柵格數據的空間分析方法

關于柵格數據的空間分析方法第1頁，共82頁，2022年，5月20日，1點35分，星期五2柵格數據是GIS的重要數據模型之一，基于柵格數據的空間分析方法是空間分析算法的重要內容之一。柵格數據由于其自身數據結構的特點，在數據處理與分析中通常使用線性代數的二維數字矩陣分析法作為數據分析的數學基礎。柵格數據的空間分析方法的特點：自動分析處理較為簡單分析處理模式化很強第2頁，共82頁，2022年，5月20日，1點35分，星期五3

柵格數據的分析處理方法：聚類聚合分析多層面復合疊置分析窗口分析追蹤分析第3頁，共82頁，2022年，5月20日，1點35分，星期五4GIS的旗艦產品ArcGIS提供了一套功能齊全的柵格數據的空間分析工具，包括：密度制圖分析(Density)、距離制圖分析(Distance)、柵格插值分析(InterpolatetoRaster)、柵格數據的統計分析(Statistics)、重分類分析(Reclassify)、表面分析(SurfaceAnalysis)第4頁，共82頁，2022年，5月20日，1點35分，星期五5柵格數據集的組成一個柵格數據集（就象一幅地圖），描述了某區(qū)域的位置和特征。單個柵格數據集只能代表單一專題，如土地利用、土壤、道路、河流或高程，必須創(chuàng)建多個柵格數據集來完整描述一個區(qū)域。柵格數據集的組成4.1柵格數據第5頁，共82頁，2022年，5月20日，1點35分，星期五6柵格數據集由單元組成。每個單元(像元)是代表某個區(qū)域特定部分的方塊。柵格中的所有單元都是同樣大小的。柵格數據集中的單元大小可以是需要的任何值，但必須保證其足夠小，以便能完成最細致的分析。

—個單元可代表一平方公里、一平方米，甚至一平方厘米。單元(Cell)第6頁，共82頁，2022年，5月20日，1點35分，星期五7行(Rows)與列(Columns)柵格單元按行列擺放，組成了一個笛卡爾矩陣。矩陣的行平行于笛卡爾平面的x軸，列平行于y軸。每個單元有唯一的行列地址。研究區(qū)的所有位置被此矩陣覆蓋。第7頁，共82頁，2022年，5月20日，1點35分，星期五8值(Value)每個單元被分配一個指定值，以描述單元歸屬的類別、種類或組，或柵格所描述現象的大小或數量。值代表的要素包括土壤類型、土壤質地、土地利用類型、道路類別和居住類型等。值可以表示連續(xù)表面上單元的大小、距離或單元之間的關系。高程、坡度、坡向、飛機場噪聲污染和沼澤地PH濃度都是連續(xù)表面的實例。如用柵格表示圖像或照片，值代表顏色或光譜反射值。第8頁，共82頁，2022年，5月20日，1點35分，星期五9空值(Nodata)

