空间统计分析实习报告
Spatial statistics tools
分析模式工具集中的工具采用推论式统计，以零假设为起点，假设要素与要素相关的值均表现随机分布。然后计算P值说明，这种分布属于随机分布的概率。在应用中，返回Z得分和P值判断是否可以接受或拒绝零假设，同时在不同的工具中，还表示分布是聚集，或分散
是标准差的倍
数，在0.5-P的概
率下接受随机分
布的接受域
Average Nearest Neighbor 最邻近分析
根据每个要素预期最近要素的平均距离来计算最邻近指数，当指数大于1，要素有聚集分布
的趋势，对于趋势如何，还要依据z—value和P—value 来判断，小于1时，趋向分散分布
最近邻指数的表示方法为：平均观测距离与预期平均距离的比率，预期平均距离是假设随机
分布中领域间的平均距离
这种方法对面积指值非常敏感（期望平均距离计算中需要面积参与运算），如果未指定面积
参数，则使用输入要素周围最小外接矩形的面积（不一定合坐标轴垂直）
Spatial Autocorrelation (Morans I) 空间自相关分析
更具要素位置的属性使用Global Moran’s I 统计量量测空间自相关性
Moran’s I是计算所评估属性的均值和方差，然后将每个要素减去均值，得到与均值的偏差，将所有相邻要素的偏差相称，得到叉积。统计量的分子便是这些叉积之和。
如果相邻要素的值均大于均值，这叉积为正，如果以要素小于均值而一要素大于均值，则为负
如果数据集中的值倾向于在空间上集聚（高值聚集在高值附近，低值聚集在低值附近）
则指数为正，如果高值排斥高值，倾向于低值，则指数为负
之后，将计算期望指数值，将之与其比较，在给定的数据集中的要素个数和全部熟知的方差下，将计算Z得分和P值，用来指示次差异是否具有统计学上的显著性
Multi-Distance Spatial Cluster Analysis K函数分析
确定要素（后与之有关连的值）是否显示某一距离范围内统计意义显著的聚类或离散
基于Ripley's K 函数的多距离空间聚类分析工具是另外一种分析事件点数据的空间模式的方法。该方法不同于此工具集中其他方法（空间自相关和热点分析）的特征是可汇总一定距离范围内的空间相关性（要素聚类或要素扩散）
Ripley's K 函数可表明要素质心的空间聚类或空间扩散在邻域大小发生变化时是如何变化的。
如果特定距离的k观测值大于k预期值，则与该距离下的随机分布相比，该分布的聚集程度更高，反之亦可。如果，k观测值大于HIConfEnv，则该距离的空间聚类具有统计学上的显著性，如果k观测值小于LwConFEnv，则该距离的空间离散具有统计学上的显著性对于置信区间，点的每个随机分布称为“排列”将一组点随机分布多次，将对每个距离选择相对预期k值向下和向上最大的k值，作为置信区间
Anselin Local Moran’s I局部Moran’s I 分析
给定一组加权要素，使用局部Moran’s I统计量来识别具有统计显著性的热点，冷点和空间异常值。
Z得分和p值是统计显著性的指标，用于逐个要素判断是否拒绝零假设。他们可指示表面相似性和向异性
如果要素Z值是一个较高的正数，则表示周围的要素拥有相似值，输出要素Cotype字段会将具有统计显著性的高值聚类表示为HH，低值聚类表示为LL
?如果要素的z 得分是一个较低的负值，则表示有一个具有统计显著性的空间异常值。输出要素类中的COType字段将指明要素是否是高值要素而四周围绕的是低值要素(HL)，或者要素是否是低值要素而四周围绕的是高值要素(LH)。
Getis-Ord General G 高低聚类分析
使用Getis-Ord General G 统计可度量高值或低值的聚类程度
Z 得分越高或越低，聚类程度就越高，如果 z 得分接近零，则表示不存在明显的聚类，为正表示高值的聚类。为负表示低值的聚类
Hot spot Analysis(Getis-OrdGi*) 热点分析
如果给定一组加权要素，使用Getis-OrdGi* 统计识别具有统计显著性的热点和冷点
? 如果要素的 z 得分高且 p 值小，则表示有一个高值的空间聚类。如果 z 得分低并为负数且 p 值小，则表示有一个低值的空间聚类。z 得分越高（或越低），聚类程度就越大。如果 z 得分接近于零，则表示不存在明显的空间聚类。
Adabg00 模式分析
Average Nearest Neighbor 最邻近分析
对于点数据，没有明显的边
界，所以默认面积计算（最
小外接矩形）
最邻近指数小于1。聚集分布。 Z 得分为-10.9，对应的P 值为0.000000，即这种分布是随机
的情况概率为0.00000
Spatial Autocorrelation (Morans I) 空间自相关分析
指定反距离和固定距离中的距离参数，默认距离为所有要素最临近距离的最大值
空间关系模型参数说明空间要素之间的关系，越接近现实，结
果越准确
聚集分布
Multi-Distance Spatial Cluster Analysis K函数分析
通过Calculate Distance Band From Neighbor count 计包含一个近邻点的最大距离，作为k函数的起始距离。将最近邻距离的期望距离作为间隔
在此距离以内，均为集聚，但大于这距离，分布变为分散
且，聚集具有统计意义上的聚集，离散并未具有统计意义上的显著性
Anselin Local Moran’s I局部Moran’s I 分析
Getis-Ord General G 高低聚类分析
保证每个要素都
有相邻要素由index和z得分决定
Hot spot Analysis(Getis-OrdGi*) 热点分析
Adabg00 模式分析
Adabg00属性结构
有两种属性将会被用于模式分析中（Lation（拉丁人口密度）和Dentity（人口密度））、
为了得到adsbg的大概人口分布，首先使用密度分割，分层设色
以dentity字段
可以看出，adage人口分布呈现聚集态
势，四周人口稀少，大多数集中在内部以latino字段
使用模式分析探索人口分布
