基于GIS的空间分析功能分析芝加哥小熊队和白袜队的球迷范围
2014-03-26 23:19
281 查看
将交换格式的文件转换为要素类
在ArcCatalog中新建地址定位器
设置地址定位器的样式
选择Arctoolbox->地理编码工具->对地址进行地理编码
定义坐标系
定义坐标系后如图所示,
Arcto obox->投影和变换->要素->定义投影,借用chitrt文件的投影参数对cubsox_geo.shp进行投影
Arctoobox->数据管理工具->要素->要素转点
转换完之后,如图所示
找到距离每个普查小区质心最近的球队,Arctoobox->分析工具->近域分析->邻域分析
打开chitrtpt的属性表,可以发现多了两列,这是前面邻域分析完之后的结果
将邻域分析的结果与多边形图层chitrt连接
设置多边形图层的符号系统:
得出的球迷显示范围如下所示
汇总结果
按属性选择"NEAR_FID" = 0 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为241297.即小熊队球迷数为241297
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为128010.即白袜队球迷数为129392
按属性选择,"NEAR_FID" = 0 AND "NEAR_DIST" <8045
对POPU字段进行统计,总和为1010673.即小熊队球迷数为1010673
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <= 8045
对POPU字段进行统计,总和为729011.即白袜队球迷数为729011
按属性选择,"NEAR_FID" = 0AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1759719。即小熊队球迷数为1759719
按属性选择,"NEAR_FID" =1 AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1647820.即白袜对球迷数为1647820.
堆属性进行统计,"NEAR_FID" =0 AND "NEAR_DIST" <= 32180
按属性选择,"NEAR_FID" =0
对POPU进行统计,总和为4481957,即小熊队球迷数为4481957.
堆属性进行统计,"NEAR_FID" =1
对POPU进行统计,总和为3894109,即白袜队球迷数为3894109
用哈夫模型确定球迷范围,绘制概率面
计算球队与普查小区之间的距离矩阵
计算势能
将cubsox_geo连接到dist.dbf
添加字段potent,并计算势能
计算概率
对potent求和,以得到式子的分母
将结果保存为sum_potent.dbf
将结果与dist.dbf连接
添加prob字段
计算每个球队的赢球概率
提取小熊队比赛的概率。按属性选择,"dist.NEAR_FID" =0,将结果保存为cubs_Prob.dbf,并将结果连接到chirtpt
将Cubs_Prob.dbf连接到chirtrtpt图层
打开地统计向导,选择地统计方法,设定数据集和数据字段
完成
结果如图所示
右键单击图层->"数据"->导出至栅格
打开符号系统,对栅格图层进行分类
分类后,栅格图像如下所示
在ArcCatalog中新建地址定位器
设置地址定位器的样式
选择Arctoolbox->地理编码工具->对地址进行地理编码
定义坐标系
定义坐标系后如图所示,
Arcto obox->投影和变换->要素->定义投影,借用chitrt文件的投影参数对cubsox_geo.shp进行投影
Arctoobox->数据管理工具->要素->要素转点
转换完之后,如图所示
找到距离每个普查小区质心最近的球队,Arctoobox->分析工具->近域分析->邻域分析
打开chitrtpt的属性表,可以发现多了两列,这是前面邻域分析完之后的结果
将邻域分析的结果与多边形图层chitrt连接
设置多边形图层的符号系统:
得出的球迷显示范围如下所示
汇总结果
按属性选择"NEAR_FID" = 0 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为241297.即小熊队球迷数为241297
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为128010.即白袜队球迷数为129392
按属性选择,"NEAR_FID" = 0 AND "NEAR_DIST" <8045
对POPU字段进行统计,总和为1010673.即小熊队球迷数为1010673
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <= 8045
对POPU字段进行统计,总和为729011.即白袜队球迷数为729011
按属性选择,"NEAR_FID" = 0AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1759719。即小熊队球迷数为1759719
按属性选择,"NEAR_FID" =1 AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1647820.即白袜对球迷数为1647820.
堆属性进行统计,"NEAR_FID" =0 AND "NEAR_DIST" <= 32180
按属性选择,"NEAR_FID" =0
对POPU进行统计,总和为4481957,即小熊队球迷数为4481957.
堆属性进行统计,"NEAR_FID" =1
对POPU进行统计,总和为3894109,即白袜队球迷数为3894109
用哈夫模型确定球迷范围,绘制概率面
计算球队与普查小区之间的距离矩阵
计算势能
将cubsox_geo连接到dist.dbf
添加字段potent,并计算势能
计算概率
对potent求和,以得到式子的分母
将结果保存为sum_potent.dbf
将结果与dist.dbf连接
添加prob字段
计算每个球队的赢球概率
提取小熊队比赛的概率。按属性选择,"dist.NEAR_FID" =0,将结果保存为cubs_Prob.dbf,并将结果连接到chirtpt
将Cubs_Prob.dbf连接到chirtrtpt图层
打开地统计向导,选择地统计方法,设定数据集和数据字段
完成
结果如图所示
右键单击图层->"数据"->导出至栅格
打开符号系统,对栅格图层进行分类
分类后,栅格图像如下所示
相关文章推荐
- GIS空间分析的功能和广泛应用
- GIS空间分析功能Clip,Erease,Union和Intersects实现方法详谈
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(十):开源空间信息软件体系与技术概述
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(六):SharpMap的功能扩展之路
- 【转】GIS空间分析的功能和广泛应用
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(十):开源空间信息软件体系与技术概述
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(十):开源空间信息软件体系与技术概述
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(六):SharpMap的功能扩展之路
- Gis分析POI空间聚合设计思路及示例实现源码
- Android图形系统分析与移植 -- 三、内核空间显示功能介绍
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(八):怎样对SharpMap进行扩展开发——从许可角度来谈
- GIS中空间分析中的八个问题
- 基于GIS的服务区分析
- 五分钟学GIS | 大数据之分布式空间分析服务
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(十一):SharpMap影像准备——基于ERDAS的GEOTIFF图像生产过程
- Python基于分析Ajax请求实现抓取今日头条街拍图集功能示例
- 女人火把过桥:基于状态空间的带权图搜索算法(修改后详细分析版)
- 基于Echarts的销售企业经营数据分析-价格范围
- 基于.NET 2.0的GIS开源项目SharpMap分析手记(十一):SharpMap影像准备——基于ERDAS的GEOTIFF图像生产过程