第6章-柵格數(shù)據(jù)空間分析

第五章

柵格數(shù)據(jù)的空間分析柵格數(shù)據(jù)的聚類(lèi)分析柵格數(shù)據(jù)的聚合分析柵格數(shù)據(jù)的信息復(fù)合分析柵格數(shù)據(jù)的追蹤分析柵格數(shù)據(jù)的窗口分析柵格數(shù)據(jù)的再分類(lèi)2023/10/9§4柵格數(shù)據(jù)的空間分析地理信息系統(tǒng)（GIS）的一個(gè)主要優(yōu)勢(shì)在于能夠?qū)IS數(shù)據(jù)進(jìn)行空間運(yùn)算以派生新的信息。這些工具構(gòu)成了所有空間建模和地理處理的基礎(chǔ)。--ESRI,<<空間分析使用手冊(cè)>>GIS的數(shù)據(jù)模型分兩大類(lèi)，即矢量數(shù)據(jù)模型和柵格數(shù)據(jù)模型。以柵格數(shù)據(jù)模型為存儲(chǔ)結(jié)構(gòu)、地圖代數(shù)（MapAlgebra）為數(shù)學(xué)基礎(chǔ)的空間分析方法自1980年代后期以來(lái)成為GIS技術(shù)發(fā)展的重要方向，并日趨成熟。它的最大特點(diǎn)就是能夠?qū)臻g問(wèn)題進(jìn)行建模，因此已成為衡量一個(gè)GIS功能強(qiáng)弱的關(guān)鍵指標(biāo)之一。2023/10/9§4柵格數(shù)據(jù)的空間分析柵格大小：指分析過(guò)程中系統(tǒng)默認(rèn)的柵格數(shù)據(jù)的單元大?。–ellSize），也有人把它稱(chēng)為分析解析度。柵格數(shù)據(jù)的空間分析就是在每一個(gè)柵格單元的基礎(chǔ)上進(jìn)行的。如果單元過(guò)大則分析結(jié)果精確度降低，如果單元過(guò)小則會(huì)產(chǎn)生大量的數(shù)據(jù)，而且計(jì)算速度降低。所以需要選擇合適的單元大小。柵格數(shù)據(jù)結(jié)構(gòu)為空間分析提供了最強(qiáng)的建模環(huán)境及空間運(yùn)算。ESRI?ArcGIS?SpatialAnalyst擴(kuò)展模塊為ArcGIS增加了全面廣泛的基于柵格單元的GIS運(yùn)算。2023/10/9柵格數(shù)據(jù)模型空間分辨率2023/10/91pixel=10m×10m分辨率=10m10M10M1Pixel§4柵格數(shù)據(jù)的空間分析ArcGIS中集成了各種空間分析技術(shù)，如距離制圖（DistanceMapping）、密度制圖（DensityMapping）、柵格插值生成表面（Surface）、表面分析（坡度、坡向、陰影、等值線、視場(chǎng)）、基于格網(wǎng)單元的統(tǒng)計(jì)（CellStatistics）、鄰域統(tǒng)計(jì)（NeighborhoodStatistics）、分類(lèi)區(qū)統(tǒng)計(jì)（ZonalStatistics）、柵格重分類(lèi)（Reclassification）、柵格計(jì)算器（RasterCalculator）以及矢量－柵格數(shù)據(jù)轉(zhuǎn)換等。2023/10/91.柵格數(shù)據(jù)的聚類(lèi)分析

根據(jù)設(shè)定的聚類(lèi)條件對(duì)原有數(shù)據(jù)系統(tǒng)進(jìn)行有選擇的信息提取而建立新的柵格數(shù)據(jù)系統(tǒng)的方法。