如果某單元被賦予空值，那么該單元所在位置沒有特征信息或者是信息不足。

空值有時也被稱為null值，在所有操作符和函數中，對其處理方式是有別于其它值的。第9頁，共82頁，2022年，5月20日，1點35分，星期五10被賦予空值的單元有兩種處理方式：如果在一個操作符或局域函數、鄰域函數中的鄰域或分區(qū)函數的分類區(qū)中的輸入柵格的任何位置上存在空值，則為輸出單元位置分配空值。忽略空值單元并用所有有效值完成計算。第10頁，共82頁，2022年，5月20日，1點35分，星期五11兩個或多個具有相同值的單元屬于同一分類區(qū)。柵格數據的每個單元都歸屬某個分類區(qū)。分類區(qū)(Zones)第11頁，共82頁，2022年，5月20日，1點35分，星期五12分類區(qū)(Zones)由連續(xù)單元組成的分類區(qū)通常表示某區(qū)域的單元要素，如一個建筑物、一個湖泊、一條道路或一條電力線。實體的集合，如某州的森林林段、某縣的土壤類型或城鎮(zhèn)的家庭住宅等數據，可能用許多離散的組(組是由連續(xù)的單元構成)構成的分類區(qū)來表達。分類區(qū)可以由連續(xù)、不連續(xù)或同時由以上兩種單元組成。第12頁，共82頁，2022年，5月20日，1點35分，星期五13關聯表整型、類別數據類型的柵格數據集通常有一個關聯的屬性表。第一項是值(Value)，存儲柵格每個分類區(qū)所分配的值第二項是計數(Count)，存儲數據集中屬于每個分類區(qū)的單元總數。第13頁，共82頁，2022年，5月20日，1點35分，星期五14表中可插入可選項表示分類區(qū)的其它屬性。第14頁，共82頁，2022年，5月20日，1點35分，星期五15坐標空間和柵格數據集坐標空間定義了柵格數據集中位置間的空間關系。所有柵格數據集都位于某個坐標空間內。坐標空間可以是真實世界坐標系統或圖像空間。第15頁，共82頁，2022年，5月20日，1點35分，星期五16由于幾乎所有的柵格數據集都表示真實世界的某個場所，因此最好在柵格數據集中應用最能代表真實世界的真實坐標系統。將一個柵格數據集的非真實世界坐標系統(圖像空間)轉變?yōu)檎鎸嵤澜缱鴺讼到y的過程稱為地理配準。第16頁，共82頁，2022年，5月20日，1點35分，星期五17在地圖坐標中單元以(x,y)位置的方式來訪問，而不用行列位置來訪問。屬于真實世界坐標空間的柵格數據集的x，y笛卡爾坐標系統依照地圖投影來定義。對于柵格數據集，單元的方位由坐標系統的x和y軸決定。單元邊界平行于x軸和y軸，所有單元在地圖坐標上都是正方形。第17頁，共82頁，2022年，5月20日，1點35分，星期五18

校正柵格數據集到地圖坐標或轉變柵格數據集從一個投影到另一個投影的過程被稱為幾何變換。第18頁，共82頁，2022年，5月20日，1點35分，星期五19在柵格數據集上表示要素點數據點要素是在指定精度下能夠標識的沒有面積的對象。雖然在某些精度下一口井、一根電話桿、或一株瀕危植物的位置都可被認為是點要素，但在其它精度下它們是有面積的。例如，一根電話桿從兩公里高的飛機上看僅僅足一個點，但從25米高的飛機上看將是一個圓。第19頁，共82頁，2022年，5月20日，1點35分，星期五20點要素用柵格的最小基元——單元來表示。單元是有面積大小的，單元越小則面積越小，越接近所代表的點要素。帶面積的點的精度為加減半個單元大小。這是用基于單元的系統來工作必須付出的代價。點特征的柵格數據表示第20頁，共82頁，2022年，5月20日，1點35分，星期五21線數據線數據是在某種精度下所有那些僅以多段線形式出現的要素，如道路、河流或電力線。線是沒有面積的。在柵格數據中，線可用一串連接的單元表示。類似點數據，其表示精度將隨著數據的尺度和柵格數據集的精度的改變而改變。線特征的柵格數據表示第21頁，共82頁，2022年，5月20日，1點35分，星期五22多邊形數據表示多邊形或面數據的最好方式是能夠最佳描繪多邊形形狀的一系列連接單元。多邊形要素包括建筑物、池塘、土壤、森林、沼澤和田野等。多邊形特征的柵格數據表示第22頁，共82頁，2022年，5月20日，1點35分，星期五23多邊形數據

用一系列方塊單元表示多邊形的平滑邊界的問題“鋸齒”：將產生類似樓梯一樣的效果。表示精度依賴于數據的尺度和單元的大小。單元精度越高，表示小區(qū)域的單元數量越多，表示越精確。多邊形特征的柵格數據表示第23頁，共82頁，2022年，5月20日，1點35分，星期五244.2柵格數據的聚類、聚合分析柵格數據的聚類、聚合分析是指將柵格數據系統經某種變換而得到具有新含義的柵格數據系統的數據處理過程。對單一層面的柵格數據進行處理對多個層面的柵格數據進行處理基于單一層面的柵格數據聚類、聚合分析方法也稱為柵格數據的單層面派生處理法。

