最新空間分析課件

空間分析空間分析1空間分析基本概念空間分析擴展模塊空間分析工具空間分析基本概念2最新空間分析課件3最新空間分析課件4最新空間分析課件5最新空間分析課件6最新空間分析課件7最新空間分析課件8在ArcMap環(huán)境下，點擊Tools菜單下的Customize菜單項，在Customize對話框中選中SpatialAnalyst，將在界面上增加SpatialAnalyst工具條。在ArcMap環(huán)境下，點擊Tools菜單下的Customiz9設置分析環(huán)境

打開Options對話框，其中General下Working用于指定輸出數(shù)據(jù)的存放位置，Analysismask用于定義掩膜范圍；Extent用于設置輸出柵格圖像的范圍；CellSize用于設置輸出柵格圖像的柵格尺寸。1設置分析環(huán)境打開Options對話框，其中General下10矢量數(shù)據(jù)與柵格數(shù)據(jù)的相互轉換

FeaturestoRaster（矢量轉柵格）RastertoFeatures（柵格轉矢量）2矢量數(shù)據(jù)與柵格數(shù)據(jù)的相互轉換FeaturestoRas11FeaturestoRaster（矢量轉柵格）在對話框中輸入需要轉換的矢量圖層、字段、輸出柵格尺寸以及輸出柵格文件名，點擊OK按鈕后，將產生柵格數(shù)據(jù)。柵格值為對應矢量要素的字段值，如沒有對應的矢量要素，則柵格值為空值（NoData）。FeaturestoRaster（矢量轉柵格）12道路矢量圖（線）道路柵格圖道路矢量圖（線）道路柵格圖13RastertoFeatures（柵格轉矢量）在對話框中輸入需要轉換的柵格圖層、字段、輸出幾何類型（點、線、多邊形）、輸出矢量文件名，選擇是否對線進行綜合，RastertoFeatures（柵格轉矢量）14土地利用柵格圖土地利用矢量圖土地利用柵格圖土地利用矢量圖15基于柵格的分析

距離分析（Distance）密度分析（Density）數(shù)據(jù)內插分析（InterpolatetoRaster）地形分析（SurfaceAnalysis）3基于柵格的分析距離分析（Distance）316距離分析用于分析柵格圖像上每個柵格與目標的距離，如有多個目標，則以最近的距離作為柵格值?？梢允侵本€距離，也可以Cost權重距離，包括StraightLine、Allocation、CostWeighted和ShortestPath四個功能。距離分析17直線距離分析對話框

直線距離分析對話框18計算每個柵格與最近學校（圖中的紅點）的距離計算每個柵格與最近學校（圖中的紅點）的距離19與最近學校的方向圖

與最近學校的方向圖20分配圖

分配圖21Cost權重分析對話框

Cost權重分析對話框22以坡度圖作為Cost的分析結果

以坡度圖作為Cost的分析結果23由于Cost因素，一個點到另一個點的最小Cost距離并一定是直線距離。ShortestPath用于分析在Cost因素影響下，兩點之間的最小Cost路徑。ShortestPath對話框中的Pathto是指出發(fā)點所在圖層（可以是矢量圖層），Costdistanceraster和Costdirectionraster分別是各個柵格與目標點的距離和方向圖。由于Cost因素，一個點到另一個點的最小Cost距離并一定是24ShortestPath分析結果ShortestPath分析結果25密度分析（Density）針對一些點要素（或線要素）的特征值（如人口數(shù)）并不是集中在點上（或線上）的特點，對要素的特征值進行空間分配，從而更加真實地反映要素的分布。密度分析（Density）26密度計算有兩種方法：簡單密度計算和Kernal密度計算。簡單密度計算是針對每個柵格，以柵格為中心、某個值為半徑的圓形范圍作為搜索范圍，計算搜索范圍內的點（或線）的統(tǒng)計值之和，并與搜索范圍的面積進行比值作為字段值。Kernal密度計算是把每個點的值分散到搜索范圍內，中間最大，邊緣為0，總和等于字段值或1（沒有定義權重字段）。密度計算有兩種方法：簡單密度計算和Kernal密度計算。27密度分析對話框

