早些年我在做水文分析的时候遇到过一件很头疼的事从DEM里提取河网结果流域中间有一大片区域全是黑块河流断断续续流向分析完全没法看。后来一查问题就出在原始栅格数据的NoData空缺上。不管是卫星影像的传感器异常、裁剪后的边缘空白还是插值模型算不出来的地方栅格数据里的NoData都是绕不开的坑。这篇文章我就把ArcGIS里填补栅格空缺值NoData的几种方案完整梳理一遍从最基础的认识NoData到快速填洞、焦点统计插值、表面重建再到批量自动化处理把这几年踩过的坑和总结出来的经验都写在里面。如果你是做DEM处理、遥感影像预处理、插值结果优化或者只是想把裁剪后的影像边缘补整齐这篇文章都值得你花几分钟看完。1. 先把“空缺值”这件事彻底搞清楚很多人在处理NoData时翻车不是因为工具不会用而是根本没分清NoData和数据里那些看起来像空缺的值比如0、-9999、255这些特殊值。这一步如果不搞清楚后面填出来的结果大概率是错的。1.1 NoData和0值到底有什么区别栅格数据里每个像元都有一个数值。NoData表示“这里没有数据”它是一个特殊的标记意思是这个位置的信息未知、未测量或者根本不在有效范围内。而0是一个实实在在的数值它表示“这里测量到的值是0”。举个例子在DEM数据里高程为0通常表示海平面NoData则表示这个区域的高程数据没测到。如果直接把NoData当成0去填等于告诉软件“这里海拔是0米”后续的坡度、流向、汇水量计算全部会跟着错。同样影像数据里0值很可能是像元值本身的黑边而不是空缺。要判断当前图层里哪些位置是真正的NoData最简单的办法是在ArcMap或ArcGIS Pro里右键图层打开属性在“符号系统”里看有没有用背景色或透明色显示的NaN或NoData或者在“图层属性→源”标签页里直接查看波段信息和NoData值。如果数据是从第三方拿来的GeoTIFFNoData经常是一些特殊值比如-9999这时候必须先用“复制栅格”工具把它转换成栅格存储格式能识别的NoData标记否则后面用条件函数判断时-9999会被当成普通数值参与计算结果可想而知。1.2 这些NoData到底是从哪冒出来的搞清楚了NoData是什么还得知道它为什么会出现。不同来源的NoData处理思路完全不同。最常见的来源是裁剪和掩膜。用矢量边界裁剪影像或DEM时裁剪范围之外的部分不会被计算软件默认就会把它们置为NoData这就导致影像边缘出现一圈黑色或透明的空白。很多人在做完裁剪后直接用这个结果去分析结果边缘区域全是无效值。第二种常见来源是影像拼接或镶嵌。不同影像的覆盖范围不一致重叠区域经过镶嵌计算后可能会有部分像元因为参与计算的输入数据不足而被标记为NoData。尤其是用“镶嵌至新栅格”时如果First/Last/Max等重叠处理方式选得不合适边缘空洞几乎是必然的。第三种来源是插值本身的盲区。使用IDW、克里金、样条插值时如果采样点分布不均匀点稀疏的区域或点集凸包外围经常会出现插值结果空缺算法算不出有效值就直接给了NoData。这种情况下空缺区域往往面积大且形状不规则用简单填洞并不靠谱。还有一类容易被忽略传感器自身的原因。比如Landsat的条带损坏、MOD IS产品中由于云遮挡导致的空洞这些都会在影像上形成规则或者不规则的NoData区域。所以在动手填补之前我的建议永远是先做好一步统计NoData的位置和面积。可以先用“栅格计算器”里的IsNull函数生成一个0/1二值栅格1代表NoData然后用“以表格显示分区统计”工具统计1值的像元数量乘以像元面积就能知道空洞的总大小和占比。这一步能帮你决定后面用哪种方案——空洞小且零碎用填洞工具就行空洞大片存在就得考虑插值或邻域统计空洞出现在影像边缘可能直接裁剪掉更干脆。2. 最快上手Fill NoData填洞工具的用法和局限如果NoData区域不大、数量也不算多最快的方法是直接用ArcGIS的“填洞”Fill NoData工具。这个工具专门针对栅格中的空白区域设计操作非常简单但它不是万能的用在哪些场景、设置哪些参数都有讲究。2.1 工具位置和参数含义在ArcToolbox里路径是“Spatial Analyst Tools → 栅格数据集 → 填洞”地图代数也可以直接用Fill NoData函数。