Por que é importante usar as camadas de recurso no ModelBuilder?

Estou tentando entender a criação de um geoprocesso com o ModelBuilder, mas não sei por que é importante usar camadas de recursos em vez de classes de recursos ao criar um geoprocesso com o ModelBuilder. Alguém pode explicar por que?

Os modelos podem ter muitas camadas de saída do subprocesso, dependendo do tamanho e da complexidade. Para eliminar os arquivos que estão sendo gravados no disco rígido, algumas ferramentas fazem com que você use as camadas de recursos (por exemplo, Iterate Selection Selection , ou Select by Attribute ). As camadas de recursos são temporárias e não persistirão após o término do modelo.

Consulte Criar camada de recurso

Existem algumas razões pelas quais você deseja fazer referência às Camadas de recursos no ModelBuilder, em oposição às Classes de recursos. Primeiro, é útil entender as diferenças.

• "Classes de recursos" como simplesmente referências aos dados brutos, em sua totalidade. Um exemplo simples disso em que o FC é um shapefile em disco.
• "Camadas de recursos" são referências a uma abstração dos dados, na qual você pode interagir com um ou mais dos recursos do conjunto de dados brutos (em oposição a todo o conjunto de dados). Camadas é o que você está interagindo efetivamente depois de carregar os dados no ArcMap.

Portanto, considerando esse pano de fundo, aqui estão algumas razões pelas quais você deseja usar a ferramenta "Criar camada de recurso" como um intermediário entre os dados brutos e outras ferramentas de geoprocessamento.

1. Muitas ferramentas de GP no ModelBuilder requerem o uso de uma camada e não aceitam um FC como entrada. Isso é particularmente verdadeiro se suas ferramentas de GP precisam selecionar dados. Nesse cenário, você precisa interagir com a CAMADA, não com os dados brutos. Exemplo: Se você não tinha o ArcMap (ou outro programa GIS) aberto, como você selecionaria recursos do shapefile bruto ... você não pode. Você precisa interagir com a camada no ArcMap para fazer essa seleção.

2. Se você deseja executar um Modelo no ArcCatalog ou exportá-lo para um script Python que possa ser executado fora do ArcGIS, é necessário usar "Camadas de Recursos" para que seus dados de origem brutos sejam convertidos em "Camadas". Isso seria análogo a "adicionar dados" à sua sessão do ArcMap.

3. O uso de camadas facilita o subconjunto de dados à medida que você avança no processo do ModelBuilder. Digamos que você queira processar todos os dados com o atributo "A" com um método, mas todos os dados com o atributo "B" com outro método. Você pode fazer referência aos seus dados brutos uma vez, depois dividir os dados em duas "ramificações" usando as Camadas de recursos e processar cada conjunto de forma independente, mas afetando / atualizando o conjunto de dados de origem única.

4. Você pode criar camadas de recurso "in_memory" que são realmente "caixas" temporárias de processamento de dados e que podem processar os dados muito mais rapidamente do que gravar no disco após cada operação. Também limita a quantidade de lixo que você precisa limpar após a conclusão do processamento.

A incorporação de camadas temporárias em seus modelos também diminui o tempo de processamento. Do ponto de vista do processamento, é muito mais eficiente gravar na memória do que gravar no disco. Da mesma forma, você pode gravar dados temporários no espaço de trabalho in_memory , que também é mais eficiente em termos computacionais.

Muitas operações no ArcGIS requerem camadas temporárias como entradas. Por exemplo, Selecionar Camada por Local (Gerenciamento de Dados) é uma ferramenta muito poderosa e útil que permite selecionar recursos de uma camada que compartilham relações espaciais com outro recurso de seleção. Você pode especificar relacionamentos complexos, como "HAVE_THEIR_CENTER_IN" ou "BOUNDARY_TOUCHES" etc.

Editar:

Por curiosidade, e para elaborar as diferenças de processamento usando camadas de recursos e espaço de trabalho in_memory, considere o seguinte teste de velocidade em que 39.000 pontos são armazenados em buffer 100m:

import arcpy, time
from arcpy import env

# Set overwrite
arcpy.env.overwriteOutput = 1

# Parameters
input_features = r'C:\temp\39000points.shp'
output_features = r'C:\temp\temp.shp'

###########################
# Method 1 Buffer a feature class and write to disk
StartTime = time.clock()
arcpy.Buffer_analysis(input_features,output_features, "100 Feet")
EndTime = time.clock()
print "Method 1 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

############################
# Method 2 Buffer a feature class and write in_memory
StartTime = time.clock()
arcpy.Buffer_analysis(input_features, "in_memory/temp", "100 Feet")
EndTime = time.clock()
print "Method 2 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

############################
# Method 3 Make a feature layer, buffer then write to in_memory
StartTime = time.clock()
arcpy.MakeFeatureLayer_management(input_features, "out_layer")
arcpy.Buffer_analysis("out_layer", "in_memory/temp", "100 Feet")
EndTime = time.clock()
print "Method 3 finished in %s seconds" % (EndTime - StartTime)
time.sleep(5)

Podemos ver que os métodos 2 e 3 são equivalentes e aproximadamente 3x mais rápidos que o método 1. Isso mostra o poder de usar as camadas de recursos como etapas intermediárias em fluxos de trabalho maiores.