ArcGIS 中的标准分类方法(相等、分位、自然断裂、标准差)

ArcGIS 中的标准分类方法(相等、分位、自然断裂、标准差)

转自:http://blog.sina.com.cn/s/blog_663d9a1f0102vdp9.html#commonComment

相等间隔

相等间隔会将属性值的范围划分为若干个大小相等的子范围。您可以指定间隔数,ArcGIS 将基于值范围自动确定分类间隔。例如,如果为取值范围为 0-300 的字段指定三个类,ArcGIS 将创建三个类,其取值范围分别为 0–100、101–200 和 201–300。

相等间隔最适用于常见的数据范围,如百分比和温度。这种方法强调的是某个属性值相对于其他值的量。例如,它可显示某个商店为一组商店的一部分,而该组商店的销售额占总销售额的三分之一。

相等间隔分类 相等间隔图例

要设置相等间隔分类,请将分类方法设置为相等间隔,然后指定类的数量。

设置相等间隔分类

定义的间隔

通过定义的间隔可指定一个间隔大小,用于定义一系列值范围相同的类。例如,每个间隔的长度为 75 个单位。ArcMap 将基于间隔大小和所有字段值的范围来确定类的数量。在下面的示例中,间隔大小被指定为 4%。

定义的间隔分类 定义的间隔图例

要设置定义的间隔分类,请将分类方法设置为定义的间隔,然后指定间隔大小。

设置定义的间隔分类

分位数

每个类都含有相等数量的要素。分位数分类非常适用于呈线性分布的数据。分位数为每个类分配数量相等的数据值。不存在空类,也不存在值过多或过少的类。

分位数分类 分位数图例

由于使用“分位数”分类将要素以同等数量分组到每个类中,因此得到的地图往往具有误导性。可能会将相似的要素置于相邻的类中,或将值差异较大的要素置于相同类中。可通过增加类的数量将这种失真降至最低。

要设置分位数分类,请将分类方法设置为分位数,然后指定类的数量。

设置分位数分类
此分位数分类说明了可能会出现的问题:一些类范围覆盖了较宽的值范围(例如,最右边的类),而其他类的值范围较窄。这可能会错误地暗示:某些并不相同的值可能会显示为相同,而其他相似的值却显得非常不同。

自然间断点分级法 (Jenks)

“自然间断点”类别基于数据中固有的自然分组。将对分类间隔加以识别,可对相似值进行最恰当地分组,并可使各个类之间的差异最大化。要素将被划分为多个类,对于这些类,会在数据值的差异相对较大的位置处设置其边界。

自然间断点是数据特定的分类,不适用于比较使用不同基础信息构建的多个地图。

自然间断点分类 自然间断点图例

此分类基于 Jenks 的“自然间断点分级法”。有关详细信息,请参阅《地理空间分析 - 综合指南,第三版》(Geospatial Analysis - A Comprehensive Guide, 3rd edition); © 2006–2009; de Smith, Goodchild, Longley 中的单变量分类方案

要设置自然间断点分级法 (Jenks) 分类,请将分类方法设置为自然间断点分级法 (Jenks),然后指定类的数量。

设置自然间断点分级法 (Jenks) 分类

几何间隔

“几何间隔”分类方案用于根据具有几何系列的组距创建分类间隔。分类器中的几何系数可以更改一次(可更改为其倒数),以便优化类范围。该算法创建几何间隔的原理是,使每个类的元素数的平方和最小。这可确保每个类范围与每个类所拥有的值的数量大致相同,且间隔之间的变化非常一致。

几何间隔分类 几何间隔图例

此算法专门用于处理连续数据。这是相等间隔、自然间断点分级法 (Jenks) 和分位数间的折衷方法。其在突出显示中间值变化和极值变化之间达成一种平衡,因此生成的结果外形美观、地图内容详尽。

使用“几何间隔分类”的一个例子是降雨量数据集,在该数据集中只有 15% 的气象站(少于 50%)记录了降雨量,其余的气象站没有记录降雨量,因此它们的属性值为 0。

要设置“几何间隔”分类,请将分类方法设置为几何间隔,然后指定类的数量。

设置几何间隔分类

标准差

“标准差”分类方法用于显示要素属性值与平均值之间的差异。ArcMap 可计算平均值和标准差。将使用与标准差成比例的等值范围创建分类间隔 - 间隔通常为 1 倍、1/2 倍、1/3 倍或 1/4 倍的标准差,并使用平均值以及由平均值得出的标准差。使用两种颜色的色带有助于突出显示位于平均值以上的值(显示为蓝色)以及位于平均值以下的值(显示为红色)。

标准差分类 标准差图例

要设置“标准差”分类,请将分类方法设置为标准差,然后指定标准差的比例以定义每个类范围。

设置几何间隔分类
为了计算地表温度的均值和标准差,并利用这些统计量来进行级,通常需要执行一系列的数据处理步骤。以下是实现这一目标的方法概述: 获取数据集 确保拥有覆盖所需地理区域的地表温度测量数据。这类数据可以从卫星遥感影像、气象站记录或者模型模拟等来源获得。 预处理数据 检查并清理数据中的异常值或缺失值。对于时间序列析来说,可能还需要将不同日期的数据对齐至相同的参考时间点。 计算平均温度 使用所有观测样本计算整个研究区间的平均温度。公式如下: $$ \mu = \frac{1}{N} \sum_{i=1}^{N} T_i $$ 其中 $\mu$ 是平均温度,$T_i$ 表示第$i$个置处测得的地表温度,而$N$则是总的观测数量。 确定标准偏差 接着求出各点相对于整体平均水平的变化程度即标准差$\sigma$。其定义为: $$ \sigma = \sqrt{\frac{1}{N}\sum_{i=1}^N (T_i-\mu)^2 } $$ 设定等级界限 依据业务需求选择合适的段方式来划不同的温级区间;例如采用等距、百数或者其他特定规则设置边界阈值。 配级别标签 根据预先制定好的准则给每一个像元赋予相应的等级标识符,从而完成从连续变量到离散类别的转换过程。 可视化展示成果 最后一步是制作地图或其他图形化输出物以便直观呈现最终结果。 应用实例方面,这样的级系统可用于城市岛效应评估、农业规划以及环境监测等领域当中。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值