为了使用Globle Moran’s I ，首先计算包含最近要素的最大距离
相交人口分布，拉丁人口分布除右下角外，其余和人口分布大致相识
选做Moran’s的距
离参数18850
相关性分析
可以看到，adage 的人口有聚集分布的态势
使用局部Moran’s I 判断热点，冷点和异常值（聚集类型）
使用G统计量计算总体聚集程度
蓝色和紫色为异常值区域红色为高值聚集地区
蓝色为低值聚集地区
可以看到，adage人口呈现聚集分布，且类型为高值聚集接着对latino做相应的操作
聚集类型和人口分布相同
有异常值
和人口分布的热点不同
分析Z得分和P值与不同空间组合的关系
对于同一图层，p值和z得分是一一对应的，当z得分的绝对值变大时，对应的p值（接受是随机分布的假设）也变小
全局Moran’s I 和G 统计量用来指出要素呈现距离分布或离散分布，高值聚集或离散或低值聚集（当p 值
非常小时，z为正且越大，聚集分布越明显，反之亦可）（G统计量：当p值非常小时，z为正且越大，高值聚集明显，为0，离散分布，为负且越小，低值聚集越明显）
局部Moran’s I（cluster and outlier聚集和异常分析）和G统计量（hot spot热点分析）根据每个要素的z 得分和p值推出要素分布的相似或相异分布
局部Moran’s I（cluster and outlier聚集和异常分析）直接添加cotype字段，指出该要素的空间组合情况，如HH,LL,HL,LH，但z得分为正且较大时，说明正自相关，于是，将高值的聚类表示为hh,低值的聚类表示为ll，当Z得分为负且较大时，说明负相关越强，于是将高值附近的低值围绕极记为hl，反之Lh，这就是在全局请款下的异常值
HOT SPOT分析：如果要素的z 得分高且p 值小，则表示有一个高值的空间聚类。如果z 得分低并为负数且p 值小，则表示有一个低值的空间聚类。z 得分越高（或越低），聚类程度就越大。如果z 得分接近于零，则表示不存在明显的空间聚类。没有COtype 字段，可以更具自己的需要，设定阈值，和局部Morans
指数相近
实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDW、Spline、Kriging方法进行空间插值，生成中国陆地范围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDW）、 样条插值法（Spline）和克里格插值方法（Kriging）。 实验方法：分别采用IDW、Spline、Kriging方法对全国各气象站点1980年某月的降水量进行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化， 对行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatial analyst→options，在general标签中将工作空间设置为实验数据所在的文件夹
⑶点击spatial analyst→interpolate to raster→inverse distance weighted，在input points 下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options在general标签中选province作为分析掩膜，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000
长安大学 地理信息系统 姓名： 学号： 专业: 遥感科学与技术 指导老师： 学院：地测学院 一、实习目的 1、熟悉GIS 软件——ArcGIS 的体这种系结构，掌握ArcMap 用于地图数据的编辑、显示、查询和分析等功能，了解ArcCatalog 对数据的管理，在此基础上进一步理解GIS 软件应具备的基本功能。
2、掌握地图扫描矢量化的基本原理、方法和步骤，并通过图像配准，进一步理解坐标变换的原理与方法。 3、掌握利用ArcMap 对数据的获取及存储，熟悉ArcMap 的空间查询、叠加、缓冲区分析等常用的地图分析功能，能有效解决一些实际问题。 4、掌握地图渲染方法及制图输出。 5、根据野外采集的离散点数据集，建立DEM ，并进行三维可视化，了解虚拟现实的构建过程。 二、实习任务 （1）完成给定区域的地图矢量化，建立数据库。 数据共分10 层，分别为：高程点（点:高程）、电力线（点）、散坟（点）、桥（点）、道路（线:类别）、陡坎（线）、地类线（多边形:类别）、地类界（多边形:类别）、村组界（多边形:村名）、池塘（多边形）、建筑物（多边形:类别、拆迁指标）等注：地类分为：农用地（耕地、园地、其它）、建设用地（庄台、道路）、未利用土地。如图上绿色线所示。 （2）统计图幅内，各类用地面积，各村组内各类用地面积所占的比例。 (3)进行地图编制，制作专题地图并进行渲染输出。 (4)以卫星遥感影像地图为纹理，建立研究区域的三维可视化地图, 并以楼
层为高度构建虚拟村组。 三、实习内容(附实习具体操作步骤) 1、s hp文件的创建 2、图像配准及矢量化 3、空间查询 4、缓冲区分析 5、地图渲染 6、制图输出 7、构建TIN 8在TIN的基础上，粘贴卫星遥感影像地图，建立三维可视化地图四、实习时间 2014.1.6——2014.1.17
实习六空间分析 实习目的 ●学习ArcMap简单的空间分析功能—缓冲区分析和叠加分析。 ●利用ArcToolbox中的Model（建模）工具，学习在已有的空间 分析功能基础上，组合、定制新的空间分析功能。 实习内容 ●利用缓冲区分析和叠加分析的手段，计算某道路两侧各500米范 围内在各区的面积各为多少？ ●学习使用ArcToolbox中的Model Builder功能进行复杂的数据 处理 实习步骤 综合内容
数据： a.道路图层road.shp b.杭州行政区图层hz.shp 内容一：利用缓冲区分析和叠加分析的手段，计算某道路两侧各500米范围内在各区的面积各为多少？ 1.打开road图层，将地图单位设置为meter 在左侧窗口中，右键点击【】->【Properties…】，弹出对话框【Data Frame Properties】，选择【General】属性页，在该页中设置Map Unite。
