1、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、；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
3、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
4、，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 selectable layers，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 Selecti
5、on/clear selected features 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 by location，进行如下设置：I want to：select features fromThe following layer：勾选道路That：intersectThe feature in this layer：选择生成的邻近区文件Use selected features：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.
6、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A 750B 500D 1000C 1000I 750H 500G 750E 750F 5005) 对“公园”图层产生一个“distn”
7、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 Mobility Index，RMI）：使用一个城市在两个特定时期的人口等级数据来计算。 )21(RM其中：M=RMI ，R1：
8、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
9、 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 Properties Editor 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
10、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, cnty13.shp,和 chcity.shp，并制作县界图（cnty13 layer）和用白色填充 chcity layer。然后将CityNames_C
11、hicago 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 by Attributes。在 Select by Attributes 对话框中，双击“Rank 1990”和单击“” ，然后双击“Rank 2000”（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
12、 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 by Attributes 对话框；10) 计算 RMI 值，RMI=(Rank 1990-Rank 2000)/ (Rank 1990+Rank 2000)。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 V
13、alue 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 完成设置，选择一个恰当的颜色变化，在 Lable 给出将在图例中显示的文字，可以将第一级设为“Decline in Rank”，第二级设为“No Change in Rank”，第三级设为“Increase in Rank” ，制作出专题图；13) 右键单击 Chicago 数据框，选择 Activate，用同样的步骤处理芝加哥的数据。14) 制作最终的地图布局
