企业官网建设流程全解析

简介：针对遥感与地理数据处理中常见的HDF转TIFF需求，这份资源提供可直接使用的Python转换脚本，面向需要将HDF文件导入ENVI、GIS或其他仅支持TIFF格式软件的开发者、科研人员与学生。脚本基于Python编写，可读取HDF数据集并写出带空间参考的GeoTIFF，适合处理单波段或多波段栅格数据，便于后续在ENVI等平台中开展分析。压缩包内共1个文件，为py格式的源码脚本，整体仅1KB，代码结构精简，适合快速查看与二次修改。目前已有2285人学习下载。读者拿到脚本后，可结合自身HDF文件中的数据集名称、边界范围及坐标系信息调整参数，实现格式转换；脚本同时展示了h5py与rasterio两个关键库的配合用法，对理解HDF内部结构、栅格空间参考写入及Python批量转换流程也有直接参考价值。

1. 拿到 hdf 文件先别急着双击打开，转 tif 前先弄懂这件事

做遥感数据处理的工程师，几乎都经历过这样的场景：从 NASA 或 LP DAAC 下载回来的 MODIS 产品是一堆.hdf文件，文件名里带了一长串产品和日期标识，例如MOD09GA.A2024185.h11v04.006.2024190072813.hdf。双击打开，普通看图软件不认，ArcGIS 直接拖进去也经常只看到一条黑带或者根本没有渲染。用户拿到的标题里同时出现了envi和Python，说明实际需求是从这份 HDF 里提取出能被 GIS 和深度学习框架直接读取的 GeoTIFF，而且希望这条路既能靠 ENVI 的可视化解决，也能用 Python 批量自动化。这个需求的难点不在“转换”动作本身，而在于 HDF 是容器格式，一个文件里塞着多个科学数据集（子数据集），投影、缩放因子、填充值都得先读出来再写进 GeoTIFF 的元数据里。这篇文章就从文件结构讲起，把 hdf 转 tif 的完整路径拆开，ENVI 和 Python 两条线都会覆盖到。

2. hdf 到 tif 的本质：先拆 HDF-EOS 子数据集，再谈投影与比例因子

2.1 为什么不能像打开 tif 一样直接打开 hdf

这里说的 hdf 是 Hierarchical Data Format，和华为鸿蒙系统里那个 HDF 硬件驱动框架完全是两回事，别混在一起。遥感领域最常见的是 HDF4 和基于它的 HDF-EOS 扩展格式，MODIS、ASTER、部分 VIIRS 产品都走这条路。一个 HDF 文件内部采用树状结构组织，根节点下面挂着多个科学数据集，每个数据集单独存储了一层栅格数据，还带自己的属性信息，比如scale_factor、add_offset、_FillValue、long_name等。

标准 GeoTIFF 是单栅格文件，即使有多波段也是统一存储在一个文件里。所以 hdf 转 tif 并不是拿个文件转换工具套一下就完事，真正的动作是：先列出 HDF 里的子数据集清单，选定需要的波段，把它的投影信息和地理变换参数一并读取出来，再写入一个新的 GeoTIFF 文件。如果直接对整个 HDF 文件做转换，GDAL 会返回一大串子数据集路径，而不是一个可直接使用的栅格。

2.2 用 gdalinfo 查看 hdf 的子数据集清单

GDAL 自带gdalinfo命令，这是排查 HDF 结构最先要用的工具。安装 GDAL 的方式很多，Windows 上可以用 OSGeo4W 或 conda，Linux 直接用apt install gdal-bin或者conda install -c conda-forge gdal。在终端里对目标文件执行：

gdalinfo MOD09GA.A2024185.h11v04.006.2024190072813.hdf

输出内容很长，核心在Subdatasets:这一段。典型输出如下：

Subdatasets: SUBDATASET_1_NAME=HDF4_EOS:EOS_GRID:"MOD09GA.A2024185.h11v04.006.2024190072813.hdf":MODIS_Grid_1km_2D:sur_refl_b01_1 SUBDATASET_1_DESC=[200x164] sur_refl_b01_1 MODIS_Grid_1km_2D (16-bit unsigned integer) SUBDATASET_2_NAME=HDF4_EOS:EOS_GRID:"MOD09GA.A2024185.h11v04.006.2024190072813.hdf":MODIS_Grid_1km_2D:sur_refl_b02_1 SUBDATASET_2_DESC=[200x164] sur_refl_b02_1 MODIS_Grid_1km_2D (16-bit unsigned integer)

SUBDATASET_1_NAME里的完整字符串就是后续 Python 或gdal_translate真正要打开的数据集标识。[200x164]是栅格的行列数，16-bit unsigned integer是存储类型。这段信息直接决定了后续怎么设计转换脚本。

