空间分析实验报告
空间分析实践报告
空间分析实践报告1. 引言本报告旨在对空间分析实践进行总结和分析。
空间分析是一种通过使用地理信息系统（GIS）软件和技术来研究和理解地理空间数据的方法。
本文将介绍空间分析的基本概念和方法，并结合实际案例展示空间分析的应用。
2. 空间分析基础知识2.1 空间数据空间数据是指与地理位置相关的数据。
常见的空间数据包括地图、地理坐标、地理区域等。
空间数据可通过全球定位系统（GPS）、遥感技术等手段获取。
2.2 空间分析方法空间分析方法是指用于处理和分析空间数据的技术和工具。
常见的空间分析方法包括：•空间查询：通过查询特定区域内的地理数据，以了解该区域的特征和属性。
•空间插值：通过已知的地理数据点来推断未知位置的数据值。
•空间关联：研究地理要素之间的空间关系，如距离、接近性等。
•空间模拟：通过模拟和模型构建，预测和分析未来的空间变化趋势。
•空间统计：通过统计方法对空间数据进行分析和解释。
3. 空间分析实践案例3.1 交通流量研究本案例旨在分析城市交通流量的分布情况，以便优化交通规划和道路设计。
通过收集城市各个路段的交通流量数据，并利用空间插值方法推断未知区域的交通流量，可以绘制出交通流量的热力图，便于决策者了解交通状况。
3.2 环境污染分析本案例旨在研究城市中不同区域的环境污染程度，以便采取相应的环境保护措施。
通过收集不同区域的污染排放数据，并利用空间统计方法对其进行分析，可以确定污染源的分布情况和影响范围，从而帮助环保部门制定有效的污染治理策略。
4. 空间分析的应用前景空间分析在许多领域都有广泛的应用前景。
以下是一些可能的应用领域：1.城市规划：利用空间分析方法，可以对城市的交通、环境、人口等进行综合研究，为城市规划提供科学依据。
2.自然资源管理：通过空间分析，可以对土地利用、水资源分布、森林覆盖等进行研究和管理，以实现可持续发展。
3.灾害风险评估：利用空间分析方法，可以对地震、洪水、火灾等自然灾害的潜在影响进行评估和预测，为灾害防治提供决策支持。
空间分析算法实验报告
空间分析算法实验报告本次实验以二维空间区域数据为基础，结合空间分析算法实现了对空间数据的查询、分析等功能。
通过本次实验，我对空间分析算法有了更深入的理解，同时也掌握了一些编程技巧和算法思路，以下是具体实验内容和分析结果。
一、实验内容本次实验主要包含以下功能：1. 空间数据预处理：读入并处理二维空间数据，将其存储在程序中供后续使用。
2. 空间数据查询：支持点、线段、矩形查询，可以从已处理的空间数据中查询出符合条件的数据。
3. 空间数据分析：支持空间相交、包含等分析操作，可以对数据进行分析并得出结果。
二、实现过程1. 空间数据预处理在程序运行时，首先需要读入并处理所需的二维空间数据。
本次实验采用文本文件存储数据，每一行为一个点或线段的坐标信息，如下：点数据格式：x y线段数据格式：x1 y1 x2 y2读入数据后，我们可以通过相应的数据结构来存储这些数据，一般使用二叉树或四叉树等。
这里我采用了四叉树来存储空间数据，其根节点对应整个空间，每个非叶子节点又被分成四个子节点，每个子节点代表相应的子空间。
这样就可以快速地查询或分析指定空间内的数据，避免不必要的遍历。
在已进行空间数据预处理后，就可以支持点、线段、矩形查询了。
其中点查询可以通过简单的比较操作即可完成，而对于线段和矩形查询，需要先判断是否相交或包含，再进行筛选。
空间数据分析一般都是基于空间关系，如相交、包含等。
在本次实验中，我实现了两种分析操作：a. 空间相交分析：遍历四叉树，找到所有相交的点或线段，并输出其坐标信息。
以上两种分析操作是比较基础的，但在实际应用中，可能需要考虑更复杂的空间关系，如相邻、重叠等。
三、实验结果本次实验的实现基本符合预期，可以根据输入的具体查询和分析命令进行相应的操作，并得出正确的结果。
其中，四叉树的使用可以大大提高查询和分析速度，避免了遍历整个空间数据的耗时操作。