2．为road建立缓冲区 a.在ArcMap中将Buffer Wizard工具加到工具栏中。方法如下：【Tools】->【Customize…】->【Commands】找到【Tools】下的【Buffer Wizard】，将它拖放到工具栏上。
b.单击工具栏上的，将弹出Buffer Wizard对话框。 c.在Buffer Wizard对话框中的第一步中选择road线图层。然后单击“下一步。 d.设定缓冲距离为500，同时设定缓冲距离的单位是Meters，单击“下一步”。
e.在出现的对话框中，输出文件名取默认的Buffer_of_road.shp即可。 f.点击【完成】，ArcMap会将缓冲区图层建立并在ArcMap中显示出来。 3.对buffer_of_road和hz做叠加分析 具体操作如下： a.ArcToolbox中选择【Analysis Tools】->【Overlay】->【Intersect】，弹出 Intersect对话框。
河北联合大学 学校选址空间分析建模 姓名：程文生 学号：201114430109 专业：地理信息系统 班级：1班 指导教师：李小光 2013.11.10
学校选址空间分析建模 一、环境设置 选择菜单栏中的“地理处理”，选择环境，设置临时的工作空间为C:\Users\CWS\Desktop\建模。设置处理范围为：与landuse相同。设置栅格分析的象元大小为：与landuse相同。如图1 图1 二、加载分析建模工具 打开Arctoolbox工具箱，右键加载分析建模工具，如下图2所示。 图2
三、建模步骤 1、分析建模右键→新建→模型。在新建的模型1窗口的菜单中选择，以此加载chap8\Ex1\Schoolsite.mdb中的landuse、dem、rec_sites、school数据。如图3 图3 2、对dem数据进行坡度计算：spatial analyst→表面分析→坡度。拖拽至窗口中，并双击坡度工具进行数据设置。如图4 图4
3、从rec_sites和school数据提取直线距离数据。方法：spatial analyst→距离分析→欧式距离，得到数据EucDist_rec_1和EucDist_scho1。如图5 图5 4、重分类：spatial analyst→重分类→重分类。如图6 1）对landuse进行重分类。 在考察土地利用数据时，容如在有湿地、水体分布区建学校的适宜性极差，于是在重分类时删除这两个选项，实现如下：按Ctrl键，选择“water“、”wetland”、”grass”，并删除。然后根据用地类型给各种类型赋值，得到Reclass_land1。 2）重分类坡度数据集。 学校的位置在平坦地区比较有利，比较陡的地方适宜性比较差。采用等间距分级分为10级，在平坦的地方适宜性好，赋以较大的适宜性值；陡峭的地区赋比较小的值，得到坡度适宜性数据Reclass_Slop1。 3）重分类娱乐场直线距离数据采集。 考虑到新学校距离娱乐场所比较近时适宜性好，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10；距离最远的地方赋值1。得到娱乐场所适宜性数据Reclass_EucD1。 4）重分类学校直线距离数据采集。 考虑到新学校距离现有学校比较远时适宜性好，采用分级为10级，距离学校最远的单元赋值10，距离最近的单元赋值1。得到重分类学校距离数据Reclass_EucD2。
第一章 1.地理信息系统：是在计算机软硬件支持下，对整个或者部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。 2.地理信息系统的主要组成部分：硬件系统、软件系统、地理空间数据和系统管理操作人员。 3.GIS功能分为以下五个方面： ①数据采集与输入；②数据编辑与更新； ③数据存储与管理；④空间数据分析与处理； ⑤数据与图形的交互显示。 4.21世纪GIS应用新的发展趋势：网络GIS、组件式GIS、虚拟现实GIS、时态GIS、互操作GIS、3S集成。 5.对基于GIS的空间分析的理解不同的角度和层次： ①按空间数据结构类型；②按分析对象的维数； ③按分析的复杂性程度。 第二章 1.ArcGIS的基础模块：ArcMap、ArcCatalog、Geoprocessing。 2.Geoprocessing地理处理框架：具有强大的空间数据处理和分析工具，包括地理处理工具的集合和模型构建器。 第三章 1.空间数据采集：是指将现有的地图、外业观测成果、航空相片、遥感图像、文本资料等转成计算机可以识别处理的数字形式。 2.数据组织：就是按照一定的方式和规则对数据进行归并、存储、处理的过程， 3.ArcGIS中主要有Shapefile、Coverage和Geodatabase三种数据组织方式。 4.地理数据库：是按照层次型的数据对象来组织地理数据。 5.要素类：是具有相同几何类型和属性的要素的集合，即同类空间要素的集合。 6.地理数据库建立的一般过程： ①地理数据库设计；②地理数据库建立； ③建立地理数据库的基本组成项；④向地理数据库各项加载数据； ⑤进一步定义地理数据库。 7.地理数据库的基本组成项：对象类、要素类和要素数据集 8.要素类的分类：简单要素类和独立要素类。 9.创建拓扑的优势：
