Как реклассифицировать очень большой набор данных о земном покрове?

Рассмотрим набор данных NLCD2001 Land Cover для Аляски ( ссылка для скачивания ). Мне нужно переклассифицировать этот набор данных, чтобы сохранить только пиксели со значениями 41, 42 и 43; все остальные значения пикселей должны стать NoData (или 0, если необходимо).

Это кажется простой задачей, требующей всего одного вызова инструмента переклассификации. К сожалению, каждый вызов приводит к неопределенному и бесполезному сообщению об ошибке:

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)

Как я могу реклассифицировать этот набор растровых данных? Я использую ArcCatalog 10.0, Build 4000, с включенным расширением Spatial Analyst.

Первый прикрепленный скрипт успешно переклассифицировал ваши данные AK NLCD примерно за 15 минут (i7, 12 ГБ ОЗУ). Поскольку исходный набор данных составляет почти 7 ГБ, вы можете столкнуться с проблемами с памятью. Если вы не можете обработать весь набор данных в одном фрагменте, попробуйте разделить его со вторым сценарием до переклассификации. Я рекомендую взять небольшое подмножество данных (щелкните растровый слой правой кнопкой мыши в TOC> Данные> Экспорт данных> Экстент (фрейм данных) и протестируйте первый сценарий. Как только вы наберете параметры для команды переклассификации, затем перейдите к переклассификации весь набор данных или его разделение. Или попробуйте загрузить 64-битный продукт фоновой геообработки для ArcGIS 10.1 SP1, доступный здесь . Удачи.

Сценарий 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")

Изменить : Если вам нужно разделить ваши данные перед обработкой, этот скрипт должен помочь:

Сценарий 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 прокомментировал использование логических инструментов для выражения этой реклассификации . Немного покопавшись , я обнаружил, что InList , как часть набора инструментов логической математики Spatial Analyst, удовлетворяет мои потребности.

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')

На сегодняшний день это самое простое решение, которое я смог найти, оно работает быстрее всего и не требует учета листов исходного набора данных. Нет необходимости учитывать доступную оперативную память машины, поскольку этот инструмент будет считывать данные прямо с диска и сохранять результаты прямо на диске.

Я использовал набор данных, упомянутый в исходном сообщении, с версией arcmap 10.4 dev. Переклассификация завершается неудачно, когда выходной растр является сеткой, поскольку количество переклассифицированных ячеек выходит за пределы того, что может быть сохранено в поле COUNT НДС сетки. Когда выходной растр представляет собой fgdb, он успешно выполняется для меня примерно за 11 минут на старом 4-ядерном компьютере под управлением Windows 8. Неформатные растровые форматы должны работать, так как они используют плавающие значения двойной точности для поля счетчика. Я ожидаю, что вы должны получить то же поведение с 10.2 или 10.3 выпущенными версиями. Мы рассмотрим использование другого растрового формата для вывода по умолчанию для Reclassify.