在ArcGIS Pro中同样是在Spatial Analyst工具箱里。工具本体只有三个参数输入栅格、输出栅格以及一个可选参数“最大空洞大小”Limit和“相邻像元数量”NumberOfNeighbors不同版本名称略有差异老版本可能叫“边上的像元数”。“最大空洞大小”默认是100个像元意思是在这些像元中所有NoData区域内部若是最大宽度超过100个像元则该区域不会被填充。简单说洞太大就不填。这个参数必须要理解透彻它限制的是单个空洞的最大尺寸而不是所有空洞的总面积。如果你有个像元宽度为200的带状空洞默认参数下它不会被填必须把上限调大。“相邻像元数量”这个参数控制填充时周围有多少有效像元参与计算。默认是0意思是自动使用“最相邻的有效区域内的所有像元”来计算空洞值。填洞工具的原理其实是用空洞边界周围的像元值做表面外推把边缘的有效值方向性插值进空洞内部而不是全局采样。2.2 哪些情况适合用填洞工具根据我的实操经验Fill NoData最适合处理的是那些细小、零散的NoData区域。比如裁剪影像后边缘因为坐标偏移产生的一两个像元宽的黑边或者DEM里偶尔出现的孤立空洞这种场景下工具运行速度快、效果也很好。但如果空洞比较大或者集中连片Fill NoData的表现就不那么理想了。因为它本质上是在边缘做外推空洞内部的填充值会趋向于边界值的平均值结果就是大片空洞被填成几乎没有起伏的平面或者出现很明显的块状边界。对于DEM这种地形数据填出来可能是一个“平顶山”效果后面做水文分析依然会出问题。还要注意Fill NoData工具只在原始栅格值的基础上做局部延伸它不会给你生成超出边缘值范围的新值。也就是说如果你有一个DEM空洞周围的高程范围在200-300米那么空洞里填充出来的值大概率会落在200-300之间即使实际地形在这里本来应该有个山峰上升到500米。我的建议是先用上一章提到的IsNull方法统计一下空洞的像元数量和最大宽度。如果最大空洞宽度不超过50个像元、单位像元数总数占比低于5%直接用Fill NoData完全没问题如果超过这个阈值建议直接跳到后面几章用焦点统计或插值方案别在填洞工具上浪费时间。2.3 实操示例用填洞工具把缺值补齐假设手上有一份裁剪后的DEM裁剪范围外残留了一圈NoData内部还有几个零散空洞。我的具体操作步骤是打开Fill NoData工具输入栅格选择这份DEM输出路径设置到一个有写入权限的文件夹或地理数据库。最大空洞大小设为50因为检查过最大空洞宽度是37个像元相邻像元数量保持默认0。点击运行等结果生成后加载到地图里配合原始DEM做差值对比。用栅格计算器做差新DEM减去旧DEM观察差值图是否在空洞周围出现规则斑块。如果差值大且呈同心圆状说明填充值过渡不自然需要调整参数或者换方案。实测下来对于边缘型空洞填洞工具特别有效基本一个黑色矩形黑边就补齐了边缘值和原始数据连续性很好。但如果是DEM内部一个大窟窿效果就一般了填充结果硬邦邦地横在中间肉眼可见地和周围等高线脱节。3. 灵活可控条件函数焦点统计的组合填补方案如果你不想用填洞工具那种“黑箱”式的处理或者空洞比上面说的大一些但又不想动用复杂的插值流程那“条件函数Con 焦点统计Focal Statistics”这个组合是我个人最推荐的通用方案。它的核心逻辑很简单把NoData的地方替换成它周围邻域像元的统计值同时保留其他有效像元的值。好处是你可以完全控制邻域范围、统计方式和迭代次数成果质量可控、可复现而且在批量处理大量数据时非常稳健。3.1 原理拆解用Con和焦点统计搭建一个“智能填补器”先记住两个工具IsNull函数对输入栅格判断如果像元值是NoData则返回1否则返回0。焦点统计Focal Statistics对每个像元邻域范围内的所有像元计算统计值比如均值、中值、最大值、最小值。常用的是Mean均值或MEDIAN中位数后者对异常值更鲁棒。组合公式长这样在栅格计算器里输入Con(IsNull(原始栅格), FocalStatistics(原始栅格, NbrRectangle(5,5,CELL), MEAN), 原始栅格)这段公式的意思是如果这个像元是NoData就用它周围5×5窗口内有效像元的均值来替代如果这个像元本身有值就保留原值。