第十一章多边形合并、叠合 1 多边形合并 ArcMap 可以按要素的属性进行合并，如将相同类型的点、线、面合并为点簇、线簇、多边形簇。本练习对乡进行合并，使乡合并为县。 图11-1 data frame1 的显示 启动地图文档\gis_ex09\ex11\ex11.mxd，激活data frame1（见图11-1），仅有一个面状图 层“乡”。地图窗口在按钮条点击图标，出现ArcToolbox 窗口，为了有效利用显示屏，可将ArcToolbox 窗口拖动到目录表下侧，展开ArcToolbox / Data Management Tools / Generalize，鼠标双击Dissolve，出现Dissolve 对话框： Input Features：乡下拉选择图层名 Output Feature Class：d:\gis_ex11\ex11\temp\dissolve1.shp 鼠标选择路径，键盘输入文件名Dissolve Field(s) (optional)：合并的字段名 √ CO_NAME勾选，按每个乡所在县的名称相同合并 Statistics Field(s) (optional)：需计算的字段 Field Statistic Type AREA SUM下拉添加多边形面积字段名，下拉选择计算方法为累加 POP94SUM下拉添加94 年人口字段名，下拉选择计算方法为累加 按OK 键继续，软件出现处理过程提示窗，左上角出现Completed 提示，表示处理完毕，按Close 键关闭。叠合后的图层dissolve1 出现在目录表、地图窗口内（见图11-2）。每个乡按所在县合并，空间处理的结果是取消了多边形乡的边界，保留了县的边界，对AREA 和POP94 二个字段作了累加计算。 用鼠标右键打开图层dissolve1 的Properties…，选择Symbology 标签，为每个县定一种颜色（Unique Values 为图例类型，CO_NAME 为Value Field），点击Symbology 标签左下角的Add all values 添加分类的值，按“确定”键，可以看到志远县在几何上由三个互不相邻的多边形组成（地图右上角），但是每个县在空间上是一个整体，在属性表中也只有一条记录，打开要素属性表显示结果如下：
课程：ArcGIS空间分析 实验目的：利用GIS空间分析方法，结合等高线及温度和降水数据，在充分分析某药材的生长习性的情况下，找到其生长区域，从而能够更好的保护该药材的生长环境。 数据来源：本实验所采用的数据均来自ArcGIS地理信息系统空间分析实习教程，数据有：山区等高线数据contour.shp 和山区观测点采集的年平均温度和年总降水数据climate.txt. 实验要求：根据所给条件，确定某区域适合种植这种药材的范围，求出适合种植的面积。 (1)这种药材一般生长在沟谷两侧较近的区域（不超过500m） (2)这种药材喜阳 (3)生长气候环境为年平均温度10度-12度 (4)年总降水量为550-680mm 实验流程：利用该山区等高线数据生成DEM，基于DEM进行水文分析，提取沟谷网络；基于DEM提取坡向数据，重分类划分阴阳坡。 利用观测点采集的年平均温度和年总降水数据分别进行表面内插，生成年平均温度栅格数据和年总降水栅格数据。提取年平均温度10度-12度的区域和年总降水为550mm-680mm的区域。
综合叠加分析满足上述4个条件的区域，得到适合该药材生长的区域，并制作专题图，计算该适合区域的面积。 实验步骤： 1.利用等高线，构建DEM。首先打开ArcMap，加载等高线数 据，在ArcToolbox中，选择【3D Analyst】|【Tin管理】|【创建Tin】工具，打开工具对话框，生成tin。空间参考依然导入contour相同的坐标系统。 2.将Tin转换成格网DEM，以便于进行表面分析和与其他数 据的叠加分析。选择【3D Analyst工具】|【转换】|【由Tin转出】|【Tin转栅格】工具，打开工具对话框。
空间分析实习报告 学院遥感信息工程学院班级 学号 姓名 日期
一、实习内容简介 1．实验目的： （1）通过实习了解ArcGIS的发展，以及10.1系列软件的构成体系 （2）熟练掌握ArcMap的基本操作及应用 （3）了解及应用ArcGIS的分析功能模块ArcToolbox （4）加深对地理信息系统的了解 2.实验内容: 首先是对ArcGIS有初步的了解。了解ArcGIS的发展，以及10.1系列软件的构成体系，了解桌面产品部分ArcMap、ArcCatalog和ArcToolbox的相关基础知识。 实习一是栅格数据空间分析，ArcGIS软件的Spatial Analyst模块提供了强大的空间分析工具，可以帮助用户解决各种空间分析问题。利用老师所给的数据可以创建数据（如山体阴影），识别数据集之间的空间关系，确定适宜地址，最后寻找一个区域的最佳路径。 实习二是矢量数据空间分析，ArcToolbox软件中的Analysis Tools和Network Analyst Tools提供了强大的矢量数据处理与分析工具，可以帮助用户解决各种空间分析问题。利用老师所给的数据可以通过缓冲区分析得到矢量面数据，通过与其它矢量数据的叠置分析、临近分析来辅助选址决策过程；可以构建道路平面网络模型，进而通过网络分析探索最优路径，从而服务于公交选线、智能导航等领域。 实习三是三维空间分析，学会用ArcCatalog查找、预览三维数据；在ArcScene中添加数据；查看数据的三维属性；从二维要素与表面中创建新的三维要素；从点数据源中创建新的栅格表面；从现有要素数据中创建TIN表面。 实习四是空间数据统计分析，利用地统计分析模块，你可以根据一个点要素层中已测定采样点、栅格层或者利用多边形质心，轻而易举地生成一个连续表面。这些采样点的值可以是海拔高度、地下水位的深度或者污染值的浓度等。当与ArcMap一起使用时，地统计分析模块提供了一整套创建表面的工具，这些表面能够用来可视化、分析及理解各种空间现象。 实习五是空间分析建模，空间分析建模就是运用GIS空间分析方法建立数学模型的过程。按照建模的目的，可分为以特征为主的描述模型（descriptive model）和提供辅助决策信息和解决方案为目的的过程模型（process model）两类。本次实习主要是通过使用ArcGIS的模型生成器（Model Builder）来建立模型，从而处理涉及到许多步骤的空间分析问题。 二、实习成果及分析 实习一： 练习1：显示和浏览空间数据。利用ArcMap和空间分析模块显示和浏览数据。添加和显示各类空间数据集、在地图上高亮显示数值、查询指定位置的属性值、分析一张直方图和创建一幅山体阴影图。
