Python语言在地理空间数据处理中的应用

郑辉

（河南大学民生学院，河南 开封 475004）

ZHENG Hui

(Henan University Minsheng College,Kaifeng475004,China)

1 引言

Python语言诞生于20世纪80年代末，它是一种简单易学，功能强大的编程语言；还是一种开源、免费软件，用户在使用时不用担心版权问题；它有高效率的高层数据结构，简单而有效地实现面向对象编程。Python简洁的语法和对动态输入的支持，再加上解释性语言的本质，使得它在大多数平台上的许多领域都是一个理想的脚本语言，并用在不同的领域[1]。

随着大数据时代的到来，生活信息化程度越来越高，许多传统的信息处理方式已经远远满足不了当代人的需求。特别是在地学领域的研究中，地理空间数据的处理经常需要借助相应的软件或者工具。在大量的地理数据中，地理空间数据较其他矢量数据更具有丰富的空间属性信息，将其不同数据通过裁切、融合、叠加以及其他复杂手段后会得到包含更多空间信息的地理数据。但在正常的操作过程中，一般借助ArcGIS软件对地理空间数据进行简单的重复性操作，复杂性的数据处理通常是借助构造函数或相应软件进行的，这样机械性的操作不仅会大大影响数据的处理过程，另外，在重复性操作的过程中不可避免引进的数据误差也会大幅度增加，极大地影响了工作效率和数据处理的灵活性与易用性[2]。

Python语言自被ArcGIS 9.0引入应用以来，凭借着批量处理、操作简单、入门快、效率高、可跨平台且植入性高、稳定成熟等众多优点迅速跻身于地理空间数据处理中，为其工作提供了无限的便利。目前，ESRI公司已完全将Python纳入ArcGIS中，并将其视为可满足用户需求的语言，再加上Python是免费使用的，因此Python软件所面对的用户面十分宽广，若合理使用则会节省大量数据处理时间，提高工作效率[3]。本文主要通过将重复性操作的数据处理与Python批处理进行对照，对人们的生产生活具有一定的现实意义。

2 地理空间数据处理方法

地理空间数据处理是在一定的要求下，借助ArcGIS软件将不同的地理数据按其空间关系进行相应的几何操作，最终使得处理后的结果在其属性表上显示相应的信息，以此达到具体实践的目的。而对于多量重复性质的空间数据处理方法，常用的有以下三种方式：针对实际需求，通过ArcToolbox中的数百个处理工具进行处理；借助ArcGIS软件中自带的批处理Batch工具进行处理；借助Python脚本语言对数据进行具体实现。

①ArcToolbox处理。ArcGIS软件提供一系列地理数据处理的方法，并将其集成于一套工具箱之中，可以根据具体的应用利用ArcToolbox简单的可视化引导界面完成项目任务。

②Batch批处理。虽然ArcToolbox提供了几百个灵活领用的工具，但其每次只能处理一个数据。如果几十个数据，则需要重复工作。而工具中的批量处理(Batch)可以实现多个数据到几十个数据的批量处理，可以通过添加多个数据完成项目任务。

③Python批处理。Batch批处理功能虽能解决多数据的问题，但处理多数据时需要手动加入几十个数据，并需要对输出文件进行命名。这样对成千上万，甚至几十百万个地理数据操作，Batch功能依然无法满足，而Python灵活的脚本语言可以很好地解决这些难题。

3 地理空间数据实例处理

本实例以实际测量土地范围为例，项目中野外测量获取不同地块的特征点位。而用户需要获取地块的长度（线图层）和面积（面图层）信息，如图1所示，图中黑色三角点为野外实际测量的关键点。

图1 地理空间数据（点、线、面）

案例中使用ArcGIS中的Toolbox与python语言进行对点图层转换成线图层进行比较分析。Python在执行时，首先会将.py文件中的源代码编译成Python的byte code（字节码），然后再由Python Virtual Machine（Python虚拟机）来执行这些编译好的byte code。Python的Virtual Machine是一种更高级的Virtual Machine。与 Java或.NET相比，Python的 Virtual Machine距离真实机器的距离更远。或者可以这么说，Python的Virtual Machine是一种抽象层次更高的Virtual Machine。实验结果显示随着数据量的不断增加及人员疲惫的出现，通过ArcGIS中的Toolbox单个处理数据的时间会呈现指数趋势的增长，而通过Python脚本语言与Toolbox单个处理相比较，随着数据的增加其节省时间越来越多。

4 结语

研究中利用Python语言处理大量的地理空间数据的转换，通过编写脚本程序可以极大地提高地理空间数据的处理速度，简化手工操作的步骤，对于大批量流程作业将大幅提高工作效率。案例中仅对比分析简单的点图层转换成线图层的时效性，今后将进一步研究面的转换及叠加分析等复杂的分析，进一步探讨Python语言在地理空间数据处理中的优越性、时效性。

同时，通过该案例实验更进一步证明Python语言也很容易学习，非常适合作为非计算机相关专业的计算机程序设计入门语言，特别是对需要处理大量地理空间数据的地理学相关专业。开设Python语言课程，可以作为一种用于学校教学辅助软件的开发工具，提高工作效率。