练习2 矢量数据叠置操作
新建个人地理数据库(Ex2.mdb )。再把原始数据导入Ex2.mdb 。(选择Ex2.mdb ,选择导入——要素类(单个),依次添加各个要素)。
选择“ArcToolBox ——Analysis Tools——overlay ”
双击Intersect 。
生成要素图层cov12.
输入要素为cov1和cov2,输出要素为cov12,JoinAttribute 为ALL ,XY Tolerance为0.00001,out type为INPUT 。
成果:
以同样的方法生成cov32. (选择cov3和cov2,生成cov32,JoinAttribute 为ALL ,XY Tolerance为0.00001,Out Type为line 。)
成果:
生成要素图层cov42.
选择cov4 和cov2,生成要素为cov42,JoinAttribute 为ALL ,XY Tolerence为0.00001,Out Type为POINT 。
成果:
成果:
选择“ArcToolbox ——Analysis Tools——overlay ”。 选择Identify 。
生成要素图层cov12b 。
Inout Feature 为cov1,Identify Feature 为cov2,Output Feature 为cov12b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
生成要素图层cov32b 。
Inout Feature 为cov3,Identify Feature 为cov2,Output Feature 为cov32b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
生成要素图层cov42b 。
Inout Feature 为cov4,Identify Feature 为cov2,Output Feature 为cov42b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
成果为:
选择“ArcToolbox ——Analysis Tools ——overlay ——Union ”。
生成要素图层cov12c 。
选择要素cov1和要素cov2,生成要素为cov12c ,JoinAttribute 为ALL ,XY Tolerence为0.00001。
成果为:
练习6 学校选址
加载Spatial Analyst工具,加载Schoolsite 数据库。选择“Spatial Analyst工具——表面分析——坡度”。 如果Spatial Analyst模块没有激活,可以在Customize 下选择Extensions 下选择Spatial Analyst.
选择“Slope ”。
从DEM 数据中提取坡度数据集。
在Environment 中选择Process Extent\extent选择Same as layer landuse. Snap raster中选择landuse 图层。
在Raster Analysis\Cell size选择Same as layer landuse。
选择“确定”。
从娱乐场所“Rec_sites”提取娱乐场直线距离数据。选择Spatial Analyst
Tools\Distance\Euclidean Distance。 Output cell size选择landuse 。
在Environments 中选择Processing
extent\Same as Layer landuse,Snap Raster选择landuse 。
在Raster Analysis\Cell size选择Same as Layer landuse.
选择“确定”。
从学校现有数据School 提取学校直线距离数据库。(方法与上一步相同)
5. 重分类数据集。
选择Reclass\reclassify。
重分类坡度数据集。
在对话框classify 选择Classes, 采用等间距分级把坡度分为10级,把值写成为
10.
平坦的地方适宜性好,赋予较高的适宜性值,陡峭的地方赋予较低的适宜性值。
选择“确定”。
重分类娱乐场直线数据集。
选择Classify, 采用等间距分级10级,选择Classes, 值为
10.
离娱乐场近的新学校适宜性比较好,所以,离娱乐场近的地方赋予高的适宜值,离娱乐场远的地方赋予较低的适宜值。
选择“确定”。
重分类学校直线距离数据集。
选择Classify, 采用相等距离分为10级,选择Classes, 值为
10.
距离现有学校近的地方有较低值,距离现有学校远的地方有较高值。
选择“确定”。
重分类土地利用数据集。
Reclass field选择landuse.
在考察土地利用数据时,各种土地利用类型对学校适宜性存在一定影响。例如湿地和水体的适应性很差,在重分类中应避免。
在“重分类”对话框中去掉“Wetland ”“Water ”“Grass ”.
然后根据各种土地类型给各类型赋值。
成图如下:其中深色区域表示适宜性较好,浅色区域表示适宜性较小,其他区域表示这里不能建立学校。
6. 适宜区分析
重分类后每一个数据集被统一到相同的等级体系中,而且每一数据集中被认为适宜的属性被赋予较高的数值,现在给每个因素赋予不同权重,然后合并数据集找到合适的建立学校的地方。
选择Spatial Analyst下的Map Algebra\Raster Calculator.
(适应性)=(娱乐场所数据)*0.5+(现有学校)*0.25+(土地利用数据)*0.125+(坡度数据)
*0.125.
