空间分析-距离分析
空间分析方法
空间分析方法
空间分析方法是一种多学科交叉的、运用计算机和数学技术，通过空间数据及相关信息的收集、组织、分析、表达与可视化以评估、分析、预测、提供决策的方法。
空间分析方法包括：
1.空间定位分析：使用地理空间数据和相关空间定位信息来确定空间关系，它可以帮助我们研究特定地点之间的空间关系，并为地理空间决策提供决策支持。
2.空间分类分析：使用空间数据和相关信息对地理空间范围内的要素进行分类和归类，其目的是为了确定空间要素之间的差异性并使用它们进行地理空间决策。
3.空间距离分析：使用空间数据和相关信息来确定地理空间中特定要素之间的距离，并用它们进行空间决策。
4.空间关联分析：使用空间数据和相关信息来确定地理空间中特定要素之间的关联，并用它们进行空间决策。
5.空间模拟分析：使用空间数据和相关信息来模拟地
理空间中的各种情况，以便为地理空间决策提供支持。
地理信息系统下的空间分析——第六章_空间数据的量算及统计分析方法0
地理信息系统下的空间分析——第六章_空间数据的量算及统计分析方法0地理信息系统 (Geographic Information System, 简称GIS) 是一种用于捕捉、存储、管理、分析和展示地理数据的技术。
GIS的空间分析是指对地理数据进行计量和统计分析的过程。
本文将介绍GIS中空间数据的量算及统计分析方法。
一、空间数据的量算方法1.面积量算：面积量算是对地理空间对象的面积进行计算的方法。
常见的面积量算方法有几何方法、计算公式等。
在GIS中，可以通过点、线、面等要素的矢量数据来计算其面积。
2.距离量算：距离量算是对地理空间对象之间的距离进行计算的方法。
常见的距离量算方法包括欧氏距离、曼哈顿距离、最短路径距离等。
在GIS中，可以通过点、线、面等要素的矢量数据来计算其之间的距离。
3.方位角量算：方位角量算是对地理空间对象之间的方向角进行计算的方法。
常见的方位角量算方法有方位角计算公式等。
在GIS中，可以通过点、线要素的矢量数据来计算其之间的方位角。
二、空间数据的统计分析方法1.面状数据的统计分析：对面状数据进行统计分析是研究地理空间对象在空间范围内的分布情况和特征的方法。
常见的面状数据的统计分析方法有面积统计分析、面积比例统计分析、分区统计分析等。
2.点状数据的统计分析：对点状数据进行统计分析是研究地理空间对象在空间位置上的分布情况和特征的方法。
常见的点状数据的统计分析方法有点密度统计分析、距离统计分析、聚类统计分析等。
3.线状数据的统计分析：对线状数据进行统计分析是研究地理空间对象在空间路径上的分布情况和特征的方法。
常见的线状数据的统计分析方法有长度统计分析、方向统计分析、曲率统计分析等。
三、GIS空间分析的应用场景1.环境保护：通过对空间数据的量算和统计分析，可以评估环境状况和监测环境污染等问题。
2.城市规划：通过对地理空间对象的量算和统计分析，可以评估城市土地利用情况、交通网络等，为城市规划提供科学依据。
空间分析——栅格数据的空间分析(一)
重分类娱乐场所直线距离数据集
娱乐场所近～远 对应于 适宜度10～1
重分类现有学校直线距离数据集
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为10，距离学校 最近的单元赋值为1。得到重分类学校距离图。
重分类土地利用数据集
土地利用对新建学校的适宜性有一定的影响。 如在有湿地、水体分布区建学校的适宜性极差，于 是在重分类时删除这两类，然后对剩下的其它土地 利用类型重新赋值。 赋值如下：
（一）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位置、学生
娱乐场所配套、与现有学校的距离间隔等因素，从
总体上把握这些因素能够确定出适宜性比较好的学 校选址区。
（二）目的
通过练习，熟悉ArcGIS栅格数据距离制图、
