企业官网建设流程全解析

1. 为什么要把栅格数据“拆”成行记录

1.1 这个需求从哪来

做GIS的人，几乎都遇到过这种情况：手头有一份tif栅格数据，可能是DEM高程、植被覆盖度、降水插值结果，也可能是夜光遥感反演出来的灯光指数。你想从中取特定位置的数值，或者想把每个像元的值和它的坐标一一对应地导出来，做成一份表格，交给不会用ArcGIS的同事做统计分析。

我自己的经历是在做植被覆盖度反演时，最终成果是一张NDVI分级栅格图，每个像元值代表覆盖度等级。客户看完图之后说：图先放一边，你把这个区域每个点的坐标和值给我列出来，我们自己建回归模型。这时候你在ArcMap里按“识别”工具一个一个点，显然不现实，一个像元一个像元去看，碰到大范围数据就是灾难。你需要的是批量提取、结构化输出的操作流程，最好能直接变成Excel表格。

这背后涉及的核心需求其实有三类，我替大家拆一下：

1. 全量提取：把整个栅格全部像元的值+坐标导出，做分类统计、制表、机器学习样本构建；
2. 定点采样：在若干已知点位上从栅格提取值，比如野外采样点对应的高程、土壤属性、温度；
3. 批量处理：多幅栅格数据，要按相同的逻辑全部导成统一格式的表。

这篇文章就是围绕这三类需求展开的。不管你用的是ArcMap还是ArcGIS Pro，下面这套思路和方法都适用，核心工具和ArcPy脚本逻辑是共通的。

1.2 什么人适合读这篇文章

内容定位很明确：你手里有一张或多张栅格图，想快速提取“坐标+像元值”并导出成Excel。可能是做遥感、国土、林业、水利、环境方向的分析师，也可能是在做课程设计或毕业论文的同学，还可能是刚接触ArcGIS但被领导安排了个“像元提值”任务的职场新人。

这篇文章我会把三个层面的内容讲透：图形界面操作、工具参数背后的原理、ArcPy脚本批量方案。你只要掌握其中任何一种，就能覆盖日常90%以上的提值需求。我也不打算讲太多教科书理论，全程以实操为主，每个步骤都可以直接跟着做。

2. 动手前的概念准备：像元、坐标和NoData的底层关系

2.1 栅格数据不是图片，它自带地理空间标签

很多新手容易把tif当成普通图片，但实际上GIS里的tif除了每个格子的亮度值，还记录了坐标系统、像元大小、范围、旋转参数等等。换句话说，每个像元都不只是“第几行第几列”，它自带明确的地理位置。

打开ArcMap的图层属性再切到“源”选项卡，你能看到栅格的列数、行数、像元大小、空间参考、范围等信息。这些信息有什么用？举个例子，如果栅格是UTM投影坐标系，那每个像元中心点都可以用一个X坐标和一个Y坐标来表示，单位是米；如果栅格是WGS84地理坐标系，那坐标单位就是度。你在做提取的时候，ArcGIS会利用这些元数据自动算出每个像元中心点的位置，但你得搞清楚它算出来的坐标是在什么坐标系下。

有一个非常常见的问题：栅格本身是投影坐标系，但你想要的坐标是经纬度；或者反过来，栅格是经纬度，但你后续的空间分析需要投影坐标。正常拿到一份栅格数据，第一步不是急着提取值，而是先确认它的空间参考，再确定你要的输出坐标格式。

2.2 像元行号列号与真实坐标的换算逻辑

在一个不带旋转的标准栅格里，像元中心点的坐标换算其实很简单，公式如下：

X坐标 = 栅格左上角X + 列号 × 像元宽度 Y坐标 = 栅格左上角Y - 行号 × 像元高度

列号从0开始，行号从0开始，左上角第一个像元的中心点X坐标是left + 0.5个像元宽度，Y坐标是top - 0.5个像元高度。不过ArcGIS内部会处理好这个细节，你不需要自己加半个像元。

为什么要啰嗦这一句？因为在用ArcPy直接操作numpy数组时，数组中第0行第0列对应的是栅格左上角那个像元，而不是右下角。很多人在脚本里把Y方向搞反，导出的坐标在Y轴上整整差了一个范围，这是最典型的低级错误。