成果图:
图中适宜性较强的区域(深色区域)为推荐学校选址处。
练习2 矢量数据叠置操作
新建个人地理数据库(Ex2.mdb )。再把原始数据导入Ex2.mdb 。(选择Ex2.mdb ,选择导入——要素类(单个),依次添加各个要素)。
选择“ArcToolBox ——Analysis Tools——overlay ”
双击Intersect 。
生成要素图层cov12.
输入要素为cov1和cov2,输出要素为cov12,JoinAttribute 为ALL ,XY Tolerance为0.00001,out type为INPUT 。
成果:
以同样的方法生成cov32. (选择cov3和cov2,生成cov32,JoinAttribute 为ALL ,XY Tolerance为0.00001,Out Type为line 。)
成果:
生成要素图层cov42.
选择cov4 和cov2,生成要素为cov42,JoinAttribute 为ALL ,XY Tolerence为0.00001,Out Type为POINT 。
成果:
成果:
选择“ArcToolbox ——Analysis Tools——overlay ”。 选择Identify 。
生成要素图层cov12b 。
Inout Feature 为cov1,Identify Feature 为cov2,Output Feature 为cov12b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
生成要素图层cov32b 。
Inout Feature 为cov3,Identify Feature 为cov2,Output Feature 为cov32b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
生成要素图层cov42b 。
Inout Feature 为cov4,Identify Feature 为cov2,Output Feature 为cov42b 。JoinAttributes 为ALL,XY Tolerance为0.00001。
成果为:
成果为:
选择“ArcToolbox ——Analysis Tools ——overlay ——Union ”。
生成要素图层cov12c 。
选择要素cov1和要素cov2,生成要素为cov12c ,JoinAttribute 为ALL ,XY Tolerence为0.00001。
成果为:
练习6 学校选址
加载Spatial Analyst工具,加载Schoolsite 数据库。选择“Spatial Analyst工具——表面分析——坡度”。 如果Spatial Analyst模块没有激活,可以在Customize 下选择Extensions 下选择Spatial Analyst.
选择“Slope ”。
从DEM 数据中提取坡度数据集。
在Environment 中选择Process Extent\extent选择Same as layer landuse. Snap raster中选择landuse 图层。
在Raster Analysis\Cell size选择Same as layer landuse。
选择“确定”。
从娱乐场所“Rec_sites”提取娱乐场直线距离数据。选择Spatial Analyst
Tools\Distance\Euclidean Distance。 Output cell size选择landuse 。
在Environments 中选择Processing
extent\Same as Layer landuse,Snap Raster选择landuse 。
在Raster Analysis\Cell size选择Same as Layer landuse.
选择“确定”。
从学校现有数据School 提取学校直线距离数据库。(方法与上一步相同)
5. 重分类数据集。
选择Reclass\reclassify。
重分类坡度数据集。
在对话框classify 选择Classes, 采用等间距分级把坡度分为10级,把值写成为
10.
平坦的地方适宜性好,赋予较高的适宜性值,陡峭的地方赋予较低的适宜性值。
选择“确定”。
重分类娱乐场直线数据集。
选择Classify, 采用等间距分级10级,选择Classes, 值为
10.
离娱乐场近的新学校适宜性比较好,所以,离娱乐场近的地方赋予高的适宜值,离娱乐场远的地方赋予较低的适宜值。
选择“确定”。
重分类学校直线距离数据集。
选择Classify, 采用相等距离分为10级,选择Classes, 值为
10.
距离现有学校近的地方有较低值,距离现有学校远的地方有较高值。
选择“确定”。
重分类土地利用数据集。
Reclass field选择landuse.
在考察土地利用数据时,各种土地利用类型对学校适宜性存在一定影响。例如湿地和水体的适应性很差,在重分类中应避免。
在“重分类”对话框中去掉“Wetland ”“Water ”“Grass ”.
然后根据各种土地类型给各类型赋值。
成图如下:其中深色区域表示适宜性较好,浅色区域表示适宜性较小,其他区域表示这里不能建立学校。
6. 适宜区分析
重分类后每一个数据集被统一到相同的等级体系中,而且每一数据集中被认为适宜的属性被赋予较高的数值,现在给每个因素赋予不同权重,然后合并数据集找到合适的建立学校的地方。
选择Spatial Analyst下的Map Algebra\Raster Calculator.
(适应性)=(娱乐场所数据)*0.5+(现有学校)*0.25+(土地利用数据)*0.125+(坡度数据)
*0.125.
成果图:
图中适宜性较强的区域(深色区域)为推荐学校选址处。