密度分析對話框28簡單人口密度分析結果

Kernal人口密度分析結果

美國城市分布簡單人口密度分析結果Kernal人口密度分析結果美國城市29數(shù)據(jù)內插分析（InterpolatetoRaster）對矢量點數(shù)據(jù)進行內插產生柵格數(shù)據(jù)，每個柵格的值根據(jù)其周圍（搜索范圍）的點的值計算。數(shù)據(jù)內插有多種方式，ArcGIS提供InverseDistanceWeighted（距離倒數(shù)權重，IDW）、Spline、Kriging等方法。數(shù)據(jù)內插分析（InterpolatetoRaster）30IDW方法對內插點周圍的樣點值進行加權求和，距離越大，權重越小，所得到的值作為內插點的值。IDW方法對內插點周圍的樣點值進行加權求和，距離越大，權重越31離散的高程點數(shù)據(jù)經過IDW內插后得到的數(shù)字高程模型離散的高程點數(shù)據(jù)經過IDW內插后得到的數(shù)字高程模型32Spline（樣條函數(shù)）方法是建立一個通過控制點的面，并使所有點的坡度變化最小。在ArcGIS中有兩種Spline方法：規(guī)則Spline（Regularized）和張力Spline（Tension）。規(guī)則Spline產生一個平滑的、梯度變化的表面，但內插出的柵格值可能會落在樣本數(shù)據(jù)的范圍之外。張力Spline產生的表面平滑度相對較低，但柵格值控制在樣本數(shù)據(jù)的范圍內。Spline（樣條函數(shù)）方法是建立一個通過控制點的面，并使所33Spline法對話框

Spline法對話框34規(guī)則Spline內插結果張力Spline內插結果規(guī)則Spline內插結果張力Spline內插結果35Kriging方法的原理是假設某種屬性的空間變化既不是完全隨機，也不是完全確定，因此有三個影響因素：空間相關因素、偏移（變化趨勢）和隨機誤差。在ArcGIS中提供了兩種Kriging方法：普通Kriging方法（Ordinary）和通用Kriging方法（Universal）。Kriging方法的原理是假設某種屬性的空間變化既不是完全隨36普通Kriging方法是假設不存在偏移，利用半方差（Semivariance）衡量所選已知點之間的空間相關程度。根據(jù)不同距離的半方差值可以得到半方差圖，然后與數(shù)學模型擬合可用于空間數(shù)據(jù)內插，ArcGIS提供了五種數(shù)據(jù)模型：高斯、線性、球面、圓形和指數(shù)模型。通用Kriging方法是假設空間變量在Z值上存在偏移，需提供一個趨勢面方程。ArcGIS提供了兩種趨勢面方程：平面和曲面。普通Kriging方法是假設不存在偏移，利用半方差（Semi37Kriging法對話框

Kriging法對話框38地形分析（SurfaceAnalysis）Contour：從數(shù)字高程模型中提取等高線?？梢栽O置基底等高線和等高線的間隔。Slope：根據(jù)數(shù)字高程模型計算坡度。Aspect：根據(jù)數(shù)字高程模型計算坡向。Hillshade：根據(jù)數(shù)字高程模型產生暈渲圖，可以設置太陽方位角和高度角。Viewshed：根據(jù)觀測者所在的位置及該區(qū)域的數(shù)字高程模型，確定那些區(qū)域可見、那些區(qū)域不可見。Cut/Fill：挖方量和填方量計算。地形分析（SurfaceAnalysis）39基于柵格的統(tǒng)計

CellStatistics：多個柵格圖的對應柵格進行統(tǒng)計。NeighborhoodStatistics：與周圍柵格的統(tǒng)計。ZonalStatistics：按區(qū)域對柵格進行統(tǒng)計。統(tǒng)計類型包括最小、最大、間距、總和、平均、標準偏差、偏差、最多、最少、中值等。4基于柵格的統(tǒng)計CellStatistics：多個柵格圖的40對挖方/填方工程前后的數(shù)字高程模型進行間距（變化量）統(tǒng)計對挖方/填方工程前后的數(shù)字高程模型進行間距（變化量）統(tǒng)計41IDW方法內插結果Spline方法內插結果兩種結果的差異IDW方法內插結果Spline方法內插結果兩種結果的差異42對土地利用遙感分類圖進行9×9NeighborhoodStatistics處理對土地利用遙感分類圖進行9×9NeighborhoodSt43不同土地利用類型的分布高度統(tǒng)計不同土地利用類型的分布高度統(tǒng)計44柵格數(shù)據(jù)重分類

