用 ArcPy 批量做遥感影像重投影：两种情况一次讲清-编程阁

在做遥感数据预处理时，批量重投影几乎是绕不开的一步。尤其是当我们面对多个季节、多个景幅、多个波段的影像时，手工逐个处理不仅费时间，还容易出错。

这篇文章结合一个批处理脚本的思路，整理出一套适合分享的做法：如何用 ArcPy 批量完成遥感影像重投影，并且分成两种常见情况说明。

原始遥感影像已经有坐标系
原始遥感影像没有坐标系

如果你平时也在做 Landsat、Sentinel 或其他栅格影像的批量处理，这个思路很适合直接改成自己的项目脚本。

一、为什么要先分清有没有坐标系

重投影前最关键的一步，不是直接转换，而是先判断原始数据是否已经带有正确的空间参考。

如果影像已经有坐标系，可以直接做 ProjectRaster 重投影。
如果影像没有坐标系，必须先用 DefineProjection 补上正确的原始坐标系，再进行投影转换。

这两步不能混淆，因为“定义投影”和“重投影”不是一回事：DefineProjection 只是告诉软件这份数据原本属于哪个坐标系，ProjectRaster 才是真正把数据转换到新的坐标系。

二、批量处理的核心思路

遍历不同季节、不同日期目录。
按波段筛选目标文件，比如 B2、B4、B5。
复制临时文件并处理空间参考。
输出到统一的目标坐标系。

如果把流程拆开看，关键代码其实只有两部分：批量查找影像，以及处理空间参考并重投影。

三、关键代码提取

1.环境与坐标系准备

import arcpy
import os
import shutil
import glob

arcpy.env.overwriteOutput = True

out_dir = r"F:\ESRI\data\ygyxdata\changchun_bands_52N_proj"
os.makedirs(out_dir, exist_ok=True)

sr_51n = arcpy.SpatialReference(32651) # 原始坐标系
sr_52n = arcpy.SpatialReference(32652) # 目标坐标系

这段代码做了三件事：开启覆盖输出、创建输出目录、定义原始坐标系和目标坐标系。

2.批量查找影像并筛选波段

for season, dirs in seasons.items():
for d in dirs:
sid = os.path.basename(d)
for band in ["B2", "B4", "B5"]:
found = glob.glob(os.path.join(d, f"*_SR_{band}.TIF"))
if not found:
print(f"未找到: {sid} {band}")
continue

这段逻辑适合批量处理遥感数据目录：外层按季节或项目分组，中层遍历影像目录，内层按波段查找对应文件。

3. 重投影的核心处理

src = found[0]
tmp_path = os.path.join(out_dir, f"_tmp_{sid}_SR_{band}.TIF")
out_path = os.path.join(out_dir, f"{sid}_SR_{band}_52N.TIF")

shutil.copy2(src, tmp_path)
arcpy.management.DefineProjection(tmp_path, sr_51n)
arcpy.management.ProjectRaster(
in_raster=tmp_path,
out_raster=out_path,
out_coor_system=sr_52n,
resampling_type="BILINEAR",
cell_size="30"
)
arcpy.management.Delete(tmp_path)

shutil.copy2：先复制一份临时文件，避免直接改原数据。
DefineProjection：给没有正确空间参考的源文件补投影信息。
ProjectRaster：将影像真正重投影到目标坐标系。
BILINEAR：双线性插值，适合连续型遥感数据。
cell_size="30"：指定输出分辨率，保持 30m 尺度。

四、情况一：原始遥感影像已经有坐标系

这是最简单、也最推荐的情况。如果原始影像已经包含正确的空间参考信息，那么你只需要直接重投影即可，不需要再执行 DefineProjection。

示例代码

import arcpy

arcpy.env.overwriteOutput = True

sr_target = arcpy.SpatialReference(32652)

arcpy.management.ProjectRaster(
in_raster=r"F:\input\image_with_prj.tif",
out_raster=r"F:\output\image_52n.tif",
out_coor_system=sr_target,
resampling_type="BILINEAR",
cell_size="30"
)

确认原始影像坐标系正确。
直接调用重投影工具。
设置目标坐标系和输出分辨率。

影像元数据完整。
数据本身已经带有 .prj 或空间参考信息。
你只想把它统一到另一个投影带或坐标系。

五、情况二：原始遥感影像没有坐标系

这是很多实际项目中更麻烦的情况。如果原始影像没有坐标系，软件并不知道它原本属于哪个空间参考，这个时候不能直接重投影，否则结果大概率会错位。

正确做法是先定义原始坐标系，再进行重投影。

示例代码

import arcpy
import shutil
import os

arcpy.env.overwriteOutput = True

sr_source = arcpy.SpatialReference(32651)
sr_target = arcpy.SpatialReference(32652)

src = r"F:\input\image_no_prj.tif"
tmp = r"F:\output\_tmp_image.tif"
dst = r"F:\output\image_52n.tif"

shutil.copy2(src, tmp)

arcpy.management.DefineProjection(tmp, sr_source)

arcpy.management.ProjectRaster(
in_raster=tmp,
out_raster=dst,
out_coor_system=sr_target,
resampling_type="BILINEAR",
cell_size="30"
)

arcpy.management.Delete(tmp)

先复制一份临时文件。
用 DefineProjection 说明原始数据属于哪个坐标系。
再用 ProjectRaster 转到目标坐标系。
删除临时文件，保持目录整洁。

原始数据缺少空间参考信息。
影像只有像素值，没有正确的投影描述。
你已经明确知道它本来属于哪个坐标系。

六、两个情况的区别总结

可以直接记成一句话：有坐标系就直接重投影，没有坐标系就先定义，再重投影。

情况	是否需要 DefineProjection	是否需要 ProjectRaster
原始影像已有坐标系	不需要	需要
原始影像没有坐标系	需要	需要

七、参数选择建议

out_coor_system：目标坐标系，建议统一成项目标准。
resampling_type：连续数据通常用 BILINEAR。
cell_size：如果原始分辨率是 30m，输出也建议保持 30m。
临时文件命名：建议加 _tmp_ 前缀，方便清理和排错。

八、我在实际批处理里常用的写法

如果你要把这套逻辑整理成可复用脚本，建议把“是否已有坐标系”单独封装成一个判断流程。这样后面换数据源时，只需要改少量参数。

def reproj_raster(src, dst, source_sr=None, target_sr=None):
tmp = dst.replace(".tif", "_tmp.tif")

shutil.copy2(src, tmp)

if source_sr is not None:
arcpy.management.DefineProjection(tmp, source_sr)

arcpy.management.ProjectRaster(
in_raster=tmp,
out_raster=dst,
out_coor_system=target_sr,
resampling_type="BILINEAR",
cell_size="30"
)

arcpy.management.Delete(tmp)