GIS空间分析 栅格数据分析1 欧氏距离分析

简介: 本文讲述ArcGIS栅格数据欧氏距离分析、栅格数据重分类、栅格叠置分析等空间分析功能;

 目录

一、实验名称

二、实验准备

       1.基本概念:

       2.实验目的:

       3.实验背景:

       4.实验要求:

       5.实验数据:

       6.实验流程:

三、实验步骤


其他GIS空间分析文章

一、实验名称

       栅格分析之欧氏距离分析

二、实验准备

       1.基本概念:

               欧氏距离:测量每个像元距离最近源的直线距离(像元中心至像元中心的距离)

       2.实验目的:

               掌握ArcGIS栅格数据欧氏距离分析、栅格数据重分类、栅格叠置分析等空间分析功能;

       3.实验背景:

               本次实验以学校选址为例,学习栅格欧氏距离分析及叠置分析的地学应用;

       4.实验要求:

1 地形平坦;

2 合适的土地利用类型;

3 基础设施便利;

4 与现有学校之间合适的间隔距离;

       5.实验数据:

1 elevation: 高程数据

2 landuse: 土地利用类型数据

3 sites.shp: 基础设施点要素数据

4 schools.shp: 现有学校点要素数据

       6.实验流程:

1 加载数据;

2 派生数据

3 重分类数据;

4 加权计算;

image.gif编辑

三、实验步骤

       1.加载数据;新建文件,打开文件夹,选中四个数据,点击添加进ArcMap,方便起见,可修改要素的显示属性;

image.gif编辑

image.gif编辑

       2.选中ArcToolBox,右击选择打开环境设置对话框,展开工作空间,路径设置为./ex2/,展开分析范围,设置为与图层landuse范围相同,展开栅格分析,像元大小与图层elevation相同,点击确定,完成设置;

image.gif编辑

image.gif编辑

       3.为了更好的可视化效果,我们对elevation图层做一个山体阴影,打开ArcToolBox>spatical Analyst>表面分析>山体阴影,将其放置在landuse图层下,点击landuse图层属性>显示,修改其透明度为30%,点击确定;

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

        4.点击坡度分析工具,选择elevation数据,输出文件名为slope,点击输出;

image.gif编辑

image.gif编辑

       5.紧接着打开距离分析>欧氏距离;输入栅格sites,输出栅格dis_sites,点击确定;

       同样打开欧氏距离工具,输入schools,输出dis_schools;

 

image.gif编辑

image.gif编辑

image.gif编辑  

       6.接下来,为了消除个数据集的量纲影响,我们可以对数据集进行重分类;选择重分类工具,先选择坡度数据,分类类型为等间距分类,分为10类,坡度越平坦等级越高,所以选择对新值取反,修改结果名为reslope,进行重分类;

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

        7. 对dis_schools、dis_sites数据使用同样的方法进行重分类,区别是,dis_sites数据因为距离学校距离远越好,级别越高,因此不用取反;

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑

       8.对土地利用类型数据进行重分类,因为是学校选址,所以不能选择湿地与水体,按住ctrl键,选择该两要素,点击删除条目,并勾选将缺失值更改为NoData,然后根据实际情况更改地理利用类型的等级,如图,选择确定,在其属性中将nodata改为无色;

image.gif编辑

image.gif编辑

        9.我们已经对选址分析各个因素较适宜的部分赋予了高值,现在我们将要给它们赋予合适的权重,基础设施为0.5,学校为0.25,坡度为0.125,土地利用类型为0.125,打开栅格计算器,选择图层与其权重的成绩求和计算,我们对结果进行分级显示与一定的调整可得最终选址图。

image.gif编辑

image.gif编辑

image.gif编辑

image.gif编辑


image.gif编辑

如果觉得我的文章对您有帮助,三连+关注便是对我创作的最大鼓励!

更多GIS空间分析文章

“本站所有文章均为原创,欢迎转载,请注明文章出处:https://blog.csdn.net/qq_45590504/category_11750215.html百度和各类采集站皆不可信,搜索请谨慎鉴别。技术类文章一般都有时效性,本人习惯不定期对自己的博文进行修正和更新,因此请访问出处以查看本文的最新版本。”


目录
相关文章
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
49 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)
|
2月前
|
机器学习/深度学习 人工智能 数据挖掘
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
数据分析师是在多个行业中专门从事数据搜集、整理和分析的专业人员
38 3
|
3月前
|
前端开发 Java JSON
Struts 2携手AngularJS与React:探索企业级后端与现代前端框架的完美融合之道
【8月更文挑战第31天】随着Web应用复杂性的提升,前端技术日新月异。AngularJS和React作为主流前端框架,凭借强大的数据绑定和组件化能力,显著提升了开发动态及交互式Web应用的效率。同时,Struts 2 以其出色的性能和丰富的功能,成为众多Java开发者构建企业级应用的首选后端框架。本文探讨了如何将 Struts 2 与 AngularJS 和 React 整合,以充分发挥前后端各自优势,构建更强大、灵活的 Web 应用。
58 0
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
79 2
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
178 4
|
3月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
84 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析