ArcGIS空间分析笔记（汤国安）
聲明：
筆記是在學習湯國安老師的ArcGIS空間分析時所記錄。若有需求請聯系博主。
設置參考比例
參考比例定義符號以所需大小顯示時的比例。
為了使標注和標記的字體，以及符號化后的符號大小隨著比例尺大小的變化而變化。
在設置參考比例后，大于參考比例時字體和符號方法，小于參考比例尺時字體和符號縮小。
數據框的添加：
- 主菜單——插入——數據框
按圖形選擇要素
使用“繪圖”工具，繪制一個面，
在工具欄中選擇——按圖形選擇
數據組織方式
ArcGIS中主要有Shapfile、Coverage和Geodatabase 三種數據組織方式。
Shapfile由儲存空間數據的shap文件、儲存屬性數據的dBase表和儲存空間數據與屬性數據關系的 .shx 文件組成。
Coverage的空間數據儲存在二進制文件中。屬性數據和拓撲數據存儲在INFO中，目錄合并了二進制文件和INFO表，成為Coverage要素類
Geodatabase是面向對象的數據模型，能夠表示要素的自然行為和要素之間的關系
地理數據庫的基本組成項
關系表
要素類
3.要 素數據集
要素類
簡單要素類：存放在要素數據集中，使用要素數據集的坐標，不需要重新定義空間參考。
獨立要素類：存放在數據庫中的要素數據集之外，必須定義空間參考坐標。
創建要素類的過程中，M值是一個線性參考值，代表一個有特殊意義的點，要素的坐標都是以M為基準標識的。
數據載入
1.必須首先在與被載入數據具有結構匹配的數據對象。
2.在ArcCatalog 目錄樹中，右鍵單擊載入數據庫的要素類或表，選擇加載——加載數據，打開簡單數據加載程序向導。
數據編輯
合并：同層要素空間合并，自動將選擇要素的屬性賦給合并后的新要素
聯合：不同層要素空間合并，無論要素相鄰還是分立，都可以合并生成一個新要素。
拓撲編輯
在進行拓撲編輯前，需要創建拓撲關系。使具有共享邊或點的要素按照拓撲關系共享邊或點。
創建拓撲關系后，拓撲關聯要素之間就具有共享邊或或點，在編輯共享邊或點的過程中，拓撲關聯的要素將自動更新其形狀。
拓撲關系對空間數據的查詢和分析非常重要。進行拓撲編輯時，共享邊或點的移動或修改不會影響要素之間的相對空間關系，所以拓撲編輯經常用于數據更新。
拓撲工具，在空白處右鍵找到——拓撲
子類型操作
當需要通過默認值、屬性域、連接規則、關系規則區分對象時，就需要對單一的要素類或表建立不同的子類型。
利用目錄可以給要素添加子類型，并為每個子類型設置默認值和屬性域。
關系類
基數（Cardinality）——描述對象之間的關系，分為：一對一（1-1）、一對多（1-M）、多對一（M-1）、多對多（M-N）
關聯鍵——要創建關系，表中必須至少包含一個“共同”字段，這樣的字段稱為“鍵”。鍵值可以是文本型、數值型（整型）。字段不一定要一致，但是數據類型必須一致。
關系類的創建是在源類的主鍵和目標類的外鍵之間創建的。
主鍵：是儲存能夠唯一標識表中的每一個對象的字段。
外鍵：記錄有源表主鍵信息的字段。在對象類中，外鍵記錄值不需要唯一，而且通常也不是唯一的。
關聯標注——在關系類中，查找關聯表的時候需要關聯標注，標注分為向前標注和向后標注。
使用向前標注可以從源類找到目標類
使用向后標注，可以從目標類找到源類
注釋類
注釋是用于儲存描述性文本信息的專門要素類，和儲存在地圖文檔中的標注不同，注釋類儲存在地理數據庫中。
注釋類分為——連接要素的注釋類，不連接要素的注釋類。
不連接要素的注釋類是按照地理空間位置放置的文本，不與要素相關聯
連接要素的注釋類是與要素類的特定屬性相關聯，當要素被移動或刪除時，與之關聯的注釋也會同時被移動或刪除
創建要素時，參考比例描述了用指定的尺寸顯示注記文本的比例尺，當縮小和放大地圖時，文本也跟著縮放。
幾何網絡
由要素構成，這些要素被限制儲存于網絡中，作為網絡要素。
邏輯網絡是網絡連通性的物理描述，邏輯網絡中的每個元素都與幾何網絡中的一個要素關聯。
網絡要素模型
網絡要素
連接網絡要素
邊必須通過連接與其他邊相連
在邏輯網絡中，邊元素與網絡中的邊元素相關，連接要素與網絡中的連接元素相關。
廣義上，網絡要素分：簡單網絡要素，復雜網絡要素
簡單網絡要素，對應邏輯網絡中的一個簡單網絡元素
復雜網絡要素，對應邏輯網絡中的多個網絡元素
源和匯
網絡中的物質、能量、信息的流動是有方向的
網絡中的方向是從源到匯的
幾何網絡中的連接要素可以作為源或匯
網絡權重
網絡可以有許多權和它相關，權是根據要素的某些屬性來計算的
網絡中每個要素類都可能有部分或全部的權與其屬性相關
每個權可以與一個要素的一個屬性相關，也可以與多個要素想關。
有效和無效要素
在集合網絡中的任何一個邊要素或接合點要素在邏輯網絡中可以是有效的，也可以是無效的
一個網絡要素是否有效，是否可運行，其狀態是由Enabled屬性字段來維護的。
創建新的幾何網絡
需要創建在要素數據集下
最好在內容列表中把數據導入
定義投影
指按照地圖信息源原有的投影方式，為數據添加投影信息。
使用ArcToolbox中的——數據管理工具——投影和變換——定義投影。
因為投影坐標系是以地理坐標系為基礎的，在定義投影坐標系的時候，還需要選擇或新建一個地理坐標系。
投影變化
是將地圖地圖投影轉換為另一種地圖投影，主要包括投影類型、投影參數或橢球體等的改變。
在對柵格數據實施投影轉換是，要進行重采樣處理
對柵格數據的投影變換
使用ArcToolbox中的——數據管理工具——投影和變換——柵格——投影柵格
