《GIS空間分析理論與方法》課件-項目二：柵格數(shù)據(jù)處理與分析

1.柵格插值GIS空間分析理論與方法目錄CONTENTS反距離權(quán)重法自然鄰域法克里金法010203樣條函數(shù)04趨勢面分析05我們采集到的數(shù)據(jù)大多都是以點形式存在的，只有這些采樣點上才有較為準(zhǔn)確的數(shù)值，其他區(qū)域都沒有數(shù)值，需要通過已采樣點來推算未采樣點的數(shù)值，這樣的過程就是柵格插值。1反距離權(quán)重法原理：假設(shè)未知點的值受鄰近已知點的影響，距離越近影響越大，權(quán)重與距離的冪次方成反比。適用場景：數(shù)據(jù)分布均勻、局部變化明顯的場景（如溫度分布）。參數(shù)：冪值（Power，默認(rèn)2）、搜索半徑（SearchRadius）、鄰近點數(shù)（NumberofNeighbors）。2克里金法原理：基于統(tǒng)計學(xué)和空間自相關(guān)性，通過半變異函數(shù)（Semivariogram）建?？臻g變異結(jié)構(gòu)，提供最優(yōu)無偏估計。適用場景：數(shù)據(jù)具有空間自相關(guān)性，且需要估計預(yù)測誤差（如地質(zhì)、環(huán)境監(jiān)測）。類型：普通克里金（OrdinaryKriging）：假設(shè)均值未知但恒定。泛克里金（UniversalKriging）：考慮趨勢項（如高程隨經(jīng)緯度變化）。參數(shù)：半變異模型（球狀、指數(shù)、高斯等）、塊金效應(yīng)（Nugget）、搜索方向（各向異性）。3自然鄰域法原理：基于Voronoi圖劃分鄰近區(qū)域，通過面積權(quán)重插值。適用場景：數(shù)據(jù)分布不均勻，適合平滑表面（如地形插值）。4樣條函數(shù)原理：利用數(shù)學(xué)函數(shù)（如薄板樣條）擬合表面，強制通過所有已知點。適用場景：光滑表面生成（如高程模型）。類型：規(guī)則化樣條（Regularized）與張力樣條（Tension）。5趨勢面分析原理：通過多項式回歸擬合全局趨勢（如線性、二次或三次函數(shù)）。適用場景：分析大尺度空間趨勢（如污染擴散方向）。2.像元統(tǒng)計GIS空間分析理論與方法像元統(tǒng)計在ArcGIS中，像元統(tǒng)計（CellStatistics）是一種用于對多個柵格數(shù)據(jù)進行逐像元統(tǒng)計分析的工具。它可以計算多個柵格數(shù)據(jù)在每個像元位置上的統(tǒng)計值，如最大值、最小值、平均值、標(biāo)準(zhǔn)差等。像元統(tǒng)計工具可以對輸入的多個柵格數(shù)據(jù)進行逐像元計算，生成一個新的柵格數(shù)據(jù)，其中每個像元的值是根據(jù)指定的統(tǒng)計方法計算得出的。像元統(tǒng)計常用統(tǒng)計方法：最大值（Maximum）：計算每個像元位置上的最大值。最小值（Minimum）：計算每個像元位置上的最小值。平均值（Mean）：計算每個像元位置上的平均值。中位數(shù)（Median）：計算每個像元位置上的中位數(shù)。標(biāo)準(zhǔn)差（StandardDeviation）：計算每個像元位置上的標(biāo)準(zhǔn)差。總和（Sum）：計算每個像元位置上的總和。眾數(shù)（Majority）：計算每個像元位置上的眾數(shù)。少數(shù)（Minority）：計算每個像元位置上的少數(shù)值。變異系數(shù)（Variety）：計算每個像元位置上的不同值的數(shù)量像元統(tǒng)計平均值逐個像元地確定輸入的平均值。平均值的輸出始終為浮點型。像元統(tǒng)計眾數(shù)逐個像元地確定輸入中出現(xiàn)頻率最高的值。