結果示意圖：

GlobeLand30是30米空間分辨率全球地表覆蓋數據，目前可供下載的有3年的數據：2000-2010-2020。本文主要講解在ArcGIS10.6平臺下進行GlobeLand30的預處理操作，主要預處理步驟包括：批量分幅投影轉換、批量分幅無效值處理、批量圖幅拼接和數據集掩膜提取。

---

一、GlobeLand30 ArcGIS批處理完整流程

GlobeLand30的預處理步驟主要有：批量分幅投影轉換、批量分幅無效值處理、批量圖幅拼接和數據集掩膜提取。

1. 批量投影轉換

由于原數據集使用的是6°帶UTM投影，圖幅從43-53跨了11個帶，因此需要先對所有的圖幅進行投影轉換，然后進行后續操作。為了便于精確計算面積，本文將其轉換為Albers等積投影，地理坐標系為WGS1984。

Python源代碼：

由于原始數據集分幅是保存在不同的文件夾，因此第一步批量投影變換需要遍歷根目錄下的所有文件夾，過程稍微有些復雜，從第二步開始，將所有的處理結果保存在一個文件夾內，減少了代碼量。

arcpy.ProjectRaster_management(raster,out, "PROJCS['MyAlbers',GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]],PROJECTION['Albers'],PARAMETER['False_Easting',0.0],PARAMETER['False_Northing',0.0],PARAMETER['central_meridian',105.0],PARAMETER['Standard_Parallel_1',25.0],PARAMETER['Standard_Parallel_2',47.0],PARAMETER['latitude_of_origin',0.0],UNIT['Meter',1.0]]", "NEAREST", cellsize , "", "", "GEOGCS['GCS_WGS_1984',DATUM['D_WGS_1984',SPHEROID['WGS_1984',6378137.0,298.257223563]],PRIMEM['Greenwich',0.0],UNIT['Degree',0.0174532925199433]]")n=n+1print str(n)+" rasters are processed !!!"

查看投影坐標系：

2. 批量處理無效值

第一步投影結束后，影像的黑邊依然存在，這將影像后面的拼接處理結果，黑邊對應的像元值為0，只需要將其設置為NoData即可，對應的工具是柵格計算器中的SetNull函數，我們繼續使用Python批處理。

Python源碼：

 
for inRaster in inRasters:outRaster=outpath+inRaster##print outRasterprint "Processing "+inRaster +" ......"outSetNull = SetNull(inRaster,inRaster,WhereClause)outSetNull.save(outRaster)n=n+1
print str(n)+" rasters are processed!"

處理過程：

處理結果：

3. 批量圖幅拼接

在ArcGIS中拼接柵格圖幅有兩個工具：【鑲嵌】和【鑲嵌至新柵格】，當然了需要手動添加數據，好在我們的數據在同一個文件夾下，可以直接全選拖動，當然了，也可以寫Python代碼來完成。

方法一：使用【鑲嵌至新柵格】工具

方法二：Python代碼

arcpy.MosaicToNewRaster_management(str, outPath, outName, "", "8_BIT_UNSIGNED", "", "1", "LAST", "FIRST")

處理過程：

需要注意的是，原始數據集是tif格式，且每個圖幅都是有金字塔的，加載和顯示速度都比較快，但是SetNull后會丟失金字塔，加載速度很慢。

4. 添加分類字段并賦值

打開屬性表，添加一個文本型字段type，打開編輯器，輸入分類名稱并保存。

5. 掩膜提取

使用【按掩膜提取】工具，按研究區范圍進行提取。

配色參考值：

注意：拼接后的數據集是有金字塔的，但是使用【按掩膜提取】工具后又會丟失金字塔，必須重新構建金字塔，否則加載速度異常慢。

二、GlobeLand30成品數據下載

請私信作者。