里面有个细节值得注意焦点统计计算时NoData像元默认是不参与统计的所以计算均值时只用了周围的有效值不会因为空洞内的NoData把均值拉低。这正是它能填补空洞的原因——用“邻居的值”估计空洞值。3.2 为什么说这是通用性最强的填补思路在几种填补方案里我觉得条件函数焦点统计是“性价比”最高的一个。它不需要安装额外的扩展模块Spatial Analyst就够了公式可以保存成脚本或模型反复使用也能直接套用到批量数据上。它的填补结果比Fill NoData更平滑因为你可以手动控制窗口大小和统计方式让填补的值更贴近地形变化趋势。实际工作中我用它处理过一个DEM空洞面积大概占10%的案例一张30米分辨率DEM空洞分布在山谷区域最大空洞直径约150米相当于5个像元。直接用Fill NoData填出来山谷底部几乎是一个平台两侧等高线扭曲得厉害。改用5×5窗口的焦点统计均值填补后填充区域和周围地形过渡自然了很多后面提取水系基本没受影响。另外这个方法对边缘型NoData同样有效。处理裁剪后影像边缘的黑边时用较大的邻域窗口比如7×7或9×9边缘填补后的值会从影像内部的纹理中推断出来比填洞工具那种简单外推要细腻一些。3.3 迭代操作从小窗口到大窗口的“阶梯式”填补有一个坑如果你直接把一个超级大的邻域窗口用在一次Con操作上填补出来的区域可能会过度平滑失去细节。更聪明的做法是迭代填补。我第一次处理一个空洞比较复杂的DEM时就吃过亏一个5×5的窗口一次性填补效果还行但空洞中心的等值线还是不够自然。后来我把流程改成了三步迭代先用3×3窗口做第一次填补让空洞边缘往里收缩一圈。再用5×5窗口对剩余的NoData做第二次填补。最后用7×7窗口处理剩余的零散小洞。这种“从内到外、从小到大”的迭代思路相当于让空洞中的值由外向内逐层传递每一次都基于更新的栅格数据计算结果比一次用一个超大窗口平滑得多也更接近真实地形。具体计算公式可以每次手动跑栅格计算器也可以录制脚本一次性循环完成。如果你处理的海量栅格数据比较多还可以把整个迭代过程封装成一个ArcPy脚本循环执行Con和FocalStatistics具体代码我在第五章给出可直接复制的版本。4. 高质量重建用插值法填补大面积NoData当NoData区域面积较大、形状复杂尤其是超过整体面积20%、且空洞内部可能有真实地形起伏时前面两种方法都不太够用了。这时候我倾向于用插值法来做“表面重建”——把填补NoData当作一次科学的数据重建任务而不是简单补洞。ArcGIS里提供了IDW、克里金、样条等多种插值方法它们的共同点是基于周围已知点生成连续表面从而预测无值区域的数值。4.1 方法选择反距离权重、克里金还是样条插值法填补NoData的操作思路是先把有效像元转成点再用这些点做空间插值生成一个完整表面最后用条件函数把插值结果只用在原NoData区域。不同插值方法适用于不同场景我自己常用的三种反距离权重IDW原理是“距离越近影响越大”直接用距离倒数作为权重。它计算快、参数直观、结果不会超过输入点的值域范围适合大多数地形和影像数据。缺点是对异常值敏感而且生成表面在数据点周围容易出现“牛眼”现象。克里金Kriging和IDW不同克里金考虑了空间自相关结构生成的表面更平滑、更符合真实地理过程。但要拟合半变异函数对参数理解要求高计算量大。如果空洞内部有复杂的山谷走向克里金往往比IDW表现更好。样条Spline样条插值能生成非常光滑的表面适合温度、降雨等渐变数据。但它有个致命问题插值结果可能大大超出输入值的范围高得离谱或低得离谱都有可能。用在DEM上容易出现不合理的极值所以我不推荐用样条来填补地形空洞。如果只是一般性的栅格数据补洞我个人最推荐先用IDW参数简单可控天然把空缺值限制在已知值范围内不容易“放飞自我”。如果是DEM且你对地形保真度要求很高可以尝试克里金但一定要先做交叉验证看看error大小。4.2 实操流程从空洞提取到插值拼接举个例子某次我处理一份Landsat NDVI影像因为云遮挡导致大面积空斑。数据是30米分辨率NoData面积约占全图的18%分布在好几个不规则区域。