ラスター関数とArcGIS API for Python 1.2

DavidJohnson5

<\/HEAD>

Labで働く素晴らしい点の一つは、リリース前にコアソフトウェア開発者からの新しい機能を試すことができることです。  ArcGIS API for Pythonのバージョン1.2が <\/SPAN><\/SPAN>ArcGIS API for Python<\/A> <\/SPAN>に <\/SPAN><\/SPAN>ラスター関数の新しいモジュール<\/A>が含まれると聞いて、すぐに試してみたくなりました。                                                   APIのv.1.2がリリースされたので、ついに私が作成した <\/SPAN><\/SPAN>Jupyter Notebook<\/A> <\/SPAN>をお見せできます。このノートブックには、 <\/SPAN><\/SPAN>weighted overlay analysis<\/A> をラスター関数で実装した例が含まれています。 & nbsp ; 以下は、そのノートブックをHTMLにエクスポートした非対話型バージョンです。 & nbsp ; ArcGIS API for Pythonを使用して独自のラスター分析を行う方法についてのアイデアを提供できれば幸いです。<\/SPAN><\/P>& nbsp;<\/SPAN><\/P><\/P>米国ワシントン州の自然でアクセスしやすい地域の発見<\/STRONG><\/SPAN><\/P>weighted overlayは、サイト適合性および移動コスト研究のための標準的なGIS分析手法です。このノートブックは、ArcGIS API for Pythonバージョン1.2の新しい「arcgis.raster.functions」モジュールを活用してweighted overlay分析の例を示しています。 & nbsp この例では、以下の基準に基づいて「自然」でありながら移動しやすいワシントン州内の地域を特定しようとしています:< / P >標高（低いほど良い）< / LI >地形の傾斜（平坦なほど良い）< / LI >人間による景観改変度（少ないほど良い）< / LI >< / UL >この分析の入力データにはDEM（デジタル標高モデル）と景観への人間改変度を示すデータセットが含まれます。< / P >一般的に、weighted overlay分析は次の三つのステップに分けられます:< / P >正規化 : 入力ラスター データセット内のピクセルは、分析基準に従った適合性に基づき共通スケールの数値に再分類されます。< / LI >重み付け : 正規化されたデータセットには最終結果への重要度に応じて影響率が割り当てられ、値は０．０から１．０までの範囲で乗算されます。値の合計は１．０でなければなりません。< / LI >合計 : 重み付けされたデータセットの合計が計算され最終分析結果が生成されます。< / LI >< / OL >< / P >まずGISに接続し、分析用データにアクセスします。< / P >< / DIV >< / DIV >< / DIV >

GISに接続する< / H2 >< / DIV >< / DIV >< / DIV >In [1]:< / DIV ># arcgis.gisモジュールからGISをインポートする
< / SPAN >from< / SPAN > arcgis.gis< / SPAN > import< / SPAN > GIS
< / SPAN >
< / SPAN ># GISに接続する。
< / SPAN >try< / SPAN >:< / SPAN >& nbsp & nbsp & nbsp
&nbsp & nbsp & nbsp GIS<\/SPAN>(<\/SPAN>"<\/SPAN>https:\/\/dev004543.esri.com\/arcgis<\/A>"<\/SPAN><\/SPAN>,<\/SPAN> 'djohnsonRA'<\/SPAN>)<\/SPAN>   
   print<\/SPAN>(<\/SPAN>"{0} に正常に接続されました"<\/SPAN>.<\/SPAN>format<\/SPAN>(<\/SPAN>web_gis<\/SPAN>.<\/SPAN>properties<\/SPAN>.<\/SPAN>name<\/SPAN>))
<\/SPAN>except<\/SPAN>:<\/SPAN>   
   print<\/SPAN>(<\/SPAN>"接続に失敗しました。パスワードを再入力してください。"<\/SPAN>)<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>パスワードを入力してください：
ArcGIS Enterprise A に正常に接続されました<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>

分析のための入力データを GIS で検索する<\/H2><\/DIV><\/DIV><\/DIV>Human Modified Index<\/H3><\/DIV><\/DIV><\/DIV>In [2]:<\/DIV># タイトルで Human Modified Index のイメージ レイヤー アイテムを検索する
<\/SPAN>item_hmi<\/SPAN> =<\/SPAN> web_gis<\/SPAN>.<\/SPAN>content<\/SPAN>.<\/SPAN>search<\/SPAN>(<\/Span >'title : Human Modified Index' < / Span > , < Span Class = "style = color ba2121 ; ">'Imagery Layer' < / Span > )[ < Span Class = "style = color :#666666 ; ">0 < / Span > ]
< Span Class = "item_hmi " > item_hmi < / Span > < / Pre > < / Div > < / Div > < / Div > < / Div > < Div Class = " " > < Div Class = " " > < Div Class = " " > < Div Class = " " Style = "Color d84315 ; Padding :0.4 em ; " > Out [2] : < / Div > < Div Class = " " Style = "Color :#000000 ; Padding :0.4 em ; " > < Div Class = " " Style = "Background f6 fafa ; Border :1 px Solid # cfcfcf ; Padding :10 px ; " > < Div Class = " " >< / A >< / Div > < Div Class = ワシントン州、USA'<\/SPAN>, <\/SPAN>
'Feature Layer'<\/SPAN>)[<\/SPAN>0<\/SPAN>]
<\/SPAN>item_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[4]:<\/DIV><\/A><\/DIV>

