实验三ArcGISPython脚本编程.docVIP

实验三 ArcGIS Python脚本编程 姓名： 班级： 学号： 实验目的 熟练掌握ArcGIS Python脚本编程，熟悉如何根据空间数据某个属性值选择数据点，并用空间统计算法进行处理，保存并进行可视化； 熟悉空间核密度估计方法(Kernel Density Estimate) 数据准备 1. 解压Experiment3.zip文件，打开ArcMap，将数据students_wgs84.shp添加到一个新地空地图文件中，如下图所示 数据为NUIM在校生学籍注册地址，坐标系为WGS84，即所使用地为经纬度，打开属性表： 主要属性名称含义如下： County: 学生所在郡/县，如DUBLIN为爱尔兰首都都柏林； ED：Electrol District, 爱尔兰最小地行政单元，直译为“选举区”，隶属于County; ED_ID: ED 地区分编号； INITIAL_AD: 入学前家庭地址 TYPE：此处均为STUDENT COUNTY_ID：郡县编号 第一部分 在Sublime中新建task_Part1.py，并保存到与数据相同地文件夹下，输入以下代码： 这个代码就是将来自于DUBLIN、MEATH、LOUTH三个郡（County）的学生取出来，如用 counties = [DUBLIN, MEATH, LOUTH] 定义的循环体。然后将取出的这些记录存储在一个临时地文件temp_lyr中： result = arcpy.MakeFeatureLayer_management(input_fc, temp_layer, \COUNTY\ = + unit + ) 最后将这些抽取地点地坐标值分别按照所属地郡存储至“data_DUBLIN.csv”、“data_LOUTH.csv”、“data_MEATH.csv”三个CSV文件中，可以在当前文件夹下的子文件夹csvdata去查看这些文件地内容： Longitude,Latitude -6.68536404605,53.6525262979 -6.66472854007,53.6483054369 -6.24173854864,53.6820175854 ... 第一部分任务 编辑上面地代码，要求通过“ED”的值，选取来自于LEIXLIP、CELBRIDGE、 KILCOCK三个区域的学生，并将学生地坐标值分别存储为名称为data_LEIXLIP、data_CELBRIDGE、data_KILCOCK的CSV文件，存储到csvdata子文件夹下； 任选上面一个CSV坐标文件，写一个python脚本，创建一个KML文件，要求将坐标文件中的每个坐标都存储为一个个地标，KML文件中地单个地标格式为： ?xml version=1.0 encoding=UTF-8? kml xmlns=/kml/2.2 Placemark nameSimple placemark/name Point coordinates-653.652526324,0/coordinates /Point /Placemark /kml 直接双击KML文件，在GoogleEarth中查看这些点。 第二部分 首先，将此文件夹下“ncg602kde.py”、“ncg602kde.pyc”、“ncg602utils.py”、“ncg602utils.pyc”四个文件拷贝到“..\Python27\ArcGIS10.1\Lib”文件夹下。 在Sublime中新建task_Part2.py，并保存到与数据相同地文件夹下，输入以下代码： 上面代码首先打开了在第一部分创建的“data_DUBLIN.csv”、“data_LOUTH.csv”、“data_MEATH.csv”三个CSV坐标文件，分别创建了覆盖这三个区域坐标范围地网格数据，然后针对每个数据运行核密度估计方法(Kernel Density Estimate，KDE)，其中参数为默认地高斯卷积函数，sigma=0.01; xyp = kde(data, grid, sigma); 程序将KDE运算的结果分别存储到“results_DUBLIN”、“results_LOUTH”、“results_MEATH”三个CSV文件中，并保存在results子文件夹下；同时产生了对应热度图和KML文件，存储在images文件夹下。 双击KML文件，可自动打开Google Eearth进行查看，如DUBLIN为： 第二部分任务 编辑task_Part2.py代码，处理由第一部分的任务中所产生三个坐标CSV文件：data_LEIXLIP、data_