01 第一章
1.1 GIS空间分析的概念
空间分析是为解答地理空间问题而进行的数据分析与挖掘，是GIS的核心。
1.2 GIS空间分析的研究对象、研究目标
研究对象主要是矢量和栅格；
1.3 研究目标是：认知、解释、预报、调控。
认知：有效获取数据，再现事物本身
解释：理解空间数据的背景过程，揭示本质规律
预报：利用规律，建立模型预报
调控：对地理空间发生的事件进行调控
1.4 道路拓宽案例分析
探讨：某城镇拟对建城区某条道路进行拓宽，其拆迁标准为：
a）道路从原有的20m拓宽至60m；
b）拓宽道路应尽量保持直线；
c）部分位于拆迁区内的10层以上的建筑不拆除。
如何使用GIS进行道路拓宽的路线和费用分析？流程是怎样的？
答:
首先，对道路数据进行缓冲距离为20m的缓冲区分析得到要求拆迁区。(缓冲区工具)
然后，选择在此缓冲区内的建筑物要素(按位置选择工具)。
接着，通过按属性选择工具，筛选出10层以下的建筑物(按属性选择工具)。
在属性表中对选择的建筑基于估值字段进行汇总统计进而估算拆迁费用。(属性表计算几何, excel求和或汇总)(属性表+汇总)
1.5 GIS空间分析的核心问题
位置（Locations）
条件（Conditions）
趋势（Trends）
模式（Patterns）
模型（Models）
02 第二章
2.1 空间查询的概念、空间量算的概念
空间查询概念：从数据库中找出符合属性约束条件或空间约束的空间数据；
空间量算概念：对各种空间目标的几何参数进行量算与分析；(属性表-计算几何工具-周长、面积、坐标等等)
2.2 函数距离的概念
欧式距离(概念/工具)、曼哈顿距离
2.3 空间查询分类、空间相互关系查询
空间查询分类：属性查询、空间相互关系查询(查看ArcGIS按位置选择的诸多空间相互关系)、混合查询
2.4 空间量算主要内容；空间量算的应用（如求取面积、长度；比如各县沟壑密度中的面积计算）
理应大题: 求取面积、长度均可在属性表中右击字段 è 弹出选项框中 à 点击计算几何(calculate geometry) è 选取面积亦或长度计算即可;
若是给定各县面要素，如上操作即可即可。
属性表+添加字段工具+计算几何工具
2.5 欧拉数的概念、弯曲度的概念、简单图形概括的概念、平均最近邻分析的概念、空间自相关的概念、离散区域和连续区域的概念；
- 欧拉数的概念: 面状地物空洞数据量的度量。欧拉数=空洞数-（碎片数-1）=2。欧拉数越大，面状地物的破碎程度越大。
例如：
，对于该面要素类，空洞数为3，碎片数为2，所以欧拉数为3 – (2 - 1) = 2;
1.弯曲度的概念: 反映平均曲率的度量,(S = L/I)，两点之间实际连线的长度与两点间的最短连线的长度的比值即为弯曲度，S越大弯曲程度越大。
2.简单图形概括：最大内切圆、最小外接圆、最小凸包；
3.平均最近邻(ArcGIS-Spatial statistic tools – 分析模式 – 平均最近邻 è 用于了解空间目标的一个分布情况例如聚集分布？/均匀分布?)
概念：根据每一个要素与其最近邻要素之间的平均距离计算其最近邻指数。(ArcGIS Help)
具体原理：测定每一个要素的质心与其最近邻要素的质心位置之间的距离，然后计算所有这些最近邻距离的平均值。如果该平均距离小于假定随机分布中的平均距离。则会将其视为是聚类要素。如果大于随机分布的平均距离，则视其为分散要素。平均最近邻比率通过观测的平均距离除以期望的平均距离计算得出。以下是一个输出范例：
很显然，它属于聚类要素，因为平均观测距离小于预期平均距离，平均最近邻比率 = 平均观测距离 / 预期平均距离.Z得分和p值与随机分布相关，也说明了这结果的一个置信程度。
2.6 空间自相关概念：反应地理单元某一属性与邻近区域同一属性值的相关程度。如果某一区域属性值均大于或小于平均值，则相关性（Moran’s Index）程度高
2.7 离散区域和连续区域的概念
离散区域分布模式：与点模式具有相似性，可利用点模式的研究方法
连续区域：等值线、高程曲线。
2.8 高程曲线的制作
以下等高线的制作，并非高程曲线的制作，高程曲线的制作见后续章节。
答：？加载DEM数据，通过ArcGIS è Spatial Analyst Tools è 表面分析 è 等值线即可完成等高线的制作；(等值线工具)
如何制作精美的明暗等高线呢？-_-‘~’
答：明暗是由于入射光造成的，所以这里还需要使用坡向数据，将栅格化的等高线与重分类的坡向相乘(0/1)，最终以DEM作为灰色背景,调整等高线色调即可.以下为范例：
03 第三章
3.1 什么是Grid，Grid的行、列数与Cell Size和空间范围、离散型和连续型Grid的区别，Grid的No Data数据
1.什么是GRID(狗都不用)
GRID是ArcGIS中的一种栅格数据存储格式。它是由Esri开发的专有格式，用于存储和管理栅格数据。GRID格式提供了一种高效、紧凑的存储方式，支持空间索引和属性查询，适用于GIS分析和地理处理任务；