完成第五章和第六章的挑战性作业，写出详细步骤 第5章，挑战性作业 Emidalact是一个USGS DEM，其坐标投影系统为UTM。而idtm.shp则是基于爱达荷横轴墨卡托（IDTM）坐标系统。要求将emidata投影到IDTM坐标系统，并要求你获取有关emidalact的图层信息 1．使用ArcCatalog中的Metadata栏，读取关于emidalat和idtm.shp的空间参照信息，包括大地基准（datum）。 1）首先选中emidalat.shp，并在右边的Metadata栏，选择Spatial，可见其空间参照信息为：Horizontal coordinate system Projected coordinate system name: NAD_1927_UTM_Zone_11N Geographic coordinate system name: GCS_North_American_1927 大地基准为： Horizontal Datum Name: North American Datum of 1927 2）再选择idtm.shp，在右边的Metadata栏中选择Spatial，可见其空间参数为：Horizontal coordinate system Projected coordinate system name: idtm Geographic coordinate system name: GCS_North_American_1983 大地基准为： Horizontal Datum Name: North American Datum of 1983 2.在Data Management Tools/ Projections 和Transformations/ Raster工具集中使用Project Raster工具，将emidalat投影到IDTM坐标系统中。使用默认的重采样方法，并将像元大小设置为30m。输出栅格数据重命名为emidatm。 1) 在Data Management Tools/ Projections 和Transformations/ Raster工具集中使用Project Raster工具，Input Raster选择emidalat.shp，将Output Raster Dataset中敲入emidatm，Output Coordinate System打开Import导入chp2的idtm.shp文件，并将Output Cell Size选择30。得到如错误!未找到引用源。结果。
arcgis实习心得体会 篇一：arcGiS实验报告与心得 地理信息系统实验报告与心得 院系：资源与环境学院 年级：20XX级 班级：地信一班 姓名： 学号： 指导老师：冯慧敏 时间：20XX.05.28 arcGiS实验报告与心得 一．实验目的： （1）通过实习了解arcGiS的发展，以及9.3系列软件的构成体系熟练掌握 （2）熟练掌握arcmap的基本操作及应用 （3）了解及应用arcGiS的分析功能模块arcToolbox （4）加深对地理信息系统的了解 二．实验内容 实验一是对arcGiS概述。介绍arcGiS的发展，以及9.3系列软件的构成体系，了解桌面产品部分arcmap、arccatalog和arcToolbox的相
关基础知识； 实验二讲解了视图数据的显示与管理 主要阐述如何让创建新的mapdocument（工程文档），工程文档的保存，创建新数据层layer，数据层（Layer）的操作等； 实验三讲解了arcmap下的数据编辑与修改编辑点、线、面文件的流程，点、线、面的主要生成方法和介绍了绘图工具、编辑菜单；实验四讲解了栅格数据矢量化介绍了arcScan工具。arcScan是arcmapdesktop中栅格矢量化的扩展工具。它提供了一套强大且易使用的栅格矢量化工具。它使得用户可以通过捕捉栅格要素，以交互追踪或批处理的方式直接通过栅格影像创建矢量数据； 实验五讲解了符号编辑与属性表操作比如点状符号的制作，现状状符号的制作，面状符号的制作和属性表的常用操作如创建属性表、编 辑表格、表格查询、表格计算等； 实验六讲解了空间查找与空间分析。主要熟练掌握缓冲区分析和叠置分析中的图层擦除（Erase）、交集操作（intersect）和图层合并（Union）；实验七讲解了矢量数据的最短路径分析和栅格数据的最佳路径分析。主要我们掌握网络分析和栅格数据的空间分析； 实验八讲解了图表与报告创建使用和图版设置与地图整饰。创建图表与使用图、表创建报表与使用报表和图版设置与地图整饰。三.实验步骤及感想 通过这学期的arcGiS实习，让我体验到了arcGiS功能之强大，也让我对arcGiS有了一个整体的认识。也让我知道了地理信息系统是做
土壤稳定性评估 1.背景 在进行区域土地开发时，往往需要对整个区域的土壤稳定性进行评估。应用GIS空间分析方法，能够快速有效的对影响土壤稳定性的因子进行制图并评估打分，通过构建评价体系，利用叠加分析，形成土壤稳定性专题图，为土地开发保护提供决策支持。 2.数据 某地区的数字高程模型和土地利用图，数字高程模型为GRID格式数据，土地利用数据为landuse.shp；分别如下图所示： 实验区数字高程模型 土地利用图 3.要求
土壤稳定性评估原则如下： 1)坡度越陡，稳定性越低。坡度分级临界值分别为：3°、6°、11°、20°、30°； 2)阴坡比阳坡稳定； 3)土地利用类型的稳定性级别由高到低分别为：森林、水域、草原、居住用地和 农耕地。 各个因子的量化分值随地理位置、重要程度、所占比例等因素的不同而分别制定。 本例中使用的分值和权重见下文。 最后需完成土壤稳定性级别专题图。 4.工作流程 (1) 基于DEM提取坡度数据，按照分级临界值进行重分类，并对每个坡度区间设定 权重值； (2) 基于DEM提取坡向数据，重分类划分阴坡、阳坡，并对两个坡向设定权重值； (3) 将土地利用的矢量数据按土地利用类型转换为栅格数据，再重分类设定每种土 地利用类型的权重值； (4) 综合坡度、阴阳坡和土地利用类型进行空间叠加分析加权求和，得到该区域土 壤稳定性数据，最终划分等级制作土壤稳定性专题图。 工作流程如图所示： 5.操作步骤 ⑴提取坡度数据。 选择【Spatial Analyst Tools】|【surface】|【slope】工具，打开工具对话框，如图：
