Python & Geoprocessing

期盼死亡的小丑

Python & Geoprocessing的出处　　说起ArcGIS的Geoprocessing，最直观的莫过于ArcToolBox及工具条了。
　　以ArcToolBox为例，它拥有丰富的工具（Tools）、模型（Models）及脚本（Scripts），这些工具、模型、脚本各自拥有着某一地理空间处理能力。随着地理处理能力的复杂化，网络分发性的增强，以及与行业应用的紧密结合，ArcToolBox需要根据用户的个性化需求以及行业应用的独特需要来进行扩展和扩充。
　　这就需要一种可行的，简便的扩展途径。一种方式是以ModelBuilder进行建模，通过可视化的拖动工具来组合模型。另一种方式则是使用脚本调用Geoproccessing接口，以编程的方式实现扩展。两种方式选择哪种更好呢？这需要根据用户的特点来选择，简单的来看，第一种直观、不需要编程；第二种需要编程，也更加灵活，而且可以避免一些问题，比如批量化处理时ArcGIS的无响应问题。
　　至此，Python & Geoprocessing的关系就出来了，那就是两者的结合扩展ArcGIS的Geoproccessing能力。
　　
　　
　　
Python　　简单的看一下Python，就目前情况来看，这是一种胶水语言，粘合应用的语言，很简单，很灵活，也很好用。
　　写段代码
　　

1 class even():
2     """
3     Extract even from number.
4     """
5     def __init__(self, num):
6         self.num = num
7     def returneven(self):
8         return range(0, self.num, 2)
9
10 if __name__ == "__main__":
11     evennum = even(101)
12     print evennum.returneven()
13     print getattr(evennum, "returneven")()
14 　　上面的代码可以看出来它是面向对象的，因为有class。
　　再看一段：
　　

1 def info(object, spacing = 10, collapse = 1):
2     """Print methods and doc strings.
3
4     Takes module, class, list, dictionary, or string."""
5     methodList = [method for method in dir(object) if callable(getattr(object, method))]
6     processFunc = collapse and (lambda s:" ".join(s.split())) or (lambda s:s)
7     print "\n".join(["%s %s" %(method.ljust(spacing), processFunc(str(getattr(object, method).__doc__))) for method in methodList])
8
9     
10 if __name__ == "__main__":
11     print info.__doc__
12 上面的代码说明一切皆对象，连定义的方法也是对象。　　Python是个面向对象的通用语言，它能够扩平台，而且是动态和强类型语言。
　　
Python & Geoproccessing实践　　了解了Python和Geoproccessing后，做一些有用的实践，从而扩展Geoproccessing的能力。
　　不过实践前，还是要看一下究竟从何处着手工作。
　　ArcToolBox->Spatial Statistics Tools中多为Python实现，部分为Model，如果没有实战经验可以参考这里的内容。
　　另外，Model可以Export Python，也就是可以先Model，再输出Python实现，最后在其基础上做进一步的完善。
　　以下，做点实践。
　　批量化处理，从指定目录下将Feature Class批量化导入到指定的GDB中：
　　

1 import os
2 import re
3 import arcgisscripting
4
5 def FeatureClass2GDB(dir, output):
6     gp = arcgisscripting.create()
7     #regex pattern
8     pattern = ".shp$"
9     #get Feature Class List
10     allfiles = os.listdir(dir)
11     FC = [li for li in allfiles if re.search(pattern, li)]
12     
13     #set workspace
14     gp.Workspace = dir
15     #set feature class string
16     FCstr = ';'.join(FC)
17     #make it work
18     gp.FeatureClassToGeodatabase(FCstr, output)
19 　　自定义处理，先Clip数据，再将裁剪后的数据转换成Raster。
　　

1 import sys, string, os, arcgisscripting
2
3 gp = arcgisscripting.create()
4
5 # Load required toolboxes
6 gp.AddToolbox("D:/Program Files/ArcGIS/ArcToolbox/Toolboxes/Analysis Tools.tbx")
7 gp.AddToolbox("D:/Program Files/ArcGIS/ArcToolbox/Toolboxes/Conversion Tools.tbx")
8
9
10 # Local variables
11 土地利用_Clip_shp = "**\\土地利用_Clip.shp"
12 Output_raster = "**\\Feature_土地1"
13 土地利用_shp = "**\\土地利用.shp"
14 区域0_shp = "**\\区域0.shp"
15
16 # Process: Clip
17 gp.Clip_analysis(土地利用_shp, 区域0_shp, 土地利用_Clip_shp, "")
18
19 # Process: Feature to Raster
20 gp.FeatureToRaster_conversion(土地利用_Clip_shp, "OBJECTID", Output_raster, "16184.746499")同样的，这段代码也可以作为业务流，也就是说可以根据应用的业务来建立相应的处理模型。　　
　　先简单的列举以上几个Python & Geoproccessing应用案例，具体使用还要根据实际情况而定。关于Geoproccessing Reference，可以参考ArcGIS Desktop Help->Geoproccessing Tool Reference，其中讲解了各个接口的详细内容。
　　
　　
Summary　　Python & Geoproccessing实践方面，可以批量化处理数据，解决ArcCatalog在处理大批量数据时出现的无响应问题；可以自定义，建立个性化的Tool；同样，也可以根据行业应用，扩展为业务流，简化业务处理的流程，并且降低技术成本。
　　Python & Geoproccessing，简单易学；能够扩展ArcGIS的Geoproccessing能力，直观的就是扩展ArcToolBox的能力；并且，在开源的推动下，这种组合将会带来更丰富和更强大的模型库，从而为GIS的发展诸如强劲的动力。