State of Washington, USA<\/STRONG><\/SPAN> <\/SPAN><\/A>
ワシントン州、USAFeature Layer Collection by djohnsonRA <\/SPAN>
最終更新日：2017年7月7日 <\/SPAN>
コメント0件、閲覧数2回<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>In [5]:<\/DIV># ポータルアイテムからフィーチャレイヤーの参照を取得する
<\/SPAN>lyr_studyarea<\/SPAN> =<\/SPAN> item_studyarea<\/SPAN>.<\/SPAN>layers<\/SPAN>[<\/SPAN>0<\/SPAN>]
<\/SPAN>lyr_studyarea<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[5]:<\/DIV><FeatureLayer url:"<\/SPAN>https:\/\/dev004543.esri.com\/server/rest/services/Hosted/Washington/FeatureServer/1<\/A>"><\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>

調査地域の座標ジオメトリを取得する<\/H4><\/DIV><\/DIV><\/DIV>In [6]:<\/DIV># 調査地域レイヤーをクエリして境界フィーチャを取得する
<\span>query_studyarea = lyr_studyarea.query(where='1=1')
# 調査地域の座標ジオメトリを取得する。
# このジオメトリは標高および人為的修正指数データの抽出に使用される。
geom_studyarea = query_studyarea.features[0].geometry
# ジオメトリの空間参照を設定する。
geom_studyarea['spatialReference'] = query_studyarea.spatial_reference

調査地域の範囲を取得する

In [7]:

# ジオコード関数をインポートする
from arcgis.geocoding import geocode
# ジオコード関数を使って調査地域の位置／住所を取得する
geocode_studyarea = geocode('State of Washington, USA',
                              out_sr=query_studyarea.spatial_reference)

In [8]:

# 調査地域の地理的範囲を取得する
# この範囲は標高、人為的修正指数、および最終結果データの表示時に使用される。
extent_studyarea = geocode_studyarea[0]['extent']
extent_studyarea

Out[8]:

{'xmax': -1451059.3770040546,
'xmin': -2009182.5321227335,
'ymax': 1482366.818700374,
'ymin': 736262.260048952}

font-weight: bold; font-size: 25.998px; margin: 0.538em 0px 0px;" id="toc-hId-1356367382" id="toc-hId-1356367382">分析データを表示する<\/DIV><\/DIV><\/DIV>Human Modified Index<\/DIV><\/DIV><\/DIV>In [9]:<\/DIV># ポータルアイテムからイメージレイヤーの参照を取得する
<\/SPAN>lyr_hmi<\/SPAN> =<\/SPAN> item_hmi<\/SPAN>.<\/SPAN>layers<\/SPAN>[<\/SPAN>0<\/SPAN>]
<\/SPAN># レイヤーの範囲を調査エリアの地理的範囲に設定し、データを表示する。
<\/SPAN>lyr_hmi<\/SPAN>.<\/SPAN>extent<\/SPAN> =<\/SPAN> extent_studyarea<\/SPAN>lyr_hmi<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[9]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>標高<\/DIV><\/DIV><\/DIV>In [10]:<\/DIV># ポータルアイテムからイメージレイヤーの参照を取得する
<\/SPAN>lyr_dem<\/SPAN> =<\/SPAN> item_dem<\/SPAN>.<\/SPAN>layers<\/SPAN>[<\/SPAN>0<\/SPAN>]
<\/SPAN># レイヤーの範囲を調査エリアの地理的範囲に設定し、データを表示する。
<\/SPAN>lyr_dem<\/SPAN>.<\/SPAN>extent<\/SPAN> =<\/SPAN> extent_studyarea<\/SPAN>lyr_dem<\/span>

line-numbers language-none"># 研究エリアのジオメトリ内からHuman Modified Indexデータを抽出する
hmi_clipped = clip(raster=lyr_hmi, geometry=geom_studyarea)
hmi_clipped

Out[13]:

標高#Elevation

In [14]:

