arcgis10.0__空间分析方法与gis典型应用例证

《arcgis10.0__空间分析方法与gis典型应用例证》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一、实验目的1、掌握ArcGIS缓冲区分析、叠置分析、网络分析方法。2、熟悉ArcGIS的空间统计、栅格计算方法。3、综合利用矢量数据空间分析中的缓冲区分析和叠置分析解决实际问题。4、学会用ArcGIS9进行各种类型的最短路径分析，了解内在的运算机理。5、熟练掌握利用ArcGIS上述空间分析功能分析和结果类似学校选址的实际应用问题的基本流程和操作过程。二、主要实验器材（软硬件、实验数据等）计算机硬件：lenovoideapadY460N计算机软件：ArcGIS10.0软件实验数据：《ArcGIS地理信息系统空间分析实验教程》随书光盘的第七章、第八章等三、实验内容与要求1、空间缓冲区分析

2、。（1）为点状、线状、面状要素建立缓冲区。1)打开菜单“自定义”下的“自定义模式”，在对话框中选择“命令”，在“类别”中选择“工具”，在右边的框中选择“缓冲向导”（如图1所示），拖动其放置到工具栏上的空处。图1提出“缓冲向导”2)利用选择工具选择要进行分析的点状要素，然后点击，在“缓冲向导”对话框设置缓冲区信息，如图2及图3所示。图2线状缓冲区信息设置1图3线状缓冲区信息设置21)利用选择工具选择要进行分析的线状要素，然后点击，在“缓冲向导”对话框设置缓冲区信息。2)利用选择工具选择要进行分析的面状要素，然后点击，在“缓冲向导”对话框设置缓冲区信息，如图4所示。图4面状缓冲区信息设置2

3、、学校选址。要求：(1)新学校选址需注意如下几点：1）新学校应位于地势较平坦处；2）新学校的建立应结合现有土地利用类型综合考虑，选择成本不高的区域；3）新学校应该与现有娱乐设施相配套，学校距离这些设施愈近愈好；4）新学校应避开现有学校，合理分布。(2)各数据层权重比为：距离娱乐设施占0.5，距离学校占0.25，土地利用类型和地势位置因素各占0.125。(3)实现过程运用ArcGIS的扩展模块（Extension）中的空间分析（SpatialAnalyst）部分功能，具体包括：坡度计算、直线距离制图功能、重分类及栅格计算器等功能完成。(4)最后必须给出适合新建学校的适宜地区图，并对其简要

4、进行分析。具体操作：（1）打开加载地图文档对话框，选择E:Chp8Ex1school.mxd。（2）从DEM数据提取坡度数据集：打开工具箱→“SpatialAnalyst工具”→“表面分析”→“坡度”工具；在打开对话框中设置，如图5所示；生成坡度图，如图6所示。图5“坡度”对话框设置图6坡度图（1）从娱乐场所数据“Rec_sites”提取娱乐场所欧氏距离数据集：打开工具箱→“SpatialAnalyst工具”→“距离分析”→“欧氏距离”工具；在打开对话框中设置，如图7所示；生成欧氏距离数据集，如图8所示。图7“欧氏距离”对话框设置图8娱乐场所欧氏距离图（2）从现有学校位置数据“S

5、chool”提取学校欧氏距离数据集，方法如上，生成学校直线距离数据集，如图9所示。图9学校欧氏距离图（1）重分类数据集。1)重分类坡度数据集：采用等间距分级分为10级（如图10）；在平坦的地方适宜性好，赋以较小的适宜性值，陡峭的地区赋比较大的值（如图11）；得到坡度适宜性数据图，如图12所示。图10采用等间距分级分为10级图11适宜性设置图12重分类坡度图1)重分类娱乐场所欧氏距离数据集：新学校距离娱乐场所比较近适宜性好，采用等间距分级分为10级，距离娱乐场所最近适宜性最高，赋值1，距离最远的地方赋值10。得到娱乐场所适宜性图如图13。图13重分类娱乐场所图2)重分类现有学校欧氏距离数

6、据集：考虑到新学校距离现有学校比较远时适宜性好，采用分级分为10级，距离学校最远的单元赋值1，距离最近的单元赋值10。得到重分类学校距离图14。图14重分类学校距离图1)重分类土地利用数据集：在考察土地利用数据时，容易发现各种土地利用类型对学校适宜性也存在一定的影响。重分类时，勾选“将缺失值更改为NoData”，删除旧值为4、7、9的新值（如图15）；然后根据用地类型给各种类型赋值，,深色部分为比较适宜区，浅色部分表示适宜性比较差，白色表示该处不允许建学校，如图16。图15重分类设置missingdatapublicTranstionalAgricultureVegetableCity

7、centerforestBarrenland图16土地类型重分类（1）适宜区分析。打开“SpatialAnalyst工具”→“地图代数”→“栅格计算器”，对各个重分类后数据集的合并计算，最终适宜性数据集的加权计算公式为：reclass_rec（娱乐场所）*0.5+reclass_sch（现有学校）*0.25+reclass_la（土地利用数据）*0.125+reclass_slop1（坡度数据）*0.125得到最终适宜性数据集（图17），适宜性