成本距离加权、数据重分类、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， 分析类似学校选址等实际应用问题。
密度制图
密度制图根据输入的要素数据集计算整 个区域的数据聚集状况，从而产生一个连续 的密度表面。密度制图主要是基于点数据生 成的，以每个待计算格网点为中心，进行圆 形区域的搜寻，进而来计算每个格网点的密 度值。
表面分析
表面分析主要生成新的数据集，诸如等 值线、坡度、坡向、山体阴影等派生数据， 获得更多的反映原始数据集所暗含的空间特 征、空间格局等信息。
表面分析的功能有：查询表面值、从表 面获取坡度和坡向信息、创建等值线、面积 和体积、数据重分类、将表面转化为矢量数 据等。
统计分析
是基于栅格数据的一种空间统计分析，包括
基于单元的统计（cell statistics）、邻域统计、 分类区统计等内容。
常用的空间分析有哪些
常用的空间分析有哪些引言空间分析是地理信息系统（GIS）领域的一个重要部分，它利用地理数据进行分析和解释，以了解空间模式、关系和趋势。
空间分析可以帮助我们更好地理解和利用空间数据，从而支持决策制定和问题解决。
本文将介绍一些常用的空间分析方法。
点模式分析点模式分析是研究点分布模式和空间相关性的方法。
它能够帮助我们识别和理解地理现象的分布规律和趋势。
常用的点模式分析方法包括：1.点密度分析：通过计算单位面积或单位距离内的点的数量来描述点分布的集中程度。
点密度分析可以帮助我们找出热点区域或冷点区域。
2.最近邻分析：通过计算每个点到最近的邻居点的距离，来研究点的分布模式和聚集趋势。
最近邻分析可以帮助我们确定点的聚集程度以及聚集的模式。
3.凸包分析：通过计算一组点的凸包来描述点的分布形状。
凸包分析可以帮助我们了解点分布的形状特征，例如是否呈现出环状、线状或圆状等形式。
线模式分析线模式分析是研究线要素之间的关系和属性的方法。
它可以帮助我们理解和分析线要素的空间模式和特征。
常用的线模式分析方法包括：1.线密度分析：通过计算单位面积或单位距离内的线要素的长度来描述线分布的集中程度。
线密度分析可以帮助我们找出线要素的热点区域或冷点区域。
2.线相交分析：通过计算线要素之间相交的数量来研究线的交叉程度和分布情况。
线相交分析可以帮助我们理解线要素之间的交错关系和交通网络的密度。
3.缓冲区分析：通过在线要素周围创建一定距离范围的缓冲区来研究线要素的影响范围和空间关系。
缓冲区分析可以帮助我们确定线要素的影响范围，例如河流的保护区或高速公路的建设范围。
面模式分析面模式分析是研究面要素之间的关系和属性的方法。
它可以帮助我们理解和分析面要素的空间模式和特征。
常用的面模式分析方法包括：1.面积分析：通过计算每个面要素的面积来研究面要素的分布范围和集中程度。
面积分析可以帮助我们找出面要素的热点区域或冷点区域。
2.面相交分析：通过计算面要素之间相交的数量来研究面的交叉程度和分布情况。
判断点要素空间集聚的方法
判断点要素空间集聚的方法点要素空间聚集是指在空间中存在一些点要素的集合，这些点要素在其中一种程度上聚集在一起形成集聚现象。
判断点要素空间集聚的方法主要包括统计方法和空间分析方法两种。
统计方法是通过对点要素进行统计分析来判断其是否集聚。
常用的统计方法包括距离分布分析、邻近分析和点密度分析。
1、距离分布分析：距离分布分析是研究点要素之间的距离分布，通过计算点要素之间的距离，得出距离的分布情况。
如果点要素之间的距离呈现一定的分布规律，如近距离集聚或远距离集聚，就可以判断该区域存在集聚现象。
2、邻近分析：邻近分析是研究点要素之间的邻近关系，通过计算每个点要素与其最近邻要素的距离，得出平均距离或最大距离，从而判断点要素是否集聚。
如果平均距离小于预期值或最大距离大于预期值，则可以判断点要素存在集聚。
3、点密度分析：点密度分析是研究点要素的分布密度，通过计算单位面积或单位长度内点要素的数量来判断其点密度。