需要進行投影變換的柵格數據，必須已經具有投影信息
數據變換
是指對數據進行諸如放大、縮小、翻轉、移動、扭曲等幾何位置、形狀、方位的變換等操作。
矢量數據可以使用空間校正、編輯器等工具實現。
柵格數據可以使用地理配準、投影和變換工具集實現
空間校正及可執行的任務
用于矢量數據的空間位置匹配。
將數據從一個坐標系裝換到另一個坐標系中
糾正幾何變形
將沿著某一圖層的邊的要素與鄰接圖層的要素對齊及在圖層之間復制屬性
可以使用現有的編輯功能（如捕捉）來增強校正效果
空間校正步驟
啟動編輯
設置校正數據空間校正工具條——設置校正數據
設置校正方法空間校正工具條——校正方法
仿射變化可以不同程度的縮放、傾斜、旋轉和平移數據，此方法至少三個連接，對于大多數變化，推薦此方法。
相似變換可以縮放、旋轉、平移要素，但是不會單獨對軸進行縮放，也不會產生任何的傾斜，相似變換使得變換后的要素保持原有的橫縱比（保持要素相對形狀）。至少需要兩個連接。但是要生成均方根（RMS）誤差，則需要三個或三個以上連接。
射影變換至少需要四個位移連接，可用于對航空像片中采集的數據直接進行變換。
添加位移連接空間校正工具條——新建位移連接工具
查看連接表空間校正工具條——查看鏈接表，查看控制點殘差和RMS。RMS小于1即可。
橡皮頁變換
- 用于對兩個或多個圖層進行小型的幾何校正，通常是使要素與更為準確的信息對齊。
注意事項
需要啟動編輯
確保折點捕捉已啟用
空間校正方法選擇——橡皮頁變換
邊匹配
可用于創建兩個相鄰圖層的位移連接
使用該工具前，需要設置工具屬性中的參數
注意事項
需要啟動編輯
確保折點捕捉已啟用
重設比例尺
將柵格數據按照指定比例分別沿著X軸和Y軸放大或縮小。
數據管理工具——投影和變換——柵格——重設比例
X比例因子——設置數據在x方向上的比例系數，值必須大于0
Y比例因子——設置數據在y方向上的比例系數，值必須大于0
旋轉
指將柵格數據沿著指定的中心點旋轉指定角度
數據管理工具——投影和變換——柵格——旋轉
樞軸點——可選項，設置旋轉中心點的X，Y坐標，默認狀態的旋轉中心是所輸入柵格數據的左下角點。
旋轉柵格數據，需要進行重采樣，是可選擇項，默認狀態是最鄰近采樣法。
數據提取
數據提取是從已有的數據中，根據屬性表內容選擇符合條件的數據，構成新的數據層
可以通過設置SQL表達式進行條件選擇
泰森多邊形
用途——定性分析、統計分析、鄰近分析
網絡中流動的管線（線狀要素——鏈）
有形物體（街道、河流、水管、電纜線）。
無形物體（無線電通訊網絡）
狀態屬性包括阻力和需求
點狀要素
障礙禁止網絡中鏈上流動的點
拐角點出現在網絡鏈中所有的分割結點上狀態屬性的阻力，如拐彎的時間和限制（如不允許左拐）
中心是接受或分配資源的位置，如水庫、商業中心、電站
? 其狀態屬性包括
? 資源容量（如總的資源量）
? 阻力限額（如中心與鏈之間的最大距離或時間限制）
網絡分析工具
傳輸網絡分析——網絡數據集
效用網絡分析——幾何網絡
傳輸網絡分析
道路、地鐵等交通網絡分析
進行路徑、服務范圍與資源分配
允許在網絡邊上雙向行駛
網絡中的代理（司機）具有主觀選擇方向的能力
傳輸網絡可解決的問題
計算點與點之間的最佳路徑
時間最短或者距離最短
進行多點的物流派送，能夠按照規定時間規劃送貨路徑、自由調整各點的順序
尋找最近的一個或者多個設施點
確定一個或者多個設施點的服務區
繪制起點——終點距離成本矩陣
車輛路徑派發
效用網絡分析
主要用于河流網絡分析與公用設施網絡分析，如水、電、氣等管網
研究網絡的狀態及模擬和分析資源在網絡上的流動與分配情況
在效用網絡分析中，只允許在網絡邊上單向同時行進
網絡中的代理（管道中的石油）不能選擇行進的方向
行進的路徑需要由其他外部因素來決定
效用網絡分析可解決的主要問題
尋找連通的、不連通的管線
上下游追蹤
尋找環路
尋找通路
爆管分析
網絡數據集的建立
創建網絡數據集是傳輸網絡分析的基礎。
傳輸網絡分析都是基于傳輸網絡數據集來開展的。
注意
網絡數據集必須放在放在要素集下
網絡分析的基本功能
網絡分析是基于幾何網絡的特征和屬性
利用距離、權重和規劃條件來進行分析
網絡分析——路徑分析
最快路徑確定起點、終點，求時間最短的路徑
最短路徑確定起點、終點，求距離最短的路徑
最多場景的最短路徑確定起點、終點和所要求經過的中間點、中間連線，求最短路徑或最小成本路徑。路徑分析的內容可以通過設定阻抗實現
N條最佳路徑分析確定起點、終點，求代價代價較小的N條路徑，因為實踐中由于種種因素需要選擇近似最佳路徑
網絡分析——服務區域分析
包括所有在設定閾值內可以到達的街道的區域，閾值可以是時間或者距離等。
某個點5min服務區是從該點5min之內可以到達的所有街區的區域
可達性（accessibility）表示從某個點到達其他地點的容易程度
可達性可以通過時間、距離和任意其他的阻抗進行設定
網絡分析——最近設施查詢
查詢離某個位置最近的設施
可以設置一個停止成本，一旦超過這個設置，則不再分析
一旦查找到最近設施，則可以實現的功能包括到達最近設施的路徑、旅行花費、方向
網絡分析——源點OD成本矩陣
從源點到目標點的距離成本
OD成本矩陣可以用于后勤路線分析模型，以便進行優化選擇，
可以判斷哪些商店由那個倉庫提供服務會更理想，從而改進商店配送以及提供更好的物流服務
網絡分析——車輛路徑派發
針對多車輛、多訂單的配送情況，為各車輛分配一組配送的訂單，并確定送貨的順序，從而將總運輸成本控制在最低。
可以考慮訂單的時間窗口，可以考慮車輛對某個區域熟悉的程度
