Python基於Excel資料加以反距離加權空間插值並掩膜圖層

疯狂学习GIS發表於2024-04-10
PythonExcel

  本文介紹基於Python中ArcPy模組，實現Excel資料讀取並生成向量圖層，同時進行IDW插值與批次掩膜的方法。

1 任務需求

  首先，我們來明確一下本文所需實現的需求。

  現有一個記錄有北京市部分PM2.5濃度監測站點在2019年05月18日00時至23時（其中不含19時）等23個逐小時PM2.5濃度資料的Excel表格檔案，我們需要將其中的資料依次讀入一個包含北京市各PM2.5濃度監測站點的向量點要素圖層中；隨後，基於這些站點匯入的23個逐小時PM2.5濃度資料，逐小時對北京市PM2.5濃度加以反距離加權（IDW）方法的插值，即共繪製23幅插值圖；最後，基於已有的北京市邊界向量資料，分別對這23幅插值圖加以掩膜。

  在這裡，包含北京市各PM2.5濃度監測站點的向量點要素圖層是基於Python基於Excel生成向量圖層及屬性表資訊：ArcPy得到的，如下圖所示。

image

  其中，該向量圖層還包括屬性表，屬性表內容包括每一個站點的編號、地理位置與中文名稱，如下圖所示。

  而記錄有北京市部分PM2.5濃度監測站點在2019年05月18日00時至23時（其中不含19時）等23個逐小時PM2.5濃度資料的Excel表格檔案則如下所示，其中包括各站點在23個整點時所監測到的PM2.5濃度。

2 程式碼實現

  瞭解了需求後，我們就基於Python中的ArcPy模組，進行詳細程式碼的撰寫與介紹。

  這裡需要說明的是：在編寫程式碼的時候，為了方便執行，所以希望程式碼後期可以在ArcMap中直接透過工具箱執行，即用到Python程式指令碼新建工具箱與自定義工具的方法；因此，程式碼中對於一些需要初始定義的變數，都用到了arcpy.GetParameterAsText()函式。大家如果只是希望在IDLE中執行程式碼，那麼直接對這些變數進行具體賦值即可。關於Python程式指令碼新建工具箱與自定義工具，大家可以檢視ArcMap將Python寫的程式碼轉為工具箱與自定義工具詳細瞭解。

  上面提到需要初始定義的變數一共有十個，其中arcpy.env.workspace參數列示當前工作空間，csv_path參數列示儲存有北京市2019年05月18日00時至23時（其中不含19時）逐小時PM2.5濃度資料的.csv檔案，shape_file_path參數列示站點資訊向量資料檔案，boundary_file_path參數列示投影后北京市邊界向量資料檔案，spatial_resolution參數列示IDW插值結果柵格圖的像元大小，power參數列示IDW插值時所用距離的冪指數，look_point參數列示IDW插值時所用最鄰近輸入取樣點數量的整數值，max_distance參數列示IDW插值時對最鄰近輸入取樣點的限制距離，單位依據地圖座標系確定；idw_result_dir參數列示IDW插值結果圖層儲存路徑，mask_result_dir參數列示IDW插值結果圖層經掩膜後儲存路徑。

  程式碼的整體思路為：首先利用pd.read_csv函式讀取記錄有北京市部分PM2.5濃度監測站點在2019年05月18日00時至23時（其中不含19時）等23個逐小時PM2.5濃度資料的Excel表格檔案資料，隨後在北京市各PM2.5濃度監測站點的向量點要素圖層的屬性表中新建23個列，每一個列表示該監測站點在某一時刻的濃度資料（共有23個時刻，因此共有23個列）；其次，由於向量要素圖層中的部分站點在Excel檔案中並沒有資料，因此需要將這些站點從向量要素圖層中刪除；最後，分別利用Idw函式與ExtractByMask函式進行IDW插值與掩膜。