對柵格數(shù)據(jù)進行重分類，如對高程數(shù)據(jù)，按范圍劃分成不同等級，以等級值作為新的柵格值。5柵格數(shù)據(jù)重分類對柵格數(shù)據(jù)進行重分類，如對高程數(shù)據(jù)，按范圍劃45柵格運算對多個柵格數(shù)據(jù)進行運算，常用于綜合評價。如在選址中，要根據(jù)與已有學校的距離、與已有設施點距離以及坡度等因素進行綜合評價，先對距離和坡度圖層進行分級（統(tǒng)一劃分成10個等級），距離越遠，等級越高；坡度越小，等級越高。然后，對三個圖層進行加權求和，運算結果的圖層，柵格值越大，表示適宜度越大。6柵格運算對多個柵格數(shù)據(jù)進行運算，常用于綜合評價。如在選址中，46柵格運算對話框柵格運算對話框47運算結果運算結果48空間分析基本概念空間分析擴展模塊空間分析工具空間分析基本概念49ArcToolbox中的空間分析工具箱有18個工具集，每個工具集下又包括多個工具。有些工具已集成到空間分析擴展模塊中。每個工具對話框，都有一個Environments按鈕，用于設置環(huán)境條件。ArcToolbox中的空間分析工具箱有18個工具集，每個工50Conditional根據(jù)柵格屬性條件對柵格進行操作，包括Con、Pick、SetNull等工具。如輸入的柵格是多波段數(shù)據(jù)，只對第一個波段進行操作。1Conditional根據(jù)柵格屬性條件對柵格進行操作，包括C51Con：對輸入柵格的每一柵格值進行判別，如符合某一表達式，則以另一柵格（true柵格）的對應柵格值或指定常數(shù)代替；如不符合表達式，則以False柵格的對應柵格值或指定常數(shù)代替。Con：對輸入柵格的每一柵格值進行判別，如符合某一表達式，則52如對一個DEM數(shù)據(jù)，可設定條件表達式：柵格字段值（高程）>2000，對符合條件的柵格定義按原數(shù)據(jù)取值，其它柵格定義柵格值為0。如對一個DEM數(shù)據(jù)，可設定條件表達式：柵格字段值（高程）>53Pick：輸入位置柵格圖和系列柵格圖（或常數(shù)值），以位置柵格圖的柵格值作為序號，按序號找到柵格圖或常數(shù)，以對應柵格值或常數(shù)作為新柵格值。Pick：輸入位置柵格圖和系列柵格圖（或常數(shù)值），以位置柵格54輸入的柵格數(shù)據(jù)中，值為1的柵格以test1柵格數(shù)據(jù)對應柵格值替代，值為2的柵格以常數(shù)10替代，值為3的柵格以常數(shù)20替代，值為4的柵格以test2柵格數(shù)據(jù)對應柵格值替代，空值柵格仍為空值。輸入的柵格數(shù)據(jù)中，值為1的柵格以test1柵格數(shù)據(jù)對應柵格值55SetNull：如表達式成立，則輸出柵格值為NoData，否則為指定柵格的對應值或某一常數(shù)值。SetNull：如表達式成立，則輸出柵格值為NoData，56Extraction從輸入的柵格中提取出符合條件的柵格子集，其它柵格置為NoData。條件包括柵格屬性和柵格空間位置。如輸入的柵格是多波段數(shù)據(jù)，只對第一個波段進行操作。2Extraction從輸入的柵格中提取出符合條件的柵格子57利用屬性提取柵格的工具是ExtractbyAttributes，利用該工具可以輸入一個SQL表達式。利用屬性提取柵格的工具是ExtractbyAttribu58按空間位置提取柵格的工具分兩類：在工具對話框中輸入反映空間位置的圖形坐標，包括ExtractbyPoints、ExtractbyCircle、ExtractbyRectangle、ExtractbyPolygon等工具，按點、圓、矩形、多邊形提取柵格。利用已有數(shù)據(jù)中的圖形作為掩模提取柵格，工具為ExtractbyMask，該工具是基于Mask數(shù)據(jù)（柵格或矢量）定義的范圍提取出范圍內的柵格。按空間位置提取柵格的工具分兩類：59Generalization柵格數(shù)據(jù)的制圖綜合，包括Aggregate、MajorityFilter、Expand和Shrink、BoundaryClean、Thin、Nibble和RegionGroup等工具。3Generalization柵格數(shù)據(jù)的制圖綜合，包括Agg60Aggregate：通過相鄰柵格合并，降低柵格數(shù)據(jù)分辨率。合并方式可以是求和、求最大值、求最小值、求平均值、求中值。Aggregate：通過相鄰柵格合并，降低柵格數(shù)據(jù)分辨率。合61設置Cellfactor為5降低柵格數(shù)據(jù)分辨率設置Cellfactor為5降低柵格數(shù)據(jù)分辨率62MajorityFilter：多值濾波。對輸入柵格數(shù)據(jù)中的每個柵格以相鄰（4相鄰或8相鄰，缺省為4相鄰）柵格中數(shù)量最多的柵格值代替。MajorityFilter：多值濾波。