地图快速符号化的理论与实践

2020-07-31石全悦

安徽地质 2020年2期

关键词：符号化数据源图层

石全悦

（安徽省第一测绘院，安徽合肥 230031）

0 引言

使用地图模板浏览或处理地理信息数据，省去了重新配图的时间，但是常常无差别的符号化设置形成一种错误的作业方法或思维习惯：流动水面和静止水面被错误地设置为相同的蓝色。随时随地设置地理要素的符号，甚至一键实现符号与属性匹配，是地图用户的需求。

1 属性字段自动匹配符号

属性值自动匹配符号库中的符号，可以节约大量的配图时间，也可以据此发现数据中的问题。要实现此功能，需要：有精心设计的符号库[1]，符号美观，名称与属性项强关联；通过关联或增加属性字段的方式，确保某属性项的值与符号库中的符号名完全一致。

1.1 制作符号从统计GB值开始

符号是数据的图形显示。数据是千差万别的，但都有其国标代码GB，每一代码都要有专门的符号，需要多少种符号[2]，都可以通过统计得到。统计方法如下：

def statistics_fd(fcsfilefolder，fieldname)：

arcpy.env.workspace=fcsfilefolder

fcs=arcpy.ListFeatureClasses()

gblist=[]

for fc in fcs：

fieldList=[]

fields=arcpy.ListFields(fc)

for field in fields：

fieldList.append(field.name)

if fieldname in fieldList：

for row in arcpy.da.SearchCursor(fc，["SHAPE@"，fieldname])：

if fc+" "+str(row[1])not in gblist：

gblist.append(fc+" "+str(row[1]))

else：

pass

return gblist

函数的返回值就是所要的统计结果，安徽不到600个地形要素国标分类码，制作符号库的工作不是从0开始，利用已有的符号，严格定义其名称如“810301稻田”。

1.2 通过“桥”字段匹配符号

图1中，符号的Value值，是国标码与中文名称的组合，这样有利于使用。但规范的数据是不含此类组合值的，这种桥梁作用的字段需要搭建——通过新建字段并赋值的方式或建立与设计的表连接的方式。新建字段方法，将会破坏原数据的属性结构，不可取；建立表连接方法是理想的选择。不需手动建立表连接，使用如下的语句，这种连接只瞬间存在，应在地图文档打开时，运行如下语句，并保存地图文档，才能存储这种关联关系。这样的好处是不改变原数据，仅在地图文档中添加关联关系。

biao=r"XXXXXSheet1$"

fc=r"XXXXVEGA"

AddJoin(fc，"GB"，biao，"GB")

表中有GB字段和GBNAME组合字段，要素含有GB字段，以GB为桥构建要素与表的连接，再用GBNAME值匹配符号库中的符号。仅打开地图文档，才出现这种连接，也才时时保持属性与符号的匹配。移除关联，符号化效果消失。

图1 用属性值匹配符号库中的符号Figure 1.Match symbols in the symbol library with attribute values

1.3 符号应该体现使用者的需求

图2 是检查员的特色用图设置：①夸大道路端点目的是为检查员掌握道路的相交打断情况；②道路相交打断错误；③河流中心线，箭头表示流向；④水田符号及品字排列形式。不同的使用者需求有差异[3]，符号化应有不同的版本：普通用户使用国标版，特殊用户使用符号化版。

图2 数据、符号、遥感影像Figure 2.Data，symbols and remote sensing images

1.4 符号化必不可少的文件

字体文件“Public_V2.0.ttf”及符号库“YWSymbol.style”，是地图文档符号化不可缺少的文件，连同存放它们的路径要记录到地图文档的description属性内。

mxd=arcpy.mapping.MapDocument("CURRENT")

mxd.description="E：Symbol_FontPublic_V2.0.ttfE：Symbol_FontYWSymbol.style"

可以手动拷贝，最好使用上述语句。以后使用者遇到一些问题，也容易找到答案。使用方法是，将Public_V2.0.ttf复制到Windows下font内，YWSymbol.style拷贝到用户方便的地方，再将软件的符号库路径指向此处；更安全的策略是，将原设备的字体文件拷贝到他处，地图任务结束后，还原以前的设置。这些动作可以通过创建相应的工具来实现。

2 地图文档自动生成

如果不采用自动生成地图文档方法，日常需要这样处理：将地图文档*.mxd指向的数据源改名，打开文档时，路径不正确，不显示数据及符号，需重新定位数据的路径，修改显示范围，另存地图文档，这样生成的地图文档基本可以使用，有时也会遇到较难解决的问题：比如若干个数据源，不能一次解决，需要多次修改数据源的路径，投影参数与数据源的揭示参数不一致，需要判断投影带的中央经线重新设置投影参数。

