دوره آموزش کاربردی نرم افزار Arc GIS10.8(استفاده از Buffers حلقه متعدد برای کالیبراسیون یک مدل گرانشی)

استفاده از Buffers حلقه متعدد برای کالیبراسیون یک مدل گرانشی

مدل جاذبه بیان می کند که هر چه دو جسم از یکدیگر دورتر باشند، جاذبه بین آنها کمتر می شود. سقوط در جاذبه با فاصله اغلب غیرخطی و سریع است، مانند مدل گرانشی نیوتن که در آن مخرج جاذبه مجذور فاصله است. در اینجا قصد جوانان ۵ تا ۱۷ ساله را برای استفاده از استخرهای عمومی در پیتسبورگ تجزیه و تحلیل خواهید کرد. در طول بحران بودجه، مقامات پیتسبورگ ۱۶ استخر از ۳۲ استخر عمومی را بستند. در سال اول بسته شدن استخرها، “برچسب استخر” که برای ورود به استخر باید پوشیده شود، رایگان بود. بنابراین، اگر جوانان قصد استفاده از استخر را داشتند، تنها کاری که باید انجام می‌دادند دریافت برچسب‌های رایگان استخر بود. سوال این است که آیا فاصله از نزدیکترین استخر باز تاثیری بر استفاده داشته است یا خیر.

یک مزیت spinoff مفید این مورد این است که داده‌های موجود نمونه‌ای تصادفی از دارندگان تگ استخر است، بنابراین می‌توانید با برخی از مسائل مرتبط با کار با یک نمونه تصادفی مقابله کنید. نمونه نماینده کل جامعه است اما البته تنها بخشی از جامعه است. برای مطالعه موردی استخر، شما نیاز به تخمین‌هایی برای کل جمعیت جوانان دارید و بنابراین باید یک ضریب مقیاس را محاسبه کنید. ۵۶۱۶۲ مالک تگ استخر در طول تابستان سال مورد مطالعه وجود داشت و نمونه دارای ۲۲۸۵ محل سکونت دارای کدهای جغرافیایی صاحبان تگ استخر است. یک نمونه جداگانه تخمین می زند که ۴۶٫۱ درصد از دارندگان برچسب استخر را جوانان ۵ تا ۱۷ ساله تشکیل می دهند. بنابراین، برای اینکه نتایج نمونه تجزیه و تحلیل خود را به سطح جمعیت افزایش دهید، باید تعداد دارندگان برچسب استخر نمونه برداری شده را در ضریب ضرب کنید. ۰٫۴۶۱ (۵۶۱۶۲/۲۲۸۵ = ۱۱٫۳). نسبت داخل پرانتز به کل جمعیت دارندگان برچسب استخر می رسد و ۰٫۴۶۱ این نسبت را فقط برای جوانان ۵ تا ۱۷ سال تنظیم می کند. عامل افزایش مقیاس ۱۱٫۳ فرض می کند که همه بخش های پیتسبورگ توزیع سنی یکسانی دارند. که البته منجر به برخی خطاها می شود.

یک فایل نقشه باز کنید

1. Tutorial9-3.mxd را از پوشه Maps باز کنید.

داده های این پست شامل استخرهای باز و بسته، نمونه تصادفی آدرس محل سکونت صاحبان برچسب استخر (جوانان در این مورد) و داده های بلوک سرشماری جمعیت جوانان است. شما از یک Buffer چند حلقه ای برای تعیین (۱) تعداد دارندگان برچسب استخر در مجموعه ای از فواصل از نزدیکترین استخر باز (مقیاس شده از نمونه با ضریب ۱۱٫۳) و (۲) جمعیت هدف جوان در همان مجموعه فواصل از این بافر، می‌توانید درصد جوانانی که دارای برچسب‌های استخر در فاصله‌ای از نزدیک‌ترین استخر باز هستند و همچنین کل جمعیت جوانان در هر محدوده را محاسبه کنید.

2. فایل نقشه را در پوشه Chapter9 MyExercises ذخیره کنید.
3. Pooltags را روشن و سپس خاموش کنید.

همانطور که می بینید جوانان با برچسب استخر در داخل و خارج شهر زندگی می کنند.

شما نمی توانید از روی نقشه تشخیص دهید که آیا جوانان نزدیک به یک استخر باز احتمال بیشتری دارد که برچسب استخر داشته باشند یا خیر. برای پاسخ به این سوال باید کمی کار تحلیلی انجام دهید.

چندین Buffer حلقه برای استخرهای باز ایجاد کنید

شما در شرف استفاده از ابزارBuffer چندگانه در ArcToolbox هستید. با این حال، ابتدا باید فقط استخرهای باز را انتخاب کنید. سپس ابزار Multiple Ring Buffer تنها برای استخرهای باز Buffer ایجاد می کند.

