注意事项:
①确认试题编号正确后再开始作答。
②所有图件需清晰可辨。
③新建数值型字段设置数据类型为双精度,数字格式为数值,小数位数默认。
④答卷中不能出现任何涉密信息,答卷文档转成PDF提交。
1.(25 分)请使用数据 Data_TradVillage 解答本题。拟研究某州传统村落空间分布格局,现有该州行政边界数据(county.shp)、传统村落数据(village.shp)、传统村落中古建筑数据(building.csv)。请完成以下问题:
(1)该州传统村落共有 个(空 1)(2 分),传统村落最多的县为 (空 2)(2 分),古建筑数量最多的县为 (空 3)(2 分),截图显示各县古建筑数量属性表(图 1)(2 分);
(2)将数据投影到 WGS_1984_UTM_Zone_49N,基于欧氏距离对该州传统村落点进行平均最近邻分析,所有村落的最近邻指数为 (空 4)(2 分)。构建该州传统村落点的泰森多边形(分析范围与 county 数据一致),截图显示泰森多边形、传统村落(图 2)(2 分),计算泰森多边形的变异系数(即其面积标准差/面积平均值)为 (空 5)(2 分);
(3)在上述投影下,对该州古建筑的空间分布进行核密度分析(像元大小设为500 m,分析范围与 county 数据一致,其他均为默认值)。州内古建筑平均核密度值为 个/km2(空 6)(3 分),核密度平均值最大的县为 (空 7)(3 分),制作该州古建筑核密度分布图(制图要求:显示州内古建筑核密度分级、县界、县名,添加指北针、图例、比例尺,比例尺单位为千米)(图 3)(5 分)。
2(. 15分)请使用数据Data_Polygon解答本题。现有某分区图(map.tif),P101-P104为各分区号。请回答以下问题:
(1)该数据投影为 (空 8)(3 分),矢量化各分区,分区 P104 面积为 km2(空 9)(3 分),截图显示分区属性表(属性需含分区号及面积)(图 4)(5 分);
(2)为避免矢量化编辑中误操作导致公共边界不一致,需要采用 (空 10)(2 分)和 (空 11)(2 分)拓扑规则进行拓扑检查。
3.(25 分)请使用数据 Data_Landuse 解答本题。现有某地区 2013 年土地调查数据(landuse2013.shp)及 2022 年土地利用栅格数据(landuse2022),两期数据土地利用类型代码(value)均为:1(耕地)、2(林地)、3(草地)、4(水体)、5(建设用地)、6(未利用土地),请回答下列问题:
(1)该地区 2022 年占地面积最大的土地利用类型是 (空 12)(3 分),其面积为 km2(空 13)(3 分);
(2)为对比两个时期土地利用变化,需将 landuse2013.shp 转为栅格数据,则转换后数据像元大小应为 m(空 14)(3 分),行数为 (空 15)(3 分);
(3)拟建立该地区两个时期土地利用变化图谱,图谱值 C 计算公式如下:
C=LT1*10+LT2
式中,LT1、LT2分别代表 2013 年、2022 年土地利用分类栅格图层属性值。(例:C 值为 12,表示 2013 年地类 1(耕地)到 2022 年转变为地类 2(林地))2013 年到 2022 年土地利用变化图谱值共有 (空 16)(2 分)个,建设用地增加的面积为 km2(空 17)(3 分),耕地变为建设用地的面积为 km2(空18)(3 分)。制作土地利用变化图谱专题图(制图要求:以图谱值为类别符号化土地利用变化图谱,添加指北针、图例、比例尺,图例需要标注图谱值,比例尺单位为千米)(图 5)(5 分)
4.(35 分)请使用数据库 Data_Location.gdb 解答本题。综合题某区域拟开展社区医院选址分析,请根据以下数据完成分析。
(1)数据说明:
小区.shp:小区范围矢量数据
buildings_line.shp:建筑轮廓线矢量数据,内含楼层数字段,默认每层楼高 3m。
road.shp:道路矢量数据
hospital_sel.shp:社区医院候选点数据
小区入口.shp:各小区出入口数据
(2)具体要求如下:
①社区医院选址需满足所在小区容积率小于 3,请找到满足条件的小区,并确定满足该条件的社区医院候选点。容积率计算公式如下:
建筑容积率 =小区所有建筑物总面积/小区面积
每栋建筑面积=建筑物底面积*楼层数
②社区医院选址需满足到各小区入口的总距离成本最短,请从①得到的社区医院候选点中优选满足本条件的候选点。
③社区医院选址需保证该社区医院所在建筑冬至日 12 点必须有日照,假设冬至日 12 点时太阳高度角 H=44.3°,太阳方位角 A=180°,请分析②确定的候选点所在建筑是否满足本日照条件。
注:建筑物背光面的坡向为[0, A-90°]或[A+90°, 360°],建筑物背光面产生的建筑阴影若覆盖了建筑物平面质心,则认为该建筑不满足日照要求。
答题文档包括解题思路、解题过程和结果等内容,需附图说明。
开始答题:
第1题:
打开该州传统村落数据的属性表即可看见该州传统村落共有 “173” 个,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/31163fd1e850a9829cc8e95db613d677.jpeg)
打开【空间连接】工具 ,目标要素选择行政边界数据,连接要素选择传统村落数据,输出要素命名为 county_village1,连接操作选择“一对多连接”,因为每一个县都包含不止一个传统村落。匹配选项选择“完全包含”,这样就可以把传统村落数据与县行政区数据通过空间上的包含与被包含关系进行属性连接,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/621849522c9f85a30b4f8bae6f0c4cc0.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/0952846f909555f482c8a676a5e0d2ec.jpeg)
接下来使用【汇总统计数据】工具对各县的传统村落数目进行汇总统计,统计字段选择表示传统村落的字段(Village 字段),统计类型选择计数,案例分组字段选择表示县级行政区划的字段(NAME 字段),如下:
![](https://i-blog.csdnimg.cn/blog_migrate/9a65907a5f57473cb64678ef43b4fe53.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/f6ef9c6db1dba7d1fda56d2f0d41283d.jpeg)
由统计结果的属性表可以清楚地知道传统村落最多的县为“花垣县” 。