在实现过程中，还存在一些问题和改进的空间。
例如，当数据比较密集时，四叉树的建立和维护可能会占用较多的存储空间和时间；另外，对于一些复杂的空间分析问题，可能需要采用更高级的算法和数据结构来解决。
矢量数据的空间分析实验报告
矢量数据的空间分析实验报告一、引言空间分析是地理信息系统（GIS）中的重要组成部分，通过对矢量数据进行空间分析，可以揭示地理现象之间的关联性、空间分布规律以及空间相互作用等。
本实验旨在通过对矢量数据进行空间分析，掌握常用的空间分析方法和技巧，并应用于实际案例中。
二、实验目的1. 掌握矢量数据的基本概念和属性；2. 熟悉常用的空间分析方法和技巧；3. 进行实际案例分析，探索地理现象的空间分布规律。
三、实验步骤1. 数据收集与准备本次实验使用的数据为某城市的人口数据和道路数据。
人口数据包括各街道办事处的人口数量，道路数据包括各道路的长度和道路类型。
2. 数据预处理首先，将人口数据和道路数据导入GIS软件中，并进行数据预处理。
对于人口数据，进行属性字段的整理和清洗，确保数据的一致性和完整性。
对于道路数据，进行拓扑关系的建立，确保道路之间的连接关系。
3. 空间分析方法选择根据实验目的，选择适当的空间分析方法。
本实验选择以下几种方法进行分析：- 缓冲区分析：用于确定某一地理要素周围一定距离范围内的其他要素；- 空间插值分析：用于根据已知的点数据推算未知区域的值；- 空间关联分析：用于分析地理现象之间的关联性。
4. 实验案例分析（1）缓冲区分析根据人口数据，选择一个街道办事处为中心，进行缓冲区分析。
设定缓冲区半径为500米，分析该街道办事处周围500米范围内的人口数量。
（2）空间插值分析根据人口数据，对整个城市范围内的人口数量进行空间插值分析。
使用克里金插值法，推算未知区域的人口数量，并生成人口密度等级图。
（3）空间关联分析根据人口数据和道路数据，进行空间关联分析。
分析道路长度与人口数量之间的关联性，探索道路对人口分布的影响程度。
四、实验结果与分析1. 缓冲区分析结果根据缓冲区分析，得出街道办事处周围500米范围内的人口数量为1000人。
这一结果可以用来评估该街道办事处的人口密集程度，为城市规划提供参考。
2. 空间插值分析结果经过克里金插值分析，得到了整个城市范围内的人口密度等级图。
空间分析实验报告
实验一 地图配准实验目的：利用误差校正工具进行影像数据的地理配准实验内容及步骤 ：地形图的配准－加载数据和影像配准工具矢量数据的误差校正。
第一步：采集较正控制点第二步：数据较正第三步 MAPGIS矢量图形批处理校正第四步 MAPGIS栅格图像镶嵌（两幅图镶嵌成一幅图）实验二 地图矢量化一、实验目的：编辑器的使用（点要素、线要素、多边形要素的数字化）。
二、实验内容及步骤1 矢量化步骤与系统环境设置矢量化步骤与系统环境设置2线、点的输入及编辑操作线、点的输入及编辑操作一定要注意，对于线的操作，要在“线编辑”中找相应的命令。
对于点的操作，要在“点编辑”中找相应的命令。
对于点的操作，要在“点编辑”中找相应的命令。
3 造区造区4 生成图框生成图框已知图的四个角的经、纬度，生成标准图框。
已知图的四个角的经、纬度，生成标准图框。
实验三 等高线自动赋值一、实验目的等高线的属性编辑和高程自动赋值。
等高线的属性编辑和高程自动赋值。
二、实验内容及步骤单击系统主界面中“图形处理”菜单下的“输入编辑”子系统单击系统主界面中“图形处理”菜单下的“输入编辑”子系统在左边的“工程管理窗口”中单击右键，弹出快捷菜单，单击“添加项目”命令命令单击“线编辑”菜单下“参数编辑”命令中的“编辑线属性结构”命令则系统弹出“编辑属性结构”对话框，给“KU6_3.WL ”线文件添加一“高程”属性字段；单击“矢量化”菜单下的“高程自动赋值”命令；然后将鼠标放在等高线的中央，按住左键拖动；然后再次单击左键，则系统会弹出“高程增量设置”对话框，假设当前的高程值为1000，高程距为-10（可以知道这个生成的地形应该为一山峰）； 