【ArcGIS Pro实操第七期】栅格数据合并、裁剪及统计:以全球不透水面积为例

【ArcGIS Pro实操第七期】批量裁剪:以全球不透水面积为例

  • 准备:数据下载
  • ArcGIS Pro批量裁剪数据集
    • 1 数据拼接
    • 2 数据裁剪
    • 3 数据统计:各栅格取值
      • 3.1 栅格计算器-精确提取-栅格数据特定值
      • 3.2 数据统计
    • 4 不透水面积变化分析
  • 参考

准备:数据下载

以全球不透水面积为例,批量裁剪至粤港澳和香港地区,并计算1985-2024年不透水面积比例的变化。
数据下载-全球1985-2022逐年不透水层数据(Version 2024)
在这里插入图片描述

  • 资源详情
    GAIA (1985-2024)为GAIA(1985-2018)的更新版本。代表性年份(1985年、1990年、1995年、2000年、2005年、2010年和2015年)的GAIA数据总体精度超过90%。GAIA的时间趋势与其他局域、地区和全球尺度的数据集一致。更多细节可以在相关论文中找到(Gong et al., 2020)。
  • 元数据信息
    参考坐标系: WGS84 - EPSG:4326
    空间分辨率: 30米
    空间覆盖范围: (xmin, xmax, ymin, ymax) - (-180, 180, -60, 80)
    时间分辨率: 1985-2024 (逐年)
    数据格式: GeoTiff
  • 像元值:像元值表示城市出现的频率(0-40)
    0: 非城市区域
    1: 2024年新增城市区域
    2: 2023年新增城市区域

    40: 1985年及之前存在的城市区域
  • 数据格网
    GAIA数据基于渔网格网以5°×5°的数据图幅存储。格网文件以“fishnet_shp”目录提供,可供查找感兴趣区域。
  • 命名规则
    每个数据图幅以“GAIA_1985_2024_{longitude}_{latitude}.tif”格式命名,其中,longitude-latitude 指格网左上角经纬度值。另外,每个图幅包含了30米缓冲区范围以便图幅间可以无缝镶嵌。

下载渔网数据后,查看研究区所在渔网,以下载此数据集。
longitude:110/115
latitude:25
在这里插入图片描述

ArcGIS Pro批量裁剪数据集

1 数据拼接

导入下载的不透水面积数据,如下图:
在这里插入图片描述
导入后,如下:
在这里插入图片描述
接下来,需要将此两个.tif数据合并为一个(栅格拼接),操作步骤如下:
Tip:【数据管理工具(Data Management Tools)】—【栅格(Raster)】——【栅格数据集(Raster Dataset)】——【镶嵌至新栅格(Mosaic to new raster)】工具

栅格数据合并界面如下:

  • Number of Bands:栅格数据属性

在这里插入图片描述
运行后,界面如下:
在这里插入图片描述

2 数据裁剪

根据GBA的shp边界,裁剪栅格数据,以统计不透水面积的变化。
Tip:【Spatial Analysis Tools】→【Extract】→【Extract by Mask】
在这里插入图片描述
运行后,界面如下:
在这里插入图片描述

3 数据统计:各栅格取值

3.1 栅格计算器-精确提取-栅格数据特定值

提取栅格值为40的数据(1985年前已为城市区域),仅保留value为40的像素,同时将所有其他像素值设定为NoData,操作步骤如下:

使用SetNull函数:

SetNull("GBA_GAIA.tif" != 40) , "GBA_GAIA.tif")

工具位置(栅格计算器):分析(Analysis)→工具→搜索→栅格计算器(Raster Calculator)
在这里插入图片描述
运行后,结果如下:
在这里插入图片描述

3.2 数据统计

将栅格设置为唯一值(Unique),如下:
在这里插入图片描述

导出属性表,
在这里插入图片描述
整理不透水面积特征值,如下:
在这里插入图片描述

4 不透水面积变化分析

依据城市出现的频率,确定1985-2024年各年份的不透水面积栅格数,以计算不透水面积。

不透水面积变化曲线如下:
在这里插入图片描述
不透水面积比例变化曲线如下:
在这里插入图片描述

参考

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/879609.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