第24頁，共82頁，2022年，5月20日，1點35分，星期五25聚類分析柵格數據的聚類分析是根據設定的聚類條件對原有數據系統進行有選擇的信息提取而建立新的柵格數據系統的方法。單一層面的柵格數據聚類分析多個層面的柵格數據聚類分析

第25頁，共82頁，2022年，5月20日，1點35分，星期五26單一層面的柵格數據聚類分析是指根據設定的某種聚類條件對單一層面的柵格數據進行有選擇的信息提取，從而建立新的柵格數據系統的方法。單一層面的柵格數據聚類分析一個柵格數據系統1,2,3,4為四種類型要素提取要素“2”的聚類結果第26頁，共82頁，2022年，5月20日，1點35分，星期五27實際應用中，常常對多層面柵格數據構成的柵格數據集進行聚類分析，每個柵格圖層代表某個專題：土地利用、土壤、道路、河流或高程，或者是遙感圖像的某波段的光譜值。柵格圖層的每個柵格單元對應多個屬性值。多層面的柵格數據聚類分析第27頁，共82頁，2022年，5月20日，1點35分，星期五28以K均值聚類算法為例，說明多層面柵格數據的聚類分析方法。設柵格數據集X={x1,x2,…,xn}Rs為s維的特征矢量，s表示柵格數據的層數，n表示每層的柵格單元數。xi=(xi1,xi2,…,xis)為柵格單元xi的特征矢量或模式矢量，表示柵格單元i的s個柵格層面的屬性值。將柵格數據聚成k類，步驟如下：第一步：選取聚類中心適當地選取k個類的初始中心Z1(1),Z2(1),…,Zk(1)。第28頁，共82頁，2022年，5月20日，1點35分，星期五29第二步：計算柵格單元到聚類中心的距離在第m次迭代中，對任一柵格單元X，計算其到每個聚類中心的距離，距離計算采用歐式距離法。柵格單元i到第j個聚類中心的距離計算公式：對于所有的i≠j，i=1,2,…,k，如果||X-Zj(m)||<||X-Zi(m)||，則X∈Sj(m)，其中Sj(m)是以Zj(m)為中心的類。第29頁，共82頁，2022年，5月20日，1點35分，星期五30第三步：由第二步結果計算新的聚類中心由第二步得到Sj(m)類新的中心Zj(m+1），Nj為Sj(m)類中的樣本數Zj(m+1)是按照使J最小的原則(最小平方誤差準則)確定的。J的表達式為：第四步：迭代條件

對于所有的i=1,2,…,k，如果Zj(m+1)=Zj(m)

，或者二者的差值小于一個很小的閾值，則迭代結束，否則跳轉到第二步繼續(xù)迭代。

第30頁，共82頁，2022年，5月20日，1點35分，星期五31將該地區(qū)的6個層面的柵格數據聚類成長江、湖泊、建筑用地、其它四種類型。多層面的柵格數據聚類分析武漢局部地區(qū)TM影像的1,2,3,4,5,7共6個層面的柵格數據K均值聚類的結果第31頁，共82頁，2022年，5月20日，1點35分，星期五32聚合分析柵格數據的聚合分析是指根據空間分辨率和分類表，進行數據類型的合并或轉換以實現空間地域的兼并。

空間聚合的結果往往將較復雜的類別轉換為較簡單的類別，并且常以較小比例尺的圖形輸出。

當從小區(qū)域到大區(qū)域的制圖綜合變換時常需要使用這種分析處理方法。第32頁，共82頁，2022年，5月20日，1點35分，星期五33(a)聚合為a與b