然后单击“确定”按钮，即可实现等高线自动赋值；剩余部分的等高线（即上图中黑色的等高线）赋值的方法如下：先通过查询属性，查询如图中红色所示的线的高程值，直到为680；则其左侧的线就可以推断出其当前的高程值为670，所以通过“矢量化”菜单下的“高程自动赋值”命令，即可实现左侧部分的等高线赋值情况；分的等高线赋值情况；赋值后的结果；赋值后的结果；赋值后的结果；剩下的部分依照类似的方法，剩下的部分依照类似的方法，剩下的部分依照类似的方法，实现等高线实现等高线自动赋值；自动赋值；这时每个等高线就都具备了高程值，可以通过查阅线的属性来查看，如果个别线没有高程值，则可以手工输入正确的值即可；最后要记得保存赋值后的等高线文件；线文件；实验四 叠加分析与缓冲区分析实验目的实验目的矢量数据（点、线、面）的叠加分析与缓冲区分析。
单体空间分析实验报告
单体空间分析实验报告实验报告：单体空间分析一、实验目的本实验旨在提供基本的单体空间分析知识和技能，通过实践掌握地理信息系统（GIS）中的单体空间分析方法，了解其应用领域和实际意义。
二、实验原理单体空间分析是指在GIS中对单个要素进行空间关系分析的过程。
它可以通过一系列的空间操作来研究和描述地理空间中的要素之间的相互关系，为地理空间分析和决策提供支持。
三、实验内容1. 单体属性分析：通过统计要素的属性信息，对单个要素进行属性分析。
例如，可以计算某个地区的人口密度、用地类型、设施数量等。
2. 单体空间分析：通过空间操作来研究要素的空间关系。
例如，可以计算两个要素之间的距离、叠加分析、缓冲区分析等。
3. 单体统计分析：通过统计某个地区的要素数量、密度、分布等，来研究地理现象的空间特征。
四、实验步骤1. 数据准备：选择合适的地理数据集，并导入到GIS软件中。
2. 属性分析：选择要素，统计其属性信息，如人口数量、用地类型等。
3. 空间分析：选择两个要素，计算它们之间的距离，进行叠加分析，或进行缓冲区分析等。
4. 统计分析：选择一片地区，统计其中某个要素的数量、密度、分布等。
五、实验结果与分析在进行实验过程中，我们选取了某个城市的道路网络和绿地分布数据进行分析。
通过属性分析，我们统计了道路的长度、道路宽度、绿地的面积、绿地类型等信息。
通过空间分析，我们计算了道路网络与绿地之间的距离，并进行了叠加分析，得到了道路与绿地的空间关系。
通过统计分析，我们统计了绿地的数量、绿地的密度、绿地的分布等。
从实验结果中我们可以看出，该城市的道路网络建设比较完善，道路的长度较长，而绿地面积较小。
通过空间分析，我们发现绿地分布距离道路较远，显示了城市绿地的布局与交通道路有一定的独立性。
此外，通过统计分析我们可以了解到该城市绿地的数量较少，绿地密度低，需要进一步增加城市绿地的数量和质量。
六、实验总结通过本次实验，我们学习了地理信息系统中的单体空间分析方法，并运用到实际数据中进行了分析。
空间分析算法实验报告
一、实验目的1. 理解空间分析算法的基本原理和常用方法。
2. 掌握空间分析算法在地理信息系统中的应用。
3. 通过实际编程，提高空间分析算法的实现能力。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3. 地理信息系统：ArcGIS三、实验内容1. 空间分析算法概述2. 邻域分析3. 空间聚合4. 空间叠加5. 空间网络分析四、实验步骤1. 邻域分析（1）选择实验数据：选取一个包含点、线、面的空间数据集。
（2）实现邻域分析算法：编写Python代码，实现基于邻域分析的点、线、面查询。
（3）结果展示：在ArcGIS中展示邻域分析结果，分析算法效果。
2. 空间聚合（1）选择实验数据：选取一个包含点、面的空间数据集。
（2）实现空间聚合算法：编写Python代码，实现基于空间聚合的点、面数据汇总。
（3）结果展示：在ArcGIS中展示空间聚合结果，分析算法效果。
3. 空间叠加（1）选择实验数据：选取两个空间数据集，分别为点、面数据。