2023/10/9在四種類(lèi)型要素中提取其中要素2的聚類(lèi)：21;1,3,402023/10/9示例：空間聚類(lèi)（1）某鎮(zhèn)土地利用現(xiàn)狀（2）空間聚類(lèi)分析輸出圖形左下圖是一幅土地利用柵格圖（1.耕地，2.園地，3.林地，4.居民點(diǎn)，5.獨(dú)立工礦，6.水域，7未利用地），設(shè)定條件可以是：E=（屬性=“水域”）∩（面積≥1公頃）∩（水域鄰接居民點(diǎn)），右下圖是輸出結(jié)果。這類(lèi)聚類(lèi)條件的設(shè)定常用于位址規(guī)劃。2.柵格數(shù)據(jù)的聚合分析

根據(jù)空間分辨率和分類(lèi)表，進(jìn)行數(shù)據(jù)類(lèi)型的合并或轉(zhuǎn)換以實(shí)現(xiàn)空間地域的兼并（數(shù)據(jù)的綜合）?？臻g聚合的結(jié)果往往將較復(fù)雜的類(lèi)別轉(zhuǎn)換為較簡(jiǎn)單的類(lèi)別，并且常以較小比例尺的圖形輸出。當(dāng)從地點(diǎn)、地區(qū)到大區(qū)域的制圖綜合變換時(shí)常需要使用這種分析處理方法。

2023/10/91、2類(lèi)合并為b，3、4類(lèi)合并為a2、3類(lèi)合并為c，1、4類(lèi)合并為d2023/10/9示例：空間聚合Ⅰ農(nóng)用地Ⅱ建設(shè)用地Ⅲ未利用土地

聚類(lèi)、聚合分析應(yīng)用

柵格數(shù)據(jù)的聚類(lèi)聚合分析處理法在數(shù)字地形模型及遙感圖象處理中的應(yīng)用是十分普遍的。例如，由數(shù)字高程模型(DEM)轉(zhuǎn)換為數(shù)字高程分級(jí)模型便是空間數(shù)據(jù)的聚合，而從遙感數(shù)字圖象信息中提取某一地物的方法則是柵格數(shù)據(jù)的聚類(lèi)。

2023/10/93.柵格數(shù)據(jù)的信息復(fù)合分析信息復(fù)合模型(overlay)包括兩類(lèi)：即簡(jiǎn)單的視覺(jué)信息復(fù)合和較為復(fù)雜的疊加分類(lèi)模型。正因?yàn)槿绱?，柵格?shù)據(jù)常被用來(lái)進(jìn)行區(qū)域適應(yīng)性評(píng)價(jià)、資源開(kāi)發(fā)利用、規(guī)劃等多因素分析研究工作。在數(shù)字遙感圖象處理工作中，利用該方法可以實(shí)現(xiàn)不同波段遙感信息的自動(dòng)合成處理。視覺(jué)信息復(fù)合是將不同專(zhuān)題的內(nèi)容疊加顯示在結(jié)果圖件上，參加復(fù)合的平面之間沒(méi)發(fā)生任何邏輯關(guān)系，仍保留原來(lái)的數(shù)據(jù)結(jié)構(gòu)；疊加分類(lèi)模型則根據(jù)參加復(fù)合的數(shù)據(jù)平面各類(lèi)別的空間關(guān)系重新劃分空間區(qū)域，使每個(gè)空間區(qū)域內(nèi)各空間點(diǎn)的屬性組合一致。疊加結(jié)果生成新的數(shù)據(jù)層，該數(shù)據(jù)層圖形數(shù)據(jù)記錄了重新劃分的區(qū)域，而屬性數(shù)據(jù)庫(kù)結(jié)構(gòu)中則包含了原來(lái)的幾個(gè)參加復(fù)合的數(shù)據(jù)層的屬性數(shù)據(jù)庫(kù)中所有的數(shù)據(jù)項(xiàng)。2023/10/93.柵格數(shù)據(jù)的信息復(fù)合分析視覺(jué)信息復(fù)合是將同一地區(qū)同一比例尺的不同含義的圖形圖像進(jìn)行疊合顯示在屏幕上或結(jié)果圖件上，以便判斷不同地理實(shí)體的空間關(guān)系，從而獲取更多的空間信息。視覺(jué)信息復(fù)合中，不改變各圖層數(shù)據(jù)結(jié)構(gòu)，也不形成新的數(shù)據(jù)，只給用戶帶來(lái)視覺(jué)效果，用于目視分析。2023/10/93.1視覺(jué)信息復(fù)合3.柵格數(shù)據(jù)的信息復(fù)合分析GIS中視覺(jué)信息復(fù)合包括以下幾類(lèi)：2023/10/9點(diǎn)、線和面狀圖之間的復(fù)合；面狀圖區(qū)域邊界之間或一個(gè)面狀圖與其他專(zhuān)題區(qū)域邊界之間的復(fù)合；遙感影像與專(zhuān)題地圖的復(fù)合；專(zhuān)題地圖與DEM復(fù)合顯示立體專(zhuān)題圖；遙感影像與DEM復(fù)合生成真三維地物景觀。目前，基本上所有的GIS軟件都可以實(shí)現(xiàn)視覺(jué)信息疊加的主要功能。