網絡分析——位置分配
根據選址的要求為設施選擇最優的位置，使得這些位置能夠覆蓋盡可能多的居民。
建設成本也可以控制在預算范圍里
最優路徑查找
? 在屏幕上添加點，如果用戶添加的點不在路徑之上，則系統會根據“捕捉”設置，將該點自動咬合到近處的點
? 通過輸入“地址”
? 從已經存在的要素或者要素層中導入位置
分析最優路徑時點與點之間的順序，可以用用戶自己設置，也可以由系統自動設置
網絡分析窗口（Network Analyst Window）顯示停靠點、路徑、點路障、線路障、面路障的相關信息
添加停靠點
停靠點按照點擊的順序標號
第一個停靠點被認定為出發點
最后一個一個停靠點被認定為是目的地
經停順序可以在網絡分析窗口中修改
網絡分析工具欄
選擇Network Analyst——選項，進入選項，可以用于設置加載位置的捕捉環境。
當一個停靠點離道路的距離大于捕捉環境的距離時，將無法定位于道路網絡上，顯示出一個“未定位”的符號。
“未定位”符號可以通過“選擇移動網絡位置工具”將其定位到道路網絡上。
設置路徑分析屬性
點擊網絡分析窗口中的“路徑屬性”按鈕，其中的“分析設置”可以對“阻抗”進行設置
若要進行最短路徑分析“阻抗”設置為距離 Meters（米）
若要進行最快路徑路徑恩分析則設置為分鐘Minutes（分鐘）
分析設置
應用時間——用來設置某個停靠點到達的時間，離開的時間
重新排序停靠點以查找最佳路徑——用來設置由徐彤重新對停靠點進行排序來尋找最佳路徑
服務區域分析
在網絡分析工具欄中選擇Network Analyst ——新建服務區
網絡分析窗口顯示 設施點、面、線、點障礙
添加設施點
在網絡分析窗口中，右鍵“設施點”，選擇加載位置，從加載自對話框中加載設施點圖層。
圖層屬性
分析設置——阻抗，按照“分鐘”、“米”來查找服務區范圍，
在默認中斷中輸入框中輸入設置的條件，如要求設施點分別生成1、2min范圍內的服務范圍，在輸入框中輸入1，2 數字用空格或“，”逗號隔開。
點擊網絡分析工具條上的求解，可以得到服務范圍
創建網絡分析數據集
shp數據的網絡數據集僅支持單一線數據，基于shp文件的網絡數據集，只能有一個shp線文件參與
地理數據庫可以支持多線數據
交點處連通
按照邊線連通的方式來連通
交匯點在網絡數據集中默認不顯示（如果想顯示對網絡數據集的圖層進行符號顯示——交匯點）
依邊線連通
?
2. 如果邊線連通策略是“端點”，那么則會報錯——獨立用戶定義交匯點唄檢測到。這是因為他們沒有在端點上。
注意
作為分析的點，必須將其繪制在線的折點上，否則，就不要讓其參與構建網絡數據集，僅讓它作為網絡位置點即可。
因為孤立的點是無法到其他的位置的，也就是所謂的分析失敗
時空數據
包含地理位置的時間、日期信息
可借助此信息對實時觀測結果和以前記錄的觀測結果進行追蹤
這些觀測結果可以是離散的（閃電），也可以是連續的（貨運路線和飛行路線）
追蹤
是同一個對象觀測的集合
在任何情況下，追蹤都是通過聚合具有單個追蹤ID的單個實體的觀測形成的。
追蹤線
一條連接追蹤中的各個觀測的線
追蹤線適用于描繪實體的大致路徑
觀測
一組在特定時間點為某個實體測量的值
對于要用于進行追蹤的觀測，其必須具有關聯的時間
一個追蹤圖層包含一組觀測
時間窗
追蹤事件在地圖上顯示的時間段
操作
某個追蹤事件滿足操作觸發器的條件時發生的自定義處理
為追蹤圖層定義圖層操作
為實時追蹤服務定義服務操作
觸發器
為執行相應操作，某個追蹤事件必須滿足一組條件
可根據屬性或位置條件，或兩者的組合組合構建觸發器
Tracking Analyst
是基于時間序列的可視化和分析工具
可以實現帶有時間屬性的事物和現象變化的歷史回放
實時數據的動態顯示
Tracking Analyst數據
在Tracking Analyst 中，首先要將時間數據添加為 Tracking 圖層，這是 Tracking Analyst 所獨有的。
可以添加 Tracking Analyst 圖層實現歷史數據回放的數據源包括
? Shapfile
? 個人地理數據庫
? 文件型地理數據庫
? ArcSDE
? Tracking Server Connection
? GPS Connection
所有數據源都必須包括 Data_Time 字段，
如果回放的數據是連續的額，具備軌跡，則數據源必須包含 EventID字段以將時間數據組織成軌跡。
可接受來自實時源和固定時間源的三種數據結構
? 簡單事件
? 復雜靜態事件
? 復雜動態事件
簡單事件
時間觀測組是數據的唯一組件，至少必須包括觀測的時間和日期
包含簡單事件的固定時間數據可用一個表格進行組織
該表將包括日期以及任何其他存在的屬性
簡單事件在單個組件中包括Tracking Analyst 用于事件處理和顯示所需的所有元素
復雜事件:
包括兩個組件，即觀測組件和對象組件
時間觀測組件不包括對象的所有必要信息，因此附加信息保存在對象組件中
對象組件的實際內容取決于被追蹤的對象是移動對象還是靜止對象。理想情況下，對象組件應包括所有靜態屬性
對象組件可能包含靜態事件的形狀字段。它至少應包括ID字段，可通過該字段將其鏈接到觀測組件。
復雜靜態事件
其地理位置及其他靜態信息存儲在時間對象組件中。時間對象組件還包括傳感器ID,這樣就可鏈接到正確傳感器的觀測。
復雜動態事件
其地理位置不斷改變，因此必須連同日期和時間信息一起保存在觀測對象中
時間對象表可能包括飛機的品牌和型號、飛機駕駛 員與機組成員的信息，以及機身年齡與容量等信息