(b)聚合為c與d

左圖為柵格數據系統樣圖，如給定聚類的標準為1和2合并為b，3和4合并為a，則聚合后形成的柵格數據系統如圖(a)所示。如果給定的聚合標準為2和3合并為c，1和4合并為d，則聚合后形成的柵格數據系統如圖(b)所示。柵格數據系統第33頁，共82頁，2022年，5月20日，1點35分，星期五34柵格數據的聚類、聚合分析處理法在數字地形模型及遙感圖像處理中的應用是十分普遍的。由數字高程模型轉換為數字高程分級模型便是空間數據的聚合；從遙感數字圖像信息中提取其中某一地物的方法則是柵格數據的聚類。某地區(qū)的數字高程模型數據利用聚合分析得到的數字高程分級模型第34頁，共82頁，2022年，5月20日，1點35分，星期五354.3柵格數據的信息復合分析能夠非常便利地進行同地區(qū)多層面空間信息的自動復合疊置分析，是柵格數據一個最為突出的優(yōu)點。柵格數據常被用來進行區(qū)域適宜性評價、資源開發(fā)利用、城市規(guī)劃等多因素分析研究。該方法可以實現不同波段遙感信息的自動合成，如將TM4,5,6波段的遙感圖像合成，得到彩色圖像?？梢岳貌煌瑫r期的數據信息進行某類空間對象的動態(tài)變化分析和預測。第35頁，共82頁，2022年，5月20日，1點35分，星期五36信息復合模型包括兩種類型：簡單的視覺信息復合較復雜的疊加分類模型第36頁，共82頁，2022年，5月20日，1點35分，星期五37視覺信息復合是將不同專題的內容疊加顯示在結果圖件上，以便系統使用者判斷不同專題地理實體的相互空間關系，獲得更為豐富的信息。視覺信息復合地理信息系統中視覺信息復合包括：面狀圖、線狀圖和點狀圖之間的復合；面狀圖區(qū)域邊界之間或一個面狀圖與其它專題區(qū)域邊界之間的復合；遙感影像與專題地圖的復合；專題地圖與數字高程模型復合顯示立體專題圖；遙感影像與DEM復合生成真實三維地物景觀。第37頁，共82頁，2022年，5月20日，1點35分，星期五38視覺信息的疊加不產生新的數據層面，只是將多層信息復合顯示，便于分析。視覺信息復合第38頁，共82頁，2022年，5月20日，1點35分，星期五39疊加分類模型根據參加復合的數據平面各類別的空間關系重新劃分空間區(qū)域，使每個空間區(qū)域內各空間點的屬性組合一致。疊加結果生成新的數據平面，該平面圖形數據記錄了重新劃分的區(qū)域，屬性數據庫結構中包括了原來的參加復合的數據平面的屬性數據庫中所有的數據項。

疊加分類模型第39頁，共82頁，2022年，5月20日，1點35分，星期五40邏輯與(&)：比較兩個或兩個以上柵格數據層，如果對應的柵格值均為非0值，則輸出結果為真(賦值為1)，否則輸出結果為假(賦值為0)。邏輯判斷復合運算邏輯判斷運算也叫布爾運算，主要包括：邏輯與(and)、邏輯或(or)、邏輯異或(xor)、邏輯非(not)。邏輯判斷運算基于布爾運算對柵格數據進行判斷。若判斷為“真”，則輸出結果為1；若為“假”，則輸出結果為0。第40頁，共82頁，2022年，5月20日，1點35分，星期五41邏輯或（|）：比較兩個或兩個以上柵格數據層，對應的柵格值中只要有一個或一個以上為非0值，則輸出結果為真(賦值為1)，否則輸出結果為假(賦值為0)。邏輯異或（!）：比較兩個或兩個以上柵格數據層，如果對應的柵格值在邏輯真假互不相同(一個為0，一個為非0)，則輸出結果為真(賦值為1)，否則輸出結果為假(賦值為0)。邏輯非（^）：對一個柵格數據層進行邏輯“非”運算。如果柵格值為0，則輸出結果為1；如果柵格值為非0，則輸出結果為0。

第41頁，共82頁，2022年，5月20日，1點35分，星期五42例如，對于C=A&B，解算過程為：010110110020320310120320311=&CAB邏輯判斷復合運算第42頁，共82頁，2022年，5月20日，1點35分，星期五43