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。如果一個像元位置有多個眾數(shù)值，則該位置的輸出為NoData。如果一個像元位置的所有輸入值都相同，則該位置的輸出眾數(shù)值與輸入相同。一項合理的應(yīng)用應(yīng)至少由三個輸入組成。如果僅指定一個輸入，則輸出將是輸入的復(fù)本。如果只有兩個輸入，則值不同的任何位置都將被寫為NoData。由于只有兩個不同的值可供選擇，所以不存在眾數(shù)值。如果兩個值相同，則將該值寫入輸出柵格。像元統(tǒng)計最大值逐個像元地確定輸入的最大值。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計中值逐個像元地確定輸入的中值。如果輸入數(shù)為奇數(shù)，則通過對值進行排序并選擇中間值來計算中值。如果輸入數(shù)為偶數(shù)，則先排序值，然后取中間兩個值的平均值。如果所有輸入格網(wǎng)屬于整型，則將該值截斷為整型。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計最小值逐個像元地確定輸入的最小值。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計少數(shù)逐個像元地確定輸入中出現(xiàn)頻率最低的值。如果一個像元位置有多個少數(shù)值，則該位置的輸出為NoData。如果一個像元位置的所有輸入值都相同，則該位置的輸出少數(shù)值與輸入相同。一項合理的應(yīng)用應(yīng)至少由三個輸入組成。如果僅指定一個輸入，則輸出將是輸入的復(fù)本。如果只有兩個輸入，則值不同的任何位置都將被寫為NoData。由于只有兩個不同的值可供選擇，所以不存在少數(shù)值。如果兩個值相同，則將該值寫入輸出柵格。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計范圍逐個像元地確定輸入中的值的范圍。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計Std逐個像元地確定輸入中的值的標(biāo)準(zhǔn)差。Std的輸出始終為浮點型。請注意標(biāo)準(zhǔn)差是在整個總體（N方法）上計算求得，而不是在樣本（N-1方法）上進行估算。像元統(tǒng)計總和逐個像元地確定輸入中的值的總和。如果所有輸入都是整型，則輸出也是整型。如果任一輸入屬于浮點型，則輸出也為浮點型。像元統(tǒng)計變異度逐個像元地確定輸入中的唯一值的數(shù)目。輸出柵格始終為整型。像元統(tǒng)計應(yīng)用場景：多時相數(shù)據(jù)分析：例如，分析多個時間點的溫度柵格數(shù)據(jù)，計算每個像元的平均溫度。多源數(shù)據(jù)融合：例如，融合多個傳感器的數(shù)據(jù)，計算每個像元的最大值或最小值。環(huán)境監(jiān)測：例如，分析多個環(huán)境指標(biāo)柵格數(shù)據(jù)，計算每個像元的標(biāo)準(zhǔn)差或變異系數(shù)。注意事項：輸入的柵格數(shù)據(jù)必須具有相同的空間參考和像元大小。如果柵格數(shù)據(jù)的范圍不同，工具會自動裁剪到共同的范圍。統(tǒng)計方法的選擇應(yīng)根據(jù)具體的分析需求來確定。3.柵格插值GIS空間分析理論與方法目錄CONTENTS反距離權(quán)重法自然鄰域法克里金法010203樣條函數(shù)04趨勢面分析05我們采集到的數(shù)據(jù)大多都是以點形式存在的，只有這些采樣點上才有較為準(zhǔn)確的數(shù)值，其他區(qū)域都沒有數(shù)值，需要通過已采樣點來推算未采樣點的數(shù)值，這樣的過程就是柵格插值。