用ArcGIS模型构建器生成、导出Python转换空间坐标系的代码

本文介绍在ArcMap 软件中,通过创建模型构建器ModelBuilder ),导出地理坐标系投影坐标系 之间相互转换Python代码的方法。

GIS 领域中,矢量、栅格图层的投影转换是一个经常遇见的问题;而由于地理坐标系与投影坐标系各自都分别具有很多不同的种类,且二者之间相互转换涉及到很多复杂的参数,因此对于非专业的GIS二次开发从业者来说,这一转换很难用自己编写的代码来实现。那么,我们有没有什么比较快捷的方法,可以获取从某一坐标系转换为另一坐标系的代码呢?

这样的需求,可以在ArcMap 软件中得到较为便捷的实现。例如,我们现在有一个北京市边界矢量数据北京边界.shp,其没有经过投影,地理坐标系为GCS_WGS_1984;而我们的需求是,想获取一个代码,这个代码可以对这一矢量数据进行投影,投影为WGS 1984 UTM Zone 50N坐标系。

话不多说,我们直接开始操作。

首先,我们需要完整地按照博客ArcGIS模型构建器ModelBuilder的使用方法中提及的方法,建立如下的一个模型。

接下来,在模型构建器窗口中选择"Export "→"To Python Script ",将模型导出为Python脚本。

随后,打开我们刚刚导出的Python脚本,就可以看到具体的代码。

具体代码为:

python 复制代码
# -*- coding: utf-8 -*-
# ---------------------------------------------------------------------------
# p.py
# Created on: 2022-03-08 21:13:42.00000
#   (generated by ArcGIS/ModelBuilder)
# Description: 
# Used to convert the Beijing boundary data with the geographic coordinate system into a projected coordinate system (UTM-50).
# ---------------------------------------------------------------------------

# Import arcpy module
import arcpy

# Local variables:
北京边界_shp = "G:\\Python_Home2\\arcpy大作业\\北京边界.shp"
BeijingBoundaryPro = "G:\\Python_Home2\\Data\\BeijingBoundaryPro"

# Process: Project
arcpy.Project_management(北京边界_shp, BeijingBoundaryPro, "PROJCS['WGS_1984_UTM_Zone_50N',GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]],PROJECTION['Transverse_Mercator'],PARAMETER['False_Easting',500000.0],PARAMETER['False_Northing',0.0],PARAMETER['Central_Meridian',117.0],PARAMETER['Scale_Factor',0.9996],PARAMETER['Latitude_Of_Origin',0.0],UNIT['Meter',1.0]]", "", "GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]]", "NO_PRESERVE_SHAPE", "", "NO_VERTICAL")

不难看到,导出代码中的关键部分------arcpy.Project_management()函数涉及到非常多的参数;由此可以再一次验证,如果我们想手动写出地理坐标系与投影坐标系之间的转换代码,可以说是非常困难的。

那么,我们导出了代码,可以怎么应用呢?我们就继续以刚刚导出的这一代码为例进行进一步的操作------比如,对上述代码中的两个参数稍加以修改,并在最开始的部分添加一个新的参数,如下所示:

python 复制代码
# -*- coding: utf-8 -*-
# @author: ChuTianjia

import arcpy

arcpy.env.workspace=arcpy.GetParameterAsText(0)
original_shp=arcpy.GetParameterAsText(1)
projected_shp=arcpy.GetParameterAsText(2)

arcpy.Project_management(original_shp,projected_shp,\
                         "PROJCS['WGS_1984_UTM_Zone_50N',\
GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],\
PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]],PROJECTION['Transverse_Mercator'],\
PARAMETER['False_Easting',500000.0],PARAMETER['False_Northing',0.0],PARAMETER['Central_Meridian',117.0],\
PARAMETER['Scale_Factor',0.9996],PARAMETER['Latitude_Of_Origin',0.0],UNIT['Meter',1.0]]",\
                         "", "GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],\
PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]]", "NO_PRESERVE_SHAPE", "", "NO_VERTICAL")

其中,arcpy.env.workspace代表当前工作空间,original_shp代表投影前的文件,在本文的例子中就是北京市边界数量数据文件,projected_shp代表投影后的文件,在本文中就是投影后北京市边界矢量数据的具体文件。通过这样的修改,就可以使用该代码,对任意一个原本地理坐标系为GCS_WGS_1984的图层进行投影,且投影坐标系为WGS 1984 UTM Zone 50N

在这里还有一点需要注意,由于编写代码时,希望代码后期可以在ArcMap 中直接通过工具箱运行,即用到Python程序脚本新建工具箱与自定义工具 的方法;因此,代码中对于一些需要初始定义的变量,都用到了arcpy.GetParameterAsText()函数。大家如果只是希望在IDLE 中运行代码,那么直接对这些变量进行具体赋值即可。关于Python程序脚本新建工具箱与自定义工具 ,大家可以查看ArcMap将Python写的代码转为工具箱与自定义工具详细了解。

相关推荐
UR的出不克8 小时前
【Python实战】基于Flask+TensorFlow的网易云音乐数据分析系统:从数据爬取到情感分析的全流程实现
python·flask·tensorflow
涅小槃8 小时前
Carla仿真学习笔记(版本0.9.16)
开发语言·python·ros·carla
witAI8 小时前
2025动漫剧本创作工具推荐,助力逆袭重生动态漫
python·量子计算
wujialaoer8 小时前
常用软件阿里源地址
开发语言·python
Ro Jace8 小时前
A Real-Time Cross Correlator for Neurophysiological Research
人工智能·python·算法
还不秃顶的计科生8 小时前
查看linux服务器中某文件夹占用空间大小
服务器·python
T_Fire_of_Square8 小时前
crewai的进一步工具扩展
python·github
xa138508698 小时前
ARCGIS PRO SDK 利用几何对象集合创建多行注记
arcgis
喵手8 小时前
Python爬虫零基础入门【第三章:Requests 静态爬取入门·第3节】稳定性第一课:超时、重试、退避(指数退避)!
爬虫·python·python爬虫实战·python爬虫工程化实战·python爬虫零基础入门·requests静态爬取·超时、重试、退避
啊阿狸不会拉杆8 小时前
《机器学习》第 7 章 - 神经网络与深度学习
人工智能·python·深度学习·神经网络·机器学习·ai·ml