如何基于5×5像素聚合统计对TIFF影像降尺度生成50m分辨率结果

核心需求 #

对10m分辨率的二值分类TIFF做聚合重采样，输出50m分辨率结果：原始影像像素值0代表水体、1代表冰，每个50m像素的值对应该像素覆盖的原始影像5×5像素块内的水体占比，取值范围为0_{1（可按需转换为0}100的百分比值）。

方案1：GDAL命令行快速实现（推荐） #

无需手写代码，GDAL内置工具即可完成全流程，内部做了分块读写优化，处理大影像不会占满内存，适合批量作业：

• 先安装配置好GDAL运行环境
• 因为要统计0值（水体）的占比，先将像素值反转（水体转为1、冰转为0），再用平均重采样聚合到50m分辨率，平均值就是对应窗口的水体占比，直接执行以下命令：

# 反转像素值，生成临时中间文件
gdal_calc.py -A 输入的10m影像.tif --calc="1-A" --outfile=temp_reclass.tif
# 重采样到50m分辨率，用平均算法计算窗口内水体占比
gdalwarp -tr 50 50 -r average -tap temp_reclass.tif 输出_50m水体占比.tif
# 删除临时文件（Windows下用del命令）
rm temp_reclass.tif

参数说明：-tap参数会强制输出影像对齐整格网，避免5×5窗口和原始像素块错位；如果不需要严格对齐格网可以去掉该参数。

方案2：Python自定义脚本实现 #

如果需要自定义边缘区域处理逻辑、统计规则，可以用rasterio+numpy编写脚本，灵活度更高：

• 先安装依赖库：pip install rasterio numpy
• 参考代码如下：

import numpy as np
import rasterio
from rasterio.windows import Window

# 按需修改以下参数
INPUT_PATH = "你的10m输入影像路径.tif"
OUTPUT_PATH = "50m水体占比结果.tif"
SCALE_FACTOR = 5  # 10m到50m对应5倍聚合
WATER_VAL = 0     # 原始影像中水体对应的像素值

with rasterio.open(INPUT_PATH) as src:
    # 计算输出影像尺寸和空间参考
    out_height = int(np.ceil(src.height / SCALE_FACTOR))
    out_width = int(np.ceil(src.width / SCALE_FACTOR))
    out_transform = rasterio.transform.from_origin(
        src.bounds.left,
        src.bounds.top,
        src.res[0] * SCALE_FACTOR,
        src.res[1] * SCALE_FACTOR
    )
    res = np.zeros((out_height, out_width), dtype=np.float32)

    # 逐窗口计算水体占比
    for out_row in range(out_height):
        for out_col in range(out_width):
            # 定位当前50m像素对应的原始影像窗口
            row_off = out_row * SCALE_FACTOR
            col_off = out_col * SCALE_FACTOR
            win = Window(col_off, row_off, SCALE_FACTOR, SCALE_FACTOR)
            # 读取窗口数据，边缘不足5*5的区域自动填充空值
            win_arr = src.read(1, window=win, boundless=True, fill_value=np.nan)
            valid_mask = ~np.isnan(win_arr)
            # 无有效像素则赋值空值，否则计算水体占比
            if valid_mask.sum() == 0:
                res[out_row, out_col] = np.nan
            else:
                water_cnt = (win_arr[valid_mask] == WATER_VAL).sum()
                res[out_row, out_col] = water_cnt / valid_mask.sum()
                # 要输出百分比的话把上一行换成下面这行
                # res[out_row, out_col] = (water_cnt / valid_mask.sum()) * 100

    # 更新输出影像元数据并写入文件
    out_meta = src.meta.copy()
    out_meta.update(
        driver="GTiff",
        height=out_height,
        width=out_width,
        transform=out_transform,
        dtype=rasterio.float32,
        nodata=np.nan
    )
    with rasterio.open(OUTPUT_PATH, "w", **out_meta) as dst:
        dst.write(res, 1)

• 脚本默认逻辑：影像边缘不足5×5像素的区域，按实际存在的有效像素计算占比，不会强制补0或丢弃边缘结果；输出值为0~1的浮点数，1代表对应区域全为水体，0代表全为冰。

内容的提问来源于stack exchange，提问作者SNunes