自然与人为活动引起的地表变化,广泛应用于地质调查、基础设施安全和灾害预警等领域。在InSAR处理实践中,时序分析技术如SBAS-InSAR能够有效抑制大气误差,获取时间序列上的连续形变场,是当前的研究与应用热点。本文聚焦于行业广泛使用的开源处理软件ISCE2

weixin_34210740的博客 306

ISCE2实战指南:从环境搭建到哨兵一号InSAR时序处理全解析

合成孔径雷达干涉测量(InSAR)是一种通过雷达相位信息监测地表毫米级形变的关键遥感技术。其原理是利用同一区域两幅SAR影像的相位差生成干涉图,进而反演地形或形变信息。这项技术在基础设施沉降监测、地质灾害预警和冰川运动研究等领域具有不可替代的价值。本文聚焦于InSAR处理领域的工业标准工具——ISCE2(InSAR Scientific Computing Environment),深入剖析其核心处理流程。我们将从实战角度出发,详细讲解如何在Linux环境下利用Conda搭建稳定的ISCE2处理环境,并重点

weixin_30607659的博客 443

Python-gdal读取卫星数据,并提取三个波段写入新的tif

#导入gdal包 from osgeo import gdal #读取遥感影像数据 path=r'E:\oil.tif' ds=gdal.Open(path) num=ds.RasterCount #获取影像波段数 #栅格矩阵的列数 im_width = ds.RasterXSize #栅格矩阵的行数 im_height = ds.RasterYSize #获取仿射矩阵,左上...

weixin_39317090的博客 2865

卫星影像分类实战:用scikit-learn实现可解释遥感像素级分类

卫星影像分类是遥感信息提取的核心任务,本质是将多光谱/高光谱影像的每个像素映射到地物语义类别。其技术原理依赖光谱响应差异与统计建模,关键在于特征构造(如NDVI、BRR等植被/土壤指数)与分类器对非线性波段组合的拟合能力。相比深度学习,传统机器学习(如随机森林)在小样本、强解释性、低算力场景下具备显著工程优势——既能输出波段重要性指导外业采样,又支持单机轻量化部署。本文聚焦农业遥感典型应用,基于Sentinel-2影像与点状标注,完整呈现从大气校正、缓冲区样本生成到12维特征构建、模型调优及地理配准结果输出

xpmwgcwm的博客 408

GDAL python教程基础篇(10)GDAL读取数据集数据

GDAL读取数据集数据

qq_45373844的博客 3698

星载AI实战:深空探测中的轻量化深度学习与自主导航

深度学习正从地面服务器走向深空探测器,其核心已非算法创新,而是如何在极端物理约束下实现可靠部署。在通信延迟、辐射环境、功耗内存严苛限制下,星载AI必须依托模型轻量化、INT8量化感知训练、FPGA/ASIC异构加速及物理驱动的合成数据构建等关键技术,支撑地形可通行性评估、科学目标识别与异常自主响应等实时任务。本文聚焦火星探测场景,系统解析遥感解译、自主导航闭环与抗辐照加固等工程实践,为航天嵌入式AI研发提供可复用的技术路径和验证范式。

676

地球观测中的机器学习入门:遥感工程师的实战指南

地球观测(Earth Observation)是获取地表时空信息的核心技术,其数据具有光谱-空间-时间三维结构和明确物理意义;机器学习(Machine Learning)在该领域并非替代专家经验,而是作为增强型分析杠杆,需与大气校正、辐射定标、地理约束等传统遥感流程深度耦合。其技术价值在于提升分类精度、边界清晰度与业务可解释性,广泛应用于土地利用监测、水体识别、农作物长势评估与城市不透水面提取等场景。本文聚焦遥感应用者实际工作流,以GEE预处理、scikit-learn建模、SHAP解释为核心,提供一条尊重

