基于Python实现nc批量转tif格式
更新时间：2022年08月12日 14:27:24 作者：NCR1008
做项目有时会运用到netCDF格式的气象数据，而ArcGIS中需要用栅格影像进行处理，对于较多的文件，ArcGIS一个个手动转换过于繁琐，因此我们采用Python进行转换，下面就是Python实现nc批量转tif格式的示例代码，希望对你有所帮助
由于做项目需要运用到netCDF格式的气象数据，而ArcGIS中需要用栅格影像进行处理，对于较多的文件，ArcGIS一个个手动转换过于繁琐，因此我们采用Python进行转换，当然也可以采用matlab进行转换。
首先需要安装下面几个库：
import os import netCDF4 as nc import numpy as np from osgeo import gdal, osr, ogr import glob
我们可以在下面网址中寻找对应python安装版本的安装包，下载后，在pycharm控制台中直接安装即可。例如pip install netCDF4-1.5.8-cp39-cp39-
win_amd64.whl
https://www.lfd.uci.edu/~gohlke/pythonlibs/
安装之后即可进行转换：
def nc2tif(data, Output_folder):
tmp_data = nc.Dataset(data) # 利用.Dataset()方法读取nc数据
print('tmp_data', tmp_data)
Lat_data = tmp_data.variables['lat'][:]
Lon_data = tmp_data.variables['lon'][:]
# print(Lat_data)
# print(Lon_data)
tmp_arr = np.asarray(tmp_data.variables['temp'])
# 影像的左上角&右下角坐标
Lonmin, Latmax, Lonmax, Latmin = [Lon_data.min(), Lat_data.max(), Lon_data.max(), Lat_data.min()]
# print(Lonmin, Latmax, Lonmax, Latmin)
# 分辨率计算
Num_lat = len(Lat_data) # 5146
Num_lon = len(Lon_data) # 7849
Lat_res = (Latmax - Latmin) / (float(Num_lat) - 1)
Lon_res = (Lonmax - Lonmin) / (float(Num_lon) - 1)
# print(Num_lat, Num_lon)
# print(Lat_res, Lon_res)
for i in range(len(tmp_arr[:])):
# i=0,1,2,3,4,5,6,7,8,9,...
# 创建tif文件
driver = gdal.GetDriverByName('GTiff')
out_tif_name = Output_folder + '\\' + data.split('\\')[-1].split('.')[0] + '_' + str(i + 1) + '.tif'
out_tif = driver.Create(out_tif_name, Num_lon, Num_lat, 1, gdal.GDT_Int16)
# 设置影像的显示范围
# Lat_re前需要添加负号
geotransform = (Lonmin, Lon_res, 0.0, Latmax, 0.0, -Lat_res)
out_tif.SetGeoTransform(geotransform)
# 定义投影
prj = osr.SpatialReference()
prj.ImportFromEPSG(4326) # WGS84
out_tif.SetProjection(prj.ExportToWkt())
# 数据导出
out_tif.GetRasterBand(1).WriteArray(tmp_arr[i]) # 将数据写入内存，此时没有写入到硬盘
out_tif.FlushCache() # 将数据写入到硬盘
out_tif = None # 关闭tif文件
def main():
Input_folder = r"E:\competition\航天宏图\2-meter air temperature_CMFD\Data_forcing_01yr_010deg\\"
# Input_folder = r"E:\competition\航天宏图\2-meter air temperature_CMFD\Data_forcing_01mo_010deg\\"
Output_folder = r"E:\competition\航天宏图\2-meter air temperature_CMFD\tif\\"
# 读取所有数据
data_list = glob.glob(os.path.join(Input_folder + '*.nc'))
print(data_list)
for i in range(len(data_list)):
data = data_list[i]
nc2tif(data, Output_folder)
print(data + '转tif成功')值得注意的是，tmp_arr = np.asarray(tmp_data.variables['temp'])中的temp可以根据需要转换的波段进行选择，我们可以在读取数据之后print一下，找到对应的波段进行替换即可。如下图中我们应该选择的就是temp。
完成上述步骤即可得到所需的tif图像：
在上述代码中，经过处理的影像是倒置的，可能是处理过程中仿射矩阵读写错误导致的。因此我们可以在写入影像的时候，进行影像的垂直镜像操作即可：WriteArray(ndvi_arr_float[i][::-1])
def NC_to_tiffs(data, Output_folder):
nc_data_obj = nc.Dataset(data)
Lon = nc_data_obj.variables['lon'][:]
Lat = nc_data_obj.variables['lat'][:]
ndvi_arr = np.asarray(nc_data_obj.variables['temp'])
ndvi_arr_float = ndvi_arr.astype(float) / 10000 之间
# 影像的左上角和右下角坐标
LonMin, LatMax, LonMax, LatMin = [Lon.min(), Lat.max(), Lon.max(), Lat.min()]