提示：如果你的栅格是旋转过的（比如用“世界文件”配准过的扫描图），上图公式就不适用了，需要使用仿射变换参数。但绝大多数遥感影像和GIS工具生成的栅格都不会有旋转问题，暂时可以不考虑。

2.3 别让NoData污染你的Excel

NoData是栅格数据里常见的“坑”。原始数据没有覆盖到的区域、遥感影像中的云遮挡像元、人为裁剪挖掉的范围，都会被赋予NoData。NoData的基本特征是：它不是0，也不是-9999，它是一个独立于像元值体系的“空”标记。

但问题在于，不同来源的栅格，NoData的编码不同。有的是-9999，有的是-3.4028235e+38，有的直接是0，有的甚至没有设置NoData就把某个数值当作无效值。如果你不提前处理，导出Excel后统计分析时就会出现大量莫名其妙的值。

我处理NoData的原则很简单：明确编码、统一处理、导出前过滤。具体做法后面会结合各个方法展开说明。

3. 方法一：“栅格转点”+“添加XY坐标”+“表转Excel”的通用链路

3.1 工具位置与参数含义

如果你需要把整幅栅格的所有像元全部转成点并导出，最直观的方法就是用“栅格转点”（Raster to Point）工具。

工具所在目录：

• ArcMap：ArcToolbox → 转换工具 → 由栅格转出 → 栅格转点
• ArcGIS Pro：工具箱 → 转换工具 → 由栅格转出 → 栅格转点

这个工具做的事情很纯粹：把每个栅格像元变成一个点要素，点的位置是像元中心点，点的属性表里有个字段叫Grid_code，记录该像元的像元值。

参数方面，主要需要设置的：

运行完工具后，一定要记住一点：虽然点要素已经带有了坐标位置，但它的属性表里并没有直接显示X和Y字段，你需要手动把坐标值写进属性表。

3.2 完整操作步骤：从tif到Excel

第一步：运行“栅格转点”，把栅格转成点要素。转完之后地图上会多出密密麻麻的点，这就是每个像元的位置。假如你的栅格像元数量上千，地图上显示可能正常；如果是百万级像元，地图加载会明显卡顿。

第二步：运行“添加XY坐标”（Add XY Coordinates）。工具位置：

• 数据管理工具 → 要素 → 添加XY坐标

选中刚才生成的点的图层，运行。这时候打开属性表，你会看到POINT_X和POINT_Y两个字段，里面就是每个点对应的地图坐标。POINT_X是X坐标，POINT_Y是Y坐标。

第三步：打开属性表检查数据。重点检查Grid_code字段有没有异常值，确认POINT_X和POINT_Y的取值范围和栅格范围是否一致。

第四步：表转Excel。但注意，ArcMap中直接右键属性表选“导出”只能导出成DBF或文本文件，不能直接导出xls/xlsx。所以正确做法是用“表转Excel”工具：

• ArcMap：转换工具 → Excel → 表转Excel
• ArcGIS Pro：转换工具 → Excel → 表转Excel

输入要素选点的图层，输出路径指定一个xls或xlsx文件。运行结束后，Excel就在指定路径下生成了。

第五步：用Excel打开检查。如果文件太大，Excel打开会提示数据过多或格式损坏，这是正常的，可以通过后续的方法规避。

一句话总结整条链路：

栅格转点 → 添加XY坐标 → 表转Excel

这条链路很简单，但非常稳，适合中小数据量场景。

3.3 这个方法有什么限制

栅格转点的方案有一个比较大的问题：数据量膨胀。一个1000×1000的栅格转出来是100万个点，属性表100万行，转成Excel后文件体积很容易超过50MB，普通电脑打开都费劲。如果栅格本身是5000×5000，那就是2500万个点，ArcGIS处理起来基本处于“能用但很不舒服”的状态。

所以在方法一之前，建议先判断你的栅格像元规模。像元数在几十万级别，用方法一没问题；达到几百万甚至千万级别，直接考虑后面的ArcPy方案。

4. 方法二：“值提取到点”处理点采样场景

4.1 适用场景与核心区别

方法一适合全量提取，但很多场景下你并不需要把整个栅格全部转出来。举个例子：你有100个野外采样点的经纬度坐标，想从DEM高程栅格里提取每个点的高程值。这时候如果还用栅格转点，等于把整个栅格几百万个点全部导出，然后你再在里面筛选100个点，完全是在浪费时间和算力。

