栅格计算器
栅格计算器用于对一个或多个栅格数据进行像元级（逐像元）计算。你可以直接手写表达式，也可以把需求用自然语言告诉 AI，让它帮你先起草公式，再由你确认后运行。无论是数学运算、阈值筛选、重分类，还是多波段组合计算，本工具都能在像元层面并行完成。
主要能力
- 多栅格/多波段参与同一表达式计算
- 支持单语句与多语句（代码块）两种模式
- 内置运算符与常用 NumPy 函数（算数/三角/逻辑/统计等）
- 支持 AI 根据自然语言辅助生成、补全和改写公式
- 自动对齐：当输入栅格空间参考或网格不一致时自动重采样并对齐
- NoData 与数值类型可控：默认输出为 双精度浮点小数，NoData 默认取当前类型可表示的最大值
使用方式
典型流程：
- 添加一个或多个输入栅格
- 直接编写公式，或通过 AI 先生成草稿公式
- 设定输出栅格路径与通用输出参数（像素类型、NoData、压缩、坐标系等）
- 运行生成
AI 编写公式
自己编写公式需要记住改公式编辑器的规则，但我们可以不记住规则，让其AI去生成公式，我们在进行审核即可。比如下面场景尤其合适：
- 想快速生成 NDVI、指数变换、加权叠加等常见公式
- 需要写多行重分类逻辑，但条件较多，手写容易漏括号
- 已经有一版公式，想让 AI 帮你改成更清晰的多行写法
- 需要把“按中文业务描述”翻译成工具可执行的表达式
总体来说AI适合帮我做什么：
- 从自然语言生成首版公式
- 把单行公式改写成更容易读懂的多行代码块
- 补全
where(...)、logical_and(...)这类容易写错的结构 - 帮你把业务条件翻译成栅格计算逻辑
你仍然需要人工确认什么
- 文件名和波段号是否引用正确
- 区间边界是否包含等号
- NoData 是否按你的业务预期传播或保留
- 多个输入栅格的空间分辨率、范围和坐标系是否合理
- 输出值域是否符合业务含义，比如是二值、分级值还是连续值
提示
一个很实用的办法是：先让 AI 生成公式，再让它“改成多行并加上中间变量名”。复杂逻辑会更容易检查，也更不容易在后续修改时出错。
使用方式
- 启动工具：打开【计算工具箱】工具箱 → 导航至【栅格工具】 > 【栅格计算】 → 启动【栅格计算器】工具窗格。
- 准备输入栅格：先把本次参与运算的栅格加入当前窗口。AI 只会围绕当前窗口里已有的栅格名称和波段来生成公式。
- 打开 AI 公式面板：在公式编辑区域使用 AI 编写公式功能。
- 输入你的需求：尽量说清楚“用哪些栅格/波段、做什么计算、阈值是多少、空值怎么处理、输出想表达什么”。
- 检查 AI 返回结果：确认引用的文件名、波段号、边界条件、NoData 处理和输出含义都符合预期。
- 再运行：建议先用小范围或样例数据试算一次，确认结果无误后再正式生成。
与AI交互
在与AI进行交互时，遵循一些规范，可以让ai更好的进行改哦你工作：
- 直接点名数据：例如“用
影像A.tif.band4和影像A.tif.band3计算 NDVI”。 - 说清边界：例如“0 到 10 算 1 类，10 到 20 算 2 类，20 以上算 3 类”。
- 说明空值策略：例如“如果任一输入是空值，就输出空值”。
- 说明结果意图：例如“我想得到一个 0/1 掩膜”，“我想输出 4 级分类结果”。
- 当生成的公式不符合我们的意思时，可以让其改正，这个是支持多轮对话的。
AI 提示词示例
下面这些写法都比较接近真实工作里的提问方式，可以直接参考。
示例 1：让 AI 写 NDVI
你可以直接这样说：
用 空飞-多波段栅格-100m.tif 的 band4 和 band2 计算 NDVI。
AI 很可能会给你一版接近下面这样的公式：
result = (空飞-多波段栅格-100m.tif.band4 - 空飞-多波段栅格-100m.tif.band2) / (空飞-多波段栅格-100m.tif.band4 + 空飞-多波段栅格-100m.tif.band2)
带空值处理的
#prompt
用 空飞-多波段栅格-100m.tif 的 band4 和 band2 计算 NDVI，如果分母为 0 或者有空值就输出 nan。
#公式
nir = 空飞-多波段栅格-100m.tif.band4
red = 空飞-多波段栅格-100m.tif.band2
num = nir - red
den = nir + red
result = where(logical_or(den == 0, logical_or(isnan(nir), isnan(red))), nan, num / den)
这类写法的好处是，AI 不只是把公式写出来了，还顺手把异常情况一起考虑进去了。
注：布尔函数无法进行默认空值处理，必需进行空值处理。
示例 2：让 AI 写重分类
把 dem.tif 分成 4 类：小于等于 100 为 1，大于 100 且小于等于 500 为 2，大于 500 且小于等于 1500 为 3，其余为 4，空值保持为空值。