3.1視覺(jué)信息復(fù)合2023/10/9點(diǎn)、線和面狀圖之間的復(fù)合通過(guò)點(diǎn)、線和面狀圖的相互復(fù)合，尋求特征信息在空間上的關(guān)聯(lián)性。在這里強(qiáng)調(diào)的是復(fù)合圖之間的關(guān)系，而不是強(qiáng)調(diào)生成新的目標(biāo)。例如，要了解居民點(diǎn)與污染區(qū)空間關(guān)系，就可以把居民點(diǎn)圖和污染分區(qū)圖進(jìn)行點(diǎn)與面的視覺(jué)復(fù)合。直覺(jué)上可以看到各個(gè)居民點(diǎn)的污染輕重。3.1視覺(jué)信息復(fù)合3.柵格數(shù)據(jù)的信息復(fù)合分析

ABC

ABC

4132

4132a居民區(qū)b污染分級(jí)區(qū)c疊加區(qū)2023/10/9遙感信息和專(zhuān)題圖的視覺(jué)復(fù)合遙感信息和非遙感信息結(jié)合是GIS和遙感（RS）相結(jié)合的基礎(chǔ)，RS和GIS所處理問(wèn)題具有互補(bǔ)性。遙感圖上信息豐富，但缺乏行政區(qū)劃界線等非遙感信息，這樣不利于區(qū)域分析。另外，在遙感分類(lèi)中常常出現(xiàn)比較麻煩的“異物同譜”現(xiàn)象。如荒草和牧草，果園和灌木等，從遙感角度看，因?yàn)榫哂邢嗤墓庾V特性而無(wú)法區(qū)分，這時(shí)如把遙感分類(lèi)圖和專(zhuān)題圖或地形圖進(jìn)行視覺(jué)復(fù)合，就可以直覺(jué)地解決某些“異物同譜”分類(lèi)問(wèn)題，從而大大提高遙感分類(lèi)精度。3.1視覺(jué)信息復(fù)合3.柵格數(shù)據(jù)的信息復(fù)合分析2023/10/9專(zhuān)題圖和數(shù)字高程圖視覺(jué)復(fù)合專(zhuān)題圖通常用平面圖來(lái)表示，而數(shù)字高程模型（DEM）的立體彩色顯示是具有高度真實(shí)感的，如果把各種專(zhuān)題圖和數(shù)字高程圖復(fù)合生成立體專(zhuān)題圖，可以大大增強(qiáng)視覺(jué)效果，便于人們認(rèn)識(shí)和研究自然資源。例如，把旅游圖和數(shù)字高程圖結(jié)合生成立體旅游景觀圖，有利于人們觀察景點(diǎn)分布和旅游路線選擇；再如將野生動(dòng)物分布圖與數(shù)字高程圖結(jié)合，生成立體野生動(dòng)物分布圖，可以幫助動(dòng)物學(xué)家對(duì)野生動(dòng)物群體生存環(huán)境的研究。3.1視覺(jué)信息復(fù)合3.柵格數(shù)據(jù)的信息復(fù)合分析點(diǎn)、線與柵格DEM疊加?xùn)鸥駭?shù)據(jù)的空間分析線與面疊加線與線疊加

