arcgis空间分析实习报告.docVIP

实习一：ArcGIS地统计分析 指导老师：赵永 一 实习目的 利用地统计分析模块，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浓度等。当与ArcMap一起使用时，学习利用地统计分析模块提供的一整套创建表面的工具来生成一个相对精确的连续表面，用这些表面来进行可视化、分析及理解各种空间现象等。 二 实习内容 1了解地统计分析模块，创建臭氧浓度缺省参数表面。 2学习在创建表面之前如何对数据进行检查。数据检查的目的是为了找出数据中那些离群值并且发现数据中存在的趋势。 3创建第二个表面，这个表面更多地考虑了练习2中数据分析发现的空间关系，并且对练习1中生成的表面进行了改进。 4对练习1和练习3中创建的表面进行比较，并判断哪个表面对未知值的预测更好。 5创建臭氧浓度超出临界值的概率图，从而生成第三个表面。 6利用ArcMap的功能将你在练习3和练习5中创建的表面放在一起做最终的显示 三 实习步骤 1 利用缺省参数创建一个臭氧表面 （1）打开arcmap 并激活地统计分析模块 （2）加载数据 （3）利用缺省参数创建臭氧浓度表面。 图1利用缺省值创建的臭氧表面 2 检查数据 （1）检查臭氧浓度数据分布是否符合正态分布,从下图可以看到臭氧浓度分布大致符合正态分布 图2 臭氧浓度分布直方图 (2)正态QQ图。另外一种检验数据是否符合正态分布的方法，通过标准正态分布与现有数据分布比较，还可以找到一些异常值，来检查并校正这些异常值。若符合正态分布则数据点应成一条直线，那些不在直线上的点为异常点。 图3 臭氧浓度正态QQ图 （3）用趋势分析工具识别数据中的全局趋势。只有数据分布符合一定的趋势，才能用数学公式对确定表面进行模拟，故需要分析数据的全局趋势。 图4 臭氧数据全局趋势 （4）理解数据的空间自相关和方向效应。利用半变异函数/协方差函数云图，在半变异函数／协方差函数云图中，每个红点表示一对采样点。既然越近的点越相似，那么在半变异函数云图中邻近的点（在X轴的左边）应该有较小的半变异函数值（在Y轴的下部）。随着样点对间距离的增加（在X轴上向右移动），变异函数值也要相应增加（在Y轴上向上移动）。然而，当到达一定的距离后，云图变平，这表明超出这个距离时，样点对之间不再具有相关关系了。 观察半变异函数图，如果某些靠得很近的数据点（在X轴上接近于零）具有异常的较高的半变异函数值（在Y轴的上部）时，你就应该仔细检杳这些样点对，看看是不是这些数据不准确。（可用于探测异常值） 图5半变异函数/协方差函数云图 3 制作臭氧浓度图 在生成臭氧浓度表面模型时考虑到数据分布符合一定的趋势，在差值时加入趋势因素生成模型。 图6 加入趋势因素后臭氧浓度图 4 模型对比。通过比较缺省参数的臭氧浓度模型和加入趋势因素后的臭氧浓度模型，选择一种能较少模拟出臭氧浓度表面模型。通过比较可以得到Trendmoved 模型对数据的模拟更精确。 图7 两种模型交叉验证比较 5 创建臭氧超出某一临界值的概率图。 在决策阶段，利用预测得到的臭氧图来识别危险区域时，务必要谨慎，因为你需要了解预测中的不确定性。例如，对于一个8小时的时段，假设臭氧的临界值是0.12ppm，你可能想判断山哪些超出该临界值的地区。你可以使用地统计分析模块来生成臭氧浓度超出临界值的概率图，这可以辅助决策。本练习我们使用的是指示克里金法。这种方法不要求数据集一定要服从某种特定分布。根据数据值是高于或者低于一个临界值来将数据值转换为一系列的0和l。如果利用0.12ppm作为临界值的话，任何低于它的数据值都将被赋予0，而高于它的值则被赋予1。然后指示克里金法使用一个根据转换后的0-1数据集计算得到的半变异函数模型进行计算。 图8 指示克里金模型 6生成最终成果图 （1）显示两个表面 （2）外推臭氧值 （3）以加州轮廓图为参考对图层进行剪裁 (4) 定位洛杉矶城 (5) 创建图版 (6) 添加一个透明的山体阴影图 (7) 添加地图要素 图9 最后结果出图 四 实习小结 通过今天的实习我学会了如何利用空间地统计工具来将一些离散的数据点生成一个连续表面，并通过统计工具来分析数据点分布是否符合正态分布和是否有一定的趋势，还可以来检查数据中的奇异值并核查数据的正确性进而得到一个更精确的模拟表面，最后生成一个能显示出需要信息的图。本次实习我充分体会到