使用ArcMap对工厂选址

news2025/1/16 6:01:57

文章目录

  • 题目
  • 流程
    • 1,添加河流数据和高程数据
    • 2,对河流数据进行选取
    • 3,对高程数据进行选取并划定工厂选址范围
    • 3,根据工厂选址要求,获得整体的数据
  • 结果

题目

实验名称:工厂选址
实验目的及要求:
根据工厂选址要求,获取相关数据,利用ArcGIS进行数据处理,获得工厂选址范围。

1. 工厂距离河流一公里以内。

2. 工厂高程小于365m。

流程

1,添加河流数据和高程数据

步骤如下:1,打开ArcMap软件,在这里小编提供的是自己的文件,打开目录Catlog
在这里插入图片描述

2,将文件夹中的河流数据river和高程数据“elevation”拖进软件屏中
在这里插入图片描述

2,对河流数据进行选取

步骤如下:给河流设置一公里的缓冲区
1,打开ArcToolboox
在这里插入图片描述

2,选中ArcToolboox中的Proximity里面的buffer,右键双击buffer
在这里插入图片描述

在这里插入图片描述

3,Input Features 选择河流数据river
在这里插入图片描述
4,output Featuresclass保存为文件R
在这里插入图片描述
5,Linear unit:1000 Meters,其他保持默认点击ok
在这里插入图片描述

6,等待完成后如图浅蓝色区域就是河流的一公里缓存区
在这里插入图片描述

3,对高程数据进行选取并划定工厂选址范围

1,栅格提取法:右键左边elevation,open Attribute Table
在这里插入图片描述

2,点中open Attribute Table得到下图

在这里插入图片描述
3点击select by Attribute

在这里插入图片描述
4,双击"VALUE"<365,然后Apply
在这里插入图片描述
5,Apply后得到下图,深蓝色区域则是工厂高程小于365
在这里插入图片描述

3,根据工厂选址要求,获得整体的数据

在上面我们只是划分了两个区域一个蓝色的是工厂高程小于365,灰色的则是高于365的但是题目要求我们需要同时满足工厂距离河流一公里以内,工厂高程小于365m,所以我们需要求它的交集。下面采用重分类法进行工厂选址

1,ArcToolboox中Spatial Analyst Tools点击Extraction中的Extract by Attributes
在这里插入图片描述
在这里插入图片描述

2,Input raster:选中elevation;然后where clause:双击"VALUE<365,然后output raster:保存为文件A,其他选项保持默认,点击ok。"
在这里插入图片描述

在这里插入图片描述

3,ArcToolbox中的Spatial Analyst Tools中的Reclass中双击Reclassify
在这里插入图片描述

4,Input raster:文件A;Reclass field:VALUS;classify:classes:1;最后保存为文件B点击ok
在这里插入图片描述
5,ArcToolboox中Spatial Analyst Tools点击Extraction中的Extract by Attributes
在这里插入图片描述
6,Input raster:选中文件B;然后where clause:双击"VALUE = 1,然后output raster:保存为文件c,其他选项保持默认,点击ok。"
在这里插入图片描述
7,ArcToolboox中Spatial Analyst Tools点击Extraction中的Extract by Mask
在这里插入图片描述

8,Input raster:文件c;Input raster or feature mask data:文件R,output raster:保存为文件D点击ok
在这里插入图片描述

结果

左边其他的全部删去,文件D为本次实验工厂距离河流一公里以内,工厂高程小于365的数据
`

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1331700.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

BATDK | 社招一年收割大厂算法offer

面试锦囊之面经分享系列&#xff0c;持续更新中 欢迎后台回复『面试』加入讨论组交流噢 没凑齐battmd是因为头条没面&#xff0c;美团面挂了。4/5的胜率&#xff1b;标题党了&#xff0c;T其实面的是搜狗&#xff0c;但是被腾讯收购&#xff0c;入职流程也走了腾讯的&#xf…