水系專(zhuān)題數(shù)據(jù)與DEM的疊加2023/10/92023/10/9遙感影象與DEM疊加2023/10/9專(zhuān)題要素遙感影象與DEM疊加2023/10/9專(zhuān)題要素遙感影象與DEM疊加航空像片與DEM疊加的三峽景觀（立體模型）3.柵格數(shù)據(jù)的信息復(fù)合分析3.2疊加分類(lèi)模型與視覺(jué)信息復(fù)合不同的是參加復(fù)合的柵格數(shù)據(jù)重新進(jìn)行組合分類(lèi)，生成新的柵格數(shù)據(jù)，這個(gè)新產(chǎn)生的柵格數(shù)據(jù)的屬性包含原有參加復(fù)合的柵格數(shù)據(jù)的所有數(shù)據(jù)項(xiàng)，如最小的自然區(qū)域、水文地貌單元、最小的景觀單元。疊加分類(lèi)模型用于多要素綜合分類(lèi)，以劃分最小地理景觀單元，進(jìn)一步可進(jìn)行綜合評(píng)價(jià)以確定各景觀單元的等級(jí)序列。2023/10/93.2.1邏輯判斷復(fù)合法3.2.2數(shù)學(xué)運(yùn)算復(fù)合法：①算術(shù)運(yùn)算、②函數(shù)運(yùn)算3.柵格數(shù)據(jù)的信息復(fù)合分析3.2.1邏輯判斷復(fù)合法

2023/10/9ABCABCABCABCABCABCA.AND.B.AND.CA.NOT.(B.AND.C)A.AND.B.OR.CA.OR.B.OR.CA.XOR.B.XOR.CA.AND.(B.OR.C)3.2疊加分類(lèi)模型

2023/10/9例：有土壤厚度(大于50厘米)和土壤類(lèi)型(紅壤和其他類(lèi)型)兩個(gè)二值化圖層，不同的邏輯運(yùn)算結(jié)果如下：AND：結(jié)果是將土層厚度大于50厘米，且土壤為紅壤的土壤單元顯示出來(lái)；OR關(guān)系：結(jié)果將土層厚度大于50厘米，或者土壤為紅壤的土壤單元顯示出來(lái)；XOR：結(jié)果將土層厚度小于50厘米，或者土壤不是紅壤的土壤單元顯示出來(lái)；NOT：如結(jié)果是將土層厚度大于50厘米，但土壤不是紅壤的土壤單元顯示出來(lái)；例：邏輯關(guān)系運(yùn)算3.柵格數(shù)據(jù)的信息復(fù)合分析3.2.2數(shù)學(xué)運(yùn)算復(fù)合法

①算術(shù)運(yùn)算：指兩層以上的對(duì)應(yīng)網(wǎng)格值經(jīng)加、減運(yùn)算而得到新的柵格數(shù)據(jù)的方法。

