使用Python GDAL库读取栅格数据并基于质量评估波段QA对指定数据进行筛选掩膜

Python GDAL库：基于质量评估波段筛选栅格数据

最新推荐文章于 2025-12-03 12:28:21 发布

代码飞翔

最新推荐文章于 2025-12-03 12:28:21 发布

阅读量219

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/HackNebulaZ/article/details/132786214

Python 专栏收录该内容

285 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Python的GDAL库读取栅格数据，并通过质量评估波段（QA）对数据进行筛选掩膜。示例代码展示了如何定义一个函数，该函数接收输入栅格路径、质量评估波段索引、输出路径和筛选阈值，处理后的数据将写入输出栅格，提高遥感数据的准确性和可用性。

使用Python GDAL库读取栅格数据并基于质量评估波段QA对指定数据进行筛选掩膜

GDAL（Geospatial Data Abstraction Library）是一个开源的地理空间数据处理库，可以用于读取、写入和转换各种栅格和矢量地理数据格式。在本文中，我们将使用GDAL库来读取栅格数据，并利用质量评估波段（Quality Assessment band）对数据进行筛选掩膜。

首先，我们需要确保已经安装了GDAL库。可以使用pip命令进行安装：

pip install gdal

接下来，我们将使用GDAL库的Python绑定来实现栅格数据读取和筛选掩膜的功能。下面是一个示例代码：

import gdal

def apply_quality_mask(input_raster, qa_band, output_raster, threshold

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

代码飞翔

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

GDAL读取波段数据1

bcbobo21cn的专栏

05-28

495

GDAL读取波段数据先用数据集指针调用GetRasterBand返回波段指针，再用波段指针读取；

python：使用GDAL库读取遥感影像指定行列数/经纬度坐标的像素值

养乐多的博客

02-16

1166

本文将介绍如何使用GDAL库来读取单波段遥感影像数据，如何获取指定行列位置的像素的经纬度坐标，并根据像素行列数和经纬度坐标获取像素值。代码由python实现。

参与评论您还未登录，请先登录后发表或查看评论

GDAL学习笔记04：获取遥感影像波段信息

EWBA_GIS_RS_ER的博客

07-24

1561

GDAL获取遥感影像波段信息

Python中GDAL批量将多个遥感影像各波段数值缩小10000倍的方法

疯狂学习GIS的博客

05-07

929

本文介绍基于Python中的gdal模块，批量读取大量多波段遥感影像文件，分别对各波段数据加以数值处理，并将所得处理后数据保存为新的遥感影像文件的方法~

GDAL python教程基础篇（10）GDAL读取数据集数据

qq_45373844的博客

03-27

3570

GDAL读取数据集数据

Python GDAL读取栅格数据并基于质量评估波段QA对指定数据加以筛选掩膜

xiaocai

02-23

548

np.where(rt_lai_array>30000,np.nan,rt_lai_array)表示利用np.where()函数对Array中第一个波段中像素>30000加以选取，并将其设置为nan，其他值不变。driver.Create(DRT_out_file_tif_path,row,col,1,gdal.GDT_Float32)表示按照路径、行列数、波段数与数据格式等建立一个新的栅格图层，作为输出图层的框架；其中，rt_file_path为自有产品的存放路径，gl_file_path为。

Python中gdal栅格遥感影像读取计算与写入处理及质量评估QA波段图层数据筛选掩膜

疯狂学习GIS的博客

07-18

3188

前期系列博客1（https://blog.youkuaiyun.com/zhebushibiaoshifu/article/details/113929859）详细介绍了基于ENVI、ERDAS等软件对遥感影像加以各类处理的操作，系列博客2（https://blog.youkuaiyun.com/zhebushibiaoshifu/article/details/117573181）则详细介绍了基于GEE在线平台对遥感影像加以处理的方法；而本文则将介绍基于Python语言gdal等模块对遥感影像加以处理的详细代码与操作。

Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜

疯狂学习GIS的博客

07-26

2045

前期一篇博客（https://blog.youkuaiyun.com/zhebushibiaoshifu/article/details/118878435）详细介绍了基于Python语言gdal等模块实现遥感影像栅格数据的读取，以及基于质量评估QA波段实现栅格像元筛选与掩膜的全部操作。在本文，我们依据前述这一篇博客的代码，结合大家更为熟悉的MODIS系列遥感影像产品，基于其质量评估波段进行具体的对照讲解。也就是说，本文重点不在于代码的讲解（具体代码在前述这一篇博客中已经很详细地介绍了），而是将上述代码在更为具体的

python对landsat8数据进行辐射标定和大气校正

weixin_45866058的博客

05-30

1661

辐射定标：辐射亮度L=DN*Gain+Bias 大气校正：表观反射率ρ=π*L*D²/（ESUN*cosθ）式中，ρ为大气层顶( TOA) 表观反射率( 无量纲)，π为常量( 球面度sr)，L 为大气层顶进人卫星传感器的光谱辐射亮度（ W*1/（m²*sr*um）），D为日地之间距离( 天文单位)， ESUN为大气层顶的平均太阳光谱辐照度（ W*1/（m²*sr*um））θ为太阳的天顶角。

怎么在ENVI下对MODIS数据进行云掩膜处理

06-07

MODIS云掩膜数据通常为**QA（质量评估）波段**或专门命名的云掩膜层（如`Cloud_Mask`）。 > 示例：MOD35云掩膜产品可直接提供二值化云标识[^3][^5]。 - **波段属性**：打开数据后，在`Layer Manager`中检查...

