根据不同土地类型提取对应地表温度，并统计对应最小值、最大值、均值和方差

# -*- coding: utf-8 -*-
"""
Created on Tue Sep 6 09:35:57 2022

@author: DR
"""

##根据不同土地类型提取对应地表温度，并统计对应最小值、最大值、均值和方差

import glob
import os
import shutil
from arcpy.sa import *
from arcpy.sa import Con

##提取单个土地类型
path2 = r"I:\DR\test\2lc_HF"
path3 = "I:/DR/test"
if not os.path.exists(path3):##path5是否存在，不存在先建立。
os.mkdir(path3)

rasters2 = glob.glob(os.path.join(path2, "*.tif"))
for ras2 in rasters2:
nameT2 = ras2[18:22] + ras2[27:31] + "_1Cro.tif"#cl：croplands农田
print(nameT2)
newFileDirs2 = path3 + "/" + ras2[18:23] + ras2[27:31]
# print(newFileDirs2)
if not os.path.exists(newFileDirs2):
os.mkdir(newFileDirs2)
outname2 = os.path.join(newFileDirs2, nameT2)
attExtract2 = ExtractByAttributes(ras2, "VALUE = 1")
attExtract2.save(outname2)

nameT3 = ras2[18:22] + ras2[27:31] + "_2For.tif"#forest森林
print(nameT3)
outname3 = os.path.join(newFileDirs2, nameT3)
attExtract3 = ExtractByAttributes(ras2, "VALUE = 2")
attExtract3.save(outname3)

nameT4 = ras2[18:22] + ras2[27:31] + "_5Wat.tif"#water水体
print(nameT4)
outname4 = os.path.join(newFileDirs2, nameT4)
attExtract4 = ExtractByAttributes(ras2, "VALUE = 5")
attExtract4.save(outname4)

nameT5 = ras2[18:22] + ras2[27:31] + "_8Imp.tif"#不透水面
print(nameT5)
outname5 = os.path.join(newFileDirs2, nameT5)
attExtract5 = ExtractByAttributes(ras2, "VALUE = 8")
attExtract5.save(outname5)
print "Fire in the hole!"

##path1重采样1km
path1 = r"I:\DR\test"
path2 = r"I:\DR\CLCD_Rec"
path_list3 = os.listdir(path1)
# print(path_list3)
for i in range(len(path_list3)):
inpath3 = path1 + "\\" + path_list3[i]
# print(inpath3)
rasters3 = glob.glob(os.path.join(inpath3, "*.tif"))
# print(rasters4)
for ras3 in rasters3:
nameT3 = os.path.basename(ras3).split(".")[0] + "_Res.tif"
# print(nameT3)
outname3 = os.path.join(path2, nameT3)
# print(outname3)
arcpy.Resample_management(ras3, outname3, 0.010942416, "NEAREST")
print os.path.basename(ras3) + " OK!"

##path1*path2,分别提取不同年份不同土地利用对应的地表温度
path1 = r"I:\DR\DAY_Avg_Year"
path2 = r"I:\DR\CLCD_Rec"
path3 = "I:/DR/LST_CLCD/"

rasters1 = glob.glob(os.path.join(path1, "*.tif"))
for i in range(2003,2022):
for ras1 in rasters1:
if int(ras1[19:23])==i:
rasters2 = glob.glob(os.path.join(path2, "*.tif"))
for ras2 in rasters2:
if int(ras2[19:23])==i:
outname = path3 + "LST_" + ras2[15:]
if int(ras2[24])==1:
arcpy.gp.RasterCalculator_sa("'" + ras1 + "'*'" + ras2 + "'/1", outname)
##(75条消息) arcPython细节汇总-setll函数和地图计算Raster Calculator函数_忠言睿长的博客-CSDN博客_arcgis setnull函数 https://blog.csdn.net/liyanzhong/article/details/46270757
elif int(ras2[24])==2:
arcpy.gp.RasterCalculator_sa("'" + ras1 + "'*'" + ras2 + "'/2", outname)#缩小2倍
elif int(ras2[24])==5:
arcpy.gp.RasterCalculator_sa("'" + ras1 + "'*'" + ras2 + "'/5", outname)#缩小5倍
else:
arcpy.gp.RasterCalculator_sa("'" + ras1 + "'*'" + ras2 + "'/8", outname)#缩小8倍

