基于GIS的空间分析功能分析芝加哥小熊队和白袜队的球迷范围
-
将交换格式的文件转换为要素类
-
在ArcCatalog中新建地址定位器
设置地址定位器的样式
-
选择Arctoolbox->地理编码工具->对地址进行地理编码
-
定义坐标系
定义坐标系后如图所示,
-
Arcto obox->投影和变换->要素->定义投影,借用chitrt文件的投影参数对cubsox_geo.shp进行投影
-
Arctoobox->数据管理工具->要素->要素转点
转换完之后,如图所示
-
找到距离每个普查小区质心最近的球队,Arctoobox->分析工具->近域分析->邻域分析
-
打开chitrtpt的属性表,可以发现多了两列,这是前面邻域分析完之后的结果
-
将邻域分析的结果与多边形图层chitrt连接
-
设置多边形图层的符号系统:
得出的球迷显示范围如下所示
-
汇总结果
-
按属性选择"NEAR_FID" = 0 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为241297.即小熊队球迷数为241297
-
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <=3218
对POPU字段进行统计,总和为128010.即白袜队球迷数为129392
-
按属性选择,"NEAR_FID" = 0 AND "NEAR_DIST" <8045
对POPU字段进行统计,总和为1010673.即小熊队球迷数为1010673
-
按属性选择,"NEAR_FID" = 1 AND "NEAR_DIST" <= 8045
对POPU字段进行统计,总和为729011.即白袜队球迷数为729011
-
按属性选择,"NEAR_FID" = 0AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1759719。即小熊队球迷数为1759719
-
按属性选择,"NEAR_FID" =1 AND "NEAR_DIST" <= 16090
对POPU进行统计,总和为1647820.即白袜对球迷数为1647820.
-
堆属性进行统计,"NEAR_FID" =0 AND "NEAR_DIST" <= 32180
-
按属性选择,"NEAR_FID" =0
对POPU进行统计,总和为4481957,即小熊队球迷数为4481957.
-
堆属性进行统计,"NEAR_FID" =1
对POPU进行统计,总和为3894109,即白袜队球迷数为3894109
-
用哈夫模型确定球迷范围,绘制概率面
计算球队与普查小区之间的距离矩阵
-
计算势能
将cubsox_geo连接到dist.dbf
-
添加字段potent,并计算势能
-
计算概率
对potent求和,以得到式子的分母
将结果保存为sum_potent.dbf
-
将结果与dist.dbf连接
-
添加prob字段
-
计算每个球队的赢球概率
-
提取小熊队比赛的概率。按属性选择,"dist.NEAR_FID" =0,将结果保存为cubs_Prob.dbf,并将结果连接到chirtpt
-
将Cubs_Prob.dbf连接到chirtrtpt图层
-
打开地统计向导,选择地统计方法,设定数据集和数据字段
完成
结果如图所示
-
右键单击图层->"数据"->导出至栅格
-
打开符号系统,对栅格图层进行分类
分类后,栅格图像如下所示