Suite

Compter le nombre de cellules de grille dans un polygone à l'aide d'ArcGIS Desktop ?


Existe-t-il un moyen pour ArcGIS de compter le nombre de cellules de grille à intervalle de 15 secondes dans un polygone après avoir numérisé ce polygone ?

Cela devrait apparaître dans un champ de la table attributaire.


Oui, pour ce faire, je :

  • Utilisez l'étendue du polygone qui vient d'être numérisé pour créer [un] résille de la même taille
  • Utilisez SelectLayerByLocation sur le quadrillage que vous venez de créer pour sélectionner ceux qui chevauchent la géométrie du polygone que vous avez numérisé
  • Utilisez GetCount pour compter combien de cellules de quadrillage chevauchent la géométrie du polygone
  • Utilisez un curseur de mise à jour ou CalculateField pour écrire ce nombre dans le champ

Je ferais ce qui précède en utilisant ArcPy (peut-être en tant que complément Python), mais cela ne devrait pas non plus être au-delà de ModelBuilder.


Comment obtenir le nombre de cellules raster non NA dans un polygone

J'ai rencontré toutes sortes de problèmes avec ArcGIS ZonalStats et j'ai pensé que R pourrait être un excellent moyen. Dire que je suis assez nouveau sur R, mais que j'ai une formation en codage. La situation est que j'ai plusieurs rasters et un fichier de forme de polygone avec de nombreuses entités de tailles différentes (bien que toutes les entités soient plus grandes qu'une cellule raster et que les entités surfaciques soient alignées sur le raster). J'ai trouvé comment obtenir la valeur moyenne de chaque entité surfacique à l'aide de la bibliothèque raster avec extrait :

Le problème que j'ai est que j'ai également besoin d'un rapport basé sur la surface entre la surface du polygone et toutes les cellules non NA dans le même polygone. Je sais quelle est la taille de cellule du raster et je peux obtenir la superficie de chaque polygone, mais le chaînon manquant est le nombre de toutes les cellules non NA dans chaque entité. J'ai réussi à obtenir le numéro de cellule de toutes les cellules du polygone [email protected]$Cnumb1000 <-cellFromPolygon(ras, proxNA) et je suis sûr qu'il existe un moyen d'obtenir la valeur réelle de la cellule raster, ce qui nécessite alors un boucle pour obtenir le nombre de toutes les cellules non NA combinées à un nombre, etc. MAIS, je suis sûr qu'il existe un moyen bien meilleur et plus rapide de le faire ! Si l'un d'entre vous a une idée ou peut m'orienter, je lui en serais très reconnaissant !


Vous pouvez considérer Summarize Within comme prenant deux couches, les polygones en entrée et les entités récapitulatives en entrée, et en les empilant les unes sur les autres. Après avoir empilé ces couches, vous parcourez la pile et comptez le nombre d'entités récapitulatives en entrée qui se trouvent dans les polygones en entrée. Non seulement vous pouvez compter le nombre d'entités, mais vous pouvez également calculer des statistiques simples sur les attributs des entités récapitulatives en entrée, telles que la somme, la moyenne, le minimum, le maximum, etc.

Les outils Résumer à l'intérieur et Résumer à proximité sont conceptuellement les mêmes. Avec l'outil Summarize Within, vous pouvez résumer des entités dans des polygones existants, tandis qu'avec l'outil Summarize Nearby, vous pouvez générer des zones autour de points, de lignes ou de polygones, et résumer des entités dans ces zones dérivées.

Vous pouvez créer des groupes en spécifiant un champ de groupe à partir des points d'entrée. Par exemple, si vous résumez des délits dans les limites du quartier, vous pouvez avoir un attribut Crime_type avec cinq types de délits différents. Chaque type de crime unique forme un groupe et les statistiques que vous choisissez seront calculées pour chaque valeur unique de Crime_type .


Paramètres

Raster en entrée représentant le résultat vrai ou faux de la condition souhaitée.

Il peut être de type entier ou à virgule flottante.

L'entrée dont les valeurs seront utilisées comme valeurs de cellule de sortie si la condition est vraie.

Il peut s'agir d'un nombre entier ou d'un raster à virgule flottante, ou d'une valeur constante.

L'entrée dont les valeurs seront utilisées comme valeurs de cellule de sortie si la condition est fausse.

