J_Giser的博客

提供了数期历史影像在线浏览服务，之前不少自媒体作者在文中宣称其能代表Google Earth历史影像。

POI数据具有样本量大、涵盖信息细致等优势，在大尺度的规划项目中，通过对该数据进行处理、分析，定量划分城市单一功能区和混合功能区，研究结果可以更好地理解城市空间结构，给城市规划提供借鉴及参考。：在系统变量栏中找到“Path”变量并点击“编辑”，并选择新窗口中的“编辑文本”。”即可完成环境配置。：之后我们需要在电脑属性中找到“高级系统设置”，并打开窗口中的“环境变量”按钮。在信息列表中可以看到所有静安区的便民商店POI的信息都在GIS中显示，我们可以按照以上方式根据自己的需求使用插件，大家快用起来吧！

2. 为方便ArcGIS识别，最好是东为0°，然后按逆时针的方向旋转，每个22.5°输入方向和数据，即：东北东为22.5°，东北为45°，东北北为67.5度，正北为90°，以此类推。前面说了哈，绘制风向玫瑰图的话，要有该地区多年平均的风向频率数据，绘制风速玫瑰图，要有该地区多年平均的风速数据，其实这些数据，都可以从专业的气象数据网站中获取，例如这个网站——要绘制风玫瑰图（风向玫瑰图，风速玫瑰图），一定要有风向、风向频率、风速数据，风向可以使八向或十六向，例如下表（十六向风向频率）——

（2）“编辑器”下拉菜单中选择【合并】，打开【合并】菜单栏，设置【选择将与其他要素合并的要素】为图中标识的地块B，点击【确定】，完成地块合并，此时的合并地块属性使用B地块的属性信息。选择“contest”要素数据集，右键选择【导入】【要素类（多个）】，【输入要素】选择“界址点B”、“界址线B”、“地类图斑B”，具体设置如图4.2.2所示，点击【确定】。（2）点击“编辑器”中的【编辑折点】工具，选择【编辑草图折点】，移动图中箭头所指处的折点，修改地块形状，使之沿林地边界，结果如图4.1.9所示。

8、在内容列表中右键“地块_Intersect_Statistics1”打开属性表，【添加字段】为“容积率”，右键打开【字段计算器】，计算容积率，字段计算器如图4.2.9所示，容积率结果如图4.2.10所示。1、为建筑物面添加投影：在【ArcToolbox】【数据管理工具】【投影与变换】【投影】设置与“地块”要素相同的投影坐标系，设置如图4.2.1所示。5、在内容列表中右键“地块”打开属性表，【添加字段】为“地块面积”，右键打开【计算几何】，计算地块面积，如图4.2.6所示。

2、统一设置投影坐标系，栅格数据使用【投影栅格】工具，矢量数据使用【投影】工具，查看济南市的精度大概为117°，选用的WGS1984的UTM投影坐标系为50N。4、表面分析（坡度、坡向分析），使用【坡度】、【坡向】工具以DEM为源数据进行表面分析。3、使用济南市的行政区划shp数据作为掩膜，使用【按掩膜提取】工具对数据进行裁剪。1、【新建】【文件地理数据库】result，并进行【地理处理】【环境设置】5、使用【重分类】工具，对各数据根据其条件进行重分类，提取区域值为1。

3、【乘】运算（下边建议使用搜索工具查找相关分析工具，当然也可用【栅格计算器】工具进行此操作，目的是在【转为整型】后保持数据精度）1、【3D Analyst工具】【转换】【由文件转出】【导入3D文件】（在此步骤之间，建议先建立一个用于储存过程文件的数据库）问题：将Sketchup中导出的su模型，导入arcgis并得到面shp文件，进而获取各建筑的高度、面积等信息。若两位，则乘100。2、【转换工具】【转为栅格】【多面体转栅格】4、【转为整型】（为下边的【栅格转面】做准备）7、计算字段，使用【字段计算器】

