Python 柵格數據處理教程（一）

本文將介紹通過 ArcGIS Pro 的 Python 模塊（arcpy）對柵格數據定義投影及裁剪的方法。

本文將介紹通過 ArcGIS Pro 的 Python 模塊（arcpy）對柵格數據定義投影及裁剪的方法。

1 數據來源及介紹

降水量數據：國家青藏高原科學數據中心的 中國1km分辨率逐月降水量數據集。

行政區數據：天地圖行政區劃數據中的吉林省邊界面數據，該數據為 GeoJSON 格式，可通過 QGIS 等軟件將其轉換為 shapefile 格式文件。

中國1km分辨率逐月降水量數據集為 NetCDF 格式，通過《NetCDF 文件批量轉柵格并導出柵格各波段》文中的方法轉換后的 tif 格式數據沒有確定坐標系，而數據官網中對于坐標系統建議使用 WGS84，故本文通過 arcpy 的 DefineProjection 函數批量定義柵格投影后，通過 ExtractByMask 函數根據吉林省邊界面數據裁剪得到吉林省范圍的降水量數據。

2 示例代碼

2.1 定義柵格投影

import os
import arcpy

# "TIF"：柵格數據文件夾相對路徑
for fileName in os.listdir("TIF"):
    # 遍歷文件夾中所有后綴名為 .tif 的文件
    if fileName[-4:] == ".tif":
        # 讀取柵格數據文件路徑
        raster = os.path.join("TIF", fileName)
        # 定義柵格投影為 WGS 1984
        sr = arcpy.SpatialReference("WGS 1984")
        arcpy.DefineProjection_management(raster, sr)
        print(f"{fileName[:-4]} conversion successful!")

將定義投影后的數據導入 ArcGIS，其空間參考信息如下：

2.2 按掩膜提取

import os
import arcpy
from arcpy import sa

# 如果在代碼同級文件夾中沒有結果數據庫，則創建該數據庫
if "Pre_Jilin.gdb" not in os.listdir("."):
    print("即將為您創建用于保存結果柵格的文件地理數據庫（Pre_Jilin.gdb）……")
    arcpy.CreateFileGDB_management(".", "Pre_Jilin")
    print("數據庫創建完成！")

for fileName in os.listdir("TIF"):
    if fileName[-4:] == ".tif":
        # 讀取輸入柵格及掩膜數據的文件路徑，可根據實際情況調整
        inRaster = os.path.join("TIF", fileName)
        inMaskData = "Data/Jilin.shp"
        # 執行按掩膜提取，并將提取結果保存至數據庫
        # 結果文件名稱與不包含后綴部分的原始文件名稱相同
        sa.ExtractByMask(inRaster, inMaskData).save(f"Pre_Jilin.gdb/{fileName[:-4]}")
        print(f"{fileName[:-4]} conversion successful!")

按掩膜提取結果柵格如下所示：

3 降水數據參考文獻格式

3.1 數據的引用

彭守璋. (2020). 中國1km分辨率逐月降水量數據集（1901-2023）. 國家青藏高原數據中心. 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.