ArcGIS栅格数据的空间分析

《ArcGIS栅格数据的空间分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第13章ArcGIS栅格数据的空间分析基于栅格数据的空间分析是GIS空间分析的重要组成部分。其中，缓冲区分析在GIS中用得较多，但对矢量数据的缓冲区操作比较复杂，而在栅格数据中可看作是对空间实体向外进行一定距离的扩展，因而算法比较简单。栅格数据的空间分析主要包括距离制图、密度制图、栅格差值、表面生成与分析、单元统计、领域统计、分类区统计、重分类、栅格计算和格式转换等功能。13.1设置分析环境在ArcGIS中，使用栅格数据进行空间分析前，先要设置分析环境。环境的设置主要包括工作目录的选择、栅格单元大小的设定、分析区域的选定、坐

2、标基准的配准模式和分析过程文件的管理等。这些设置可以通过在空间分析工具下的选项命令来实现。本节将逐一对各分析环境的设置作详细说明。13.1.1加载模块添加工具ArcGIS安装完成后，空间分析工具默认情况下不能直接使用。如需要使用，必须手动添加。添加需要在主菜单上单击选择“工具”

3、”扩展”命令，弹出扩展对话框。在对话框中勾选需要使用的工具，即可加载所需工具。加载空间分析模块只需在对话框中勾选“空间分析”前的复选框，然后单击“关闭”按钮，关闭对话框后，空间分析模块即被加载。模块加载后即可添加空间分析工具条，在主菜单中单击“视图”

4、

5、”工具条”

6、”空间分析”命令，就可以打开空间分析工具条。13.1.2常规分析环境设置在使用空间分析模块之前，需要设置各种分析选项。在常规分析环境设置中，可以设置空间分析的工作路径、使用分析掩模及分析坐标系统的设置等。1．设置工作路径2．使用分析掩模3．选择坐标系统13.1.3设置单元大小栅格数据的大小和清晰程度是依据其栅格单元来决定的。栅格单元越小其精度越高，反之则越低。但是如果刻意追求精度的话，又会造成栅格数据数据量几何倍数的增加，所以应该根据应用的需求选择一个合适的分辨率，即栅格单元的大小。13.1.4设置分析区域在默

7、认的情况下，空间分析的范围是所有数据的重叠范围，即所有数据的交集。其中，共有以下5种方式。1．在地图的可视区域上进行分析；2．在输入栅格的交集上进行分析；3．在图层的并集上进行分析；4．自己设定合适的分析范围；5．与某个图层一致。13.2距离制图距离制图工具可用于测量直线距离（欧几里得距离）或根据其他因子所量测的距离，包括区域分配、成本距离加权和最短路径等。关于距离制图的基础和原理请参阅有关书籍，此处不予详述。13.2.1直线距离直线距离函数用于测量每一单元到最近源（源是用于研究的地物，如城市、道路和学校）的直线距离。它是从

8、一个单元的中心至另一单元中心的距离，并按距离远近分级。13.2.2区域分配区域分配是依据最近距离来计算每个格网点归属于哪个源，也就是将所有栅格单元分配给离其最近的源。输出结果时，其格网的值被赋予了其归属源的值。分配功能可以完成医院服务区域划分，寻找最邻近旅店等分析。13.2.3成本距离加权成本加权距离制图可以获得每一单元至距离最近、成本最低源的最少累加成本。完成成本加权距离制图的函数与直线距离函数相似。但是，它不是计算一点到另一点的直线距离，而是根据每个单元到源的距离和穿越沿途单元的成本，来计算从每一单元至其最近源的累加通行

9、成本。成本加权距离制图必须要一个源图层和一个成本图层，成本栅格数据确定通过每一单元的通行成本。13.2.4最短路径最短路径函数用于确定从某一目标点至一个源的路径。执行了成本加权距离函数，生成距离和方向栅格数据，就可以计算从指定目的地到相应源的最低成本路径或最短路径。13.3密度制图密度制图主要根据输入的已知点要素的数值及其分布，来计算整个区域的数据分布状况，从而产生一个连续的表面。它主要是基于点数据生成的，以每个待计算格网点为中心，进行环形区域的搜寻，进而来计算每个格网点的密度值。密度制图可以分为核函数密度制图和简单密度制图

10、两种。1．核函数密度制图2．简单密度制图13.4.1反距离加权插值反距离加权插值（InverseDistanceWeighted，简称IDW），顾名思义就是根据数据点间的空间距离的远近加权插值字段进行的插值方法。距中心越近的点，其估算值越受影响，中心点的影响随着离它的距离越远而减小。13.4.2样条函数插值样条函数通过一个使表面整体曲率减为最小的数学函数来估计单元值，所得表面较为平滑，其拟合表面通过输入点，实现步骤如下。13.4.3克里金插值克里金插值法（Kriging）是空间统计分析方法的重要内容之一，是建立在半变异函数理

11、论分析基础上的，对有限区域内的区域化变化取值进行无偏最优估计的一种方法。基于这种方法进行插值时，不仅考虑了待预测点与邻近样点数据的空间距离关系，还考虑了各参与样点之间的位置关系，充分利用了各样点数据的空间分布结构特征，使其估计结果比传统方法更精确、更符合实际和更有效地避免了系统误差的出现。