古建筑本应包含在传统村落中,因此首先把两者的属性表进行连接,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/25b3fbc8a2a585bb1ada2180ae5717da.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/e8f3058928397069509a346997853985.jpeg)
同理,需要把连接古建筑后的传统村落与县级行政区划进行空间连接,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/4c764c4c76555007a44ec8a0a777d882.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/4c103eba6e6110a1f7e9e96ab18a2cd8.jpeg)
同理,对连接结果属性表中的古建筑数量进行以县级行政区划分组的总和统计,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/a1a5c9cad0d94027b379e96a5349b646.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/3789c39ebdd6b297b010db0032b17180.jpeg)
由统计结果的属性表可以清楚地知道古建筑数量最多的县为“龙山县”。
定义投影如下:
![](https://i-blog.csdnimg.cn/blog_migrate/2e8b925e34c3217817553d20df4b151e.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/35bddc7f624502182f5ba980e1cb104d.jpeg)
欧氏距离参数设置:
![](https://i-blog.csdnimg.cn/blog_migrate/a5b7097aa866e1d34dafc2bd837a0753.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/803c31dfcd5da4be5335ad1500217b07.jpeg)
欧氏距离计算结果:
![](https://i-blog.csdnimg.cn/blog_migrate/7a6f56c93bd3bd7af87fbb3ad0a8d5d9.jpeg)
接下来对计算结果进行裁剪得到研究区内的数据,按掩膜提取参数设置如下:
![](https://i-blog.csdnimg.cn/blog_migrate/0e729011508d9928dfbe851c2553b938.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/b33fd2c6e8e2e1706b277732c093c561.jpeg)
然后打开裁剪结果数据的“属性” -> “源” -> “统计数据”查看平均值,可得到基于欧氏距离对该州传统村落点进行平均最近邻分析,所有村落的最近邻指数为 0.0625244317664817。
![](https://i-blog.csdnimg.cn/blog_migrate/ee724893412e3499262f51c1820e3605.jpeg)
使用【创建泰森多边形】工具进行创建该州传统村落点的泰森多边形,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/47503373542690a1b35ed6b5c36cf537.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/f6f7c8ffb5c55bb0a49905d31d7ae4aa.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6a8e4a85977a9f7993cd689ac7644e88.jpeg)
接下来汇总统计泰森多边形的面积标准差和平均值,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/b1142b83aee68c9ec2a950316a1ddb20.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/05598a12ee3980730ab62a159652bc0b.jpeg)
然后添加一个双精度的变异系数字段,并利用所给的公式计算出变异系数,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/ab14d4105d8c06cfe4a7cc25870849bb.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/bb6d78dfde7d899bd8b95fe804500777.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/8381656953ef014a9ddb08af152c8e69.jpeg)
变异系数计算结果为“2.007307” 。
接下来对古建筑的数量进行核密度分析,由于之前已经将古建筑数量信息连接到了传统村落数据的属性表中了,所以可以利用传统村落数据属性表中的古建筑数量字段对古建筑数量进行核密度分析,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/fb753857123dadbef5e7a14ee3cd0b35.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/1ec1c65c91ef20a72e27d69c21ed1355.jpeg)
核密度分析结果如下:
![](https://i-blog.csdnimg.cn/blog_migrate/37fe9a341d98bab892b20a6fe8fe8581.jpeg)
由于边缘部分有超出县级行政区划边界,因此需要对计算结果进行裁剪,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/a0a5616e6f18e06722eda204f329c3c6.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/bb6d24e11efc1f21c8972f0e4807d9f8.jpeg)