（1）选择等高线数据，右键点击【属性】，选择【标注】，勾选“标注此图层中的要素”前的复选框，同时设置【方法】为“定义要素类并且为每个类加不同的标注”，具体参数设置如图4.2.5所示。（3）选择该转换的矢量面数据，右键点击【打开属性表】，选择【按属性选择】，输入公式“gridcode>0”，具体设置如图4.1.10所示，选择结果如图4.1.11所示。（2）选择【ArcToolbox】【转换工具】【由栅格转出】【栅格转面】，将上述区域转为矢量面，具体设置如图4.1.8所示，转换结果如图4.1.9所示。

原因是相交就很难避免一些高的建筑与低的建筑在同一个圆中，而他的圆心又恰好在高的建筑上，自然就出现的SinA值为负的情况，而SVF为天空开阔度，要计算的自然是高于中心点的角，SinA应为非负，为减小影响，要进行归零处理。（1）将buildings及area进行备份，存为buildings2、area2，打开编辑器，【开始编辑】，选中所有建筑，【合并】。需要加载的数据包括buildings（带有高度信息的建筑数据），area（范围数据），用ArcMap进行添加。颜色越红，表示天空开阔度越差；

VCI指数来源于美国国家海洋和大气管理局（NOAA）卫星应用与研究中心（STAR）提供的全球和区域植被健康产品（VHP）数据集，该指数可以很好地反映植被生长状况与历史同期的比较，同时对干旱十分敏感，可减少或消除地理位置、生态系统和土壤条件对NDVI的影响，是大尺度干旱监测的理想指标，该指数越大代表植被生长越好。NOAA STAR提供的VCI指数空间分辨率分别有1km，4km和16km，本期推送将主要介绍空间分辨率为4km对应数据集的下载。目前已有大量全球植被数据产品，本期选取。：nc格式，tiff格式。

在Projection的Name中选择Albers，然后设置Standard_Parallel_1（第一标准纬线）为25，Standard_Parallel_2（第二标准纬线）为47，Central_Meridian（中央经线）为：105，Latitude_Of_Origin（起始原点）为：0，False_Easting（假东偏）和False_Northing（假北偏）也设置为0；北京54、西安80高斯克吕格投影是我国常用的投影坐标系统，它们是一种分带投影方式，有3°和6°分带，不适合大范围内的投影使用。

上面的例子中出现了【"" + [中类] + ""】这样的语句，这是ArcGIS在标注中的一种格式化标签，用来定义字符的格式，包括文字字体大小，颜色等等。在【方法】栏中选择【定义要素类并且为每个类加不同的标注】，点击【SQL查询】，在弹出的框中输入SQL筛选语句，这里以【面积>10000平方米】为例，只标注面积大于10000平方米的要素，面积小于10000平方米的就不标注。这里表达式中的几个参数可以自己慢慢调整。

较小的带宽意味着只有非常近的邻域对该样本点的影响较大，而较大的带宽则意味着更远的邻域也会对该样本点的影响产生较大的作用。泊松回归的结果表明每个预测变量对于事件发生次数的影响程度，系数的正负号表示预测变量与事件发生次数之间的正向或负向关系，而系数的大小表示了其影响的强弱。其中，λi 表示地点i的事件发生率，xi 是地点i的空间坐标，β0(xi)、β1(xi)、β2(xi)、...、βn(xi) 是对应地点i的回归系数，x1, x2, ..., xn 是自变量。地理加权泊松回归结合了GWR和泊松回归的优势。

如果有研究区域及周边一些站点的数据，就根据经纬度加载进来点数据，然后投影，筛选一下异常值，百度看的，比如我们收集的20-20点也就是一天的降水量数据，如果有32766或者32700这样的值改为0值就可以了，32766为无观测值，32700为降雨量是微量，可以忽略的那种。关于水资源总量、用水总量控制目标这些数据，可以通过当地的水资源公报、水资源综合规划、最严格水资源管理制度考核办法的通知之类的文件找一下，平日自己去找这种数据我估计够呛找得到，但学了就是为了实际应用，现在没有做项目时问甲方要就是了。

数据：地理空间数据云(http://www.gscloud.cn/)下一张北京地区DEM(30m)，统一用这一张来做。

【Compute Statistics】工具统计一下NDVI值，DN值便是NDVI，Acc Pct是累积百分比，通过累计百分比确定一个置信区间，看论文一般是2%-90%，这里分别取累计百分比在5%和95%时的DN值作为最小值和最大值（在表里找最接近5%和95%的，就不截图了，找到后对应的DN值分别是-0.429825，0.656616）。当b1小于NDVIsoil（置信度区间内的最小值），就认为没有植被覆盖，赋给0，当b1大于NDVIveg（置信度区间内的最大值），认为完全被植被覆盖了，赋给1。

