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

1. 将交换格式的文件转换为要素类

1. 在ArcCatalog中新建地址定位器

设置地址定位器的样式

1. 选择Arctoolbox->地理编码工具->对地址进行地理编码

1. 定义坐标系

定义坐标系后如图所示，

1. 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

1. Arctoobox->数据管理工具->要素->要素转点

转换完之后，如图所示

1. 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

1. 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

1. 将邻域分析的结果与多边形图层chitrt连接

1. 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

1. 汇总结果
2. 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

1. 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

1. 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

1. 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

1. 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

1. 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.

1. 堆属性进行统计，"NEAR_FID" =0 AND "NEAR_DIST" <= 32180

1. 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.

1. 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

1. 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

1. 计算势能

将ｃｕｂｓｏｘ＿ｇｅｏ连接到ｄｉｓｔ．ｄｂｆ

1. 添加字段ｐｏｔｅｎｔ，并计算势能

1. 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

1. 将结果与dist.dbf连接

1. 添加prob字段

1. 计算每个球队的赢球概率

1. 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

1. 将Cubs_Prob.dbf连接到chirtrtpt图层

1. 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

1. 右键单击图层->"数据"->导出至栅格

1. 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

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,布布扣,bubuko.com

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

原文：http://www.cnblogs.com/love-u/p/3627280.html