如果在一些区域内点要素的密度明显高于其他区域，就可以判断该区域存在集聚。
空间分析方法是通过运用GIS技术进行空间分析，通过空间邻近关系、空间分布规律和空间自相关等指标来判断点要素的集聚现象。
1、空间邻近关系分析：空间邻近关系分析是研究点要素之间的空间关系，通过计算点要素之间的邻近指标，如平均距离、最近邻距离等，来判断点要素是否集聚。
如果邻近指标与预期值相比偏小或偏大，就可以判断点要素存在集聚。
2、空间分布规律分析：空间分布规律分析是研究点要素的空间分布特征，通过计算点要素的空间分布指标，如Moran's I、Geary's C等，来判断点要素是否集聚。
如果空间分布指标的值显著大于0或小于0，就可以判断点要素存在集聚。
3、空间自相关分析：空间自相关分析是研究点要素的空间相关性，通过计算点要素之间的空间相关性指标，如Global Moran's I、Local Moran's I等，来判断点要素的集聚效应。
空间分析原理及应用1
空间分析原理及应用1…………密…………封…………线…………内…………请…………不…………要…………答…………题…………一、名词解释（14×2=28）1. 空间位置分析: 指通过空间坐标系中坐标值来确定空间物体的地理位置。
2. 空间分布分析: 空间分布反映了同类空间物体的群体定位信息。
3. 空间距离分析：空间物体的接近程度。
4. 空间关系: 空间对象的相关关系，包括拓扑、方位、相似、相关等。
5. ArcToolbox ：空间处理工具的集合，它包含了Arcgis 地理处理的大部分的分析工具和数据管理工具。
6. 成本加权分配：通过成本距离加权函数，计算出每个栅格到距离最近、成本最低源的最少累加成本。
7. 网格：将栅格图像按一定的数学函数进行划分得到的最小像素单元。
8. 克里格插值：又称空间局部插值法，是以变异函数理论和结构分析为基础，在有限区域内对区域化变量进行无偏最优估计的一种方法，克里格插值是一种基于统计学的插值方法。
9. 地图代数：地图代数是以一尺度空间内栅格点集的变换和运算来解决地理信息的图形符号可视化及空间分析的新型理论和方法，是作用于不同数据层面上的基于数学运算的叠加运算。
10. 重分类：即基于原有数值，对原有数值重新进行分类整理从而得到一组新值并输出。
11. 空间数据：空间数据是指用来表示空间实体的位置、形状、大小及其分布特征诸多方面信息的数据，它可以用来描述来自现实世界的目标，它具有定位、定性、时间和空间关系等特性。
12. 空间分析：空间分析是基于地理对象的位置和形态特征的空间数据分析技术，其目的在于提取和传输空间信息。
13. 表面分析：主要通过生成新数据集，诸如等值线，坡度，坡向，山体阴影等派生数据，获得更多的反映原始数据集中所暗含的空间特征，空间格局等信息。
…………密…………封…………线…………内…………请…………不…………要…………答…………题…………14. 等值线：将表面上相邻的具有相同的值的点连接起来的线，如地图上的等高线、气温图上的等压线。
空间分析实验报告模板
一、实验基本信息1. 实验名称：2. 实验时间：3. 实验地点：4. 实验人员：5. 实验指导教师：二、实验目的简要说明本次实验的目的，例如：- 掌握空间数据的基本概念和属性；- 熟悉常用的空间分析方法和技巧；- 通过实际案例分析，探索地理现象的空间分布规律；- 理解空间分析的原理及其在地理信息系统中的应用。
三、实验原理简要介绍实验所涉及的基本原理，例如：- 空间分析的定义和作用；- 常用的空间分析方法，如缓冲区分析、叠加分析、距离分析等；- 空间插值方法，如反距离权重插值法、样条插值法等。
四、实验数据1. 数据来源：说明实验所使用的数据来源，例如：地理信息系统（GIS）软件自带数据、公开数据平台、实地调查等。
2. 数据类型：说明实验所使用的数据类型，例如：矢量数据、栅格数据、点数据、线数据、面数据等。
3. 数据预处理：说明对原始数据进行处理的步骤，例如：数据清洗、数据转换、坐标系统转换等。
