J_Giser的博客

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！

城市定量分析学习资料大数据 gis 空间句法 Python。

【代码】Python读取NCEP全球风场数据绘制相关性分析图并进行显著性检验打点。

为了能够对两种截然不同的无效值进行剔除，我们选择利用Spatial Analyst Tools中的Raster Calculator工具来实现我们的需求，栅格计算工具中的Con函数，可以让我们写一个条件语句，对DOM做出判断，当三个波段在同一个位置的像元值都等于0或255的，我们将此像元的值舍弃，否则设置为1，待计算完成后，像元值为1的便是DOM数据的有效范围。通过图中显示的范围，可以很明显的看到左边多出来的那一块区域，仔细排查了一遍，辉仔发现原始数据实际上是下面这样的。Arcpy批量计算影像的有效范围。

通过上述算法，即可对一个窗口内的遥感数据进行滤波，基于上述思路，对整个遥感图像进行遍历，以窗口的中心像元为基准，取到N个相同大小的窗口(窗口大小会随应用场景的变化而变化)，对其中的每一个窗口中心像元进行滤波，以下，为滤波过程的核心代码，其中，self.w_1是人为设置的窗口大小，height和width分别表示遥感数据的行数和列数，result表示滤波后的新数据。在滤波完成后，我们还需要将滤波后的结果保存为TIFF文件。那么，在进行滤波代码的实现以前，让我们一起来看一下滤波的实现原理吧！

在获取到数据的数组后，即可对数据进行计算，然而，在大尺度空间范围下，数据计算过程中所占用的运行内存是非常多的，在数据量较大的情况下，会发生内存溢出的情况，针对于此类情况，Numpy的Array数组有一个特性，即可对Array数组进行分块处理，也可理解为切片处理，而在对Array数组进行分块处理时，可选择规则型分块，即根据数组的行数和列数，将数组分成大小相同的矩形，对其进行处理，也可利用条件表达式，对Array数组进行过滤，对过滤后的数组进行处理。以下内容为此次代码的部分内容(不包含可燃物载量算法)。

(2n+1)的矩形区域，接下来，只需要判断这个区域的中心点是否是这个区域中的最大值，最大值在这个区域内是否唯一就可以了，如果这个区域的中心点的值大于这个区域内的其他值，并且当前区域的最大值具有唯一性，那么我们便可以认为这个区域的中心点就是我们所要提取的山顶点。首先，第一步，还是从需求分析开始，根据题意，我们知道需要从DEM数据中提取出山顶点，那么，需要我们对山顶点的概念有一定了解，而山顶点，也可以理解为是局部区域的最高点，因此，我们只需要提取局部区域最高点即可。以下，为此思路的核心代码。

先进入需求分析阶段，在进行计算之前，我们照常需要对栅格数据中的各数据进行读取，其中主要包含：栅格数据的数组、行数、列数、NoDATA，而在计算的时候，我们还需要创建出一个与原数据相同大小的数组，来存放我们计算出来的结果，在最后将结果保存为栅格数据时，还需要获取到原数据的起始坐标位置(左下角)以及原图像的像元大小。在计算几何学科中的重要地位，由于其根据点集划分的区域到点的距离最近的特点，其在地理学、气象学、结晶学、航天、核物理学、机器人等领域具有广泛的应用。②泰森多边形内的点到相应离散点的距离最近；

3.取每四个像元的平均值的时候，因为我们对整个数组并不了解，如果输入进来的数据的行数和列数大于4的时候，我们就需要使用迭代的方式对整个数组进行遍历，而这种迭代的方式需要先获取到栅格数据的行数和列数才能进行(栅格数据的行数和列数也代表了数组的行数和列数)，因此我们需要在迭代开始之前取得数据的行数和列数。将原图像的4个像元合并为一个像元，即取2*2窗口的四个像元，取其平均值作为输出图像的像素，输出图像坐标应与原图像相同，输出像元大小应为原图像两倍。以下为我们需要在原图像中提取到的信息。