针对这种“点位采样”场景，用“值提取到点”（Extract Values to Points）工具更合适。它做的事情是：在每个点位上读取对应的栅格像元值，作为新字段写入点的属性表。输入点还是那些点，输出点还是那些点，只多了一个字段。

4.2 操作步骤与字段说明

第一步：准备点数据。如果你手里是坐标表，可以先用“添加XY数据”功能把表变成点图层。操作位置：

• ArcMap：文件 → 添加数据 → 添加XY数据
• ArcGIS Pro：地图选项卡 → 添加数据 → XY表转点

第二步：打开“值提取到点”工具。

• ArcMap：ArcToolbox → 空间分析工具 → 提取分析 → 值提取到点
• ArcGIS Pro：工具箱 → 空间分析工具 → 提取分析 → 值提取到点

第三步：设置参数。输入点要素选你的采样点图层，输入栅格选目标栅格，输出点要素指定输出位置。运行。

第四步：打开输出图层的属性表，会看到一个字段叫RASTERVALU，这就是每个点所在位置对应的栅格值。

第五步：和之前一样，跑一下“添加XY坐标”，把坐标字段加进去，再“表转Excel”导出。

4.3 一个很容易搞混的参数：插值选项

“值提取到点”工具有个参数叫“插值选项”（Interpolate values），默认不勾选。很多人搞不清这个选项是干嘛的。

不勾选：工具直接取该点所在像元的原始像元值，快速但不够精细； 勾选：工具会用双线性插值法，把点周围的像元值做加权平均，得到更平滑的结果。

怎么选？如果栅格分辨率比较粗，点又恰好落在像元边缘，勾选插值能得到更合理的估值；如果你希望提取的结果就是原始数据本身，比如构建机器学习样本时不想引入插值误差，那就保持默认不勾选。我个人大部分场景都不勾选，理由很简单：RASTERVALU应该是栅格在该点的真实值，插值相当于人为改变了原始信息，后续模型使用时反而容易出问题。

5. 方法三：ArcPy脚本批量提取，效率提升的核心方案

5.1 为什么需要脚本化

前两种方法对付中小数据量和单栅格场景绰绰有余。但一旦遇到下面这些场景，图形界面就力不从心了：

• 栅格像元数量在千万级以上，栅格转点整个界面都会卡顿；
• 有几十幅栅格需要做同样操作，手工一个个点工具、一个个导出，耗时长且容易漏；
• 数据更新频繁，每周都要从新出的栅格里提取值做报表；
• 需要把提取结果直接接进后续Python数据分析流程，而不是先导出Excel再重新读一遍。

ArcPy的核心优势在于，它能直接用numpy数组读写栅格数据，绕开了ArcGIS图形界面在渲染和显示上的负担。配合pandas，提取几百万像元的值也只需要几秒钟。

5.2 核心脚本：把栅格转成坐标+值表格

下面这段是我日常使用频率最高的脚本，作用是读一个栅格，把每个有效像元的X坐标、Y坐标和值组成一张表，导出为Excel。

import arcpy import numpy as np import pandas as pd # 设置工作环境 arcpy.env.workspace = r"D:\gis_data" arcpy.env.overwriteOutput = True # 栅格路径 raster_path = r"D:\gis_data\dem.tif" # 读取栅格，NoData统一转成NaN raster = arcpy.Raster(raster_path) arr = arcpy.RasterToNumPyArray(raster, nodata_to_value=np.nan) # 获取空间参数 extent = raster.extent cell_x = raster.meanCellWidth cell_y = raster.meanCellHeight left = extent.XMin top = extent.YMax rows, cols = arr.shape # 生成每个像元的中心点坐标矩阵 x_coords = left + np.arange(cols) * cell_x y_coords = top - np.arange(rows) * cell_y X, Y = np.meshgrid(x_coords, y_coords) # 过滤NoData valid_mask = ~np.isnan(arr) # 组装DataFrame df = pd.DataFrame({ "X": X[valid_mask], "Y": Y[valid_mask], "Value": arr[valid_mask] }) # 导出Excel df.to_excel(r"D:\gis_data\dem_values.xlsx", index=False) print("完成，共", len(df), "条记录")