1. روی Selection > Select By Attributes کلیک کنید، و مطابق شکل، با Pools برای Layer، “OPEN” برای Method و “OPEN = 1” برای عبارت WHERE، تایپ یا انتخاب کنید.

1. روی OK کلیک کنید.
2. ابزار Multiple Ring Buffer (Analysis) را جستجو کرده و باز کنید. همانطور که نشان داده شده است، با Pools for Input Features تایپ یا انتخاب کنید. PoolBuffers برای کلاس ویژگی خروجی. ۲، ۱٫۵، ۱، ۰٫۷۵، ۰٫۵، و ۰٫۲۵ برای فاصله ها. مایل برای واحد بافر. و فاصله برای نام فیلد.

فرقی نمی کند که از کدام ترتیب برای وارد کردن فاصله ها استفاده می کنید. با این حال، برای مطابقت با شکل، ابتدا “۲” را وارد کنید و به عقب برگردید تا ۰٫۲۵ شود.

4. روی OK کلیک کنید و پنجره جستجو را ببندید.

صبور باشید. اجرای ابزار Multiple Ring Buffer یک دقیقه یا بیشتر طول می کشد.

5. روی Selection > Clear Selected Features کلیک کنید.

5. بر روی تراشه رنگ برای ردیف ۰٫۲۵ دوبار کلیک کنید، برای رنگ پر کردن بدون رنگ، ۱٫۵۰ را برای عرض طرح، سبز تورمالین (ستون ۸، ردیف ۳) را برای رنگ طرح کلی انتخاب کنید، و روی OK کلیک کنید.
6. به طور مشابه، هر تراشه رنگ متوالی را بدون پر کردن رنگ تغییر دهید و رنگ‌های رئوس مطالب از سبز تورمالین (سیب متوسط، سبز پریدوت، زرد خورشیدی، طلای الکترونی و قرمز آتشین) باقی مانده است.

تصویر مرحله ۵ نقشه حاصل را نشان می دهد که در بخشی از پیتسبورگ بزرگنمایی شده است. جوانان ساکن در مناطقی با خطوط سبز تا زرد نزدیک به یک استخر روباز، در فاصله یک مایلی هستند. آنهایی که از زرد تا قرمز دورتر هستند، از یک تا دو مایل. می توانید ببینید که یک منطقه بزرگ بین خطوط نارنجی و قرمز وجود دارد (۱٫۵ تا ۲٫۰ مایل از نزدیکترین استخر)، که در آن هیچ استخر بسته ای برای بازگشایی و پر کردن شکاف وجود ندارد. مگر اینکه استخر جدیدی ساخته شود، به نظر می رسد آن منطقه دسترسی ضعیفی به استخرهای عمومی داشته باشد.

به طور فضایی بهBuffers، صاحبان برچسب استخر و جمعیت جوان بپیوندید

شما به راحتی می توانید از اتصالات فضایی برای جمع بندی تعداد صاحبان برچسب استخر و جمعیت جوانان در هر حلقه از بافرها استفاده کنید و سپس نرخ استفاده مربوطه را در هر Buffer محاسبه کنید، تعداد دارندگان برچسب استخر تقسیم بر جمعیت جوانان.

1. در فهرست مطالب، روی PoolBuffers کلیک راست کنید، روی Joins and Relates > Join کلیک کنید، و همانطور که نشان داده شده است تایپ یا انتخاب کنید، با «پیوستن به داده‌ها از یک لایه دیگر بر اساس موقعیت مکانی» برای «چه چیزی را می‌خواهید به این لایه بپیوندید؟» و جمع برای “چگونه می خواهید ویژگی ها خلاصه شوند؟”
2. روی OK کلیک کنید.

1. جدول اطلاعاتی لایه جدید را باز کنید و ببینید که دارای ویژگی Count_ است، که تعداد جوانان با تگ های pool در هر حلقه از Buffer است. جدول را ببندید.
2. روی JoinBufferPooltag کلیک راست کنید، روی Joins and Relates > Join کلیک کنید، و همانطور که نشان داده شده است تایپ یا انتخاب کنید، با “پیوستن به داده ها از یک لایه دیگر بر اساس موقعیت مکانی” برای “چه چیزی را می خواهید به این لایه بپیوندید؟”‘; PittsburghBlockCentroids برای “لایه را برای پیوستن به این لایه انتخاب کنید”؛ .Sum for “چگونه می خواهید خصوصیات خلاصه شوند و JoinBufferPooltagYouth را برای “مشخص کردن شکل فایل خروجی یا کلاس ویژگی برای این لایه جدید.”