【低照度图像增强系列(1)】传统方法(直方图、图像变换)算法详解与代码实现

前言 ☀️ 在低照度场景下进行目标检测任务&#xff0c;常存在图像RGB特征信息少、提取特征困难、目标识别和定位精度低等问题&#xff0c;给检测带来一定的难度。 &#x1f33b;使用图像增强模块对原始图像进行画质提升&#xff0c;恢复各类图像信息&#xff0c;再使用目标检…

Kafka日志

位置 server.properties配置文件中通过log.dir指定日志存储目录 log.dir/{topic}-{partition} 核心文件 .log 存储消息的日志文件&#xff0c;固定大小为1G&#xff0c;写满后会新增一个文件&#xff0c;文件名表示当前日志文件记录的第一条消息的偏移量。 .index 以偏移…

Vue+ElementUI+nodejs学生宿舍报修管理系统68ozj

本站是一个B/S模式系统&#xff0c;采用vue框架&#xff0c;MYSQL数据库设计开发&#xff0c;充分保证系统的稳定性。系统具有界面清晰、操作简单&#xff0c;功能齐全的特点&#xff0c;使得学生宿舍信息管理系统管理工作系统化、规范化。本系统的使用使管理人员从繁重的工作中…

2023的AI工具集合,google和claude被禁用解决和edge的copilot

一、前言 AI工具集合 首先&#xff0c;OpenAI的ChatGPT以其深度学习模型和强大的语言处理能力引领了AI聊天机器人的潮流。自2022年11月30日上线以来&#xff0c;它创下了100万用户的注册记录&#xff0c;并被广泛应用于全球财富500强公司。为了实现盈利&#xff0c;OpenAI发布…

git入门指南:新手快速上手git(Linux环境如何使用git)

目录 前言 1. 什么是git&#xff1f; 2. git版本控制器 3. git在Linux中的使用 安装git 4. git三板斧 第一招&#xff1a;add 第二招&#xff1a;commit 第三招&#xff1a;push 5. 执行状态 6. 删除 总结 前言 Linux的基本开发工具介绍完毕&#xff0c;接下来介绍一…

Go 泛型发展史与基本介绍

Go 泛型发展史与基本介绍 Go 1.18版本增加了对泛型的支持&#xff0c;泛型也是自 Go 语言开源以来所做的最大改变。 文章目录 Go 泛型发展史与基本介绍一、为什么要加入泛型&#xff1f;二、什么是泛型三、泛型的来源四、为什么需要泛型五、Go 泛型设计的简史六、泛型语法6.1 …

采用SpringBoot框架+原生HTML、JS前后端分离模式开发和部署的电子病历编辑器源码(电子病历评级4级)

概述&#xff1a; 电子病历是指医务人员在医疗活动过程中,使用医疗机构信息系统生成的文字、符号、图表、图形、数据、影像等数字化信息,并能实现存储、管理、传输和重现的医疗记录,是病历的一种记录形式。 医院通过电子病历以电子化方式记录患者就诊的信息&#xff0c;包括&…

神经网络:机器学习基础

【一】什么是模型的偏差和方差&#xff1f; 误差&#xff08;Error&#xff09; 偏差&#xff08;Bias&#xff09; 方差&#xff08;Variance&#xff09; 噪声&#xff08;Noise&#xff09;&#xff0c;一般地&#xff0c;我们把机器学习模型的预测输出与样本的真实label…

智能优化算法应用:基于材料生成算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用&#xff1a;基于材料生成算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用&#xff1a;基于材料生成算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.材料生成算法4.实验参数设定5.算法结果6.…

Netty RPC 实现(二)

Netty RPC 实现 概念 RPC&#xff0c;即 Remote Procedure Call&#xff08;远程过程调用&#xff09;&#xff0c;调用远程计算机上的服务&#xff0c;就像调用本地服务一样。RPC 可以很好的解耦系统&#xff0c;如 WebService 就是一种基于 Http 协议的 RPC。这个 RPC 整体…

