Bagaimana cara mereklasifikasi dataset tutupan lahan yang sangat besar?

Pertimbangkan dataset NLCD2001 Land Cover untuk Alaska ( tautan unduhan ). Saya perlu mengklasifikasi ulang dataset ini sehingga hanya piksel dengan nilai 41, 42, dan 43 yang dipertahankan; semua nilai piksel lainnya harus menjadi NoData (atau 0, jika perlu).

Ini sepertinya tugas yang sederhana, hanya membutuhkan satu panggilan ke alat Reklasifikasi. Sayangnya, setiap panggilan menghasilkan pesan kesalahan yang tidak jelas dan tidak membantu:

Executing: Reclassify "D:\ak_nlcd_2001_land_cover_3-13-08_se5.img" Value "0 40 0;41 41;42 42;43 43;44 255 0;NODATA 0" "D:\alaska_reclassified.tif" DATA 
Start Time: Thu Jan 03 09:23:13 2013
ERROR 999998: Unexpected Error.
Failed to execute (Reclassify).
Failed at Thu Jan 03 09:23:13 2013 (Elapsed Time: 0.00 seconds)

Bagaimana saya bisa melakukan klasifikasi ulang dataset raster ini? Saya menggunakan ArcCatalog 10.0, Build 4000, dengan ekstensi Spatial Analyst diaktifkan.

Skrip terlampir pertama berhasil mereklasifikasi data AK NLCD Anda dalam waktu sekitar 15 menit (i7, mesin RAM 12GB). Karena set data asli hampir 7GB Anda mungkin mengalami masalah memori. Jika Anda tidak dapat memproses seluruh dataset dalam satu chunk, coba pisahkan dengan skrip kedua sebelum klasifikasi ulang. Rekomendasi saya adalah untuk mengambil sebagian kecil dari data (Klik kanan layer raster di TOC> Data> Ekspor Data> Extent (Data Frame) dan uji skrip pertama. Setelah Anda memanggil parameter untuk perintah reklasifikasi, kemudian bergerak menuju klasifikasi ulang seluruh dataset atau membaginya. Atau, coba unduh produk 64 bit Background Geoprocessing untuk ArcGIS 10.1 SP1, tersedia di sini . Semoga beruntung.

Skrip 1

# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *

# Overwrite output
env.overwriteOutput = 1

# Set environment settings
env.workspace = r'C:\temp'
Dir = env.workspace

# Set local variables
inRaster = Dir + "\\" + "nlcd_subset.img"
reclassField = "Value"
remap = RemapValue([[0, 40, 0], [41, 41],[42,42], [43,43], [44, 256, 0]])

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")

# Execute Reclassify
outReclassify = Reclassify(inRaster, reclassField, remap, "NODATA")

# Save the output 
outReclassify.save(r"C:\temp\nlcd_test.img")

Sunting : Jika Anda perlu membagi data Anda sebelum diproses, skrip ini akan membantu:

Skrip 2

# Import system modules
import arcpy
from arcpy import env
from arcpy.sa import *

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")

# Overwrite output
env.overwriteOutput = 1

# Set environment settings
env.workspace = r'C:\temp'
Dir = env.workspace

# Set local variables
inRaster = Dir + "\\" "nlcd" + "\\" + "nlcd_ak.img"
outFolder = Dir
reclassField = "Value"
remap = RemapValue([[0, 40, 0], [41, 41],[42,42], [43,43], [44, 256, 0]])

# Split Rasters
# Equally split a large TIFF image by number of images
arcpy.SplitRaster_management(inRaster, outFolder, "split", "NUMBER_OF_TILES", "#",
                             "NEAREST", "2 2", "#", "4", "PIXELS",\
                             "#", "#")

# List rasters for processing
rasters = arcpy.ListRasters()


for ras in rasters:
    print "processing..." + ras

    # Define new name
    name = "class_" + ras  

    # Execute Reclassify
    outReclassify = Reclassify(ras, reclassField, remap, "NODATA")

    # Save the output 
    outReclassify.save(Dir + "\\" + name)

whuber membuat komentar mengenai penggunaan alat logis untuk mengekspresikan reklasifikasi ini . Setelah menggali sedikit, saya menemukan InList , sebagai bagian dari perangkat Logical Math dari Spatial Analyst, memenuhi kebutuhan saya.

import arcpy

# Check out the ArcGIS Spatial Analyst extension license
arcpy.CheckOutExtension("Spatial")
from arcpy.sa import InList

# Pixel values of interest, named according to Table 2 of
#  http://landcover.usgs.gov/pdf/anderson.pdf
DECIDUOUS_FOREST = 41
EVERGREEN_FOREST = 42
MIXED_FOREST = 43

inRaster = r'D:\AK_NLCD_2001_land_cover_3-13-08\ak_nlcd_2001_land_cover_3-13-08_se5.img'
accepted_raster_values = [DECIDUOUS_FOREST, EVERGREEN_FOREST, MIXED_FOREST]
filteredAlaska = InList(inRaster, accepted_raster_values)
filteredAlaska.save(r'C:\alaska\ak_woods')

Sejauh ini solusi sederhana yang dapat saya temukan, mengeksekusi tercepat, dan tidak memerlukan pertimbangan untuk memasang dataset asli. Tidak perlu mempertimbangkan RAM mesin yang tersedia, karena alat ini akan membaca langsung dari disk dan menyimpan hasilnya segera kembali pada disk.

Saya telah menggunakan dataset yang disebutkan dalam posting asli dengan versi arcmap 10.4 dev. Reklasifikasi gagal ketika raster keluaran adalah kisi, karena jumlah sel yang direklasifikasi melebihi apa yang dapat disimpan dalam bidang COUNT dari PPN kisi. Ketika output raster adalah fgdb, itu dieksekusi dengan sukses bagi saya dalam waktu sekitar 11 menit pada mesin 4 core yang lebih tua yang menjalankan Windows 8. Format raster non-grid harus bekerja karena mereka menggunakan nilai mengambang presisi ganda untuk bidang hitung. Saya berharap Anda harus mendapatkan perilaku yang sama dengan versi yang dirilis 10.2 atau 10.3. Kami akan menyelidiki menggunakan format raster yang berbeda untuk output default untuk Reklasifikasi.