（2）实现空间叠加算法：编写Python代码，实现点、面数据的空间叠加。
（3）结果展示：在ArcGIS中展示空间叠加结果，分析算法效果。
4. 空间网络分析（1）选择实验数据：选取一个包含道路、节点的空间数据集。
（2）实现空间网络分析算法：编写Python代码，实现基于网络分析的最短路径、最小费用流等算法。
（3）结果展示：在ArcGIS中展示空间网络分析结果，分析算法效果。
五、实验结果与分析1. 邻域分析实验结果表明，邻域分析算法能够有效地实现点、线、面的空间查询。
在实际应用中，邻域分析可用于查询特定区域内的点、线、面数据，为城市规划、环境监测等领域提供数据支持。
2. 空间聚合实验结果表明，空间聚合算法能够将点、面数据按照特定规则进行汇总。
在实际应用中，空间聚合可用于统计某个区域内的点、面数据数量，为资源调查、环境评价等领域提供数据支持。
3. 空间叠加实验结果表明，空间叠加算法能够实现点、面数据的空间叠加。
实验报告三：空间分析实验—市区择房
实验三：空间分析实验—市区择房一、实验目的熟练掌握ArcGIS缓冲区分析和叠置分析操作，综合利用各项空间分析工具解决实际问题。
二、仪器设备计算机，Arcgis.城市市区交通网络图（network.shp）商业中心分布图（Marketplace.shp）名牌高中分布图（school.shp）名胜古迹分布图（famous place.shp）三、实验任务找出符合要求的住房区1．所寻求的区域要满足以下条件：①离主要交通要道200m之外，以减少噪音污染（ST为道路数据中类型为交通要道的要素）。
②在商业中心的服务范围之内，服务范围以商业中心规模大小（属性字段YUZHI）来确定。
③距名牌高中在750m之内，以便小孩上学便捷。
④距名胜古迹500m之内，环境幽雅。
2．对每个条件进行缓冲区分析，将符合条件的区域取值为1，不符合条件的取值为0，得到各自的分值图。
3．运用空间叠置分析对上述4个图层叠加求和，并分等定级，确定合适的区域。
四、实验要点及流程1．加载缓冲区工具点击菜单Tools—>Customize…在“Customize”对话框选择Tools—>Buffer Wizard…，按住鼠标右键将Buffer Wizard 拉入工具栏中。
2．打开地图文档点击菜单File—>Open，打开D：\GIS_Data\Ex1\city.mxd文件。
（1）主干道噪音缓冲区的建立①在交通网络图层（network.shp）上右键选择Open Attribute Table，打开属性表。
②单击Option按钮，选择Select by Attributes，打开Attributes of network对话框。
③在SQL表中，设置查询条件表达式：“TYPE”＝‘ST’（需点击“Field”下的“TYPE”，而后单击“Get Unique Values”按钮，则将“TYPE”的全部属性值加入上面列表框中），单击“Apply”按钮，选择出市区的主要道路（图6）。
单体空间分析实验报告
单体空间分析实验报告单体空间分析实验报告实验目的：通过对特定单体空间的分析，探索其功能和设计原则。
实验方法：选择一间办公室作为研究对象，使用实地观察和量测的方法进行分析。
观察办公室的整体布局、家具摆放、光线环境等方面，并进行量测，包括空间尺寸、家具尺寸、光照强度等参数。
实验结果：办公室的总面积为30平方米，呈矩形布局，长宽比为5:3。
进门后左侧是工作区，摆放有办公桌和办公椅，桌面整洁，主要用于办公人员的工作和学习。
右侧是休息区，有舒适的沙发和茶几，供员工休闲、交流和等候。
办公室的背墙摆放有一排书柜，供存放资料和书籍使用。
办公室内没有多余的摆设和装饰物，整体显得简洁、明亮。
办公室的光线环境良好，有大窗户面向阳光照射，采光充足。
在白天，室内明亮自然，减少了使用人工照明的需求。
在夜晚，室内使用的照明设备相对较少，可节约能源，符合环保理念。
