根据多个栅格数据计算每个像元的统计数据。

可用的统计数据有：众数、最大值、均值、中位数、最小值、少数、范围、标准差、总和及变异度。

插图

OutRas = CellStatistics([InRas1, InRas2, InRas3], “SUM”, “NODATA”, “SINGLE_BAND”)

使用方法

• 使用此工具时输入栅格的顺序不重要。

• 对于最大值、最小值、均值、中位数、众数、少数及总和统计数据类型，如果将单个栅格数据用作输入，则输出像元值将与输入像元值相同。对于范围和标准偏差，输出像元值将全部为 0。对于 Variety，它将是 1。

• 如果未选中以多波段方式处理参数（在 Python 中，process_as_multiband 设置为 SINGLE_BAND），则来自多波段栅格输入的每个波段都将分别作为单波段栅格进行处理，且输出将是单波段栅格。

  

  当作为 SINGLE_BAND 进行处理时，像元统计工具将创建单波段输出。

• 如果选中以多波段方式处理参数（在 Python 中，process_as_multiband 设定为 MULTI_BAND），每个多波段栅格输入都将被作为多波段栅格进行处理，而输出将是多波段栅格。如果输入是多波段栅格和常量的组合，则输出栅格也将是多波段。每个多波段输入中的波段数必须相同。

  该工具将使用另一个输入的相应波段对一个输入的每个波段执行操作。如果输入之一是多波段栅格，而另一个输入是常量，则该工具将使用多波段输入中每个波段的常量值执行操作。

  

  当作为 MULTI_BAND 进行处理时，像元统计工具将创建多波段输出。

语法

CellStatistics(in_rasters_or_constants, {statistics_type}, {ignore_nodata}, {process_as_multiband})

参数

返回值

代码示例

CellStatistics 示例 1（Python 窗口）

在本示例中，将针对多个输入 Grid 栅格中的每个像元计算标准差，并将结果输出为 IMG 栅格。

import arcpy
from arcpy import env
from arcpy.sa import *
env.workspace = "C:/sapyexamples/data"
outCellStats = CellStatistics(["degs", "negs", "cost"], "STD", "DATA")
outCellStats.save("C:/sapyexamples/output/outcellstats.img")

在自己使用的过程中发现需要将计算的影像放到同一个文件夹下，才能正确的运行程序，

# -*- coding: utf-8 -*-


import arcpy
from arcpy import env
from arcpy.sa import *
import os
import shutil


arcpy.CheckOutExtension("ImageAnalyst")  # 检查许可
arcpy.CheckOutExtension("spatial")  # 检查许可


def mean_tif(t, o_tif):
    arcpy.env.workspace = t
    Rasters = arcpy.ListRasters("*", 'tif')
    outCellStatistics = CellStatistics(Rasters, "MEAN")
    outCellStatistics.save(o_tif)


def del_file(path):
    paths = [os.path.join(path, file) for file in os.listdir(path)]
    for file in paths:
        os.remove(file)


def parse_tif(day, night, temporary_file, out):
    if not os.path.exists(temporary_file):
        os.makedirs(te)
    if not os.path.exists(out):
        os.makedirs(out)

    days = [os.path.join(day, name) for name in os.listdir(day)]
    nights = [os.path.join(night, name) for name in os.listdir(night)]
    outs = [os.path.join(out, name.replace('LST_Day_1km', 'mean')) for name in os.listdir(day)]

    for d_tif, n_tif, o_tif in zip(days, nights, outs):
        shutil.copy(d_tif, temporary_file)
        shutil.copy(n_tif, temporary_file)
        mean_tif(temporary_file, o_tif)
        print d_tif, n_tif
        del_file(temporary_file)

    shutil.rmtree(temporary_file)


if __name__ == "__main__":
    day = r'F:\CodeFile\d'
    night = r'F:\CodeFile\n'
    # 临时文件夹,如何不存在,会自动建立,程序运行完会自动删除
    te = r'F:\CodeFile\means'
    # 文件输出,如何不存在,会自动建立
    out_file = r'F:\CodeFile\mean'

    parse_tif(day, night, te, out_file)

参考

• 像元统计 (Spatial Analyst)