然后打开裁剪结果数据的“属性” -> “源” -> “统计数据”查看平均值,可得到州内古建筑平均核密度值为“0.459021946434591个/km2”。也可以得到州内古建筑平均核密度的最大值为“3.56568098068237个/km2”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/66ddd535ea35c9d3b5d3a312a3c3a945.jpeg)
然后利用【栅格计算器】工具计算出核密度等于最大值的像元,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/321ac1ce4bb1e0a408e84c5a27a99bf7.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/a80297be459cca879639a40ce4c13655.jpeg)
可以发现计算结果有背景值,需要利用【重分类】工具对背景值进行剔除,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/8cdf48d0982ee003fd9f01fc6bb5ecf4.jpeg)
然后选中重分类数据属性表中的那条记录,即可知道核密度平均值最大的县为“花垣县”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/3a8248b9c9205ada1528d167473cd092.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/23979faa1c38fb5bfca5342823a65d06.jpeg)
最后进行布局出图即可,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/f53750be993a8b88586eae84ce1a06ea.jpeg)
第2题:
在数据的“属性”中查看空间参考信息,可知数据的投影坐标系为“CGCS2000 3 Degree GK CM 111E”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/ea3369730f453696d481b49348d50f9e.jpeg)
各分区矢量化结果如下:
![](https://i-blog.csdnimg.cn/blog_migrate/0139517a14d3ef6ee5712024ae777b2c.jpeg)
接下来使用【要素转面】工具把线要素转为面要素,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/382fb918107387526b2a8900db2fd062.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/f8e2017f974b5518f544eb044a5f99b0.jpeg)
然后根据原始数据的分区标注选中分区P104,在属性表中即可查看该分区的面积为“442401993.254468平方米”,根据题目要求,填空题单位是平方千米,所以答案应是“442.401993254468平方千米”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/5169c662c4281aab3897ca9dd0d81259.jpeg)
为避免矢量化编辑中误操作导致公共边界不一致,需要采用“不能重叠(面)”和“不能有空隙(面)”拓扑规则进行拓扑检查。(或者“不能有伪节点”和“不能有悬挂点”,前面的是针对由线数据转换而来的面数据的拓扑规则,后面的是针对线数据的拓扑规则,具体填哪一个自己斟酌。)
第3题:
打开 22 年数据的属性表,把 COUNT 字段按照降序排列,即可清楚地知道像元数量最多的用地类型是“ VALUE = 2 ”对应的土地利用类型,而每一个像元的面积大小是确定的,因此像元数量的多少即表征了占地面积的大小,所以该地区 2022 年占地面积最大的土地利用类型是“林地”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/0e6c91fae62a897c71dcc9dd9b515666.jpeg)
查看栅格数据的像元大小可知像元大小是30米*30米的,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/226dc4b7951d0715a4e57291da3ad566.jpeg)
然后计算林地的面积为“1709069*30*30=1538162100平方米”,即为“1538.162100平方千米”。
因为涉及到栅格数据的运算,所以必须统一栅格像元大小,因此转换后数据像元大小应为“30米”,面转栅格及其结果如下:
![](https://i-blog.csdnimg.cn/blog_migrate/d7447d82b56104f14d595d93a35273dd.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/52a33789ffc43afbd8cc9c5795d8fff7.jpeg)
在栅格数据的“属性”中可查看到栅格数据的行数为“2667行”,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/806f52028bd13d8d31d01ebd2feed1cd.jpeg)
利用【栅格计算器】工具计算土地利用变化图谱,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/b7144517d17e01b54fdd443b1828205b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/94705e67ceb3273ff966c7bf620c76f3.jpeg)
然后打开计算结果的属性表可知共有28条记录,因此土地利用变化图谱值共有“28个” ,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/6ecf93cd7cd262fd8aad0ea755a43f71.jpeg)
建设用地代码为 5,所以 VALUE 值结尾是 5 的像元就是变为建设用地的像元,即为建设用地增加的像元。由于 VALUE 字段是长整型的字段,因此为了方便选择需要新建一个文本类型的字段,命名为C,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/74017284df4878dfccc9fc8890324ec2.jpeg)
