结果示意图：

GlobeLand30是30米空间分辨率全球地表覆盖数据，目前可供下载的有3年的数据：2000-2010-2020。本文主要讲解在ArcGIS10.6平台下进行GlobeLand30的预处理操作，主要预处理步骤包括：批量分幅投影转换、批量分幅无效值处理、批量图幅拼接和数据集掩膜提取。

---

一、GlobeLand30 ArcGIS批处理完整流程

GlobeLand30的预处理步骤主要有：批量分幅投影转换、批量分幅无效值处理、批量图幅拼接和数据集掩膜提取。

1. 批量投影转换

由于原数据集使用的是6°带UTM投影，图幅从43-53跨了11个带，因此需要先对所有的图幅进行投影转换，然后进行后续操作。为了便于精确计算面积，本文将其转换为Albers等积投影，地理坐标系为WGS1984。

Python源代码：

由于原始数据集分幅是保存在不同的文件夹，因此第一步批量投影变换需要遍历根目录下的所有文件夹，过程稍微有些复杂，从第二步开始，将所有的处理结果保存在一个文件夹内，减少了代码量。

arcpy.ProjectRaster_management(raster,out, "PROJCS['MyAlbers',GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]],PROJECTION['Albers'],PARAMETER['False_Easting',0.0],PARAMETER['False_Northing',0.0],PARAMETER['central_meridian',105.0],PARAMETER['Standard_Parallel_1',25.0],PARAMETER['Standard_Parallel_2',47.0],PARAMETER['latitude_of_origin',0.0],UNIT['Meter',1.0]]", "NEAREST", cellsize , "", "", "GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]]")n=n+1print str(n)+" rasters are processed !!!"

查看投影坐标系：

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，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。

Python源码：

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

处理过程：

处理结果：

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

方法二：Python代码

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

处理过程：

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。

5. 掩膜提取

使用【按掩膜提取】工具，按研究区范围进行提取。

配色参考值：

注意：拼接后的数据集是有金字塔的，但是使用【按掩膜提取】工具后又会丢失金字塔，必须重新构建金字塔，否则加载速度异常慢。

二、GlobeLand30成品数据下载

请私信作者。