跳到主要内容

第 10 章：空间分析 - 栅格工具

[事实与研判分离说明] 本章信息源：GeoLibre 官方用户指南处理工具（https://geolibre.app/user-guide/processing/）、Roadmap 标注说明：[已核实] = 有明确来源；[待核实] = 来源单一或存疑；[推断] = 合理推测 手册内容最后更新：2026-09-04

10.1 栅格工具概览​

栅格子菜单分类 Raster 子菜单分类：地形分析、变换、转换、统计、代数等

10.1.1 栅格分析引擎​

GeoLibre 的栅格分析通过可选的 Python sidecar 运行 rasterio 实现：[已核实] https://geolibre.app/user-guide/processing/

执行模式：

  • Sidecar 模式（推荐）：本地 rasterio，功能完整
  • 客户端回退：部分简单操作在浏览器内完成

[已核实] https://geolibre.app/user-guide/processing/

10.1.2 工具分类​

Processing -> Raster 包含以下工具类别：[已核实] https://geolibre.app/user-guide/processing/

  • 地形分析（Hillshade、Slope、Aspect）
  • 栅格变换（Reproject、Resample、Clip）
  • 栅格转换（Polygonize、Contour）
  • 栅格统计（Zonal、Focal Statistics）
  • 栅格代数（Raster Calculator、Reclassify）
  • 镶嵌（Mosaic）
  • 光谱指数（Spectral Index Toolbox）
  • 地理配准（Georeferencer）
  • 插值（IDW / Kriging，v1.3+）

10.2 山体阴影（Hillshade）​

10.2.1 功能说明​

山体阴影通过模拟光照效果增强地形可视化。[已核实] https://geolibre.app/user-guide/processing/

输入：DEM（数字高程模型）栅格 输出：灰度山体阴影栅格

10.2.2 参数​

参数说明典型值
太阳方位角光源方向（0-360度）315（西北）
太阳高度角光源仰角（0-90度）45
Z 因子高程缩放因子1

[推断] 参数基于通用山体阴影算法和 GeoLibre 功能推断。

10.2.3 应用场景​

  • 地形图制作
  • 地貌特征识别
  • 与彩色 DEM 叠加增强立体感

10.3 坡度（Slope）​

10.3.1 功能说明​

计算每个像元的坡度（坡面与水平面的夹角）。[已核实] https://geolibre.app/user-guide/processing/

输入：DEM 栅格 输出：坡度栅格（单位：度或百分比）

10.3.2 输出值​

  • 度（Degrees）：0-90 度，0 为平地，90 为垂直
  • 百分比（Percent）：rise/run * 100，0% 为平地

[推断] 输出单位基于通用坡度算法推断。

10.4 坡向（Aspect）​

10.4.1 功能说明​

计算每个像元的坡向（坡面朝向下坡方向）。[已核实] https://geolibre.app/user-guide/processing/

输入：DEM 栅格 输出：坡向栅格（单位：度，0=北，90=东，180=南，270=西）

10.4.2 特殊情况​

  • 平地（坡度为 0）的坡向值为 -1 或 NoData
  • 北向坡（0度）和南向坡（180度）的植被、日照条件差异显著

[推断] 平地坡向处理基于通用坡向算法推断。

10.5 重投影（Reproject）​

10.5.1 功能说明​

将栅格数据从一个坐标参考系统转换到另一个。[已核实] https://geolibre.app/user-guide/processing/

参数：

  • 目标 CRS（EPSG 代码或 WKT）
  • 重采样方法

10.5.2 重采样方法​

方法适用场景
最近邻（Nearest Neighbor）分类数据，保持原始值
双线性（Bilinear）连续数据，平滑结果
立方卷积（Cubic Convolution）连续数据，更平滑