然后为该字段赋值为 VALUE 值,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/8daf21a51fd2e4043e8b8fd9b632f6d2.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/2eabe718b0ede1e2272d32f317ce9d32.jpeg)
然后按属性选择出结尾是 5 的像元,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/9e7f530b299f2ed1613181df894b4b1f.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/31641d8e3678b727219ad12337c41d5b.jpeg)
然后对 COUNT 字段进行总和类型的汇总统计,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/c775ff22d1d40769dc8d91491c9604d7.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/946e3332fab4c7061297977833d6c2d3.jpeg)
即表明建设用地增加的像元数目为“109955个” ,而每一个像元的大小是“30米*30米”,由此即可计算出建设用地增加的面积是“109955*30*30=98959500平方米”,即为“98.959500平方千米”。
同理,耕地的代码是 1 ,建设用地的代码是 5 ,选择出 VALUE 值等于 15 的像元如下:
![](https://i-blog.csdnimg.cn/blog_migrate/eca5953d5ce7362ebd5f06cd5c851543.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/8b1afdae1d8026cb2dbb6aa452ed3b89.jpeg)
因此耕地变为建设用地的面积为“16261*30*30=14634900平方米”,即为“14.634900平方千米”。
最后设置符号系统以 C 字段唯一值显示即可布局出图,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/a410bd90963d833daf6a4a1a130b73ea.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6eedb377c8ab2f1fab840410a25b945c.jpeg)
第4题:
首先利用【要素转面】工具把线要素类型的建筑物数据转换为面要素类型的数据,因为线要素无法计算面积,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/3605aee90637eea99d4d9ef67be3ef95.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/313bdc17945de93bf6fe091f7c6d291d.jpeg)
发现转换后的数据属性表中没有编码和层数字段,现在新建这两个短整型的字段,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/e7b31776da9529a47d32f3322186d935.jpeg)
然后添加连接后计算这两个字段,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/544dc271ce75f826d66be83a3e1e4f80.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/4cf656af2d825cc760149048fecdea9b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/2a494c93e7de23a72f541cd6519d6730.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/c9c1198b787e30d87daec7c5d97ef6de.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/b56654bbaa3c354f5950b6c5db3d8b8e.jpeg)
然后新建一个字段用来存储每栋建筑的面积,并根据所给的公式计算出每栋建筑的面积,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/6f1b3175e63a01362adf7952ed3361ad.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/dafc15f88ba1ef04e0ceb0c8be7be832.jpeg)
然后利用【空间连接】工具把上述经过属性计算的建筑物面数据连接到小区面数据上,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/607e18ef0ef3b2ab41e943a5f0c3b91a.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/cc160b4c7c2f980c224d18848f417cbf.jpeg)
接下来,为了得到每一个小区的总建筑面积,需要对每栋建筑的面积以小区名分组进行总和类型的统计,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/f347157897f3294f172c3a6f28977794.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/f665b8084c77385f6def862731500a6d.jpeg)
然后,通过添加连接把统计结果与小区数据相关联,连接以后再新建一个双精度的字段用来存储建筑容积率,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/fafc7350bd649ff0a767bd9bf000bca8.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/8cfc71ff8629dbdcec4e34ea32bc3a66.jpeg)