通過Tracking Analyst可實現的基本功能
通過將包含日期和時間(時態數據)的地理數據以追蹤圖層的形式添加到地圖中，可使此類地理數據更加生動形象;
實時追蹤對象，Tracking Analyst支持與全球定位系統(GPS)設備及其他追蹤和監視設備進行網絡連接，從而可以實時將數據繪制成圖;
使用時間窗及其他專用于查看隨時間變化的數據的選項對時間數據進行符號化;
使用TrackingAnalyst回放管理器回放時間數據，可使用不同的速度進行正向和反向數據回放;
通過創建數據時鐘來分析時間數據中存在的模式;
針對時間數據創建和應用操作;
使用Tracking Analyst動畫工具可通過動畫形式呈現數據;
使用ArcGlobe在3D模式下查看追蹤數據。
空間分析的先決條件
加載空間分析模塊
為分析結果設定工作路徑、單元大小、分析范圍、坐標系統
設置單元大小
柵格數據是由單元組成
單元是代表區域特定部分的方塊
單元按行列排列，組成一個笛卡爾坐標系，并且所有的單元是同樣的大小
捕捉柵格
設置柵格數據集捕捉范圍
輸出的所有柵格數據單元與指定的柵格單元匹配
掩膜
選擇地理處理——環境——柵格分析——掩膜
選擇已經創建的掩膜柵格數據
設置分析掩膜后，所有的分析只在掩膜范圍內進行
距離制圖
根據每一個柵格相距其最鄰近要素（也稱“源”）的距離分析制圖，從而反應每一柵格與其最鄰近源的相互關系
通過距離制圖可以獲得很多相關信息，對資源的合理規劃和利用
距離
在空間分析中，不再只是單一的代表兩點間的直線長度。
函數距離是描繪兩點間距離的一種函數關系，如時間、摩擦、消耗
源
源即距離分析中的目標或目的地
源表現在GIS數據特種上就是一些離散的點、線、面要素。
要素可以鄰接，但屬性必須不同。源可以用柵格數據表示，也可以使用矢量數據表示
成本
達到目標、目的地的花費，包括錢、時間、人們的喜好
影響成本的因素可以只有一個，也可以有多個
成本柵格數據記錄了每一單元的通行成本
成本數據的制作一般是基于重分類功能完成
需要制定統一的成本分類體系，對單個成本按其大小分類，并對每一類別賦予成本量值
通常成本高的量值小，成本低的量值大。
最后根據成本影響程度確定單個成本權重，依權重百分比加權求和，得到多個單成本因素綜合影響的成本柵格數據
成本距離加權數據
成本距離加權數據也稱成本累計數據，記錄每個柵格到距離最近、成本最近的源的最少累加成本
成本距離加權考慮到了事物的復雜性。
直線距離（歐式距離）
通過直線距離函數，計算每個柵格與最近源之間的歐式距離，并按距離遠近分級
直線距離可以用于空氣污染影響度分析，尋找最近醫院，計算距最近超市的距離等操作。
最大距離計算在輸入的距離范圍內進行，距離以外的地方直接賦予空值，不作任何計算，如果沒有輸入任何值，計算在整個圖層范圍內進行
區域分配
通過分配函數將所有柵格單元分配給離其最近的源
單元值儲存了歸屬源的標識值
最大距離計算在輸入的距離范圍內進行，距離以外的地方直接賦予空值，不作任何計算，如果沒有輸入任何值，計算在整個圖層范圍內進行
成本距離
通過成本距離加權函數，計算出每個柵格到距離最近、成本最低源的最少累加成本。
同時可以生成兩個相關輸出成本方向數據和成本分配數據。
成本距離加權數據表示了每一個單元到它最近源的最小累計成本。
成本方向數據表示了從每一單元出發，沿著最低累計成本路徑達到最近源的具體路線。
成本分配數據記錄了么個單元的隸屬源（歸屬于哪個源）信息。
最短路徑
通過最短路徑函數獲取從一個源或一組源出發，到達一個目標地或一組目標地的最短直線路徑或最小成本路徑。
最短路徑分析可找到通達性最好的路線，或找出從居民地到達超市的最優路徑
三種最短路徑計算方法
-
Each Cell為源中每一個單元點尋找一條成本最小路徑
-
Each Zone為每個源尋找一條成本最小路徑
-
Best Single為所有源找尋一條成本最小路徑，此時，只有一個源與一個相應的目標點或目標組相連
最短路徑的找尋
需要獲取成本數據
執行成本加權距離函數
獲取成本方向數據和成本距離數據
通過執行最短路徑功能獲取最短或最優路徑
密度制圖
密度制圖根據輸入的要素數據集計算整個區域的數據聚集情況，從而產生一個連續的密度表面
密度制圖主要是基于點數據生成的，以每個待計算格網點為中心，進行圓形區域搜索，進而來計算每個格網點的密度值
從本質上講，密度制圖是一個通過離散采樣點進行表面內插的過程，根據內插原理的不同，分為核函數密度制圖和簡單密度制圖
核函數密度制圖
核函數密度制圖中，落入搜索區域內的點具有不同的權重，靠近網格搜索區域中心的點或線會被賦予較大的權重
隨著其與網格中心距離的加大，權重降低。
他的計算結果分布較平滑
簡單密度制圖
線密度制圖是在密度制圖中，落在搜尋區域內的線有同樣的權重，先對其進行求和，再除以搜索區域的大小，從而得到每個點的密度值。
點密度制圖是在密度制圖中，落在搜尋區域內的點有同樣的權重，先對其進行求和，再除以搜索區域大小，從而得到每個點的密度值。
Population字段
選擇參與密度計算字段。
默認選項為
計算圓內要素點個數計算密度值
柵格插值
一般情況下采集到的數據是以離散點的形式存在的
只有在這些采樣點上才有較為準確的數值，其他采樣點上都沒有數值
在實際應用中可能需要用到某些為采樣點的值，這個時候就需要通過已采樣點的值
插值結果將產生一個連續的表面，在這個連續表面上可以得到每一個點的值。
柵格插值包括簡單柵格表面的生成和柵格數據重采樣
反距離權重插值