自动生成地图文档，也会遇到这些问题，只不过是通过程序的方式来解决，重要的是也可以解决空图层数据的加载问题，因为空图层总会破坏整图显示的愿望。

自动生成地图文档的思路是：准备字体、符号库文件，使用自动匹配等方法创建通用的地图文档，设计好图层组、图层，图层与数据层按同名方式命名。mxd模板的路径、mxd模板的名称、数据源文件的路径、新层文件的路径、新mxd的名称均按编程要求存放，shp、mdb、gdb格式的数据源方法几乎相同：导入地图文档文件、导入数据源中非空数据对应的图层组和图层，计算数据源中数据的范围，得到整个地图的范围值，并计算对应投影参数获取对应的引用文件，指定图层的数据源。

def create_mxd(self，template，templatefolder，sour-cefolder，newmxdlyrfolder)：

L0=int(gkp.L2L0(L，3)[0])##计算投影带的中央经线

MapDocument(os.path.join(templatefolder，"%s.mxd"%L0))

df=arcpy.mapping.ListDataFrames(mxd，"Layers")[0]

df.extent=newExtent

result=GetCount_management(fc)

count=int(result.getOutput(0))

GroupLayer=ListLayers(mxd，"%s"%fc[：3]，df)[0]

addLayer=Layer(fc)

AddLayerToGroup(df，targetGroupLayer，addLayer，"AUTO_ARRANGE")

replaceDataSource(os.path.join(mdb_folder，mdbname)，"ACCESS_WORKSPACE")

findAndReplaceWorkspacePaths(template，os.path.join(mdbfolder，mdbname))

mxd.saveACopy(os.path.join(newmxdlyrfolder，"%s.mxd"%newtuming))

新生成的地图文档、数据源和工作空间，都经过程序的设置，确保用户打开文件时图形显示正常、工作空间正常。

3 应急态势图

属性能自动匹配符号、自动生成地图文档，制作应急图就有了基础。比如这次新冠疫情，美国的数据，每日都在更新，可以制作即时更新的疫情图。因为我国的数据涉及地图审查的原因，会给出版带来额外的工作，所以才使用美国的数据。基本步骤是：准备基础地图要素数据，制作地图文档，抓取网页数据，写数据到电子表格，关联表。

基础数据包括：states、usabln、neighcountry、landbnds、us_lakes、intrstat、counties、cities、us_rivers。应急内容主要涉及states属性数据。

选择可靠的网址

https：//news.ifeng.com/c/special/7uLyp1412jw?code=USA&needpage=1&webkit=1

本文没有使用因发布疫情数据又火了一把的约翰斯·霍普金斯大学的数据，而是凤凰网的数据。主要语句如下：

wangzhi="https：//news.ifeng.com/c/special/7uLyp 1412jw?code=USA&needpage=1&webkit=1"

response=urllib.request.urlopen(wangzhi)

txtfile=response.read().decode("utf-8")

可以将数据写入磁盘，也可以直接分析挖掘。数据格式如下：

str1={"siwang"："5426"，"sys_ "："2020-03-05 10：49：03"，"name3"："新泽西州"，"zhongzheng_xianyou"：""，"quezhen_xianyou"：""，"quezhen_add"："待公布"，"quezhen"："100025"，"id"：""，"name2"："美国"，"name1"："国外"，"quezhen_jingwaishuru"：""，"yisi"：""，"sys_orderBy"：""，"quezhen_wzz"：""，"zhiyu"：""，"sys_publisher"："王宁1"}

使用正则表达式提取数据：matchObj=re.match('''{"siwang"： (.*?)， "sys_publishDateTime"： (.*?)，"name3"：(.*?)，"zhongzheng_xianyou"：(.*?)，"quezhen_xianyou"：(.*?)，"quezhen_add"：(.*?)，"quezhen"：(.*?)，"id"：(.*?)，"name2"：(.*?)，"name1"：(.*？)，"quezhen_jingwaishuru"：(.*?)，"yisi"：(.*?)，"sys_orderBy"：(.*?)，"quezhen_wzz"：(.*?)，"zhiyu"：(.*?)，"sys_publisher"：(.*?)}'''，str1，re.M|re.I)

所有的(.*?)均代表一个变量，共有16组数据：

siwang=matchObj.group(1)，，，

sys_publisher=matchObj.group(16)