可能得到：
result = where(isnan(dem.tif), nan, where(dem.tif <= 100, 1, where(logical_and(dem.tif > 100, dem.tif <= 500), 2, where(logical_and(dem.tif > 500, dem.tif <= 1500), 3, 4))))
这种情况特别适合 AI，因为人手写的时候最容易在第二层、第三层 where 里漏掉括号。
示例 3：让 AI 写风险掩膜
根据 slope.tif 和 rain.tif 生成一个风险掩膜：坡度大于 15 且降雨量大于 500 的像元赋值 1，其余赋值 0；如果任一输入是空值，就输出空值。
可能得到：
result = where(logical_or(isnan(slope.tif), isnan(rain.tif)), nan, where(logical_and(slope.tif > 15, rain.tif > 500), 1, 0))
栅格引用与波段引用
在栅格计算器中，表达式里的“变量”可以指向某个输入栅格或其指定波段。
- 引用范围
- 栅格引用仅在当前一次工具运行中有效
- 名称区分大小写
- 栅格引用（Raster Name）
- 直接使用输入列表中的“文件引用名称”（通常就是文件名）来引用栅格
示例（以文件名作为引用）：
result = T50SKH_B02_100m.tif + T50SKH_B03_100m.tif
- 波段引用（RasterName.bandN）
- 多波段栅格可用
栅格名.bandN引用指定波段，N从 1 开始 - 单波段栅格中，
a与a.band1等价
示例：
nd = 空飞-多波段栅格-100m.tif.band4 - 空飞-多波段栅格-100m.tif.band2
非法示例：
c = a.band0
c = band1
语法规则
单语句模式
必须写成赋值形式：输出变量 = 表达式。
result = dem.tif * 0.001
由于界面中，默认会使用输出文件=，因此用户在输入框中直接输入表达式即可。
代码块（多语句）模式
- 允许定义临时变量和中间结果
- 至少有一句是赋值形式，否则无法输出
- 若存在多句赋值表达式，以最后一句赋值结果作为最终输出
- 变量命名，代码块中的变量必须是合法标识符（建议：小写字母 + 数字 + 下划线，且不以数字开头）
- 代码块中可以重复利用中间变量，让复杂逻辑更清晰。
# 定义掩膜
m1 = (dem.tif >= 0) & (dem.tif <= 1610)
m2 = (dem.tif > 1610) & (dem.tif <= 2415)
m3 = (dem.tif > 2415) & (dem.tif <= 3468)
m4 = (dem.tif > 3468)
# 分类
result = (m1 * 1) + (m2 * 2) + (m3 * 3) + (m4 * 4)
支持的运算符
算术运算符
| 算术运算符 | 名称 | 含义 | 示例 | 说明 |
|---|---|---|---|---|
| + | 加法 | 相加 | A + B | 像元值相加 |
| - | 减法 | 相减 | A - B | 像元值相减 |
| * | 乘法 | 相乘 | A * B | 像元值相乘 |
| / | 除法 | 真除法 | A / B | 结果为浮点数 |
| // | 整除 | 向下取整除法 | A // B | GIS 中常用于分级 |
| % | 取模 | 余数 | A % 5 | 周期/分类编码 |
| ** | 幂 | 幂运算 | A ** 2 | 平方、指数模型 |
比较运算符
| 运算符 | 名称 | 含义 | 示例 | GIS 含义 |
|---|---|---|---|---|
== | 等于 | 是否相等 | A == B | 像元值是否相同 |
!= | 不等于 | 是否不相等 | A != 0 | 非 NoData |
> | 大于 | 是否大于 | A > 10 | 阈值判断 |
< | 小于 | 是否小于 | A < 0 | 异常值判断 |
>= | 大于等于 | ≥ | A >= 100 | 下限约束 |
<= | 小于等于 | ≤ | A <= 15 | 上限约束 |
比较结果为逐像元布尔结果，可继续参与后续计算（布尔值在算术中会自动转为 0/1）。
# 布尔值参与算术：满足条件为 1，不满足为 0
result = (dem.tif > 1000) * 1
逻辑运算符（逐像元）
栅格计算器采用 Python + NumPy 语法模型。对于栅格数组的逻辑判断，不支持 Python 原生的 and / or / not 逻辑运算符， 请使用 NumPy 的逐像元逻辑运算方式：
