参考博文

!!!!!!!https://zhuanlan.zhihu.com/p/133226223 感谢博主，主要靠这位解决了问题
https://blog.csdn.net/qq_28491207/article/details/85328823

背景

因为业务需求，想看一下MODIS海洋水色数据的情况，这里数据很特殊。下载到的数据后缀名为‘.nc，按理说应该是NetCDF格式的文件，然而在用户手册中提到文件格式为HDF5，但在ArcGIS中可以NetCDF格式直接打开，又可以HDF5格式在Python中操作
问题：
1、envi打开数据无法显示其正确坐标
2、panoply不知都怎么按照经纬度进行可视化
3、mrt打开文件不显示参数
4、HEG打开文件显示不出其参数
5、利用gdal直接转换有问题

解决

参考知乎作者利用代买实现数据读取与放射变换，利用arcgis对转换的Tiff进行投影定义，输出图像，即可得到可视化结果

代码

from osgeo import gdal,osr
import numpy as np
import os
import sys
from scipy.optimize import leastsq
os.environ['PROJ_LIB'] = os.path.dirname(sys.argv[0])
#from scipy import optimize
#from scipy.optimize import leastsq
 #scipy.optimize.leastsq
#import scipy.optimize as opt

#  数组保存为tif
def array2raster(TifName, GeoTransform, array):
    cols = array.shape[1]  # 矩阵列数
    rows = array.shape[0]  # 矩阵行数
    driver = gdal.GetDriverByName('GTiff')
    outRaster = driver.Create(TifName, cols, rows, 1, gdal.GDT_Float32)
    # 括号中两个0表示起始像元的行列号从(0,0)开始
    outRaster.SetGeoTransform(tuple(GeoTransform))
    # 获取数据集第一个波段，是从1开始，不是从0开始
    outband = outRaster.GetRasterBand(1)
    outband.WriteArray(array)
    outRasterSRS = osr.SpatialReference()
    # 代码4326表示WGS84坐标
    #outRasterSRS.ImportFromEPSG(4326)
    outRasterSRS.SetWellKnownGeogCS('WGS84')
    outRaster.SetProjection(outRasterSRS.ExportToWkt())
    outband.FlushCache()
    
#  hdf批量转tif
def hdf2tif_batch(hdfFolder):
    #  获取文件夹内的文件名
    hdfNameList = os.listdir(hdfFolder)
    for i in range(len(hdfNameList)):
        #  判断当前文件是否为HDF文件
        if(os.path.splitext(hdfNameList[i])[1] == ".nc"):
            hdfPath = hdfFolder+"/"+hdfNameList[i]
            #  gdal打开hdf数据集
            datasets = gdal.Open(hdfPath)
            
            #  获取hdf中的元数据
            Metadata = datasets.GetMetadata()

            #  获取元数据的个数
            #MetadataNum = len(Metadata)
            #     输出各子数据集的信息
            #print("元数据一共有{0}个: ".format(MetadataNum))
            #for key,value in Metadata.items():
              #  print('{key}:{value}'.format(key = key, value = value))
            Latitudes=datasets.GetMetadataItem("/navigation_data/NC_GLOBAL#GRINGPOINTLATITUDE","")
            Longitude=datasets.GetMetadataItem("/navigation_data/NC_GLOBAL#GRINGPOINTLONGITUDE","")
            #  获取四个角的维度
            #Latitudes = Metadata["GRINGPOINTLATITUDE.1"]
            #  采用", "进行分割
            LatitudesList1 = Latitudes.split("{")
            LatitudesList2 = LatitudesList1[1].split("}")
            LatitudesList = LatitudesList2[0].split(",")
            #  获取四个角的经度
            #Longitude = Metadata["GRINGPOINTLONGITUDE.1"]
            #  采用", "进行分割
            LongitudeList1 = Longitude.split("{")
            LongitudeList2 = LongitudeList1[1].split("}")
            LongitudeList = LongitudeList2[0].split(",")

            # 图像四个角的地理坐标
            GeoCoordinates = np.zeros((4, 2), dtype = "float32")
            GeoCoordinates[0] = np.array([float(LongitudeList[0]),float(LatitudesList[0])])
            GeoCoordinates[1] = np.array([float(LongitudeList[1]),float(LatitudesList[1])])
            GeoCoordinates[2] = np.array([float(LongitudeList[2]),float(LatitudesList[2])])
            GeoCoordinates[3] = np.array([float(LongitudeList[3]),float(LatitudesList[3])])

           
            #  获取数据时间
            #date = Metadata["RANGEBEGINNINGDATE"]

            #  第一个子数据集合,也就是NDVI数据
            DatasetNDVI = datasets.GetSubDatasets()[8][0]
            RasterNDVI = gdal.Open(DatasetNDVI)
            NDVI = RasterNDVI.ReadAsArray()
            Columns = NDVI.shape[1]  # 矩阵列数
            Rows = NDVI.shape[0]  # 矩阵行数

             #  列数
            #Columns = float(Metadata["DATACOLUMNS"])
            #  行数
            #Rows = float(Metadata["DATAROWS"])
            #  图像四个角的图像坐标
            PixelCoordinates = np.array([[0, 0],
                                         [Columns - 1, 0],
                                         [Columns - 1, Rows - 1],
                                         [0, Rows - 1]], dtype = "float32")
    
            #  计算仿射变换矩阵
            
            def func(i):
                Transform0, Transform1, Transform2, Transform3, Transform4, Transform5 = i[0], i[1], i[2], i[3], i[4], i[5]
                return [Transform0 + PixelCoordinates[0][0] * Transform1 + PixelCoordinates[0][1] * Transform2 - GeoCoordinates[0][0],
                        Transform3 + PixelCoordinates[0][0] * Transform4 + PixelCoordinates[0][1] * Transform5 - GeoCoordinates[0][1],
                        Transform0 + PixelCoordinates[1][0] * Transform1 + PixelCoordinates[1][1] * Transform2 - GeoCoordinates[1][0],
                        Transform3 + PixelCoordinates[1][0] * Transform4 + PixelCoordinates[1][1] * Transform5 - GeoCoordinates[1][1],
                        Transform0 + PixelCoordinates[2][0] * Transform1 + PixelCoordinates[2][1] * Transform2 - GeoCoordinates[2][0],
                        Transform3 + PixelCoordinates[2][0] * Transform4 + PixelCoordinates[2][1] * Transform5 - GeoCoordinates[2][1],
                        Transform0 + PixelCoordinates[3][0] * Transform1 + PixelCoordinates[3][1] * Transform2 - GeoCoordinates[3][0],
                        Transform3 + PixelCoordinates[3][0] * Transform4 + PixelCoordinates[3][1] * Transform5 - GeoCoordinates[3][1]]
            #  最小二乘法求解
            GeoTransform = leastsq(func,np.asarray((1,1,1,1,1,1)))
            print(GeoTransform)


            TifName =  "ee .tif"
            array2raster(TifName, GeoTransform[0], NDVI)
            print(TifName,"Saved successfully!")
            
hdf2tif_batch(r"E:/test/ori")