Rasterové funkce a ArcGIS API pro Python 1.2

DavidJohnson5

<\/HEAD>

Jednou z nejlepších věcí na práci v Labu je, že můžete experimentovat s novinkami od našich hlavních softwarových vývojářů dříve, než jsou vydány.  Když jsem slyšel, že verze 1.2  <\/SPAN><\/SPAN>ArcGIS API for Python<\/A> <\/SPAN>by zahrnovala  <\/SPAN><\/SPAN>nový modul pro rasterové funkce<\/A>, nemohl jsem se dočkat, až to vyzkouším.  Teď když je verze v.1.2 API vydána, mohu vám konečně ukázat  <\/SPAN><\/SPAN>Jupyter Notebook<\/A> který jsem vytvořil a který obsahuje příklad analýzy váženého překrytí<\/A> implementované pomocí rasterových funkcí.  Následuje neinteraktivní verze tohoto notebooku exportovaná do HTML.  Mám naději, že vám to poskytne nějaké nápady na to, jak byste mohli použít ArcGIS API for Python k provedení vlastní rasterové analýzy.<\/P> <\/SPAN><\/P><\/P>Hledání přírodních a přístupných oblastí ve státě Washington, USA<\/STRONG><\/SPAN><\/P>Vážené překrytí je standardní technika GIS analýzy pro studium vhodnosti lokalit a nákladů na cestování. Tento notebook využívá nový modul "arcgis.raster.functions" v ArcGIS API for Python verze 1.2 k demonstraci příkladu analýzy váženého překrytí.  

• nadmořská výška (nižší je lepší)
• strmost terénu (rovnější je lepší)
• stupeň lidské změny krajiny (méně je lepší)
  Vstupní data pro tuto analýzu zahrnují DEM (Digitální model výšek) a dataset ukazující stupeň lidské modifikace krajiny.Obecně lze analýzu váženého překrytí rozdělit do tří kroků:
  1. Normalizace : Pixely ve vstupních rastrových datech jsou přeřazeny na společnou škálu číselných hodnot podle jejich vhodnosti dle kritérií analýzy.
  2. Vážení : Normalizovaným datasetům je přiřazen procentuální vliv na základě jejich důležitosti pro konečný výsledek vynásobením hodnotami v rozmezí od 0.0 do 1.0. Součet hodnot musí být roven 1.0.
  3. Sčítání : Vypočítá se součet vážených datasetů pro vytvoření konečného výsledku analýzy.
     Začneme připojením k GIS a přístupem k datům pro analýzu.

Připojení k GIS<\/H2><\/DIV><\/DIV><\/DIV>In [1]<\/DIV># import GIS from the arcgis.gis module
<\/SPAN>from<\/SPAN> arcgis.gis<\/SPAN> import<\/SPAN> GIS
<\/SPAN>
<\/SPAN># Připojení k GIS.
<\/SPAN>try<\/SPAN>:<\/SPAN>   
   web_gis<\/SPAN> =<\/SPAN> GIS("https://dev004543.esri.com/arcgis", 'djohnsonRA')   
   tisknout("Úspěšně připojeno k <</SPAN>{0}".formatovat(web_gis.properties.name))
kromě toho:   
   tisknout("")

Zadejte heslo:b7b7b7b7b7b7b7b7 
Úspěšně připojeno k ArcGIS Enterprise A

Vyhledávání v GIS vstupních dat pro analýzu

Human Modified Index

V [2]:

# Vyhledání položky vrstvy snímků Human Modified Index podle názvu
item_hmi = web_gis .content .search ( 'title :Human Modified Index','Imagery Layer')[0 ]
item_hmi 

Výstup[2]:

Human Modified Index 
Míra stupně lidské modifikace, index se pohybuje od 0,0 pro panenský stav krajiny až po 1,0 pro nejvíce modifikované oblasti.Imagery Layer by djohnsonRA 
Naposledy upraveno: červenec 06, 2017 
0 komentářů, 2 zobrazení

, <\/SPAN>
'Feature Layer'<\/SPAN>)[<\/SPAN>0<\/SPAN>]
<\/SPAN>item_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Výstup[4]:<\/DIV><\/A><\/DIV>

