遥感Python：如何基于双波段DN值条件生成仅含0和1的新波段或数组

当然可以！这在遥感数据处理中是非常常见的需求，借助Python的numpy（用于高效数组操作）和rasterio/xarray（用于栅格读写）就能轻松完成。下面我给你详细拆解实现步骤：

核心思路 #

利用numpy的矢量化条件判断直接对整个波段数组做批量处理——这比逐像素循环效率高得多，尤其适合大型遥感影像。

具体实现代码（以Rasterio为例） #

Rasterio是处理栅格数据的常用库，步骤清晰易上手：

import numpy as np
import rasterio

# 1. 读取目标波段数据
with rasterio.open("your_remote_sensing_image.tif") as src:
    # Rasterio的波段索引从1开始，对应你的Band4和Band11
    band4 = src.read(4)
    band11 = src.read(11)

# 2. 定义判断条件：Band4≥11000 且 Band11≤23000
# 注意用&（按位与）而非and，因为要对数组逐元素判断
condition = (band4 >= 11000) & (band11 <= 23000)

# 3. 生成二进制新数组：满足条件设为0，否则设为1
new_binary_band = np.where(condition, 0, 1)

# 4. （可选）将新波段保存为栅格文件
with rasterio.open(
    "output_binary_band.tif",
    "w",
    driver="GTiff",  # 输出格式为GeoTIFF
    height=src.height,
    width=src.width,
    count=1,  # 单波段输出
    dtype=new_binary_band.dtype,
    crs=src.crs,  # 保持原影像的坐标系
    transform=src.transform,  # 保持原影像的地理变换信息
) as dst:
    dst.write(new_binary_band, 1)

可选方案：用Xarray简化操作 #

如果你习惯用Xarray处理多维遥感数据，代码会更简洁：

import xarray as xr

# 读取影像为Xarray数据集
ds = xr.open_dataset("your_remote_sensing_image.tif", engine="rasterio")

# 定义条件并生成新波段
condition = (ds.band_data.sel(band=4) >= 11000) & (ds.band_data.sel(band=11) <= 23000)
new_binary_band = xr.where(condition, 0, 1)

# 保存为GeoTIFF（需要rioxarray支持）
new_binary_band.rio.to_raster("output_binary_band_xarray.tif")

注意事项 #

• 确保两个波段的数组形状完全一致，否则条件判断会报错
• 如果影像存在NoData值，建议先通过np.isnan()或特定值（比如-9999）过滤，避免干扰条件判断
• 新波段的数据类型可以指定为uint8（仅存0和1），能大幅减少文件体积：new_binary_band = np.where(condition, 0, 1).astype(np.uint8)

内容的提问来源于stack exchange，提问作者Kaitlyn