对于想要一次看清所有波段的情况，可以只过滤子数据集列表：

gdalinfo MOD09GA.A2024185.h11v04.006.2024190072813.hdf | grep -E "SUBDATASET_.*NAME"

这里grep的正则匹配了所有子数据集名，方便拷贝进脚本或做人工核对。注意不同 MODIS 产品的子数据集命名规律不一样，MOD13Q1 是MODIS_Grid_16DAY_250m_500m_VI，MOD09GA 是MODIS_Grid_1km_2D，写代码时最好不要写死路径前缀。

2.3 读懂 MODIS 产品的行列/投影/缩放因子，为 hdf转tif 做准备

拿到子数据集名称后，还需要读它的投影和属性。对单个子数据集执行：

gdalinfo 'HDF4_EOS:EOS_GRID:"MOD09GA.A2024185.h11v04.006.2024190072813.hdf":MODIS_Grid_1km_2D:sur_refl_b01_1'

输出会包含关键的地理参考信息。MODIS 陆地产品的标准投影是正弦曲线投影（Sinusoidal），GDAL 通常将其识别为SIN或ESRI:54008，同时会给出Origin = (...),Pixel Size = (...)这两行参数。它们决定了转换后 GeoTIFF 的仿射变换矩阵。

同样的命令能读到波段属性，例如：

Band 1 Block=200x164 Type=Int16, ColorInterp=Undefined Min=0.000 Max=8000.000 NoData Value=-28672 Scale Factor=0.000100 Offset=0.000000

Scale Factor和Offset是 hdf 转 tif 时最容易丢的信息。MODIS 反射率产品内部一个像元值可能是 8000，但真实反射率是乘上 0.0001 后的 0.8。很多初学者直接把原始整数写进 tif，后续做植被指数计算时结果完全错乱。提前跑一次gdalinfo把这里的信息摸清楚，后面写 Python 脚本时才知道要不要乘缩放因子。

3. 用 Python 批量 hdf转tif：GDAL API 与栅格读写细节

3.1 安装 GDAL 依赖与验证子数据集可读

Python 环境下做栅格转换最可靠的方式是 GDAL 的 Python 绑定，常用导入名是from osgeo import gdal。安装时用 conda 不容易出现 DLL 缺失问题：

conda install -c conda-forge gdal

如果项目用的是 venv，也可以用pip install gdal，但 Windows 上 pip 版本经常需要和已安装的 GDAL 二进制版本严格对应，报错率比 conda 高不少，因此我一般会建议优先 conda 环境。

安装完成后先跑一个最小验证，确认能打开 HDF 并列出子数据集：

from osgeo import gdal file_path = "MOD09GA.A2024185.h11v04.006.2024190072813.hdf" ds = gdal.Open(file_path) for i in range(ds.RasterCount): sub = ds.GetSubDatasets()[i] print(sub)

ds.GetSubDatasets()返回一个列表，每个元素是(subdataset_path, description)的元组。如果打印结果为 0 条，说明当前 GDAL 版本缺少 HDF4 驱动，需要额外安装libgdal-hdf4或者重新编译启用 HDF4 支持的 GDAL。这一步不通过，后面所有脚本都无从谈起。

3.2 单文件 hdf转tif 的标准 Python 脚本

下面的脚本完成一个基本但完整的工作：读取指定的 HDF 子数据集，把投影和地理变换信息一并复制到输出的 GeoTIFF 中。

from osgeo import gdal def hdf_sub_to_tif(hdf_path, subdataset_name, out_tif): gdal.UseExceptions() # 直接用子数据集完整路径打开 src_ds = gdal.Open(subdataset_name) if src_ds is None: raise RuntimeError(f"无法打开子数据集: {subdataset_name}") # 获取仿射变换参数和投影 geotransform = src_ds.GetGeoTransform() projection = src_ds.GetProjection() if geotransform is None or projection is None: print("警告: 当前子数据集缺少地理参考信息") # 创建输出文件，复制波段数、行列数、数据类型 driver = gdal.GetDriverByName("GTiff") dst_ds = driver.Create( out_tif, src_ds.RasterXSize, src_ds.RasterYSize, src_ds.RasterCount, gdal.GDT_Float32, options=["COMPRESS=LZW", "TILED=YES"] ) dst_ds.SetGeoTransform(geotransform) dst_ds.SetProjection(projection) # 逐波段复制数据，随后清理 for band_idx in range(1, src_ds.RasterCount + 1): src_band = src_ds.GetRasterBand(band_idx) data = src_band.ReadAsArray() dst_band = dst_ds.GetRasterBand(band_idx) dst_band.WriteArray(data) src_ds = None dst_ds = None hdf_path = "MOD09GA.A2024185.h11v04.006.2024190072813.hdf" subdataset_path = 'HDF4_EOS:EOS_GRID:"MOD09GA.A2024185.h11v04.006.2024190072813.hdf":MODIS_Grid_1km_2D:sur_refl_b01_1' hdf_sub_to_tif(hdf_path, subdataset_path, "sur_refl_b01_1.tif")

