最近手頭上有個夜光遙感數據處理的事，想著就一邊處理一邊把經驗分享上來吧。話不多說，直接開始吧。

DMSP數據可以識別地球表面微弱的近紅外輻射，將人類活動與黑暗背景相區分，能夠用來表征人類夜間活動。目前DMSP穩定夜間燈光數據主要應用于城市空間結構分析和社會經濟指標的分析。DMSP從1992年開始，到2013年為止(共22年)，經歷了F12\F14\F16\F18四代傳感器，共有34期數據。為什么不是22期數據，因為有的年份的數據不同傳感器之間有重復，比如F152004-F152007與F162004-f162007，年份相同數據卻含兩種傳感器。因此DMSP穩定夜間燈光數據不具有連續性和直接可比性，需要做一些預處理校正工作。今天介紹如何利用python實現DMSP數據預處理工作中的穩定像元提取。

說明一下，今天的代碼有很多不是專門遙感分析的，可能更多的是數據分析的內容，會用到一些numpy、pandas的內容。當然，DMSP遙感數據的讀寫是與遙感分析相關的，此外將第一次介紹利用gdal實現遙感數據的裁剪。

先介紹一下DMSP穩定亮像元提取和不同傳感器相互校正的方法。對于穩定亮像元來說，可以這么理解，假設城市的發展不存在倒退的現象，隨著年份的增長，穩定亮像元后一年份應該大于前一年份，且認為前一年份出現的穩定亮像元后一年份仍然存在(以黑龍江雞西市為例，原因很多研究文獻中提取及，不贅述)。

首先我們要做的就是數據的讀寫。在數據讀寫之前，我試了兩種辦法獲取雞西市的DMSP數據，一種是利用GEE下載(以后我會分享一些GEE的內容)，另一種就是把34期全球的數據下載下來，然后利用雞西的行政區劃裁剪出來。這就引出了今天要介紹重要內容，利用gdal裁剪遙感數據。由于34期的數據市gz.tar格式，寫了一些代碼實現批量數據解壓縮(這一步我就不貼代碼了)。

接下來就是雞西市34期數據的裁剪，關鍵的函數還是gdal.warp()，只不過參數設置與正射校正不一樣，具體實現如下：

然后就是雞西市34期數據讀入至一個dataframe中，并將值為64的全部替換為0，便于后續操作，

最后就是根據穩定像元提取方法，通過語言來實現，思路就是以2013年數據為準，從后往前迭代，前一期數據中大于0的像元和后一期數據大于0的像元取交集。

把穩定像元提取前后的情況做了對比，發現未處理前，34期數據亮像元的并無規律(黃色曲線)，預處理完之后，穩定亮像元隨著年份增加逐漸增加，與假設事實相符合的，初步達到了處理效果。內容描述精簡了許多，代碼只又部分，所以可能大伙在實現的時候會初問題，我整理完之后再發完整的吧。今天就說這些，很晚了。

總結

以上是生活随笔為你收集整理的python遥感数据有偿处理_地质男转行学遥感Python——DMSP数据预处理一的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。