whitebox 0.9.0

快速示例

可以使用snake_case或camelcase约定（例如 lidar_info 或 lidarinfo ）调用python包中的工具名。请参见下面的示例python脚本（ example.py ）。如果您对使用whitebox tools命令行程序感兴趣，请选中whiteboxtools用法。

importosimportpkg_resourcesimportwhiteboxwbt=whitebox.WhiteboxTools()print(wbt.version())print(wbt.help())# identify the sample data directory of the packagedata_dir=os.path.dirname(pkg_resources.resource_filename("whitebox",'testdata/'))wbt.set_working_dir(data_dir)wbt.verbose=Falsewbt.feature_preserving_denoise("DEM.tif","smoothed.tif",filter=9)wbt.breach_depressions("smoothed.tif","breached.tif")wbt.d_inf_flow_accumulation("breached.tif","flow_accum.tif")

白盒的Jupyter笔记本教程

本教程有三种访问方式：

• HTML版本：https://gishub.org/whitebox-html" rel="nofollow">https://gishub.org/whitebox html
• 可视笔记本：https://gishub.org/whitebox-notebook" rel="nofollow">https://gishub.org/whitebox notebook
• 交互式笔记本：https://gishub.org/whitebox-cloud" rel="nofollow">https://gishub.org/whitebox cloud

将本教程作为云端上的交互式Jupyter笔记本启动- https://gishub.org/whitebox cloud

数据工具

• addPointCoordinates表 ：通过添加包含每个点的x和y坐标。
• 将nodata转换为零 ：将光栅中的nodata值转换为零。
• 转换光栅格式 ：将光栅数据从一种格式转换为另一种格式。
• exportTableToCSV ：将属性表导出到CSV文本文件。
• 联接表 ：基于公共字段将向量的属性表与另一个表合并。
• linestopolygons ：将矢量多段线转换为多边形。
• MergeTablewithCSV ：将矢量的属性表与CSV文本文件中包含的表合并。
• 合并向量 ：将同一形状类型的两个或多个输入向量组合在一起，创建一个新的输出向量。
• multiparttosinglepart ：将包含多个部件特征的矢量文件转换为仅包含单个部件特征的矢量。
• newRasterFromBase ：使用基础图像创建新光栅。
• 多边形 ：将矢量多边形转换为多段线。
• 打印geotiff tags ：打印geotiff中的标记。
• 光栅到矢量线 ：将光栅线要素转换为多段线形状类型的矢量。
• rastertovectorpoints ：将光栅数据集转换为点形状类型的矢量。
• 重新初始化属性表 ：初始化向量的属性表，删除除特征ID（fid）以外的所有字段。
• 删除多边形孔 ：删除矢量多边形文件特征中的孔。
• setnodata值 ：将输入图像中的指定值赋给nodata值。
• 单部件到多部件 ：将包含多部件特征的矢量文件转换为仅包含单部件特征的矢量。
• 矢量线存储器 ：将包含多段线的矢量转换为光栅。
• 矢量点存储器 ：将包含点的矢量转换为光栅。
• 矢量多边形控制器 ：将包含多边形的矢量转换为光栅。

