ArcGIS_arcgis聚类分析

地形数据获取

地理空间数据云（www.gscloud.cn/search）获得基础地形数据。以SRTM和ASTER的DEM数据最为常用，免费的资源有30m和90m的全球DEM数据。

SRTM：Shuttle Radar Topography Mission航天地形测绘，以人造地球卫星、宇宙飞船、航天飞机等航天器为工作平台，对地球表面所进行的遥感测量。SRTM由多国多机构联合测量，美国“奋进”号航天飞机上搭载SRTM系统完成。测图任务从2000年2月11日——22日，时长11天222小时23分钟，获取60°N-60°S之间总面积超过1.19亿平方公里的雷达影像数据，覆盖地球80%以上的陆地表面。注：下载的压缩包里有img文件，.img文件可以在GIS类软件中直接打开。

卫星影像数据获取

GEE（Google Earth Engine）可以批量处理卫星影像数据的工具。相比于ENVI等传统的处理影像工具，GEE可以快速、批量处理数量“巨大”的影像。可快速计算NDVI等植被指数，预测作物相关产量，监测旱情长势变化，监测全球森林变化等。GEE提供了在线的JavaScript API，同时也提供了离线的 Python API。通过这些API可以快速的建立基于Google Earth Engine 以及 Google云的Web服务。

制作专题地图

“视图”——“布局视图”；

版面设计：空白处右键“页面和打印设置”，设置纸张大小和方向；在数据框空白处右键“分布——调整到页边距大小”、点击放大工具，框选研究区域进行合适的放大(出图时只有数据框中的图像才能显示)

右键工具栏空白处，✔绘图，出现绘图工具条；菜单栏中“插入——标题/文本”，在绘图工具条中修改字体，移动到数据框中的合适位置；“插入——图例”，可以修改图例的标题、字体、大小，0.5磅边框，间距为5；“插入——比例尺”

核密度分析

“Spatial Analyst工具——密度分析——核密度分析”，环境——处理范围，输出像元大小：值越小越细腻，运行时间越长（找合适的）；搜索半径：值越大色块越大，需进行尝试设定合适的值实现更好的效果。

掩膜提取：Spatial Analysis工具>>>提取分析>>>按掩膜提取。如果需要具体的数值，“地理处理——结果”。

统计矢量图层面积

目录列表中，右键连接的文件，新建---文件地理数据库；再右键，新建---要素数据集，注意坐标的选择（WGS 1984 UTM Zone 49N）；再右键，导入要素类（单个），输入要计算的矢量文件，填写输出的矢量文件名；右键打开新生成的文件的属性表，从属性表中可以看出，多了Shape_Length和Shape_Area两个字段。点击内容列表中相应图层右键属性表，选中Shape_Area列，右键‘统计’。

---

---

多距离聚类（Ripley's K）

确定要素在一定距离范围内统计意义显著的聚类或离散。有4条曲线：expectedK(预测K值,预期的随机空间模式)、observedK(观测K值,观测的空间模式)、diffK(观测K值-预测K值,K差值越大说明聚类越明显)、LwConfEnv(低置信区间)、HiConfEnv(高置信区间)，。需要投影数据准确测量距离；不同的距离范围，数据的离散、随机、聚集分布状态不同。

1.当observedK>expectedK、HiConfEnv：显著性聚类。

2.当observedK<expectedK、HiConfEnv：显著性离散。

3.其他情况视为随机。

“Spatial Statistics Tools——分析模式——多距离空间聚类”✔以图形方式显示结果距离段数量：默认10，迭代10次，迭代至最大距离值（研究区最小外接矩形的最大范围长度的25%作为最大距离值）

计算置信区间：一般选择9_PERMUTATIONS（90%）或99_PERMUTATIONS（99%）

最大距离值与边界校正方法有关，a.none不应用任何特定的边界校正（超大研究区域钟收集数据但仅需更小的区域），b.simulate_outer_boundary_values校正边附近的点（靠近边界的点和中心的点同样重要，使得靠近边界的点更加精确），c.reduce_analysis_area将区域大小收缩一定距离（靠近边界的点不重要，中心的比较重要），则将最大距离设为最小外接矩形最大范围长度的25%与最小外接矩形最小范围长度的50%之中的较大者。

与起点距离、距离增量有关，若距离段数量设置为10，设置起点距离，不设置距离增量，每次的增量为：(研究范围最大距离的25%-起点距离）/10；若距离段数量设置为10，设置起点距离，设置距离增量，不会采用默认研究范围距离的25%作为最大距离，而是起点距离+距离增量*10；若距离段数量设置为10，不设置起点距离，设置距离增量，起点距离=距离增量。