##统计不同年份不同土地利用对应的地表温度的最小值，最大值、均值和方差
outputTxtFile = r"I:\DR\result1.txt"
arcpy.env.workspace = r"I:\DR\DAY_Avg_Year"
rasters = arcpy.ListRasters("*","tif")
# print(rasters)
for raster in rasters:
minResult = arcpy.GetRasterProperties_management(raster, "MINIMUM")
maxResult = arcpy.GetRasterProperties_management(raster, "MAXIMUM")
meanResult = arcpy.GetRasterProperties_management(raster, "MEAN")
stdResult = arcpy.GetRasterProperties_management(raster, "STD")
img_SR = arcpy.Describe(raster).spatialReference.name
minRes = minResult.getOutput(0)
maxRes = maxResult.getOutput(0)
meanRes = meanResult.getOutput(0)
stdRes = stdResult.getOutput(0)
# minRes=str(minResult)
# maxRes = str(maxResult)
# meanRes = str(meanResult)

f = open(outputTxtFile, 'a+')#打开txt文件，并追加信息
f.write(raster + "," + minRes + "," + maxRes + "," + meanRes + "," + stdRes + "\n")

print ("finish")

根据不同土地类型提取对应地表温度，并统计对应最小值、最大值、均值和方差相关推荐

Google earth engine（GEE）：基于MODIS的LST（地表温度数据）计算一定时间序列的城市热岛强度（UHI），并绘制直方图
2023.01.06更新: 完整流程是这样的,首先第一个代码可以得到城市斑块,第二个代码可以计算这个地区的城市热岛效应强度.有朋友私信问全部的代码,同时自己也修改了一下计算城市热岛强度代码的一些比较繁 ...
Google Earth Engine（GEE）——MODIS 影像LST地表温度随时间变化的趋势案例分析
该实验室的目标是使用 Google Earth Engine 深入研究气候变量.在本实验结束时,您将能够探索特定感兴趣区域的温度数据的长期趋势. MODIS LST 数据集 MOD11A2 V6 产品 ...
基于Modis的遥感数据的地表温度的获取解决方案--以京津唐为例
1.背景与技术路线地表温度(LST)是区域和全球尺度地表物理过程中的一个关键因子,也是研究地表和大气之间物质交换和能量交换的重要参数.许多应用如干旱.高温.林火.地质.水文.植被监测,全球环流和区域 ...
土壤湿度遥感监测 - 植被指数/地表温度与土壤湿度
1.实习目的了解和熟悉植被指数/地表温度特征空间与土壤湿度的关系. 2.实习内容利用给定植被区域的地表温度图像和植被指数图像,分析二者之间的关系,并能给出简单解释: 了解利用温度植被干旱指数反映土 ...
Satellite-derived land surface temperature: Current status and perspectives卫星衍生的地表温度
目录一.[卫星衍生的地表温度:现状和前景](https://www.sciencedirect.com/science/article/pii/S0034425712004749) 二.地表温度的遥 ...
利用ARCGIS地表温度反演结果交叉检验
使用经过验证的其他卫星数据反演得到的地表温度来进行验证.交叉验证方法是将已经验证好的地表温度产品作为参考,将需要验证的由卫星数据反演得到的地表温度与由其他卫星反演得到的验证过的地表温度进行比较.由于地 ...
（五）Landat_5 TM 遥感影像计算NDVI、MNDWI、NDBI以及地表温度反演
流程概况图一.植被覆盖指数(NDVI) 所谓植被指数,就是利用多波段遥感图像的可见光波段以及近红外波段相组合,形成能够反映突出植被分布状况和强度的指数.植被指数的求解方法不唯一,定义的植被指数已经多 ...
Landsat系列卫星地表温度批量反演代码（大气校正法）
针对Landsat5.Landsat7.Landsat8的热红外波段反演地表温度的代码,可以批量进行温度的反演,但需要有前期的一些准备,包括大气校正参数的获取.可见光波段的大气校正等,以及文件夹的准备 ...
GEE开发之Modis_LST地表温度数据分析
GEE开发之Modis_LST地表温度数据分析 1 MODIS/006/MOD11A1介绍 2 遥感影像获取(以LST为例子) 3 日遥感数据获取(以LST为例子) 3.1 日数据折线图展现如下(以鹿 ...

根据不同土地类型提取对应地表温度，并统计对应最小值、最大值、均值和方差

根据不同土地类型提取对应地表温度，并统计对应最小值、最大值、均值和方差相关推荐

最新文章

热门文章