IDW是一種常用而簡便的空間插值方法，它以插值點與樣本點間的距離為權重進行加權平均，離插值點越近的樣本點賦予的權重越大。
IDW通過對鄰近區域的每個采樣點值平均運算獲得內插單元值。
IDW是一個均分過程，這一方法要求離散點均勻分布，并且密度程度足以滿足在分析中反映局部表面變化
Z值字段
- 選擇參加內插計算的字段名稱
冪文本框
輸入IDW的冪值，冪值是個正實數，其缺省值為2
搜索半徑類型——變量
可變搜索半徑。內插計算時樣本點個數是固定的（缺省值為12）
搜索距離是可變的，取決于插值單元周圍樣本點的密度。密度越大，半徑越小。
如果在最大距離文本框中輸入最大搜索半徑值，若某一領域的搜索半徑在獲得指定數據的樣本點之前，已經達到了最大搜索半徑。該點的插值就通過最大搜索半徑內的已有樣本點來完成。
搜索半徑類型——固定
固定搜索半徑。需要規定插值時樣本點的最小數據和搜索距離。
搜索距離是一個常數，對每一個插值單位來說，用于尋找樣本點的圓形區域的半徑都是一樣的。
如果搜索半徑距離內的點個數小于插值點個數的最小整數值，則搜索半徑自動增大。
輸入障礙折線要素
用于指定指定igyie中斷線文件
中短線是指限制搜索輸入樣本點的多線段數據集。
是一個打斷表面的線特征懸崖、峭壁或某些障礙
中斷線不必具有Z值
他限制了插值計算，使得只能在線的兩側各自進行。而落在中斷線上的點同時參與兩側的計算。
樣條函數插值
Regularized Spline（規則樣條）——生成一個平滑、漸變的表面，插值結果可能會超出樣本點的取值范圍較多
Tension Spline（張力樣條）——根據要生成的現象的特征生成一個比較堅硬的表面，插值結果更接近限制在樣本點的取值范圍內
計算過程中出了需要選擇不同的計算方法，還需要在每種方法中設定一個合適的權重（weight）。
規則條樣插值時，權重越高表面越光滑，通常用到的典型值有0、0. 001、0. 01、1和5
張力條樣插值時，權重越高，表面越粗糙，通常用到的典型值有0、1、5和10。
克里金插值及基本原理
是一種基于統計學的插值方法
基本原理是根據相鄰變量的值，利用變異函數揭示的區域化變量的內在聯系來估計空間變量數值
克里金插值步驟
對已知點進行結構分析，在充分了解已知點性質的前提下，提出變異函數模型
在該模型的基礎上，進行克里金計算
普通克里金插值
最普通、應用最廣
假定采樣點值不存在潛在的全局趨勢，只用局部的因素就可以很好的估測未知值
通用克里金插值
假設存在潛在趨勢，可以用一個確定性的函數或多項式來模擬
通用克里金方法僅用于數據的趨勢已知并能合理而科學的描述
自然鄰域法插值
使用附近點的值和距離預估每個像元的表面值，該插值也稱為Sibson或區域占用（area-stealing）插值
與反距離權重插值法不同的是，使用Voronoi（泰森）多邊形進行空間劃分
每個插值點的計算來自于其鄰近的相鄰多邊形的點以及由插值點形成的心的泰森多邊形與原始多邊形的重疊區域所占比重作為插值權重
該插值方法具有局部性，僅使用查詢點周圍的樣本子集
根據輸入數據的結構（泰森多邊形）進行局部調整，無需用戶指定搜索半徑樣本個數等信息
該插值方法不會推斷趨勢且不會生成輸入樣本尚未表示的山峰、凹地、山脊或山谷。
該表面將通過輸入樣本且在除輸入樣本位置以外的其他所有位置均是平滑的。
趨勢面法插值(Trend)
可通過全局多項式插值法將由數學函數(多項式)定義的平滑表面與輸人采樣點進行擬合。
趨勢表面會逐漸變化，并捕捉數據中的粗尺度模式。
使用趨勢插值法可獲得表示感興趣區域表面漸進趨勢的平滑表面。
趨勢面法插值適用情況
感興趣區域的表面在各位置間出現漸變時，可將該表面與采樣點擬合，例如污染擴散情況
檢查或排除長期趨勢或全局趨勢的影響
注意
在趨勢插值法中，將通過可描述物理過程的低階多項式創建漸變表面如污染情況和風向
使用的多項式越復雜，為其賦予物理意義就越困難
計算得出的表面對異常值(極高值和極低值)非常敏感，尤其是在表面的邊緣處。
趨勢插值法——線性
線性趨勢面插值法用于創建浮點型柵格
將通過多項式回歸將最小二乘表面與各輸人點進行擬合。使用線性選項可控制用于擬合表面的多項式階數
一階多項式趨勢面插值法將對平面與一組輸人點進行最小二乘擬合。利用趨勢面插值法可創建平滑表面。
一階多項式趨勢面插值法生成的表面幾乎不能穿過各原始數據點，因為對整個表面執行的是最佳擬合
如果所用多項式的階數高于- -階，插值器所生成柵格的最大值和最小值可能會超過輸人要素數據輸人文件中的最小值和最大值。
趨勢插值法——邏輯型
可生成趨勢面的邏輯型選項適用于預測空間中給定的一組位置(x, y)處某種現象存在與否(以概率的形式)
z值是僅會產生兩種可能結果的分類隨機變量如瀕臨滅絕的物種存在與否
生成的兩種z值可分別編碼為1和0
邏輯型選項可根據值為0和1的各像元值創建連續的概率格網。可使用最大可能性估計直接計算出
實現過程中
數據重采樣
柵格插值除了包括簡單柵格表面的生成還應包括柵格數據重采樣
重采樣是柵格數據空間分析中，處理柵格分辨率匹配問題的常用數據處理方法。
用來分析的數據資料由于來源不同，經常會出現不同柵格大小的問題。這時為了便于分析，就需要統一柵格大小的轉換處理，即柵格數據的重采樣過程。
數據重采樣——最鄰近法采樣（NEAREST）
用輸入柵格數據中最鄰近柵格值作為輸出值。
在重采樣后的輸出柵格中，每個柵格值，都是輸入柵格數據中真是存在而未加任何改變的值
這種方法簡單易用、計算量小，而且速度最快
數據重采樣——雙線性采樣（BILINEAR）
