Geo Tool

TEST

选择

1a. In a project geodatabase, you find a feature class named pr_LightRailCorridor. What can you understand from this name and what could be improved with this name?

1b. 具有名义数据（例如土地利用）的栅格数据集包含按区域组织的数据。然后可以将栅格区域拆分为区域。解释栅格区域和区域之间的区别。还请提及矢量数据集中区域和区域的等价物。

Raster datasets with nominal data (eg. Land use) contains data organized in zones. Raster zones can then be split-up in regions. Explain what is the difference between a raster zone and a region. Mention also the equivalents of zones and regions in vector datasets. xxx A zone is composed of all cells in a raster with the same value. Regions are a contiguous set of cells of the same zone type. Zones can consist of several disconnected regions. When the regions need to be processed separately, each must be identified as a separate entity. The Region Group tool assigns a new value to each region in a raster. The values are assigned by the scanning process, which starts in the upper-left corner of the raster and moves left to right, top to bottom. As each new region is encountered, a unique value is assigned to it. The process continues until all regions have been assigned a value. xxx Any two or more cells with the same value belong to the same zone. A zone can consist of cells that are adjacent, disconnected, or both. Zones whose cells are adjacent usually represent a single feature of an area, such as a building, road, or water body. Assemblages of entities, such as forest stands in a state, soil types in a county, or single-family houses in a town, are features of an area that will most likely be represented by zones made up of many disconnected groups of connected cells (regions). xxx Each group of connected cells in a zone is considered a region. A zone that consists of a single group of connected cells has only one region. Zones can be composed of as many regions as necessary to represent a feature—the number of cells that make up a region has no practical limits. The ArcGIS Spatial Analyst extension provides the tools needed to turn regions into individual zones. In the previous raster dataset example, Zone 2 consists of two regions, Zone 4 of three regions, and Zone 5 of one region.

具有名义数据（例如土地利用）的栅格数据集包含按区域组织的数据。然后可以将栅格区域拆分为区域。解释栅格区域和区域之间的区别。还请提及矢量数据集中区域和区域的等价物。 xxx 区域由栅格中具有相同值的所有单元组成。区域是一组连续的相同区域类型的单元。区域可以由多个不相连的区域组成。当需要单独处理区域时，必须将每个区域标识为单独的实体。区域分组工具为栅格中的每个区域分配一个新值。这些值由扫描过程分配，扫描过程从栅格的左上角开始，从左到右、从上到下移动。遇到每个新区域时，都会为其分配一个唯一值。该过程持续进行，直到所有区域都被分配了一个值。 xxx 任何两个或多个具有相同值的单元属于同一区域。区域可以由相邻、不相连或两者兼有的单元组成。相邻像元的区域通常表示区域的单一特征，例如建筑物、道路或水体。实体集合（例如州内的森林林分、县内的土壤类型或城镇内的独户住宅）是区域的特征，最有可能由由许多不相连的连通像元组（区域）组成的区域表示。 xxx 区域中的每一组连通像元都被视为一个区域。由一组连通像元组成的区域只有一个区域。区域可以由表示特征所需的任意多个区域组成 - 组成区域的像元数量没有实际限制。ArcGIS Spatial Analyst 扩展模块提供了将区域转换为单个区域所需的工具。在上一个栅格数据集示例中，区域 2 由两个区域组成，区域 4 由三个区域组成，区域 5 由一个区域组成。

1c. 解释 ArcGIS 缓冲区工具的参数设置，您将使用该工具根据人口规模生成具有不同多边形圆大小的要素类。

图 1 中的地图显示了荷兰人口最多的 50 个城市的点特征。缓冲区多边形用于表示城市的大小。人口较多的城市将获得比人口较少的城市更大的缓冲区大小。图 1 荷兰 50 个最大城市的位置

解释 ArcGIS 缓冲区工具的参数设置，您将使用该工具根据人口规模生成具有不同多边形圆大小的要素类。

1d. 荷兰铁路公司的 GIS 专家希望找出彼此相距较近的城市，以便分析火车乘客数量。根据图 1 所示的点特征，他们希望找出彼此相距 15 公里以内的城市。哪种 ArcGIS 工具适合此目的？描述工具中使用的参数。

2a. “复制特征”工具有什么用？解释该工具的主要参数。描述在为应用程序创建模型时使用此工具的情况。

2f. 您想创建一张地震风险地图，以便与决策者沟通。您有一个地震风险区域要素类，其属性等级从低风险到高风险。 此要素类具有哪种图形属性类型？ 哪种图形符号最适合这种情况？