办公室的空间布局合理，工作区和休息区相对独立，避免了工作和休息的干扰。
工作区的办公桌高度适中，符合人体工学原则，有助于员工的工作效率和身体健康。
休息区的沙发舒适柔软，茶几的高度适宜，可以提供良好的休息环境。
实验分析：办公室作为一种特定的单体空间，其功能是为办公人员提供一个舒适高效的工作环境。
通过对办公室的分析，可以发现其布局和家具摆放是关键。
合理的空间布局可以为员工提供舒适的工作环境，有利于提高工作效率。
家具的设计和摆放要符合人体工学原则，以减少身体不适和疲劳。
光线环境也是影响办公室舒适性和使用效果的重要因素，合理利用自然光可以节约能源，提高环保意识。
结论：通过对办公室的分析，我们可以得出合理的空间布局和家具摆放是提高办公室舒适性和工作效率的重要因素。
充足的自然光可以降低使用人工照明的需求，节约能源。
因此，在设计和使用单体空间时，需要考虑人体工学原则、光线环境等因素，以提供舒适的使用体验和改善工作效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空间分析原理及应用上机实验练习1:利用缺省参数创建一个表面1.1 启动ArcMap并激活地统计分析模块单击窗口任务栏的Start按扭,光标指向Programs,再指向ArcGIS,然后单击ArcMap。
在ArcMap中,单击Tools,在单击Extensions,选中Geostatistical Analyst复选框,单击Close按扭。
1、2 添加Geostatistical Analyst工具条到ArcMap中。
单击View菜单,光标指向Toolbars,然后单击Geostatistical Analyst。
1.3 在ArcMap中添加数据层一旦数据加入后,就能利用ArcMap来显示数据,而且如果需要,还可以改变没一层的属性设置(如符号等等)1.单击Standard工具条上的Add Data按扭。
2.找到安装练习数据的文件夹(缺省安装路径就是C:\ArcGIS\ArcTutor\Geostatistics),按住Ctrl键,然后点击并高亮显示Ca_ozone_pts与ca_outline数据集。
3.单击Add按扭。
4.单击目录表中的ca_outline图层的图例,打开Symbol Selector对话框。
5.单击Fill Color下拉箭头,然后单击No Color。
6.在Symbol Selector对话框中单击OK按钮。
7.点击Standard工具条上的Save按扭。
新建一个本地工作目录(如C:\geostatistical),定位到本地工作目录。
1.4 利用缺省值创建表面1.单击Geostatistical Analyst,然后单击Geostatistical Wizard。
2.点击Input Data下拉箭头,单击并选中ca_ozone_pts。
3.单击Attribute下拉框箭头,单击并选中属性OZONE。
4.在Methord对话框中单击Kriging、5.单击Next按扭。
缺省情况下,在Geostatistical Method Selection对话框中,OrdinaryKriging与Prediction Map被选中、6.在Geostatistical Method Selection对话框中单击next按扭。
7.点击next按扭。
8.点击Next按扭。
9.点击Finish按扭。
10.点击OK按扭。
预测得到的臭氧图在目录表的顶层显示。
练习2:数据检查2、1 检查数据的分布1.单击ca_ozone_pts,并将它移到目录表的顶层,然后将ca_outline置于ca_ozone_pts图层的下面。
2.单击Geostatistical Analyst工具条,指向Explore Data,然后单击Histogram。
3.单击Layer下拉箭头,点击并选择ca_ozone_pts。
4.单击Attribute下拉箭头,点击并选择OZONE。
