arcigs js api 查询,使用group by 和sum 等聚合函数的使用

本文介绍如何使用ArcGIS JSAPI 3.17版本通过分组查询和聚合函数来统计地图服务器中不同地块肥沃度的面积,以实现快速的数据统计并生成饼状图展示。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.业务场景: (这里使用的arcgis js api 版本是 3.17版本)

 最近使用arcgis js api 的时候,有这样一种需求,需要统计map server中 不同地块肥沃度好坏的 面积各有多少,用来做饼状图,比如:

好地:100亩

中等:50亩

差地:30亩

2.解决方法:

方法1:刚开始,采用的是,根据不同的肥沃度,分别去查询,但是如果肥沃度 有几个数据,那么 就要查询几次数据,而且要分别把查出来的数据的面积进行相加,从而实现功能,但是后面发现这样太慢了。然后就查阅官方arcgis  js api,发现有 分组查询 ,和聚合函数的使用。下面就使用arcgis js api 提供的方法进行实现。

方法2:分析下,就不难,看出地块的肥沃程度,需要使用group by 来进行分组查询,然后对于面积 可以使用 sum 来进行聚合。

测试发现,要使用group by 必须指定 query.outStatistics = [ statDef ];  (statDef 是一个 StatisticDefinition对象,就是统计定义对象,这里官方文档中也有提到),这就是使用的前提。 下面是代码,其实很简单,相比第一种方法简单多了。

queryTask = new esri.tasks.QueryTask(countiesUrl);
        query = new esri.tasks.Query();
        query.outFields = outFields;
        statDef = new esri.tasks.StatisticDefinition();
        statDef.statisticType = "sum";
        statDef.onStatisticField = "MJ";
        statDef.outStatisticName = "MJ";
		
        query.returnGeometry = false;
        query.where = "1=1";
        query.outStatistics = [ statDef ];
		query.groupByFieldsForStatistics = ["GLCS"];
        queryTask.execute(query, handleQueryResult, errorHandler);

1. new queryTask 对象

2.new query 对象

3.new statisticDefiniton 对象

4.设置query的outStatistics属性为 statistic Definiton ,然后定义query的 group by 字段 ,即可 

这样 查询出来的结果 就会有类似这样的数据[glcs:好地,mj:50亩,glcs:中等,mj:30亩。。。。。。。。。。],

目前我发现的就是这种方法。如有其他,请指正。

3.总结:

其实就是仔细看api,多测试,就有结果了

ArcGIS中处理栅格数据中的缺失值(NoData)是常见的需求,特别是在处理数字高程模型(DEM)、遥感影像或其他空间连续性数据时。以下是几种常用的工具方法: ### 使用 **焦点统计** 工具(Focal Statistics) 该工具通过定义一个邻域窗口(如矩形、圆形或环形),对每个像元及其周围邻域的像元进行统计计算,例如平均值(MEAN)、最大值(MAXIMUM)等。这种方法可以用于填补缺失值,也可以用于平滑或增强图像特征。 - 路径:`ArcToolbox > Spatial Analyst Tools > Neighborhood > Focal Statistics` - 输入参数: - 输入栅格:选择包含缺失值的栅格数据。 - 邻域类型:可选择 `Rectangle`(矩形)、`Circle`(圆形)或 `Wedge`(楔形)等。 - 统计类型:可以选择 `MEAN`(平均值)、`MAXIMUM`(最大值)、`MINIMUM`(最小值)等。 ### 使用 **栅格计算器**(Raster Calculator) 栅格计算器允许用户使用地图代数表达式来执行复杂的栅格操作。结合 `IsNull` `FocalStatistics` 函数,可以实现对缺失值的自动填补。 - 路径:`ArcToolbox > Spatial Analyst Tools > Map Algebra > Raster Calculator` - 示例公式: ```python Con(IsNull("inputraster"), FocalStatistics("inputraster", NbrRectangle(5,5, "CELL"), "MEAN"), "inputraster") ``` - `IsNull("inputraster")`:识别所有 NoData 像元。 - `FocalStatistics(...)`:计算邻域内的平均值。 - `"inputraster"`:保留非 NoData 像元的原始值 [^1]。 ### 使用 **提取值到点** 工具(Extract Values to Points) 如果需要从栅格中提取值到点要素类,并且某些点位于 NoData 区域,则可以通过先填补栅格数据中的缺失值,然后再执行提取操作。 - 路径:`ArcToolbox > Spatial Analyst Tools > Extraction > Extract Values to Points` - 注意事项: - 如果点落在 NoData 区域,结果字段将为空。 - 可以使用焦点统计或其他插值方法填补缺失值后再进行提取 [^2]。 ### 使用 **重分类工具**(Reclassify) 对于某些特定情况,可以使用重分类工具将 NoData 值替换为其他值。虽然这不是直接填补缺失值的方法,但在某些情况下可以作为辅助手段。 - 路径:`ArcToolbox > Spatial Analyst Tools > Reclass > Reclassify` ### 使用 **插值工具**(Interpolation) 如果栅格数据来源于离散点数据(如高程点),可以考虑使用插值工具重新生成栅格,从而避免 NoData 区域。 - 插值方法包括 IDW(反距离权重插值)、Kriging(克里金插值)等。 - 路径:`ArcToolbox > Spatial Analyst Tools > Interpolation` ### 总结 - **焦点统计** **栅格计算器** 是最常用的方法,适用于局部范围内的缺失值填补。 - **提取值到点** 需要确保输入栅格没有 NoData 值,因此通常需要先进行填补。 - **插值工具** 更适合从原始点数据生成连续栅格的情况 [^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值