對輸入柵格數(shù)據(jù)中的634相鄰8相鄰4相鄰8相鄰64Expand和Shrink：對柵格數(shù)據(jù)中指定區(qū)域（柵格值）擴展（收縮）指定柵格數(shù)。Expand和Shrink：對柵格數(shù)據(jù)中指定區(qū)域（柵格值）擴65對值為5的區(qū)域擴展一個柵格對值為5的區(qū)域收縮一個柵格對值為5的區(qū)域擴展一個柵格對值為5的區(qū)域收縮一個柵格66輸入柵格數(shù)據(jù)Expand5個柵格Shrink5個柵格輸入柵格數(shù)據(jù)Expand5個柵格Shrink5個柵格67BoundaryClean：通過擴展和收縮邊界，對邊界進行光滑處理。缺省情況下，按區(qū)域值的大小順序進行邊界的擴展和收縮處理，也可以按區(qū)域面積的順序（從大到小或從小到大）進行處理。一些小的圖斑在相鄰圖斑的擴展中被去除，從而在收縮中已不能恢復。BoundaryClean：通過擴展和收縮邊界，對邊界進行68按區(qū)域值的順序（從大到?。┻M行處理按面積順序（從小到大）進行處理按區(qū)域值的順序（從大到?。┻M行處理按面積順序（從小到大）進行69Thin：通過減少柵格數(shù)據(jù)中表示線要素的柵格數(shù)，對線要素進行細化。Thin：通過減少柵格數(shù)據(jù)中表示線要素的柵格數(shù)，對線要素進行70Nibble：基于Mask定義的區(qū)域，對區(qū)域內的柵格以最近鄰的柵格值代替。Nibble：基于Mask定義的區(qū)域，對區(qū)域內的柵格以最近鄰71RegionGroup：把空間上相連的、具有相同值的柵格作為同一區(qū)域，并賦予相同的區(qū)域編號值。不同區(qū)域的柵格有不同的標號值。RegionGroup：把空間上相連的、具有相同值的柵格作72最新空間分析課件73Multivariate多變量分析工具是用于對多波段數(shù)據(jù)進行統(tǒng)計、變換以及分類等。4Multivariate多變量分析工具是用于對多波段數(shù)據(jù)進74BandCollectioonStatistics：計算輸入的多波段柵格數(shù)據(jù)的統(tǒng)計值，包括每個波段的最大值、最小值、平均值、標準偏差以及協(xié)方差矩陣和關系矩陣。BandCollectioonStatistics：計算75最新空間分析課件76PrincipalComponents：主成分分析。對輸入的多波段數(shù)據(jù)進行主成分變換，變換得到的數(shù)據(jù)信息集中在前幾個波段上。PrincipalComponents：主成分分析。對輸入77CreateSignatures：根據(jù)用戶定義的樣本（矢量文件或柵格文件）和輸入的柵格數(shù)據(jù)，計算每一類（選擇分類字段）的統(tǒng)計值，產生信號文件，該文件是一個文本文件，文件的擴展名為gsg，可利用文本編輯器進行瀏覽與編輯。CreateSignatures：根據(jù)用戶定義的樣本（矢量78EditSignatures：通過一個類型變換表（remaptable，ASCII碼文件）對原先信號文件中的類進行合并、刪除或重編號。如表所示，原文件中的類型8和類型21將合并為類型3，9變成1，14變成4，15變成7，23變成6，11刪除。8：39：111：-999914：415：721：323：6EditSignatures：通過一個類型變換表（rema79IsoCluster：利用isodata聚類方法對柵格數(shù)據(jù)進行聚類（類型數(shù)由用戶定義），計算每一類的統(tǒng)計值，產生信號文件，文件的擴展名為gsg。IsoCluster：利用isodata聚類方法對柵格數(shù)據(jù)80MaximumLikelihoodClassification：最大似然分類?；谛盘栁募?，對輸入的多波段柵格數(shù)據(jù)進行分類。MaximumLikelihoodClassificat81ClassProbability：最大似然分類的結果是得到一張分類圖，每個柵格被分為一種類型。但實際上，有些柵格包含多種地類（混合像元），單一的分類結果會造成面積的誤差。ClassProbability是產生每個類型的概率圖，概率圖上的每個柵格反映屬于該類的概率（與該類型的比例相關）。ClassProbability：最大似然分類的結果是得到82Dendrogram：產生一個樹狀圖，顯示在信號文件中類與類之間的距離關系。Dendrogram：產生一個樹狀圖，顯示在信號文件中類與類83演示：遙感圖像分類。加載遙感圖像。新建多邊形要素類，空間參照與遙感圖像相一致，增加字段Type（整型字段）。利用Sketch工具數(shù)字化樣本區(qū)域，并輸入Type代碼。利用CreateSignatures產生信號文件。利用MaximumLikelihoodClassification工具，基于信號文件，對輸入的多波段柵格數(shù)據(jù)進行分類。利用ExtractbyMask工具提取出選定區(qū)域內的分類結果。演示：遙感圖像分類。84最新空間分析課件85