【输入栅格】选择：dem； 【输出栅格】设置为：slope； 点击【确定】，生成坡度数据。 选择【Spatial Analyst Tools】|【reclass】|【reclassify】工具，打开对话框，如图： 【输入栅格】：slope；
空间分析实习：基于ARCGIS软件的土壤侵蚀危险性评价 实习目的 （1）巩固多因子分析的主要流程，熟练掌握多种空间分析方法的综合 运用。 （2）进一步培养学生分析问题、解决问题的综合能力； （3）掌握SRTM DEM 数据的获取方法。 实习准备 （1）软件准备：ARCGIS10、 （2）方法准备：多因子分析原理及方法（可参考相关书籍） 实习数据 ?TM 影像：用于派生归一化植被指数（NDVI） ?土地利用类型 ?DEM 数据：用于派生坡度数据，根据研究区范围从网上获取（） ?降雨量数据：（大家在研究区均匀选择30 个离散点进行模拟） 实习主要步骤及要求 假设影响土壤侵蚀的因子有:坡度、植被覆盖率（可用NDVI 代替）、 土地利用类型、降雨量；根据多因子分析的原理和方法，在数据预处理 的基础上，运用叠加分析方法完成土壤侵蚀危险性评价，并根据相关标 准进行危险性分级。 主要步骤：
①确定评价模型：本次评价用加权平均模型，表达式为： ②数据预处理：派生所需要的数据，重分类数据到统一的等级； ③确定各因子权重：假定坡度、降雨量、植被覆盖（NDVI）；土地利用类型。 ④叠加分析：通过叠加分析完成土壤侵蚀危险性评价； ⑤制作危险性等级图。 详细操作步骤 1)多波段合成：实习数据给的2张TM影像均为3张单波段影像， 需要进行多波段合成处理
2)去除锯齿 多波段合成后的2张影像均可以看到明显的锯齿，所以要先去除锯齿1)使用特征提取工具去除锯齿：在这里我使用特征提取工具
2)输出去除锯齿后的影像
3)拼接影像 将2张影像拼接成一幅完整的影像，注意影像的位置，位于下方的的影像上方1)拼接影像
GIS软件应用大作业报告（2019 ——2020 学年第2学期） 课程：GIS软件应用 专业：地理信息科学 班级： 学生姓名： 学号： 指导教师： 指导教师职称： 完成时间：
实验项目列表
实验报告撰写及批改说明 1.实验报告格式要求统一采用实验报告用纸。实验报告中的计量单位、制图、 制表、公式、缩略词、符号应符合国家的规定。 2.实验报告内容包括： 1)实验项目名称； 2)实验组号； 3)组内其他成员姓名； 4)目的要求； 5)仪器用具:仪器名称及主要规格（如包括量程、分度值、精度等）、用具 名称； 6)实验原理：简单但要抓住要点，即要写出依据原理的公式名称、公式表 达式、公式中各物理量的名称、公式成立的条件等； 7)实验内容：具体内容因课程由各指导老师具体规定。设计性实验由学生 自主提出实验步骤或方案、结论等； 8)数据表格：画出数据表格（写明物理量和单位）； 9)数据处理及结果（结论）：按实验要求处理数据； 10)讨论：对实验中存在的问题、进一步的想法等进行讨论。 3.学生按实验项目撰写实验报告，所有实验项目完成后，填写实验项目列 表，并装订成册，由实验室保存。 4.指导教师按实验项目批改，填写成绩及教师评阅意见，并在实验项目列表中 填写成绩，课程实验全部完成后，填写课程实验总成绩。
作业1：专题地图制图 一、实验的目的与要求： 掌握空间数据分级设色定量符号化方法。 及专题地图的注记，设置和出图。 二、实验内容： 1.根据xls经纬度，建立臭氧站点变化趋势和臭氧显著性检验的定量分级设色符号化专题地图。 2.根据省会，河流，公路，铁路，行政区界5个数据要素类，制作华东地区专题图。 3.根据省会，河流，公路，铁路，行政区界5个数据要素类进行符号化和注记以及导出专题地图 4.省会必须注记名称和名称拼音，河流必须注记名称，铁路必须注记名称，行政区界必须注记名称，同时考虑操作避免压盖问题，公路不用注记。 5.河流符号化为蓝色，省会用8号圆点表示，铁路使用铁路专用符号，公路使用公路专用符号，行政区界颜色不限，但应该便于识别图中文字和符号。 6.必须添加指北针，比例尺，图例中5种要素须为中文示例，需要添加经纬度格网。 7.利用数据：省级行政区界，各个省份的某天确诊人数数据，制作某天的全国疫情专题图。 三、实验步骤： 臭氧专题图制作： 1.添加数据表格到地图文档中，表中lon为精度，lat为纬度，可以通过这两个字段以添加X、Y的方式添加数据到地图中，Site_numwei 站点编号；Slope 为臭氧变化趋势斜率，p为95%显著性检验标识。
竭诚为您提供优质文档/双击可除arcgis空间分析实验报告 篇一：arcgis栅格数据空间分析实验报告 实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDw、spline、Kriging 方法进行空间插值，生成中国陆地范 围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将 离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDw）、 样条插值法（spline）和克里格插值方法（Kriging）。
实验方法：分别采用IDw、spline、Kriging方法对全国各气象站点1980年某月的降水量进 行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化，对 行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatialanalyst→options，在general标签中将工作空间设置为实验数据所在的文件夹 ⑶点击spatialanalyst→interpolatetoraster→inversedistanceweighted，在inputpoints下拉框中输入rain1980，z字段选择rain，像元大小设置为 10000 点击空间分析工具spatialanalyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatialanalyst→interpolatetoraster→inversedistanceweighted，在inputpoints下拉框中输入rain1980，z字段选择rain，像元大小设置为 10000 点击空间分析工具spatialanalyst→options在