1. روی OK کلیک کنید.
2. جدول عوارض لایه جدید را باز کنید و ببینید که دارای ویژگی Sum_AGE_5_17 است، که تعداد جوانان در هر حلقه از Bufferاست. جدول را باز بگذارید.

محاسبه نرخ استفاده

1. یک فیلد جدید، UserRate، به جدول ویژگی JoinBufferPooltagYouth با نوع داده شناور اضافه کنید.
2. روی UserRate کلیک راست کرده و روی Field Calculator کلیک کنید.
3. بیان را ایجاد کنیدمیزان استفاده = ۱۰۰*۱۱٫۳* [Count_] / [Sum_AGE_5_17]. روی OK کلیک کنید.

Count_ تعداد رکوردها در هر حلقه بافر است، همان تعداد صاحبان برچسب استخر نمونه برداری شده. ۱۰۰ کسر محاسبه شده را یک درصد می کند و ۱۱٫۳ عامل افزایش مقیاس از نمونه به جامعه است. میزان استفاده را بررسی کنید. همانطور که انتظار می رود با فاصله کاهش می یابد.

شما یک نمودار پراکنده از میزان استفاده در مقابل فاصله ایجاد خواهید کرد، اما ابتدا باید فاصله بهتری را برای هر حلقه بافر محاسبه کنید. ویژگی Distance حداکثر شعاع هر حلقه بافر است. بهتر نشان دادن هر Buffer شعاع متوسط ​​آن است که بعداً آن را محاسبه خواهید کرد.

4. یک فیلد نوع داده شناور جدید دیگر به نام DistanceAverage اضافه کنید.
5. روی Customize > Toolbars > Editor کلیک کنید.
6. روی فلش فهرست در نوار ابزار ویرایشگر کلیک کنید > شروع ویرایش، JoinBufferPooltagYouth را انتخاب کنید و روی OK > ادامه کلیک کنید.
7. از ردیف اول ستون DistanceAverage جدول ویژگی شروع کنید و ستون را پایین بیاورید، مقادیر زیر را تایپ کنید: ۰٫۱۲۵، ۰٫۳۷۵، ۰٫۶۲۵، ۰٫۸۷۵، ۱٫۲۵، ۱٫۷۵٫

برای این شکل، ستون‌ها به چپ یا راست کشیده شدند تا Distance، DistanceAverage و UserRate را گروه بندی کنید تا بتوانید ارتباط بین این ویژگی‌ها را ببینید.

8. در نوار ابزار ویرایشگر، روی پیکان فهرست > ذخیره ویرایش ها کلیک کنید. روی Stop Editing کلیک کنید، نوار ابزار ویرایشگر را ببندید و جدول اطلاعات را ببندید.

یک نمودار پراکندگی نرخ استفاده در مقابل شعاع متوسط ​​برای هر حلقه Buffer ایجاد کنید

1. روی View > Graphs > Create Graph کلیک کنید.
2. همانطور که نشان داده شده است، با Scatter Plot برای نوع نمودار، JoinBufferPooltagYouth برای لایه/جدول، میزان استفاده برای فیلد Y، ​​میانگین فاصله برای فیلد X، و DistanceAverage برای فیلد برچسب X، تایپ یا انتخاب کنید. گزینه Add to legend را بدون علامت بگذارید.
3. روی Next > Finish کلیک کنید.

می بینید که رابطه بین نرخ استفاده و متوسط ​​شعاع Buffer هموار اما با افت سریع است. در فاصله ۰٫۱۲۵ مایلی یک استخر باز، حدود ۸۸ درصد از جوانان برچسب استخر دارند، اما با فاصله متوسط ​​۱٫۲۵ مایلی، میزان استفاده بیش از نصف به ۴۱ درصد کاهش می یابد. این رابطه شامل مقداری خطای تصادفی در مورد یک منحنی است که می‌توانید تصور کنید که به آرامی از نقاط عبور می‌کند، زیرا فقط یک نمونه تصادفی به اضافه مفروضاتی برای استفاده از ضریب مقیاس ۱۱٫۳ ایجاد شده است.

4. فایل نقشه و نمودار خود را در پوشه Chapter9 MyExercises ذخیره کنید.

 

دو لایه نقشه JoinBuffer را خاموش کنید تا بتوانید استخرها، بافرهای اصلی خود، PittsburghBlockCentroids (جمعیت بر اساس بلوک از جوانان ۵ تا ۱۷ ساله) و رودخانه ها را ببینید. اگر مدیر پارک‌های پیتسبورگ بودید و بودجه لازم برای باز کردن یک استخر دیگر را داشتید و می‌توانید استخرهای باز و استخرهای بسته را به صورت یک به یک ببندید، چه می‌کردید؟ پس از اتمام، نمودار خود را ببندید.