【ArcGIS风暴】GlobeLand30全球数据处理教程（批量投影转换、无效值处理、拼接）

雨点打透心脏的1/2处 2022-10-16 08:46 433阅读 0赞

> 本文讲述GlobeLand30全球数据批处理流程，主要步骤包括：批量分幅投影转换、批量分幅无效值处理、批量图幅拼接和成品展示。由于图幅数目和数据量较大，本文是采用Python代码批量实现的，有关Python的基本操作及处理案例，可以参考实用精品专栏：[《ArcGIS遇上Python》][ArcGIS_Python]

### 文章目录 ###

*  一、数据简介
 *  二、数据准备
 *  三、处理流程
 *   *  1. 批量投影转换
     *  2. 批量处理无效值
     *  3. 批量图幅拼接
     *  4. 添加分类字段并赋值
     *  5. 创建色彩映射表
     *  6. 导入色彩映射表
 *  四、成品展示

--------------------

# 一、数据简介 #

*  GlobeLand30是30米空间分辨率全球地表覆盖数据，目前可供下载使用的有3年的数据：2000-2010-2020。
 *  GlobeLand30数据采用WGS-84坐标系。南纬85°-北纬85°之间的区域，投影方式采用`UTM投影`， 6度分带，坐标单位为米，坐标不加带号。南北纬85°-90°之间的区域，投影方式采用`极地方位投影`，投影面切于地球南北极点。

# 二、数据准备 #

下载3年（`2000-2010-2020`）数据，分别解压到对应的文件夹内。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center]

# 三、处理流程 #

## 1. 批量投影转换 ##

GlobeLand30数据采用WGS-84坐标系。

南纬85°-北纬85°之间的区域，投影方式采用`UTM投影`， 6度分带，坐标单位为米，坐标不加带号。

南北纬85°-90°之间的区域，投影方式采用`极地方位投影`，投影面切于地球南北极点。

因此需要先对所有的图幅进行投影转换，然后进行后续拼接等操作。本文将其转换为地理坐标系为WGS1984。

Python批处理核心代码：

def GetRaster(path):
        n=0
        if (os.path.exists(path)):
            files = os.listdir(path)
            for file in files:
                m = os.path.join(path,file)
                if (os.path.isdir(m)):
                    h=os.path.split(m)
                    ws=root+"/"+h[1]
                    arcpy.env.workspace = ws
                    rasters = arcpy.ListRasters("*", "tif")
                    
                    for raster in rasters:
                        print "Finding "+ raster
                        
                        print "Projecting "+raster
                        out=outPath+"/"+raster
                        arcpy.ProjectRaster_management(raster,out, projecttype, "NEAREST",cellsize , "", "",geogratype)
                        n=n+1
        print str(n)+" rasters are processed !!!"
    GetRaster(root)

ArcGIS Python支持多线程处理，3年数据可以同步进行批处理。。。。

> 由于图幅数目和数据量均较大，该过程将持续很长的时间，可能是几个小时或者几天，因此呢，如果你没有足够强大的机器和心脏，建议不要轻易尝试。

2000年：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 1]  
2010年：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 2]  
2020年：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 3]

北半球投影结果：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 4]

局部图幅展示：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 5]  
投影转换后的各个图幅，坐标系为WGS 1984。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 6]

## 2. 批量处理无效值 ##

第一步投影结束后，影像的黑边依然存在，这将影像后面的拼接处理结果，经过查询得知，黑边对应的像元值为0，只需要将其设置为NoData即可，对应的工具是栅格计算器中的SetNull函数，我们继续使用Python批处理。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 7]  
Python自动批处理核心代码：

for inRaster in inRasters:
        outRaster=outpath+inRaster
        ##print outRaster
        print "Processing "+inRaster +" ......"
        outSetNull = SetNull(inRaster,inRaster,WhereClause)
        outSetNull.save(outRaster)
        n=n+1
    print str(n)+" rasters are processed!"

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 8]

## 3. 批量图幅拼接 ##

在ArcGIS中拼接栅格图幅有两个工具：【镶嵌】和【镶嵌至新栅格】，当然了需要手动添加数据，好在我们的数据在同一个文件夹下，可以直接全选拖动，当然了，也可以写Python代码来完成。

**方法一：使用【镶嵌至新栅格】工具**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 9]

**方法二：Python代码**

arcpy.MosaicToNewRaster_management(str, outPath, outName, "", "8_BIT_UNSIGNED", "", "1", "LAST", "FIRST")

> 需要注意的是，原始数据集是tif格式，且每个图幅都是有金字塔的，加载和显示速度都比较快，但是SetNull后会丢失金字塔，加载速度很慢。

## 4. 添加分类字段并赋值 ##

打开属性表，添加一个文本型字段type，打开编辑器，输入分类名称并保存。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 10]  
分类赋值参照表：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 11]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 12]

## 5. 创建色彩映射表 ##

双击2000年数据图层，打开图层属性，切换到【符号系统】，点击【色彩映射表】→【导出色彩映射表】。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 13]  
选择存放路径，并输入名称，色彩映射表的后缀名是.clr。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 14]

## 6. 导入色彩映射表 ##

有了刚才导出的色彩映射表（GlobeLand30色彩映射表.clr文件），可以快速地对剩余两年的数据做符号化了，方法是：双击2010和2020年数据图层，打开图层属性，切换到【符号系统】，点击【色彩映射表】→【导入色彩映射表】。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 15]

# 四、成品展示 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 16]

[ArcGIS_Python]: https://blog.csdn.net/lucky51222/category_9946773.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center]: /images/20221014/11d85aeddd2c4d8d85c938800d3ce3f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221014/1f0e0614472044f08605e88338931262.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221014/e8d9b90fce7d425fbfe8531c26a5ed7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221014/06806b788cc0481e8fc340f1498efc30.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20221014/1dbadf269b0d48058d723078cb877d41.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20221014/89d08f3a94304e03a29e6650a2ffac5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20221014/5a2bb4a8801b45a8bb44a1347e6e8c5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20221014/f07f76043e994eb29cbbef2a394027c0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20221014/ba45f9255a064a46a4e61c52aaac8dea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 9]: /images/20221014/7bfbdbe964d54afc8da85c6716e3bfff.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 10]: /images/20221014/822b9c5e38224ff88e6d66758cab9e5a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 11]: https://img-blog.csdnimg.cn/20210528170801449.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 12]: /images/20221014/42c0fd2b162e48ecb46f7b9b21f45a7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 13]: /images/20221014/d8d5b75f9e404211abe9003b06f7c9e8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 14]: /images/20221014/d089a42ff421478ba242fb698f693165.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 15]: /images/20221014/831d535bf2f645338ae5c76c8fb44105.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x1Y2t5NTEyMjI_size_16_color_FFFFFF_t_70_pic_center 16]: /images/20221014/6fc93b31193a4d2a9909707cd2322252.png