# 分辨率计算
N_Lat = len(Lat)
N_Lon = len(Lon)
Lon_Res = (LonMax - LonMin) / (float(N_Lon) - 1)
Lat_Res = (LatMax - LatMin) / (float(N_Lat) - 1)
for i in range(len(ndvi_arr[:])):
driver = gdal.GetDriverByName('GTiff')
out_tif_name = Output_folder + '\\' + data.split('\\')[-1].split('.')[0] + '_' + str(i + 1) + '.tif'
out_tif = driver.Create(out_tif_name, N_Lon, N_Lat, 1, gdal.GDT_Float32)
geotransform = (LonMin, Lon_Res, 0, LatMax, 0, -Lat_Res)
out_tif.SetGeoTransform(geotransform)
srs = osr.SpatialReference()
srs.ImportFromEPSG(4326)
out_tif.SetProjection(srs.ExportToWkt())
# 数据写出
out_tif.GetRasterBand(1).WriteArray(ndvi_arr_float[i][::-1]) # 将数据写入内存，此时没有写入硬盘 此处[::-1]用于图像的垂直镜像对称，避免图像颠倒
out_tif.FlushCache() # 将数据写入硬盘
out_tif = None # 注意必须关闭tif文件这样便可以得到正确输出的影像：
当然，我们除了在写入时做垂直镜像操作之外，还可以利用python对图像进行几何变换来实现翻转。具体代码如下：
图像水平翻转：
# 图像水平翻转
im_data_hor = np.flip(im_data, axis=2)
hor_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
writeTiff(im_data_hor, im_geotrans, im_proj, hor_path)
标签水平翻转：
# 标签水平翻转
Hor = cv2.flip(label, 1)
hor_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
cv2.imwrite(hor_path, Hor)
tran_num += 1
图像垂直翻转：
# 图像垂直翻转
im_data_vec = np.flip(im_data, axis=1)
vec_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
writeTiff(im_data_vec, im_geotrans, im_proj, vec_path)
标签垂直翻转：
# 标签垂直翻转
Vec = cv2.flip(label, 0)
vec_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
cv2.imwrite(vec_path, Vec)
tran_num += 1
图像镜像翻转：
# 图像对角镜像
im_data_dia = np.flip(im_data_vec, axis=2)
dia_path = train_image_path + "\\" + str(tran_num) + imageList[i][-4:]
writeTiff(im_data_dia, im_geotrans, im_proj, dia_path)
标签镜像翻转：
# 标签对角镜像
Dia = cv2.flip(label, -1)
dia_path = train_label_path + "\\" + str(tran_num) + labelList[i][-4:]
cv2.imwrite(dia_path, Dia)
tran_num += 1
若是输出路径的文件夹没有建立好，则会报如下错误。当然，为了减少工作量，也可以定义一个函数，如果路径不存在则自动创建，就可以解决这个问题。
到此这篇关于基于Python实现nc批量转tif格式的文章就介绍到这了,更多相关Python nc转tif内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
读取xlsx的整列数据很容易,但是要读取指定sheet的指定列,这个相信大多数程序员都不会,下面这篇文章主要给大家介绍了关于如何使用Python读取.xlsx指定行列的相关资料,需要的朋友可以参考下2022-09-09
在matplotlib中,记号是图形两个轴上的小标记,到目前为止,我们让matplotlib处理轴图例上记号的位置,下面这篇文章主要给大家介绍了关于Matplotlib控制坐标轴刻度间距与标签的相关资料,需要的朋友可以参考下2021-10-10
这篇文章主要为大家介绍了Python基础中的列表列表，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-01-01
接口只是定义了一些方法，而没有去实现，多用于程序设计时，只是设计需要有什么样的功能，但是并没有实现任何功能，这些功能需要被另一个类（B）继承后，由 类B去实现其中的某个功能或全部功能。2017-07-07
本文主要介绍了python创建exe文件的实现步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2023-09-09
Steam是由美国电子游戏商Valve于2003年9月12日推出的数字发行平台，被认为是计算机游戏界最大的数码发行平台之一。本文将利用Python实时获取steam特惠游戏数据，感兴趣的可以尝试一下2022-06-06
这篇文章主要介绍了python使用递归的方式建立二叉树，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
这篇文章主要为大家详细介绍了Python实现简单的石头剪刀布的游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-01-01
这篇文章主要介绍了Python异步操作MySQL,结合实例形式分析了Python安装及使用aiomysql针对mysql数据库异步操作相关实现技巧,需要的朋友可以参考下2019-05-05
这篇文章主要介绍了python常用运维脚本实例小结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-02-02
最新评论