解锁AI赋能的Python-GEE遥感云大数据分析与可视化，多个经典案例拆解

glldxh的博客

07-16

802

1.1 Earth Engine平台与生态系统1)GEE平台架构与技术特点2)与其他云计算平台（Microsoft Planetary Computer、PIE-Engine等）比较3)典型应用场景与成功案例简介4)GEE数据目录与存储架构1.2 GEE数据资源1)公共数据集分类与索引方法2)主要卫星数据：Landsat系列、Sentinel系列、MODIS产品系列3)气象与环境数据：CHIRPS、WorldClim、ERA5等。

Python-GEE遥感云大数据分析与可视化实践及多领域案例进阶应用

weixin_55561616的博客

07-03

1655

为提高教学质量，本课程将融入ChatGPT 4o、Claude 3.7、Gemini 2.5、DeepSeek R1等先进AI大模型辅助教学，为学员提供个性化建议和指导，深化课程内容掌握，并为未来自助学习提供高效的个性化体验。学员将学习如何处理Landsat影像，进行云掩膜处理和植被指数计算，应用二阶调和回归提取NIR、SWIR1、SWIR2和GCVI等波段的时间序列特征系数。学员还将掌握基于混淆矩阵的精度评估方法，学习如何计算总体精度、用户精度、生产者精度等指标，以及如何解释评估结果并改进分类模型。

PostGIS Raster 空间查询

kmblack1的专栏

12-08

2663

说明:本例中准备的Raster为dem高程数据,只有一个波段,多波段查询原理相同.完整文件名D:\dem.tiff. 1 栅格数据检查本章节在cmd中执行,要求先安装gdalinfo. 1.1 栅格空间投影检查在本例中坐标系统一采用EPSG:4326,因此拿到数据后先检查空间参考是否正确. gdalinfo -stats "D:/dem.tif" #如内容太长可输出至文本 #gdalinfo -stats "D:/dem.tif">d:\result.txt 如果Coordinate Syste

Python Pandas多列合并成一长列(扁平化)

视觉算法小趴菜的博客

11-29

432

本文介绍了Pandas中三种数据扁平化方法：melt()按变量名和值两列重组数据，concat()垂直拼接多列，stack()将多列转为单列。测试数据显示melt()保留原列名信息，concat()和stack()仅保留数值。三种方法各有特点，适用于不同的数据扁平化需求。

大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12

minhuan的专栏

12-03

717

本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。

【Android逆向工程】第19章：协议分析与接口还原

最新发布

w987333120的博客

12-03

326

本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。

使用 DeepSeek 提升工作效率

Deng872347348的博客

12-03

496

摘要：本文系统介绍了如何利用DeepSeek AI工具提升工作效率。文章首先分析职场痛点，指出DeepSeek在技术文档、代码开发、数据处理等专业场景的优势。随后详细解析核心功能模块，包括文本生成、代码支持、数据分析和知识管理，并明确其适用边界。重点提供了可直接复用的指令模板，涵盖技术文档撰写、脚本开发、数据可视化等典型场景，如自动生成API文档、Python数据分析脚本等。最后给出集成办公软件的最佳实践，并针对不同行业提供适配方案，强调AI工具"增强而非替代"的定位，帮助用户将重复性工

python中快速更新ini文件之方法~

英布之剑的优快云 Blog

12-02

102

Python标准库中的configparser模块可方便读写INI格式配置文件。通过ConfigParser()创建对象，使用read()读取文件，set()修改键值，write()保存更改。示例代码展示了更新INI文件的完整流程：创建解析器、读取文件、修改指定分组下的键值、保存修改并清理对象。使用前需导入configparser模块。该方法简单高效，适用于处理标准INI格式的配置文件。

Python抓取ZLibrary元数据实战指南

yiruo250的博客

11-29

555

本文介绍使用Python抓取ZLibrary电子书元数据的技术方案。首先说明准备工作，包括Python环境配置、网页结构分析和反爬策略。详细讲解两种抓取方法：静态页面使用requests+BeautifulSoup解析，动态内容通过Selenium模拟浏览器操作。提供数据存储示例（CSV/JSON格式）和清洗技巧，并介绍异步抓取、Scrapy框架等高级优化方案。特别强调法律合规性，包括遵守robots.txt、控制请求频率及版权注意事项。附完整代码示例链接，为电子书数据分析提供技术参考。