Rasterio中基于地理定位数组重投影时处理NoData值的注意事项

在遥感数据处理领域，经常需要将不规则网格数据（如卫星扫描带数据）重投影到规则网格上。Rasterio作为Python中强大的地理空间数据处理库，其reproject函数配合src_geoloc_array参数为此类需求提供了解决方案。然而，在处理包含NoData值的数据时，存在一个需要特别注意的关键点。

问题现象

当使用src_geoloc_array参数进行重投影时，即使正确设置了src_nodata和dst_nodata参数，原始数据中的NoData值（如NaN）仍可能被错误地映射到输出网格中，导致输出图像出现异常条纹或斑块。这种现象在VIIRS等卫星扫描带数据的处理中尤为常见。

根本原因

问题的核心在于：NoData值的处理不仅取决于数据值本身，还与其对应的地理坐标有关。当数据数组中存在NaN值时，如果这些NaN值对应的坐标位置（由src_geoloc_array提供）仍然是有效的地理坐标，重投影过程仍会将这些位置纳入计算。

换句话说，Rasterio的reproject函数会：

1. 首先检查数据值是否为NoData
2. 然后根据提供的坐标进行重采样
3. 但不会自动排除那些数据值为NoData但坐标有效的位置

解决方案

要正确排除NoData值的影响，需要采取以下步骤：

1. 同步处理数据和坐标：对于数据数组中的每个NaN值，其对应的经纬度坐标也应设为NaN
2. 确保坐标一致性：保持数据值与坐标值的对应关系，即数据值为NaN的位置，其坐标也应为NaN

# 正确做法示例
mask = np.isnan(source)
lon2d[mask] = np.nan
lat2d[mask] = np.nan

实际应用建议

1. 预处理阶段：在进行重投影前，先对数据和坐标数组进行同步的NaN标记
2. 验证数据一致性：检查数据数组和坐标数组的NaN位置是否匹配
3. 重采样方法选择：根据数据类型选择合适的重采样方法（如average、nearest等）
4. 输出验证：检查重投影后的结果，确保NoData区域被正确处理

技术细节

当使用src_geoloc_array时，Rasterio内部会：

• 将提供的坐标数组视为每个像素的精确地理位置
• 根据这些位置计算在目标投影中的新位置
• 应用指定的重采样方法生成规则网格

因此，任何具有有效坐标的像素（即使数据值为NaN）都会参与这个计算过程。这就是为什么必须同时将数据和坐标中的NoData位置标记为NaN。

总结

处理不规则网格数据重投影时，对NoData值的正确处理至关重要。通过同步标记数据和坐标数组中的无效值，可以确保重投影结果准确反映有效数据区域，避免产生异常条纹或斑块。这一技巧在卫星遥感数据处理、气象数据分析等领域具有广泛的应用价值。

记住：在空间数据处理中，数据值和其空间位置信息同等重要，必须同步考虑和处理。