㈠ 基于python编程的Modis地表温度数据缺失值批量填补——以克里金插值法为例
本文介绍一种基于Python编程的栅格数据缺失值填补方法，利用克里金插值法实现。对于内存有限的笔记本电脑，我们采用逐张处理策略，用户可根据自身需求进行优化以提高处理速度。以下是实施步骤与代码示例：
首先，导入所需的库：
python
import os
import numpy as np
from scipy.interpolate import griddata
from osgeo import gdal
接着，定义插值函数：
python
def interpolate_raster(input_raster, output_raster):
dataset = gdal.Open(input_raster)
band = dataset.GetRasterBand(1)
array = band.ReadAsArray()
nonzero_indices = np.where(array != 0)
points = np.array(list(zip(nonzero_indices[1], nonzero_indices[0])))
values = array[nonzero_indices]
x_range = np.arange(0, array.shape[1], 1)
y_range = np.arange(0, array.shape[0], 1)
grid_x, grid_y = np.meshgrid(x_range, y_range)
interpolated_values = griddata(points, values, (grid_x, grid_y), method='cubic')
driver = gdal.GetDriverByName('GTiff')
output_dataset = driver.Create(output_raster, array.shape[1], array.shape[0], 1, gdal.GDT_Float32)
output_dataset.SetGeoTransform(dataset.GetGeoTransform())
output_dataset.SetProjection(dataset.GetProjection())
output_band = output_dataset.GetRasterBand(1)
output_band.WriteArray(interpolated_values)
output_band.FlushCache()
print("Interpolation completed. Output raster saved as", output_raster)
接下来，定义处理流程：
python
input_folder = '输入路径'
output_folder = '输出路径'
if not os.path.exists(output_folder):
os.makedirs(output_folder)
for filename in os.listdir(input_folder):
if filename.endswith('.tif'):
input_raster = os.path.join(input_folder, filename)
output_raster = os.path.join(output_folder, filename)
interpolate_raster(input_raster, output_raster)
执行代码后，尽管处理速度可能较慢，但实现了批量填补缺失值的目标。此方法对于内存有限的环境较为实用，通过调整代码，用户可以进一步优化处理效率。