Il peut s'agir d'un nombre entier ou d'un raster à virgule flottante, ou d'une valeur constante.

Une expression logique qui détermine laquelle des cellules d'entrée doit être vraie ou fausse.

La clause Where suit la forme générale d'une expression SQL. Il peut être saisi directement, par exemple VALUE > 100 , si vous cliquez sur le bouton Edit SQL mode . Si dans le mode Modifier la clause , vous pouvez commencer à construire l'expression en cliquant sur le bouton Ajouter un mode de clause.

Valeur de retour

Raster en entrée représentant le résultat vrai ou faux de la condition souhaitée.

Il peut être de type entier ou à virgule flottante.

L'entrée dont les valeurs seront utilisées comme valeurs de cellule de sortie si la condition est vraie.

Il peut s'agir d'un nombre entier ou d'un raster à virgule flottante, ou d'une valeur constante.

L'entrée dont les valeurs seront utilisées comme valeurs de cellule de sortie si la condition est fausse.

Il peut s'agir d'un nombre entier ou d'un raster à virgule flottante, ou d'une valeur constante.

Une expression logique qui détermine laquelle des cellules d'entrée doit être vraie ou fausse.

L'expression suit la forme générale d'une expression SQL. Un exemple de clause where_clause est "VALUE > 100" .

Valeur de retour

Exemple de code

Dans cet exemple, la valeur d'origine sera conservée dans la sortie lorsque la valeur raster conditionnelle en entrée est supérieure à 2 000, la valeur sera NoData lorsqu'elle ne l'est pas.

Dans cet exemple, la valeur d'origine sera conservée dans la sortie, à l'exception de NoData, qui sera remplacée par 0.

Dans cet exemple, deux rasters différents sont utilisés pour créer le raster conditionnel.

Dans cet exemple, plusieurs outils Con sont utilisés dans un Con .

Dans cet exemple, lorsque la valeur du raster conditionnel en entrée est supérieure ou égale à 1500, la valeur en sortie sera 1 lorsqu'elle est inférieure à 1500, la valeur en sortie sera 0.


Usage

Le raster utilitaire en entrée est souvent la sortie d'un modèle d'adéquation. Un modèle d'adéquation identifie le degré d'adéquation de chaque emplacement en fonction des attributs souhaités réellement trouvés à l'emplacement. La modélisation de l'adéquation est l'une des applications les plus courantes de Spatial Analyst. Pour plus d'informations sur la modélisation de l'adéquation, voir Présentation de l'analyse de superposition.

Plus les valeurs d'entrée dans le raster utilitaire sont élevées, plus l'utilitaire est important.

Les paramètres de Distance minimale entre les régions et Distance maximale entre les régions ont préséance sur Superficie totale . Par exemple, si cinq régions sont souhaitées, mais en raison des distances minimales et maximales spécifiées, seules quatre régions peuvent être localisées, alors seules quatre régions seront sélectionnées. Par conséquent, la superficie totale ne sera pas respectée. Lorsque cela est possible, un avertissement sera émis, mais ce n'est pas le cas pour toutes les situations.

L'algorithme de croissance de région paramétrée (PRG) se développe en fonction des valeurs d'utilité dans le raster en entrée : les cellules de valeur plus élevée sont davantage préférées dans la croissance. La méthode d'évaluation détermine lesquelles des régions candidates sont sélectionnées, elle n'a aucune influence sur la croissance de la région.

L'outil Localiser les régions est très gourmand en calculs. Vous pouvez suivre certaines étapes pour configurer vos données d'entrée et les réglages de certains paramètres pour influencer cela.

Pour accélérer le traitement, les emplacements qui ne doivent pas être pris en compte dans le traitement de sélection doivent être définis sur NoData en tant qu'étape de prétraitement ou éliminés à l'aide du masque. Aucune région ne se développera à partir de ces emplacements exclus ou ne sera attribuée dans le processus de sélection. Contrairement au raster en entrée ou à l'entité des régions existantes , les zones exclues n'ont aucun effet sur la distance minimale entre les régions et la distance maximale entre les régions dans l'algorithme de croissance de région paramétrée (PRG) ou dans la sélection des régions candidates.

Les options sélectionnées pour le nombre de graines à partir desquelles pousser et la résolution des paramètres de croissance peuvent grandement affecter le temps de traitement.