这段脚本我拆开解释一下：

• RasterToNumPyArray把栅格读取为numpy二维数组，nodata_to_value=np.nan把所有NoData统一转成NaN，后面过滤就很方便；
• meanCellWidth和meanCellHeight是像元的宽度和高度，对绝大多数标准栅格来说，这俩值就是一个正的cell size和一个同样大小的负值（因为Y方向坐标是递减的）；
• np.meshgrid生成了所有像元中心点的X坐标矩阵和Y坐标矩阵；
• valid_mask是布尔型数组，True的位置表示该像元有效，用它同时索引X、Y和值，提取出来的数据就是一一对应的。

不用for循环遍历像元，直接用numpy矢量化操作，处理速度会快很多。我试过在普通办公电脑上处理2000×2000的栅格，也就是400万个像元，整个流程在5秒以内完成。

5.3 批量处理多幅栅格

如果你有多幅栅格需要批量导出，只需在外层套一个循环，用arcpy.ListRasters()扫描工作空间下的所有栅格文件：

import arcpy import numpy as np import pandas as pd import os arcpy.env.workspace = r"D:\gis_data\rasters" arcpy.env.overwriteOutput = True out_dir = r"D:\gis_data\output" if not os.path.exists(out_dir): os.makedirs(out_dir) raster_list = arcpy.ListRasters() for raster_name in raster_list: raster_path = os.path.join(arcpy.env.workspace, raster_name) raster = arcpy.Raster(raster_path) arr = arcpy.RasterToNumPyArray(raster, nodata_to_value=np.nan) extent = raster.extent cell_x = raster.meanCellWidth cell_y = raster.meanCellHeight left = extent.XMin top = extent.YMax rows, cols = arr.shape x_coords = left + np.arange(cols) * cell_x y_coords = top - np.arange(rows) * cell_y X, Y = np.meshgrid(x_coords, y_coords) valid_mask = ~np.isnan(arr) df = pd.DataFrame({ "X": X[valid_mask], "Y": Y[valid_mask], "Value": arr[valid_mask] }) out_file = os.path.join(out_dir, raster_name.replace(".tif", "") + "_values.xlsx") df.to_excel(out_file, index=False) print(raster_name, "完成，共", len(df), "条记录")

批量循环里我习惯加一个os.makedirs判断，避免输出目录不存在时报错。另外建议在输出文件名里保留原始栅格名，不然多个栅格导出的Excel文件会互相覆盖。

5.4 多波段栅格怎么提指定的波段

如果你的栅格是多波段的（比如遥感影像有R、G、B、NIR四个波段），上面脚本默认提取的是第一个波段。要提取指定波段，用arcpy.Raster(raster_path + "/Band_3")这类带波段索引的路径。

raster = arcpy.Raster(r"D:\gis_data\ndvi.tif/Band_2")

如果你的栅格没有波段名，只按数字索引，也可以：

raster = arcpy.Raster(r"D:\gis_data\影像.tif/1")

但说实话，多波段栅格我建议先用“栅格计算器”或“提取波段工具”把目标波段单独拆出来，再进脚本逻辑。这样波段拆分和提值两步分开，排查问题更容易。

6. 常见问题、报错与我的处理经验

6.1 导出的坐标和预期不符，差得离谱

这个问题的典型表现是：你导出的X坐标是七位数，Y坐标是八位数，但你本来想要的是经纬度（度），或者反过来，你想要投影坐标却导出的是经纬度。

核心原因在于：栅格本身是什么坐标系，提取出的坐标就是什么坐标系，工具不会自动帮你转换。解决方法有两个：

方案一：提取前改栅格坐标。用“投影栅格”（Project Raster）工具，把栅格从当前坐标系转到目标坐标系，再执行提取。优点是后续所有步骤都在目标坐标系下进行，坐标直接是你要的结果。