1反距離權(quán)重法原理：假設(shè)未知點的值受鄰近已知點的影響，距離越近影響越大，權(quán)重與距離的冪次方成反比。適用場景：數(shù)據(jù)分布均勻、局部變化明顯的場景（如溫度分布）。參數(shù)：冪值（Power，默認(rèn)2）、搜索半徑（SearchRadius）、鄰近點數(shù)（NumberofNeighbors）。2克里金法原理：基于統(tǒng)計學(xué)和空間自相關(guān)性，通過半變異函數(shù)（Semivariogram）建模空間變異結(jié)構(gòu)，提供最優(yōu)無偏估計。適用場景：數(shù)據(jù)具有空間自相關(guān)性，且需要估計預(yù)測誤差（如地質(zhì)、環(huán)境監(jiān)測）。類型：普通克里金（OrdinaryKriging）：假設(shè)均值未知但恒定。泛克里金（UniversalKriging）：考慮趨勢項（如高程隨經(jīng)緯度變化）。參數(shù)：半變異模型（球狀、指數(shù)、高斯等）、塊金效應(yīng)（Nugget）、搜索方向（各向異性）。3自然鄰域法原理：基于Voronoi圖劃分鄰近區(qū)域，通過面積權(quán)重插值。適用場景：數(shù)據(jù)分布不均勻，適合平滑表面（如地形插值）。4樣條函數(shù)原理：利用數(shù)學(xué)函數(shù)（如薄板樣條）擬合表面，強制通過所有已知點。適用場景：光滑表面生成（如高程模型）。類型：規(guī)則化樣條（Regularized）與張力樣條（Tension）。5趨勢面分析原理：通過多項式回歸擬合全局趨勢（如線性、二次或三次函數(shù)）。適用場景：分析大尺度空間趨勢（如污染擴散方向）。4.重分類GIS空間分析理論與方法重分類在ArcGIS中，重分類（Reclassify）是一種用于對柵格數(shù)據(jù)進行重新分類或重新分級的工具。它可以將柵格數(shù)據(jù)中的像元值按照用戶定義的規(guī)則進行重新賦值，從而生成一個新的柵格數(shù)據(jù)。重分類常用于數(shù)據(jù)簡化、分類合并、條件篩選等操作，是空間分析中的重要工具。重分類重分類的核心概念1.輸入柵格需要進行重分類的原始柵格數(shù)據(jù)。2.重分類規(guī)則用戶定義的重分類規(guī)則，指定原始值如何映射到新值。例如，將原始值1-10重新分類為1，11-20重新分類為2。3.輸出柵格重分類后生成的新柵格數(shù)據(jù)。重分類重分類的常見用途1.數(shù)據(jù)簡化將連續(xù)的柵格數(shù)據(jù)（如高程）轉(zhuǎn)換為離散的分類數(shù)據(jù)（如低、中、高）。2.分類合并將多個類別合并為一個類別。例如，將多種土地利用類型合并為“植被”和“非植被”。3.條件篩選根據(jù)條件篩選特定值。例如，提取高程大于1000米的區(qū)域。4.數(shù)據(jù)標(biāo)準(zhǔn)化將不同范圍的柵格數(shù)據(jù)標(biāo)準(zhǔn)化為統(tǒng)一的范圍。例如，將0-100的值映射到1-10。重分類重分類規(guī)則的類型1.范圍重分類將一定范圍內(nèi)的值重新分類為一個新值。例如，將高程0-500米重新分類為1，500-1000米重新分類為2。2.離散值重分類將特定的離散值重新分類為新值。例如，將土地利用類型1（耕地）重新分類為10，類型2（林地）重新分類為20。3.條件重分類根據(jù)條件對值進行重新分類。例如，將大于1000的值重新分類為1，其余值重新分類為0。重分類重分類的應(yīng)用場景1.土地利用分析將多種土地利用類型合并為少數(shù)幾類，便于分析。例如，將耕地、林地、草地合并為“植被”。2.地形分析將連續(xù)的高程數(shù)據(jù)重新分類為低、中、高三個等級。例如，將高程0-500米分類為“低地”，500-1000米分類為“中地”，1000米以上分類為“高地”。