[推断] 重采样方法基于 rasterio 标准方法和 GeoLibre 功能推断。

10.6 重采样（Resample）​

10.6.1 功能说明​

改变栅格的空间分辨率（像元大小）。[已核实] https://geolibre.app/user-guide/processing/

升采样（增大分辨率/减小像元）：增加像元数量，需要插值 降采样（减小分辨率/增大像元）：减少像元数量，需要聚合

10.6.2 参数​

  • 目标分辨率：输出像元大小
  • 重采样方法：同上

10.7 裁剪（Clip）​

10.7.1 功能说明​

用矢量要素裁剪栅格，只保留裁剪范围内的像元。[已核实] https://geolibre.app/user-guide/processing/

输入：

  • 栅格图层
  • 矢量图层（裁剪边界）

输出：裁剪后的栅格

10.8 矢量化（Polygonize）​

10.8.1 功能说明​

将分类栅格转换为矢量多边形。[已核实] https://geolibre.app/user-guide/processing/

输入：分类栅格（如土地利用分类） 输出：面图层，每个类别一个多边形（或多个，如果有不连续区域）

10.8.2 参数​

  • 字段名称：存储类别值的字段名
  • 8连通/4连通：像元连接性定义

[推断] 参数基于 GDAL polygonize 工具和 GeoLibre 功能推断。

10.9 等高线（Contour）​

10.9.1 功能说明​

从 DEM 栅格提取等高线。[已核实] https://geolibre.app/user-guide/processing/

输入：DEM 栅格 输出：线图层（等高线）

10.9.2 参数​

参数说明
等高距相邻等高线的高程差
起始高程第一条等高线的高程
最大/最小高程生成范围限制

10.10 分区统计（Zonal Statistics）​

10.10.1 功能说明​

计算矢量区域范围内栅格的统计值。[已核实] https://geolibre.app/user-guide/processing/

输入：

  • 栅格图层（数值数据）
  • 矢量图层（区域边界，面类型）

输出：矢量图层，新增统计字段

10.10.2 统计指标​

指标说明
Mean平均值
Median中位数
Std Dev标准差
Min最小值
Max最大值
Range范围
Sum总和
Count像元数

[推断] 统计指标基于通用分区统计工具和 GeoLibre 功能推断。

10.11 焦点统计（Focal Statistics）​

10.11.1 功能说明​

对每个像元，计算其邻域内的统计值。[已核实] https://geolibre.app/user-guide/processing/

邻域定义：

  • 矩形：3x3、5x5 等
  • 圆形：指定半径

10.11.2 统计方法​

  • Mean、Median、Mode
  • Min、Max、Range
  • Std Dev、Variety

[推断] 焦点统计方法基于通用焦点统计工具和 GeoLibre 功能推断。

10.12 栅格计算器（Raster Calculator）​

10.12.1 功能说明​

基于像元值的代数运算生成新栅格。[已核实] https://geolibre.app/user-guide/processing/

支持的运算：

  • 算术：+、-、*、/、^、%
  • 逻辑：AND、OR、NOT、XOR
  • 比较：=、!=、<、>、<=、>=
  • 条件：IF/THEN/ELSE

10.12.2 表达式示例​

# NDVI 计算
(band4 - band3) / (band4 + band3)

# 坡度筛选（只保留坡度 < 15 度的区域）
IF(slope < 15, 1, 0)

# 多波段合成
band1 * 0.3 + band2 * 0.5 + band3 * 0.2

[推断] 表达式语法基于通用栅格计算器和 GeoLibre 功能推断。

10.13 重分类（Reclassify）​

10.13.1 功能说明​

将栅格像元值按规则重新分类。[已核实] https://geolibre.app/user-guide/processing/

重分类方式：

  • 单值映射：旧值 -> 新值
  • 范围映射：最小值-最大值 -> 新值
  • 表映射：从 CSV/表加载映射规则

10.14 镶嵌（Mosaic）​

10.14.1 功能说明​

将多个栅格图层合并为一个连续图层。[已核实] https://geolibre.app/user-guide/processing/

处理重叠：

  • 第一个/最后一个优先
  • 平均值
  • 最小值/最大值

[推断] 重叠处理方式基于通用镶嵌工具和 GeoLibre 功能推断。

10.15 光谱指数工具箱（NDVI、NDWI、EVI）​

栅格 GeoLibre 工具列表 栅格 GeoLibre 工具列表，Spectral Index 中包含 NDVI 等指数

10.15.1 功能说明​

光谱指数工具箱提供遥感常用植被/水体指数的一键计算。[已核实] https://geolibre.app/user-guide/processing/

内置指数：

指数公式用途
NDVI(NIR - Red) / (NIR + Red)植被健康度
NDWI(NIR - SWIR) / (NIR + SWIR)水体识别
EVI2.5 * (NIR - Red) / (NIR + 6Red - 7.5Blue + 1)增强植被指数

10.15.2 波段预设​

工具箱提供常见卫星传感器的波段预设：[已核实] https://geolibre.app/user-guide/processing/

  • Landsat 8/9
  • Sentinel-2
  • 自定义波段配置

10.16 地理配准器（Georeferencer）​

1000+ 地理处理工具箱 1000+ 地理处理工具箱总览

10.16.1 功能说明​

为未配准的栅格图像（如扫描地图、历史航拍图）添加地理参考。[已核实] https://geolibre.app/user-guide/processing/

工作流：

  1. 加载未配准图像
  2. 在图像上标记控制点（GCP）
  3. 为每个 GCP 输入对应的地理坐标
  4. 选择变换模型
  5. 执行配准

10.16.2 变换模型​

模型最少 GCP适用场景
仿射（Affine）3一般情况
投影（Projective）4透视变形
多项式 1 阶3简单变形
多项式 2 阶6复杂变形

[推断] 变换模型基于通用地理配准工具和 GeoLibre 功能推断。

10.16.3 配准精度​

  • RMS 误差（均方根误差）评估配准精度
  • 建议 RMS < 1 个像元
  • 可删除误差过大的 GCP 后重新计算

[推断] 配准精度评估基于通用地理配准工具推断。

10.17 IDW / Kriging 插值（v1.3+）​

10.17.1 功能说明​

v1.3 引入的点图层到连续栅格表面的插值工具。[已核实] https://geolibre.app/roadmap/ （v1.3 更新）

IDW（反距离加权）：

  • 基于已知点距离的加权平均
  • 距离越近权重越大
  • 简单、计算快

Kriging（克里金）：

  • 基于变异函数的最优无偏插值
  • 提供预测方差估计
  • 更精确但计算复杂

10.17.2 参数​

参数IDWKriging
幂指数距离权重衰减速率-
搜索半径参与计算的最大距离变程（Range）
最小点数参与计算的最少点数最少点数
变异函数模型-球形、指数、高斯

[推断] 参数基于通用插值算法和 GeoLibre 功能推断。

10.18 本章小结​

GeoLibre 的栅格工具集覆盖地形分析、栅格变换、统计分析和遥感指数：

  1. 地形分析：Hillshade、Slope、Aspect
  2. 栅格变换：Reproject、Resample、Clip
  3. 栅格转换：Polygonize、Contour
  4. 栅格统计：Zonal Statistics、Focal Statistics
  5. 栅格代数：Raster Calculator、Reclassify
  6. 镶嵌：多栅格合并
  7. 遥感指数：NDVI、NDWI、EVI 工具箱
  8. 地理配准：扫描图像的地理参考
  9. 插值：IDW、Kriging（v1.3+）

栅格分析依赖 Python sidecar（桌面端）或客户端回退，功能完整度受执行环境限制。

本章信息源

最后由 手册维护 于 更新