《空间作业分析概要》由会员分享，可在线阅读，更多相关《空间作业分析概要（14页珍藏版）》请在金锄头文库上搜索。
1、 空间分析实验 赵宁宁 2013301540030城市空间分析技术实验内容：基于空间分析技术寻找新学校的最优选址与到目标点的最优路径一、 目标描述美国佛蒙特州斯托镇经历了人口的大幅增加。人口数据显示人口增加的原因是有孩子的家庭为了更好的享受当地附近的娱乐设施而搬到了这里。所以当地决定在现有学校的基础上新建一个学校，本次实验的目的就是利用GIS空间分析技术合适的新学校的选址并找出新学校到目标点的最佳路径。二、GIS分析原理及实验数据描述该实验用到的原始数据为Stoew.gdb中的以下数据：数据集说明Elevation表示该地区海拔的栅格数据集Landuse表示该地区土地使用类型的栅格数据集Roa
2、ds表示斯托镇线性道路网的要素类Rec_sites表示娱乐设施位置的要素类Schools表示现有学校位置的要素类Destination表示为一个新路找到最好路径所用的目标点的要素类1. 为分析做准备，创建一个新的地理数据库Scratch因为在这个流程中，原始的访问数据来自Stowe.gdb，而写出的数据在默认情况下保存到Scratch.gdb geodatabase中，故需把当前工作空间设置为Stowe.gdb.然后把Stowe.gdb中的数据加载到ArcMap中。2. 使用空间分析并进行数据探索该过程主要是创建一个山体阴影输出，为土地利用图层创建一个柱状图并且选择地图上的要素。（1）获得空间
3、分析许可（2）添加空间分析工具条（3）创建山体阴影山体阴影是根据高程栅格和设定的一个照明源（通常是太阳）的特定方位（照明源的角方向，从0到360度）和高度（照明源的角度在地平线之上）而生成的轮廓清晰的阴影栅格。山体阴影图不仅很好地表达了地形的立体形态，而且可以方便的提取地形遮蔽信息。（4）显示和探索数据该步骤的目的是通过改变图层的顺序和土地利用中各要素的颜色及透明度等来使得出的结果更加显而易见。（5）在地图上选择要素打开土地利用图层的属性表，选择每个要素所在的行，该要素在地图上就会高亮显示，该过程可以让我们大体上了解每个要素在地图上数量。（6）识别地图上的要素利用Tools工具条上的Ident
4、ify工具可对所选点的属性信息进行查询。（7）检查直方图3. 为新学校选址该步骤中的输入数据集是landuse, elevation, rec_sites, and schools。然后基于这些数据将会得到坡度slope，到娱乐设施位置的距离distance to recreation sites和到现有学校的距离distance to existing schools，然后再将这些生成的数据集用重分类分成10级。再根据上面三个要素和土地利用对新学校选址的影响按一定权重分配得到适合建新学校的位置，最后将从这些区位中得到最理想的学校的位置。（1）创建一个新的工具箱Site（2）创建一个新的模型F
5、indSchool（3）在模型属性中重命名模型的名字并进行特定的环境设置 因为在开始执行分析数据之前，需要对任何相关的环境设置进行设置。在该实验中，因为环境设置只适用于该模型的每一个过程，所以需要为该模型进行环境设置。（4）生成数据集a.将elevation, rec_sites, 和 schools三个图层拖到模型中，在模型中拖入Slope tool与elevation相连，同理，先后两次拖入Euclidean Distance tool分别于rec_sites和schools相连。b. 从高程数据集中生成坡度Slope output 因为这个地区是多山的，而学校需要建在相对比较平坦的地方，
6、所以需要考虑地形的坡度。c.从娱乐设施数据集中生成到娱乐设施的距离Distance to recreation sites 为了找到接近娱乐设施的位置，首先要计算到娱乐设施的欧氏距离即直线距离。d.从现有学校数据集中生成到现有学校的距离Distance to schools 同理，为了找到距现有学校远的位置，首先要计算到现有学校的欧氏距离即直线距离。（5）运行模型得到的数据集（6）对数据集进行重分类 重分类的意义：生成的数据集，例如坡度，是构建适宜性模型的第一步。在研究区域的每一个要素都有其属于自己的输入标准值（坡度，土地利用，到娱乐设施的距离和到现有学校的距离）。所以需要合并这些生成的数据集
7、才能创建能够为新学校找到合适选址的适宜性地图。然而，以它们目前的数据形式将它们合并并且得到一个有意义的选址结果是不可能的，为了合并这些数据集，这些数据需要被设置为一个共同的测量尺度，比如1到10。这个共同的测量尺度决定了每个区域的每个要素对建设新学校的适宜性。值越大表示建学校越合适。使用加权叠加工具，可以对每个要素赋予权重值，然后合并它们。然而输入加权叠加的数据必须是离散值，整数值。土地利用数据已经为离散值；所以能直接把土地利用数据集添加到加权叠加工具中并且每一个要素分配的新值都在共同的测量尺度1到10中。而在先前步骤中生成的数据集的值都是浮点型，连续的数据集，将它们分成范围，首先要将它们进行
8、重分类，这样每个范围的值才能被分配为一个离散的整数值。给每个范围赋予的新值可以是和范围对应的任何数字。因为这样就可以在重分类之后的加权叠加工具中对这些值分权重。在重分类中对生成数据集的要素值分权重更容易。在分权叠加工具中，可以直接使用这个结果并且每个范围的值和输入的值相同。Reclassed distance to recreation sites所以要对每一个生成的数据集按相同的测量尺度进行重分类，给每一个范围赋予一个1到10的离散整数值。数据集中值越高则具有适合学校选址的越多的属性。Reclassed distance to schoolsReclassed slopea.将重分类工具拖到