2023/10/93.2疊加分類(lèi)模型

111111111111111111111111111111111222231111111111111111111113ABCD=A+B+CE=|A-B|F=D-E2023/10/9柵格疊加分析（OverlayinRaster）基于柵格單元（像元）進(jìn)行SamelayoutSamemapprojectionforeachlayerSameareacoverageSameresolution(orcellsize)NoneedforintersectionMapalgebraButmustbemeaningful輸出結(jié)果為單一柵格圖層，復(fù)合了參與運(yùn)算的各柵格圖層的信息2023/10/9RasterOverlay:CorrectlyDesignedWherearetheretreesintheurbanarea?Wherearetheretreesinthenon-urbanarea?010010000000000001000001122200222022222200022000220-notatree1-tree‘Point’‘Polygon’0-noturban2-urban0-noturban,notree1-noturban,tree2-urban,notree3-urban,tree2320122202222220012200033+=Result2023/10/9RasterOverlay:IncorrectlyDesignedWherearetheretreesintheurbanarea?Wherearetheretreesinthenon-urbanarea?010010000000000001000001111100111011111100011000110-notatree1-tree‘Point’‘Polygon’0-noturban1-urban0-noturban,notree1-noturban,tree1-urban,notree2-urban,tree1210111101111110011100022+=ResultBecarefulwithnominaldata!2023/10/9柵格疊置分析示例：土地適宜性評(píng)價(jià)土地利用地形坡度人口密度交通便利度得分得分得分得分方面1方面2方面3方面4自然保護(hù)區(qū)組合適宜性在地理分析中，柵格方式的疊置分析十分有用，是進(jìn)行適宜性分析的基本手段。

3.柵格數(shù)據(jù)的信息復(fù)合分析3.2.2數(shù)學(xué)運(yùn)算復(fù)合法

②函數(shù)運(yùn)算：指兩個(gè)以上層面的柵格數(shù)據(jù)系統(tǒng)以某種函數(shù)關(guān)系作為復(fù)合分析的依據(jù)進(jìn)行逐網(wǎng)格運(yùn)算，從而得到新的柵格數(shù)據(jù)系統(tǒng)的過(guò)程。2023/10/93.2疊加分類(lèi)模型

只要得到對(duì)于某事物及發(fā)展變化的函數(shù)關(guān)系式，便可運(yùn)用以上方法完成各種人工難以完成的極其復(fù)雜的分析運(yùn)算。這也是目前信息自動(dòng)復(fù)合疊置分析法受到廣泛應(yīng)用的原因。在ArcGIS中，使用柵格計(jì)算器(MapCalculator)可以很方便地實(shí)現(xiàn)柵格圖層的復(fù)合/疊置運(yùn)算。應(yīng)用面：地學(xué)綜合分析、環(huán)境質(zhì)量評(píng)價(jià)、遙感數(shù)字圖像處理等領(lǐng)域。2023/10/9示例：函數(shù)運(yùn)算2023/10/9利用土壤侵蝕通用方程式計(jì)算土壤侵蝕量時(shí)，就可利用多層面柵格數(shù)據(jù)的函數(shù)運(yùn)算復(fù)合分析法進(jìn)行自動(dòng)處理。一個(gè)地區(qū)土壤侵蝕量的大小是降雨(R)、植被覆度(C)、坡度(S)、坡長(zhǎng)（L）、土壤抗蝕性(SR)等因素的函數(shù)。土壤侵蝕多因子函數(shù)運(yùn)算復(fù)合分析

示例：函數(shù)運(yùn)算2023/10/9柵格計(jì)算器(RasterCalculator)可完成各種地圖代數(shù)運(yùn)算柵格圖層數(shù)學(xué)運(yùn)算（算術(shù)、布爾、關(guān)系）表達(dá)式輸入框函數(shù)運(yùn)算

（算術(shù)、三角、

對(duì)數(shù)、冪）柵格計(jì)算器SpatialAnalysistoolsinArcToolBox2023/10/9Vectordataanalysis:Shapefile&Featureclass/tableRasterdataanalysis更多的功能集成在ArcToolbox中Details2023/10/9VectorRaster4.柵格數(shù)據(jù)的追蹤分析追蹤分析一般都是基于柵格數(shù)據(jù)的，指對(duì)于特定的柵格數(shù)據(jù)系統(tǒng)，由某一個(gè)或多個(gè)起點(diǎn)，按照一定的追蹤線索（四面、八面搜索）進(jìn)行目標(biāo)的追蹤，或者求得追蹤軌跡的空間分析方法。如圖所示，柵格所記錄的是地面點(diǎn)的海拔高程值，根據(jù)地面水流必然流向最大坡度方向，

