Rasterio仿射变换原理与GIS数据处理实战

1. 理解Rasterio中的仿射变换

在GIS和遥感数据处理中，仿射变换是将像素坐标（行、列）映射到地理坐标（x、y）的关键数学工具。Rasterio作为Python中强大的栅格数据处理库，其transform模块提供了完整的仿射变换实现。

注意：仿射变换不仅用于地理数据，任何需要将图像坐标映射到其他坐标系的场景都可以使用类似原理。

1.1 仿射变换的数学原理

仿射变换的矩阵表示为：

code复制[ x ]   = [a, b, c]   [ col ]
[ y ]     [d, e, f] * [ row ]
                      [ 1  ]

这6个参数的实际含义是：

• a：x方向上的像素大小（东西方向分辨率）
• b：x轴旋转参数（通常为0）
• c：左上角像素中心的x坐标
• d：y轴旋转参数（通常为0）
• e：y方向上的像素大小（南北方向分辨率，通常为负值）
• f：左上角像素中心的y坐标

在实际应用中，我们通常遇到的是"北向上"的栅格数据，此时b和d为0，e为负值。例如，一个分辨率为30米的标准UTM栅格可能具有如下变换：

python复制from affine import Affine
transform = Affine(30.0, 0.0, 500000.0,
                   0.0, -30.0, 4500000.0)

1.2 为什么需要仿射变换？

仿射变换解决了三个核心问题：

1. 位置定位：知道图像中每个像素对应的实际地理位置
2. 数据对齐：将不同来源、不同分辨率的栅格数据对齐到同一坐标系
3. 空间分析：进行距离测量、面积计算等空间运算

在实际项目中，我曾遇到过一个典型场景：需要将无人机拍摄的高分辨率影像与卫星影像对齐。通过正确理解和应用仿射变换，我们成功实现了亚米级的对齐精度。

2. Rasterio中的Transform操作

2.1 基本转换操作

获取和查看变换

python复制import rasterio

with rasterio.open('data.tif') as src:
    print(src.transform)
    # 输出示例：| 30.00, 0.00, 500000.00|
    #           | 0.00,-30.00, 4500000.00|
    #           | 0.00, 0.00, 1.00|

坐标转换

python复制# 像素坐标 → 地理坐标
col, row = 100, 200
x, y = transform * (col, row)

# 地理坐标 → 像素坐标
x, y = 500100.0, 4499800.0
col, row = ~transform * (x, y)  # 使用逆变换

技巧：在进行大量坐标转换时，先计算逆变换(~transform)再重复使用，可以提高性能。

2.2 创建变换的多种方式

方法1：直接指定参数

python复制from affine import Affine
transform = Affine(30.0, 0.