开发公司资质查询,优化网站加载速度,网站开发的搭建框架是什么意思,wordpress lightsns博客已同步微信公众号#xff1a;GIS茄子#xff1b;若博客出现纰漏或有更多问题交流欢迎关注GIS茄子#xff0c;或者邮箱联系(推荐-见主页). Python#xff1a;#xff08;Sentinel-1#xff09;如何解析SNAP输出的HDF5文件并输出为GeoTIFF#xff1f;
01 前言
最近…博客已同步微信公众号GIS茄子若博客出现纰漏或有更多问题交流欢迎关注GIS茄子或者邮箱联系(推荐-见主页). PythonSentinel-1如何解析SNAP输出的HDF5文件并输出为GeoTIFF
01 前言
最近在了解sentinel-1的预处理过程但是由于影响太大了常规的GeoTIFF无法输出预处理结果BigTIFF输出时似乎也遇到了一些问题好在后面解决了所以正好做一下HDF5文件输出的TIFF文件与BigTIFF文件的对比对于输出的HDF5文件则完全没有问题。但是问题在于HDF5文件的结构尚不了解因此对于其中的地理信息如何提取很关键当然你可以使用ArcGIS或者ENVI打开其中的VV和VH波段但是都无法自动读取到其中的地理信息或者坐标系信息。
02 解析HDF5文件
由于我处理的Sentinel-1时IW的VV和VH因此输出的HDF5文件存在两个波段 下方是关于这个地理信息的参数ps找了我好久里面的属性信息真的太多了而且官方文档似乎对于这个HDF5文件的结构并没有说明真的象拔蚌了 那么我们来解释一下其中关键的8个参数 first_near_lat 30.710711909958782; // double first_near_long 106.20485428671394; // double first_far_lat 30.710711909958782; // double first_far_long 109.12878070499457; // double last_near_lat 28.79451557740343; // double last_near_long 106.20485428671394; // double last_far_lat 28.79451557740343; // double last_far_long 109.12878070499457; // double 未必准确但是目前从得到的结果与BigTIFF对比是几乎完全一致的地理位置如果有更详细的文档或者准确信息请微信公众号或者邮箱联系我这对我帮助很大。
first 表示第一行last表示最后一行near表示扫描线的起点far表示扫描线的终点。
其实这里搞不懂为什么要有四个点位的信息一般的角点信息只需要左上和右下两个点位就足够了算了我不是这个方向的多说无益。
那么其实说到这里其实已经搞定了WGS84坐标系有了仿射参数也已经有了VV和VH波段数据也有了。
03 代码
# Author : ChaoQiezi
# Time : 2023/12/18 8:40
# Email : chaoqiezi.oneqq.com
This script is used to 读取HDF5、BigTIFF文件
import os.path
import h5py
from osgeo import gdal, osr# 准备
h5_path rH:\Datasets\Objects\TobacooLeafRecognition\Data\HDF5\S1A_IW_GRDH_1SDV_20220602T103546_20220602T103611_043483_05311F_8F62_NR_Orb_Cal_Spk_TC_dB.h5
tiff_path rH:\Datasets\Objects\TobacooLeafRecognition\Data\BigTIFF\S1A_IW_GRDH_1SDV_20220602T103546_20220602T103611_043483_05311F_8F62_NR_Orb_Cal_Spk_TC_dB.tif
out_dir rH:\Datasets\Objects\TobacooLeafRecognition\Data
out_path os.path.join(out_dir, vv_vh.tiff)
vh_name bands/Sigma0_VH_db
vv_name bands/Sigma0_VV_db
metadata_name metadata/Abstracted_Metadata
lon_min_name first_near_long
lon_max_name last_far_long
lat_min_name last_far_lat
lat_max_name first_near_lat
lon_res_name lon_pixel_res
lat_res_name lat_pixel_res# 探索HDF5文件
with h5py.File(h5_path) as h5:vh, vv h5[vh_name][:], h5[vv_name][:]metadata h5[metadata_name]lon_min metadata.attrs[lon_min_name]lon_max metadata.attrs[lon_max_name]lat_min metadata.attrs[lat_min_name]lat_max metadata.attrs[lat_max_name]lon_res metadata.attrs[lon_res_name]lat_res metadata.attrs[lat_res_name]
# 提取栅格信息
rows, cols vv.shape
transform [lon_min, lon_res, 0, lat_max, 0, -lon_res]
# 定义地理信息(WGS84)
srs osr.SpatialReference()
srs.ImportFromEPSG(4326) # WGS84
# 输出
driver gdal.GetDriverByName(GTiff)
ds driver.Create(out_path, cols, rows, 2, gdal.GDT_Float32)
ds.SetProjection(srs.ExportToWkt()) # 设置坐标系
ds.SetGeoTransform(transform) # 设置仿射参数
[ds.GetRasterBand(_ix1).WriteArray(_band) for _ix, _band in enumerate([vv, vh])] # 写入数据
ds.FlushCache()
ds None
# 探索BigTIFF文件
ds gdal.Open(tiff_path)
bands ds.ReadAsArray()
proj ds.GetProjection()
tiff_transform ds.GetGeoTransform()
print(HDF5的proj: {}.format(srs.ExportToWkt()))
print(BigTIFF的proj: {}.format(proj))
print(HDF5的仿射变换参数: {}.format(transform))
print(BigTIFF的proj: {}.format(tiff_transform))
输出
HDF5的proj: GEOGCS[WGS 84,DATUM[WGS_1984,SPHEROID[WGS84,6378137,298.257223563,AUTHORITY[EPSG,7030]],AUTHORITY[EPSG,6326]],PRIMEM[Greenwich,0,AUTHORITY[EPSG,8901]],UNIT[degree,0.0174532925199433,AUTHORITY[EPSG,9122]],AXIS[Latitude,NORTH],AXIS[Longitude,EAST],AUTHORITY[EPSG,4326]]BigTIFF的proj: GEOGCS[WGS 84,DATUM[WGS_1984,SPHEROID[WGS 84,6378137,298.257223563,AUTHORITY[EPSG,7030]],AUTHORITY[EPSG,6326]],PRIMEM[Greenwich,0],UNIT[degree,0.0174532925199433,AUTHORITY[EPSG,9122]],AXIS[Latitude,NORTH],AXIS[Longitude,EAST],AUTHORITY[EPSG,4326]]HDF5的仿射变换参数: [106.20485428671394, 8.983152841195215e-05, 0, 30.710711909958782, 0, -8.983152841195215e-05]BigTIFF的proj: (106.20485428671394, 8.983152841195215e-05, 0.0, 30.710711909958782, 0.0, -8.983152841195215e-05)基本上一致