- 使用位运算符
&、|、~表示逻辑 AND / OR / NOT - 运算符作用于每一个像元（element-wise）
- 条件表达式必须使用括号明确优先级
逻辑运算符用于组合多个条件：
| 运算符 | 名称 | 含义 | 示例 | 说明 | 对应函数 |
|---|---|---|---|---|---|
| & | 逻辑与 | 同时为真 | (a > 0) & (a < 10) | 逐像元逻辑与 | logical_and(a, b) |
| | | 逻辑或 | 任一为真 | (a > 0) | (a < 10) | 逐像元逻辑或 | logical_or(a, b) |
| ~ | 逻辑非 | 取反 | ~(a > 0) | 逐像元逻辑非 | logical_not(a) |
| 无 | 逐元素异或 | 逐元素异或 | logical_xor(a, b) |
注意：组合条件时必须加括号。
risk = (slope.tif > 15) * 0.4 + (rain.tif > 100) * 0.6
mask = (a.tif > 0) & (a.tif < 10)
运算优先级（从高到低）
工具遵循常见的 Python/数学优先级。编写复杂条件时建议始终用括号明确意图：
()**- 一元
+x-x~x *///%+-- 位移
<<>> &^|- 比较
== != < <= > >= - 赋值
=
NoData 与数值类型规则
- 任何操作数中含有 NoData 时，结果为 NoData
- 输出数值类型默认使用
double（Float64）以尽量避免精度损失 - NoData 默认使用“当前输出类型可表示的最大值”
建议：
- 参与运算的栅格若 NoData 口径不一致，先使用无效值相关工具统一 NoData，可减少意外传播
- 如果希望“缺失当作 0”或“缺失当作常量”，需显式写出条件逻辑（通常用
where实现）
空间一致性与自动重采样
多个栅格必须在空间上完全一致才能逐像元计算，包括：CRS、像元大小、网格对齐、范围（Extent）。
当输入栅格不一致时，工具会在计算前自动对齐，核心原则：
- 以“输入列表中的第一个栅格”作为空间基准（不是表达式里出现的第一个）
- 其它栅格会自动重投影/重采样到基准栅格网格
- 内部重采样采用 GDAL 机制，默认使用最近邻
空间对齐的判断
栅格计算器（本工具）
└── 自动判断是否需要重采样
└── 调用 Raster.resample_gdal_by_raster()
└── GDAL Warp / Reproject / Resample
└── GDAL 内置插值算法（最近邻）
补充说明：
- 对齐后的运算仅在基准栅格网格上进行；超出基准范围的区域将以 NoData 填充
- 若输入栅格分辨率不同，会以基准栅格的像元大小为准
常见用例
NDVI（单波段）
ndvi = (T50SKH_B08_100m.tif - T50SKH_B04_100m.tif) / (T50SKH_B08_100m.tif + T50SKH_B04_100m.tif)
多波段加权
result = 空飞-多波段栅格-100m.tif.band1 * 0.5 + 空飞-多波段栅格-100m.tif.band2 * 0.5
多波段累加（Sigma）
result = Sigma([空飞-多波段栅格-100m.tif.band1, 空飞-多波段栅格-100m.tif.band2, 空飞-多波段栅格-100m.tif.band3])
三个栅格求最大值（嵌套 maximum）
使用累加函数Sigma 对多波段数据求和。
result = maximum(A.tif, maximum(B.tif, C.tif))
条件掩膜与提取
mask = (slope.tif > 15) & (rain.tif > 100)
result = where(mask, dem.tif, 0)
单位换算/线性缩放
# 例如：米 -> 千米
result = dem.tif / 1000.0
使用建议
- 第一次让 AI 写公式时，尽量把输入栅格名和波段号说完整。
- 如果结果不对，不要只说“错了”，最好明确指出“第 2 档边界要包含 2415”“空值不要转成 0”这类具体修正点。
- 对分类任务，建议让 AI 生成后自己再逐档检查一次，确认区间连续、不重叠、不遗漏。
- 对生产环境数据，建议先选一个小范围验证结果图层，再批量运行完整数据。
重分类 (where 函数)
重分类是将栅格像元的值根据特定的范围（Range）重新映射为新的分类值（Class Value）的过程。在 Python 栅格计算器中，由于标准的 if 语句无法直接处理数组（标量逻辑限制），必须使用 where 函数通过矩阵并行逻辑实现。
- 语法：