不同層面的柵格數據逐網格按一定的數學法則進行運算，從而得到新的柵格數據系統的方法。主要有以下幾種類型：

①算術運算：兩層以上的對應網格值經加、減運算，而得到新的柵格數據系統。數學運算復合法第43頁，共82頁，2022年，5月20日，1點35分，星期五44柵格數據的算術復合運算第44頁，共82頁，2022年，5月20日，1點35分，星期五45

②函數運算：兩個以上層面的柵格數據系統，以某種函數關系作為復合分析的依據進行逐網格運算，從而得到新的柵格數據系統的過程。被廣泛應用到地學綜合分析、環(huán)境質量評價、遙感圖像處理等領域中。

只要得到對于某項事物關系及發(fā)展變化的函數關系式，便可以運用以上方法完成各種人工難以完成的極其復雜的分析運算。第45頁，共82頁，2022年，5月20日，1點35分，星期五46式中，M是融雪速度(cm/d)，T是空氣溫度，D是露點溫度。

有一個森林地區(qū)融雪經驗模型：M=0.19T+0.17D根據此方程，使用該地區(qū)的氣溫和露點溫度分布圖層，就能計算該地區(qū)融雪速率分布圖。第46頁，共82頁，2022年，5月20日，1點35分，星期五47由四部分組成，左上部Layers選擇框為當前ArcMap視圖中已加載的所有柵格數據層列表；左下部為公式編輯器窗口；中間部分是常用的算術運算符、1~10、小數點、關系和邏輯運算符面板；右邊可伸縮區(qū)域為常用的數學運算函數面板。ArcGIS的空間分析模塊(SpatialAnalyst)提供了一個柵格計算器(RasterCalculator)。第47頁，共82頁，2022年，5月20日，1點35分，星期五48柵格數據的追蹤分析：指對于特定的柵格數據系統，由某一個或多個起點，按照一定的追蹤線索進行目標追蹤或軌跡追蹤，以便進行信息提取的空間分析方法。

4.4柵格數據的追蹤分析第48頁，共82頁，2022年，5月20日，1點35分，星期五49柵格所記錄的是地面點的海拔高程值，根據地面水流必然向最大坡度方向流動的原理分析追蹤線路，可以得出地面水流的基本軌跡。第49頁，共82頁，2022年，5月20日，1點35分，星期五50追蹤分析得到的河流圖第50頁，共82頁，2022年，5月20日，1點35分，星期五51追蹤分析方法可應用于：掃描圖件的矢量化、利用數字高程模型自動提取等高線、污染水源的追蹤分析第51頁，共82頁，2022年，5月20日，1點35分，星期五52

4.5柵格數據的窗口分析

對于柵格數據所描述的某項地學要素，其中的某個柵格往往會影響其周圍柵格屬性特征。準確而有效的反映這種事物空間上聯系的特點，是計算機地學分析的重要任務。窗口分析：對于柵格數據系統中的一個、多個柵格點或全部數據，開辟一個有固定分析半徑的分析窗口，并在該窗口內進行諸如極值、均值等一系列統計計算，或與其它層面的信息進行必要的復合分析，從而實現柵格數據有效的水平方向擴展分析。第52頁，共82頁，2022年，5月20日，1點35分，星期五53按照分析窗口的形狀劃分為以下類型：矩形窗口：以目標柵格為中心，分別向周圍八個方向擴展一層或多層柵格，從而形成矩形分析區(qū)域。5×5矩形窗口分析窗口的類型第53頁，共82頁，2022年，5月20日，1點35分，星期五54圓形窗口：以目標柵格為中心，向周圍作一個等距離搜索區(qū)，構成一個圓形分析窗口。圓形窗口第54頁，共82頁，2022年，5月20日，1點35分，星期五55環(huán)形窗口：以目標柵格為中心，按指定的內外半徑構成環(huán)形分析窗口。環(huán)形窗口扇形窗口扇形窗口：以目標柵格為起點，按指定的起始與終止角度構成扇形分析窗口。第55頁，共82頁，2022年，5月20日，1點35分，星期五56柵格數據常規(guī)的統計分析類型包括以下方面：最大值最小值均值中值范圍總和方差頻數眾數窗口統計分析的類型：第56頁，共82頁，2022年，5月20日，1點35分，星期五57對于一幅柵格格式的DEM，可以統計分析其：最大高程最低高程平均高程某給定高程出現的頻率通過這些統計參數的計算和分析可以對該DEM數據有一個整體了解，可以了解數據分布的趨勢。窗口統計分析的類型：第57頁，共82頁，2022年，5月20日，1點35分，星期五58

