地理信息系统空间分析实验教程 第三版 第八章示例与练习 学校选址

news2025/2/24 13:56:23

学校选址

背景

合理的学校空间位置布局有利于学生的上课与生活。学校的选址问题需要考虑地理 E八位置、学生娱乐场所配套设施、与现有学校的距离等因素,从总体上把握这些国素能够确定出适宜性比较好的学校选址区

目的

通过练习,熟悉 ArcGIS 栅格数据距离制图、成本距离加权、数揭重分类、多层面合并等空间分析功能;熟练掌握利用 ArcGIS 空间分析功能,分析和结果类似学校选址的实际应用问题。

数据

(1) landuse (土地利用图):

(2) dem(地面高程图);

(3) rec sites (娱乐场所分布图);

(4) school(现有学校分布图);

要求

(1)新学校选址需要注意以下几点: ①新学校应位于地势平坦处;②新学校的建立应结合现有土地利用类型综合考虑,选择成本不高的区域;③新学校应该与现有娱乐设施相配套,学校距离这些设施越近越好;④新学校应避开现有学校,合理分布。(2) 各数据层权重比为: 距离娱乐设施占 0.5,距离学校占 0.25,土地利用类型和地势位置因素各占 0.125。

(3) 实现过程运用 ArcGIS 的扩展模块中的空间分析部分功能,具体包括:坡度计算、直线距离制图、重分类及栅格计算器等功能完成。

(4) 给出适合新建学校的适宜地区图,并做简要分析。

操作步骤

1.首先激活【Sptial Analyst】模板

  • 2.设置空间分析环境。打开【环境】设置,设置相关参数。设置【工作空间】到对应路径,【处理范围】与图层landuse相同,【栅格分析】下的像元大小选择与图层landuse相同
  • 3.从DEM数据提取坡度数据集,使用Spatial Analyst-表面分析-坡度,输入dem数据,生成slope数据集
  • 4.从娱乐场所数据 rec_sites 提取娱乐场所直线距离,使用Spatial Analyst-距离-欧式距离,设置输出像元大小为5,生成dis_recites数据集
  • 5.同理生成学校位置school,提取学校直线距离数据,得到dis_school数据集
  • 6.重分类数据集,分为四种不同类型的数据集
  • 第一,重分类坡度数据集。学校的位置在平坦地区比较有利。因此,采用等间距分级把坡度分为 10级。平坦的地方适宜性好,赋予较大的适宜性值,陡峭的地区赋予较小的值,得到坡度适宜性数据 recalssslope。  
  • 7.重分类娱乐场所直线距离数据集。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图
  • 8.重分类现有学校直线距离数据集。考虑到新学校距离现有学校比较远时适宜性好,仍分为 10 级,距离学校最远的单元赋值 10,距离最近的单元赋值 1,得到重分学校距离图 reclassdiss。

9.重分类土地利用数据集。在考察土地利用数据时,容易发现各种土地利用类型对学校适宜性也存在一定的影响。例如,学校不适合在有湿地、水体、草地的分布区建立,于是在重分类时删除这两个类别,实现如下:在重分类新旧值对照表中,按 Ctl键选择“water”“wetland”“grass ”,点击[删除条目],删除“water”“wetland”grass

  • 10.适宜区分析。重分类后,各个数据集都统一到相同的等级体系内,且每个数据集中那些被认为比较适宜的属性都被赋予比较高的值,现在开始给四种因素赋子不同的权重,然后合并数据集以找出最适宜的位置。
  • 选择[SpatialAnalyst 具][地图代数][格计算器],各个重类后数据集的合并计算,最终适宜性数据集的加权计算公式为
  • suit (最终适宜性)=reclassdisr (娱乐场所)*0.5 +reclassdiss (现有学校)0.25reclassland(土地利用数据)*0.125 +relassslope (坡度数据)*0.125
  • 11.打开[重分类]工具,将 Suit 重分类为两类,适宜性较高区域 (suit>8)分成一类设置为1,适宜性较低区域(Suit<8)设置为 NoData,即得到最终适宜性数据集,适宜性较高区域(深色部分)为推荐学校选址区域