地貌分析

• 纵横比 ：根据输入的DEM计算纵横比光栅。
• devfrommanelev ：计算与平均高程的偏差。
• diffFromMeanElev ：计算与平均高程的差（相当于高通滤波器）。
• 方向起伏 ：计算指定方向输入DEM中单元格的起伏。
• drainagepreservingsmoothing ：使用修改后的sun et al.（2007）算法。
• 下坡指数 ：计算Hjerdt等人（2004）下坡指数。
• 高程坑 ：计算最近下游坑单元或网格边缘单元上方每个网格单元的高程。
• 高程百分比 ：计算DEM的高程百分比光栅。
• elevrelativetominmax ：计算相对于dem中最小和最大高程的位置高程。
• elevrelativetowatershedminmax ：计算相对于流域中最小和最大高程的位置高程。
• FeaturePreservingDenoise功能 ：使用修改的Sun等减少输入DEM中的短尺度变化。（2007）算法。
• 抓取分析 ：分析到障碍物的抓取或迎风距离。
• 填充缺失数据 ：填充DEM中的节点数据孔。
• FindRidges ：识别潜在的脊和峰值网格单元。
• 山体阴影 ：计算来自输入DEM的山体阴影光栅。
• 水平角 ：计算输入DEM中每个网格单元的水平角（最大迎风坡度）。
• hypsometricalysis ：计算一个或多个dem的hypsometric曲线。
• 最大各向异性dev ：计算一系列空间尺度上高程偏差的最大各向异性（方向性）。
• 最大各向异性特征 ：计算空间尺度范围内点偏离平均值的各向异性。
• 最大分支长度 ：Lindsay和Seibert（2013）的分支长度指数用于绘制排水分界线或山脊线。
• maxDifferenceFromMean ：计算一个空间尺度范围内平均海拔的最大差异。
• maxDownsleeLevChange ：计算网格单元与其八个下坡邻居之间高程的最大下坡变化。
• 最大高程偏差 ：计算空间尺度范围内的最大高程偏差。
• maxelevdevsignature ：计算一系列空间尺度和一组点的最大高程偏差。
• mindownslopeelevchange ：计算网格单元与其八个下坡邻居之间高程的最小下坡变化。
• 多尺度粗糙度 ：计算一系列空间尺度上的表面粗糙度。
• 多尺度粗糙度特征 ：计算空间尺度范围内点的表面粗糙度。
• 多比例尺地形位置图像 ：从三个不同空间比例尺范围的devmax光栅创建多比例尺地形位置图像。
• numDownSlopeneIghbours ：计算DEM中每个网格单元的下坡邻居数。
• numupslopeneighbors ：计算DEM中每个网格单元的上坡邻居数。
• Pennocklandormclass ：根据坡度、剖面曲率和平面曲率对山坡区域进行分类。
• 百分比范围 ：计算DEM高程范围的百分比。
• 平面曲率 ：根据输入的DEM计算平面（等高线）曲率光栅。
• 剖面曲率 ：根据输入的DEM计算剖面曲率光栅。
• 配置文件 ：绘制数字表面模型的配置文件。
• 相对光谱 ：根据输入的DEM计算相对方面（相对于用户指定的方向）。
• 相对流功率索引 ：计算相对流功率索引。
• 相对地形位置 ：根据DEM计算相对地形位置索引。
• 加固指数 ：根据输入DEM计算Riley等人（1999）的地形加固指数。
• 删除地形对象 ：从光栅数字高程模型（DEM）中删除地形外对象。
• 泥沙输移指数 ：计算泥沙输移指数。
• 坡度 ：根据输入的DEM计算坡度光栅。
• slopevselevationplot ：为一个或多个DEM创建坡度与高程图。
• 坡度标准偏差 ：计算坡度与输入DEM的标准偏差。
• 切向曲率 ：根据输入DEM计算切向曲率光栅。
• 总曲率 ：根据输入的DEM计算总曲率光栅。
• viewshed ：标识点或点集的viewshed。
• 可见性指数：估计DEM中站点的相对可见性。
• 湿度指数 ：计算es地形湿度指数，ln（a/tan（斜率））。