2.GRID的行列数、CellSize、空间范围、Nodata
行数和列数：GRID格式的栅格数据由行和列组成，行数表示纵向（Y轴）上的单元数量，列数表示横向（X轴）上的单元数量。行数和列数决定了栅格数据的分辨率。
Cell Size：GRID格式的栅格数据中，每个单元（cell）在地面上表示的实际尺寸，通常为正方形。Cell Size越小，分辨率越高，空间信息的表达更为精细。
空间范围：GRID格式的栅格数据的空间范围是由四个边界坐标值（最小X值、最大X值、最小Y值、最大Y值）定义的矩形区域，表示栅格数据所覆盖的地理空间范围。
No Data值：GRID格式的栅格数据中，No Data值表示某个栅格单元在空间上不存在有效的地理信息。在进行栅格数据的分析和处理时，通常需要考虑No Data值的影响，避免对分析结果产生误导。
3.2 离散型和连续型Grid的区别
离散型栅格数据：每个栅格单元表示一个离散的地理现象或对象，如土地利用类型、行政区划等。离散型栅格数据中的数值表示类别，通常为整数。
连续型栅格数据：每个栅格单元表示一个连续的地理现象或属性，如地形高程、坡度等。连续型栅格数据中的数值表示连续变化的量，通常为实数。
需要注意的是，通常离散型GRID数据在ArcGIS中是具有属性表的，也就是说我们要想对栅格数据计算面积等需要属性表的操作，需要将栅格数据通过重分类等操作转化为离散型GRID格式。
3.3 空间分析的基本参数设置方法与意义，如掩膜的应用、空间分析范围、尺寸设置的作用、Cell Size的概念
以上均可在ArcGIS的环境设置完成.
1.掩膜
掩膜是一种用于限定空间分析范围的技术。通过为分析设置掩膜，可以确保结果仅包含感兴趣区域内的数据。在ArcGIS中，可以使用"Environment Settings"中的"Mask"选项来设置掩膜。
2.空间分析范围
空间分析范围是指分析过程中涉及到的地理空间范围。设置空间分析范围可以确保分析结果只包含所需区域的数据。在ArcGIS中，可以通过"Environment Settings"中的"Processing Extent"选项来设置空间分析范围。
3.CellSize
Cell Size 是指栅格数据中每个单元 (cell) 在地面上表示的实际尺寸。通常情况下，Cell Size 越小，分辨率越高，空间信息的表达更为精细。在进行空间分析时，需要根据实际需求和数据质量来设置合适的 Cell Size。在ArcGIS中，可以通过"Environment Settings"中的"Raster Analysis"下的"Cell Size"选项来设置。
尺寸设置？不知，或与图单位相关 è 输出坐标?地理投影坐标系?
3.3 Raster Caculator原理与应用（注意该知识甚至可能和遥感知识相结合，如在GIS中利用遥感TM影像获取植被指数；、种子点扩散算法的实现）、重分类原理与应用（注意重分类可将Nodata变为有值，重分类的结果为离散型栅格数据）
- 植被指数的计算
假定L8有两个波段影像: B4.tif， B5.tif.那么NDVI植被指数的计算如下:
- 种子点扩散算法
~~~~~~~~~~~我先讲讲底层如何实现
准备数据：确保已经获取了火点位置和GEMI-B指数栅格数据。
将火点位置转换为栅格数据：首先需要将火点位置数据（矢量）转换为与GEMI-B指数栅格数据具有相同分辨率、空间参考和像元大小的栅格数据。在ArcGIS中，可以使用"Feature to Raster"工具进行转换。
初始化种子点集合：将转换后的火点位置栅格数据中的非零像元作为初始种子点集合。
种子点扩散：编写一个循环，以处理种子点集合中的每个种子点。在每次迭代中：
a. 对每个种子点，检查其周围8个相邻像元。
b. 对于每个相邻像元，计算以该像元为中心的3x3矩形窗口的GEMI-B指数的标准差。
c. 如果相邻像元的标准差小于0.9，则将其标记为火烧迹地，并将该像元添加到种子点集合中以进行下一次迭代。
d. 从种子点集合中移除已处理的种子点。
循环结束：当种子点集合为空时，即没有新的种子点需要处理时，循环结束。
输出结果：将标记为火烧迹地的像元生成一个新的栅格数据，即火烧迹地提取结果。(如果需要，可以将最终的火烧迹地栅格数据转换为矢量数据（如多边形），以便进行进一步的分析和可视化。在ArcGIS中，可以使用"Raster to Polygon"工具进行转换。)
~~~~~~~~~~~但是实际上更简单的方法：
首先，对于GEMI-B指数数据，通过焦点统计计算每一个像元的标准差，然后对焦点统计之后的GEMI-B数据进行重分类，小于0.9赋值为1，大于的设置为Nodata；然后将该数据和种子点数据全部转化为矢量数据，然后进行按位置选择，将包含种子点的面要素选中，这些面要素就是我们要的火迹地。
- 重分类
重分类，老生常谈。就是将像元值按照某种分类标准重新赋值(逐像元)。
工具在 ArcGIS è Spatial Analyst Tools è 重分类 è 重分类工具