State of Washington, USA<\/STRONG><\/SPAN> <\/SPAN><\/A>
Stát Washington, USAFeature Layer Collection od djohnsonRA <\/SPAN>
Naposledy upraveno: 07. července 2017 <\/SPAN>
0 komentářů, 2 zobrazení<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>V [5]:<\/DIV># Získejte odkaz na feature layer z položky portálu
<\/SPAN>lyr_studyarea<\/SPAN> =<\/SPAN> item_studyarea<\/SPAN>.<\/SPAN>layers<\/SPAN>[<\/SPAN>0<\/SPAN>]
<\/SPAN>lyr_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Výstup[5]:<\/DIV><FeatureLayer url:"<\/SPAN>https:\/\/dev004543.esri.com/server/rest/services/Hosted/Washington/FeatureServer/1<\/A>"><\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>

Získejte souřadnicovou geometrii studijní oblasti<\/H4><\/DIV><\/DIV><\/DIV>V [6]:<\/DIV># Proveďte dotaz na vrstvu studijní oblasti pro získání hranice prvku
<\span>
query_studyarea = lyr_studyarea.query(where='1=1')
# Získejte souřadnicovou geometrii studijní oblasti.
# Geometrie bude použita k extrakci dat Elevation a Human Modified Index.
geom_studyarea = query_studyarea.features[0].geometry
# Nastavte prostorovou referenci geometrie.
geom_studyarea['spatialReference'] = query_studyarea.spatial_reference

font-weight: tučné; font-size: 25.998px; margin: 0.538em 0px 0px;" id="toc-hId-1356367382" id="toc-hId-1356367382">Zobrazit data analýzy

Human Modified Index

In [9]:

# Získat odkaz na vrstvu imagery z položky portálu
lyr_hmi = item_hmi.layers[0]
# Nastavit rozsah vrstvy na geografický rozsah studované oblasti a zobrazit data.
lyr_hmi.extent = extent_studyarealyr_hmi

Out[9]:

Elevation

In [10]:

# Získat odkaz na vrstvu imagery z položky portálu
lyr_dem = item_dem.layers[0]
# Nastavit rozsah vrstvy na geografický rozsah studované oblasti a zobrazit data.
< / SPAN >
< SPAN c lass = " " > lyr_dem < / SPAN >
< SPAN c lass = " " s t y l e = " c o l o r : #666666 ; " > . < / SPAN >
< SPAN c lass = " " > extent < / SPAN >
< SPAN c lass = " " s t y l e = " c o l o r : #666666 ; " > = < / SPAN >
< SPAN c lass = " " > extent_studyarea < / SPAN >
< SPAN c lass = " " > lyr_dem < / SPAN >
< / PRE ></ DIV ></ DIV ></ DIV ></ DIV >< DIV c lass = " " >< DIV c lass = " " >< DIV c lass = " " >< DIV c lass = " " s t y l e = " c o l o r : #d84315 ; p a d d i n g : 0 .4 e m ; " > Out[10] : < / DIV >< DIV c lass = " " s t y l e = " p a d d i n g : 0 .4 e m ; " >< IMG __ j i v e _ i d = "360669" c lass = "image-5 jive-image" src = "https://us.v-cdn.net/6038851/uploads/legacyfs/online/360669_pastedImage_5.jpg" s t y l e = " b o r d e r : 0 p x ; " / >< / DIV >< / DIV >< / DIV >< / DIV >< / DIV >< DIV c lass = " " s t y l e = " c o l o r : #000000 ; b a c k g r o u n d : l i n e a r - g r a d i e n t ( t o r i g h t , t r a n s p a r e n t -40 p x , t r a n s p a r e n t 1 p x , t r a n s p a r e n t 1 p x , t r a n s p a r e n t 100 % ) ; b o r d e r : 1 p x s o l i d t r a n s p a r e n t ; p a d d i n g : 5 p x ; ">< DIV c lass = " ">< DIV c lass = " ">< H3 s t y l e = " c o l o r : i n h e r i t ; f o n t - w e i g h t : tučné ; f o n t - s i z e :18 .004 px ; m a r g i n :0 .777 em0 px0 px ; "> Slope (derived from elevation via the Slope raster function) </ H3 ></ DIV ></ DIV ></ DIV >< DIV c lass = " ">< DIV c lass = " ">< DIV c lass = " ">< DIV c lass = " ">< SPAN s t y l e = " c o l o r :#303f9f ; b o r d e r - t o p :1 px s o l i d t r a n s p a r e n t ; p a d d i n g :0 .4 em ; "> In&nbsp ; [11] :</ SPAN >< DIV c lass = " ">< DIV c lass = " ">< DIV c lass = " ">< PRE c lass = " lia-code-sample line-numbers language-none ">< SPAN s t y l e = " color:#408080 ; "># Importovat rasterové funkce z ArcGIS API for Python (novinka ve verzi 1.2!)
 </ SPAN >< SPAN s t y l e = " color:#008000;font-weight:bold ">from </ SPAN >< SPAN s t y l e = " color:#0000ff;font-weight:bold ">arcgis.raster.functions </ SPAN >< SPAN s t y l e = " color:#008000;font-weight:bold ">import </ SPAN >< SPAN s t y l e = " color:#666666 ">* </ SPAN ></ PRE ></ DIV ></ DIV ></ DIV ></ DIV ></ DIV >< DIV c lass = " ">< DIV c lass = " ">< DIV c lass = " ">< SPAN s t y l e = " color:#303f9f;border-top :1 px solid transparent;padding :0 .4 em ; "> In&nbsp ; [12] :</ SPAN >< DIV c lass = " ">< DIV c lass = ' ' >< PRE c lass='lia-code-sample line-numbers language-none'># Odvodit vrstvu svahu z DEM vrstvy pomocí funkce slope
lyr_slope = slope(dem=lyr_dem,slope_type='DEGREE', z_factor=1)
# Použít funkci stretch pro zvýraznění zobrazení vrstvy svahu.
lyr_slope_stretch = stretch(raster=lyr_slope,stretch_type='StdDev', dra='true')
# Zobrazit roztaženou vrstvu svahu v rámci rozsahu studované oblasti.
lyr_slope_stretch.extent=extent_studyarealyr_slope_stretch

