基于图像分割的土壤采样（一）

未分类
567 词

1.数据来源

（1）研究区影像：中国资源卫星应用中心GF-1，2018.6.21

（2）DEM数据：中国科学院航天信息研究所，16m分辨率

2.相应预处理

（1）研究区影像：预处理，计算其NDVI，按掩膜提取，重投影，重采样为30m分辨率

（2）DEM数据：按掩膜提取

处理结果如下：

左为DEM，右为NDVI

处理范围有些错误，范围中种植类型不统一

3.计算对应的变异系数

（1）邻域分析-焦点统计，设置像元像元大小，计算出均值与方差。计算过程中边界要素容易出现异常，应先选取一个比研究区域较大的范围进行计算再裁剪。

（2）计算变异系数，使用栅格计算器，std/mean得出NDVI与DEM的变异系数

结果如下：

左为DEM变异系数，右为NDVI变异系数

4.转为点数据

（1）进行栅格转点

（2）通过计算几何添加x，y坐标字段

（3）导出为excel，删除异常值，部分数据如下

（4）计算邻接点，通过x，y坐标距离判断邻近关系

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
import pandas as pd
from tqdm import tqdm
from itertools import combinations

# 从Excel表中读取数据
file_path = 'C:/Users/QBrer/OneDrive/桌面/新建 Microsoft Excel 工作表.xlsx'
df = pd.read_excel(file_path)

# 计算满足条件的点对
distances = []
total_combinations = len(list(combinations(df.index, 2)))
with tqdm(total=total_combinations) as pbar:
    for i, j in combinations(df.index, 2):
        dx = abs(df.loc[i, 'x'] - df.loc[j, 'x'])
        dy = abs(df.loc[i, 'y'] - df.loc[j, 'y'])
        if (dx == 16 and dy == 0) or (dy == 16 and dx == 0):
            distances.append((i, j))
        pbar.update(1)

# 构建邻接列表
adj_list = {}
for i in df.index:
    adj_list[df.loc[i, 'pointid']] = []
for i, j in distances:
    adj_list[df.loc[i, 'pointid']].append(df.loc[j, 'pointid'])
    adj_list[df.loc[j, 'pointid']].append(df.loc[i, 'pointid'])

# 创建DataFrame
data = []
for point, neighbors in adj_list.items():
    data.append([point, ','.join(map(str, neighbors))])

df_adj = pd.DataFrame(data, columns=['pointid', 'nearid'])

# 将数据写入Excel表
output_file_path = 'C:/Users/QBrer/OneDrive/桌面/邻接表加减.xlsx'
df_adj.to_excel(output_file_path, index=False)
print(f"数据已保存到 {output_file_path}")

结果如下：

留言