5.单击直方图臭氧值在0、162至0、175ppm之间的直方条。
6.单击关闭对话框。
2、2 正态QQ图1.单击Geostatistical Analyst工具条,指向ExploreData,然后点击Nomal QQplot。
2.单击Layer下拉箭头,点击并选中ca_ozone。
3.单击Attribute下拉箭头,点击并选中OZONE。
4.退出对话框2、3 识别数据中的全局趋势1.单击Geostatistical Analys工具条,鼠标指向Explore Data,点击Trend Analysis、2、单击layer下拉箭头,点击选中ca_ozone_pts。
3.单击Attribute下拉箭头,选中OZONE,4.单击Rotate Proiection滚动条并向左拖动,使旋转角为30度。
5.单击退山对话框。
2、4 理解数据的空间自相关与方向效应1.单击GeostatisticalAnalyst工具条,指向Explore Data,点击Semivariogram／Covariance Cloud。
2.单击Layer框下拉箭头,点击选中ca_ozone_pts。
3.点市Attribute框下拉箭头,单击选中OZONE。
4.在这些点上单击并拖动Selector(选择)光标使之高亮显示。
5.选中ShowSearchDirection复选框。
6.点击并将方向指针移动到任意角度。
7.单击并拖动选择工具,选中那些具有最人半变异函数值的点,使之在半变异函数图及地图中高亮显示。
8.点击退出对话框。
9.但击Selection菜单,然后点击Clear Selected Features以释放地图中高亮显示的点。
练习3:制作臭氧浓度图1.单市GeostatisticalAnalyst—工具条,然斤单击GeostatisticalWizard。
2.单击InputData卜拉框箭头,点击选中ca ozone pts。
3.单击AttributeF拉框箭头,点击属性OZONE。
4.在Methods框中选择Kriging。
5.单击Next按钮。
OrdinaryKriging与Prediction被缺省选中。
6.在Geostatistical MethodSelection对话框中,单击Order of Trend Removal下拉箭头,选择Second。
闪为在练习2的TrendAnalysis对话框中已经检测到一条南西-北东方向的“u”型曲线,所以选择二阶多项式拟合就是合适的。
7、在Geostatistical Method Selection对话框中点击Next按钮。
8.点击Detrending对话框中的Next按钮。
3.1 半变异函数／协方差函数模型9、输入—个新步K值12000。
10.单击输入框,设定步长组的数目为10。
提出趋势后,半变异函数就可以模拟数据点间自相关而不用考虑数据中存在的趋势。
该趋势将在生成最终表面之前添加回来用于计算。
3.2 方向半变异函数11.选中Show Search Direction复选框。
注意个变异函数值数目的减少,因为只有那些位于搜索方向上的点才会得到显示。
12.在Search Direction的中心线上点击并按住鼠标,移动搜索丁具的方向。
当改变搜索方向时,请注意半变异函数就是如何变化的。
只有在搜索方向上的半变异函数表面图上的值才会在上面的半变异函数图表中显示山来。
13．选中Anisotropy复选框。
14.为搜索方向输入下列参数,使方向指针与各向异性椭圆的短轴重合。
角度方向:236、0;角度容限值:45、0;带宽(步长):3、015.为搜索方向输入下列参数,使方向指针与各向异性椭圆的长轴重合。
角度方向:340.0;角度容限值:45.0;带宽(步长):3.016．点击Next按钮3.3 领域搜索17.在图形视图窗口内单击选择一个预测点(即十字丝处)。
注意在选择那些用厂预测的点的过程中发生的变化(以及它们的权重变化)。