取內插點（x，y）點周圍四個臨點，在y方向（或x方向）內插兩次，再在x方向（或y方向）內插一次，得到（x，y）點的柵格值。
數據重采樣——三次卷積采樣（CUBIC）
是進一步提高內插精度的一種方法
他的基本思想是增加鄰點來獲得最佳插值函數
取內插點周圍相鄰的16個樣點數據，可以在某一方向上內插，每四個值一次內插四次，再根據四次的計算結果，在另一個方向上內插，最終得到內插結果
表面分析
通過時生成新數據集，獲得更多的反應原始數據集中所暗含的空間特征、空間格局等信息。
表面分析的主要功能
-
查詢表面值
-
從表面獲取坡度和坡向信息
-
創建等值線
-
分析表面的可視性
-
從表面計算山體的陰影
等值線繪制
等值線是將表面上相鄰的具有相同值的點連接起來的線
等值線分布的疏密一定程度上表明了表面值的變化情況
等值線越密，表面值的變化越大，反之越小
通過研究等值線，可以獲得對表面值變化的基本趨勢
因子分析方法
因子分析方法是GIS空間分析，尤其是GIS數字地信分析常用的基本分析方法。
不同的地形因子從不同側面反映了地形特征
從地形因子所描述的空間區域范圍，常用地形因子可以劃分為圍觀地形因子和宏觀地形因子
按照地形因子差分計算的階數，地形因子分為一階地形因子、二階地形因子和高階地形因子
坡度、坡向、平面曲率、剖面曲率咋ArcGIS中可以直接獲取。
坡度
地表面任一點的坡度（slope）是指過該點的切平面與水平地面的夾角
在實際應用中坡度的表示方法
?
2. 坡度百分比既高程增量與水平面增量之比的百分數
坡向
坡向是指地表面上一點的切平面的法線矢量在水平面的投影與過該點的正北方向的夾角
對于地面任何一點來說，坡向表征了該點高程值該變量的最大變化方向。
輸出坡向數據規定
正北方向為0°，按順時針方向計算，取值范圍為0°-360°。
地面曲率
對地形表面一點扭曲變化程度的定量化度量因子
地面曲率在垂直和水平兩個方向上的分量分別稱為剖面曲率和平面曲率
剖面曲率
- 是對地面坡度的沿最大迫降方向地面高程變化率的度量
平面曲率
指在地形表面上，具體到任何一點，指過該點的水平面沿水平方向切地形表面所得的曲線在該點的曲率值
平面曲率描述的是地表曲面沿水平方向的彎曲、變化情況，也就是該點所在的地面等高線的彎曲程度。
山體陰影
山體陰影是根據假想的照明光源對高程柵格圖的每個柵格單元計算照明值。
山體陰影圖不僅很好的表達了地形的立體形態，而且可以方便的提取地形隱蔽信息
計算過程中包括三個重要參數太陽方位角、太陽高度角和表面灰度值
太陽方位角
以正北方向為0°，按順時針方向度量
由于人眼的視覺習慣，默認方位角為315°，即西北方向
太陽的高度角
光線與水平面之間的夾角，同樣以度為單位
為符合人眼視覺習慣，通常默認為45°。
默認情況下，ArcGIS中提取的光照灰度表面值的范圍為0-255
像元統計
多層面柵格數據疊加分析時，經常需要以柵格像元為單位來進行像元統計分析。
像元統計輸入數據集必須是來源于同一個地理區域，并且采用相同的坐標系統。
像元統計功能常用于同一地區多時相數據的統計，通過像元統計分析得出所需數據。
鄰域分析
鄰域統計是以待計算柵格為中心，向其周圍擴展一定范圍，基于這些擴展柵格數據進行函數運算
鄰域統計是在單元對應的鄰域范圍指定的單元上進行統計分析，然后將結果值輸出到該單元位置
四種鄰域分析窗口
矩形，需要設置矩形窗口的長和寬，缺省的鄰域大小為3*3單元
環形，需要設置鄰域的內半徑和外半徑。半徑通過和x軸或y軸的垂線的長度來指定。落入環內即內外半徑之間環的數值將參與鄰域統計計算，內半徑以內的部分不參與計算。
圓形，只需要輸入圓的半徑
楔形，需要輸入起始角度、終止角度和半徑。起始角度和終止角度可以是0-360的整形或浮點值。角度值從x軸的正方向零度開始，逆時針逐漸增加直至走過一個滿圓又回到零度
鄰域統計
是在單元對應的鄰域范圍指定的單元上進行統計分析，然后將結果值輸出到該單元的位置
利用鄰域統計可以獲取多種信息。如在調查土地利用是，鄰域統計可以獲得鄰域范圍土地變化和確定土地利用的穩定性。
利用鄰域統計的平均值還可以進行邊緣模糊等多種操作
分類區統計
以一個數據集的分類區為基礎，對另一個數據集進行數值統計分析。包括計算數值取值范圍、最大值、最小值、標準差
一個分類區就是在柵格數據中擁有相同值的所有柵格單元，而不考慮他們是否鄰近
分類區統計是在每一個分類區的基礎上運行操作的。
分類區統計操作注意
區域字段——選擇表示分類區類別的字段，若是柵格數據則默認為value，即柵格單元值
在計算中忽略NoData——可選項，標示是否允許柵格數據中的空值參與運算，選中表明允許包含空值的單元參與運算
以表格顯示分區統計
可以把結果以表格的形式輸出
區域分析——以表格顯示分區統計
統計結束后該表自動加載到ArcMap內容表中，以按源列出形式顯示。
重分類
基于原有數值，對原有數值重新進行分類整理從而得到一組新值并輸出
新值替換——用一組新值取代原來值
舊值合并——將原值重新組合分類
重新分類——以一種分類體系對原始值進行分類
空值設置——把指定值設定空值
柵格計算
是數據處理和分析的最常用方法，也是建立復雜的應用數學模型的基本模塊
不僅可以完成基于數學運算符的柵格運算，以及基于數學函數的柵格運算，還可以支持直接調用ArcGIS自帶的柵格數據空間分析函數。并可以方便的實現多條語句的同時輸入和運行
支持地圖代數運算，柵格數據集可以作為算子直接和數字、運算符、函數等在一起混合計算，不需要做任何轉換
數學運算
具有相同輸入單元的兩個或多個柵格數據逐單元進行