372

Python GDAL为具有多个波段的大量栅格图像绘制像素随时间变化走势图

本文介绍基于Python中的gdal模块,对大量长时间序列的栅格遥感影像文件,绘制其每一个波段中、若干随机指定的像元的时间序列曲线图的方法~

疯狂学习GIS的博客 983

卫星遥感灾害分析实战:72小时应急响应技术指南

卫星遥感是灾害应急响应的核心技术支撑,其本质是通过光学与SAR影像的物理特性解译地表变化。原理上依赖辐射定标、多光谱指数(如NDWI、NBR)和时序差分实现灾情量化;技术价值在于突破时空限制,提供云雨穿透能力与快速重访优势;典型应用场景涵盖洪涝水体提取、滑坡形变识别、火灾生态评估等一线决策需求。本文聚焦真实灾害现场验证的轻量化流程,深度融合Sentinel-1/Sentinel-2数据源与QGIS+GEE工具链,强调‘人机协同渐进式解译’与‘本地化阈值校准’两大关键实践,避免模型黑箱陷阱,确保结果可溯源、可

weixin_30443747的博客 386

卫星遥感船只检测:YOLOv8模型选型与遥感适配实战

卫星遥感图像目标检测是遥感智能解译的核心任务,其本质是将物理成像特性(如尺度畸变、低信噪比、伪目标干扰)映射为可学习的视觉表征。不同于通用场景,遥感船只检测需突破COCO预设假设,从BRDF反射建模、RPC地理校正到Anchor动态聚类,构建端到端的遥感感知闭环。技术价值体现在小目标召回率提升、跨分辨率模型协同推理及边缘设备轻量化部署能力。典型应用于海事监管、渔业执法与海上安防等地理空间智能场景。本文聚焦YOLOv8系列在高分、Sentinel-2等主流卫星影像上的适配改造与工程落地。

weixin_33994429的博客 601

高光谱图像处理专用Python模块spectral-master实战包(含PL/SQL数据库集成支持)

其目标不是统一二进制布局,而是统一元数据语义空间——即把波长、FWHM、单位、坐标系、采样方式等关键物理量,映射到一组标准化命名空间(如。

weixin_42402664的博客 321

Landsat与Sentinel遥感影像配准实战指南

遥感影像配准是多源数据融合的基础技术,其本质是解决不同传感器(如Landsat和Sentinel)在几何、光谱、时间维度上的系统性差异。理解RPC模型与GCP校正机制、光谱响应函数差异及非同时相伪影,是实现高精度配准的前提;SIFT等特征匹配算法需针对遥感特性调优,而非直接套用自然图像参数。该技术支撑土地利用变化检测、城市内涝建模、耕地核查等核心业务场景,其价值不在于亚像素精度本身,而在于保障下游分析结果的地理一致性与业务可用性。本文聚焦Landsat与Sentinel协同应用中的配准工程实践。

weixin_34228387的博客 354

Sentinel-2云掩膜总出错?:20年遥感老兵私藏的Python+scikit-image+morphology云检测增强算法(含可复现notebook)

解决Sentinel-2云掩膜不准难题:20年遥感老兵用Python遥感数据工具,结合scikit-image与形态学算法增强云检测精度。适用于多时相地表监测,抗薄云干扰强、可复现性高,含完整Jupyter Notebook,值得收藏。

LiteCompile的博客 256

Xilinx SDK工程编译、链接、调试注意事项

1、添加工程 启动SDK时选取workspace,如下图所示: 对应的workpace文件夹中会生成如下几个文件: 如果当前workspace是首次加载工程,SDK会进入启动界面 点击Import Project,导入已有工程 点击Browse,添加工程路径,一个完整的工程包含一个bsp文件夹,一个HW文件夹,和一个src文件夹(添加C功能函数) 点击Fini...

Autumn_He的博客 1万+
上一篇: 十六进制颜色代码大全
下一篇: QComboBox设置字体样式
之乎者也哦
博客等级 码龄8年 7165粉丝 72原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值