脚本的逻辑分四步。先通过gdal.Open打开某个子数据集，因为 HDF 作为一个容器无法直接转换为单文件 GeoTIFF，必须定位到内部某一个科学数据集。接着用GetGeoTransform()和GetProjection()把原始位置信息取出来，这两行决定了输出 tif 在 GIS 软件里能不能落到正确的地理位置上。driver.Create中的COMPRESS=LZW是一种无损压缩选项，对遥感影像效果好，TILED=YES则让 tif 按块存储，后续读取局部窗口时性能更好。gdal.GDT_Float32意味着输出为 32 位浮点，能容纳小数标度，避免整数化导致精度丢失。

3.3 处理填充值、比例因子与 NoData 的三个必调参数

实际项目中，直接把原始波段值写进 tif 往往不够，还必须处理以下三个参数。

第一是填充值。MODIS 产品的无效像元通常用-28672之类的大负数表示，直接参与计算会污染结果。在写入前应读取子数据集属性里的 NoData 值，并同步设置到输出 tif 的波段上：

src_band = src_ds.GetRasterBand(1) nodata = src_band.GetNoDataValue() # 处理完数据后，在输出波段上设置 if nodata is not None: dst_band.SetNoDataValue(nodata)

第二是比例因子。前面提到 MODIS 反射率数据存的是扩大 10000 倍的整数，想要真实反射率就逐像元乘scale_factor。在脚本里做这个乘法时要使用data.astype(np.float32) * scale，避免整型乘法溢出。

第三是在写入时保持数据类型一致性。如果输出选GDT_Float32，而源数据是Int16，WriteArray时 GDAL 会自动做类型转换；反而是数据结构复杂时，手动把src_ds.GetRasterBand(...).DataType读出来传给Create更不容易丢信息。

参数取值可以按实际需求调整：如果输出仅用于深度学习分割，不需要保留 NoData，可直接用源数据ReadAsArray()后的数值范围做 0-255 拉伸，此时COMPRESS可以换为DEFLATE以提升压缩比；如果输出要进 ArcGIS 做分析，则必须保留 NoData。三个参数的取舍顺序是：先确认存什么值，再定数据类型，最后调整压缩方式。

4. ENVI 下的 hdf转tif：可视化检查与批量导出需要注意的坑

4.1 ENVI 打开 hdf 的两种常见方式

很多从业者拿到 HDF 第一反应是打开 ENVI，因为 ENVI 对 HDF-EOS 的支持比较成熟。常规做法是直接File > Open As，在文件类型列表里选择EOS或HDF4，然后定位到目标文件。ENVI 会列出文件内的所有科学数据集，勾选需要的波段就能打开到视窗中。

第二种方式更推荐：先拖拽.hdf文件到 ENVI 的图层窗口，如果 ENVI 无法自动识别，再手动指定Open As > EOS > HDF4打开。这里有个常见的坑是 ENVI 版本差异，较新的 ENVI 默认用栅格管理器方式解析，而旧版需要额外的 HDF 补丁，否则打开后只显示一个空栅格或警告“未找到有效的 HDF 数据集”。

ENVI 打开 HDF 后的一个明显优势是能直接叠加在已知底图上，快速判断投影是否正确。MODIS 产品默认的 Sinusoidal 投影在 ENVI 里如果显示异常，通常是因为 ENVI 缺少对应的投影定义文件，此时需要在投影选择对话框中手工指定Sinusoidal (Sphere)或自定义ESRI:54008投影参数。

4.2 在 ENVI 中叠加投影与导出 GeoTIFF

当 HDF 在 ENVI 中正常显示后，导出 GeoTIFF 的操作是File > Export > Export to Raster > TIFF。在导出面板中，ENVI 会询问是否保留原始投影，这里务必选择Apply Map Info或保持默认的地理参考选项，否则生成的是不带坐标的普通 tif，后续在 ArcGIS 里打开就是一张没有位置的图。

导出前建议先做一次坐标系检查：右键图层名选择Edit Map Info，确认Projection、X/Y coordinate和Pixel Size和原始 HDF 的gdalinfo输出一致。这一步在 ENVI 里看似多余，却能在源头避免投影丢失。

如果需要在导出时同时处理比例因子，ENVI 的做法是在打开 HDF 时进入Data Manager，选中波段后右键查看属性，找到Scale Factor字段。部分 ENVI 版本不会自动应用该值，需要手动对波段做Band Math乘法运算，例如写公式float(b1) * 0.0001。导出的 tif 再做后续分析时，数值就已经是真实反射率了。