操作流程如下第一步提取空洞范围。用栅格计算器IsNull(NDVI)生成0/1栅格再用“栅格转面”Raster to Polygon工具把值为1的区域转成面要素。注意这里的1表示NoData区域后续要以它作为掩膜范围。第二步裁剪有效像元。用“按掩膜提取”工具把原始NDVI有效区域IsNull0裁剪出来然后“栅格转点”生成点要素。这一步要留意如果原始栅格有几千万个像元全部转点会非常慢、文件巨大。我的做法是先用“缓冲区”工具把空洞边界外扩一段距离比如500米然后用这个缓冲区去裁剪原始栅格只把空洞周围的点导出来参与插值效率高得多。第三步插值。用IDW工具输入点要素选择刚才裁剪出来的点Z值字段选择NDVI值像元大小设置为原栅格的30米搜索半径可以设为可变或固定半径比如500米幂次默认2。这里关键是“环境设置”里把“处理范围”和“掩膜”设置为原栅格范围或空洞面要素这样插值结果范围就和原数据严格对上了。第四步拼接填补。用栅格计算器把原始栅格和插值结果合成Con(IsNull(原始NDVI), 插值结果, 原始NDVI)这样原始有值的地方不动只有NoData区域用插值结果填充。第五步检查质量。我把填充后的NDVI和原始数据做差值对比重点关注边界过渡和极值。如果边界处出现明显的阶梯状跳变说明插值结果和原数据在边界处梯度不一致解决办法是给插值加一个“羽化”权重或者在Con之前先用焦点统计对插值结果做一次平滑。4.3 别忽略的边缘问题与参数细节网上的教程很多都只讲到“插值完拼回去”就完了但实际过程中有几个容易被坑的地方。一是输出范围对齐。插值工具默认的输出范围可能和原始栅格不完全一致导致Con拼接时出现错位或者多出一圈。解决办法是在插值工具的“环境设置→处理范围”里明确指定为原始栅格的范围同时“栅格分析→像元大小”设置为和原栅格完全一致。这个细节不注意后面分析投影重采样时很容易出线状伪差。二是掩膜问题。INSERT插值时如果没设置掩膜插值结果会覆盖整个范围包括原栅格有效区域这本身不碍事因为最后Con会保留原值。但如果你用掩膜只插空洞内部空洞边界处可能因为缺少边缘点而计算不准。我的经验是插值时让范围覆盖空洞周围更大区域最后再用Con裁剪边界会更自然。三是特殊数据类型。如果是整型栅格比如土地利用分类插值出来的值会有小数无法直接用于分类图。这时候更适合的做法不是插值而是用“多数”统计的焦点统计取邻域内出现最多的类别来填补NoData保证分类值不产生新类别。用Con公式时改成Con(IsNull(分类栅格), FocalStatistics(分类栅格, NbrCircle(5,5,CELL), MAJORITY), 分类栅格)四是别把有效区外的大片NoData也补了。有些数据的NoData其实是“无效范围”比如海洋区域的海拔、传感器扫描带宽之外的空白。这种NoData不仅不能补补了反而会污染数据。提前用IsNull统计和目视检查很重要我在实际项目中一般会先单独生成空洞分布图和原始数据叠加查看确认哪些NoData属于“需要考虑填充的数据空洞”、哪些属于“本来就不该有数据的范围”再决定是否要裁剪或者限定范围。5. 批量化处理几十个栅格的NoData一次填完做生产项目时很少只有一个栅格文件要处理。我遇到过需要用大范围分幅DEM拼出完整流域的情况每个分幅都或多或少有空洞一个个用工具跑显然不现实。这时候把填补流程封装成ModelBuilder模型或Python脚本才是真正能落地的做法。5.1 ModelBuilder快速搭建批量填补流程ModelBuilder的好处是可视化、好理解适合临时性的重复工作。在ArcToolbox里新建一个模型依次拖入三个工具栅格计算器或“条件分析”下的Con、焦点统计、IsNull。我的流程设置如下“栅格计算器”里写公式IsNull(%输入栅格%)生成临时NoData掩膜。“焦点统计”工具接原始栅格邻域用5×5矩形统计类型MEAN。再一个“栅格计算器”公式写成Con(%IsNull结果% 1, %焦点统计结果%, %输入栅格%)。把中间临时输出设为 “中间数据”模型属性里取消勾选“中间数据”输出的最终结果保存为指定文件夹的TIFF文件。