4.6柵格數據的量算分析空間信息的自動化量算是地理信息系統的重要功能，也是進行空間分析的定量化基礎。柵格數據模型由于自身特點很容易進行距離、面積和體積等數據的量算?；谶b感圖像數據(柵格)可以計算某種地物類型(如耕地)所占的面積，只需要統計出該種地物類型所占柵格數，然后乘以柵格單元的面積即可(如2.5米分辨率的遙感圖像的柵格單元面積就是2.5*2.5平方米)。對于柵格格式的DEM數據，可以方便進行體積計算，這種計算在工程土方計算、水庫庫容估算等方面經常使用。第58頁，共82頁，2022年，5月20日，1點35分，星期五594.7ArcGIS的柵格數據空間分析工具柵格數據的空間分析方法是GIS空間分析方法的重要內容。GIS軟件的旗艦產品ArcGIS的SpatialAnalyst模塊提供了一套功能齊全的柵格數據空間分析工具。第59頁，共82頁，2022年，5月20日，1點35分，星期五60密度制圖根據輸入的要素數據集計算整個區(qū)域的數據聚集狀況，從而產生一個連續(xù)的密度表面。密度制圖主要是基于點數據生成的，以每個待計算格網點為中心，進行圓形區(qū)域的搜尋，進而計算每個格網點的密度值。密度制圖其實是一個通過離散采樣點進行表面內插的過程，根據內插原理的不同，分為：核函數密度制圖(Kernal)簡單密度制圖(Simple)密度制圖分析(Density)第60頁，共82頁，2022年，5月20日，1點35分，星期五61核函數密度制圖：落入搜索區(qū)的點具有不同的權值，靠近格網搜索區(qū)域中心的點或線會被賦以較大的權重，隨著其與格網中心距離的加大，權重降低。計算結果分布較平滑。簡單密度制圖：落在搜尋區(qū)域內的點或線具有同樣的權重，先對其進行求和，再除以搜索區(qū)域的面積，得到每個點的密度值。第61頁，共82頁，2022年，5月20日，1點35分，星期五62利用“簡單密度制圖”方法得到的結果利用“核函數密度制圖”方法得到的結果利用核函數密度制圖方法得到的結果的分布更加平滑。第62頁，共82頁，2022年，5月20日，1點35分，星期五63距離制圖：根據每一柵格相距其最鄰近要素(也稱為“源”)的距離進行分析制圖，從而反映出每一柵格與其最鄰近源的相互關系。通過距離制圖可以獲得很多相關信息，指導人們進行資源的合理規(guī)劃和利用。飛機失事緊急救援時從指定地區(qū)到最近醫(yī)院的距離；消防、照明等市政設施的布設及其服務區(qū)域的分析?？梢愿鶕承┏杀疽蛩卣业紸地到B地的最短路徑或成本最低路徑。距離制圖分析(Distance)第63頁，共82頁，2022年，5月20日，1點35分，星期五64ArcGIS的距離制圖提供了許多距離分析工具和函數，可以量測直線距離，還可以計算函數距離。函數距離是描述兩點間距離的一種函數關系，如時間、摩擦、消耗等。在ArcGIS中，距離制圖主要通過距離分析函數完成。ArcGIS提供的距離制圖函數：直線距離函數(StraightLine)分配函數(Allocation)成本距離加權函數(CostWeighted)最短路徑函數(ShortestPath)第64頁，共82頁，2022年，5月20日，1點35分，星期五65通過直線距離函數，計算每個柵格與最近源之間的歐式距離，并按距離遠近分級。直線距離可以用于實現空氣污染影響度分析、尋找最近醫(yī)院、計算距最近超市的距離等操作。直線距離函數(StraightLine)直線距離分析：計算每個柵格與最近源的歐式距離，并按距離分級。第65頁，共82頁，2022年，5月20日，1點35分，星期五66依據最鄰近分析原理識別單元歸屬于哪個源。通過分配函數將所有柵格單元分配給距離其最近的源。單元值存儲了歸屬源的標識值。分配功能可以用于超市服務區(qū)域劃分，尋找最鄰近學校等。分配函數(Allocation)區(qū)域分配分析：將所有柵格單元分配給距離最近的源，從而實現區(qū)域的分配和劃分第66頁，共82頁，2022年，5月20日，1點35分，星期五67通過成本距離加權功能可以計算出每個柵格到距離最近、成本最低源的最少累加成本。在成本距離加權功能的實現中還可同時生成另外兩個相關輸出：基于成本的方向數據和成本分配數據。成本數據表示了每一個單元到它最近源的最小累積成本，成本方向數據表示從每一單元出發(fā)，沿著最低累計成本路徑到達最近源的路線方向。