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/842959.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

无涯教程-Perl - endnetent函数

描述 此功能告诉系统您不再希望使用getnetent从网络列表中读取条目。 语法 以下是此函数的简单语法- endnetent返回值 此函数不返回任何值。 例 以下是显示其基本用法的示例代码- #!/usr/bin/perluse Socket;while ( ($name, $aliases, $addrtype, $net) getnetent() )…

VUE框架:vue2转vue3全面细节总结(3)路由组件传参

大家好&#xff0c;我是csdn的博主&#xff1a;lqj_本人 这是我的个人博客主页&#xff1a; lqj_本人_python人工智能视觉&#xff08;opencv&#xff09;从入门到实战,前端,微信小程序-CSDN博客 最新的uniapp毕业设计专栏也放在下方了&#xff1a; https://blog.csdn.net/lbcy…

element表格+表单+表单验证结合运用

目录​​​​​​​ 一、结果展示 二、实现代码 一、结果展示 1、图片 2、描述 table中放form表单&#xff0c;放输入框或下拉框或多选框等&#xff1b; 点击添加按钮&#xff0c;首先验证表单&#xff0c;如果存在没填的就验证提醒&#xff0c;都填了就向下添加一行表单表…

Redis中BigKey、HotKey的发现与处理

Redis中BigKey、HotKey的发现与处理 内容详情&#xff1a; 阿里云开发者社区(点击跳转) 参考自&#xff1a; https://developer.aliyun.com/article/788271?utm_contentm_1000291945#slide-1

【数据结构OJ题】删除有序数组中的重复项

原题链接&#xff1a;https://leetcode.cn/problems/remove-duplicates-from-sorted-array/ 目录 1. 题目描述 2. 思路分析 3. 代码实现 1. 题目描述 2. 思路分析 用双指针算法&#xff0c;定义两个变量src和dst&#xff0c;一开始让src和dst指向num[ ]数组的第一个元素&a…

Cadence学习

Cadence学习 Cadence内容涵盖Cadence主要功能Cadence功能模块Allegro Design Entry CIS 和 OrCAD Capture CIS 的区别Cadence 公司简介Allegro Design Entry CISOrCAD Capture CIS OrCAD中part和database part区别OrCAD中不同页面的连接关系应该怎么处理&#xff08;1&#xff…

Matlab之利用MarkerFaceColor来填充marker

matlab画图在加一些marker的时候, 有实心的圆圈, 比如: plot(x,y,.r,MarkerSize,20)但是如果想要一个很大的marker, 就需要把这个markersize调得很大, 比如MarkerSize20 但是也可以用空心的圆圈然后把中间涂上颜色, 这样调整起来更方便. 比如: plot(x,y,or,MarkerSize,5,Mar…

拆分PDBQT文件并将其转换为PDB格式

拆分PDBQT文件转为PDB格式 1. vina_split拆分PDBQT文件 假设你用AutoDock Vina做了对接&#xff0c;那么所有预测的结合构象都被放入一个多构象 PDBQT 文件中&#xff0c;如果需要拆分后进行可视化分析&#xff0c;那么Vina官方自带了vina_split来进行拆分。下面是vina_split…

TS协议之PES(ES数据包)

TS协议之PAT&#xff08;节目关联表&#xff09;TS协议之PMT&#xff08;节目映射表&#xff09;TS协议之PES&#xff08;ES数据包&#xff09; 该文档已上传&#xff1a;下载地址 1. 概要 1.1 TS数据包&#xff08;PES&#xff09;协议数据组成 TSTS头PES头ES。TS&#xf…