若要指定研究区域：研究区域方法选择---USER_PROVIDED_STUDY_AREA_FEATURE_CLASS，再选择研究区域的要素类。

深圳的购物中心在34km范围内观测值均位于置信区间和期望值的上方，因此在该范围内为显著聚集，在4km处观测值和期望值差值最大，聚集程度最高。得到表格：

多距离聚类2（Ripley's K）

运用地理空间分析软件Crimestat，下载官网：http://www.icpsr.umich.edu/CrimeStat；步骤：选择数据，shp文件（投影坐标的）；X、Y坐标匹对；最近邻分析：“Spatial description>>>Distance Analysis I>>>Nearest neighbor analysis” ；多距离空间聚类分析（Ripley's K函数）：“Spatial description>>>Distance Analysis I>>>Ripley's K statistic”，Simulation选99. 但该软件出图效果不理想，可复制或下载数据，用excel画图或者python画图也很快。

 

import matplotlib.pyplot as plt
import numpy as np
data = np.loadtxt('k.csv',delimiter=',',dtype=float)
distance = data[:,0]
lt = data[:,1]
lcsr = data[:,2]
ltmin = data[:,3]
ltmax = data[:,4]
plt.plot(distance,lt,'orange',distance,lcsr,'gray',\
         distance,ltmin,'blue',distance,ltmax,'green')
#a = plt.plot(distance,lt,'orange')
#b = plt.plot(distance,lcsr,'gray')
#c = plt.plot(distance,ltmin,'blue')
#d = plt.plot(distance,ltmax,'green')
plt.xlabel('距离/km',fontproperties='SimHei',fontsize=15)
plt.ylabel('L(t)',fontsize=15)
plt.legend(labels=['L(t)','L(csr)','L(t)min','L(t)max'])
plt.show()
#plt.savefig('kk.png',bbox_inches='tight')

---

全局空间自相关（全局莫兰指数）空间分析第一步，必做，数据是否是随机分布？

根据要素位置和要素值来度量空间自相关，在给定一组要素及相关属性情况下，判断是聚类模式？离散模式？随机模式？通过计算莫兰指数、z得分和p值对该指数进行评估。p值是根据已知分布的曲线得出的面积近似值。（一般莫兰指数是算面要素之间的关系，如各省份/市/县的经济联系强度/人口，长沙市望城区和长沙县的GDP会不会互相影响？望城区的GDP比较高，长沙县的GDP是不是也比较高？空间上是否会出现聚集的状态？）

“Spatial Statistics Tools——分析模式——空间自相关”✔生成报表，

空间关系的概念化：a.inverse_distance反距离（随着距离的增加影响变小，附件的邻近要素对目标要素的计算影响大些，若影响特别大可以选择  b.inverse_distance_aquared反距离的平方）距离范围或距离阈值：个人认为离望城区30km内有影响就可以输入30，也可以不指定，Arcgis会自动计算一个默认阈值，默认的阈值会使每个要素至少有一个相邻要素的最小距离（计算面的质心到另一个面质心的最短距离）c.fixed_distance_band距离范围影响，在一定区域内有影响且影响一样，超过范围没影响，如望城区附件的50km范围内都对它有影响且影响程度一样。d.zone_of_indifference无差别区域，距离范围+反距离法，一定区域内影响程度一致，超过一定距离影响逐渐变小。若用c.d方法，距离范围或距离阈值不能设为0，可默认，可输入正值（设置的阈值即为拐点）。e.contiguity_edges_only，只有共享边的相邻面要素会影响（与Geoda中的Rook邻接相似）。f.contiguity_edges_corners，共享边、共享角的相邻面要素都会有影响（与Geoda中的Queen邻接相似）。g.get_spatial_weights_from_file权重文件，需要确定权重才能对它进行分析（Geoda中的操作：连接数据源输入shp文件，点击‘W’空间权重管理‘创建’>>>创建空间权重文件，选择ID变量---OBJECTID不会重复，Queen邻接，创建，保存）距离法：a.欧氏距离---两点之间的直线距离，b.曼哈顿距离---格子距离（开车，街道）标准化：选择ROW，对面的运算最好进行标准化，可以减少因为要素具有不同数量的相邻要素而产生的偏离（望城区有5个邻接的区域，其他县可能只有3个）

