【ArcGIS|空间分析】选址分析（为学校选址）

派生数据>重分类>加权叠加>选择最适宜区域>转为矢量确定道路和面积确定最终位置

参考数据：ArcGIS自带练习数据
参考文献：ArcGIS帮助文档

1、数据

1、landuse（土地利用栅格数据）
2、elevation（高程栅格数据）
3、rec_sites（距娱乐场所点矢量数据）
4、 schools（学校点矢量数据）
5、road（道路线矢量数据）

2、分析思路

1、将源数据派生出坡度、距娱乐场所的距离以及距现有学校的距离。
2、按照相同级别（从 1 到 10）对这些派生数据集重分类。
3、据影响百分比对派生数据集和 landuse 数据集赋予权重，合并这些数据集以生成一个显示新学校适宜位置的地图。
4、从可选位置中根据面积因素选择新学校的最佳位置。
5、将最佳位置栅格数据转换成面数据与道路数据进行相交和筛选面积。

3、步骤

• 分析前先进行环境设置，包括工作空间、处理范围和像元大小
  https://blog.csdn.net/qq_40628258/article/details/84141419
  -参考其他步骤
  https://blog.csdn.net/qq_40628258/article/details/83010362

3.1 派生数据

1、 从 elevation 派生坡度
工具：坡度
参数： Z 因子输入 0.3048 以将 Z 值转换为与 x,y 单位相同的测量单位（从英尺转换为米）
2、派生距娱乐休闲场所的距离
工具：欧氏距离
参数：环境已设置像元大小
3、派生距娱乐休闲场所的距离
【工具】：欧氏距离
【参数】：环境已设置像元大小

3.2 对数据集进行重分类

• 将各派生数据集重分类为统一的度量级，为每个范围指定一个介于 1 到 10 之间的离散整型值。
• 各数据集中较适宜建立学校的属性将被分配较高的值。

【工具】：重分类
【参数】：按相等间隔分为10类，越适宜的区域赋予越高值
1、重分类坡度
2、重分类到娱乐休闲场所的距离
3、重分类到学校的距离

3.3 为数据集设置权重和合并数据集

• 用于表示坡度、到娱乐休闲场所的距离和到学校距离的重分类数据集的所有值已使用统一的度量级进行了重分类（较适合的像元具有较高的值）。
• 土地利用数据集仍为原始格式，可以将此数据集的像元值作为加权叠加过程的一部分进行加权。
• 表示水域和湿地的区域的值将受限。
• 如果所有数据集同等重要，则只需合并这些数据集，并赋予各数据集相同大小的影响即可。

【工具】：加权叠加
【参数】：

（1）将评估级别范围设置为从 1 至 10（以 1 为增量）
（2）限制重分类的坡度中 1 至 3 范围内的值。

这些值表示 33.431043 到 47.758633（最大坡度）的坡度。一般情况下，不会在坡度大于大约 33% 的位置处建造学校，即使其他所有条件都很理想。

（3）土地利用中水域和湿地的级别值设置为“Restricted”。
（4）landuse图层中按如下设置级别值。

（5）按如下设置影响%

1、设置加权叠加操作
2、执行加权叠加操作

3.4 选择最佳位置

• 目前已经确定只有适宜性值为 9（suit_areas 输出的最高值）的位置才被视为最佳地点。
• 在条件表达式中，值为 9 的所有区域都将保留其原始值 (9)。值小于 9 的区域将被更改为 NoData。

1、使用条件函数工具提取最佳位置
【工具】：条件函数
【参数】：

• 将输入条件为假时所取的栅格数据或常量值参数留空会应用默认值。默认情况下，如果输入条件栅格数据中的任何值都不满足输入的条件，则在输出栅格中将为其分配 NoData。

2、使用“众数滤波”工具提炼最佳区域
【工具】：众数滤波（Spatial Analyst >栅格综合）
【参数】：

• 要使用的相邻点数： EIGHT
  此选项指定了在滤波器核中使用的相邻像元的数。过滤器内核将是距当前像元最近的八个相邻像元（3 × 3 像元窗口）。
• 替换阈值： MAJORITY
  将 MAJORITY 用作替换阈值表示八个连接像元中的五个必须具有相同值才能保留当前像元的值。

3.5 确定最终位置

1、执行“栅格转面”工具

• 将“过滤后的最佳区域”栅格转换为地理数据库中的要素类，以便可以使用生成的面积字段。

2、执行“按位置选择”工具

• 使用按位置选择图层工具来选择与道路相交的要素。

3、执行“按属性选择图层”工具

• 使用按属性选择图层来基于面积从可选位置中确定最佳位置。

4、执行“复制要素”工具