然后根据所给的公式即可计算出建筑容积率字段,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/3ac07569bf6ecbaa62c13c08f9cd6571.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/ef1e5c5eff46f8fb264e85e1ef414d36.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/90157bf22871226aa649cee6727ed88f.jpeg)
然后按属性选择出建筑容积率小于3的小区,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/b7ac8dc99d8ea607b901df0200e0a9b3.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/9c033e566e097774ceb3a1bb671df401.jpeg)
然后保持选中状态打开【按位置选择】工具,输入要素选择医院点数据,关系选择“完全位于”或者“位于”,选择要素选择小区,筛选出位于建筑容积率小于 3 的小区内的医院作为候选医院,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/e149c047b6695c69a76eebc015e4accf.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/10611dd3ad97b53812b6592a5b3bf077.jpeg)
然后可以导出候选医院数据,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/f94778133f2f64dde3b627b38574de11.jpeg)
接下来,依次创建要素数据集、导入路网数据、创建网络数据集,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/86afc8aecaafa5048f9557fa49015792.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/59d3c66e6a6cb9c9bfb8d47208073f89.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/f31ddd00118377e10ff3e69e976b0975.jpeg)
然后,查看道路数据的长度字段名称,因为后面设置网络数据集的长度成本属性的时候需要知道路网数据的长度字段,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/18d7c5ce524ce4df64006298b7a32c11.jpeg)
然后,打开网络数据集的属性,发现其长度成本字段并不是道路数据的长度字段名称,因此需要修改,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/db1bed118b6465b6ead4a6c9343024b0.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/3626419c322758db94a1f8e310be980b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/0bd518789734fde877c278d3759212d8.jpeg)
现在,成本属性已经设置完毕,可以构建网络了,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/a0a32552a675ad35e21daf68116c03c0.jpeg)
接下来,基于上述构建的网络数据集创建网络分析图层,根据题目意思可以知道应该使用“最近设施点分析” 的网络分析方法,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/03202079197b044de27a9c2e43af8b90.jpeg)
然后,依次把候选医院作为设施点导入和把小区入口作为事件点导入,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/c18adc042b3a02c2e85294e7a1b1cd3a.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/21718e53ac60677116593ab84f49d291.jpeg)
无论是自己从小区出发去医院,还是医院派救护车先去小区再回到医院, 最终的方向都是从小区到医院,即从事件点到设施点,亦即方向是朝向设施点。因此需要将网络分析的出行方向设置为“朝向设施点”,这个对于网络分析的结果是会有较大影响的,可以多做几个网络分析题目自己尝试一下就知道了,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/a1db1c91898accf2abbdbc639e7bbff3.jpeg)
现在,可以运行网络分析图层了,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/061ef0d2de1793f69e5634709cd6f81d.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/2115cfdd5bc39a94822382f8998c5f39.jpeg)
然后,打开路径的属性表进行查看,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/91e5f0b25b9e5f5f544b9df1883df9b6.jpeg)
根据题目要求“社区医院选址需满足到各小区入口的总距离成本最短” ,由于目前有两个候选医院,因此现在需要对这两个医院的总成本距离进行汇总统计,从而得知哪一个候选医院才是总距离成本最小的。
从路径的属性表中可以知道 FacilityID 字段与候选医院的 ID 字段是相对应的,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/974c0d959bd37f88ff70c35b11424ab2.jpeg)