“地理处理——结果”，空间自相关里显示指数（莫兰指数0.670103）、z得分（12.300074）、p值（0）、报表文件（打开也会有莫兰指数、z得分、p值）。z得分、p值的作用是显著性。零假设：是进行统计检验时预先建立的假设，完全空间随机性，其内容是希望证明其是错误的假设。z得分与p值用于判断是否能拒绝零假设，要素或与要素关联的值表现出统计意义上显著性聚类或离散模式，而非随机模式。典型的置信度为90%、95%、99%（要推翻它，要有 %的把握证明零假设是错误的）p值，p-value,probability,表示概率，表示零假设正确的概率，若p值为0.01，则有99%的把握认为不是随机的；z得分，z-score，表示标准差的倍数，需要结合p值一起进行看，（若p值<0.01,z得分>2.58,有99%的把握认为是聚集分布的；若z得分<-2.58,有99%的把握认为是离散分布的；若p值<0.05，z得分>1.96,有95%的把握集聚，z得分<-1.96,有95%的把握离散；若p值<0.05，但z得分<1.96则不可以拒绝零假设，空间模式就是随机分布的）若p值很小，z得分非常大，表示出现了极端值>+-2.58是聚类或离散的，就可以进行热点或冷点的分析。若z得分趋于0表示就是随机分布的故该实验GDP具有空间聚类的效果，即GDP高的区域和GDP高的区域连接在一起（高的在一块，低的在一块）

---

---

高/低聚类(Getis-Ord General G)数据是高的和高的聚一块？低的和低的聚一块？不表示聚类程度，名字是两位学者的结合J.Keith Ord和Arthur Getis。工具需要使用投影数据准确测量距离；General G方法对平均数非常敏感，最好先进行直观图探索，数据分布越接近钟形曲线，General G效果越好，极值越多，效果越不明显。

"系统工具箱>>>Spatial Statistics Tools>>>分析模式>>>高/低聚类(Getis-Ord General G)”,“地理处理>>>结果”。高/低聚类里显示General G观测值(0.014804)、z得分(11.400111)、p值（0）、报表文件（打开也会有General G观测值、z得分、p值）。a.z得分和p值  b.General G观测值>General G期望值---高值聚集，General G观测值>General G期望值---低值聚集，有99%的把握不是随机分布的且是的高值聚类。

---

---

平均最近邻（ANN，Average Nearest Neighbor）

莫兰指数不能用于不同数据之间的比较，如莫兰指数不能比较大湾区交通灯的分布情况和广州市公交站点，哪个更集中些。一般作用于点要素，但平均最近邻可比较多份数据的聚集程度高低，是根据每个要素与其最近邻要素之间的平均距离计算最近邻指数。该方法对“面积”值很敏感，面积值的细微变化会导致z得分和p值结果产生巨大变化，面积为可选可默认。

"Spatial Statistics Tools>>>分析模式>>>平均最近邻”,“地理处理>>>结果”。打开报表文件，最邻近比率(1.310988)=观测平均距离/预测平均距离、z得分(6.571349)、p值（0.000000），若是预测平均距离---随机的，若观测平均距离>预测平均距离---离散的。有99%的把握是离散的。

---

---

增量空间自相关

考虑了数据属性，若只需探讨分布聚类程度，可选择多距离空间聚类。如交通灯的空间分布不需要考虑价格等属性，若研究大湾区交通灯价格的聚类情况

"Spatial Statistics Tools>>>分析模式>>>增量空间自相关”打开报表文件，第一个峰值就可以，若无锋值可以把起点距离变大，设置增量距离，或增多距离段。

---

---

聚类和异常值分析（局部莫兰指数/Lisa指数）

给定一组要素和一个分析字段，识别具有高值或低值的要素空间聚类及空间异常值。

"Spatial Statistics Tools>>>聚类分布制图>>>聚类和异常值分析”打开报表文件，空间关系的概念化---contiguity_edges_corners,标准化---row，排列数---排列数越高，会提高伪p值的精度，即在空间中聚类的要素越少。p值<0.05，才会显示出来

Geoda可实现，还有一个象限图，双变量相关只能在Geoda做

---

---

Python调用高德地图api获取起点终点路线规划距离和预估时长

AK获取：高德地图开放平---右上角的控制台---管理key；运用高德地图中位置经纬度 + 驾车规划路线（ https://lbs.amap.com/demo/javascript-api/example/driving-route/plan-route-according-to-Inglat)

创建地理数据库

连接文件夹；右键连接的文件夹下新建Shapefile，右键shapefile，点击“属性-字段”，添加字段及类型，可设置坐标系（shapefile）

右键连接的文件夹下新建土地使用文件地理数据库，右键数据库，新建现状要素数据集，右键数据集，新建shapefile，添加字段及类型、长度|| “导入”||选择要导入的shapefile，“导出”，输入要素和输出要素类是一样的，只是名字不同（geodatabase）