基于ArcGIS Engine的基本功能的实现 一.摘要 本系统是基于ArcGIS Engine 9.3开发平台，使用Microsoft Visual Studio .NET开发环境加以实现，并使用了ESRI interop程序集(Interop Assemblies)，它服务于被放置在.NET窗体上的、位于.NET 窗体控件(.NET Windows Controls)中的ArcGIS控件，这些程序集在托管的.NET代码和非托管的COM代码之间起了桥梁作用。每个ArcGIS Engine控件具有方法、属性与事件，它们能够被控件嵌入的容器(如，.NET窗体)访问。每个控件对象及其功能可以与其他ESRI ArcObjects和自定义控件组合使用，创建用户化的客户应用程序。此方案是使用了C#语言创建，主要使用MapControl来为应用程序提供用户界面，主要实现世界人口分布的查询，具体为地图的加载、保存；地图的放大、缩小、漫游、全图；图形绘制；图形查询与选择以及鹰眼等基本功能的实现，为今后进一步应用和学习ArcGIS Engine，快速地实现系统的开发打下坚实的基础。 关键字：Microsoft Visual Studio，ArcGIS Engine，C#语言。 1.1 前言 ArcGIS Engine是ESRI在ArcGIS9.3版本才开始推出的新产品，它是一套完备的嵌入式GIS 组件库和工具库，使用ArcGIS Engine开发的GIS应用程序可以脱离ArcGIS Desktop而运行。ArcGIS Engine面向的用户并不是最终使用者，而是GIS项目程序开发员。对开发人员而言，ArcGIS Engine不再是一个终端应用，不再包括ArcGIS桌面的用户界面，它只是一个用于开发新应用程序的二次开发功能组件包。 近年来，地理信息系统在我国许多行业得到了广泛的应用。由于地理信息系统具有把各类信息置于空间分布中进行综合分析和管理的能力，在很多方面都得到了广泛的应用。本文简述了基于ArcGIS Engine的基本功能的实现，主要叙述对数据的选择功能的实现，实现在地图上进行点选、圆选、矩形选择以及多边形
空间分析具体案例应用 专业：资源环境与城乡规划管理学号：姓名：王秀君 实验类型：综合性实验 实验目的：进一步掌握常用工具应用所学的ArcGIS技术，掌握空间分析能力的运用，解决实际工作中遇到的问题。 实验内容： 1、琅岐岛3D视图显示 2、超市商业区位选址 3、土地规划利用 （一）琅岐岛3D视图显示 实验类型：综合性实验 实验目的：进一步掌握常用工具所学的ARCGIS技术，掌握空间分析能力的应用，解决实际工作中遇到的问题 实验内容：琅岐岛3D视图显示 四、实验步骤 1.将TAB格式转为SHP格式 打开Mapinfo，选择“表”下的“转出”，弹出窗口，指定要转换格式的文件及输出路径，将马尾岛屿.tab、马尾等高线.TAB、马尾等深线.TAB转为、、。
然后，打开Arc Catalog，将、、转换为shape格式。
点击ok，完成转换。 2.定义投影 右击,指定其投影为Projected Coordinate Systems—Gauss Kruger—Beijing 1954—Beijing 1954 GK Zone 20投影，利用Import将投影导入其他图层。如图所示：
3.卫片配准 在ArcMap中，先将Island、Contour、isolate图层调入，然后在将卫片LQ调入。调用Georeferencing工具，选择Fit to Display命令，使卫片处于屏幕正中央，然后进行配准，如图所示。然后用Rectify命令，将定义好的投影保存。
配准后注意保存好，如图所示： 4.合并等高线、等深线两个图层 建立Contour和isolate的公共字段，在ArcMap中，选择图层，Open Attribute Table，建立公共字段Height，并赋值，删除多余字段，然后打开ArcToolBox利用Append工具合并Contour与isolate图层。
空间统计分析实习报告 Spatial statistics tools 分析模式工具集中的工具采用推论式统计，以零假设为起点，假设要素与要素相关的值均表现随机分布。然后计算P值说明，这种分布属于随机分布的概率。在应用中，返回Z得分和P值判断是否可以接受或拒绝零假设，同时在不同的工具中，还表示分布是聚集，或分散 是标准差的倍 数，在0.5-P的概 率下接受随机分 布的接受域 Average Nearest Neighbor 最邻近分析 根据每个要素预期最近要素的平均距离来计算最邻近指数，当指数大于1，要素有聚集分布 的趋势，对于趋势如何，还要依据z—value和P—value 来判断，小于1时，趋向分散分布 最近邻指数的表示方法为：平均观测距离与预期平均距离的比率，预期平均距离是假设随机 分布中领域间的平均距离 这种方法对面积指值非常敏感（期望平均距离计算中需要面积参与运算），如果未指定面积 参数，则使用输入要素周围最小外接矩形的面积（不一定合坐标轴垂直）