結束語謝謝大家聆聽?。?！86

結束語謝謝大家聆聽?。?！86空間分析空間分析87空間分析基本概念空間分析擴展模塊空間分析工具空間分析基本概念88最新空間分析課件89最新空間分析課件90最新空間分析課件91最新空間分析課件92最新空間分析課件93最新空間分析課件94在ArcMap環(huán)境下，點擊Tools菜單下的Customize菜單項，在Customize對話框中選中SpatialAnalyst，將在界面上增加SpatialAnalyst工具條。在ArcMap環(huán)境下，點擊Tools菜單下的Customiz95設置分析環(huán)境

打開Options對話框，其中General下Working用于指定輸出數(shù)據(jù)的存放位置，Analysismask用于定義掩膜范圍；Extent用于設置輸出柵格圖像的范圍；CellSize用于設置輸出柵格圖像的柵格尺寸。1設置分析環(huán)境打開Options對話框，其中General下96矢量數(shù)據(jù)與柵格數(shù)據(jù)的相互轉換

FeaturestoRaster（矢量轉柵格）RastertoFeatures（柵格轉矢量）2矢量數(shù)據(jù)與柵格數(shù)據(jù)的相互轉換FeaturestoRas97FeaturestoRaster（矢量轉柵格）在對話框中輸入需要轉換的矢量圖層、字段、輸出柵格尺寸以及輸出柵格文件名，點擊OK按鈕后，將產生柵格數(shù)據(jù)。柵格值為對應矢量要素的字段值，如沒有對應的矢量要素，則柵格值為空值（NoData）。FeaturestoRaster（矢量轉柵格）98道路矢量圖（線）道路柵格圖道路矢量圖（線）道路柵格圖99RastertoFeatures（柵格轉矢量）在對話框中輸入需要轉換的柵格圖層、字段、輸出幾何類型（點、線、多邊形）、輸出矢量文件名，選擇是否對線進行綜合，RastertoFeatures（柵格轉矢量）100土地利用柵格圖土地利用矢量圖土地利用柵格圖土地利用矢量圖101基于柵格的分析

距離分析（Distance）密度分析（Density）數(shù)據(jù)內插分析（InterpolatetoRaster）地形分析（SurfaceAnalysis）3基于柵格的分析距離分析（Distance）3102距離分析用于分析柵格圖像上每個柵格與目標的距離，如有多個目標，則以最近的距離作為柵格值?？梢允侵本€距離，也可以Cost權重距離，包括StraightLine、Allocation、CostWeighted和ShortestPath四個功能。距離分析103直線距離分析對話框