导出CAD文件中部分要素，生成Shapefile 文件

“选择-按属性选择”||打开polyline图层属性表，‘按属性选择’。选择好要素后，右键polyline图层，“数据-导出”！属性选择时，要选择CAD文件下的polyline图层，设置导出的格式为shapefile

复制粘贴图层中的局部区域

在"编辑器"工具栏中单击"编辑器"→"开始编辑"；按shift键可多选或框选​；右键复制；选择想要粘贴的图层，右键粘贴。（注意复制、粘贴的图层都要在同一个目录下）

创建点要素文件

创建点图层，添加字段 ：在文件夹下新建Shapefile，右键shapefile，点击“属性-字段”，可增添坐标系！，添加字段及类型||打开属性表—增添字段

矢量化：点击​打开‘编辑器工具条’，开始编辑。点击​‘创建要素’，在右侧对话框中，选择要创建要素的图层及构造工具。在jpg图片上点击，描点。 

添加属性内容：点击​‘属性’和​‘编辑工具’，可通过点击来添加属性内容。||右键图层，点击“打开属性表”，添加内容。保存编辑内容，停止编辑。 

创建线要素文件

创建线图层（是否需添加字段要看情况而定）矢量化：……一段线绘制完毕，双击鼠标左键||点击F2键，停止绘制。（若画线中断：打开‘拓扑工具条’！！！依情况选择点捕捉、端点捕捉、折点捕捉、边捕捉‘捕捉-捕捉到草图’可用于闭合时的连接绘制过程中出现错误：ctrl+z取消输入）。

绘制完出现错误：点击​‘编辑工具’，选中绘制错的线；点击​‘分割工具’，在出错的位置处点击进行分割，选中绘制错的线，delete键，删除。 

标注属性：右击县驻地图层，√“标注要素”||“属性-标注”√标注此图层中的要素，标注字段选名称

拓扑检查与修改 ！！！拓扑要建在要素集基础上 而不是数据库中

打断相交线：点击​‘编辑工具’，选中所有参与构面的线要素，“编辑器—更多编辑工具—高级编辑器—打断相交线”

新建拓扑：新建geodatebase、数据集、导入已打断相交线的shapefile；右键数据集，“新建—拓扑”，规则为：不能自重叠，不能自相交，不能有悬挂点；验证。

查看拓扑错误：将Topolog文件拖到窗口，分三种错误，点错误、线错误、面错误。若有拓扑错误其会在地图显示窗口显示出来||“编辑器—高级编辑器—拓扑—‘​错误检查器’”

修改拓扑错误：在拓扑错误检查器中，右击每一行拓扑错误，选择缩放至或者放大至，定位拓扑错误再修改。再删除之前的Topolog文件，新建拓扑，直至无错。

线转面要素

在拓扑修改的线要素的基础上，“Arctoolbox—数据管理工具—要素—要素转面”

影像配准

1.jpg为扫描图，无空间信息！

地理坐标系：经纬度坐标来描述地球上某点的位置，基于一个基准面来定义的。

GCS_WGS1984(基于WGS84 基准面)lGCS_BEIJING1954(基于北京1954基准面)

GCS_XIAN1980(基于西安1980基准面)

投影坐标系：基于X,Y值的坐标系统来描述地球上点的位置。这个坐标系是从地球的近似椭球体投影得到的，它对应于某个地理坐标系。由两个参数确定：地理坐标系（由基准面确定，比如：北京54、西安80、WGS84）和投影方法（比如高斯－克吕格、Lambert投影、Mercator投影）ArcGIS中有几十种常用投影方法对应有地理变换和投影变换。

2.根据栅格数据已知控制点坐标配准。

右击ArcMap工具栏空白处，√“地理配准”工具，添加需要进行配准的影像

输入控制点坐标：去掉√地理配准按钮菜单下的“自动校正”，点击地理配准工具栏上的‘添加控制点’，精确点击控制点，输入X、Y坐标，点击‘查看连接表’可对已输入的坐标进行修改

检查残差是否满足：在“查看链接表”对话框中，将变换方式设置为“二阶多项式”。查看控制点的残差和RMS（总误差），删除残差特别大的控制点并重新选取控制点（选择控制点，delete）

校正：“地理配准—校正”，输出类型为TIFF

设置空间参考：在目录中，右击栅格数据“属性—常规—空间参考”，若为未定义，点击“编辑”，选择与扫描地图相同的投影坐标系。||“Arctoolbox—”

