GIS空间分析 叠加分析与缓冲区分析2 房产开发适宜性制图

简介: GIS空间分析 叠加分析与缓冲区分析2 房产开发适宜性制图 本文讲述了基于选址分析的适应性分析案例

 实验数据:见个人资源《GIS空间分析教学数据》免费下载,仅供学习使用

 

image.gif编辑

一 实验名称

       缓冲区与叠置分析之房产开发适宜性制图

二 实验目的

(一)案例假设

       假如你是地产开发商,要在该地区选址进行房产开发,需要找到以下一个或几个条件的区域,得到房产开发的适宜性制图:

    1. 离主要交通要道200m外,以避免噪音污染;
    2. 在商业中心的服务范围内;
    3. 距离名牌中学750m之内;
    4. 距离名胜古迹500m之内。

           找到全部或部分满足以上条件 的区域,并分级显示。

    (二)实验目的

              (1)掌握矢量要素分级显示的基本方法;

              (2)掌握专题图的制作方法;

    三 实验准备

                 数据准备:实验一结果

    四 实验步骤

    1.导入实验一结果,因为我实验一后没有退出,所以界面保持实验一结果;

    image.gif编辑

    2.打开每个缓冲区结果的属性表,对每个结果添加一个短整型评分(原名)字段;

    image.gif编辑

    image.gif编辑

    3.对学校、超市、景点的新字段赋值为1,道路为-1;

    image.gif编辑

    image.gif编辑

    4.完成四个要素赋值后,我们需要使用联合工具来得到该区域每个位置的四项评分,搜索栏输入联合,打开联合工具,输入要素选上述四个结果,点击确定,打开结果属性表,可以发现这些结果的字段被继承了下来,我们添加一个短整型总分字段,记录总评分,打开字段计算器,输入公式为四项评分字段之和,点击确定,这样我们就得到每一个地块的评分值;

    image.gif编辑

    image.gif编辑

    image.gif编辑

    image.gif编辑

    image.gif编辑

    image.gif编辑

    5.现在,我们需要对结果根据分值的不同,对其进行分层设色显示,右击该结果,选择属性,点击符号系统选项卡,类型选择唯一,字段选择总得分all,点击下方的添加所有值,选择合适的色带,点击确定即可得到合适的分层设色图;

    image.gif编辑

    image.gif编辑 6.其中,颜色最深的地方就是评分最高的地方,也是最适合开发的地段;


    如果觉得我的博文对您有用的话,三连是对我创作的最大支持!

    “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
    |
    数据采集 Web App开发 数据挖掘
    利用Python和Selenium实现定时任务爬虫
    利用Python和Selenium实现定时任务爬虫
    |
    存储 JavaScript 安全
    基于Springboot和vue的餐饮管理系统的设计与实现
    基于Springboot和vue的餐饮管理系统的设计与实现
    |
    8月前
    |
    存储 运维 Serverless
    千万级数据秒级响应!碧桂园基于 EMR Serverless StarRocks 升级存算分离架构实践
    碧桂园服务通过引入 EMR Serverless StarRocks 存算分离架构,解决了海量数据处理中的资源利用率低、并发能力不足等问题,显著降低了硬件和运维成本。实时查询性能提升8倍,查询出错率减少30倍,集群数据 SLA 达99.99%。此次技术升级不仅优化了用户体验,还结合AI打造了“一看”和“—问”智能场景助力精准决策与风险预测。
    711 69
    |
    11月前
    |
    人工智能
    Scaling Laws终结,量化无用,AI大佬都在审视这篇论文
    《Scaling Laws for Precision》论文提出“精度感知”的扩展理论,将精度纳入模型发展的核心考量,弥补了传统AI模型发展理论忽视精度的不足。研究发现低精度训练会降低模型的有效参数计数,影响性能,并预测了低精度训练和后训练量化带来的损失。作者通过大量实验验证了理论的可靠性和有效性,为计算资源有限情况下如何平衡模型规模和精度提供了新思路。然而,该研究也引发了关于精度与性能权衡复杂性的争议。
    254 27
    零基础入门金融风控之贷款违约预测的Task1:赛题理解
    零基础入门金融风控之贷款违约预测的Task1:赛题理解
    230 4
    |
    存储 边缘计算 安全
    边缘计算与云计算的协同工作:技术解析与应用前景
    【8月更文挑战第4天】边缘计算与云计算的协同工作是未来信息技术发展的重要趋势。通过合理地分配任务和资源,两者可以相互补充、发挥各自的优势,实现更高效的数据处理和分析。这种协同模式不仅提高了系统的性能和可靠性,还满足了复杂多变的应用需求,为人工智能、物联网等技术的发展提供了强有力的支持。
    981 11
    |
    12月前
    |
    存储 监控 算法
    基于YOLOv5和树莓派4B平台
    目标检测在计算机视觉领域中具有重要意义。YOLOv5(You Only Look One-level)是目标检测算法中的一种代表性方法,以其高效性和准确性备受关注,并且在各种目标检测任务中都表现出卓越的性能。本文将详细介绍如何在性能更强的计算机上训练YOLOv5模型,并将训练好的模型部署到树莓派4B上,通过树莓派的摄像头进行实时动物目标检测。 一、在电脑上训练YOLOv5模型 1. 安装Anaconda 在性能更强的计算机上安装Anaconda,方便管理Python环境和依赖。 从Anaconda官网(https://www.anaconda.com/products/distribu
    613 6
    |
    SQL 关系型数据库 数据库
    SqlAlchemy 2.0 中文文档(五十七)(2)
    SqlAlchemy 2.0 中文文档(五十七)
    175 0
    |
    数据采集 监控 JavaScript
    工厂生产管理系统MES十大核心功能模块
    MES提供了对生产现场的实时可视化,帮助企业管理生产计划、物料追踪、工艺控制、产品质量和生产设备等方面的工作。
    596 11
    |
    Android开发
    Android Studio App开发实战项目之计算器的开发及演示(附源码和演示视频,超详细,可直接使用)
    Android Studio App开发实战项目之计算器的开发及演示(附源码和演示视频,超详细,可直接使用)
    1426 0

    热门文章

    最新文章