直線距離分析對話框104計算每個柵格與最近學校（圖中的紅點）的距離計算每個柵格與最近學校（圖中的紅點）的距離105與最近學校的方向圖

與最近學校的方向圖106分配圖

分配圖107Cost權重分析對話框

Cost權重分析對話框108以坡度圖作為Cost的分析結果

以坡度圖作為Cost的分析結果109由于Cost因素，一個點到另一個點的最小Cost距離并一定是直線距離。ShortestPath用于分析在Cost因素影響下，兩點之間的最小Cost路徑。ShortestPath對話框中的Pathto是指出發(fā)點所在圖層（可以是矢量圖層），Costdistanceraster和Costdirectionraster分別是各個柵格與目標點的距離和方向圖。由于Cost因素，一個點到另一個點的最小Cost距離并一定是110ShortestPath分析結果ShortestPath分析結果111密度分析（Density）針對一些點要素（或線要素）的特征值（如人口數(shù)）并不是集中在點上（或線上）的特點，對要素的特征值進行空間分配，從而更加真實地反映要素的分布。密度分析（Density）112密度計算有兩種方法：簡單密度計算和Kernal密度計算。簡單密度計算是針對每個柵格，以柵格為中心、某個值為半徑的圓形范圍作為搜索范圍，計算搜索范圍內的點（或線）的統(tǒng)計值之和，并與搜索范圍的面積進行比值作為字段值。Kernal密度計算是把每個點的值分散到搜索范圍內，中間最大，邊緣為0，總和等于字段值或1（沒有定義權重字段）。密度計算有兩種方法：簡單密度計算和Kernal密度計算。113密度分析對話框

密度分析對話框114簡單人口密度分析結果

Kernal人口密度分析結果

美國城市分布簡單人口密度分析結果Kernal人口密度分析結果美國城市115數(shù)據(jù)內插分析（InterpolatetoRaster）對矢量點數(shù)據(jù)進行內插產生柵格數(shù)據(jù)，每個柵格的值根據(jù)其周圍（搜索范圍）的點的值計算。數(shù)據(jù)內插有多種方式，ArcGIS提供InverseDistanceWeighted（距離倒數(shù)權重，IDW）、Spline、Kriging等方法。數(shù)據(jù)內插分析（InterpolatetoRaster）116IDW方法對內插點周圍的樣點值進行加權求和，距離越大，權重越小，所得到的值作為內插點的值。IDW方法對內插點周圍的樣點值進行加權求和，距離越大，權重越117離散的高程點數(shù)據(jù)經過IDW內插后得到的數(shù)字高程模型離散的高程點數(shù)據(jù)經過IDW內插后得到的數(shù)字高程模型118Spline（樣條函數(shù)）方法是建立一個通過控制點的面，并使所有點的坡度變化最小。在ArcGIS中有兩種Spline方法：規(guī)則Spline（Regularized）和張力Spline（Tension）。規(guī)則Spline產生一個平滑的、梯度變化的表面，但內插出的柵格值可能會落在樣本數(shù)據(jù)的范圍之外。張力Spline產生的表面平滑度相對較低，但柵格值控制在樣本數(shù)據(jù)的范圍內。Spline（樣條函數(shù)）方法是建立一個通過控制點的面，并使所119Spline法對話框

Spline法對話框120規(guī)則Spline內插結果張力Spline內插結果規(guī)則Spline內插結果張力Spline內插結果121Kriging方法的原理是假設某種屬性的空間變化既不是完全隨機，也不是完全確定，因此有三個影響因素：空間相關因素、偏移（變化趨勢）和隨機誤差。在ArcGIS中提供了兩種Kriging方法：普通Kriging方法（Ordinary）和通用Kriging方法（Universal）。Kriging方法的原理是假設某種屬性的空間變化既不是完全隨122普通Kriging方法是假設不存在偏移，利用半方差（Semivariance）衡量所選已知點之間的空間相關程度。根據(jù)不同距離的半方差值可以得到半方差圖，然后與數(shù)學模型擬合可用于空間數(shù)據(jù)內插，ArcGIS提供了五種數(shù)據(jù)模型：高斯、線性、球面、圓形和指數(shù)模型。通用Kriging方法是假設空間變量在Z值上存在偏移，需提供一個趨勢面方程。ArcGIS提供了兩種趨勢面方程：平面和曲面。普通Kriging方法是假設不存在偏移，利用半方差（Semi123Kriging法對話框