根据栅格数据与其他数据（栅格或者矢量数据）同名控制点坐标配准。

定义投影

 Arctoolbox - 数据管理工具 - 投影和变换 - 定义投影

内容列表中，右键图层“属性—源”可查看图层的坐标系

目录列表中，右键图层“属性—X、Y坐标系”可设置坐标

投影变换

Arctoolbox - 数据管理工具 - 投影和变换 - 要素 - 投影(从一个已知的地理坐标系投影到另一个投影坐标系，或返过来)

裁剪提取

Arctoolbox —分析工具— 提取分析— 裁剪输入要素为要分割的对象（云南），裁剪要素为clip

 

拼接图层

Arctoolbox - 数据管理工具 - 常规 - 追加（将其他图层加到一个图层中，形成一个图层，原来clip3显示1/4云南，追加后clip3显示云南整体。可右键clip3图层“数据—导出数据”）

输入数据集为clip0、clip1、clip2,目标数据集为clip3

要素融合

Arctoolbox - 数据管理工具 - 制图综合 - 融合,将属性表中xxx(所属州)字段相同的融合到一起

图层合并

Arctoolbox - 分析工具 - 叠加分析 - 联合

 

图层相交（矢量数据）

Arctoolbox - 分析工具 - 叠加分析 - 相交

 

 打开空间分析许可：自定义窗口》拓展模块》spatial analyst

掩膜提取（栅格数据）

Spatial Analysis工具>>>提取分析>>>按掩膜提取（先新建面要素，再提取图层中对应面要素的内容）

提取面图层中的点数据或线数据

“选择”——“按位置选择”，目标图层选择线要素（目标是提取部分线要素），源图层为面要素，会高亮显示面图层中的点数据或线数据，有键线要素图层，“数据”——导出选中的数据。 

重分类

Spatial Analysis工具>>>重分类>>>重分类（重分类字段为value,旧值为数字区间，新值为数值）输出栅格的位置需为地理数据库，重分类和面转栅格时都需注意环境-处理范围的设置！

栅格重分类操作可以将连续栅格数据转换为离散栅格数据（连续栅格数据没有属性表）

判断栅格是否满足条件

空间分析>>>地图代数>>>栅格计算器

 “Slope1”<=25 符合条件则栅格图层的value值返回为1，否则为0）输出栅格的位置尽量不变

交叉面积数据表

Spatial Analysis工具>>>区域分析>>>面积制表

 

连续栅格数据slop坡度数据重分类后分成离散数据5段，连续栅格数据landuse，虽没有属性表，但可查看属性表-符号系统-唯一

分区统计

Spatial Analyst Tools>>>区域分析>>>以表格显示分区统计 

 

不同粮食产区(value1-5)（先将连续栅格数据重分类）土壤有机质含量(MEAN)

缓冲区分析

分析工具>>>邻域分析>>>缓冲区[只能建立单个缓冲区，若要设定多层缓冲区，则选择多环缓冲区缓冲区域的颜色相同]，有缓冲范围，原始数据不能是栅格数据，只能是矢量数据.融合类型选择all

叠加分析

分析工具>>>叠加分析>>>相交/擦除.

离城市主要交通线路50m以内，以保证商场交通的通达性。保证在居民区100m范围内，便于居民步行达到商场。距停车场100m范围内，便于顾客停车。叠加距已经存在的商场500m范围以外，减少竞争压力。擦除

区位分析

1.属性赋值：打开四个缓冲区文件，添加字段，开始编辑，赋值为1/-1（商场）

2.区域叠加：分析工具>>>叠加分析>>>联合取两个图层的并集，合二为一

添加停车场、居民地、主要街道、已存在商场缓冲区四个文件，输出四要素缓冲区联合.shp

3.分级：在联合.shp中添加字段>>>字段计算器[othermarke] + [stops] + [mainstreet] + [residentia].class值为3为第一等级。class值为2为第二等级。第三等级：class值为1。第四等级：class值为0。第五等级：class值为-1。

 4.图层属性>>>唯一值缓冲区分析：Spatial Analyst Tools>>>距离分析>>>欧氏距离[自动划分不同类型的缓冲，缓冲区内距离不同颜色不同]原始数据为栅格/矢量数据，无设定缓冲范围，可有研究区域限定，缓冲后为栅格数据！若只选中图层中的某些要素，则缓冲区分析只对选中的要素进行；否则，对整个图层的所有要素进行。  环境设置中的处理范围选择与显示相同！

       

无环境设置/默认/与图层point相同（以端点做边的矩形）/与studyarea相同（有研究区域）

！！！矢量数据缓冲区分析能用Spatial Analyst Tools中的距离分析欧式距离，能用空间分析的邻域分析的缓冲区。栅格数据（含有value值）只能用欧式距离