Python 栅格数据处理教程（二）

本文将介绍通过 ArcGIS Pro 的 Python 模块（arcpy）对栅格数据举行栅格计算及数据统计的方法。
1 数据来源及介绍

本文使用的数据为国家青藏高原科学数据中央的 中国1km分辨率逐月降水量数据集基础上通过《Python 栅格数据处理教程（一）》中的方法提取出的吉林省范围降水量数据。该数据降水量单元为 0.1 mm，本文通过栅格计算器将数据单元批量转换为 mm。根据各月份降水量叠加生成年降水量栅格及多年平均降水量栅格，同时统计历年降水量数据信息，并整理为 Excel 表。
2 示例代码

2.1 降水量单元转换

1. import os
2. import arcpy
3. from arcpy import sa
4. from tqdm import tqdm   # 进度条工具，需自行安装
6. # 设置工作空间
7. arcpy.env.workspace = "Pre_Jilin.gdb"
9. # 如果在代码同级文件夹中没有结果数据库，则创建该数据库
10. if "Pre_Jilin1.gdb" not in os.listdir("."):
11.     print("即将为您创建用于保存结果栅格的文件地理数据库（Pre_Jilin1.gdb）……")
12.     arcpy.CreateFileGDB_management(".", "Pre_Jilin1")
13.     print("数据库创建完成！")
15. # 遍历工作空间内所有栅格数据
16. for raster in tqdm(arcpy.ListRasters()):
17.     # 通过栅格计算器将栅格值单位转换为 mm，并保存到结果数据库
18.     sa.RasterCalculator([raster], [raster], f"{raster} * 0.1").save(f"Pre_Jilin1.gdb/{raster}")
19. print("计算完成！")

复制代码

栅格数据转换前如下所示：

栅格单元转换后如下所示：

2.2 根据各月份降水量生成年降水量栅格

1. import os
2. import arcpy
3. from arcpy import sa
4. from tqdm import tqdm
6. # 设置工作空间
7. arcpy.env.workspace = "Pre_Jilin1.gdb"
9. # 创建栅格文件字典，以年份为键，值为该年份对应的各月份降水量栅格列表
10. file_dict = dict()
11. for raster in arcpy.ListRasters():
12.     if raster[4:8] not in file_dict:
13.         file_dict[raster[4:8]] = [raster]
14.     else:
15.         file_dict[raster[4:8]].append(raster)
17. # 如果在代码同级文件夹中没有结果数据库，则创建该数据库
18. if "Pre_Jilin_Year.gdb" not in os.listdir("."):
19.     print("即将为您创建用于保存结果栅格的文件地理数据库（Pre_Jilin_Year.gdb）……")
20.     arcpy.CreateFileGDB_management(".", "Pre_Jilin_Year")
21.     print("数据库创建完成！")
23. # 定义变量名，并构建代数表达式，以对输入栅格执行空间分析
24. # 以 a-l 代表12个月份的降水量栅格，求全年总降水量
25. input_names = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l"]
26. expression = "a + b + c + d + e + f + g + h + i + j + k + l"
28. # 遍历栅格文件字典
29. for year in tqdm(file_dict):
30.     # 提取历年降水量栅格，通过栅格计算器生成年降水量栅格，并保存到结果数据库中
31.     sa.RasterCalculator(file_dict[year], input_names, expression).save(f"Pre_Jilin_Year.gdb/Pre_{year}")
32. print("计算完成！")

复制代码

2023年吉林省年降水量栅格如下图所示：

2.3 统计研究区年降水量的最值、均值、标准差等信息

1. import os
2. import arcpy
3. from arcpy import sa
4. from tqdm import tqdm
6. # 设置工作空间
7. arcpy.env.workspace = "Pre_Jilin_Year.gdb"
9. # 如果在代码同级文件夹中没有结果数据库，则创建该数据库
10. if "Pre_Jilin_Year_Info.gdb" not in os.listdir("."):
11.     print("即将为您创建用于保存结果栅格的文件地理数据库（Pre_Jilin_Year_Info.gdb）……")
12.     arcpy.CreateFileGDB_management(".", "Pre_Jilin_Year_Info")
13.     print("数据库创建完成！")
15. # 遍历工作空间内所有栅格数据
16. for raster in tqdm(arcpy.ListRasters()):
17.     # 统计吉林省范围内年降水量的最值、均值、标准差等信息，并以表格的形式保存到结果数据库中
18.     sa.ZonalStatisticsAsTable("Data/Jilin.shp", "FID", raster, f"Pre_Jilin_Year_Info.gdb/{raster}")
19. print("统计完成！")

复制代码

2.4 将统计信息表格导出为 txt 文本文件

1. import os
2. import arcpy
3. from tqdm import tqdm
5. arcpy.env.workspace = "Pre_Jilin_Year_Info.gdb"
7. # 如果在代码同级文件夹中没有结果文件夹，则创建该文件夹
8. if "Pre_Jilin_Year_Table" not in os.listdir("."):
9.     print("即将为您创建用于保存转换结果的文件夹（Pre_Jilin_Year_Table）……")
10.     os.mkdir("Pre_Jilin_Year_Table")
11.     print("文件夹创建完成！")
13. # 遍历工作空间内所有表格，将表格逐一导出为 txt 文本文件
14. for table in tqdm(arcpy.ListTables()):
15.     arcpy.ExportTable_conversion(table, f"Pre_Jilin_Year_Table/{table}.txt")
16. print("转换完成！")

