3、Python遥感数据处理环境搭建：Anaconda安装、GDAL、Rasterio、Geopandas库安装与配置、Jupyter Notebook使用
各位同学，欢迎来到实战环节的第一站。
说实话，很多做农业金融的朋友，一听到「环境搭建」四个字就头大。我当年刚入行时也踩过不少坑——装个GDAL折腾一下午，最后发现是Python版本不对。嗯，这节课我们就一次性把这些事理顺。
3.1 为什么选Python？为什么是这些库？
做遥感数据处理，Python几乎是标配。原因很简单：生态好、社区强、上手快。
但具体到农业金融场景，我们真正高频使用的核心库其实就三个：
- GDAL：遥感数据的「万能钥匙」。读取GeoTIFF、处理投影、做重采样，都靠它。我在项目中遇到过最头疼的事——客户给的卫星影像坐标系是乱的，GDAL一行代码就搞定了。
- Rasterio：GDAL的Pythonic封装。说白了，GDAL功能强大但API太「C语言」了，Rasterio让它变得像Python一样优雅。
- Geopandas：处理矢量数据的利器。农业金融里经常要算「某块农田的NDVI均值」，Geopandas能帮你把地块边界和遥感影像完美对齐。
你想想看，这三个库配合起来，从读取卫星影像、到提取农情指标、再到空间统计分析，一条龙全搞定。
核心逻辑图：遥感数据处理环境全景
3.2 第一步：安装Anaconda
Anaconda是什么？说白了就是一个Python的「全家桶」。它帮你把Python解释器、常用库、包管理器（conda）都打包好了。我个人习惯用Anaconda来管理不同项目的环境，尤其是遥感项目——因为GDAL这种库用pip装容易出问题，conda反而稳。
安装步骤：
- 去官网下载Anaconda（推荐Python 3.9版本，兼容性最好）
- 安装时记得勾选「Add Anaconda to my PATH environment variable」
- 安装完成后，打开终端（Windows用Anaconda Prompt），输入
conda --version验证
我的经验：千万别装最新版Python！我去年用Python 3.11装GDAL，折腾了两天发现官方wheel还没跟上。老老实实用3.9或3.10，省心。
3.3 第二步：创建虚拟环境
为什么要创建虚拟环境？你想想看，不同项目可能依赖不同版本的库。比如项目A需要GDAL 3.4，项目B需要GDAL 3.6。混在一起迟早出问题。
我一般这样操作：
# 创建环境（名字叫 geo_env，Python 3.9）
conda create -n geo_env python=3.9
# 激活环境
conda activate geo_env
# 验证当前环境
python --version看到输出 Python 3.9.x 就对了。
3.4 第三步：安装核心库
这是重头戏。我建议按这个顺序装：
| 库名 | 安装命令 | 说明 |
|---|---|---|
| GDAL | conda install -c conda-forge gdal |
用conda-forge渠道，别用pip！ |
| Rasterio | conda install -c conda-forge rasterio |
会自动处理GDAL依赖 |
| Geopandas | conda install -c conda-forge geopandas |
会顺带装好Shapely、Fiona等 |
| Jupyter | conda install jupyter |
交互式开发环境 |
注意：我曾经试过用 pip install gdal，结果编译报错，浪费了整整一个下午。后来发现conda-forge上有预编译好的二进制包，一行命令就搞定。所以——听我一句劝，遥感库尽量用conda装。
3.5 第四步：验证安装
装完了别急着走，先验证一下。我习惯写个简单的测试脚本：
# 在终端输入 python，进入交互模式
import gdal
print(gdal.__version__) # 应该输出 3.4.x 或类似
import rasterio
print(rasterio.__version__)
import geopandas as gpd
print(gpd.__version__)
# 再试试读取一个示例文件
import rasterio
with rasterio.open('sample.tif') as src:
print(src.profile) # 输出影像元数据如果没报错，恭喜你，环境搭好了。
小技巧：第一次运行 import gdal 时如果报找不到库，别慌。检查一下你是否在正确的虚拟环境里。我经常犯这个错——在base环境里装了一堆，激活geo_env后发现啥都没有。
3.6 第五步：配置Jupyter Notebook
Jupyter Notebook是我们做遥感数据分析的「主战场」。它最大的好处是——你可以边写代码边看结果，非常适合探索性分析。
配置步骤：
- 激活你的虚拟环境：
conda activate geo_env - 安装ipykernel：
conda install ipykernel - 将环境注册到Jupyter：
python -m ipykernel install --user --name geo_env --display-name "GeoEnv" - 启动Jupyter：
jupyter notebook
启动后，浏览器会自动打开。新建一个Notebook，在Kernel菜单里选择「GeoEnv」，就可以开始写代码了。
为什么这一步重要？如果不注册kernel，你在Jupyter里用的就是默认的base环境，里面可能没有装GDAL。到时候import报错，你都不知道问题出在哪。
3.7 常见问题与避坑指南
- GDAL安装失败：多半是网络问题。试试
conda install -c conda-forge gdal --channel-priority flexible - Rasterio和GDAL版本冲突：我遇到过Rasterio要求GDAL≥3.3，但conda默认装了3.2。解决办法：
conda install -c conda-forge gdal=3.4 rasterio - Geopandas装不上：检查一下是不是Python版本太高。3.8-3.10最稳。
- Jupyter找不到kernel：重新执行
python -m ipykernel install，注意要在正确的虚拟环境里执行。
嗯，环境搭建这部分就这些内容。看起来步骤多，其实熟练了5分钟就能搞定。下一节我们就要开始真正的遥感数据处理了——用Python读取第一张卫星影像，提取农情指标。
公众号:蓝海资料掘金营，微信deep3321