3.環(huán)境監(jiān)測將連續(xù)的污染指數(shù)數(shù)據(jù)重新分類為不同的污染等級。例如，將污染指數(shù)0-50分類為“輕度污染”，50-100分類為“中度污染”，100以上分類為“重度污染”。4.數(shù)據(jù)標(biāo)準(zhǔn)化：將不同范圍的柵格數(shù)據(jù)標(biāo)準(zhǔn)化為統(tǒng)一的范圍。例如，將0-100的值映射到1-10。重分類注意事項1.NoData值的處理如果輸入柵格中包含NoData值，可以在重分類表中指定NoData值的處理方式（如保留為NoData或重新分類為某個值）。2.重分類規(guī)則的合理性重分類規(guī)則應(yīng)根據(jù)具體分析需求合理設(shè)計，避免信息丟失或誤解。3.輸出柵格的分辨率輸出柵格的分辨率與輸入柵格一致。如果需要改變分辨率，可以在重分類前對輸入柵格進行重采樣。重分類示例假設(shè)有一個高程柵格數(shù)據(jù)，值范圍為0-2000米，需要將其重新分類為以下三個等級：0-500米：低地（值為1）500-1000米：中地（值為2）1000-2000米：高地（值為3）重分類表如下：運行重分類工具后，生成的新柵格數(shù)據(jù)將包含三個值：1、2、3，分別代表低地、中地和高地。原始范圍新值0-5001500-100021000-20003重分類5.鄰域分析GIS空間分析理論與方法目錄CONTENTS緩沖區(qū)分析近鄰分析泰森多邊形0102031緩沖區(qū)分析在ArcGIS中，緩沖區(qū)分析是一種常用的空間分析工具，用于在指定距離內(nèi)圍繞點、線或面要素創(chuàng)建緩沖區(qū)。示例假設(shè)你有一個點要素類表示城市中的公園，你希望在每個公園周圍創(chuàng)建500米的緩沖區(qū)，以分析這些區(qū)域內(nèi)的土地利用情況。你可以按照上述步驟進行操作，設(shè)置緩沖距離為500米，然后運行分析。生成的緩沖區(qū)圖層將顯示每個公園周圍500米的范圍。1緩沖區(qū)分析緩沖區(qū)分析原理在線周圍創(chuàng)建偏移通過偏移獲得的緩沖區(qū)1緩沖區(qū)分析固定距離下圖顯示的是線要素類的緩沖區(qū)，其中使用20作為緩沖距離。由于緩沖距離為常量，因此緩沖后所有要素的寬度相同。1緩沖區(qū)分析由字段決定的距離此示例說明的是線要素類的緩沖區(qū)，其中使用10、20和30的數(shù)值字段值作為緩沖距離。由于緩沖距離取決于字段值，因此可以在同一操作中應(yīng)用多種不同的緩沖寬度。2泰森多邊形在ArcGIS中，泰森多邊形（Voronoi圖）是一種用于空間分析的工具，用于將空間劃分為多個區(qū)域，每個區(qū)域包含一個輸入點，并且區(qū)域內(nèi)的任意位置到該點的距離比到其他輸入點的距離更近。泰森多邊形廣泛應(yīng)用于地理信息系統(tǒng)（GIS）、氣象學(xué)、生態(tài)學(xué)等領(lǐng)域。示例假設(shè)你有一組氣象站的位置數(shù)據(jù)，你想為每個氣象站生成一個泰森多邊形，以表示每個氣象站的“影響區(qū)域”。按照上述步驟操作后，生成的泰森多邊形將顯示每個氣象站的覆蓋范圍。2泰森多邊形注意事項輸入數(shù)據(jù)必須是點要素：泰森多邊形工具僅適用于點數(shù)據(jù)。邊界效應(yīng)：泰森多邊形的邊界區(qū)域可能會受到輸入點數(shù)據(jù)范圍的影響。可以通過設(shè)置緩沖比例或自定義范圍來調(diào)整。坐標(biāo)系：確保輸入數(shù)據(jù)的坐標(biāo)系是合適的，以避免生成錯誤的泰森多邊形。3近鄰分析在ArcGIS中，近鄰分析（NearAnalysis）是一種用于計算一個要素類中的每個要素到另一個要素類中最近要素的距離和位