歡迎關注博主的微信公衆號：“智能遙感”。
該公衆號將爲您奉上Python地學分析、爬蟲、數據分析、Web開發、機器學習、深度學習等熱門源代碼。
本人的GitHub代碼資料主頁（持續更新中，多給Star，多Fork
https://github.com/xbr2017
CSDN也在同步更新：
https://blog.csdn.net/XBR_2014
“ 本節通過Python + GDAL讀取MODIS HDF格式的數據集。”
作爲一名遙感仁，在接觸Python之前，一直使用IDL語言（遙感專業的一門語言）處理遙感數據，從幾何校正、輻射定標、圖像拼接、矢量裁剪柵格以及幾乎所有的遙感圖像運算、數據讀取與常見格式的存儲，無一不是通過IDL來實現的。在讀研期間，甚至一度迷上用IDL製作讀取與展示遙感數據的小軟件界面，在畢業論文裏竟然專門有一小節介紹該軟件，現在想想，是多麼的蒼白無力
IDL是一門小衆語言，冷了不能再冷的語言。牆裂推薦：不管你是否搞科研，還是做開發，對於沒有計算機編程基礎（C、C++、Java等）的小夥伴們，包括軟妹子吆，Python是性價比最高的語言，沒有之一，簡單易懂，上手快。來吧，讓我們一起高喊：“人生苦短，我用Python”！
順便多說一句，既然我們使用了Python來處理遙感數據，那就準備拋棄ArcGis、MeteoInfo之類的二次開發環境，所以在今後的遙感數據處理介紹中，爭取不使用arcpy包。因爲要使用該模塊，自己的本本上需要安裝ArcGis軟件，所以還是儘量不使用arcpy。
GDAL讀取HDF
今天以較爲經典的衛星數據MODIS爲例，講解如何使用Python+GDAL讀取HDF文件，以及輸出指定投影的tif文件，這裏的tif是指Geotiff文件，其中包含地理信息。
HDF爲分層數據格式的文件，可以使用GetSubDatasets函數獲取它們的列表，然後使用該信息打開你想要的那個數據集。
例如，讓我們打開MODIS文件中包含的子數據集。請注意，默認情況下，HDAL驅動程序不包含在GDAL中，因此如果你的GDAL版本不包含HDF支持，此示例將不適用於你。假設你可以使用HDF文件，第一步是將HDF文件作爲數據集打開：
from osgeo import gdal
ds = gdal.Open('MYD13Q1.A2014313.h20v11.005.2014330092746.hdf')
現在，你可以獲取此開放數據集中包含的子數據集列表。GetSubDatasets方法返回元組列表，每個子數據集有一個元組。每個元組按順序包含子數據集的名稱和描述。以下代碼段獲取此列表，然後打印出每個子數據集的名稱和描述：
subdatasets = ds.GetSubDatasets()
print 'Number of subdatasets: {}'.format(len(subdatasets))
for sd in subdatasets:
print 'Name: {0}\nDescription:{1}\n'.format(*sd)
前幾行輸出看起來像這樣，並顯示第一個子數據集的信息，即NDVI（歸一化差異植被指數），這裏只展示第一個，剩餘11個就不放在這顯示了：
Number of subdatasets: 12
Name: HDF4_EOS:EOS_GRID:"D:/osgeopy-data/Modis/MYD13Q1.A2014313.h20v11.005.2014330092746.hdf":MODIS_Grid_16DAY_250m_500m_VI:250m 16 days NDVI
Description:[4800x4800] 250m 16 days NDVI MODIS_Grid_16DAY_250m_500m_VI (16-bit integer)
要打開子數據集，請將其名稱傳遞給gdalOpen。例如，這將獲取與第一個子數據集對應的元組，從元組中獲取第一個項（名稱），然後使用它來打開子數據集：
ndvi_ds = gdal.Open(subdatasets[0][0])
同樣，使用subdatasets[4] [0]表示打開第五個子數據集。一旦打開了這樣的子數據集，它就可以像任何其他數據集一樣處理。例如，你可以使用ndvi_ds.GetRasterBand(1)獲取NDVI子數據集中的第一個波段。
如果沒有特殊說明，HDF一般指hdf4，現在很多衛星數據開始使用hdf5格式存儲，對於GDAL都可以去讀取操作。當然，也有專門讀取hdf4與hdf5的包，感興趣的可以pip install安裝一下相關的包就可以直接使用啦。這裏給大家稍微展示一下具體代碼使用：
# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2018/11/28 22:47'
import h5py
import numpy as np
# HDF5的讀取：
in_ds = h5py.File('FY4A-_AGRI--_N_DISK_1047E_L1-_FDI-_MULT_NOM_20180101024500_20180101025959_4000M_V0001.HDF','r')
# 讀取FY4A靜止衛星第一波段數據
array = in_ds['NOMChannel01'][:]
in_ds.close()
GDAL將數據保存爲tif格式
遙感圖像需要包含經緯度、空間分辨率、投影座標等地理信息，這是普通圖像所不具備的，一般彩色圖像只有RGB三個波段，而遙感圖像可以包含很多波段。下面的程序是讀取MODIS歸一化植被指數（NDVI），並將數據保存爲帶有地理信息的tif文件，必要的解釋在代碼中已給出。
# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2018/11/26 17:48'
import gdal, osr
def array2raster(newRasterfn, rasterOrigin, xsize, ysize, array):
"""
newRasterfn: 輸出tif路徑
rasterOrigin: 原始柵格數據路徑
xsize: x方向像元大小
ysize: y方向像元大小
array: 計算後的柵格數據
"""
cols = array.shape[1] # 矩陣列數
rows = array.shape[0] # 矩陣行數
originX = rasterOrigin[0] # 起始像元經度
originY = rasterOrigin[1] # 起始像元緯度
driver = gdal.GetDriverByName('GTiff')
outRaster = driver.Create(newRasterfn, cols, rows, 1, gdal.GDT_Float32)
# 括號中兩個0表示起始像元的行列號從(0,0)開始
outRaster.SetGeoTransform((originX, xsize, 0, originY, 0, ysize))
# 獲取數據集第一個波段，是從1開始，不是從0開始
outband = outRaster.GetRasterBand(1)
outband.WriteArray(array)
outRasterSRS = osr.SpatialReference()
# 代碼4326表示WGS84座標
outRasterSRS.ImportFromEPSG(4326)
outRaster.SetProjection(outRasterSRS.ExportToWkt())
outband.FlushCache()
ds = gdal.Open('D:/osgeopy-data/Modis/MYD13Q1.A2014313.h20v11.005.2014330092746.hdf')
subdatasets = ds.GetSubDatasets()
print('Number of subdatasets: {}'.format(len(subdatasets)))
for sd in subdatasets:
print('Name: {0}\nDescription:{1}\n'.format(*sd))
ndvi_ds = gdal.Open(subdatasets[0][0]).ReadAsArray()
dst_filename = "D:/nc/try.tif"
xsize = 0.0025
ysize = 0.0025
array2raster(dst_filename, [90, 75], xsize, ysize, ndvi_ds)
NDVI第一波段的灰色圖像展示
NDVI第一波段的彩色圖像展示