ArcGIS Pro实战：5分钟搞定气象站点TXT坐标转面Shapefile（附Python脚本）

ArcGIS Pro实战：5分钟搞定气象站点TXT坐标转面Shapefile（附Python脚本）

气象数据是地理信息系统（GIS）分析中的重要组成部分。在实际工作中，我们经常需要处理来自不同气象站点的坐标数据，这些数据通常以TXT文本格式存储。本文将详细介绍如何利用ArcGIS Pro和Python脚本，快速将这些TXT坐标数据转换为面状Shapefile格式，为后续的空间分析奠定基础。

1. 准备工作与环境配置

在开始转换之前，我们需要确保工作环境配置正确。首先，确认已安装ArcGIS Pro软件（建议2.8或更高版本）和Python环境（ArcGIS Pro自带）。打开ArcGIS Pro后，创建一个新项目，建议命名为"气象数据处理"以便管理。

对于Python环境，ArcGIS Pro内置了arcpy模块，这是我们处理空间数据的关键工具。可以通过以下步骤验证arcpy是否可用：

import arcpy print(arcpy.GetInstallInfo()['Version'])

如果运行正常，将输出当前ArcGIS Pro的版本信息。此外，建议安装pandas库用于数据预处理：

conda install pandas -c conda-forge

准备气象站点数据时，TXT文件应遵循以下格式规范：

• 每行代表一个气象站点的坐标信息
• 字段间使用英文逗号分隔
• 建议包含站点ID、左下角坐标(Xmin,Ymin)和右上角坐标(Xmax,Ymax)

注意：中文逗号或制表符分隔会导致脚本运行失败，务必检查数据格式

2. 数据预处理与质量检查

原始气象数据往往存在各种问题，直接转换可能导致错误。我们需要先进行数据预处理：

常见数据问题及解决方法：

1. 分隔符问题：将中文逗号替换为英文逗号
2. 坐标格式不一致：统一使用十进制度数表示
3. 缺失值处理：删除或标记缺失坐标的记录
4. 坐标顺序错误：确保X(经度)在前，Y(纬度)在后

使用Python进行数据预处理的示例代码：

import pandas as pd def preprocess_txt(input_file, output_file): # 读取原始数据 df = pd.read_csv(input_file, header=None, encoding='utf-8') # 替换中文逗号为英文逗号 df = df.apply(lambda x: x.str.replace('，', ',')) # 去除前后空格 df = df.apply(lambda x: x.str.strip()) # 保存处理后的数据 df.to_csv(output_file, index=False, header=False) print(f"数据预处理完成，已保存到{output_file}") # 使用示例 preprocess_txt('raw_data.txt', 'processed_data.txt')

数据质量检查要点：

• 坐标值是否在合理范围内（经度-180~180，纬度-90~90）
• 是否有重复的站点ID
• 坐标点是否构成有效的矩形区域

3. 核心转换脚本解析

下面是我们开发的核心转换脚本，可将预处理后的TXT数据转换为面状Shapefile：

# -*- coding: utf-8 -*- import os import arcpy from arcpy import env def txt_to_polygon(txt_path, output_folder, shp_name, spatial_ref=4326): """ 将TXT坐标数据转换为面状Shapefile 参数: txt_path: 输入TXT文件路径 output_folder: 输出文件夹路径 shp_name: 输出的Shapefile名称 spatial_ref: 空间参考系，默认为WGS84(4326) """ try: # 设置工作空间 env.workspace = output_folder env.overwriteOutput = True # 创建面状要素类 output_shp = os.path.join(output_folder, shp_name) arcpy.CreateFeatureclass_management( output_folder, shp_name, "POLYGON", spatial_reference=arcpy.SpatialReference(spatial_ref) ) # 添加属性字段 field_list = [ ("StationID", "TEXT"), # 气象站ID ("MinX", "DOUBLE"), # 最小经度 ("MinY", "DOUBLE"), # 最小纬度 ("MaxX", "DOUBLE"), # 最大经度 ("MaxY", "DOUBLE") # 最大纬度 ] for field_name, field_type in field_list: arcpy.AddField_management(output_shp, field_name, field_type) # 使用插入游标添加要素 with arcpy.da.InsertCursor(output_shp, ["SHAPE@"] + [f[0] for f in field_list]) as cursor: with open(txt_path, 'r') as f: for line in f: if not line.strip(): continue parts = line.strip().split(',') if len(parts) < 5: continue station_id = parts[0] min_x, min_y, max_x, max_y = map(float, parts[1:5]) # 创建多边形几何 array = arcpy.Array([ arcpy.Point(min_x, min_y), arcpy.Point(max_x, min_y), arcpy.Point(max_x, max_y), arcpy.Point(min_x, max_y) ]) polygon = arcpy.Polygon(array) # 插入新要素 cursor.insertRow([polygon, station_id, min_x, min_y, max_x, max_y]) print(f"转换成功！输出文件: {output_shp}") return output_shp except Exception as e: print(f"转换过程中发生错误: {str(e)}") return None # 使用示例 if __name__ == "__main__": txt_to_polygon( txt_path="C:/Data/weather_stations.txt", output_folder="C:/Data/Output", shp_name="WeatherStations.shp" )