# 研究エリアのジオメトリ内から標高データを抽出する
elev_clipped = clip(raster=lyr_dem, geometry=geom_studyarea)
elev_clipped

Out[14]:

傾斜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>In [17]:<\/DIV># 標高データを正規化する<\/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')

# 再分類された標高データのカラーマップ画像を表示する<\/SPAN>
colormap(elev_normalized, colormap=clrmap)&nbps;<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[17]:<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>In [18]:<\/DIV># 傾斜データを正規化する
<\/SPAN>slope_normalized<\/SPAN> =<\/SPAN> remap<\/SPAN>(<\/SPAN>raster<\/SPAN>=<\ /span >slope_clipped,< /span >& 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 ;& nbsp ;& nbsp ;& nbsp ;& nb sp;input_ranges=< /span >[0,< /span >1,< /span >1,< /span >2,< /span >2,< /span >3,< /span >3< span >,< / span >< span >5</ span >< span >,< / span >< span >5</ span >< span >,< / span >< span >7</ span >< span >,< / span >< span >7</ span >< span >,< / span >< span >9</ span >< span >,< / span >< span >9</ span >< span >,< / span >< span >12</ span >< span >,< / span >< span >12</ span >< span >,< / span >< span >15</ span >< span >,< / span >
&nbsp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp ;& nb sp;15,100],
<\ n>&nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;;nb sp;output_values =<\ /spa n>[9,8,7,6,5,4,3,2,1], nbsp;slope_normalized.astype </ spa n>= 'U8')

# 再分類された傾斜データのカラーマップ画像を表示する
</ spa n>colormap(slope_normalized,colormap=clrmap)<\ /PRE>

In&nbsp [19]: </ div> < div cl ass= ''> < div cl ass= '' sty le= 'background:#f7f7f7;border :1 px solid #cfcfcf;' > < div cl ass= '' sty le= 'background :transparent;border:none;margin :0.4 em;' > < pre cl ass= 'lia-code-sample line-numbers language-none' >< spa n cl ass= '' sty le= 'color:#408080' ># 人為的修正指数データを正規化する
</ spa n>hmi_normalized=hmi_clipped.remap(raster=hmi_clipped,input_ranges=[0.0 ,0.1 ,0.1 ,0.2 ,0.2 ,0.3 ,0.3 ,0.4 ,0.4 ,0.5 ,
&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  0.5 ,0.6 ,0.6 ,0.7 ,0.7 ,0.8 ,0.8 ,1.1] 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>)\n\n<\/SPAN># 再分類されたHMIデータのカラーマップ画像を表示する\n<\/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>ステップ2：重み付け<\/H3>オーバーロードされた乗算演算子 * を使用して、最終結果に対する相対的重要度に基づいて各正規化データセットに重みを割り当てます。<\/P><\/DIV><\/DIV><\/DIV>In [20]:<\/DIV># オーバーロードされた乗算演算子 "* "を使って正規化データに重みを適用します。 \n# - Human Modified Index：60% \n# - Slope：25% \n# - Elevation：15% \n<\/SPAN>hmi_weighted<\/SPAN> ,0.8, 0.8,1.1],                    
         output_values=[9,8,7,6,5,4,3,2,1])       
      +         
      # Slope layer（スロープ層）       
      0.25 * remap(raster=clip(raster詳細については、 <\/SPAN>Portal for ArcGIS における Raster analysis<\/A><\/P><\/DIV><\/DIV><\/DIV>

In [23]:<\/DIV>

# GIS は raster analytics をサポートしていますか？
<\/SPAN>import<\/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>Out[23]:<\/DIV>True<\/PRE><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV>In [24]:<\/DIV># .save() 関数は arcgis.raster.analytics モジュールの generate_raster を呼び出し
<\/SPAN># 入力データセットの元解像度で GIS サーバー上で解析を実行し、結果を GIS の永続的な web imagery layer として保存します。
<\/SPAN>result_persistent<\/SPAN> =<\/SPAN> result_dynamic<\/SPAN>.<\/SPAN>save<\/SPAN>(<\/SPAN>"NaturalAndAccessible_WashingtonState"<\/SPAN>)<\/SPAN>
result_persistent<\/SPAN><\/PRE><\/DIV><\/DIV><\/DIV><\/DIV>Out[24]:<\/DIV>

<\/A><\/DIV>

NaturalAndAccessible_WashingtonState<\/STRONG><\/SPAN> <\/SPAN><\/A>
GenerateRaster によって生成された Analysis Image Service Imagery Layer by djohnsonRA <\/SPAN>
最終更新日：2017年7月7日 <\/SPAN>
コメント数：0、閲覧数：0<\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><\/DIV><div style=\\\

KhairulAmri252

Many Thanks for this example,Very Useful