Funciones Ráster de Python
Por Julia Lenhardt
¿Sabía que hay un gran repositorio de potentes
funciones ráster de Python que puede usar para el análisis y visualización de ráster?
En el repositorio
de funciones Esri/ráster en GitHub, puede navegar, descargar y
utilizar funciones de ráster personalizado para el procesamiento sobre la
marcha en su escritorio o en la nube.
¿Cuáles son las funciones de trama de Python, se preguntará?
Una función de ráster es una forma astuta de realizar
análisis y visualizaciones complejas de ráster sin ocupar más espacio en su
disco o más tiempo en su día, con procesamiento sobre la marcha. Una sola función de ráster realiza un
análisis en un ráster de entrada y luego muestra el resultado en su pantalla.
No se crea ningún nuevo conjunto de datos, y los pixeles se procesan a medida
que se desplaza y se acerca la imagen. Puede conectar varias funciones de ráster en una cadena de función de ráster y puede convertirla
en una plantilla de función de ráster estableciendo parámetros como variables.
Una función
ráster de Python es simplemente una función ráster personalizada. Una
gran cantidad de funciones de trama vienen con ArcGIS fuera de la
caja, pero si no encuentra lo que está buscando o quiere crear algo específico
para sus necesidades, puede crear su propio script con Python.
Hay muchas funciones de ráster de Python ya escritas y
publicadas
para que todos las usen, y son fáciles de descargar y usar en ArcGIS.
Y algunos de ellos son increíblemente geniales.
Por ejemplo: función de corrección topográfica
La función de corrección de C topográfica, escrita por
Gregory Brunner de la oficina de Servicios Regionales de St. Louis,
esencialmente elimina la sombra de las ortofotos. Como se puede imaginar, las
imágenes en áreas montañosas o regiones con terrenos escarpados pueden ser
difíciles de clasificar con precisión porque los pixeles pueden pertenecer a la
misma clase de cobertura terrestre, pero algunos caen en la sombra debido a las
diferentes pendientes y aspectos. Con la función de corrección topográfica,
puede obtener una mejor estimación de los valores de pixeles que de lo
contrario se verían afectados por la sombra. El resultado es una especie de
aplanamiento de la imagen, e implica algunas matemáticas bastante complejas.
¿Por qué debería importarte?
Bien, ahora sabes que hay un repositorio de funciones ráster
de Python. ¿Qué sigue?
- Explore las funciones que
pueda necesitar.
Algunas de las funciones en el repositorio fueron escritas con fines especializados y no están incluidas con la instalación de ArcGIS, como la función de corrección de C topográfica (arriba) o la función de Desmezclado espectral lineal [aportada por Jacob Wasilkowski, también de St. Louis Oficina Regional de Esri]. - Intenta escribir tu propia función
de trama de Python.
Mucho de lo que hay en el repositorio de GitHub ya está en la lista de funciones de ráster listas para usar, pero puede abrir los scripts de Python asociados con cada una, personalizarlos y guardarlos como nuevas funciones de ráster de Python. Esta puede ser una gran herramienta de aprendizaje para quienes son nuevos en el proceso. - Mira el repositorio para más
funciones.
Actualmente hay más de 40 funciones listadas, y continuamente estamos agregando más. - ¡Contribuir!
¿Ha escrito algo que pueda compartir con la comunidad en general? ¿Tiene ideas para funciones ráster? Agréguelo a la conversación en GeoNet.
Empezar
Para acceder fácilmente a todas las funciones de trama
de Python en el repositorio de GitHub, simplemente haga clic en el botón Clonar
o Descargar en la página de códigos
del repositorio, y elija descargar las funciones de trama como un
archivo ZIP.
Extraiga la carpeta zip en su disco, luego use este útil
Wiki para leer sobre el uso de las funciones de trama de Python en
ArcGIS Pro.
Para ver un tutorial de ejemplo sobre el uso de las
funciones de trama de Python, consulte
el blog sobre la función Aspecto-pendiente.
¡Disfrute explorando!
SOBRE JULIA
LENHARDT
Julia es ingeniera de producto en el equipo Ráster.
Ella ha estado con Esri desde 2014 y tiene experiencia en sensores remotos y SIG
para investigación ambiental. Además del análisis de imágenes, le apasiona la
música, la carrera, la buena comida y el bienestar animal.
Comentarios
Publicar un comentario