">

">

Out[12]:

# Extrahujte data Human Modified Index z geometrie studijní oblasti
hmi_clipped = clip(raster=lyr_hmi, geometry=geom_studyarea)
hmi_clipped

Out[13]:

Elevation#Elevation

In [14]:

# Extrahujte data Elevation z geometrie studijní oblasti
elev_clipped = clip(raster=lyr_dem, geometry=geom_studyarea)
elev_clipped

Out[14]:

Slope#Slope

In [15]:

139<\/SPAN>,<\/SPAN> 181<\/SPAN>,<\/SPAN> 0<\/SPAN>], [8<\/SPAN>,<\/SPAN> 86<\/SPAN>,<\/SPAN> 148<\/SPAN>,<\/SPAN> 0<\/SPAN>],<\/SPAN>
<\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN><\/SPAN>         [<\/SPAN>9<\/SPAN>,<\/SPAN> 38<\/SPAN>,<\/SPAN> 115<\/SPAN>,<\/SPAN> 0<\/SPAN>]<\/SPAN>]<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>V [17]:<\/DIV># Normalizujte data o nadmořské výšce<\/SPAN>
elev_normalized = remap(raster=elev_clipped,
                        input_ranges=[0,490, 490,980, 980,1470, 1470,1960, 1960,2450,
                                      2450,2940, 2940,3430, 3430,3700, 3920,4100],
                       output_values=[9,8,7,6,5,4,3,2,1], astype='U8')

# Zobrazte obraz s barevnou mapou přeřazených dat o nadmořské výšce<\/SPAN>
colormap(elev_normalized, colormap=clrmap) <\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Výstup[17]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>V [18]:<\/DIV># Normalizujte data o sklonu
<\/SPAN>slope_normalized<\/>= remap(raster=slope_clipped, nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;nbsP;
&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp&nbsp# Zobrazte obraz s barevnou mapou přeřazených dat o sklonu
colormap(slope_normalized,colormap=clrmap)<\/>\n

Výstup[18]:

.4em;'>V [19]:

... class="">],<\/SPAN>                 
                      output_values<\/SPAN>=<\/SPAN>[<\/SPAN>9<\/SPAN>,<\/SPAN>8<\/SPAN>,<\/SPAN>7<\/SPAN>,<\/SPAN>6<\/SPAN>,<\/SPAN>5<\/SPAN>,<\/SPAN>4<\/SPAN>,<\/SPAN>3<\/SPAN>,<\/SPAN>2<\/SPAN>,<\/SPAN>1<\/SPAN>],<\/SPAN>  astype<\/SPAN>=<\/SPAN>'U8'<\/SPAN>)

