实习指导书 一范文.doc

实习指导书 一范文 实习指导书一邻近区分析与大都市郊区变化分析实验目的1.学习多边形要素、线要素和点要素的邻近区分析；2.学习用RMI指数对大都市郊区的变化进行分析。 数据准备1.多边形要素、线要素和点要素数据文件，在ex02-1文件夹里；2.芝加哥、洛杉矶的数据文件，在ex02-2文件夹里。 主要内容1.对危险物品存储基地的邻近区进行分析；2.对铁路两侧的邻近区进行分析；3.计算路网密度4.对公园的服务范围进行邻近区分析；5.计算大都市的RMI指数；6.进行大都市郊区的变化分析，并制作专题地图。 实验要求1.产生危险品仓库100m、200m、300m的邻近区，并进行显示设置；2.产生铁路的20m，40m的邻近区，并进行显示设置；3.计算选定区域的路网密度；4.用不同距离产生各个公园的服务区范围；5.计算大都市的RMI指数；6.制作大都市郊区变化的专题地图。 上机操作步骤 一、邻近区分析1.多边形要素的邻近区1)激活data frame1，“道路”，仅用于地图显示，不参加分析；“仓库”表示某危险品存储基地；2)假设存储基地100m范围内不准有建筑物，也不准堆放易燃易爆物品，周围200m范围内可以有一般建筑物，但仍不能堆放易燃易爆物品，周围300m范围不准建设住宅，以及商业、学校、办公等设施；3)在data frame1属性里将Map和Display的单位设置为Meters；4)用Analysis Tools/proximity/MultipleRingBuffer工具，生成多个环状邻近区，并存储成文件形式；5)打开生成的邻近区文件，添加一个计算面积的字段，然后计算邻近区的面积。 2.线要素的邻近区1)激活data frame2，将Map和Display的单位设置为Meters；2)假设根据当地的要求，沿铁路两侧20m，40m范围内，进行环境整治、植树，要求提供专题地图；3)用Analysis Tools/proximity/MultipleRingBuffer工具，生成多个环状邻近区，并存储成文件形式，并用Symbology进行设置显示。 3.利用邻近区计算道路网密度1)激活data frame3，将Map和Display的单位设置为Meters；2)计算道路的长度，多边形的周长和面积，用属性表里添加字段，然后计算的方式进行计算；3)产生离开某个区界多边形的邻近区，选用菜单Selection/set selectablelayers，只让“区界”图层为可选，然后选择一个多边形，用Analysis Tools/proximity/Buffer工具，设置-50meter的距离产生一个邻近区文件；4)用菜单Selection/clear selectedfeatures清空选择集，鼠标右键点击刚才生成的邻近区文件，选择selection/select all，然后选择菜单Selection/selection bylocation，进行如下设置I wantto selectfeatures fromThe followinglayer勾选道路That intersectThe featurein thislayer选择生成的邻近区文件Use selectedfeatures勾选5)统计出选中道路的长度；6)用identify图标查询出多边形的面积；7)计算路网密度。 4.点要素的邻近区1)激活data frame4，将Map和Display的单位设置为Meters；2)用Analysis Tools/proximity/Buffer工具，对“公园”产生一个距离为1000meters的邻近区，在设置dissolve type时选择NONE；3)再产生一个距离为500meters的邻近区，在设置dissolve type时选择ALL；4)按下表对不同的公园产生不同的邻近区，公园名称邻近距离A750B500D1000C1000I750H500G750E750F5005)对“公园”图层产生一个“distn”字段用来设置邻近距离，然后将表中的距离输入；6)用Analysis Tools/proximity/Buffer工具，生成邻近区，注意设置勾选Field选择distn，dissolve type选择ALL。 二、大都市郊区变化分析1.背景资料对比1990年至2000年人口调查数据，可以发现近郊区的人口等级普遍出现下降的趋势，而远郊区的人口等级出现较大的增加。 在这个练习中，我们将使用芝加哥和洛杉矶的人口等级数据进行练习。 流动分级指数（Rank MobilityIndex，RMI）使用一个城市在两个特定时期的人口等级数据来计算。 )2R1()2R1(RRM?其中M=RMI，R1城市在时期一的的人口等级，R2城市在时期二的人口等级。 RMI值的范围在-1.0到+1.0之间。 负的RMI值表示表示等级降低，而正的RMI值表示等级上升，0值表示等级没有变化。 因为较高的等级有着较大的值，所以RMI特别适用于研究郊区的主要变化特征。 较高的等级具有较大的权重。 城市越大，RMI值就越难被超越。 2.具体步骤1)启动ArcMap，右键单击Layers，在Properties里设置单击General选项卡，在name栏中将Layers改为Los Angeles；2)打开ex02-2文件夹，添加La_places,co_la_sp83和lacity三个文件，确使co_la_sp83数据层在数据列表的最上面；3)右键单击co_la_sp83，选择Properties，在Symbol对话框中选择Hollow，然后单击Properties，在Symbol PropertiesEditor对话框中，单击Outline按钮，在Symbol Selector对话框中，拖动滑动条为县界选择符号，单击OK返回地图；4)使lacity数据层处于县界层的下方。 单击lacity数据层下面的符号框打开Symbol Selector对话框，在Fill Color中选择白色（因为洛杉矶市区不参与等级分析，我们只考虑郊区）。 当作最终的地图时，这一步骤将会是有用的；5)再次单击Add Data按钮，双击Los Angeles_names.mdb，然后添加CityNames_LosAngeles（这是个包含在地理数据库Los Angeles_names.mdb中的注记特征类）。 6)在菜单栏的Insert菜单中选择Data Frame来插入一个新的数据框，用上述同样的方法添加数据Ch_places.shp,ty13.shp,和chcity.shp，并制作县界图（ty13layer）和用白色填充chcity layer。 然后将CityNames_Chicago注记特征类添加进来；7)激活Los Angeles数据框，右键单击La_places，打开属性表，添加一个新的字段，取名为RMI，数据类型设置为float。 设置精度Precision为12，小数点右边位数Scale为5；8)单击Options，选择Select byAttributes。 在Select byAttributes对话框中，双击“Rank1990”和单击“”，然后双击“Rank2000”（意思是选择出1990年与2000年等级不同的区域）并且单击Apply；注意如果你不进行这步操作来选择出1990年与2000年等级不同的区域，计算出来的RMI值将会出错，因为除数不能为零。 这个错误的发生是由于洛杉矶在1990年和2000年被分为零级的区域导致了除数为零。 9)关闭Select byAttributes对话框；10)计算RMI值，RMI=(Rank1990-Rank2000)/(Rank1990+Rank2000)。 11)单击Options按钮，选择Clear Selection并且关闭属性表。 12)右键单击La_places，选择Properties/Symbology/Quantities/Graduated Colors，在Field的Value中选择RMI，单击Classify按钮，在Classes项中选3，Method项中选择Manual，在Break Values栏中将第一个断点设为-0.00001，第二个断点设为0，第三个断点设为最大值。 单击OK