Spatial Autocorrelation (Morans I) 空间自相关分析 更具要素位置的属性使用Global Moran’s I 统计量量测空间自相关性 Moran’s I是计算所评估属性的均值和方差，然后将每个要素减去均值，得到与均值的偏差，将所有相邻要素的偏差相称，得到叉积。统计量的分子便是这些叉积之和。 如果相邻要素的值均大于均值，这叉积为正，如果以要素小于均值而一要素大于均值，则为负 如果数据集中的值倾向于在空间上集聚（高值聚集在高值附近，低值聚集在低值附近） 则指数为正，如果高值排斥高值，倾向于低值，则指数为负 之后，将计算期望指数值，将之与其比较，在给定的数据集中的要素个数和全部熟知的方差下，将计算Z得分和P值，用来指示次差异是否具有统计学上的显著性 Multi-Distance Spatial Cluster Analysis K函数分析 确定要素（后与之有关连的值）是否显示某一距离范围内统计意义显著的聚类或离散 基于Ripley's K 函数的多距离空间聚类分析工具是另外一种分析事件点数据的空间模式的方法。该方法不同于此工具集中其他方法（空间自相关和热点分析）的特征是可汇总一定距离范围内的空间相关性（要素聚类或要素扩散） Ripley's K 函数可表明要素质心的空间聚类或空间扩散在邻域大小发生变化时是如何变化的。 如果特定距离的k观测值大于k预期值，则与该距离下的随机分布相比，该分布的聚集程度更高，反之亦可。如果，k观测值大于HIConfEnv，则该距离的空间聚类具有统计学上的显著性，如果k观测值小于LwConFEnv，则该距离的空间离散具有统计学上的显著性对于置信区间，点的每个随机分布称为“排列”将一组点随机分布多次，将对每个距离选择相对预期k值向下和向上最大的k值，作为置信区间 Anselin Local Moran’s I局部Moran’s I 分析 给定一组加权要素，使用局部Moran’s I统计量来识别具有统计显著性的热点，冷点和空间异常值。 Z得分和p值是统计显著性的指标，用于逐个要素判断是否拒绝零假设。他们可指示表面相似性和向异性 如果要素Z值是一个较高的正数，则表示周围的要素拥有相似值，输出要素Cotype字段会将具有统计显著性的高值聚类表示为HH，低值聚类表示为LL ?如果要素的z 得分是一个较低的负值，则表示有一个具有统计显著性的空间异常值。输出要素类中的COType字段将指明要素是否是高值要素而四周围绕的是低值要素(HL)，或者要素是否是低值要素而四周围绕的是高值要素(LH)。
实验二GIS应用系统简例的建立 一、实验目的 1.利用ArcCatalog管理地理空间数据，掌握ArcCatalog的基本功能。 2.掌握在ArcMap中编辑空间数据的基本操作。 3.通过建立一个简单的GIS应用系统，初步了解GIS应用概念。 二、实验准备 预备知识： （1）ArcCatalog 简介 ArcGIS桌面系统主要由ArcCatalog、ArcMap、ArcToolbox三部分组成。ArcMap是ArcGIS 桌面系统的核心，提供空间数据编辑、查询、显示、分析、报表和制图等功能。ArcToolBox 包含了ArcGIS地理处理的大部分分析工具和数据管理工具。 ArcCatalog类似于Windows中“资源管理器”，用于组织和管理所有GIS数据。它包含一组工具用于浏览和查找地理数据、记录和浏览元数据、快速显示数据集及为地理数据定义数据结构。ArcCatalog应用模块帮助你组织和管理你所有的GIS信息，比如地图，数据集，模型，元数据，服务等。它包括了下面的工具： ●浏览和查找地理信息 ●记录、查看和管理元数据 ●创建、编辑图层和数据库 ●导入和导出Geodatabase结构和设计 ●管理ArcGIS Server （2）图形输入 图形的输入是将各种地图信息数据进行数字化或转换，以获得ArcGIS的基本图形数据。随数据源的不同可用手扶跟踪数字化仪、扫描矢量化输入或其它标准数据格式转入，如AutoCAD的（.DXF和.DWG）、MapInfo的（.TAB）、Intergraph的(.DGN)数据等。 在ArcMap中，可利用绘图工具条进行图形输入与编辑，要点为： ●正确设置地图的投影方式、地图单位 ●设置控制点坐标 ●图形的输入与编辑 本实验主要练习图形的输入与编辑，投影方式、控制点的设置在实验三中学习。 （3）Editor工具条 ArcMap提供的绘图工具条，如图2-1所示。 对图层进行编辑，首先要从“Editor”按钮的下拉菜单中选择“Start Editing”，然后设置“Target”为要编辑的图层。编辑完成时，要选择“Save Edits”并“Stop Editing”。
投影转换与最短路径提取 1.背景 路径分析是网络分析中的重要内容。但是，在进行数据组织时，由于数据来源不同，往往会涉及投影变换、数据拼接等处理工作。本实习主要练习如何把不同背景的数据整合，以及进行相应的网络分析操作。 2.数据 某地部分区域道路数据为road_north.shp，另一部分为road_south_dl.shp。其中：road_north为之前已有的数据，为高斯克吕格投影； road_south_dl为补充测得的数据，为地理坐标。 3.要求 将南北道路数据统一到同一坐标系下（高斯克吕格投影），保持数据间完全结合；并就下图所示的起点和终点，提取它们之间的最短路径。 4.工作流程 将南北道路数据统一到同一坐标系，合并后建立数据集； 将未连通的道路线进行接合，其中可拓扑检查剔除悬挂点； 对接边后的道路数据集构建网络，使用追踪分析查找两点间的最短路径。 工作流程如图所示：
5.操作步骤 ⑴投影变换。 因为最短路径分析会涉及到道路长度等信息，所以在进行分析前需要将数据统一转换为平面坐标系，以便度量。 打开【ArcToolbox】|【Data Management Tools】|【Projections and Transformations】|【feature】|【project】工具，打开工具对话框如下图所示： 输入数据集或要素: road_south_dl; 输入坐标系: 依据输入要素的投影信息而定 输出数据集或要素类:（设置为）road_south_GK; 输出坐标系：通过导入road_north文件的坐标系，及高斯投影坐标系获得。 通过上述操作，得到与road_north统一的坐标系文件road_south_GK. ⑵合并road_north和road_south_GK数据，将两个图层合并为一个图层。 打开【ArcToolbox】|【Data Management Tools】|【General】|【Merge】工具，打开对话框如图。 输入数据集：添加road_north和road_south_GK； 输出数据集：road_united; 其它参数本例设为默认。