成本距離加權函數(CostWeighted)成本累積距離分析：對每個單元到它最近源的最小累積成本進行分級。第67頁，共82頁，2022年，5月20日，1點35分，星期五68通過最短路徑函數獲取從一個源或一組源出發(fā)，到達一個目的地或一組目的地的最短距離路徑或最小成本路徑。 最短路徑分析可找到通達性最好的路線，或找出從居民地到達超市的最優(yōu)路徑。最短路徑函數(ShortestPath)柵格數據最短路徑分析：顯示了三個不同區(qū)域到達銀行的最短路徑。第68頁，共82頁，2022年，5月20日，1點35分，星期五69柵格插值分析通過有限數量的樣點預測出柵格內所有網格的數值。插值函數可以預測未知點的數值，這些數值可以是海拔、降水、化學物質濃度、噪聲等級等。應用空間點插值的一個典型范例：通過一組已測高程數據插值生成一個高程表面。在點圖層中的每個符號代表所在位置的已測高程值。通過空間插值，對這些輸入點間的值進行預測。柵格插值分析(InterpolatetoRaster)第69頁，共82頁，2022年，5月20日，1點35分，星期五70(a)已知的高程點

(b)內插生成的高程表面

第70頁，共82頁，2022年，5月20日，1點35分，星期五71單元統計(CellStatistics)鄰域統計(NeighborhoodStatistics)分類區(qū)統計(ZonalStatistics)柵格數據的統計分析(Statistics)第71頁，共82頁，2022年，5月20日，1點35分，星期五72多層面柵格數據疊合分析時，經常需要以柵格單元為單位來進行單元統計分析。例如，分析一些隨時間而變化的現象，諸如10年來的土地利用變化或者不同年份的溫度波動范圍。單元統計輸入數據集必須是來源于同一個地理區(qū)域，并且采用相同的坐標系統。單元統計(CellStatistics)第72頁，共82頁，2022年，5月20日，1點35分，星期五73鄰域統計以待計算柵格為中心，向其周圍擴展一定范圍，基于這些擴展柵格數據進行函數運算，從而得到此柵格的值。鄰域統計計算過程中，對于鄰域有不同的設置方法，ArcGIS提供了四種鄰域分析窗口：矩形窗口、圓形窗口、環(huán)形窗口、扇形窗口。鄰域統計(NeighborhoodStatistics)第73頁，共82頁，2022年，5月20日，1點35分，星期五74以一個數據集的分類區(qū)為基礎，對另一個數據集進行數值統計分析，包括計算數值取值范圍、最大值、標準差等。一個分類區(qū)就是在柵格數據中擁有相同值的所有柵格單元，而不考慮它們是否鄰近。分類區(qū)統計是在每一個分類區(qū)的基礎上運行操作，輸出結果時同一分類區(qū)被賦予相同的單一輸出值。分類區(qū)統計(ZonalStatistics)第74頁，共82頁，2022年，5月20日，1點35分，星期五75ArcGIS的單元統計、鄰域統計和分類區(qū)統計都提供了10種統計方法：Minimum(最小值)、Maximum(最大值)、Range(范圍)、Sum(求和)、Mean(均值)、StandardDeviat