Kriging法對話框124地形分析（SurfaceAnalysis）Contour：從數(shù)字高程模型中提取等高線?？梢栽O置基底等高線和等高線的間隔。Slope：根據(jù)數(shù)字高程模型計算坡度。Aspect：根據(jù)數(shù)字高程模型計算坡向。Hillshade：根據(jù)數(shù)字高程模型產生暈渲圖，可以設置太陽方位角和高度角。Viewshed：根據(jù)觀測者所在的位置及該區(qū)域的數(shù)字高程模型，確定那些區(qū)域可見、那些區(qū)域不可見。Cut/Fill：挖方量和填方量計算。地形分析（SurfaceAnalysis）125基于柵格的統(tǒng)計

CellStatistics：多個柵格圖的對應柵格進行統(tǒng)計。NeighborhoodStatistics：與周圍柵格的統(tǒng)計。ZonalStatistics：按區(qū)域對柵格進行統(tǒng)計。統(tǒng)計類型包括最小、最大、間距、總和、平均、標準偏差、偏差、最多、最少、中值等。4基于柵格的統(tǒng)計CellStatistics：多個柵格圖的126對挖方/填方工程前后的數(shù)字高程模型進行間距（變化量）統(tǒng)計對挖方/填方工程前后的數(shù)字高程模型進行間距（變化量）統(tǒng)計127IDW方法內插結果Spline方法內插結果兩種結果的差異IDW方法內插結果Spline方法內插結果兩種結果的差異128對土地利用遙感分類圖進行9×9NeighborhoodStatistics處理對土地利用遙感分類圖進行9×9NeighborhoodSt129不同土地利用類型的分布高度統(tǒng)計不同土地利用類型的分布高度統(tǒng)計130柵格數(shù)據(jù)重分類