五、实验步骤1. 数据导入：将实验数据导入GIS软件。
2. 数据可视化：利用GIS软件进行数据可视化，例如：绘制地图、生成专题图等。
3. 空间分析：- 选择合适的空间分析方法，如缓冲区分析、叠加分析、距离分析等；- 设置分析参数，例如：缓冲区半径、叠加条件、距离阈值等；- 执行空间分析操作，生成分析结果。
4. 结果输出：将分析结果保存为图形文件或表格文件。
六、实验结果与分析1. 实验结果展示：展示实验结果，例如：缓冲区图、叠加图、距离分析图等。
2. 结果分析：对实验结果进行解释和分析，例如：- 分析地理现象的空间分布规律；- 解释空间分析结果对实际问题的意义；- 讨论实验结果与预期结果的差异。
七、实验总结1. 实验收获：总结本次实验的收获，例如：- 掌握了空间分析的基本方法；- 熟悉了GIS软件的操作；- 提高了地理信息分析能力。
2. 实验不足：分析实验过程中存在的问题和不足，例如：- 数据质量对实验结果的影响；- 空间分析方法的选择；- 实验操作技巧的掌握。
第七讲多距离空间聚类分析
不是用的平均密度来进行比较么？这个预期K值和随机分布又是什么鬼？
• 平均值的问题，前面我们已经一而再再而三的说过了，虽然他简 单好用，但是他的优点和缺点一样的明显，在描述算法的时候， 可以用平均值来进行描述，但是实际使用中，平均值暴露出来的 各种问题，会让分析人员为之抓狂。特别是在空间分布研究的时 候。如果仅仅用平均密度来研究具有空间分析的数据，会出现如 下图的问题。
此方法检查每个点与研究区域的边的 距离以及这个点到其各相邻点的距离。 如果有的相邻点与所涉及点的距离比 与研究区域的边的距离更远，则所有 这类相邻点都将被指定额外权重。此 边校正方法仅适用于形状为正方形或 矩形的研究区域，或者当为研究区域 方法参数选择 MINIMUM_ENCLOSING_RECTANG LE 时才适用。
应用
• 城市里面有若干巡逻热点，如果警方要部署巡逻区域，怎么才能 找到即省油，又能尽量的覆盖到所有的巡逻热点这样的分析中， 就可以采用距离分析，探索每个设定的巡逻区域的最佳距离。
• 另外，我有一批点，我现在要用这些点生成一个缓冲区，这个缓 冲区需要覆盖所有的区域，但是又要求缓冲区的距离是最小的， 那么就可以通过这个工具，来找到聚类程度最高的一个距离，如 下：
返回的值以及含义如下：
一般根据你设定的距离，会返回一堆的数据，如：
把这些数据整体画出来，就会变成这个样子
• 无论是从表信息里面，还是从图上，我们都可以看见，当第五次 计算的时候，也就是预期K值（预期K值一般等于距离）等于 33517的时候，观测K与预期K值的差距最大，聚类程度最高。
第二章 空间分析
第一节 空间
（三）空间的测度
2、密度（Density）——指单位面积地 表空间上某种事物的数量。经常遇到的 有人口密度、建筑密度、经济密度等。
由于事物在地表空间上的分布有可能呈 现集聚的特征，也有可能表现为分散性， 单纯的密度概念不能反映空间分布的这 一差异。因此，又可引入集聚度这一概 念，反映地理现象在空间上分布的集中 或离散程度。地理事物之间的空间距离 小，集聚度高，反之，则集聚度低。
美国地理学家普莱德（ A Pred）在1984年发表“地方是随历史而定的过 程”一文，认为“人与地是不可分的，一个地方的人的经历、思想、经验 及人们赋予该地的意义和价值，总是在不停地变为该地的一部分，它们的 产生是地域的宏观及微观因素互动的结果，特别是地方情况对外界大环境 反映的结果。”
15
第二节 地方
以世界最高峰珠穆朗玛的命名为例虽然中国人早在280多年前就已经将世界最高峰的名字珠穆朗玛标在了地图上但时至今日西方人仍在延续英国殖民者100多年前犯下的错误将藏族人民心目中的女神之峰称作埃三地名珠穆朗玛峰藏语意为?圣母?25第二节地方根据已故北京大学地理学和地名学专家林超的研究珠穆朗玛峰的满文和汉语名称早在1719年和1721年就先后出现在了不同版本的康熙皇帝的皇但英国人认为是他们的印度测量局在19世纪中期发现了世界最高峰并理所当然地为这座山峰命名