<\/SPAN># Zobrazit obraz s barevnou mapou přeřazených dat HMI
<\/SPAN>colormap<\/SPAN>(<\/SPAN>hmi_normalized<\/SPAN>,<\/SPAN> colormap<\/SPAN>=<\/SPAN>clrmap<\/SPAN>)<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[19]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>Krok 2: Váhování<\/H3>Použijte přetížený násobící operátor * k přiřazení váhy každé normalizované sadě dat na základě jejich relativní důležitosti pro konečný výsledek.<\/P><\/DIV><\/DIV><\/DIV>In [20]:<\/DIV># Aplikujte váhy na normalizovaná data pomocí přetíženého násobícího
# operátoru "*".
<\/SPAN># - Human Modified Index (HMI): 60%
<\/Span> # - Sklon (Slope): 25%
# - Nadmořská výška (Elevation): 15%
hmi_weighted = hmi_normalized * 0.6
slope_weighted = slope_normalized * 0.25
elev_weighted = elev_normalized * 0.15Krok 3: SoučetSečtěte vážené sady dat dohromady pro vytvoření konečného výsledku analýzy.In [21]:# Vypočítejte součet vážených sad dat pomocí přetíženého sčítacího
# operátoru "+".
result_dynamic = colormap(hmi_weighted + slope_weighted + elev_weighted,
colormap=clrmap, astype='U8')
result_dynamicOut[21]:Stejnou analýzu lze také provést v jedné operaciIn [22]:result_dynamic_one_op = colormap(
raster = (
# Vrstva Human modified index
0.60 * remap(raster=clip(raster=lyr_hmi, geometry=geom_studyarea),
input_ranges=[0.0,0.1,0.1,0.2,0.2,0.3,0.3,0.4,0.4,0.5,
0.5,0.6,0.6,0.7,0.7 class="">,0.8, 0.8,1.1],                    
         output_values=[9,8,7,6,5,4,3,2,1])       
      +         
      # Vrstevnice svahu (Slope layer)       
      0.25 * remap(raster=clip(raster=lyr_slope, geometry= geom_studyarea ),
         input_ranges=[0 ,1 , 1 ,2 , 2 ,3 , 3 ,5 , 5 ,7 , 7 ,9 , 9 ,12 , 12 ,15 ,
     15, 100],& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>& nbsp;</ span>
  output_values = [9 ,8 ,7 ,6 ,5 ,4 ,3 ,2 ,1 ] ) & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ;
  + </ span > & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ; & nbsp ;
  # Vrstva nadmořské výšky (Elevation layer)</ span > & nbsp ; & nbsp ; & nbsp ;
  0.15 </ span > < span > * </ span > < span > remap </ span >< span >( </ span >< span > raster </ span >< span style = " color 6 6 6 6 6 6 ; "> = </ span > < span > clip </ span >< span >( </ span >< span > raster </ span >< span style = " color 6 6 6 6 6 6 ; "> = </ span >< span > lyr_dem </ span >< span > , </ span> < span > geometry </ span >< span style = " color :#66... 1em 0px 0px;">Pro více informací viz <\/SPAN>Raster analysis on Portal for ArcGIS<\/A><\/P><\/DIV><\/DIV><\/DIV>

V [23]:<\/DIV>

# Podporuje GIS rasterovou analytiku?
<\/SPAN>importuj<\/SPAN> arcgis
<\/SPAN>arcgis<\/SPAN>.<\/SPAN>raster<\/SPAN>.<\/SPAN>analytics<\/SPAN>.<\/SPAN>is_supported<\/SPAN>(<\/SPAN>web_gis<\/SPAN>)<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Výstup[23]:<\/DIV>True<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>V [24]:<\/DIV># Funkce .save() vyvolává generate_raster z modulu arcgis.raster.analytics
<\/SPAN># pro spuštění analýzy na GIS serveru v zdrojovém rozlišení 
# vstupních datasetů <\/SPAN>a uloží výsledek jako <\/SPAN>trvalou webovou vrstvu snímků v GIS.
<\/SPAN>result_persistent<\/SPAN> =<\/SPAN> result_dynamic<\/SPAN>.<\/SPAN>save<\/SPAN><(span) color="#ba2121"\>\"NaturalAndAccessible_WashingtonState\"")
<\/span>result_persistent<\/>\n<\/>\n<\/>\nresult_persistent

KhairulAmri252

Many Thanks for this example,Very Useful