复制代码

2023 年的统计信息文本如下所示：

2.5 将历年的 txt 文件整理为 Excel 表

1. import os
2. import pandas as pd
4. pre_dict = dict()
5. # 遍历文件列表
6. for fileName in os.listdir("Pre_Jilin_Year_Table"):
7.     # 通过后缀名判断是否为 txt 文件
8.     if fileName[-4:] == ".txt":
9.         # 基于 UTF-8 编码读取 txt 文件内容
10.         with open(f"Pre_Jilin_Year_Table/{fileName}", "r", encoding="utf-8") as file:
11.             file_txt = file.readlines()
12.             # 文本内容的第一行是标题，第二行是数据
13.             # 读取第二行数据第5个数值开始的所有数据值，即 MIN,MAX,RANGE,MEAN,STD,SUM,MEDIAN,PCT90
14.             # 将这些数据值合并为列表
15.             # 注：ArcGIS Pro 不同版本转换得到的 txt 数据表字段可能不同，需要根据实际情况调整代码
16.             val_list = file_txt[1].replace("\n", "").split(",")[4:]
17.         # 将所有数据值从字符串类型转换为数值类型
18.         for i in range(len(val_list)):
19.             val_list[i] = eval(val_list[i])
20.         # 以数值类型年份为键，数据值列表为值，将数据存入字典
21.         pre_dict[eval(fileName[4:8])] = val_list
23. # 将字典转换为 DataFrame 二维数据表
24. df = pd.DataFrame(pre_dict, index="MIN,MAX,RANGE,MEAN,STD,SUM,MEDIAN,PCT90".split(",")).T
25. print(df)
27. # 将 DataFrame 导出为 Execl 表格
28. df.to_excel("Pre_Jilin_Year_Table.xlsx")
29. print("导出表格完成！")

复制代码

简朴调整 Excel 表的格式后，其展示效果如下图所示：

2.6 基于历年降水量生成多年平均降水量栅格

1. import os
2. import arcpy
3. from arcpy import sa
5. # 设置工作空间，并根据数据库中的栅格数据数量确定年份数量
6. arcpy.env.workspace = "Pre_Jilin_Year.gdb"
7. year_num = len(arcpy.ListRasters())
9. # 定义变量名，并构建代数表达式，以对输入栅格执行空间分析
10. # input_names = ["Pre_2001", "Pre_2002", "Pre_2003", ......, "Pre_2021", "Pre_2022", "Pre_2023"]
11. # expression = "(Pre_2001 + Pre_2002 + Pre_2003 + ...... + Pre_2021 + Pre_2022 + Pre_2023) / 23"
12. input_names, expression = [], ""
13. for raster in arcpy.ListRasters():
14.     input_names.append(raster)
15.     if expression == "":
16.         expression += raster
17.     else:
18.         expression += f" + {raster}"
19. expression = f"({expression}) / {year_num}"
21. # 如果在代码同级文件夹中没有结果数据库，则创建该数据库
22. if "Pre_Jilin_Mean.gdb" not in os.listdir("."):
23.     print("即将为您创建用于保存结果栅格的文件地理数据库（Pre_Jilin_Mean.gdb）……")
24.     arcpy.CreateFileGDB_management(".", "Pre_Jilin_Mean")
25.     print("数据库创建完成！")
27. # 计算多年平均降水量栅格并保存到结果数据库中
28. sa.RasterCalculator(arcpy.ListRasters(), input_names, expression).save("Pre_Jilin_Mean.gdb/Pre_Mean")
29. print("计算完成！")

复制代码

运行完成后生成的效果栅格如下图所示：

3 降水数据参考文献格式

3.1 数据的引用

彭守璋. (2020). 中国1km分辨率逐月降水量数据集（1901-2023）. 国家青藏高原数据中央. https://doi.org/10.5281/zenodo.3114194.
Peng, S. (2020). 1-km monthly precipitation dataset for China (1901-2023). National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.5281/zenodo.3114194.
3.2 文章的引用

1、Peng, S.Z., Ding, Y.X., Wen, Z.M., Chen, Y.M., Cao, Y., & Ren, J.Y. (2017). Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011-2100. Agricultural and Forest Meteorology, 233, 183-194. https://doi.org/10.1016/j.agrformet.2016.11.129
2、Ding, Y.X., & Peng, S.Z. (2020). Spatiotemporal trends and attribution of drought across China from 1901–2100. Sustainability, 12(2), 477.
3、Peng, S.Z., Ding, Y.X., Liu, W.Z., & Li, Z. (2019). 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 11, 1931–1946. https://doi.org/10.5194/essd-11-1931-2019
4、Peng, S., Gang, C., Cao, Y., & Chen, Y. (2017). Assessment of climate change trends over the loess plateau in china from 1901 to 2100. International Journal of Climatology.

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。