关于“空间”这一概念的一般意义的讨论已经有很久的历史。从词源学的意 义上说，罗马语（espace, spazio, espacio）和英语（space）中的“空 间”都可以追溯到拉丁语的spatium，它是指两个事物之间的距离或间隔。
自中世纪晚期开始，在自然哲学和自然科学中，空间一词具有了更为抽象的 含义（意指一个包容一切的无限维度）。这一概念在16世纪哲学家布鲁诺的 著作中已经出现：“空间是一个连续的、三维的自然之量，物体的量值被包 含其中，它在本质上有着相对于所有物体和一切存在的优先性。
空间分析-距离分析综述
空间分析-距离分析综述随着科技的不断发展，空间分析被广泛应用于各个领域，涵盖了从商业到科学研究的各个方面。
其中距离分析是空间分析中最基本的部分之一。
什么是距离分析距离分析是通过计算或度量两个或多个地理空间要素之间的距离或空间相对位置的过程。
在GIS领域中，距离通常包括欧氏距离，曼哈顿距离，切比雪夫距离和马哈拉诺比斯距离等。
此外，距离还可以基于实体间的时间、交通运输/行动方式、地形和地貌等其他因素进行衡量。
距离分析的应用场景商业应用距离分析在商业领域中应用广泛，例如零售商希望确定距其店面300米、500米或1000米内有多少潜在消费者，或寻找最佳的仓库或办公室地点，以确保在适当的位置为客户提供最佳的服务等等。
城市规划距离分析可以帮助规划师们了解城市中各种设施之间的距离和相对位置，例如医院、学校、超市等，以建立一个更加便捷和实用的城市。
此外，距离分析还可以帮助规划师们进行城市排水、能源分配、交通管理方面的优化。
自然资源管理距离分析在自然资源管理方面也有广泛的应用。
通过测量不同资源之间的距离，例如森林、河流和污染源等，可以帮助研究人员了解这些资源可能存在的相互作用和冲突，以及评估污染物可能影响到的距离等。
距离分析的工具ArcGISArcGIS是一款供专业和非专业人员使用的桌面式GIS软件。
在ArcGIS中，距离分析功能包括测量距离和对以线、点或面为基础的实体之间的距离进行建模。
QGISQGIS是一个免费、开源的跨平台桌面GIS软件。
在QGIS中，距离分析是一个标准的功能，可在工具箱中进行管理。
Google EarthGoogle Earth是一个虚拟地球应用程序，允许用户查看地球上的卫星和地形图像，与其他地图功能的交互作用，以及对距离进行测量和计算。
结语距离分析是空间分析中最基本的组成部分之一，具有广泛的应用场景。
无论是商业、城市规划还是自然资源管理等领域，距离分析都至关重要。
各种GIS软件和工具可以方便地对距离进行分析和测量。
- 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)。
空间分析之距离分析
继续总结下距离分析。
如下是ArcGIS 10.x中，距离分析相关的工具：
ArcGIS中，主要可以通过如下的几种方式进行距离分析：
1）欧氏距离分析
2）成本加权距离分析
3）用于垂直移动限制和水平移动限制的成本加权距离分析
4）获取最短路径
使用ArcGIS空间分析扩展实现距离分析，最主要的是欧氏距离分析和成本加权距离分析两类工具。
一、欧氏距离工具
欧氏距离工具测量每个像元距离最近源的直线距离（像元中心至像元中心的距离）。
欧氏距离（Euclidean Diatance）——求得每个像元至最近源的距离。
欧氏方向（Euclidean Direction）——求得每个像元至最近源的方向。
欧氏分配（Euclidean Allocation）——求得每个像元的最近的源。
TIPS：
1. 源（Source）
可以是感兴趣的地物的位置，数据方面，既可以是栅格数据，也可以是矢量数据。
但注意：如果数据选用了栅格数据，数据中必须仅包含表示源的像元，其他像元需要是Nodata。
