本文介紹基於Python中ArcPy模塊，對大量長時間序列柵格遙感影像文件的每一個像元進行多時序平均值的求取。 在遙感應用中，我們經常需要對某一景遙感影像中的全部像元的像素值進行平均值求取——這一操作很好實現，基於ArcMap軟體或者簡單的Python代碼就可以實現；但有時候，我們會需要結合同一地區 ...
本文介紹基於Python中ArcPy模塊，對大量長時間序列柵格遙感影像文件的每一個像元進行多時序平均值的求取。
在遙感應用中，我們經常需要對某一景遙感影像中的全部像元的像素值進行平均值求取——這一操作很好實現，基於ArcMap軟體或者簡單的Python代碼就可以實現；但有時候，我們會需要結合同一地區、不同時相的多景遙感影像，求取每一個像元在全部時相中像素值的平均值——這一需求的實現較之前者就有些麻煩，本文對此加以介紹。
首先，我們來明確一下本文的具體需求。現有一個存儲有大量.tif格式遙感影像的文件夾，其中每一個遙感影像的文件名中都包含有該圖像的成像時間，如下圖所示。且其中除了.tif格式的遙感影像文件外，還具有其它格式的文件。
我們希望，對於同一年成像的遙感影像進行逐像元平均值的求取。例如，上圖中具有2001年第185天成像、第193天成像、第201天成像……等等遙感影像8幅，每一幅都是這一年不同時間在同一空間位置的成像；同時，還有2005年不同時間成像的遙感影像9幅。我們希望，首先將2001年成像的8幅遙感影像加以逐像元平均值的求取，即求取每一個像元在這8景圖像中像素值的平均；隨後再對2005年成像的9幅遙感影像加以逐像元平均值的求取，以此類推。
明確了需求後，我們就可以開始具體的操作。首先，本文所需用到的代碼如下。
# -*- coding: utf-8 -*-
"""
Created on Sat Apr 16 10:48:37 2022
@author: fkxxgis
"""
import arcpy
from arcpy.sa import *
tif_file_path="E:/LST/Data/MODIS/05_Resample/"
average_file_path="E:/LST/Data/MODIS/06_Average/"
arcpy.env.workspace=tif_file_path
tif_file_name=arcpy.ListRasters("*","tif")
tif_file_year=tif_file_name[0][0:4]
one_year_tif_list=[]
sum_pic=0
for tif_file in tif_file_name:
if tif_file[0:4]==tif_file_year:
one_year_tif_list.append(tif_file)
tif_file_temp=tif_file
if tif_file==tif_file_name[len(tif_file_name)-1]:
pic_num=len(one_year_tif_list)
for tif_file_new in one_year_tif_list:
sum_pic=sum_pic+Raster(tif_file_new)
(sum_pic/pic_num).save(average_file_path+tif_file_year+"_Ave.tif")
else:
pic_num=len(one_year_tif_list)
for tif_file_new in one_year_tif_list:
sum_pic=sum_pic+Raster(tif_file_new)
(sum_pic/pic_num).save(average_file_path+tif_file_year+"_Ave.tif")
one_year_tif_list=[]
sum_pic=0
one_year_tif_list.append(tif_file)
tif_file_year=tif_file[0:4]
其中，tif_file_path是原有計算平均值前遙感圖像的保存路徑，average_file_path是我們新生成的求取平均值後遙感影像的保存路徑，也就是結果保存路徑。
在這裡，和我們前期的博客Python ArcPy批量拼接長時間序列柵格圖像類似，需要首先在資源管理器中，將tif_file_path路徑下的各文件以“名稱”排序的方式進行排序；隨後，利用arcpy.ListRasters()函數，獲取路徑下原有的全部.tif格式的圖像文件，並截取第一個文件的部分文件名，從而獲取其成像時間的具體年份。
接下來，遍歷tif_file_path路徑下全部.tif格式圖像文件。其中，我們通過一個簡單的判斷語句if tif_file[0:4]==tif_file_year:，來確定某一年的遙感影像是否已經讀取完畢——如果已經讀取完畢，例如假如2001年成像的8幅遙感影像都已經遍歷過了，那麼就對這8景遙感影像加以逐像元的平均值求取，並開始對下一個年份（即2005年）成像的遙感影像繼續加以計算；如果還沒有讀取完畢，例如假如2001年成像的8幅遙感影像目前僅遍歷到了第5幅，那麼就不求平均值，繼續往下遍歷，直到遍歷完2001年成像的8幅遙感影像。
這裡相信大家也看到了為什麼我們要在前期先將文件夾中的文件按照“名稱”排序——是為了保證同一年成像的所有遙感影像都排列在一起，遍歷時只要遇到一個新的年份，程式就知道上一個年份的所有圖像都已經遍歷完畢了，就可以將上一個年份的所有柵格圖像加以平均值求取。
在這裡，逐像元的平均值求取其實也非常簡單——我們對每一個像元分別執行以下操作：首先將該像元在當前年份里所有遙感影像的像素值相加，隨後除以這一年份的遙感影像的數量，得到的就是該像元在這一年中像素值的平均值。
最後，通過if tif_file==tif_file_name[len(tif_file_name)-1]:這個判斷，來確認是否目前已經遍歷到文件夾中的最後一個圖像文件。如果是的話，就需要將當前成像年份的所有圖像進行平均值的求取，並宣告代碼完成運行。
在 IDLE (Python GUI) 中運行代碼。代碼運行完畢後，我們看一下結果文件夾。可以看到，其中的圖像已經是按照成像時間，分別完成平均值求取後的結果了。
在最後，還需要說明一點——用以上代碼來求取長時間序列遙感影像的像元平均值，對於任意一個像元，只要該像元在任意一個時相的圖像中是無效值（即為NoData），那麼該像元在最終求出的平均值結果圖中，像素值也將會是無效值NoData。針對這一問題的解決，我們將在下一篇博客中介紹。