DAY13信息打点-Web 应用源码泄漏开源闭源指纹识别GITSVNDS备份

#知识点 0、Web架构资产-平台指纹识别 1、开源-CMS指纹识别源码获取方式 2、闭源-习惯&配置&特性等获取方式 3、闭源-托管资产平台资源搜索监控 演示案例: ➢后端-开源-指纹识别-源码下载 ➢后端-闭源-配置不当-源码泄漏 ➢后端-方向-资源码云-源码泄漏 …

[C++进阶]AVL树

前面我们说了二叉搜索树在极端条件下时间复杂度为O(n),本篇我们将介绍一种对二叉搜索树进行改进的树——AVL树 一、AVL 树的概念 二叉搜索树虽可以缩短查找的效率,但如果数据有序或接近有序二叉搜索树将退化为单支树,查找效率低下。因此,两位…

人工智能和大模型的简介

文章目录 前言一、大模型简介二、大模型主要功能1、自然语言理解和生成2、文本总结和翻译3、文本分类和信息检索4、多模态处理三、大模型的技术特性1、深度学习架构2、大规模预训练3、自适应能力前言 随着技术的进步,人工智能(Artificial Intelligence, AI)和机器学习(Mac…

【微服务】springboot 整合表达式计算引擎 Aviator 使用详解

目录 一、前言 二、表达式计算框架概述 2.1 规则引擎 2.1.1 什么是规则引擎 2.1.2 规则引擎用途 2.1.3 规则引擎使用场景 2.2 表达式计算框架 2.2.1 表达式计算框架定义 2.2.2 表达式计算框架特点 2.2.3 表达式计算框架应用场景 2.3 表达式计算框架与规则引擎异同点 …

Pytorch详解-Pytorch核心模块

Pytorch核心模块 一、Pytorch模块结构_pycache__Cincludelibautogradnnoptimutils 二、Lib\site-packages\torchvisiondatasetsmodelsopstransforms 三、核心数据结构——Tensor(张量)在深度学习中,时间序列数据为什么是三维张量?…

Imagen:重塑图像生成领域的革命性突破

目录 引言 一、Imagen模型的技术原理 1. 模型概述 2. 工作流程 3. 技术创新 二、Imagen模型的应用实例 1. 创意设计 2. 虚拟角色制作 3. 概念可视化 三、Imagen模型的优势与挑战 1. 优势 2. 挑战 四、Imagen模型的未来发展方向 1. 图像生成质量的提升 2. 多模态…

SIPp uac.xml 之我见

https://sipp.sourceforge.net/doc/uac.xml.html 这个 uac.xml 有没有问题呢&#xff1f; 有&#xff01; 问题之一是&#xff1a; <recv response"200" rtd"true" rrs"true"> 要加 rrs, 仔细看注释就能看到 问题之二是&#xff1…

vue3补充

form表单重置 const { proxy } getCurrentInstance()!; // 获取挂载在全局的上下文proxy.resetForm(ruleFormRef); // 在el-form中清空ref为ruleFormRef的表单注&#xff1a;不推荐使用 不推荐的原因 类型安全问题&#xff1a; 当在 TypeScript 环境中使用时&#xff0c;…

算法leecode笔记

具体代码&#xff1a; class Solution { public:vector<int> twoSum(vector<int>& nums, int target) {unordered_map<int, int> hashtable;for (int i 0; i < nums.size(); i) {auto it hashtable.find(target - nums[i]);if (it ! hashtable.end…

Rust编写Windows服务

文章目录 Rust编写Windows服务一&#xff1a;Windows服务程序大致原理二&#xff1a;Rust中编写windows服务三&#xff1a;具体实例 Rust编写Windows服务 编写Windows服务可选语言很多, 其中C#最简单。本着练手Rust语言&#xff0c;尝试用Rust编写一个服务。 一&#xff1a;Win…

Git之如何删除Untracked文件(六十八)

