Python地理数据处理 22：基于arcpy批量操作（四）

1. 批量裁剪进阶

代码描述：遍历a文件夹下的所有tif影像，并使用每个a文件夹中的tif影像对b文件夹下的所有tif影像进行裁剪。裁剪后的栅格将以两个tif文件进行组合命名，并保存到另一个文件夹中。

# -*- coding: cp936 -*-
import arcpy
import os
import time

start = time.clock()
arcpy.CheckOutExtension("spatial")

arcpy.CheckOutExtension("spatial")
a_folder = r"D:\dataset\a"
b_folder = r"D:\dataset\b"
output_folder = r"D:\dataset\output_tif"

# 设置工作环境
arcpy.env.workspace = a_folder

# 获取a文件夹下的所有tif影像
a_rasters = arcpy.ListRasters("*", "TIF")

# 创建输出文件夹
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历a文件夹下的每个tif影像
for indexa, a_raster in enumerate(a_rasters):
    # 构建输出文件名前缀
    a_name = os.path.splitext(a_raster)[0]

    a_raster = a_folder + "\\" + a_name + ".tif"
    
    # 设置工作环境为b文件夹
    arcpy.env.workspace = b_folder
    
    # 获取b文件夹下的所有tif影像
    b_rasters = arcpy.ListRasters("*", "TIF")
    
    # 遍历b文件夹下的每个tif影像
    for indexb, b_raster in enumerate(b_rasters):
        # 构建输出文件名
        output_name = a_name + "_" + os.path.splitext(b_raster)[0] + ".tif"
        
        # 构建输出路径
        output_path = os.path.join(output_folder, output_name)
        
        # 设置工作环境为a文件夹
        arcpy.env.workspace = a_folder

        b_raster = b_folder + "\\"  + b_raster
        
        # 裁剪b影像到输出路径
        arcpy.gp.ExtractByMask_sa(b_raster, a_raster, output_path)
        
        index = indexa + indexb + 1
        print "{} have been completed and the current file is ".format(index) + output_name

end = time.clock()  
print "All finish!!!"

2. 统计运算

获取栅格数据的平均值，并输出程序运行进度：

# -*- coding: utf-8 -*-
import arcpy
import os
import glob
from arcpy.sa import *

arcpy.CheckOutExtension("ImageAnalyst")
arcpy.CheckOutExtension("spatial")

input_folder = r"D:\dataset"
output_file = r'D:\dataset\Meandata.csv'

rasters = glob.glob(os.path.join(input_folder, "*.tif"))
where_clause = "VALUE = -32556"

total_rasters = len(rasters)
processed_rasters = 0

with open(output_file, 'w') as output:
    for raster in rasters:
        outSetNull = SetNull(raster, raster, where_clause)
        meanValueInfo = arcpy.GetRasterProperties_management(outSetNull, 'MEAN')
        meanValue = meanValueInfo.getOutput(0)
        output.write(os.path.basename(raster).split('.')[0] + ',' + str(meanValue) + '\n')
        
        processed_rasters += 1
        progress = float(processed_rasters) / total_rasters * 100
        print("Processed {} out of {} rasters. Progress: {:.2f}%".format(processed_rasters, total_rasters, progress))

print("All processing is done!")

程序运行进度：

3. 栅格批量缩小n倍

某文件夹中包含多个子文件夹，如：“2003clip”, “2004clip”, “2005clip”, “2006clip”, “2007clip”, “2008clip”, “2009clip”， 每个子文件夹中包含多个tif图像，现在需要对这些图像乘以缩放因子，如0.0001

# -*- coding: cp936 -*-
import arcpy
import os
arcpy.CheckOutExtension('Spatial')

# 输入文件夹和输出文件夹路径
input_folder = r"D:\Datasets"
output_folder = r"D:\Datasets\缩小10000倍"

# 遍历输入文件夹中的所有子文件夹
for folder_name in ["2003clip", "2004clip", "2005clip", "2006clip", "2007clip", "2008clip", "2009clip"]:
    print folder_name
    # 子文件夹路径
    folder_path = os.path.join(input_folder, folder_name)
    