3. 随着城市发展，噪音污染已成为南荷兰省的一大问题。当地政府希望确定因靠近主要高速公路而受到噪音污染影响的住宅区。他们的目标是评估暴露在高噪音水平下的住宅建筑数量，并在必要时制定缓解措施。为此，他们需要统计位于主要高速公路 500 米范围内的住宅建筑数量。

可用数据如下：

南荷兰省建筑物的多边形要素类 南荷兰省土地利用的多边形要素类 南荷兰省主要高速公路的线要素类 南荷兰省街区的多边形要素类

为了计算每个街区内位于主要高速公路500米范围内的住宅建筑数量，您需要利用 ArcGIS 的多个空间分析工具。最终的结果应该是包含街区多边形要素和每个街区内受噪音污染影响的住宅建筑数量作为属性的多边形要素类。 任务概述：

目标是统计每个街区内，受主要高速公路500米缓冲区影响的住宅建筑数量。我们可以通过以下步骤来实现这一目标： 可用数据：

建筑物的多边形要素类：表示所有住宅建筑的位置和形状。
主要高速公路的线要素类：表示高速公路的地理位置。
街区的多边形要素类：表示南荷兰省的街区边界。

计算步骤与工具： 步骤 1：生成500米的高速公路缓冲区

首先，您需要在主要高速公路上生成一个500米的缓冲区，以确定哪些建筑物位于该影响范围内。

工具：Buffer（缓冲区）
输入要素类：主要高速公路的线要素类。
缓冲区距离：500 米。
输出要素类：新的缓冲区图层（例如 Highway_500m_Buffer）。

参数说明：

输入要素类：提供主要高速公路的线数据，定义了生成缓冲区的位置。
距离：指定缓冲区的宽度为500米，这表示影响区域的范围。
输出要素类：指定缓冲区结果存储的路径。

此步骤创建一个500米宽的缓冲区，表示所有可能受到噪音污染影响的区域。 步骤 2：选择位于缓冲区内的建筑物

接下来，您需要筛选出所有位于上述500米缓冲区内的住宅建筑。

工具：Select By Location（按位置选择）
输入要素类：南荷兰省的建筑物要素类。
选择类型：选择“与”关系（intersect），表示选择那些与500米缓冲区相交的建筑物。
选择目标要素类：500米缓冲区要素类。
输出要素类：生成一个新的建筑物要素类，包含位于缓冲区内的所有建筑物。

参数说明：

输入要素类：建筑物要素类，用于筛选位于缓冲区内的建筑物。
选择关系：intersect（交叉），即选择与500米缓冲区相交的建筑物。
输出要素类：新的建筑物要素类，包含所有位于缓冲区内的建筑物。

步骤 3：空间连接建筑物和街区

为了将建筑物数量与街区关联起来，需要将建筑物与街区多边形要素类进行空间连接，确保每个建筑物与其所在的街区对应。

工具：Spatial Join（空间连接）
输入要素类：筛选后的建筑物要素类（包含位于缓冲区内的建筑物）。
目标要素类：街区的多边形要素类。
连接类型：选择 Contains，表示选择那些包含建筑物的街区。
输出要素类：新的空间连接要素类，包含每个建筑物所在街区的信息。

参数说明：

输入要素类：位于缓冲区内的建筑物要素类，确保每个建筑物都与街区多边形关联。
目标要素类：街区多边形要素类，将为每个建筑物指定其所在街区。
连接类型：Contains（包含），确保只将位于街区内的建筑物与街区关联。
输出要素类：输出包含建筑物和街区信息的新的要素类。

步骤 4：统计每个街区内的建筑物数量

接下来，您需要统计每个街区内位于500米缓冲区内的建筑物数量。

工具：Summary Statistics（汇总统计）
输入要素类：空间连接后的建筑物要素类（包含建筑物和街区信息）。
统计字段：选择一个字段，例如建筑物的 ID 或名称字段，并选择 Count（计数），计算每个街区内的建筑物数量。
分组字段：选择街区的标识字段（如街区ID），将建筑物数量按街区进行分组。
输出表：输出包含每个街区内建筑物数量的统计表。

参数说明：

输入要素类：空间连接后的建筑物要素类，其中每个建筑物都关联了所在的街区。
统计字段：选择一个字段（如建筑物 ID 或名称），并选择 Count，计算每个街区内的建筑物数量。
分组字段：选择街区 ID 字段，确保结果按街区分组。
输出表：输出的统计结果表，其中包含每个街区内的建筑物数量。

