Render Klasifikasi Raster Untuk Semua Dataset Raster

Apakah anda mempunyai beberapa data raster yang ingin ditampilkan dengan simbologi yang benar-benar sama?, sehingga raster terlihat menyatu dan menjadi single big file di tampilannya. Tetapi merubak break class dan warna untuk setiap file raster tentunya sangat memakan waktu, tetapi seperti halnya SHP, anda dapat membuat satu jenis simbologi dan mengimport untuk layer lainnya.
1classified_def50

Pertama kali anda harus mengeset satu layer dengan simbologi yang sama yaitu kelas dan warna yang sama

2classified_setLayer50

dan kemudian di TOC, klik kanan pada layer raster dan klik save as layer file

3classified_saveAs

sekarang dengan file layer yang telah disimpan, kita bisa mengimport file layer itu ke semua layer raster yang ada menggunakan  Classified renderer. di tab Symbology, klik tombol Import, navigasikan ke file layer yang sebelumnya disimpan. Ulangi sampai semua layer raster tersimbolisasi

4importLyr

Hasilnya sekarang anda punya raster dengan single renderer.

5classified_final

Eits, tapi tunggu dulu, bagaimana jika ini masih terlalu lama, bayangkan anda punya ribuan atau mungkin ratusan ribu raster file dan semuanya ada di dalam dataset mosaik, ada solusi yang lebih mudah lagi, dengan mengupdate simbologi untuk satu dataset, maka semua tile didalamnya akan bisa mempunyai simbologi yang seragam.

Atau bisa juga menggunakan script python sederhana, cukup siapkan satu layer raster yang sudah siap simbologinya, ingat-ingat namanya, kemudian masukkan nama file itu ke dalam XXXX seperti di bawah ini (tulisan di belakang ## diabaikan saja, hanya untuk penjelasan) :

mxd = arcpy.mapping.MapDocument(“CURRENT”)

df = mxd.activeDataFrame

layerList = arcpy.mapping.ListLayers(mxd,”dem*”,df) ## anda dapat mengganti *dem dengan wild card lain

for layer in layerList:

arcpy.ApplySymbologyFromLayer_management(layer,”XXXX”) ## ganti XXXX dengan nama layer simbol anda.

 

Selamat mencoba

Sumber : Blog ESRI

 

 

 

 

 

Tinggalkan Pesan

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Maaf, anda dilarang mengkopi konten halaman ini.