Rasterio 是一个用于读写地理空间栅格数据的 Python 库，它建立在强大的 GDAL (Geospatial Data Abstraction Library) 之上，但提供了更符合 Python 习惯的 API。
与直接使用 GDAL 的 Python 绑定相比，Rasterio 提供了更简洁、更直观的接口，同时充分利用了 NumPy 的数组操作能力，让栅格数据处理效率更高、代码更易读。
GitHub 地址：https://github.com/rasterio/rasterio
官方文档：https://rasterio.readthedocs.io/
核心特性
1️⃣ 简洁的数据读写 API
Rasterio 提供了上下文管理器（with 语句）来安全地打开和关闭栅格文件，避免资源泄漏。支持多种栅格格式，包括 GeoTIFF、NetCDF、HDF5、JPEG2000 等。
2️⃣ NumPy 深度集成
Rasterio 直接将栅格数据读取为 NumPy 数组，这意味着你可以利用 NumPy 丰富的数组操作功能进行高效的栅格计算。
3️⃣ 完整的坐标系统支持
内置对各种坐标参考系统（CRS）的支持，可以轻松获取和转换空间坐标，处理地理空间参考信息。
4️⃣ 灵活的窗口操作
支持按窗口（window）读取和写入栅格数据，无需加载整个数据集，特别适合处理大型栅格文件。
5️⃣ 强大的命令行工具
提供 rio 命令行工具，支持数据查看、格式转换、元数据查询等功能，方便快速操作。
6️⃣ 现代 Python 兼容性
支持 Python 3.9+，与现代 Python 生态系统（如 pandas、xarray）良好集成。
快速上手
安装
Rasterio 可以通过 pip 轻松安装，它会自动包含所需的依赖（如 GDAL、NumPy）：
读取栅格数据
让我们从一个简单的例子开始，读取一幅 GeoTIFF 影像并查看其基本信息：
import rasterio# 使用上下文管理器打开栅格文件with rasterio.open('tests/data/RGB.byte.tif') as src: # 查看影像尺寸 print(f"影像宽度: {src.width}, 高度: {src.height}") # 查看坐标参考系统 print(f"坐标系统: {src.crs}") # 查看仿射变换参数 print(f"仿射变换: {src.transform}") # 查看波段数 print(f"波段数: {src.count}") # 查看波段索引 print(f"波段索引: {src.indexes}")
输出结果类似：
影像宽度: 791, 高度: 718坐标系统: EPSG:32618仿射变换: Affine(300.0379266750948, 0.0, 101985.0, 0.0, -300.041782729805, 2826915.0)波段数: 3波段索引: [1, 2, 3]
读取波段数据
Rasterio 可以将波段数据直接读取为 NumPy 数组：
import rasterioimport numpy as npwith rasterio.open('tests/data/RGB.byte.tif') as src: # 读取所有波段 all_bands = src.read()# 形状为 (波段数, 高度, 宽度) print(f"所有波段形状: {all_bands.shape}") # 读取单个波段 red_band = src.read(1)# 读取第一个波段（红色） green_band = src.read(2)# 绿色 blue_band = src.read(3)# 蓝色 # 查看单个波段的统计信息 print(f"红色波段最小值: {np.nanmin(red_band)}, 最大值: {np.nanmax(red_band)}, 平均值: {np.nanmean(red_band):.2f}")
窗口操作
对于大型栅格文件，可以使用窗口操作只读取感兴趣的区域：
import rasteriowith rasterio.open('tests/data/RGB.byte.tif') as src: # 获取影像边界 bounds = src.bounds print(f"影像边界: {bounds}") # 创建一个窗口（左上角区域） window = rasterio.windows.Window(col_off=0, row_off=0, width=200, height=200) # 读取窗口内的数据 window_data = src.read(window=window) print(f"窗口数据形状: {window_data.shape}")
写入栅格数据
处理完栅格数据后，可以将结果写回文件：
import rasterioimport numpy as npwith rasterio.open('tests/data/RGB.byte.tif') as src: # 读取三个波段 r, g, b = src.read() # 计算三个波段的平均值（类似全色波段） total = np.zeros(r.shape, dtype=np.float32) for band in [r, g, b]: total += band avg_band = total / 3 # 将结果转换为 uint8 类型 avg_band_uint8 = avg_band.astype(rasterio.uint8) # 复制源文件的元数据 profile = src.profile # 更新元数据（单波段，uint8 类型，LZW 压缩） profile.update(dtype=rasterio.uint8, count=1, compress='lzw') # 写入新文件 with rasterio.open('output_avg_band.tif', 'w', **profile) as dst: dst.write(avg_band_uint8, 1)print("处理完成，结果已保存到 output_avg_band.tif")
高级功能
多波段处理
Rasterio 支持灵活的多波段操作，包括读取指定波段、重新排序波段等：
import rasteriowith rasterio.open('tests/data/RGB.byte.tif') as src: # 按指定顺序读取波段（例如：蓝、绿、红） b, g, r = src.read([3, 2, 1]) # 合并为新的数组 reordered_bands = np.stack([b, g, r]) # 写入新文件 profile = src.profile with rasterio.open('output_reordered.tif', 'w', **profile) as dst: dst.write(reordered_bands)
坐标转换
可以轻松实现像素坐标与地理坐标之间的转换：
import rasteriowith rasterio.open('tests/data/RGB.byte.tif') as src: # 像素坐标 (x, y) 转换为地理坐标 x, y = 100, 200 lon, lat = src.xy(y, x)# 注意顺序：行在前，列在后 print(f"像素坐标 ({x}, {y}) 对应的地理坐标: ({lon:.2f}, {lat:.2f})") # 地理坐标转换为像素坐标 pixel_x, pixel_y = src.index(lon, lat) print(f"地理坐标 ({lon:.2f}, {lat:.2f}) 对应的像素坐标: ({pixel_x}, {pixel_y})")
命令行工具
Rasterio 提供的 rio 命令行工具非常强大，可以快速执行各种操作：
# 查看栅格信息rio info tests/data/RGB.byte.tif# 打开交互式检查器rio insp tests/data/RGB.byte.tif# 转换格式rio convert input.tif output.png# 裁剪栅格rio crop input.tif output.tif --bounds xmin ymin xmax ymax