18.为了教学目的,请在Test Location输入框中键入如F坐标:X=2044968;Y=208630、3719.选中Shape复选框,并在Angle输入框中输入90。
注意形状就是如何变化的。
不过,为了说明方向效应,请把角度值改回338、1。
20.取消Shape复选框,地统计分析模块将使用缺省值21.在SearchingNeighborhood对话框中单击Next按钮。
22.点击QQPlot标签显示QQ图。
从QQ图上可以瞧出某些值稍微落在直线的上部,而某些值则稍稍落在直线的下部,但就是大部分点都接近于一条平直的虚线,这表明预测误差近似于止态分布。
23.要想高亮显示某个特定的点,可以在表中单击与之相关的行。
所选的点在散点图中以绿色高亮显示。
24,作为可选项,可以单击SaveCrossValidation按钮来保存该表以便对结果做进一步的分析。
25．单击Finish按扭26.点击OK按扭。
预测得到的臭氧图就会在ArcMap中作为顶层显示出来。
27.单击图层名以高亮显示图层,再次单击,将图层名称改为“Trend removed”。
28.在创建的图层“Trendremoved”上右击鼠标,点击Create Prediction StandardError Map菜单项。
29.在Standard工具条上点击Save按钮。
练习4:模型对比利用地统计分析模块,可以对两种成图结果进行对比。
结合交叉验证统计表,可以判断哪个结果的预测更精确。
1.在“Trendremoved”层上右击,在快捷菜单中点击“Compare….”,就能够将“Trendremoved”层与在练习2中创建的"Default”层进行比较。
因为“Trendremoved”层的均方根预测误差较小,其均方根标准预测误差接近于1,而平均预测误差则接近于0,所以有理由相信“Trend removed”模犁更优更有效。
所以现在不再需要“default”层了,可以把它移去。
2.在CrossValidationComparison(交叉验证对话框)中点击Close按钮。
3.在“Default”层上右击,在快捷菜单中选择Remove(移去)。
4.点击“Trendremoved”层,把它移到内容列表的底部,这样就能够瞧见采样点及加州轮廓线。
5.在Standard工具条上单击Save按钮。
练习5:创建臭氧超出某一临界值的概率图在练习1与练习3中,使用不同参数的普通克里格法创建了臭氧浓度图。
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,假设臭氧的临界值就是0.12ppm,可能想判断山那些超出该临界值的地区。
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,这可以对的决策过程给予帮助。
尽管地统计分析模块提供了大量的可以完成此任务的工具,但在本练习使用的就是指示克里格法。
这种方法不要求数据集一定要服从某种特定分布。
根据数据值就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与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。
然后指示克里格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犁进行计算。
1.点击Geostatistical Analyst工具条,然后单击Geostatistica lWizard。
2.单击LayerF拉箭头,选择ca_ozone_pts。
3. 单市Attribute下拉箭头,选择属性OZONE。
4. 在Method框中点击Kriging。
5. 在ChooselnputDataandMethod对话框中点击Next按钮。
6. 单击IndicatorKriging,注意在其下一级菜单中,概率图被选中。