La sélection des options Small et Low pour ces paramètres, respectivement, fournira les meilleures performances. La sélection de Petite , Moyenne ou Grande pour Nombre de graines à partir de laquelle pousser et Faible , Moyenne ou Élevée pour Résolution de la croissance produit les résultats les plus fiables dans un délai raisonnable.

Si le Nombre de graines à partir duquel se développer ou la Résolution de la croissance sont spécifiés sur une option autre que Maximum , les données seront perdues en raison de la non croissance des régions de chaque cellule et du rééchantillonnage à une résolution plus grossière. Cependant, selon la taille du raster en entrée, l'option Maximum peut être très lente par conséquent, les autres options peuvent être plus pratiques.

Selon la taille du raster en entrée, la sélection de Maximum pour Nombre de valeurs de départ ou Résolution de la croissance peut prendre un certain temps. L'algorithme Locate Regions implémente un processus en deux étapes. Il développe d'abord les régions candidates et sélectionne ensuite les meilleures régions parmi les régions candidates. La croissance des régions pour les grands rasters en entrée peut prendre beaucoup de temps. Cependant, dans l'étape de sélection des régions, une matrice de distance est d'abord chargée. Si la matrice ne peut pas être chargée en raison de limitations de mémoire, l'outil terminera le traitement. Si cela se produit, sélectionnez un plus petit nombre de graines à partir desquelles croître ou spécifiez une résolution de croissance plus grossière.

Les valeurs par défaut du nombre de valeurs initiales à partir desquelles croître et de la résolution de la croissance dépendent du nombre de cellules dans le raster en entrée. Plus il y a de cellules dans le raster en entrée, plus cet outil met de temps à s'exécuter. Pour éviter des temps d'exécution extrêmement longs, ces valeurs par défaut sont définies en conséquence.

Lorsque le nombre de régions est supérieur à huit, il est recommandé d'utiliser l'option séquentielle pour la méthode de sélection de région . L'utilisation de la méthode combinatoire avec plus de huit régions sélectionnées peut ralentir les performances.

Habituellement, le nombre de graines à cultiver à partir de la valeur a le plus grand impact sur la vitesse de traitement. Plus le nombre de graines à cultiver est élevé, plus l'outil met de temps à fonctionner. Cependant, dans la plupart des cas, les résultats sont similaires, quelle que soit la valeur spécifiée.

Le nombre de graines à partir desquelles se développer est distribué dans le raster en entrée en fonction des valeurs d'utilité : les zones avec des valeurs d'utilité plus élevées reçoivent plus de graines. La méthode d'évaluation n'a aucune influence sur leur répartition.

La résolution de la croissance définit la résolution sur laquelle la croissance de la région paramétrée se produira. Le raster en entrée est rééchantillonné à la résolution définie à l'aide de la méthode de rééchantillonnage bilinéaire. Une fois les régions sélectionnées, avant la création du raster en sortie final, les résultats sont rééchantillonnés dans la taille de cellule de l'environnement à l'aide de la méthode de rééchantillonnage du voisin le plus proche.

Un ajustement de forme est implémenté pour les régions au bord du raster en entrée. Si au moins une cellule doit se trouver en dehors des limites du raster en entrée afin de conserver la forme, l'utilité de la région sera réduite de 50 %. En raison de cette réduction d'utilité, la région est moins susceptible d'être sélectionnée, mais la réduction n'élimine pas la région du processus de sélection.

La zone sélectionnée peut être supérieure à la zone totale spécifiée si Îles non autorisées dans les régions est cochée. Pour déterminer si l'écart entre la zone sélectionnée et la zone totale spécifiée est basé sur le paramètre sans îlot, réexécutez l'outil avec ce paramètre non coché. Ajoutez le nombre de cellules de COUNT dans la table attributaire de raster en sortie de l'exécution d'origine, puis réexécutez l'outil, multipliez la somme de chacune par la surface d'une cellule et comparez les résultats à la zone spécifiée.

Si la résolution de la croissance est spécifiée avec une option autre que Maximum , via un post-traitement, les valeurs d'utilité d'origine pour chaque région peuvent être identifiées à l'aide de Zonal Statistics . Entrez le raster de région en sortie de Localiser les régions comme raster de zone et le raster utilitaire en entrée comme raster de valeur.

