前言
很久没更新公众号啦，给看客老爷们汇报下我最近都在忙啥。由于工作和自己的原因，需要搞一点科研，这一直是我的短板。所以我浅学了一下大学数学（线代、高数和概率论），准备结合Python做一些事情。后面可能会更新我学数学的一些心得，大家记得关注哦（我先学会再说）。
学习数学的同时了，还在学习遥感数据处理（感觉遥感比较好水论文），一般处理遥感数据我们会使用ENVI，但是毕竟我会Python，所以我就上网查了一些内容，就发现了rasterio这个第三方库。
大家可能听过GDAL库，其实rasterio是基于GDAL库二次封装的，更加符合Python风格的主要用于空间栅格数据处理的Python库。所以本文就简单介绍下rasterio的安装和使用。
rasterio安装
这个第三方库不是很好安装，尝试了大半天也没安装上。rasterio依赖很多第三方库，所以比较麻烦，我们按下面的顺序依次安装即可。
pyproj
Shapely
GDAL
Fiona
geopandas
rasterio
通过这个网址下载第三方库https://www.lfd.uci.edu/~gohlke/pythonlibs/#rasterio
这里有两点需要注意。
（1）一定要选择对应Python版本最高版本的第三库。以pyproj为例，我本地的Python为3.8版本，所以我要选择下载如下的版本。
（2）最后还需要更新下numpy库，不然也导入不了。
rasterio使用
其实我用Python来操作影像就两个要求，一是能读取到各个影像波段的数据，二是经过一些处理后，能再将数据存为影像。
这里以landsat影像为例，读取数据后，计算NDVI值，然后保存到本地。
使用open函数就可以读取影像数据，count属性就是影像的波段数（landsat全色是7个波段）。
import rasterio
data = rasterio.open('yingxiang.tif')
print(data.count)
7
当然还有很多其他的影像属性。
width 宽度
height 高度
bounds 地理范围
transform 反射变化参数
crs 坐标参考系
当然我们最关心的是如何读取波段数据，其实很简单，用read函数即可。
这里我们需要计算NDVI，我们只需要读取红外和近红外波段即可。
red = data.read(4).astype('float64')
nir_red = data.read(5).astype('float64')
ndvi = (nir_red-red)/(nir_red+red)
ndvi
最后，写入到新的栅格即可。
new_dataset = rasterio.open('ndvi.tif',
'w',
driver='GTiff',
height=data.height,
width=data.width,
count=1,
dtype='float64',
crs=data.crs,
transform=data.transform)
new_dataset.write(ndvi, 1)
new_dataset.close()
本次分享就到这啦，我们下期再见~