如果选用矢量，在执行工具之时，内部会将其先转成栅格。
2. 欧氏距离的算法
简单理解为：工具会求得每个像元至每个源的距离，然后取得每个像元至每个源的最短距离以输出。
其中，欧氏距离是像元中心与源像元的中心的直线距离。
如果像元与两个或更多源之间的距离相等，则计算都基于像元扫描过程中遇到的第一个源。
无法控制该扫描过程。
帮助中有这样的描述：工具在实际执行的过程中，进行两次顺序扫描。
这样，工具的执行速度与源像元的数目、分布以及最大距离无关。
影响工具执行速度的唯一因素是栅格的大小。
计算时间与“分析”窗口中的像元数成线性比例。
暂且不知道进行了什么样的两次顺序扫描。
3. 欧氏距离输出栅格结果
投影平面上，像元与最近源之间的最短直线距离。
如下图：
4. 欧氏方向输出栅格结果
像元与最近源之间的方位角方向（以度为单位）。
使用360 度圆，刻度360 指北，90指东，从刻度1 顺时针增加。
值0 供源像元使用。
如下图：
5. 欧氏分配输出栅格结果
输出的每个像元都是距其最近源的值。
如下图：
二、成本加权距离工具
成本加权距离工具可以看成是对欧氏直线距离的进一步修改，将经过某个像元的距离赋以成本因素。
举个简单的例子，翻过一座山到达目的地是最短的直线距离，绕行这座山距离较长，但是更节省时间和体力，那就后者的成本加权距离最短了。
1）成本距离（Cost Distance）：求得每个像元至最近源的成本距离。
2）成本回溯链接（Cost back link）：求的一个方向栅格，可以从任意像
元沿最小成本路径返回最近源。
3）成本分配（Cost Allocation）：求得每个像元的最近的源。
4）成本路径（Cost Patch）：求的任意像元到最近源的最小成本路径。
TIPS：
1. 成本栅格可以是整形或者浮点型，但是其值中不能含有负值或者0。
成本栅格中的Nodata视为障碍。
2. 成本距离输出栅格数据
这里的简单示例中，下面一层黑白渲染的是成本栅格，颜色深的像元代表成本比较高，反之较低。
结果如下：
2. 成本距离回溯链接
要注意的是，它并不会求的要返回哪一个源像元以及如何返回。
而是记录从任意像元回溯到最近源的路径上，每个像元向下一个像元指向的方向，这个方向以0-8的代码形式记录。
如下图：
3. 成本距离分配
这个类似于前面的欧氏距离分配，得到的是每个像元至最近源的成本距离。
三、路径距离工具
路径距离工具与成本距离相似，也可以确定从某个源到栅格上各像元位置的最小累积行程成本。
但是，路径距离不仅可计算成本表面的累积成本，而且会考虑到行驶的实际曲面距离，和影响到移动总成本的水平和垂直因子。
主要包含这几个工具
1）路径距离（Path Distance）
2）路径回溯链接（Path back link）
3）路径分配（Path Allocation）
这些工具生成的累积成本表面可用于扩散模型、流动和最低成本路径分析。
有关水平方向以及竖直方向的因子是如何影响的，工作原理是什么，ArcGIS帮助中有详细的解释：
四、获得最短路径
1. 成本距离路径
任意像元到最近源的最小成本路径，需要引用到上面工具中生成的成本距离和成本回溯链接栅格数据。
如下图：2. 廊道
另外要说的是廊道分析工具（Corridor）。
此工具用于计算两个成本栅格的累积成本栅格结果，为了求得从一个源到另一个源且经过该像元位置的最小成本路径。
输出栅格不是单个最小成本路径，但会得到源之间累积成本的范围。
最后我们可以配合其他工具将小于某一阈值的结果提取出来，例如工具Extract by Attribute提取，或者通过Con进行条件赋值等等方法，获取结果。
如下如所示：
学校A、B成本距离分析结果：
学校C、D、E的成本距离分析结果：
有此两个距离成本结果，来分析得到A、B到C、D、E之间的廊道，也就是两组源之间的最小累积成本距离。
然后结果中我们可以按照一定的阈值来提取结果。
例如累积成本在75以下的我才能接受：
至此，空间分析中的距离分析工具总结结束。