所以对成本距离进行汇总统计时应以 FacilityID 字段作为分组字段,也就是分别统计两个候选医院的总成本距离,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/51387538daa2b4788e7959ce93a48f65.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/7a4d596426997772346966804d45159b.jpeg)
由此可见,FacilityID 等于 1 的候选医院总成本距离才是最短的,也就是 ID 等于 1 的候选医院才是最终的候选医院,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/9f5635820b7138ec86568537dc567367.jpeg)
然后导出最终的候选医院数据,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/16c2eae14042657563baa864739d94a9.jpeg)
接下来进行日照分析,首先需要把面要素的建筑物根据高度字段转为栅格从而生成建筑物的 dem 数据,在这之前需要为面要素的建筑物数据添加一个短整型字段用来存储建筑物高度属性,并根据每一层房屋高度为 3 米和层数来计算高度字段,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/eed1d11d1a1de903f16a8e460fbc2a0b.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/004e67ffe1ba32da3129bd6b4539c998.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/0c13b23e79e6a336f867ee5943d8169b.jpeg)
然后根据高度属性进行要素转栅格,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/b89dc42bda93df82e270da46f6433bde.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/e654b7a5690794e9ae33a5ad61bf4294.jpeg)
这样就得到了建筑物的 dem 数据了,对于无数据的区域,必须将 NODATA 值改为 0 值,否则后面计算出来的阴影数据不完整, 打开【重分类】工具,仅仅把 NODATA 值改为 0 值,其他的值保持不变,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/51e978dcbc6eb5889da5e27d783305dd.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/6fca9bc82e0bc313b5377871ee396823.jpeg)
然后由上述得到的重分类后的建筑物 dem 数据利用【坡向】工具计算建筑物 dem 数据的坡向,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/4dfe3b7d81b003847c1de220bd9a1f6a.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/ac2649bfbb13108ef58d4e1ff814ab91.jpeg)
只有在建筑物的边缘位置坡向才会发生变化,房顶的坡向是平面,即不会发生坡向的变化,因此上面的结果只有建筑物轮廓处有数据,正确结果就应该是这样的。
然后根据题目可知“建筑物背光面的坡向为 [0, A-90°] 或 [A+90°, 360°]”,由此利用【栅格计算器】工具即可提取出建筑物背光面数据,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/be26f080d70867a9b76ef5fca6ddc6c8.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/e6d25e53670b5eaa93df6c6396cf0f1b.jpeg)
接下来需要得到建筑物背光面的 dem 数据,方法是利用【栅格计算器】工具把建筑物背光面数据与建筑物 dem 数据做相乘运算,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/1f4d87a076e8ad74f33b0800954f9d20.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/32dd3624d517e9b1a80886f8b89b25b8.jpeg)
然后利用【山体阴影】工具和上面得到的建筑物背光面 dem 数据计算出阴影区域,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/c906db6b8ffb572562e8b047e761b580.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/c4e34cc4286ce1a0462f87ae266b86cd.jpeg)
实际上只有值为零的区域是真正的阴影,接下来使用【栅格计算器】工具提取真正的阴影,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/1c9ce7d83f114c240013479dfe049a2a.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/142cda191f2d99235939a127ab6cfeda.jpeg)
然后使用【重分类】工具把背景值去除,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/02ef444feeb944880a7489f520cc5bb8.jpeg)
![](https://i-blog.csdnimg.cn/blog_migrate/67d9dc2295b95428b9fddb3a0f17f850.jpeg)
最后,叠加显示最终的候选医院和建筑物及其阴影数据,显然建筑物背光面产生的阴影覆盖了候选医院所在的建筑物平面质心,因此候选医院所在的建筑不满足日照条件,如下:
![](https://i-blog.csdnimg.cn/blog_migrate/7468f46521034394f7cb54d2d1a7064b.jpeg)
至此,湖南省第六届大学生测绘综合技能大赛 GIS 应用赛项试卷已经全部做完了,其中难免会出现一些不正确的地方,或者解法不是最优解,欢迎大家指正!