由追蹤法可以提取出地面水流的基本軌跡。此外，追蹤分析法在掃描圖件的矢量化、利用數(shù)字高程模型自動(dòng)提取等高線、污染源的追蹤分析等方面都發(fā)揮著十分重要的作用。ArcView中的水文分析及生成等高線的功能就是利用了追蹤分析的原理。2023/10/9柵格數(shù)據(jù)的追蹤分析2023/10/96471025201916812152125342215111724323027211214253139322514720293233232112320262825201613420232318129941718171283232023/10/9示例：柵格數(shù)據(jù)的追蹤分析

5.柵格數(shù)據(jù)的窗口分析窗口分析也稱(chēng)鄰域分析，主要應(yīng)用于柵格數(shù)據(jù)模型。這是因?yàn)榈貙W(xué)信息除了在不同層面的因素之間存在著一定的制約關(guān)系之外,還在空間上存在一定關(guān)聯(lián)性。對(duì)于柵格數(shù)據(jù)所描述的某項(xiàng)地學(xué)要素，它往往會(huì)影響其周?chē)鷸鸥竦膶傩蕴卣鳌?zhǔn)確而有效地反映事物這種空間上聯(lián)系的特點(diǎn)，是地學(xué)分析的重要任務(wù)。窗口分析是指對(duì)于柵格數(shù)據(jù)系統(tǒng)中的一個(gè)、多個(gè)柵格點(diǎn)或全部數(shù)據(jù)，開(kāi)辟一個(gè)有固定分析半徑的分析窗口，并在該窗口內(nèi)進(jìn)行諸如極值、均值等一系列統(tǒng)計(jì)計(jì)算，或與其它層面的信息進(jìn)行必要的復(fù)合分析，從而實(shí)現(xiàn)柵格數(shù)據(jù)有效的水平方向擴(kuò)展分析。2023/10/95.柵格數(shù)據(jù)的窗口分析5.1分析窗口的類(lèi)型，按窗口的形狀可分為：(1)矩形窗口：是以目標(biāo)柵格為中心，分別向周?chē)藗€(gè)方向擴(kuò)展一層或多層?xùn)鸥?，從而形成如圖所示的矩形分析區(qū)域，矩形區(qū)域的大小分別是3×3、5×5、7×7的窗口。(2)圓型窗口：以目標(biāo)柵格為中心，向周?chē)饕坏染嚯x搜索區(qū)，構(gòu)成一圓型分析窗口。(3)環(huán)型窗口：是以目標(biāo)柵格為中心，按指定的內(nèi)外半徑構(gòu)成環(huán)型分析窗口。(4)扇型窗口：是以目標(biāo)柵格為起點(diǎn)，按指定的起始與終止角度構(gòu)成扇型分析窗口。2023/10/92023/10/9

3×3窗口5×5窗口7×7窗口圓形窗口 環(huán)形窗口 扇形窗口5.柵格數(shù)據(jù)的窗口分析5.2窗口內(nèi)統(tǒng)計(jì)分析的類(lèi)型柵格分析窗口內(nèi)的空間數(shù)據(jù)的統(tǒng)計(jì)分析類(lèi)型一般有以下幾種類(lèi)型：（1）Mean；（2）Maximum；（3）Minimum；（4）Median；（5）Sum；（6）Range；（7）Majority；（8）Minority；（9）Variety。2023/10/9在實(shí)際工作中，為解決某一個(gè)具體的應(yīng)用命題，以上4種柵格數(shù)據(jù)的分析模式往往綜合使用。2023/10/9ArcGIS支持以下幾種統(tǒng)計(jì)算法ToolDescriptionBlockStatistics(塊統(tǒng)計(jì))Calculatesstatisticsforanon-overlappingneighborhood.Filter(過(guò)濾)Performsapresentfocalfilteronaraster.FocalFlow(焦點(diǎn)流)Determinestheflowofthevaluesintheinputrasterwithineachcell'simmediateneighborhood.FocalStatistics(焦點(diǎn)統(tǒng)計(jì))Calculatesastatisticonaraster