對柵格數(shù)據(jù)進行重分類，如對高程數(shù)據(jù)，按范圍劃分成不同等級，以等級值作為新的柵格值。5柵格數(shù)據(jù)重分類對柵格數(shù)據(jù)進行重分類，如對高程數(shù)據(jù)，按范圍劃131柵格運算對多個柵格數(shù)據(jù)進行運算，常用于綜合評價。如在選址中，要根據(jù)與已有學校的距離、與已有設施點距離以及坡度等因素進行綜合評價，先對距離和坡度圖層進行分級（統(tǒng)一劃分成10個等級），距離越遠，等級越高；坡度越小，等級越高。然后，對三個圖層進行加權求和，運算結果的圖層，柵格值越大，表示適宜度越大。6柵格運算對多個柵格數(shù)據(jù)進行運算，常用于綜合評價。如在選址中，132柵格運算對話框柵格運算對話框133運算結果運算結果134空間分析基本概念空間分析擴展模塊空間分析工具空間分析基本概念135ArcToolbox中的空間分析工具箱有18個工具集，每個工具集下又包括多個工具。有些工具已集成到空間分析擴展模塊中。每個工具對話框，都有一個Environments按鈕，用于設置環(huán)境條件。ArcToolbox中的空間分析工具箱有18個工具集，每個工136Conditional根據(jù)柵格屬性條件對柵格進行操作，包括Con、Pick、SetNull等工具。如輸入的柵格是多波段數(shù)據(jù)，只對第一個波段進行操作。1Conditional根據(jù)柵格屬性條件對柵格進行操作，包括C137Con：對輸入柵格的每一柵格值進行判別，如符合某一表達式，則以另一柵格（true柵格）的對應柵格值或指定常數(shù)代替；如不符合表達式，則以False柵格的對應柵格值或指定常數(shù)代替。Con：對輸入柵格的每一柵格值進行判別，如符合某一表達式，則138如對一個DEM數(shù)據(jù)，可設定條件表達式：柵格字段值（高程）>2000，對符合條件的柵格定義按原數(shù)據(jù)取值，其它柵格定義柵格值為0。如對一個DEM數(shù)據(jù)，可設定條件表達式：柵格字段值（高程）>139Pick：輸入位置柵格圖和系列柵格圖（或常數(shù)值），以位置柵格圖的柵格值作為序號，按序號找到柵格圖或常數(shù)，以對應柵格值或常數(shù)作為新柵格值。Pick：輸入位置柵格圖和系列柵格圖（或常數(shù)值），以位置柵格140輸入的柵格數(shù)據(jù)中，值為1的柵格以test1柵格數(shù)據(jù)對應柵格值替代，值為2的柵格以常數(shù)10替代，值為3的柵格以常數(shù)20替代，值為4的柵格以test2柵格數(shù)據(jù)對應柵格值替代，空值柵格仍為空值。輸入的柵格數(shù)據(jù)中，值為1的柵格以test1柵格數(shù)據(jù)對應柵格值141SetNull：如表達式成立，則輸出柵格值為NoData，否則為指定柵格的對應值或某一常數(shù)值。SetNull：如表達式成立，則輸出柵格值為NoData，142Extraction從輸入的柵格中提取出符合條件的柵格子集，其它柵格置為NoData。條件包括柵格屬性和柵格空間位置。如輸入的柵格是多波段數(shù)據(jù)，只對第一個波段進行操作。2Extraction從輸入的柵格中提取出符合條件的柵格子143利用屬性提取柵格的工具是ExtractbyAttributes，利用該工具可以輸入一個SQL表達式。利用屬性提取柵格的工具是ExtractbyAttribu144按空間位置提取柵格的工具分兩類：在工具對話框中輸入反映空間位置的圖形坐標，包括ExtractbyPoints、ExtractbyCircle、ExtractbyRectangle、ExtractbyPolygon等工具，按點、圓、矩形、多邊形提取柵格。利用已有數(shù)據(jù)中的圖形作為掩模提取柵格，工具為ExtractbyMask，該工具是基于Mask數(shù)據(jù)（柵格或矢量）定義的范圍提取出范圍內的柵格。按空間位置提取柵格的工具分兩類：145Generalization柵格數(shù)據(jù)的制圖綜合，包括Aggregate、MajorityFilter、Expand和Shrink、BoundaryClean、Thin、Nibble和RegionGroup等工具。3Generalization柵格數(shù)據(jù)的制圖綜合，包括Agg146Aggregate：通過相鄰柵格合并，降低柵格數(shù)據(jù)分辨率。合并方式可以是求和、求最大值、求最小值、求平均值、求中值。Aggregate：通過相鄰柵格合并，降低柵格數(shù)據(jù)分辨率。合147設置Cellfactor為5降低柵格數(shù)據(jù)分辨率設置Cellfactor為5降低柵格數(shù)據(jù)分辨率148MajorityFilter：多值濾波。對輸入柵格數(shù)據(jù)中的每個柵格以相鄰（4相鄰或8相鄰，缺省為4相鄰）柵格中數(shù)量最多的柵格值代替。MajorityFilter：多值濾波。對輸入柵格數(shù)據(jù)中的1494相鄰8相鄰4相鄰8相鄰150Expand和Shrink：對柵格數(shù)據(jù)中指定區(qū)域（柵格值）擴展（收縮）指定柵格數(shù)。Expand和Shrink：對柵格數(shù)據(jù)中指定區(qū)域（柵格值）擴151對值為5的區(qū)域擴展一個柵格對值為5的區(qū)域收縮一個柵格對值為5的區(qū)域擴展一個柵格對值為5的區(qū)域收縮一個柵格152輸入柵格數(shù)據(jù)Expand5個柵格Shrink5個柵格輸入柵格數(shù)據(jù)Expand5個柵格Shrink5個柵格153BoundaryClean：通過擴展和收縮邊界，對邊界進行光滑處理。缺省情況下，按區(qū)域值的大小順序進行邊界的擴展和收縮處理，也可以按區(qū)域面積的順序（從大到小或從小到大）進行處理。一些小的圖斑在相鄰圖斑的擴展中被去除，從而在收縮中已不能恢復。BoundaryClean：通過擴展和收縮邊界，對邊界進行154按區(qū)域值的順序（從大到?。┻M行處理按面積順序（從小到大）進行處理按區(qū)域值的順序（從大到?。┻M行處理按面積順序（從小到大）進行155Thin：通過減少柵格數(shù)據(jù)中表示線要素的柵格數(shù)，對線要素進行細化。Thin：通過減少柵格數(shù)據(jù)中表示線要素的柵格數(shù)，對線要素進行156Nibble：基于Mask定義的區(qū)域，對區(qū)域內的柵格以最近