前言

在处理栅格数据时，尽管用同一个矢量文件裁剪栅格数据，不同数据来源的栅格行列数也会出现不一致的情况。如果忽略或解决不好，会导致后续数据处理出现意想不到的误差或错误，尤其是利用编程实现数据处理时。因此，应当首先对栅格行列不一致的数据进行匹配处理，以降低出现BUG的风险。

本文利用Python算法实现栅格数据行列匹配，通过案例说明算法的有效性。

1、思路

利用同一个矢量文件裁剪的栅格数据，尽管会出现栅格行列数不一致的情况，但行列数差别不大，而且通过观察可以看出两个数据行列数的具体差别。

可以选择一个基准数据，将其余数据进行对比与匹配。

添加或删减数据某侧指定的行数或列数，输出与基准数据空间位置相一致的匹配结果。

2、代码实现

这里遥感影像读取主要使用GDAL读取。

# -*- coding: utf-8 -*-import sys
import numpydef DataMacth(in_base_raster, in_mtc_raster, out_raster, rc=[0, 0, 0, 0]):''':param in_base_raster::param in_mtc_raster::param out_raster::param rc: <up, down, left, right>:return:'''# 读取基准栅格数据与待匹配栅格数据及其属性参数r_in_mtc = ReadRaster(in_mtc_raster)r_in_base = ReadRaster(in_base_raster)mtcdata = r_in_mtc.datanCols = r_in_base.nColsnRows = r_in_base.nRowsgeoTrans = r_in_base.geotranssrs = r_in_base.srsNDV = r_in_mtc.noDataValue# 新建与基准栅格数据行列一致的空矩阵data_new = numpy.zeros((nRows, nCols))# 根据指定的行列数进行增添与删减处理for m in range(nRows):for n in range(nCols):if (m < rc[0] or m > nRows - rc[1] - 1) or (n < rc[2] or n > nCols - rc[3] - 1):data_new[m][n] = NDVelse:data_new[m][n] = mtcdata[m - rc[0]][n - rc[2]]# 输出栅格数据WriteGTiffFile(out_raster, nRows, nCols, data_new, geoTrans, srs, NDV, gdal.GDT_Float32)print("\tSave as: %s" % out_raster)

调用方法与案例：

上述算法函数中的参数之一rc是一个数组类型的参数，即指定的行数或列数，四个数组元素分别表示“up”, “down”, “left”, “right”四个方位

例如：[-1, 0, 0, 0]表示数据上方减去一行。

具体调用方式如下

if __name__ == "__main__":rootdir = <input data direction>in_base_raster = rootdir + os.sep + r"in_base_raster.tif"in_mtc_raster = rootdir + os.sep + r"in_mtc_raster.tif"out_raster = rootdir + os.sep + r"out_raster.tif"rc=[-1, 1, 0, 0]DataMacth(in_base_raster, in_mtc_raster, out_raster, rc=rc)

3、案例

匹配前，基准栅格100 x 125，待匹配栅格101 x 126，像元数值与空间位置均不匹配。

rc = [0, -1, 0, -1]

程序执行后，基准栅格100 x 125，待匹配栅格100 x 125，像元数值与空间位置香匹配。