Voir Environnements d'analyse et Spatial Analyst pour plus de détails sur les environnements de géotraitement qui s'appliquent à cet outil.


Analyser les modèles

Ces outils vous aident à identifier, quantifier et visualiser les modèles spatiaux dans vos données en identifiant les zones de clusters statistiquement significatifs.

Cet outil crée une carte de densité à partir d'entités ponctuelles ou linéaires en répartissant des quantités connues d'un phénomène (représentées sous forme d'attributs de points ou de lignes) sur la carte. Le résultat est une couche de zones classées du moins dense au plus dense.

  • Calculer les densités d'hôpitaux dans un comté. La couche de résultats montre les zones avec une accessibilité élevée et faible aux hôpitaux, et vous pouvez utiliser ces informations pour déterminer où de nouveaux hôpitaux doivent être construits.
  • Identifier les zones à haut risque d'incendies de forêt en fonction des emplacements historiques des incendies de forêt.
  • Localisez les collectivités éloignées des principales autoroutes pour planifier l'emplacement de construction de nouvelles routes.

Cet outil identifie les clusters statistiquement significatifs dans le modèle spatial de vos données.

  • Déterminez si vos points (incidents criminels, arbres, accidents de la circulation) sont regroupés.
  • Découvrez un point chaud statistiquement significatif (pour les dépenses, la mortalité infantile, des scores de test toujours élevés).

Cet outil identifie les valeurs aberrantes statistiquement significatives dans le modèle spatial de vos données.

  • Trouvez des zones anormales dans le schéma de vos données (incidents criminels, arbres, accidents de la circulation).
  • Découvrez une valeur aberrante statistiquement significative (pour les dépenses, la mortalité infantile, des résultats de test constamment élevés),

Cet outil trouve des groupes d'entités ponctuelles dans le bruit environnant en fonction de leur distribution spatiale.

  • Trouvez des grappes de maisons infestées de parasites.
  • Trouvez des grappes d'incidents criminels, comme le vol.

Cet outil vous permet de prédire les valeurs à de nouveaux emplacements en fonction des mesures d'un ensemble de points. L'outil prend des données ponctuelles avec des valeurs à chaque point et renvoie des zones classées par valeurs prédites.

  • Prévoyez les niveaux de pollution aux endroits qui ne disposent pas de capteurs de district de gestion de la qualité de l'air mesurant les niveaux de pollution, tels que les endroits avec des populations à risque (écoles ou hôpitaux, par exemple).
  • Prédisez les concentrations de métaux lourds dans les cultures sur la base d'échantillons prélevés sur des plantes individuelles.
  • Prédisez les niveaux de nutriments du sol (azote, phosphore, potassium, etc.) et d'autres indicateurs (tels que la conductivité électrique) afin d'étudier leurs relations avec le rendement des cultures et de prescrire des quantités précises d'engrais pour chaque emplacement du champ.
  • Prédisez les températures, les précipitations et les variables associées (telles que les pluies acides) et d'autres applications météorologiques.

  • Y a-t-il des habitudes de dépenses anormales à Los Angeles ?
  • Où sont les frontières les plus nettes entre la richesse et la pauvreté dans la zone d'étude ?
  • Dans votre région, y a-t-il des magasins de détail qui sont aux prises avec de faibles ventes malgré le fait qu'ils soient entourés de magasins très performants ?
  • Où y a-t-il des taux de diabète étonnamment élevés dans la zone d'étude ?
  • Y a-t-il des comtés aux États-Unis avec une espérance de vie inhabituellement faible par rapport à leurs comtés voisins ?

Les entités en entrée peuvent être des points ou des zones.

Le paramètre Find outliers of est utilisé pour évaluer la disposition spatiale des entités. Si vos caractéristiques sont des zones, un champ doit être choisi. Les valeurs aberrantes seront déterminées en utilisant les nombres dans le champ choisi. Les entités ponctuelles peuvent être analysées à l'aide d'un champ ou de l'option Point Counts. Si le nombre de points est utilisé, l'outil déterminera si les points eux-mêmes sont inhabituellement dispersés ou regroupés, plutôt que des valeurs de champ élevées et basses.

