如何用Python rioxarray重投影时保留原图像尺寸并去除空像素？

问题根源 #

默认调用rio.reproject()时，会自动计算目标坐标系下覆盖原影像完整地理范围的最小外接矩形，原数据未覆盖的区域会被填充为空值，最终导致输出影像出现大量无效空像素、文件体积翻倍。

两种无空像素重投影方案 #

方案1：重投影后裁剪无效区域 #

先完成重投影，再移除全为空值的边缘行列，仅保留有有效数据的最小范围：

import rioxarray

rast_path = "old_projection.tif"

rds = rioxarray.open_rasterio(rast_path)
# 执行重投影
rds_3996 = rds.rio.reproject("EPSG:3996")
# 自动裁剪全空的边缘行和列
rds_3996_trimmed = rds_3996.rio.trim()
# 保存结果
rds_3996_trimmed.rio.to_raster("new_projection_no_empty.tif")

rio.trim()会自动识别并移除所有像素均为空值的边缘区域，精准保留有效数据范围。

方案2：重投影时直接限定目标范围 #

先计算原数据在目标坐标系下的精确边界，直接定义输出影像的范围和尺寸，从根源避免空像素生成：

import rioxarray
from pyproj import Transformer
from affine import Affine

rast_path = "old_projection.tif"

rds = rioxarray.open_rasterio(rast_path)
# 初始化坐标系转换器
transformer = Transformer.from_crs("EPSG:4326", "EPSG:3996", always_xy=True)

# 获取原影像的地理边界
min_x, min_y, max_x, max_y = rds.rio.bounds()
# 转换原影像四个角点到目标坐标系
corners = [(min_x, min_y), (max_x, min_y), (min_x, max_y), (max_x, max_y)]
transformed_corners = [transformer.transform(x, y) for x, y in corners]
# 计算目标坐标系下的有效边界
tgt_min_x = min([x for x, y in transformed_corners])
tgt_max_x = max([x for x, y in transformed_corners])
tgt_min_y = min([y for x, y in transformed_corners])
tgt_max_y = max([y for x, y in transformed_corners])

# 沿用原影像分辨率，或按需调整
res_x, res_y = rds.rio.resolution()
# 计算输出影像的宽高
width = int((tgt_max_x - tgt_min_x) / res_x)
height = int((tgt_max_y - tgt_min_y) / abs(res_y))
# 构建输出影像的仿射变换参数
tgt_transform = Affine(res_x, 0.0, tgt_min_x,
                       0.0, -abs(res_y), tgt_max_y)

# 带参数重投影，直接生成无空像素的影像
rds_3996 = rds.rio.reproject(
    "EPSG:3996",
    transform=tgt_transform,
    shape=(height, width)
)
rds_3996.rio.to_raster("new_projection_no_empty.tif")

此方法在重投影阶段就限定了输出范围，无需后续裁剪，效率更高。

注意事项 #

• 如果原影像空值标记不是默认的NaN，需提前用rds.rio.set_nodata()指定正确空值，确保空像素识别准确。
• EPSG:3996为米制坐标系，调整分辨率时需注意单位匹配，避免出现尺度偏差。

内容的提问来源于stack exchange，提问作者Marcus K.