ARCGIS栅格数据分析

ArcGIS栅格数据分析Esri中国信息技术有限公司韩勇•栅格数据的定义和类型•ArcGIS栅格数据分析•ArcGIS栅格数据分析应用主要内容一、栅格数据的定义和类型栅格数据：每个网格作为一个像元,包含一个代码表示该像素的属性类型或量值，或者记录指向属性数据的指针,每个网格的大小代表空间分辨率.栅格类型：栅格可以是专题数据，数字航空摄影、卫星影像、数字图片或甚至扫描的地图.栅格数据的定义和类型二、ArcGIS栅格数据分析空间分析为数据的深度使用提供了方法栅格数据是GIS的重要数据模型之一,基于栅格数据的空间分析是GIS空间分析的重要基础。空间分析模块功能数学计算条件分析地图代数邻域分析局部分析区域分析地下水分析水文分析太阳辐射分析表面分析距离分析叠加分析栅格重分类多元分析插值分析栅格综合密度分析工具条创建栅格提取1、地图代数地图代数（MapAlgebra）是一种可以用代数语言执行空间分析的一种方法，包括可以执行所有ArcGIS空间分析扩展功能，数学运算，函数分析。优点：可以创建复杂的表达式。如何获取：通过空间分析模块。整合Python(所有模块都可以获取)栅格分析的地图代数2110NoData111NoData1221122Vegetation0=Rock1=Forest2=WaterDiscrete1.121.751.812.030.261.631.871.980.000.910.731.420.000.18NoDataNoDataRainfall(inches)ContinuousRasterCalculator–空间分析工具–易于使用的计算界面–单独使用或在ModelBuilder中使用Python窗口–单一的表达或简单的探索性模型Scripting–复杂的模型地图代数的使用途径2、栅格数据简单分析方法Arithmetic(+,-,*,/)Boolean(AND,OR,XOR,NOT)Logical(,,=,,etc.)Bitwise(shift,compliment)栅格分析的数学运算Arithmetic—Abs,Int,Float,etc.Trigonometric—Sin,Cos,Tan,etc.Exponential—Exp,Exp2,Exp10Logarithmic—Log,Log2,Log10Powers—Sqr,Sqrt栅格分析的数学函数TheIntfunctionInputrasterOutputraster=NoData•Boolean(AND,OR,XOR,NOT)•Logical(,=,=,,,=)栅格分析的地图查询3、栅格数据高级分析方法•欧氏（直线）距离•成本加权距离•用于垂直移动限制和水平移动限制的成本加权距离•源之间具有最小行程成本的路径和廊道距离分析5个小时10个小时距离分析和邻近分析直线距离方向图分配图成本权重距离最短距离输入重分类比例:间隔:重分类加权叠加•计算临域统计–Majority,Maximum,Mean,Median,Minimum,Minority,Range,Sum,StandardDeviation,Variety•用于滤波，数据平滑及数据整合临域分析和块统计在同一个区域/格子内具有相同的值。输入的数据可以是要素或栅格数据。输出可以是栅格，表格或图型–分水岭的最大流入长度–每个邮政编码内的平均收入–每个植被区内的平均高程区域叠加统计SlopeWatershedsMeanSlopeperWatershed区域叠加统计(cont.)三、ArcGIS栅格数据分析的应用•在那里建造一个新房屋•怎样的坐落位置有利于周围居民？•什么位置经济发展的较好（什么位置易于经济发展）？•当发生化学泄露时，哪里的人会最先受到威胁？适应性模型现实GIS的世界结果内容模型建立的条件:-经济区域-接近目标人群-避开竞争者模型建立的标准理论：建立模型的理论方法记录整个过程中的log!建立一个组织定义一个目标定义一个尺度建立运行模型结果展现选择最优的模型反馈反馈•怎样知道模型是否运行成功？•标准必须与建立模型时制定的标准一致•对结果需要进行推广•定义如何去量化模型成功的标志适应性模型-二进制法AccessCostBestSiteTerrain000101001101•选择简单的问题——查询•对图层进行分类并进行组合分析（好的为1，坏的为0）：好的位置=地形&访问&花费•优点：简单•缺点：无法选择下一好位置所有图层的权重相同好部分的值权重也相同适应性模型-权重法AccessCostBestSiteTerrain115105510110106.67.04.25.01.8•适用于复杂的问题•将图层数适应性分为1—9层权重，再叠加分析：好的位置=（地形*0.5）+（访问*0.3）+（花费*0.2）•优点：所有值都具有相对重要性每一层都具有相对重要性适应性比例一致•缺点：参考值难以评定适应性模型步骤•确定重点图层：分析每一层，每个子模型的现象，得到每一层的重点•重分类：每一层数据适用相对比例来表示•权重：每一层和每一个子模型的重要性•组合：所有层和所有子模型组合•分析：结果分析和作出决策确定重要的图层•建立的模型易于接受•对运行的结果有重大的影响•确定重要的图层如何影响运行的结果•不包含不相关的信息•简化模型—简化到足以捕获本质和解决问题重分类—将不同的标准统一化•使用原始数据的部分内容—需要使用道路的长度属性而不是位置属性•简单的问题：—使用ArcGISSpatialAnalystTools—量取道路的距离•复杂的问题：—需要使用模型—旅途花费的时间重分类—定义合适尺度定义一个合适的尺度典型的方法是1到9（从最差到最好）重分类图层的值到相对应的尺度在模型中对所有的图层使用相同的尺度03282.597865SuitabilityforSkiResortDistancetoroadsTraveltimesuitability8765–15minutestoofframp4329–0minutestoofframp1–45minutestoofframpBestWorstAccessibilitysubmodelSoilgradingsuitability8765–Landslide;moderate4329–Recentalluvium;easy1–Exposedbedrock;hardBestWorstDevelopmentsubmodel重分类工具可以使用重分类工具将距离转换为合适的尺度值权重和图层叠加•确定标准是非常重要的一步，但是在图层叠加前选取相应的权重值也是很重要的例如：在滑雪中地形和路径显然比成本更加重要•使用权重叠加或者权重组合，也可以使用地图代数来完成图层叠加例如：AccessCostBestSiteTerrain115105510110106.67.04.25.01.8SkiSite=(Terrain*0.5)+(Access*0.3)+(Cost*0.2)权重叠加工具权重值和多个图层的输入：每个图层对应的权重值形成子模型结果展示•结果展示最适宜的区域根据相对重要性对结果进行展示•生成候选的位置选择得分最高的像元定义区域去除面积小于阈值的区域•在候选结果中选择区域Site1Site2Site3验证•实地验证•使用经验•改变值或者权重•进行适宜性分析•结果只是单纯从表面上说明哪个位置更加适宜•不能给出完全绝对的值（无序数据）•过分依赖于重分类和权重赋值适应性模型的局限DEMO：校园选址GP发布在Web端GP服务怎么做？制作模型测试模型发布GP服务失败服务各种版本API应用系统用户发布服务