方案二：提取后用“投影”工具转换点要素。如果你已经有了点图层或Excel坐标字段，可以用“投影”工具把点要素转到目标坐标系，再重新“添加XY坐标”。

我个人的习惯是方案一。提值前就把坐标系统一整明白，比事后反复转换要省事很多。

6.2 大栅格导出卡死

用“栅格转点”导出大栅格，ArcMap很容易内存溢出或长时间无响应。这里有几个实用的降级策略：

• 如果只是分析某个小区域，先用“按掩膜提取”或“裁剪栅格”把范围缩小；
• 使用“重采样”工具把像元变大，比如从10米重采样到30米，像元数量直接变为原来的1/9；
• 用ArcPy方案替代图形界面，numpy处理大数组比ArcGIS对象高效得多；
• 真到了几千万行Excel的规模，别导出xlsx了，直接导出CSV。CSV文件轻量得多，pandas和Excel打开都更快。

df.to_csv(r"D:\gis_data\dem_values.csv", index=False, encoding="utf-8-sig")

这里我用了utf-8-sig，是因为Excel打开CSV时如果文件是UTF-8编码但没加BOM，中文表头会变成乱码。

6.3 NoData被当成正常数值导出

同样的NoData问题，图形界面和脚本里都有可能遇到。图形界面的情况是栅格属性里NoData被设成了某个具体数值，比如-9999，而ArcGIS没有识别出来；脚本里的情况是nodata_to_value参数设置不当。

解决办法是提前清洗栅格：

• 用“复制栅格”工具重新写一份，把NoData值设为NONE；
• 或者用“栅格计算器”把指定值变成NoData：

SetNull("dem.tif" == -9999, "dem.tif")

• 在ArcPy脚本里，如果NoData是-9999而不是NaN，可以先转换成NaN再过滤：

arr[arr == -9999] = np.nan

6.4 属性表里字段太多，Excel列乱了

用“表转Excel”导出时，如果点图层的属性表带了很多用不上的字段（比如原有的ID、Area、Perimeter字段），导出的Excel列会很乱。处理方式有两种：

• 导出前，在属性表里右键删除不需要的字段；
• 用ArcPy脚本时，直接指定要输出的列，根本没机会带多余字段。

我更建议后者，因为脚本指定列的方式更可控，改起来也方便。

7. 进阶：提取结果统计分析

导出Excel只是第一步，很多人拿到数据后要做统计分析。这里分享一个把提取结果和pandas统计结合的小例子。

import pandas as pd df = pd.read_excel(r"D:\gis_data\dem_values.xlsx") # 查看基本统计量 print(df["Value"].describe()) # 按值域分段统计数量 bins = [0, 10, 20, 30, 40, 50, df["Value"].max()] df["class"] = pd.cut(df["Value"], bins=bins) print(df["class"].value_counts()) # 按格网划分统计均值（比如把X、Y按10万间隔分组） df["x_grid"] = (df["X"] // 100000) * 100000 df["y_grid"] = (df["Y"] // 100000) * 100000 grid_result = df.groupby(["x_grid", "y_grid"])["Value"].mean().reset_index() print(grid_result.head())

如果只是想知道某个研究区域里像元值的最大值、最小值、平均值，其实不需要导Excel，直接用“分区统计”（Zonal Statistics as Table）工具更快，它会把每个面要素范围内的栅格统计值直接输出成属性表。

真正的流程选择逻辑我总结成了这样一张表：

8. 最后分享两个小技巧

第一件事，无论用哪个方法，导出完成后务必回到ArcMap里抽几个点做核验。怎么核验？用“识别”工具，在地图上点同一位置看栅格像元值，再和你导出的Excel对应行的Value比对。数值对上了，坐标再核对一下，没什么问题了，这份表格才算真正可用。我以前就因为没核验坐标，直接拿导出的点去做缓冲，跑到外面才发现偏了一千米，回去排查，是源栅格的坐标系和底图坐标系不一致导致的，白折腾了一个下午。

第二件事，ArcPy脚本里建议强制设置arcpy.env.overwriteOutput = True，否则你重复运行脚本时，ArcGIS会因为输出文件已存在直接报错。很多人在脚本里反复运行不通过，都是被这个默认的false给挡了。

这个内容后续还可以往两个方向扩展：一是把提取流程做成ArcGIS Pro的Python工具箱（.pyt），这样其他同事不用打开代码就能在工具箱界面里使用；二是在脚本里接上后续的数据分析和可视化步骤，直接生成统计图表，让整个流程从栅格输入到成果输出一步到位。等你把这套流程跑顺了，相信你也会有自己的优化想法。