ASCII和GeoTIFF数据的原始分辨率为30弧秒和四个较低的分辨率：2.5弧分，15弧分，30弧分和1度，数据存储在WGS84地理坐标系中。选择这样，而不像是map里直接切换，也可以用「导入布局」，里面有既定的模板样式（就在下图标红的右下角看见没），那到这基本上就已经完成了，接下来就是添加标题、指北针、比例尺、图例这些地图要素了。把人口密度栅格数据按照图中的中断值分类为10类（不一定非是这个中断值，不同分级表现不一样），配色方案随便挑自己觉着好看的，有很多。全球的，投影，分级色彩。

【值提取至点】渔网点与渔网格创建出来后，需要将核密度的值赋到渔网格上，但直接赋至渔网格是赋不上的，所以需要用【值提取至点】，将核密度值提取至创建出来的渔网点上。对连接有值的渔网格在符号系统进行可视化，初步结果如下图，核密度分析的值便到了我们创建的渔网格上，以网格的形式表现了出来。【创建渔网】范围与上一步创建的“渔网区域”相同，创建标注点也勾上，需要点。空间连接，将点的值连接到蜂窝图（11）上。整体步骤是先对数据做核密度分析，用渔网工具创建渔网格与点，然后将核密度的值赋至渔网格上，最后进行一系列可视化表达。

对应的，如果P值＜0.01，且Z得分

对产业规划而言，与生态同行，构建绿色产业体系，是推动地区高质量发展的根本要求。依据国际地理学联合会地貌调查与地貌制图委员会关于地貌详图应用的坡地分类来划分坡度等级，规定：0°-0.5°为平原，0.5°-2°为微斜坡，2°-5°为缓斜坡，5°-15°为斜坡，15°-35°为陡坡，35°-55°为峭坡，55°-90°为垂直壁。矿产资源方面，现发现的有铁、钨、煤、金、萤石、石膏、岩盐、硅石、瓷土、高岭土、耐火粘土、饰面用石料、水泥用灰岩、卤水、矿泉水、地热水等，累计达55种，占全省已发现矿种数的33%。

本文中将待融合数据分为两部分后，单个属性表信息行数也达200万+ 所以在之前的融合（属性表信息行数达400万+）中，出现拓扑无效，超出最大容错的错误。将处理的融合对象分解为较小的部分后、再融合，此问题得以解决。记录一下我的失败经验（曾经困扰我很久）： 在Arcgis中，按某属性字段融合要素时，Arcgis报出以下错误： 后来才发现，这是由于融合对象的属性信息量大、电脑处理内存不足，以及个别要素需要事先修复几何。在清理内存、修复几何后仍失败的情况下，可将待融合的要素，分块融合。综上，解决了我遭遇的融合问题。

在参数设置对话框，首先选择上一步裁剪得到的玉溪山火地区10米4波段数据，之后选择哨兵2号20米6波段数据，其他参数按照默认，设置输出路径和文件名，点击确定按钮。（1）在工具箱列表中，双击/变化检测/直接变化检测工作流，打开文件选择对话框，分别为前一时相图像选择S2B_MSIL2A_20230411_玉溪_短波红外波段组合.dat和后一时相图像选择S2B_MSIL2A_20230421_玉溪_短波红外波段组合.dat。在ENVI上方工具栏，选择ROI感兴趣工具，图形选择矩形，分别绘制火灾区域矩形范围。

在上一篇中讲述了如何构建网络分析数据集，本篇将讲解如何发布网络分析服务。本文将使用上一篇中建立的网络数据集，下载地址在上一篇博文的最后已给出。之前我们已经实现了基于ArcMap中的网络分析，但是仅仅支持本地是万万不够的，这里我们的目的就是将我们建好的网络分析图层发布，以供我们无论在在合适何地都能进行网络分析功能，需要说明的是，基于Web的网络分析目前还不支持OD成本矩阵分析，多路径配送，位置分配分析。这里目前只支持最短路径分析，最近设施点分析，和服务区分析。发布网络分析服务的过程很简单。