算數運算符——加、減、乘、除
布爾運算符——和（&）、或（|）、異或（！）、非（^）。基于布爾運算來對柵格數據進行判斷
? 判斷為真，輸出 1
? 判斷為假，輸出 0
? 符合條件的為真，賦予1
? 不符合條件的為真，賦予0符合條件的為真，賦予1
? 關系運算符包括六種
? = , < , > , <> 不等于, >= , <=
- 算數函數
Abs （絕對值函數）
Int （整數函數）
Float（浮點函數）
Ceil（向上舍入函數）
Floor（向下舍入函數）
IsNul（輸入數據為空數據以1輸出，有數據以0輸出）
- 三角函數
Sin
Cos
Tan（正切）
Asin（反正弦）
Acos
Atan
- 對數函數
Exp（底數 e ）
Exp10
Exp2
Log（自然對數）
Log10
Log2
- 冪函數
Sqrt（平方根）
Sqr（平方）
Pow（冪）
簡單算術運算
“-”和“^”是單目運算符，運算符前可以不加內容，而只在運算符后加入參與計算的對象
在公式編輯器如果引用“圖層和變量”選擇框的數據層，數據層名必須用雙引號括起來
數學函數運算
在函數后面的括號內加入計算對象
Mod 是對柵格數據進行求模運算
多元分析
-
空間分析有兩種類型的多元分析——“分類”和“主成分分析（PCA）”
-
分類
將研究區域中的每個像元都分配各類或目錄，包括“監督分類”和“非監督分類”
監督分類——需要了解研究區域的具體情況，并且可以識別每個類的代表性區域或樣本
非監督分類——使用數據中自然產生的統計分組來確定將數據分入那個聚類
ISO聚類
ISO聚類，即迭代式自組織聚類方法，是最常用的非監督分類算法
先設定初始聚類中心和聚類數，然后定義相似度準則函數，對全部樣本進行調整。
調整完畢后重新計算樣本均值作為新的聚類中心。
每次迭代期間將所有像元分配給現有的聚類中心，計算最小歐式距離，將各個像元聚集到多維屬性空間中最接近的平均值，并為每個聚類中心重新計算新的平均值
通過多次的合并與分裂過程最終完成對像元的聚類分析，從而得到類數比較合理的聚類結果
#注意
ISO聚類的過程通常需要制定的最佳聚類數是未知的，建議輸入一個較大的數，分析所生成的聚類，然后使用較少的類數重新執行函數
ISO聚類工具
使用ISODATA聚類算法來確定多維屬性空間中像元自然分組的特征
可將結果儲存在輸出的ASCII特征文件中，但是不能產生分類結果
特征文件中包含關于所表示聚類的像元子集的多元統計信息
計算結果可以確定出像元位置與聚類之間的所屬關系、聚類的平均值以及方差協方差矩陣
影響分類中通常使用“ISO聚類非監督分類”方法
ISO聚類操作過程
輸出特征文件——指定輸出的特征文件，特征文件是用于存儲感興趣的每個類或聚類的多元統計信息的ASCII文件
后綴名為*. GSG文件
文件包括每個類的平均值、類中像元的數目以及類的方差及協方差矩陣
類數目——在聚類過程中可能產生的最大聚類數
迭代次數——（可選）該值應該足夠大，以保證像元從一個類遷移至另一類的次數最少，從而是所有的聚類編程穩定狀態。
迭代次數應隨著“類數目”的增加而增大
最小類大小——（可選）指一個有效類所含的最少柵格數
采樣間隔——（可選）指相鄰兩次采樣的空間間隔，采用間距過大會損失重要信息，間距設置過小會增加計算量
最大似然分類
是基于貝葉斯準則的分類錯誤概率最小的-一種非線性分類，是應用比較廣泛和比較成熟的一種監督分類方法。
最大似然法分類基本原理是:假定訓練樣本中地物的光譜特征和自然界大部分隨機現象一樣，近似服從正態分布
利用訓練樣本可求出各類均值、方差及協方差等特征參數，從而可求出總體的先驗概率密度函數
在以上步驟的基礎上，對于任何-一個像素，可反過來求它屬于各類的概率，取最大概率對應的類為分類結果
當總體分布不符合正態分布時，其分類可靠性將下降，這種情況下不宜采用最大似然分類法。
自然分類法步驟
在最大似然分類中需要特征文件
將各個像元指定給以特征文件表示的類時，同時考慮類特征的方差和協方差
假設類樣本呈正態分布，可使用均值向量和協方差矩陣作為類的特征。
如果給定了每個像元值的這兩個特征，則可計算每個類的統計概率，以確定像元能否作為該類的成員
“先驗概率權重”參數
當“先驗概率權重”為EQUAL時，每個像元將被分配給它最有可能具有成員資格的類
當“先驗概率權重”為FILE時，需要同時輸入先驗概率文件。表示某些類出現的可能性大于（或小于）平均值，具有特殊概率的類的權重在先驗概率文件中指定
- 先驗概率文件有助于對處于兩個雷的統計重疊內的像元進行分配，這些像元會更精確的分配給相應的類，從而獲得更理想的分類。這種重分類方法就是貝葉斯分類法
? 當像元數少于樣本平均值的類所獲得的權重將小于平均值
? 當像元數大于樣本平均值的類所獲得的權重將大于平均值。
? 結果相應類所分配到的像元數有多有少
最大似然法——分類置信度
在最大似然法分類中可生成置信柵格數據，來顯示分類置信度，共有14類
在置信柵格數據中像元值為1的置信度中所包含的像元與輸入特征文件中所存儲的任意均值向量距離最短，表示這些像元的分類具有最高確定性
在置信柵格中最低的置信度值是14，表示顯示的像元進行分類可能性最小
分類置信度與有效剔除分數值的個數直接關系，當[剔除分數]為0. 99或更小時，才會對第二個置信度所包含的像元(在置信柵格中像元值為2)進行分類
當[剔除分數]為0. 005或更大，將不對此置信度的像元進行分類。
剔除分數
選項將因最低正確分配概率而得不到分類的像元部分
默認值為0. 0，將對每個像元進行分類