在 Ubuntu 上安装 Docker 桌面

Ubuntu 22.04 (LTS) 安装 Docker 桌面 要成功安装 Docker Desktop&#xff0c;您必须&#xff1a; 满足系统要求拥有 64 位版本的 Ubuntu Jammy Jellyfish 22.04 (LTS) 或 Ubuntu Impish Indri 21.10。对于非 Gnome 桌面环境&#xff0c;必须安装 gnome-terminal&#xff1a;…

springsecurity初稿

springsecurity 课程 课程目标 权限管理简介【了解】权限管理解决方案【掌握】初识Spring Security【了解】Spring Security 认证配置【掌握】Spring Security 鉴权配置【掌握】Spring Security 底层原理【掌握】Spring Security 退出操作【重点】Spring Security整合JWT【重…

参考RabbitMQ实现一个消息队列

文章目录 前言小小消息管家1.项目介绍2. 需求分析2.1 API2.2 消息应答2.3 网络通信协议设计 3. 开发环境4. 项目结构介绍4.1 配置信息 5. 项目演示 前言 消息队列的本质就是阻塞队列&#xff0c;它的最大用途就是用来实现生产者消费者模型&#xff0c;从而实现解耦合以及削峰填…

有什么好用的PNG素材网站吗?看看这6个

高品质PNG素材无疑能提升网站的质量&#xff0c;给用户带来更美好的使用体验&#xff0c;今天本文会与大家分享6个好用的PNG素材网站&#xff0c;一起来看看吧&#xff01; 1、即时设计资源广场 即时设计资源广场集成了多种大厂素材&#xff0c;不只是PNG素材&#xff0c;还有…

试用AI生成代码工具Fauxpilot,详细安装过程

设置服务 预先说明 需要预先安装支持NVIDIA的docker,docker compose > 1.28不能再容器里运行&#xff0c;否则出现以下报错&#xff1a; rootc536ca0dbd64:/test/fauxpilot-main# ./setup.sh Checking for curl ... /usr/bin/curl Checking for zstd ... /opt/conda/bin…

Java-认识String

目录 一、String概念及创建 1.1 String概念 1.2 String的创建 二、String常用方法 2.1 String对象的比较 2.2 字符串查找 2.3 转化 2.4 字符串替换 2.5 字符串拆分 2.6字符串的截取 2.7 其他操作方法 2.8 字符串修改 三、面试题 一、String概念及创建 1.1 String概念 Java中…

PVE虚拟化平台之安装openKylin开源操作系统

PVE虚拟化平台之安装openKylin开源操作系统 一、openKylin介绍1.1 openKylin简介1.2 openKylin特性 二、下载openKylin系统镜像2.1 官方网址2.2 下载openKylin系统镜像 三、上传镜像到PVE存储3.1 检查PVE环境3.2 上传镜像 四、创建虚拟机4.1 设置虚拟机名称4.2 操作系统设置4.3…

【六袆 - 国际化】SpringBoot国际化Message

模拟场景校验请求参数 private void checkParam(List<ReqAppAdminDTO> req) {// 校验管理员如果已存在&#xff0c;则抛出已存在异常req.forEach(item -> {AppAdminDO appAdminDO appAdminMapper.selectByAppIdAndAdminNo(item.getAppId(), item.getAdminNo());if (O…

ubuntu上回环设备/dev/loop0占用100%清理

查看磁盘占用情况时&#xff1a; df -h/dev/loopn这些设备在Linux下被称为回环设备。 终端输入&#xff1a; sudo apt autoremove --purge snapd再次查看&#xff1a;

Android安卓实战项目(8)---自行车fitting计算软件(源码在文末)可用于比赛项目或者作业参考中

Android安卓实战项目&#xff08;8&#xff09;—自行车fitting计算软件&#xff08;源码在文末&#x1f415;&#x1f415;&#x1f415;&#xff09;可用于比赛项目或者作业参考中 【bilibili演示地址】 https://www.bilibili.com/video/BV1eu4y1B7yA/?share_sourcecopy_we…

常用抓包工具

Fiddler Fiddler 是一个很好用的抓包工具&#xff0c;可以用于抓取http/https的数据包&#xff0c;常用于Windows系统的抓包&#xff0c;它有个优势就是免费 Charles Charles是由JAVA开发的&#xff0c;可以运行在window Linux MacOS&#xff0c;但它是收费的&#xff0c;和…