说明：1. 本文主要用于演示网络分析服务的搭建过程。所以在此不会深入讨论网络分析服务的每一个细节，本文的目的就是让初学者学会使用网络分析服务进行基本的分析(主要针对后续的WEB开发)：路径分析，最近设施点分析，以及服务区分析。2.关于OD成本矩阵分析，多路径配送，位置分配分析不会在本文中讨论(注：REST GIS服务不支持OD成本矩阵分析，多路径配送，位置分配,只能在ArcMap中进行分析)。3.本文部分内容参考了ArcGIS帮助文档，想详细了解GIS网络分析可查阅官方帮助文档，并在此强烈推荐。

arcgis开发常用源码1.点上生成面的代码if (m_pFeatureLayer.FeatureClass.ShapeType == esriGeometryType.esriGeometryPolygon) { IPointCollection m_pPointCollection = new PolygonClass(); object missing = Type.Missing; int icount = newFeature.XLIST.Count; if (icount < 3) return

也可以使用Stack Profile工具，该工具可以 创建一个表格和可选图表，表示一个或多个多面体，栅格，TIN或地形曲面上的线要素轮廓。使用 Interpolate Shape工具，输入dem数据和线要素，输出的线数据是3D line。2 使用 Interpolate Shape 工具（适用于批量）然后，直接使用3D analyst中的剖面图工具生成剖面。1 使用 3D Analyst工具。

【代码】ArcGIS 一级文件夹下的所有GDB中的所有要素类重命名。

为了获取每各省级行政区（面要素）在空间上与周围空间邻接的要素。使用空间连接工具，“目标要素”和“连接要素”为同一个要素类。在新添加的属性字段上，单击鼠标右键，选择“添加输入字段”。点击“+”按钮，弹出输出字段属性窗口，设置如下，添加输入字段为 连接要素的 Name字段。执行空间连接工具，得到结果。分隔符：, (英文逗号)输出字段名：空间邻接。

从ArcGIS10起，空间数据库增加了"的功能，可灵活管理与要素相关的附加信息，可以是图像、PDF、文本文档或任意其他文件类型。例如，如果用某个要素表示建筑物，则可以使用附件来添加多张从不同角度拍摄的建筑物照片。

选择热点和冷点趋势主题后，则生成一个新的二维面，其中的属性表包含的字段比新兴时空热点分析结果要少，重要字段为TREND_ZSCORE、TREND_PVALUE、TREND_BIN，仍然表示基于Z得分的趋势分析得到的内容，这与新兴时空热点分析结果中对应的字段内容是完全相同的。（2）在热点分析基础上，按照条柱时间序列执行聚类（值为Z得分）的趋势分析，也使用Mann-Kendall 统计方法，趋势分析的结果为聚类趋势 z 得分、p 值和每个位置的分组类别。在3D视图中，可以查看条柱的冷热点信息，但是不显示趋势。

其生成的立方体的时间间隔与多维栅格图层的时间间隔相同。2D 模式下，用于显示时空立方体工具中的输入参数必须是上述三种创建时空立方体工具中生成的NetCDF文件，或者是上述NetCDF文件做过时空模式挖掘分析后的结果（做完分析的结果以主题的方式保存在原NetCDF文件或者以主题的方式存储在新的NetCDF文件）。通过已定义位置构建的时空立方体，其条柱的形状跟输入要素的形状一致，如果输入是气象点，则生成的立方体为渔网形状的条柱，但与之前聚合点创建的时空立方体紧密相连不同，只在气象点的位置上有立方体，。

在香港10000+的餐饮数据中，选择关键词为“茶餐厅”的数据——当你面对海量数据，希望按关键词提取出需要的内容的时候，还有很多高级又高效的技术，你真的值得拥有！当你要将一个字段拆分为多个字段的时候，当你要按照位数来提取字段内容的时候，它可不只是单纯的输入内容那么简单，当你要为现有字段补充新内容的时候，属性表的编辑，你绝对会经常用到，当你要修改一个字段的一部分内容，当你要提取一个字段的一部分内容，