生物系统学中的进化树构建和分析R工具包V.PhyloMaker2的介绍和详细使用

V.PhyloMaker2是一个R语言的工具包&#xff0c;专门用于构建和分析生物系统学中的进化树&#xff08;也称为系统发育树或phylogenetic tree&#xff09;。以下是对V.PhyloMaker2的一些基本介绍和使用说明&#xff1a; 论文介绍&#xff1a;V.PhyloMaker2: An updated and enla…

nodejs+vue+ElementUi洗衣店订单管理系统4691l

衣服但是找订单的时间太长&#xff0c;体验非常的差。而且对于店家这也很头疼&#xff0c;麻烦的查找订单的方式&#xff0c;让他总是重复着繁琐的步骤&#xff0c;记录的时候也很容易出问题&#xff0c;容易把衣服弄错&#xff0c;再然后就是对于收来的衣服也很麻烦&#xff0…

互联网+建筑工地源码,基于微服务+Java+Spring Cloud +Vue+UniApp开发

一、智慧工地概念 智慧工地就是互联网建筑工地&#xff0c;是将互联网的理念和技术引入建筑工地&#xff0c;然后以物联网、移动互联网技术为基础&#xff0c;充分应用BIM、大数据、人工智能、移动通讯、云计算、物联网等信息技术&#xff0c;通过人机交互、感知、决策、执行和…

指南:在App Store Connect上编辑多个用户的访问权限

作为一名编程新手&#xff0c;在App Store Connect中管理用户权限可能初听起来有些复杂&#xff0c;但实际上它是一个相对直接的过程。这里是一个步骤清晰的指南来帮助您在App Store Connect上编辑多个用户的访问权限。 App Store Connect 简介 在开始之前&#xff0c;让我们…

CycleGAN-两个领域非匹配图像的相互转换

1. CycleGAN的简介 pix2pix可以很好地处理匹配数据集图像转换&#xff0c;但是在很多情况下匹配数据集是没有的或者是很难收集到的&#xff0c;但是我们可以很容易的得到两个领域大量的非匹配数据。2017年有两篇非常相似的论文CycleGAN和DiscoGAN&#xff0c;提出了一种解决非匹…

Dockerfile ENTRYPOINT 执行shell脚本后自动退出

在Dockerfile文件中&#xff0c;最后一步是在入口处启动服务或执行一些部署脚本&#xff0c;例如&#xff1a; # 运行启动脚本 ENTRYPOINT ["/bin/bash","/home/deploy/run_admin_server.sh"]脚本是这样写的&#xff1a; rm -f /home/workspace/*.jar cd…

物理层——“计算机网络”

各位CSDN的uu们你们好呀&#xff0c;仍然是计算机网络的一些细小的知识点啦&#xff0c;下面&#xff0c;让我们进入计算机网络物理层的世界吧&#xff01;&#xff01;&#xff01; 数据通信基础知识 编码与调制 传输媒体 信道复用技术 数字传输系统 接入技术 数据通信基…

CSS期末知识复习, 重要知识点摘录

CSS期末知识复习&#xff0c;重要知识点摘录 CSS的创建 外部样式表 内部样式表 内联样式 优先级关系 背景设置 1.颜色 2.背景图像 3.背景是否平铺 4.简写 具体属性参考&#xff0c;不多赘述了&#xff0c;毕竟每个人薄弱点不一样 background菜鸟教程 CSS文本 1.颜色 2.对齐方…

由正规表达式构造DFA,以及DFA的相关化简

目录 1.由正规式到DFA 首先讲如何从正规式到NFA 如何从NFA到DFA 2.DFA的化简 3.DFA和NFA的区别 1.由正规式到DFA 正规式--->NFA---->DFA 首先讲如何从正规式到NFA 转换规则: 例题1&#xff1a;这里圆圈里面的命名是随意的&#xff0c;只要能区别开就可以了 如何…