Tag: Geoprocessing

0

生成线要素分段缓冲区

前段时间做了个小工具,可以生成线要素的分段缓冲区,补充 ArcGIS 现有缓冲区工具的不足,用来辅助实现更多的功能。 工具基于 arcpy、maths、os 几个模块实习,arcpy 中并没有提供现成的计算切线方向的函数或接口,我就尝试通过点处微小偏移量的三角定理计算方法构造切线,然后进行角度换算实现垂线的构造,最后再用垂线去切割缓冲区条带。 链接中可以下载 ArcGIS Desktop 或者

0

浅谈使用ArcPy执行大数据量处理任务

Python功能强大而易于学习。对于ArcGIS for Desktop用户来讲,Python是提高工作效率的不二选择。 Arcpy是esri提供的用于高效数据处理分析、制图等的Python站点包。 利用ArcPy,我们可以在ArcMap的Python窗口交互执行脚本,还可以创建自定义脚本工具或脚本工具箱,还可以在ArcGIS之外运行独立脚本,享受更纯正的python体验。 这一篇说说如何利用P

0

如何在ArcGIS for Desktop中实现批量任务

ModelBuilder 是 ArcGIS for Desktop 产品中最可爱的功能之一,它可以尽可能免代码地将我们从重复劳动中解放出来。使用 ModelBuilder 的过程常常被比喻为“搭积木”,我们只需要拿着 ArcGIS for Desktop 中为我们提供的“积木”去搭建满足于自己的特定工作流模型。 再打个比方,我们要实现的某个功能比作是自己做面包。首先要准备食材,例如面粉、牛奶、鸡蛋

0

地统计分析笔记——探索数据

在执行地统计分析之前,浏览、熟悉、检查自己的数据是至关重要的。绘制和检查数据是地统计分析过程中的必要阶段,我们可以从这些工作中获得一些先验知识,指导后续的工作。 Stage 1 绘制数据通过ArcMap的图层渲染方案绘制数据,我们可以获得对数据的第一印象。 例如,使用单一符号渲染了解采样点的疏密分布,通过分类渲染了解采样点高值低值的分布,等等。 Stage 2 检查数据绘制数据后,

0

在ArcGIS中创建Python工具(三)

从 ArcGIS 10.1 版本开始,我们可以创建 python工具箱 来自定义脚本工具,这种工具箱相比较上一篇提到的标准工具箱。有着独特的优势,具体二者的区别总结过,看这一篇。 认识 Python工具箱Python 工具箱 (.pyt) 是一个简单的文本文件,可以在任何文本编辑器中或者任何 Python IDE 中创建、查看和编辑。要确保 ArcGIS 正确识别 Python 工具箱,工具箱类

0

在ArcGIS中创建Python工具(二)

上一篇中我们了解到有两种方式在 ArcGIS 中创建 Python工具,这一篇就来看看如何在标准工具箱中创建脚本工具。 ArcGIS Help 中脚本工具的帮助过于枯燥,在这里,我以一个具体的实例来总结构建脚本工具的过程,我要实现的需求是做个快速实现羽化边界效果的小工具,预期得到如下的效果: 上面效果在ArcMap中完全可以手工运行几个工具实现,但是过程稍微繁琐,那么需求来了,如何做个自定的一

0

在ArcGIS中创建Python工具(一)

ArcGIS Desktop 自带有大量的工具,可以执行各种各样的地理处理任务。通过 python 我们可以灵活地调用这些工具,把工具组织成自己的工作流,甚至创建一些新的工具。今天就说说在 ArcGIS 中创建 Python工具这个话题。 在 ArcGIS 中我们可以通过两种方式来创建python工具: 一种是在标准工具箱下创建 脚本工具: 一种是创建 脚本工具箱: 到这里,可能你会有和我

0

空间统计(五)诊断回归分析结果

为了理解、解释、预测某个问题,我们会进行回归分析。上一篇中提到了回归模型中的因变量和解释变量的概念,用一组解释变量来建模解释因变量,但事实上,选择一组优质的解释变量并不是那么容易。通常我们会根据一些常识、理论基础、某些研究、专家的意见、参考文献等等选择一组解释变量,来进行解释变量的筛选。在ArcGIS Desktop中,当我们使用 普通最小二乘法(OLS)执行回归分析的时候,工具会进行诊断测试,提

0

空间统计(四)回归分析探索

在上一篇文章中,我提到的这些工具都是用于研究数据有什么样的空间模式,哪里聚类?哪里是热点?哪里有冷点?哪里有异常值?等等,总之研究的是“生米煮成熟饭”的结果状态。 而“空间关系建模”工具箱中的工具,更倾向于研究 Why? 例如,为什么会出现这种情况? 或者说什么导致了这种情况。这时我们就可以使用工具进行回归分析,如:普通最小二成法(OLS) 和 地理加权回归(GWR)。 你可能会问,为什么要进行

0

空间统计(三)聚类分布制图

这组工具中包含众所周知的热点分析工具,通过这个工具我们能捕获到大量数据中的热点和冷点,对我们分析问题有很大的帮助。例如,在犯罪分析中,我们可以研究哪些位置犯罪频繁并且聚集,对增设警力有重要的辅助作用。工具集中的其他工具也有类似的作用,都是通过执行聚类分析来识别具有统计显著性的热点、冷点和空间异常值的位置。 依照惯例,我们还是 one by one 来看。 Similarity Search相似