步骤 5：将统计结果合并到街区要素类

最后，您需要将统计的建筑物数量合并回原始街区多边形要素类，将建筑物数量作为属性添加到街区的属性表中。

工具：Join Field（字段连接）
输入要素类：原始街区多边形要素类。
连接表：汇总统计结果表（包含街区和建筑物数量）。
连接字段：街区的标识字段（如街区ID），确保正确连接统计结果。
输出要素类：最终的街区要素类，包含建筑物数量作为属性字段。

参数说明：

输入要素类：原始街区多边形要素类，作为主要素类进行字段连接。
连接表：汇总统计结果表，包含每个街区的建筑物数量。
连接字段：街区的标识字段，用于正确匹配街区与统计结果。
输出要素类：更新后的街区要素类，包含建筑物数量作为新属性字段。

总结：

这些步骤将帮助您计算每个街区内受主要高速公路500米范围内噪音污染影响的住宅建筑数量。具体步骤如下：

生成500米缓冲区，表示高速公路的影响范围。
选择位于缓冲区内的建筑物，筛选出受影响的建筑物。
空间连接建筑物和街区，确保每个建筑物与街区对应。
统计每个街区内的建筑物数量，得到每个街区受影响的建筑物数量。
将统计结果合并回街区要素类，最终生成包含建筑物数量属性的街区要素类。

这些工具和参数设置将帮助您有效地完成该任务，为南荷兰省政府提供噪音污染影响的详细统计数据。

10.0p 3 描述计算每个街区主要高速公路 500 米范围内住宅建筑数量所需的步骤和工具。最终结果应为街区的多边形要素类，受影响的住宅建筑数量作为属性。包括每个工具中使用的参数的说明。

1. 首先使用使用缓冲工具。参数设置为缓冲距离500m，输入特征为主要高速公路线要素类，选择溶解参数，结果为高速公路Buffer多边形要素类。
2. 使用intersect工具。input feature为前一步创建的高速公路Buffer多边形要素类，Intersect Feature为南荷兰省建筑物的多边形要素类。输出为 高速公路缓冲区内的建筑物多边形要素类。
3. 使用select 工具，input feature为南荷兰省土地利用的多边形要素类，expression使用SQL语句选择土地利用类别为住宅区。输出为南荷兰省住宅区多边形要素类。
4. 使用intersect工具。input feature为前一步创建的南荷兰省住宅区多边形要素类，Intersect Feature为高速公路缓冲区内的建筑物多边形要素类。输出为 在住宅区内的高速公路缓冲区内的建筑物多边形要素类。
5. 使用

Queration 4.

请注意，本问题结束时需要提交两个 ArcGIS (Pro) 模型。开始之前请阅读完整问题。

瓦赫宁根的规划部门希望了解其所有社区中用于居住的实际人均居住空间。为此，市政当局首先需要了解每个用于居住的地址的居住空间。

可用的数据集是 BAG 点数据集 (psa1BuildupObjects)，它描述了荷兰每栋建筑物（地址）的位置，包括高层建筑的建筑面积。此数据集中感兴趣的属性是面积：居住空间面积（平方米）和功能：建筑物的主要功能。市政当局只想知道用于居住的建筑物的人均居住空间“功能 = woonfunctie”。另一个可用的数据集是每个街区的人口普查数据：psa01NeighbourhoodCensusData，它具有 NeighborhoodCode、NeighborhoodName、MunicipalityName 和 PopulationInNeighborhood（每个街区的居民人数）属性。

居住空间定义为仅用于居住的总建筑面积（​​功能 = ‘woonfunctie’）。

Use the following data for your calculations to answer the questions in Part A and B below.

psa1BuildupObjects
psa01NeighbourhoodCensusData

4a. 第 1 部分：瓦赫宁根市内哪个街区的总居住空间最小，哪个街区的总居住空间最大？

4b. 创建一个模型，该模型生成一个表格，其中包含瓦赫宁根市内每个街区的总居住空间。 该模型可以导出为图形并以 *.pdf 格式保存和上传。

4c 第 2 部分。计算每个街区每人平均居住空间（平方米）： 平均居住空间 = 总居住空间 / 总人口

4d.创建一个模型，该模型的结果为瓦赫宁根市街区的人均居住空间特征类（继续第 1 部分的结果）