模型建好之后双击模型就会弹出参数对话框手动选择输入栅格。如果你有很多栅格要处理可以在模型外面用ArcToolbox的“迭代栅格”工具把它包进去模型每次循环读取一个栅格、输出一个填充后的栅格。5.2 Python脚本循环遍历文件夹批量处理NoData如果你对Python有一定了解我更推荐直接用脚本。下面是我常用的一个可运行脚本思路简单直接遍历指定文件夹中的所有TIFF栅格对每个栅格执行IsNull → FocalStatistics → Con三步输出到指定目录并打印当前处理进度。import arcpy import os arcpy.CheckOutExtension(Spatial) in_folder rD:\DEM_原始数据 # 输入栅格所在文件夹 out_folder rD:\DEM_填补结果 # 输出文件夹 os.makedirs(out_folder, exist_okTrue) arcpy.env.workspace in_folder arcpy.env.overwriteOutput True # 设置输出像元大小与输入一致 arcpy.env.snapRaster tifs arcpy.ListRasters(*, TIF) for raster in tifs: out_path os.path.join(out_folder, raster.replace(.tif, _filled.tif)) if arcpy.Exists(out_path): print(f跳过已存在文件: {out_path}) continue try: is_null arcpy.sa.IsNull(raster) focal arcpy.sa.FocalStatistics(raster, arcpy.sa.NbrRectangle(5, 5, CELL), MEAN) filled arcpy.sa.Con(is_null 1, focal, raster) filled.save(out_path) print(f已完成: {raster} - {out_path}) except Exception as e: print(f处理失败: {raster}, 错误: {e}) arcpy.CheckInExtension(Spatial) print(批量处理结束)这个脚本有几个细节可以展开说明arcpy.env.workspace设置了输入工作空间ListRasters才能正确遍历到TIFF文件。overwriteOutput设为True避免重复运行时报错同时脚本里也用arcpy.Exists做了跳过重复处理的判断防止断点续跑时浪费时间。焦点统计的窗口大小我做成5×5实际使用时要根据空洞面积调整。你可以把窗口大小放到脚本开头写成变量方便每次修改。脚本里没有设置snapRaster所以在处理多幅不同范围、不同对齐方式的栅格时输出结果会和输入保持一致如果原始数据本身配准得很好也可以设置arcpy.env.snapRaster 第一个栅格路径来强制所有输出对齐到一个公共网格。5.3 批处理时的注意事项和加速技巧批处理最容易翻车的地方是环境变量没设置好。第一次写批量脚本时我因为没设置arcpy.env.workspace导致ListRasters返回空列表脚本静默跳过所有文件排查了半天。这个坑说出来不值钱但真的能卡住你一小时。第二个是输出格式。如果输出路径的后缀是.tifArcGIS默认会写成TIFF格式内存占用较大但通用性好。如果直接用地理数据库.gdb里的栅格数据集作为输出速度会更快、文件更小但后续导出可能麻烦。我一般用TIFF兼容性最好。第三个是性能问题。在Spatial Analyst的大多数工具中数据计算是支持并行处理的。如果你的机器有多核可以在脚本里设置arcpy.env.parallelProcessingFactor 100%这条语句可以让某些工具在多核CPU上并行计算特别是焦点统计和插值这种计算密集型操作提速非常明显。但要注意不是所有工具都支持并行而且并行计算时临时文件占用变大磁盘空间不够反而会拖慢速度最好先在小范围数据上测试。