    # 获取子文件夹中的所有tif文件
    tif_files = [file for file in os.listdir(folder_path) if file.endswith(".tif")]
    
    # 遍历每个tif文件
    for tif_file in tif_files:
        # 输入tif文件路径
        input_tif = os.path.join(folder_path, tif_file)
        
        # 输出tif文件路径
        output_tif = os.path.join(output_folder, tif_file)
        
        # 打开Raster对象
        raster = arcpy.Raster(input_tif)
        
        # 过滤像元值大于10000和小于0的像元
        filtered_raster = arcpy.sa.Con((raster >= 0) & (raster <= 10000), raster)
        
        # 对过滤后的像元乘以0.0001
        scaled_raster = filtered_raster * 0.0001
        
        # 保存输出tif文件
        scaled_raster.save(output_tif)
        print folder_name + "OK!!!"
        
print "Finish!!!"

4. 建立属性表（简化、普适）

之前已经写过如何建立栅格属性表：Python地理数据处理 十九：arcpy批量处理数据之为栅格数据建立属性表并导出
现在，结合之前的，写一个更加简单普适的代码，方便今后使用：

# -*- coding: utf-8 -*-
import arcpy
import os
arcpy.CheckOutExtension("Spatial")

# 设置工作空间
arcpy.env.workspace = r"D:\dataset"

# 获取文件夹中的所有栅格数据
raster_list = arcpy.ListRasters()

# 检查是否有至少一个栅格数据
if len(raster_list) < 1:
    print("文件夹中至少需要有一个栅格数据才能建立属性表。")
    exit()

# 循环处理每个栅格数据
for raster in raster_list:
    raster_path = os.path.join(arcpy.env.workspace, raster)

    # 建立属性表
    arcpy.BuildRasterAttributeTable_management(raster_path)
    print "属性表已建立完成: {}。".format(raster)

print("属性表已建立完成。")

5. 计算土地利用未变化区域（LUCC）

土地利用数据每年都在变化，如何判断20年的土地利用变化数据中，哪些地方是未变化的？这是需要解决的一个问题，该代码实现以上内容，将变化的数据设置为100。
数据来源：GEE11：2个土地覆盖数据（LUCC）分享和下载

# -*- coding: utf-8 -*-
import arcpy
import os
arcpy.CheckOutExtension("Spatial")

# 设置工作空间
arcpy.env.workspace = r"D:\dataset"

# 获取文件夹中的所有tif影像
tif_list = arcpy.ListRasters("*.tif")

# 检查是否有至少2个tif影像
if len(tif_list) < 2:
    print("文件夹中至少需要有2个tif影像才能进行计算。")
    exit()

# 选择第一个tif影像作为基准影像
base_tif = tif_list[0]
base_tif_path = os.path.join(arcpy.env.workspace, base_tif)

# 读取基准影像的像素数组
base_raster = arcpy.Raster(base_tif_path)
base_array = arcpy.RasterToNumPyArray(base_raster)

# 循环处理每个tif影像
for tif in tif_list[1:]:
    tif_path = os.path.join(arcpy.env.workspace, tif)

    # 读取当前影像的像素数组
    current_raster = arcpy.Raster(tif_path)
    current_array = arcpy.RasterToNumPyArray(current_raster)

    # 对比基准数组和当前数组的像素值
    comparison_array = (base_array == current_array)

    # 将不相等的像素值置为100
    result_array = current_array.copy()
    result_array[~comparison_array] = 100

    # 更新基准数组为结果数组
    base_array = result_array

    print ("正常处理{}".format(tif))

# 创建输出栅格
output_raster = arcpy.NumPyArrayToRaster(result_array, arcpy.Point(base_raster.extent.XMin, base_raster.extent.YMin),
                                         base_raster.meanCellWidth, base_raster.meanCellHeight)

# 设置输出路径和名称
output_path = os.path.join(arcpy.env.workspace, "unchanged_landuse.tif")

# 保存输出栅格
output_raster.save(output_path)

print("未发生变化的土地利用栅格数据图像已生成")