脚本关键功能解析：

1. 要素类创建：使用CreateFeatureclass_management创建面状要素类
2. 空间参考设置：默认使用WGS84坐标系(4326)，可根据需要修改
3. 属性字段设计：包含站点ID和四至坐标信息
4. 几何构建：通过四个角点构建矩形多边形
5. 批量插入：使用插入游标高效添加多个要素

提示：对于大量气象站点数据，建议分批处理以避免内存问题

4. 常见问题与高级技巧

在实际应用中，可能会遇到各种问题。以下是常见问题及解决方案：

问题排查表：

高级应用技巧：

1. 批量处理多个文件：修改脚本使其能处理文件夹下所有TXT文件

import glob def batch_convert(input_folder, output_folder): for txt_file in glob.glob(os.path.join(input_folder, "*.txt")): shp_name = os.path.basename(txt_file).replace(".txt", ".shp") txt_to_polygon(txt_file, output_folder, shp_name)

2. 添加自定义属性：扩展脚本以包含更多气象数据字段

# 在field_list中添加更多字段 field_list.extend([ ("Elevation", "DOUBLE"), # 海拔高度 ("TempAvg", "DOUBLE"), # 平均温度 ("Rainfall", "DOUBLE") # 降雨量 ])

3. 坐标系统转换：将结果从WGS84转换为其他投影坐标系

# 在转换后添加投影变换步骤 output_projected = shp_name.replace(".shp", "_projected.shp") arcpy.Project_management( output_shp, output_projected, arcpy.SpatialReference(3857) # Web墨卡托 )

4. 质量控制可视化：生成简单的数据质量报告

def quality_report(shp_path): desc = arcpy.Describe(shp_path) count = arcpy.GetCount_management(shp_path)[0] print(f"\n数据质量报告 - {os.path.basename(shp_path)}") print(f"要素数量: {count}") print(f"几何类型: {desc.shapeType}") print(f"空间参考: {desc.spatialReference.name}") # 检查坐标范围 with arcpy.da.SearchCursor(shp_path, ["MinX", "MinY", "MaxX", "MaxY"]) as cursor: for row in cursor: print(f"坐标范围检查: X({row[0]}~{row[2]}), Y({row[1]}~{row[3]})")

5. 结果验证与应用场景

转换完成后，我们需要验证结果是否正确。在ArcGIS Pro中加载生成的Shapefile，进行以下检查：

1. 视觉检查：确认气象站点位置分布合理
2. 属性表检查：验证字段值和坐标范围
3. 空间关系检查：确保没有重叠或空白的区域

气象站点数据的典型应用场景：

• 空间插值分析：基于站点数据生成温度、降水等连续表面
• 区域统计：计算特定区域内的气象指标平均值
• 时空分析：研究气象要素的空间分布和时间变化规律
• 灾害评估：结合其他地理数据评估气象灾害影响范围

性能优化建议：

对于大规模气象数据集（如全国或全球站点），考虑以下优化措施：

1. 使用文件地理数据库(.gdb)替代Shapefile，提高性能
2. 对数据进行分区处理（如按省或气候区分区）
3. 建立空间索引加速查询
4. 使用多进程并行处理

import multiprocessing def parallel_convert(txt_files, output_folder): pool = multiprocessing.Pool(processes=4) results = [] for txt_file in txt_files: shp_name = os.path.basename(txt_file).replace(".txt", ".shp") results.append( pool.apply_async( txt_to_polygon, (txt_file, output_folder, shp_name) ) ) pool.close() pool.join() return [r.get() for r in results]

在实际项目中，这种TXT到Shapefile的转换往往是数据处理流程的第一步。掌握了这项技能，可以大大提高气象数据处理的效率，为后续的深度分析节省大量时间。