Si les points sont analysés avec Point Counts , deux options supplémentaires seront disponibles. Le paramètre Count points within permet d'agréger les points au sein d'une grille de résille , d'une grille hexagonale ou d'une couche de zone à partir du volet Contenu, comme des comtés ou des codes postaux. Le paramètre Définir où les points sont possibles est utilisé pour créer une zone ou plusieurs zones d'intérêt. Les trois options de ce paramètre sont Aucun , ce qui signifie que tous les points sont utilisés, une zone définie par une couche de zone du volet Contenu et des zones créées à l'aide de l'outil Dessiner.

Vos données peuvent être normalisées à l'aide du paramètre Diviser par. Les données Esri Population utilisent GeoEnrichment et nécessitent l'utilisation de crédits. Une autre option consiste à normaliser à l'aide d'un champ de la couche en entrée (disponible lorsque le paramètre Find outliers of est défini sur un champ, plutôt que sur Point Counts ). Les valeurs qui peuvent être utilisées pour la normalisation incluent le nombre de ménages ou la zone.

Les données de population Esri ne sont pas disponibles pour le paramètre Diviser par lorsque votre organisation a configuré un service d'enrichissement géographique personnalisé.

La statistique utilisée par cet outil utilise des permutations pour déterminer la probabilité de trouver la distribution spatiale réelle des valeurs que vous analysez en comparant vos valeurs à un ensemble de valeurs générées aléatoirement. Le choix du nombre de permutations dans le paramètre Optimiser pour est un équilibre entre l'option Précision et l'augmentation du temps de traitement (l'option Vitesse). Un nombre inférieur de permutations peut être utilisé lors de la première exploration d'un problème, mais il est recommandé d'augmenter les permutations jusqu'à l'option Précision pour les résultats finaux.

Le menu déroulant Options peut être utilisé pour définir une valeur de taille de cellule spécifique ou une valeur de bande de distance pour votre analyse.

La couche de sortie comprend des champs supplémentaires contenant des informations telles que le type de cluster/aberration , le nombre de voisins de chaque entité inclus dans leur analyse, l'indice local de Moran I , ainsi que la valeur et le score de chaque entité. La couche de sortie contient également des informations sur l'analyse statistique dans la section Description de sa page Détails de l'élément.

Cliquez sur Afficher les crédits avant d'exécuter votre analyse pour vérifier le nombre de crédits qui seront consommés.


Activer les filtres d'affichage sur un calque

Vous gérez les filtres d'affichage depuis l'onglet Filtres d'affichage dans le volet Symbologie d'une couche. Vous devez activer les filtres d'affichage pour qu'ils soient respectés par l'affichage cartographique. Cliquez sur le bouton bascule Activer les filtres d'affichage pour l'activer. Cela active les filtres d'affichage existants et vous permet de créer de nouveaux filtres d'affichage.

Vous pouvez désactiver les filtres d'affichage à tout moment sans perdre leurs définitions. Pour suspendre temporairement les filtres d'affichage, cliquez sur le bouton bascule Activer les filtres d'affichage pour les désactiver. Les paramètres d'échelle et les requêtes restent intacts, mais le dessin de calque ne les respecte pas tant que le bouton bascule n'est pas réactivé. De cette façon, vous pouvez comparer l'affichage avec et sans les filtres appliqués.


Le logiciel ArcGIS

Le logiciel ArcGIS fourni par Amherst College a fait du "desktop GIS" une réalité.

Les Systèmes d'Information Géographique existent depuis plus de quarante ans, mais sont devenus de plus en plus accessibles avec l'augmentation de la puissance de calcul.

Amherst College possède l'un des meilleurs SIG disponibles, les produits Arc de l'Environmental Systems Research Institute.

Leur tout nouveau logiciel, , a rendu le SIG beaucoup plus facile qu'il ne l'était il y a quelques années.

ArcGIS se compose de trois programmes principaux :

  • : créer, afficher et manipuler des cartes (illustrées).
  • : afficher et organiser les différentes données qui entrent dans la création d'une carte.
  • : convertir des données d'un format à un autre et effectuer de nombreux types d'analyses géographiques.

Il existe également un grand nombre d'extensions, par exemple pour l'analyse spatiale ou tridimensionnelle.

Toute personne disposant d'un ordinateur Windows peut installer le programme gratuit (disponible à partir du lecteur Software (K:)), lui permettant de visualiser les "cartes publiées" produites par ArcGIS.