9、模型中与Slope Output相连，对Distance to recreation sites 和Distance to schools进行相同的操作。b.对slope output进行重分类得到Reclassed slope 因为学校更适合建在相对来说比较平坦的地方，所以在对slope output进行重分类时，原始实验将值分成相等的10份，然后用10来表示最适合的坡度范围（坡度值最小），用1来表示最不适合的坡度（坡度值最大），然后按线性来排列其他的值。c.同理，分别对distance to recreation sites和distance to schools进行重分类得到Reclas
10、sed distance to recreation sites和Reclassed distance to schools。d运行重分类（7）对数据集进行权重分配和合并，得到Suitable Areas该步骤是合并重分类后的数据集和土地利用数据集，来找到最满足要求的位置。需要特别注意的是土地利用数据集中的 water 和 wetlands，以及slope output中的1,2,3都被赋予 restricted，即这几种条件不在考虑的范围内，因为这些属性非常不适合建学校。因为有新学校更适合接近娱乐设施远离现有学校地要求，需要对每个数据集赋予不同的权重，权重越高，表明该数据集对找适宜学校选址的
11、影响越大。原始实验的权重分配是：Reclassed slope：13% Reclassed distance to recreation sites：50%Reclassed distance to schools：25% Landuse:12%a.将加权叠加工具拖到模型中。打开工具，在evaluation scale中输入1,10,1。然后将四个数据集加到加权叠加工具中。按先前的要求对部分要素进行赋值或限定。最后对每个数据集进行权重分配。b运行加权叠加工具，得到Suitable Areas（8）找最优的选址 在得到的图层中，每一个像素都有一个值，表明了这个位置对新学校选点的适宜性。值为9的像
12、素是最合适的，值为0的像素是最不合适的。因此，新学校的最优选址应该是值为9的位置。选学校最优位置的另一个标准是合适的区域的面积的大小，一个合适的选址应当包括一系列的值为9的连续的像素。（9）用条件函数提取最优的选址，得到Optimal areasOptimal areasFiltered optimal areas（10）使用众数滤波工具改进最优区域，得到Filtered optimal areas使用该工具的意义是，通过上述步骤得到了多个最优选址的位置，其中有多个单元代表最优位置，但是30米的单元太小了不能作为学校的选址。所以为了清除这些比较小的区域，需要使用众数滤波工具。（11）选择最好的
13、选址最后一步是在这些可选择的区域中找到最好的选址。道路图层显示的是斯托镇的道路。通过检查Filtered optimal areas图层与road图层，会找到一些在城镇中不靠近道路的合适的学校的选址。首先要排除被道路分割的适合的区域，最后就会得到最好的学校选址。一个学校最优的用地规模是多于10英亩，即40469平方米。a.栅格转面将Filtered optimal areas由栅格转换为面，得到opt_area。a. 按位置选择图层将被道路分割的所有要素都选择出来。b. 按属性选择图层有一个要素满足学校的面积要求。Final_sitec. 复制要素得到新学校最好的选址，得到final_site
14、。4. 找到一个候选路线该练习是用来找从学校的最佳选址到附近的道路交叉口的最优路径。（1）创建一个新模型FindRoute该模型将要根据地形的坡度和土地使用类型得到从学校的选址到目标点的最佳路径。（2）创建成本数据集创建的成本数据集将基于穿过陡峭的地形和在特定的土地类型上修路成本更高的这一现实情况来确定从任何位置到拟定的新学校的地址所需的成本。a 建立模型将Slope Output和重分类工具添加到新建的模型中并连接。b 重分类，得到Reclassed slope新建的道路最好经过较为平坦的地形，所以需要对Slope Output图层进行重分类，将这些数据分成10等分。10代表成本最高的坡度，
15、1代表成本最低的坡度，然后按照线性关系对其余等分进行赋值。（3）对数据集分配权重，然后执行分权叠加，得到Cost surface对Reclassed slope和landuse datasets这两个数据集进行合并，找出成本最低的路径。在这里这两个要素所占的权重相同。（4）找到最低成本路径a.建立模型将final_site 、 the destination这两个图层和成本距离、成本路径这两个工具添加到模型中。将final_site和 Cost surface与成本距离工具连接。得到Output cost distance 和Output cost backlink。将destination, Output cost distance,和Output cost backlink与成本路径连接，得到Output cost path。需要注意的是，成本距离工具有两个输出结果。输出距离栅格数据显示了从任何位置到学校选址的累计成本。它并没有包含这条路的信息，只是显示了最低成本路径的成本。输出回溯链接栅格数据则显示了最低成本路径。使用这些输出数据和目标数据