有效輸入值包括0. 0、0. 005、0. 01、0. 025、0. 05、0. 01、0. 25、0. 5、0. 75、0. 9、0. 95、0. 975、0. 99和0. 995
輸入概率權重
-
選項只有當先驗概率權重選擇FILE類型所輸入的文件
-
輸出置信柵格
-
表示以14個置信度顯示分類確定性的輸出置信柵格數據集，其中，最低值表示的確定性最高
主成分分析
將輸入的多波段數據變換到一個新的空間，其是對原始空間軸進行旋轉二成新的多元屬性空間
是在盡量不丟失信息的前提下的一種線性變換方法，主要用于數據壓縮和信息增強
方法介紹
此方法生成的是波段數與指定的成分數相同的多波段柵格（新多元空間中每個軸或成分一個波段）
第一個主成分將具有最大的方差，第二個主成分將具有未通過第一個主成分描述的第二大方差
多數情況下，主成分工具生成的多波段柵格中的前三個或前四個波段將對95%以上的方差進行描述，就可以將其余柵格波段刪除
刪除的理由是——新的多波段柵格所包含的波段數較少，而且95%以上的原始多波段柵格方差保持不變，因此計算速度更快，同時還保持了精度。
輸出數據文件
（可選），文本文件，其中存儲主成分參數，輸出文件的擴展名為. txt或. asc
樹狀圖
表示連續合并的每對類之間屬性距離的邏輯示意圖。
為避免交叉，以圖形的方式進行排布，使得要合并的每對類的成員在示意圖中相鄰。
等級聚類算法
原理——首先計算輸入特征文件中每對類之間的距離，以迭代方式合并最近的的一對類，完成后繼續合并下一對最近的類，直到合并完所有的類。
在每次類合并后，對各類之間的距離進行更新。合并類特征時采用的距離將用于構建樹狀圖。
地統計分析（Geostatistics）
以區域化變量為基礎，借助變異函數，研究既具有隨機性又具有結構性，或具有空間相關性和依賴性的自然現象的一門科學。
與空間數據的結構性和隨機性、空間相關性和依賴性、空間格局與變異有關的研究，并對這些數據進行最優無偏內插估計，或模擬這些數據的離散性、波動性時，皆可應用地統計學
地統計學和經典統計學的共同之處
都是在大量采樣的基礎上
通過對樣本屬性值的頻率分布、均值、方差等關系及其相應規則的分析，確定其空間分布格局與相關關系
地統計學和經典統計學的區別
地統計學既考慮到樣本值的大小，又重視樣本空間位置及樣本間的距離
彌補了經典統計學忽略空間方位的缺陷
地統計分析理論基礎
提前假設
區域化變量
變異分析
空間估計量
前提假設——隨機過程
地統計學任偉研究區域中所有的樣本值都是隨機過程的結果，即所有樣本值都不是相互獨立的，是遵循一定的內在規律的
地統計學就是要揭示這種內在規律，并進行預測
前提假設——正態分布
在統計學分析中，假設樣本是服從正態分布的，地統計學也不例外
在獲得數據后，首先應對數據進行分析，若不符合正態分布的假設，應對數據數據進行變換，轉換為符合正態分布的形式，并盡量選取可逆的變換形式
前提假設——平穩性
對于統計學而言，重復的觀點是其理論基礎
統計學認為，從大量的重復的觀察中可以進行預測和估計，并可以了解估計的變化性和不確定性。
對于大部分的空間數據而言，平穩性是假設是合理的
兩種平穩性
-
均值平穩——即假設均值是不變的并且與位置無關
-
與協方差函數有關的二階平穩——假設具有相同的距離和方向的任意兩點的協方差是相同的，協方差只與這兩點的值相關而與他們的位置無關
-
與變異函數有關的內蘊平穩——假設是指具有相同距離和方向的任意兩點的方差（即變異函數）是相同的。
區域化變量
當一個變量呈現一定的空間分布時，稱之為區域化變量，它反映了區域內某種特征或現象
區域化變量與一般的隨機變量不同之處在于（它是與位置有關的隨機變量）
? 一般的隨機變量取值符合一定的概率分布
? 區域化變量根據區域內位置的不同而取不同的值。
? 當區域化變量在區域內確定位置取值時，表現為一般的隨機變量
區域化變量的特征
隨機性
結構性
區域化變量是一個隨機變量，它具有局部的、隨機的、異常的特征
區域化變量具有一定的的結構特點，即變量在點x與偏離空間距離為h的點x+h 處的值Z(x)和Z(x+h)具有某種程度的相似性，即自相關性。
自相關性的程度依賴于兩點間的距離及變量特征。
空間局限性——這種結構性表現為一定范圍內
不同程度的連續性
不同程度的各向異性——各個方向表現出的自相關性有所區別
協方差函數
地統計學的協方差函數可表示為
Z(x)為區域化隨機變量，并滿足二階平穩假設，即隨機變量Z(x)的空間分布規律不隨位置而改變
h為兩樣本點空間分割距離
Z( ) 為 Z(x) 在空間點 處的樣本值
Z( +h) 為 Z(x)在 處距離偏離 h 的樣本值[i=1,2,…,N(h)]
N(h)為分割距離為h時的樣本點對總數
? n為樣本單元數
? 一般情況下 （特殊情況下可以認為近似相等）
半變異函數
又稱半變差函數、半變異矩，是地統計分析的特有函數
區域化變量Z(x)在點x和x+h處的值Z(x)與Z(x+h)差的方差的一半稱為區域化變量Z(x)的辦變異函數，記為r(h)。2r(h)稱為變異函數。
根據定義有
? r(x,h)= Var[Z(x)-Z(x+h)]
? E[Z(x+h)]=E[Z(x)]
? r(x,h)= E
變異分析
總結
以上是生活随笔為你收集整理的ArcGIS空间分析笔记（汤国安）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 批量裁剪GIS数据(包含GDB,MDB,
- 下一篇： java GZIP压缩和解压