地理信息系统分析

• 聚集器 ：将光栅聚集到较低分辨率。
• 平均覆盖 ：计算一组光栅图像中每个网格单元的平均值。
• 块最大网格化 ：基于一组矢量点创建光栅网格，并使用块最大方案分配网格值。
• 块最小网格化 ：基于一组矢量点创建光栅网格，并使用块最小方案分配网格值。
• bufferRaster ：在输入图像中的每个非背景（非零/非节点数据）网格单元周围映射基于距离的缓冲区。
• 质心 ：计算光栅多边形对象的质心或平均位置。
• 质心向量 ：识别向量多段线或多边形特征或一组向量点的质心点。
• 剪辑 ：提取与剪辑向量的特征重叠的所有特征或部分特征。
• cliprastertopolygon ：将光栅剪辑到矢量多边形。
• 聚集 ：将构成物理离散区域的单元格分组，并为其分配唯一标识符。
• 紧致比 ：计算矢量多边形的紧致比（A/P），即形状复杂度的度量。
• constructVectorIn ：此工具为一组向量点创建一个向量三角形不规则网络（TIN）。
• countif ：统计光栅单元格堆栈中指定值的出现次数。
• 成本分配 ：标识成本距离分析中每个网格单元通过最低成本路径连接到的源单元。
• 成本距离 ：在成本表面和一组源单元格上执行成本距离累积。
• 成本路径 ：使用一系列目标网格单元执行成本距离路径分析。
• 创建六边形向量网格 ：创建六边形向量网格。
• 创建平面 ：根据简单平面的公式创建光栅图像。
• 创建矩形矢量网格 ：创建矩形矢量网格。
• 分解 ：删除矢量多边形覆盖范围内的内部或共享边界。
• 边缘投影 ：计算光栅多边形中作为边缘单元的单元的比例。
• 消除意外点 ：从矢量点文件中删除任何重合或几乎重合的点。
• 伸长比 ：计算矢量多边形的伸长比。
• 擦除 ：删除与擦除矢量多边形的功能重叠的所有功能或部分功能。
• 从光栅中擦除多边形 ：从光栅中擦除（剪切）矢量多边形。
• 欧氏定位 ：为输出光栅中的网格单元分配输入图像中最近目标单元的值，该值由Shih和Wu（2004）欧氏距离变换测量。
• 欧氏距离变换 ：计算Shih和Wu（2004）欧氏距离变换。
• 延长线 ：将矢量线延长指定距离。
• 提取节点 ：将矢量线或多边形转换为顶点。
• 提取光栅点值 ：提取矢量点位置的光栅值。
• FindLoveStorHighestPoints ：定位光栅中最低和/或最高值的单元格。
• FindPatchorClassedCells ：查找位于修补程序或类功能边缘的所有单元格。
• 嗨ghestposition ：按单元格标识光栅堆栈中最大值的堆栈位置。
• 孔比例 ：计算多边形孔总面积相对于多边形外壳面积的比例。
• idwinterpolation ：使用距离加权逆方案将矢量点插值到光栅曲面中。
• 相交 ：标识两个输入向量层之间共同的特征部分。
• layer footprint ：创建光栅网格或矢量层覆盖区域的矢量多边形示意图。
• 线性索引 ：计算矢量多边形的线性索引。
• 直线相交 ：标识两个矢量直线层的特征相交的点。
• 低位 ：以单元格为单位标识光栅堆栈中最小值的堆栈位置。
• MaxAbsoluteOverlay ：计算输入光栅堆栈中每个网格单元的最大绝对值。
• maxoverlay ：计算输入光栅堆栈中每个网格单元的最大值。
• medoid ：计算形状文件中包含的一系列矢量特征的medoid。
• minAbsoluteOverlay ：计算输入光栅堆栈中每个网格单元的最小绝对值。
• 最小边界框 ：围绕矢量特征创建矢量最小边界矩形。
• 最小包围圆 ：描绘一组向量的最小包围圆（即最小包围圆）。
• 最小边界展开 ：围绕矢量特征创建矢量轴对齐的最小边界矩形（信封）。
• minimumconverxhull ：围绕向量特征创建向量凸多边形。
• minoverlay ：计算输入光栅堆栈中每个网格单元的最小值。
• 近邻处理 ：基于一组矢量点创建栅格，并使用近邻指定栅格值。
• 面片方向 ：计算矢量多边形的方向。
• percentequalto ：按单元格计算单元格值等于输入的光栅堆栈的百分比。
• percentgreaterthan ：按单元格计算单元格值大于输入值的光栅堆栈的百分比。
• percentlessthan ：按单元格计算单元格值小于输入值的光栅堆栈的百分比。
• 周长面积比：计算矢量多边形的周长面积比。
• pickFromList ：从位置光栅指定的光栅堆栈输出值。
• 多边形区域 ：计算矢量多边形的面积。
• 多边形长轴 ：此工具可用于映射多边形要素的长轴。
• 多边形周长 ：计算矢量多边形的周长。
• 多边形短轴功能 ：此工具可用于映射多边形短轴功能。
• 多边形化 ：从包含在一个或多个输入矢量线文件中的两个或多个相交线要素创建多边形层。
• 旋转半径 ：计算单元格与其多边形质心的距离。
• RasterCellAssignment ：将行或列编号分配给单元格。
• 重新分类 ：重新分类光栅图像中的值。
• 重分类质量间隔 ：根据相等的范围重新分类光栅图像中的值。
• 重新分配ile ：使用文本文件中的重新分类范围重新分类光栅图像中的值。
• 相关外接圆 ：计算矢量多边形的相关外接圆。
• 形状复杂度索引：计算多边形形状的整体复杂度或不规则度。
• 平滑向量 ：平滑多段线或多边形基形状的向量覆盖范围。
• 用线拆分 ：使用另一层中的线拆分一层中的线或多边形
• SumOverlay ：计算一组光栅图像中每个网格单元的总和。
• 对称性差异 ：输出两个矢量输入中的一个而不是两个输入中的一个的特征，即没有重叠的特征。
• 刺痛消除 ：基于适合矢量点的三角形不规则网络（TIN）创建光栅网格。
• 并集 ：在向量层的重叠处拆分它们，创建一个包含来自输入层和覆盖层的所有部分的层。
• 向量hexbinning ：hex存储一组向量点。
• voronoi diagram ：s工具为一组矢量点创建矢量voronoi图。
• 加权覆盖（weightedoverlay） ：将每个图像转换为公共比例后，对多个输入光栅执行加权和。该工具执行多标准评估（MCE）。
• 加权和 ：对多个输入光栅图像执行加权和叠加。