数据表中也要有个字段来表示，如果没表示，就按照点的排序顺序来连线，本例就用“连线序号”这个字段表示的，意思就是按照“连线序号”里记录的顺序来连线——上表中的X和Y就是每个点的坐标值，大家一定要搞清楚——这些坐标，用的是什么坐标系！，数据表中要有个字段来表示，本例就用“地块”这个字段表示的，数字1表示同一个地块，数字3表示同一个地块；无论你拿到的数据是什么格式、什么排版、什么样子的，最后，都要整理成统一的样式（以下图数据为例）——一般情况下，对方也会说明用的是啥坐标系，本例用的就是这个——

横向图例的雏形是有了，但是还不够严谨和美观，所以，最后一步，我们最好转为手动，也就是右击图例，然后点击“转换为图形”，然后不断的取消分组，这样，我们就可以自由的按我们的需要手动调整图例啦——4. 在属性的另外几个选项卡里面，大家自行设置就可以了，然后再回到图例属性的对话框中，最好勾选下“仅显示当前地图范围内可见的类”，然后其他的大家可以根据实际需要设置，这里就不赘述了——3. 在属性的“条块”选项卡中，设置文字角度（这个大家根据自己需要设置就好），我这里就设置为0度，意思就是让文字水平放置——

在 ArcMap 或 ArcGIS Pro 中通过使用字段计算器，给字段赋随机值。通过字段计算器内置的 VB、Python 方法可以构建实现各种各样的赋值操作，下面我们来看看通过使用内置的 Python 函数块来实现随机赋值。（也可以制作成工具箱哦，更加方便）

玫瑰图上所表示风的吹向，是指从外部吹向地区中心的方向，各方向上按统计数值画出的线段，表示此方向风频率的大小，线段越长表示该风向出现的次数越多。风向玫瑰图（简称风玫瑰图）也叫风向频率玫瑰图，它是根据某一地区多年平均统计的各个风向的百分数值，并按一定比例绘制，一般多用8个或16个罗盘方位表示，由于形状酷似玫瑰花朵而得名。（2）、16个方向的风向频率的数据，本次以下图数据为例，为了更好凸现各个方向值的变化，这里将风向频率值减去最小（采用一种归一化的思想）值5得到我们的绘画值，及下面提到长度，

在香港10000+的餐饮数据中，选择关键词为“茶餐厅”的数据——当你面对海量数据，希望按关键词提取出需要的内容的时候，还有很多高级又高效的技术，你真的值得拥有！当你要将一个字段拆分为多个字段的时候，当你要按照位数来提取字段内容的时候，它可不只是单纯的输入内容那么简单，当你要为现有字段补充新内容的时候，属性表的编辑，你绝对会经常用到，当你要修改一个字段的一部分内容，当你要提取一个字段的一部分内容，

如果你在绘图时，不小心移动了不该移动的图斑，又无法“Ctrl+Z”，这个时候，你想靠手动移动还原回去，那基本是不可能的，所以，你可是试试这个方法——其实，强大的ArcGIS有很多高效的图斑编辑技巧，掌握这些技巧，无论是绘制图斑、还是修改图斑，还是图纸矢量化，绝对让你事半功倍！如果你需要用现有的线（面）边界来分割图斑，例如，用路网分割地块，别犹豫，直接用编辑器的“分割面”工具，一下搞定！如果你的线要素需要快速转为地块，或者线状路网需要转为面状路网，别慌，直接封线，用编辑器的“构造面”即可实现。

路网数据是进行网络分析的基础，它是建立网络数据集的数据来源。本文我们以OSM路网数据为例，详细介绍OSM路网数据从下载，到数据处理，添加属性，完成符合网络分析的网络数据集的全部过程。

(这里解释一下为什么不全部删除，因为地址转经纬度是需要县市区的，比如"解放路"，全国这个路有很多，所以我们尽量在上面加上省市区)所以在进行这种poi点的获取，我建议使用爬虫在购房网站上进行爬取，然后转地址为经纬度坐标，这里在房天下获取 https://linfen.newhouse.fang.com/house/s/但是我们有些时候获取的poi常常不是一两个关键字可以找到的，如房地产楼盘，以前的大部分是小区，如今却各种华府名苑，这些毫无疑问的干扰了我们的搜索结果和加大了我们搜索难度。