  具體程式碼如下。

# -*- coding: utf-8 -*-
# @author: ChuTianjia

import copy
import arcpy
import pandas as pd
from arcpy.sa import *

arcpy.env.workspace=arcpy.GetParameterAsText(0)
csv_path=arcpy.GetParameterAsText(1)
shape_file_path=arcpy.GetParameterAsText(2)
idw_result_dir=arcpy.GetParameterAsText(8)
boundary_file_path=arcpy.GetParameterAsText(3)
mask_result_dir=arcpy.GetParameterAsText(9)
spatial_resolution=arcpy.GetParameterAsText(4)
power=arcpy.GetParameterAsText(5)
look_point=arcpy.GetParameterAsText(6)
max_distance=arcpy.GetParameterAsText(7)

csv_data=pd.read_csv(csv_path,header=0,encoding="gbk")
column_name_list=list(csv_data)
hour_column=csv_data["hour"]

pm_25_list=[[0]*len(csv_data) for i in range(csv_data.shape[1]-3)]

for i in range(3,csv_data.shape[1]):
    for index,data in csv_data.iterrows():
        pm_25_list[i-3][index]=data[i]

field_list=["hour_00","hour_01","hour_02","hour_03","hour_04","hour_05",\
            "hour_06","hour_07","hour_08","hour_09","hour_10",\
            "hour_11","hour_12","hour_13","hour_14","hour_15",\
            "hour_16","hour_17","hour_18","hour_20",\
            "hour_21","hour_22","hour_23"]
field_list_use=copy.deepcopy(field_list)
field_list_use.insert(0,"Name")

# Update the columns in the attribute table
for i in range(len(field_list)):
    arcpy.AddField_management(shape_file_path,field_list[i],"SHORT")

delete_num=0
delete_name=[]
with arcpy.da.UpdateCursor(shape_file_path,field_list_use) as cursor:
    for row in cursor:
        for column_name in column_name_list:
            if column_name==row[0]:
                for i in range(len(csv_data[column_name])):
                    row[i+1]=csv_data[column_name][i]
                    cursor.updateRow(row)

        # Find stations that without any data        
        if row[0] not in column_name_list:
            cursor.deleteRow()
            delete_num+=1
            delete_name.append(row[0])

arcpy.AddWarning("Delete {0} site(s) that do not contain any data, and the site(s) name is(are):".format(delete_num))
for i in delete_name:
    arcpy.AddMessage(i)
arcpy.AddMessage("\n")

# Perform IDW interpolation
arcpy.env.extent=boundary_file_path
for i in range(len(field_list)):
    idw_result=Idw(shape_file_path,field_list[i],spatial_resolution,power,RadiusVariable(look_point,max_distance))
    idw_result_path=idw_result_dir+"\\"+"BJ_"+field_list[i]+".tif"
    idw_result.save(idw_result_path)
    arcpy.AddMessage("{0} has completed IDW interpolation.".format(field_list[i]))

# Perform mask
tif_file_list=arcpy.ListRasters("BJ_hour_*","TIF")
for raster in tif_file_list:
    mask_result=ExtractByMask(raster,boundary_file_path)
    mask_result_path=mask_result_dir+"\\"+raster.strip(".tif")+"_Mask.tif"
    mask_result.save(mask_result_path)
    arcpy.AddMessage("{0} has been masked.".format(raster.strip(".tif")))

3 執行結果

  執行上述程式碼，如果是在ArcMap中直接透過工具箱執行，則可以看到程式碼執行過程中出現的提示。

  例如，下圖所示提示可以知道有哪幾個站點是沒有資料、從而被剔除的。

  下圖則可以顯示出目前程式碼的執行情況。

  同時，在我們設定的結果資料夾中可以看到，23小時的插值圖與掩膜圖都將自動生成並儲存在指定資料夾。

  再來看看具體的圖片長什麼樣子。

  首先檢視IDW插值結果圖；我們以當日10時的插值結果圖為例進行檢視。可以看到其已對北京市邊界向量資料所包含的矩形範圍完成了插值。

  接下來，檢視IDW插值結果圖經過掩膜後的影像；我們同樣以當日10時的插值、掩膜結果圖為例進行檢視。可以看到，經過掩膜操作後的影像已經完全符合北京市邊界向量資料的範圍。

  至此，大功告成。

相關文章