Python实现遥感影像波段组合：基于GDAL的实用方案

沿途有光

发布时间：2026-10-13| 4人浏览过

原创

针对Python3.7无法兼容ArcGIS 10.2 arcpy库的问题，本文提供了一种基于GDAL库的Python遥感影像波段组合解决方案。通过读取OLI影像的特定波段（如Band 3, 4, 5），利用NumPy构建数组并按序组合，最终写入为多波段TIF文件。该方法无需安装ArcGIS，代码简洁有效，经对比ArcMap处理结果，差异微小，适合轻量级遥感数据处理需求。

Python遥感影像波段组合背景与思路

近期开发一个遥感相关的小型系统，核心需求是实现影像波段的组合功能。网络上常见的方案是使用ArcGIS安装时自带的arcpy包，但当前环境为Python3.7，与现有的ArcGIS 10.2版本存在兼容性问题。为了避免安装其他版本的ArcGIS，我决定自行寻找替代方案，虽然方法略显笨拙，但成功解决了问题。

具体的处理思路如下：

首先，读取需要进行波段组合的遥感影像数据（本例中选用OLI影像）。

其次，创建相应的数组结构，将读取到的各个波段数据按照指定的顺序存入数组中。

最后，将处理后的数组数据写入文件，格式设定为多波段TIF数据。

具体实现代码如下：

基于GDAL的代码实现


from osgeo import gdal
import os
import numpy as np
 
class GRID:
 
  #读图像文件
  def read_img(self,filename):
    dataset=gdal.Open(filename)    #打开文件
 
    im_width = dataset.RasterXSize  #栅格矩阵的列数
    im_height = dataset.RasterYSize  #栅格矩阵的行数
 
    im_geotrans = dataset.GetGeoTransform() #仿射矩阵
    im_proj = dataset.GetProjection() #地图投影信息
    im_data = dataset.ReadAsArray(0,0,im_width,im_height) #将数据写成数组，对应栅格矩阵
 
    del dataset #关闭对象，文件dataset
    return im_proj,im_geotrans,im_data,im_width,im_height
 
  #写文件，以写成tif为例
  def write_img(self,filename,im_proj,im_geotrans,im_data):
 
    #判断栅格数据的数据类型
    if 'int8' in im_data.dtype.name:
      datatype = gdal.GDT_Byte
    elif 'int16' in im_data.dtype.name:
      datatype = gdal.GDT_UInt16
    else:
      datatype = gdal.GDT_Float32
 
    #判读数组维数
    if len(im_data.shape) == 3:
      im_bands, im_height, im_width = im_data.shape
    else:
      im_bands, (im_height, im_width) = 1,im_data.shape
 
    #创建文件
    driver = gdal.GetDriverByName("GTiff")  #数据类型必须有，因为要计算需要多大内存空间
    dataset = driver.Create(filename, im_width, im_height, im_bands, datatype)
 
    dataset.SetGeoTransform(im_geotrans)       #写入仿射变换参数
    dataset.SetProjection(im_proj)          #写入投影
 
    if im_bands == 1:
      dataset.GetRasterBand(1).WriteArray(im_data) #写入数组数据
    else:
      for i in range(im_bands):
        dataset.GetRasterBand(i+1).WriteArray(im_data[i])
 
    del dataset
 
if __name__ == "__main__":
  os.chdir(r'E:\Python\temp\data')            #切换路径到待处理图像所在文件夹
  run = GRID()
  #第一步
  proj,geotrans,data1,row1,column1 = run.read_img('Band_5_Clip.tif') #读数据
  proj,geotrans,data2,row2,column2= run.read_img('Band_4_Clip.tif') # 读数据
  proj,geotrans,data3,row3,column3 = run.read_img('Band_3_Clip.tif') # 读数据
 
  #第二步
  data = np.array((data1, data2, data3),dtype = data1.dtype) #按序将3个波段像元值放入
 
  #第三步
  run.write_img('com543.tif', proj, geotrans, data) # 写为3波段数据