简介&#xff1a; CSDN博客专家、《Android系统多媒体进阶实战》一书作者 新书发布&#xff1a;《Android系统多媒体进阶实战》&#x1f680; 优质专栏&#xff1a; Audio工程师进阶系列【原创干货持续更新中……】&#x1f680; 优质专栏&#xff1a; 多媒体系统工程师系列【…

【编程基础知识】mysql根据某个int字段计算到每一行为止的累加值怎么实现

一、方式一&#xff1a;窗口函数 在MySQL中&#xff0c;可以使用窗口函数&#xff08;Window Functions&#xff09;来计算每一行的累加值。如果你使用的是MySQL 8.0或更高版本&#xff0c;可以使用 SUM() 窗口函数结合 OVER() 子句来实现这个需求。 假设你有一个名为 sales 的…

Oracle数据库中的动态SQL(Dynamic SQL)

Oracle数据库中的动态SQL是一种在运行时构建和执行SQL语句的技术。与传统的静态SQL&#xff08;在编写程序时SQL语句就已经确定&#xff09;不同&#xff0c;动态SQL允许开发者在程序执行过程中根据不同的条件或用户输入来构建SQL语句。这使得动态SQL在处理复杂查询、存储过程中…

【计算机网络】UDP 协议详解及其网络编程应用

文章目录 一、引言二、UDP1、UDP的协议格式2、UDP 报文的解包和分用3、UDP面向数据报的特点 三、UDP输入输出四、UDP网络编程 一、引言 UDP&#xff08;User Datagram Protocol&#xff0c;用户数据报协议&#xff09;是一种网络通信协议&#xff0c;它属于传输层的协议。是一…

PostgreSQL - tutorial

本文翻译整理自&#xff1a;官方文档 Preface 和 第一部分&#xff08;I. Tutorial&#xff09; 有需要的可以前往官方文档查看&#xff1a;https://www.postgresql.org/docs/15/index.html 文章目录 序言1.什么是PostgreSQL&#xff1f;2. PostgreSQL简史2.1 伯克利POSTGRES项…

【linux】ln 命令

ln 命令在 Linux 系统中用于创建链接&#xff08;links&#xff09;&#xff0c;它允许你创建一个文件的引用&#xff0c;指向该文件系统中的另一个位置。这种链接可以是硬链接&#xff08;hard link&#xff09;或软链接&#xff08;软连接&#xff0c;也称为符号链接&#xf…

HTTP中的Cookie与Session

一、背景 HTTP协议是无状态无连接的。 无状态&#xff1a;服务器不会保存客户端历史请求记录&#xff0c;每一次请求都是全新的。 无连接&#xff1a;服务器应答后关闭连接&#xff0c;每次请求都是独立的。 无状态就导致服务器不认识每一个请求的客户端是否登陆过。 这时…

【贪心算法】贪心算法

贪心算法简介 1.什么是贪心算法2.贪心算法的特点3.学习贪心的方向 点赞&#x1f44d;&#x1f44d;收藏&#x1f31f;&#x1f31f;关注&#x1f496;&#x1f496; 你的支持是对我最大的鼓励&#xff0c;我们一起努力吧!&#x1f603;&#x1f603; 1.什么是贪心算法 与其说是…

Spring为什么要用三级缓存解决循环依赖?

Spring为什么要用三级缓存解决循环依赖&#xff1f; 1. Spring是如何创建一个bean对象2. Spring三级缓存2.1 一级缓存&#xff1a;单例池&#xff0c;经历过完整bean生命&#xff0c;单例Bean对象2.2 二级缓存&#xff1a;提前暴露的Bean2.3 三级缓存&#xff1a;打破循环 3. S…

计算机网络通关学习(一)

简介 之前我通过王道的考研课进行了计算机网络的学习&#xff0c;但是在秋招准备过程中发现之前的笔记很多不足&#xff0c;学习的知识不够深入和巩固&#xff0c;所以再重新对《图解HTTP》&《图解TCP/IP》进行深度学习后&#xff0c;总结出了此篇博客&#xff0c;由于内容…