第四个坑和名称有关如果输入文件夹里混有其他非栅格数据比如矢量面文件或表格ListRasters(*, TIF)可以把它们过滤掉但如果你用的是个人地理数据库里面可能还有GRID格式的栅格那过滤条件要相应改成*。脚本里我写了“TIF”是为了防止GRID格式在文件夹环境下生成的辅助文件干扰。6. 常见问题与排查技巧速查处理NoData时遇到的问题五花八门很多甚至和“填补”本身没关系而是数据预处理或参数设置的锅。我把这些年实操中碰到过的典型问题整理成一个速查表方便你对照排查。现象原因解决办法IsNull结果全是0明明图上看到有黑块黑块其实是0值不是NoData符号系统把它显示成黑色了用“栅格计算器”统计0值数量确认后用“设为空函数”SetNull把0转为NoData或者直接填0值Fill NoData填完后空洞区域成一个平面空洞太大工具用边界外推后内部失掉地形细节改用焦点统计迭代或插值法别指望填洞工具能重建地形Con公式报错“无法执行表达式”Con的条件表达式写法不对或者栅格路径带中文/空格用单引号或双引号包裹栅格名称比如Con(IsNull(dem), ...)检查环境设置里Spatial Analyst扩展是否勾选焦点统计填完后边缘出现方格状痕迹用了矩形邻域统计窗口形状和栅格网格平行改用圆形邻域NbrCircle(5,5,CELL)过渡更自然插值结果和原栅格拼接后边界明显错位插值工具的输出范围和像元大小与原栅格不一致设置插值工具的环境为原栅格范围/像元大小或在Con前先使用“重采样”统一填充后的DEM出现流水不畅、洼地增多填补值虽然合理但局部微地形还是不平顺填充后加一步“填洼”工具处理或用焦点统计中位数代替均值减少极值影响整型栅格填充后出现小数用了MEAN等连续统计方式改成MAJORITY统计对分类数据取邻域内出现次数最多的类别批量脚本运行后所有输出都是空文件输入路径或工作空间设置错误ListRasters没读到数据打印arcpy.ListRasters(*)检查列表确认工作空间设置正确补完后NoData数量没变少填充结果没保存成功或者输出路径不可写检查输出路径权限确认filled.save()是否执行并输出临时文件的路径还有一个容易被忽略的问题数据投影和范围。如果原始栅格是地理坐标系比如WGS84像元大小以度为单位而你的焦点统计窗口同样用“像元个数”来表达那没有问题但如果你在插值时把搜索半径设成了“米”为单位就会因为单位不统一而出错。遇到这种问题我的建议是统一到投影坐标系再做处理至少把环境里的输出坐标系和像元大小设好。提示NoData处理完不代表数据就完全正确。填补本质上是对未知值的估计填补后的数据会在局部带有模型假设的痕迹。做科研或正式成果时最好在文档或元数据里注明哪些区域是被填补的、用什么方法填补的、填补误差大概多大。这是专业性的体现也是后续别人接手你数据时最需要的背景信息。7. 我实操中的一点经验分享到最后说点个人体会。做栅格NoData填补这些年我最大的感受是不要迷信某一种工具而是先想清楚“这个NoData是怎么来的、它将来会怎么影响我的分析”。如果只是为了出图好看Fill NoData就够了如果为了后续的坡度、流向、地表参数计算那真值得花时间把焦点统计或插值方案做好。我自己最常用的是第3章的“条件函数焦点统计”组合它综合了速度和精度能应付大多数场景。插值法虽然结果更精细但计算量大、调参复杂一般用在数据量不大但对质量要求很高的正式成果上。另外再分享一个小技巧不管用哪种方法填完之后一定要用“栅格计算器”把填充结果和原始数据做差值填充后减原始并检查溢出值和异常极值。换句话说填补的目的是让NoData区域和周围数据尽量和谐如果差值图在边界处出现规则的同心圆或方块状那就说明填充值和边界值在空间连续性上还有问题可以适当调整窗口大小或改用迭代方法。这个小步骤花不了多少时间却能让你避免带着隐患继续往下做分析。上面这些方案都是我在实际项目里跑过的参数和经验都是基于常见数据和工具版本总结出来的。如果你的数据情况比较特殊——比如超大范围的空洞、传感器条带损坏、或者NoData区域其实代表某种真实地理含义——欢迎在此基础上调整思路毕竟工具是死的数据永远是活的。