Merge

摘要

通过在空间上或跨维度合并栅格列表来创建栅格对象。

说明

使用 Merge 函数可在空间上、跨变量或跨维度合并多个栅格数据集。

该函数可根据已合并的数据集创建栅格对象。

如果输入栅格不是多维的，则这些栅格将在空间上合并。如果输入栅格是多维栅格且包含不同的变量，则该函数将返回包含所有变量的多维栅格对象。如果输入栅格是多维栅格且包含不同的维度值，则该函数将返回包含所有维度值的多维栅格对象。

语法

Merge (rasters, {resolve_overlap})

参数	说明	数据类型
rasters [rasters,...]	The list of input rasters.	Raster
resolve_overlap	在空间或维度上合并栅格时用于处理重叠像素的方法。 FIRST—像素值将由最先出现在栅格列表中的栅格确定。这是默认设置。 LAST—像素值将由最后出现在栅格列表中的栅格确定。 MIN—像素值将由重叠栅格中的最低像素值确定。 MAX—像素值将由重叠栅格中的最高像素值确定。 MEAN—像素值将由重叠像素值的平均值确定。 SUM—像素值将由重叠像素值的总和确定。 (默认值为 FIRST)	String

返回值

数据类型	说明
Raster	输出已合并栅格对象。

代码示例

Merge 示例 1

将 3 个土地覆被栅格数据集在空间上合并为一个栅格。

import arcpy
from arcpy.ia import *


# Set input rasters
in_raster1 = arcpy.Raster("Canada_landcover.tif")
in_raster2 = arcpy.Raster("USA_landcover.tif")
in_raster3 = arcpy.Raster("Mexico_landcover.tif")

# Merge the three rasters
NorthAmericaLC = arcpy.ia.Merge([in_raster1, in_raster2, in_raster3], "FIRST")
NorthAmericaLC.save("NorthAmerica_landcover.tif")

Merge 示例 2

将具有不同变量的两个多维栅格数据集合并为包含两个变量的一个多维栅格。

import arcpy
from arcpy.ia import *


# Set input multidimensional rasters
# multidim_1 contains a precipitation variable, measured daily in 2018
# multidim_2 contains a temperature variable, measured daily in 2018
multidim_1 = arcpy.Raster("prcp_daily_2018.nc", True)
multidim_2 = arcpy.Raster("temp_daily_2018.nc", True)

# Merge the two multidimensional rasters
multidim_precip_temp = arcpy.ia.Merge([multidim_1, multidim_2])

# The result contains both daily variables for the year 2018
multidim_precip_temp.save("prcp_and_temp_2018.crf")

Merge 示例 3

将具有不同维度值的两个多维栅格数据集合并为包含两年数据的一个多维栅格。

import arcpy
from arcpy.ia import *


# Set input multidimensional rasters
# multidim_1 contains a precipitation variable, measured daily in 2017
# multidim_2 contains a temperature variable, measured daily in 2018
multidim_1 = arcpy.Raster("precip_daily_2017.nc", True)
multidim_2 = arcpy.Raster("precip_daily_2018.nc", True)

# Merge the two multidimensional rasters
multidim_precip_17_18 = arcpy.ia.Merge([multidim_1, multidim_2])

# The result contains precipitation variables for the years 2017 and 2018
multidim_precip_17_18.save("prcp_2017_and_2018.crf")