ArcGIS est disponible sur tous les ordinateurs Windows dans la plupart des laboratoires informatiques du campus, ainsi que sur les ordinateurs de projection des salles de classe.

En particulier, il existe une salle de classe informatique SIG où les membres du corps professoral peuvent enseigner aux étudiants les SIG ou d'autres sujets appliquant les SIG, et leur donner la chance de travailler sur des projets avec les derniers matériels et logiciels.

Les professeurs et le personnel peuvent installer ArcGIS sur n'importe quel ordinateur Windows fourni par le Collège, à partir du lecteur Software (K:).

L'installation d'ArcGIS sur un ordinateur portable (hors réseau) nécessite une clé matérielle.

Des licences gratuites d'un an sont également disponibles pour les étudiants suivant des cours ou des programmes liés aux SIG, visitez ce site Web d'ESRI pour plus d'informations.

Contactez Academic Technology Services pour plus d'informations ou d'assistance.


Comment : régler l'index spatial de grille à plusieurs niveaux

Un index spatial est utilisé pour effectuer des recherches géographiques rapides d'entités dans une classe d'entités. ArcSDE utilise un index spatial de grille à plusieurs niveaux pour les classes d'entités dans plusieurs types de stockage de géométrie, y compris le binaire compressé (LOB, LONG RAW ou BINARY) OGC-WKB, DB2 Spatial Extender et le type spatial pour Oracle. Le réglage de la taille de la grille de l'index spatial peut améliorer les performances des requêtes spatiales. Cet article fournit des informations générales sur l'index spatial de grille à plusieurs niveaux et fournit également des conseils sur son réglage.

L'index spatial de grille à plusieurs niveaux définit une grille X/Y imaginaire. Il peut y avoir une, deux ou trois grilles imaginaires, également appelées niveaux de grille, définies par classe d'entités. La plupart des classes d'entités n'ont besoin que d'un niveau de grille, mais plusieurs niveaux peuvent être nécessaires si les tailles moyennes des enveloppes d'entités varient considérablement. Chaque entité est indexée à l'aide d'un seul des niveaux de grille : petites entités au premier niveau et entités plus grandes au deuxième ou troisième niveau, le cas échéant. ArcSDE place une entrée ou une ligne dans l'index spatial pour chaque instance où une seule entité croise une seule cellule dans le niveau de grille spécifique utilisé pour cette entité.

Au cours de l'opération de filtrage principal d'une requête spatiale, ArcSDE trouve l'enveloppe X/Y de la forme du filtre spatial et détermine quelle cellule de grille d'index spatial croise cette enveloppe. Ensuite, ArcSDE exécute une requête pour renvoyer toutes les entités dont les enveloppes coupent également ces cellules de grille. Les résultats de cette opération de filtrage primaire sont les caractéristiques candidates. Plus tard, le filtrage secondaire réduit l'ensemble de résultats aux seules entités candidates qui satisfont aux conditions exactes de la requête spatiale, telles que 'intersecte', 'croise' ou 'dans'.

Régler l'index spatial signifie équilibrer la sélectivité de l'opération de filtre principal par rapport à la réduction du nombre d'entrées dans l'index spatial. Le coût par fonctionnalité du filtre principal est bien inférieur à celui du filtre secondaire, car le filtre secondaire effectue des calculs détaillés tandis que le filtre principal est une simple requête sur la table d'index spatial. Le résultat de la spécification d'une taille de cellule de grille plus petite est généralement plus d'entrées dans la table d'index spatial et une sélectivité plus fine de l'opération de filtre principal. Cela signifie que le filtre spatial secondaire doit examiner moins d'entités. Cependant, un plus grand nombre d'entrées d'index spatial augmente également la taille de l'index spatial, ralentissant ainsi l'opération de filtrage principal et consommant plus d'espace dans la base de données.

Heureusement, ArcSDE fournit des statistiques sur l'index spatial qui, avec les tests de performances, peuvent faciliter le processus de réglage. La commande 'sdelayer -o si_stats' est l'outil principal pour rapporter les statistiques de grille d'index spatial utilisées pour ajuster l'index spatial. Voici un exemple du résultat de cette commande :


Voir la vidéo: création polygone dans ArcGis (Octobre 2021).