4.3 用 ENVI 做批量 hdf转tif 的边界在哪里

ENVI 的图形界面适合单文件或少量文件的转换，因为可视化检查方便。但当文件数量达到几十上百时，逐个打开再导出的效率很低，此时有两个替代方案。

方案一是 ENVI 的 Batch 模式，通过File > Batch命令配合 IDL 脚本调用ENVI_Open_File和ENVI_Output_To_File完成批量导出。IDL 脚本的可控性比手工操作强，但前提是熟悉 IDL 语法，且 ENVI 的批处理模块需要单独的许可。

方案二是回到 Python 路线：ENVI 负责抽检和验证，Python 负责批处理。实际项目里我一般会先用 ENVI 打开两三个文件目视检查投影和范围，再把完整的文件列表交给 Python 脚本统一转 tif，最后再用 ENVI 抽查输出结果。ENVI 在 hdf转tif 这个场景里扮演的角色是质检工具而不是批量生产工具，把批量压缩的活交给 GDAL，效率会明显提升。

5. 从单文件到批处理：hdf转tif 的自动化脚本与结果验证

5.1 批量转换脚本与内存控制

处理一个月的 MODIS 产品，文件数量通常是几十个。最简单的批量思路是遍历目录下的所有.hdf文件，每个文件读取指定子数据集并输出为 tif。但无节制的循环会带来内存问题，尤其是ReadAsArray()读取大影像时，单波段数据一旦超过内存上限进程就会退出。常见做法是按文件为单位循环，并在每个文件处理完后用None释放对象引用。

import glob import os from osgeo import gdal gdal.UseExceptions() def convert_all_hdfs(input_dir, output_dir, subdataset_idx=0): os.makedirs(output_dir, exist_ok=True) hdf_files = glob.glob(os.path.join(input_dir, "*.hdf")) for hdf_path in hdf_files: ds = gdal.Open(hdf_path) subdatasets = ds.GetSubDatasets() if subdataset_idx >= len(subdatasets): print(f"{hdf_path} 中没有第 {subdataset_idx} 个子数据集") ds = None continue sub_path, desc = subdatasets[subdataset_idx] # 用 basename 加编号命名，避免重名 out_name = os.path.splitext(os.path.basename(hdf_path))[0] + f"_band{subdataset_idx}.tif" out_path = os.path.join(output_dir, out_name) # 用 gdal.Warp 实现重投影式转换，内存占用比逐波段读写更低 warp_options = gdal.WarpOptions( format="GTiff", creationOptions=["COMPRESS=LZW", "BIGTIFF=IF_SAFER"], resampleAlg="near" ) gdal.Warp(out_path, sub_path, options=warp_options) ds = None print(f"完成: {out_path}")

脚本里用了gdal.Warp而不是手写波段循环，原因在于Warp在底层做了数据流切块，能把内存峰值压到较低水平。处理超大 HDF 影像时会发现单波段ReadAsArray()直接占掉几个 GB 内存，而Warp分块读写后内存占用能降低一半以上。BIGTIFF=IF_SAFER表示当输出文件超过 4GB 时自动升级为 BigTIFF 格式，避免大文件写成后无法打开。resampleAlg="near"保留原始像元值不做插值，适合分类和反射率这种要保持原始采样语义的数据。如果子数据集序号固定，subdataset_idx传 0 或 1 即可，需要一次转多个波段时改为双层循环就能扩展。

5.2 验证输出 tif 的投影、范围和像元值

批量转换完成后不能只扫一眼文件名就收工，一个可靠的验证方式是回到gdalinfo检查输出文件的关键字段：

gdalinfo sur_refl_b01_1.tif | grep -E "^(Size|Origin|Pixel Size|Coordinate System)"

能同时看到Size is 200, 164、Origin、Pixel Size和Coordinate System输出，说明投影信息写入成功。更进一步，可以对比转换前后波段的统计值来验证像元值没有被意外改动：

from osgeo import gdal import numpy as np def validate_tif(tif_path, expected_nodata=None): ds = gdal.Open(tif_path) band = ds.GetRasterBand(1) data = band.ReadAsArray() print(f"shape: {data.shape}") print(f"min: {data.min()}, max: {data.max()}") if expected_nodata is not None: print(f"nodata 数量: {(data == expected_nodata).sum()}") ds = None

这里的min/max应和源 HDF 子数据集里的波段范围对得上。如果差了一个量级，多半是比例因子没乘；如果完全一致但缺少 NoData 设置，则检查源文件_FillValue是否在转换过程中丢失。验证手段虽然基础，但能在问题扩散到下游分析之前暴露出来。实际项目中，把验证脚本挂在整个转换流程的末尾循环跑一遍，通常五秒钟就能定位到出问题的文件。

本文还有配套的精品资源，点击获取