在土地利用研究中，我们常常需要统计不同类型的用地面积，例如耕地、森林、草地、水体等。今天，我们用Python计算研究区内不同土地利用类型的面积。
一、运行结果
print研究区每一种土地利用类型的面积，如下图所示。
二、代码
本次我们以武汉大学的CLCD土地利用数据为例，其空间分辨率为30m，采用Albers_Conic_Equal_Area坐标系，分类系统详见下图。
先将数据掩膜到研究区，保存为tif文件，替换路径，运行即可。
import rasterioimport numpy as np# 读取四川土地利用数据raster_path = r"E:\数据都在这里\四川\area\四川.tif"with rasterio.open(raster_path) as src:land_use = src.read(1) # 读取第一波段pixel_size = src.res[0] # 获取像元大小（应为 30m）unique_classes, counts = np.unique(land_use, return_counts=True)# 计算像元面积（平方千米）pixel_area_km2 = (pixel_size ** 2) / 1e6 # 30m * 30m / 1,000,000 = 0.0009 km²# 定义土地类型对应表land_use_types = {1: "Cropland",2: "Forest",3: "Shrub",4: "Grassland",5: "Water",6: "Snow/Ice",7: "Barren",8: "Impervious",9: "Wetland"}# 计算每个类别的面积area_results = {}for cls, count in zip(unique_classes, counts):if cls in land_use_types:area_km2 = count * pixel_area_km2area_results[land_use_types[cls]] = area_km2# 输出结果for land_type, area in area_results.items():print(f"{land_type}: {area:.2f} km²")