基础函数：where(条件, 满足条件的值, 不满足条件的值)），对于多级分类（如 4 类），需采用嵌套形式：where(条件1, 值1, where(条件2, 值2, 值3))。
- 输入文件
"T50SKH_B02_100m.tif": 单波段栅格数据
- 计算公式 (expression):
where(T50SKH_B02_100m.tif <= 1610, 1, where(T50SKH_B02_100m.tif <= 2415, 2,where(T50SKH_B02_100m.tif <= 3468, 3, 4)))"
- 可以使用多行语句，这样逻辑更清晰。
# 第一步：定义分类范围变量，提高可读性
class1 = T50SKH_B02_100m.tif <= 1610
class2 = T50SKH_B02_100m.tif <= 2415
class3 = T50SKH_B02_100m.tif <= 3468
# 第二步：通过嵌套 where 进行逐级分类赋值
# 逻辑：如果属于 class1 则给 1，否则继续判断是否属于 class2... 依此类推
result = where(class1, 1, where(class2, 2, where(class3, 3, 4)))
重分类 (逻辑、比较运算)
重分类是将栅格像元的值根据特定的范围（Range）重新映射为新的分类值（Class Value）的过程。在 Python 栅格计算器中，使用比较运算符（如 >、<=）和逻辑运算符（如 logical_and）实现重分类。。
- 语法：
- 比较运算符：
greater_equal(>=),less_equal(<=),greater(>),less(<)。在表达式中可直接使用符号。 - 逻辑运算符：
&、|、~表示逻辑logical_and(与),logical_or(或),logical_not(非)。用于组合多个区间条件。
- 比较运算符：
- 输入文件
"T50SKH_B02_100m.tif": 单波段栅格数据
- 计算公式 (expression)1:
(T50SKH_B02_100m.tif <= 1610) * 1 + ((T50SKH_B02_100m.tif > 1610) & (T50SKH_B02_100m.tif <= 2415)) * 2 + ((T50SKH_B02_100m.tif > 2415) & (T50SKH_B02_100m.tif <= 3468)) * 3 + (T50SKH_B02_100m.tif > 3468) * 4”
- 计算公式 (expression)2:
(T50SKH_B02_100m.tif <= 1610) * 1 + (T50SKH_B02_100m.tif > 1610) * (T50SKH_B02_100m.tif <= 2415) * 2 + (T50SKH_B02_100m.tif > 2415) * (T50SKH_B02_100m.tif <= 3468) * 3 + (T50SKH_B02_100m.tif > 3468) * 4- 说明：该表达式利用了布尔值参与算术运算时自动转为 0 或 1 的特性，通过乘法实现区间的逻辑“与”锁定，通过加法将互斥的分类结果进行叠加，从而在单行内完成所有重分类计算。比如当
T50SKH_B02_100m.tif <= 1610为 真 时，表达式变为1 * 1，结果为 1。当为 假 时，表达式变为0 * 1，结果为 0
- 可以使用多行语句，这样逻辑更清晰。
# 1. 使用比较运算符定义各个区间的布尔掩膜
# 范围 0 - 1610.47 -> 分类 1
m1 = (T50SKH_B02_100m.tif >= 0) & (T50SKH_B02_100m.tif <= 1610)
# 范围 1610.47 - 2415.71 -> 分类 2
# 使用 logical_and 函数或 & 符号
m2 = logical_and(T50SKH_B02_100m.tif > 1610, T50SKH_B02_100m.tif <= 2415)
# 范围 2415.71 - 3468.71 -> 分类 3
m3 = (T50SKH_B02_100m.tif > 2415) & (T50SKH_B02_100m.tif <= 3468)
# 范围 3468.71 - 15795 -> 分类 4
m4 = (T50SKH_B02_100m.tif > 3468)
# 2. 将布尔结果乘以分类值并累加得到最终结果
result = (m1 * 1) + (m2 * 2) + (m3 * 3) + (m4 * 4)
常见错误
c a + b # 缺少等号
c = # 表达式缺失
c = a / 0 # 除零
mask = a > 0 and b > 0 # 错误：and/or/not 不是逐像元