精华内容
下载资源
问答
  • 运用ArcGIS地理信息系统软件,得到研究区详细的土地利用类型转变数据,依据数据建立了单一土地利用类型动态度、线性回归方程以及综合土地利用类型动态度3个分析模型,进而为大型露天矿区的生态重建提供决策支持。
  • 基于RS和GIS的土地利用类型变化研究,刘金,李钢,近年来,随着3S技术的迅猛发展,以及遥感数据的精确获得和数据处理方法的逐渐成熟,为土地利用变化研究提供了快捷方便的手段。本�
  • 文中以泰安市为研究区域,选取2018年5月Landsat 8 OLI/TIRS影像为数据源,采用最大似然分类法得到泰安市土地利用分类图,同时采用单窗算法反演地表温度得到地表温度图,从小尺度城市内部分析土地利用类型与地表温度之间...
  • 基于名义变量指数的土地利用类型空间自相关研究,吕利娜,郑新奇,土地利用的空间分布特征和空间关系是土地利用规划中的重要内容,目前对它的相关研究通常采用以定性分析为主的传统方法,但缺少定
  • 分析不同年份土地利用类型的变化。 思路 1、准备要对比的不同年份的数据 2、从文件夹中分别读取不同年份每个小类的shp文件 3、将不同年份相同小类的图层的属性放到一个图层里(union) 4、在union生成的结果中新增...

    需求

    分析不同年份土地利用类型的变化。

    思路

    1、准备要对比的不同年份的数据
    2、从文件夹中分别读取不同年份每个小类的shp文件
    3、将不同年份相同小类的图层的属性放到一个图层里(union)
    4、在union生成的结果中新增字段(change)
    5、使用字段计算器,给新增字段赋值,如果属性没变,就赋值为1,如果属性变化了就赋值为0
    6、按照属性选择发生变化的要素,最终输出结果文件

    方法

    详解

    1、os.listdir()

    用于返回指定的文件夹包含的文件或文件夹的名字的列表。

    os.listdir(new_shp_file_path) # 列出shp_file_path这个路径下的所有文件
    

    如果目录下有中文,需要先进行转码处理:

    new_shp_file_path = shp_file_path.decode('utf-8')
    

    2、os.path.splitext()

    分离文件名与扩展名,以最后一个.来区分扩展名

    os.path.splitext(file)[0] 获得文件名
    os.path.splitext(file)[1] 获得文件扩展名
    os.path.splitext("D:/土地利用2017.gdb")[0] # D:/土地利用2017
    os.path.splitext("D:/土地利用2017.gdb")[1] # .gdb
    os.path.splitext("D:/土地利用2017.gdb.shp")[0] # D:/土地利用2017.gdb
    os.path.splitext("D:/土地利用2017.gdb.shp")[1] # .shp
    

    3、append()

    append() 方法用于在列表末尾添加新的对象,无返回值,会修改原来的列表

    aList = [123, 'xyz', 'zara', 'abc'];
    aList.append( 2009 );  # alist = [123, 'xyz', 'zara', 'abc', 2009]
    

    4、arcpy.ListFeatureClasses()

    列出工作空间中的要素类

    5、arcpy.Union_analysis()

    计算输入要素的几何并集。将所有要素及其属性都写入输出要素类
    ![image.png](https://img-blog.csdnimg.cn/img_convert/dce759fe17e671f6841dc6daf92cf303.png#align=left&display=inline&height=245&margin=[object Object]&name=image.png&originHeight=245&originWidth=469&size=12726&status=done&style=none&width=469)

    arcpy.Union_analysis (inFeatures, outFeatures, "ALL")
    

    6、arcpy.CreateFileGDB_management()

    arcpy.CreateFileGDB_management(out_gdb_path,out_gdb_name)
    # 在指定目录中创建了文件地理数据库,如果输出地理数据库名称不包含 .gdb 扩展名,则会添加这样一个扩展名
    

    7、arcpy.ListFields()

    arcpy.ListFields(new_item_path)
    # 指定的要素类或表的字段名称列表
    

    8、arcpy.AddField_management()

    arcpy.AddField_management(new_item_path,name_space,'SHORT')
    # new_item_path :要添加指定字段的输入表
    # name_space :新增的字段名
    # SHORT :新字段的字段类型,
    

    其他值

    9、arcpy.CalculateField_management()

    arcpy.CalculateField_management(new_item_path, name_space, expression, 'PYTHON_9.3')
    # new_item_path :文件路径
    # name_space :新增的字段名
    # expression : 赋值运算的表达式
    # PYTHON_9.3 :指定要使用的表达式的类型
    """
    VB —表达式将使用标准 VB 格式编写,默认设置,64 位产品不支持
    PYTHON —表达式将使用标准 Python 格式编写。地理处理器方法和属性的使用与创建 9.2 版地理处理器相同
    PYTHON_9.3 —表达式将使用标准 Python 格式编写。地理处理器方法和属性的使用与创建 9.3 版地理处理器相同
    """
    

    10、arcpy.FeatureClassToGeodatabase_conversion()

    arcpy.FeatureClassToGeodatabase_conversion(new_item_path,out_location)
    

    11、arcpy.MakeFeatureLayer_management()

    根据输入要素类或图层文件创建要素图层。该工具创建的图层是临时图层,如果不将此图层保存到磁盘或保存地图文档,该图层在会话结束后将不会继续存在。

    arcpy.MakeFeatureLayer_management(item_name, lyr_name)
    

    12、arcpy.SelectLayerByAttribute_management()

    arcpy.SelectLayerByAttribute_management(lyr_name, 'NEW_SELECTION', condition)
    # NEW_SELECTION —生成的选择内容将替换任何现有选择内容,默认设置
    

    其他属性
    输入必须为要素图层或表视图。不能使用要素类或表作为输入。

    13、arcpy.CopyFeatures_management()

    将输入要素类或图层中的要素复制到新要素类。如果输入是具有选定内容的图层,则仅复制所选要素。如果输入是地理数据库要素类或 shapefile,则会复制所有要素。

    arcpy.CopyFeatures_management(lyr_name,out_path)
    

    补充

    • Python将反斜线 () 用作转义字符。例如,\n 表示换行符,\t 表示制表符。指定路径时,可使用正斜线 (/) 代替反斜线。使用两条反斜线(而不是一条)以避免语法错误。也可通过在包含反斜线的字符串前放置字母 r(以便正确解释)来使用字符串文本。
    展开全文
  • 因此,对于分析同一土地利用类型下不同季节的地表温度分布至关重要。 本文采用线性光谱混合分析的完全约束最小二乘方法提取土地覆盖率信息。 根据城市发展程度的差异,将研究区域分为三个区域,以估算城市热环境...
  • GEE 学习笔记 12:案例4- 统计不同土地利用类型的面积情况1. 数据数据来源:https://lpdaac.usgs.gov/products/mcd12q1v006/数据说明:直接利用modis的产品数据mcd12q1v006进行统计数据类型如图所示2. 利用LC_Type1...

    1d6517b7a5ebeb0850ce2ed2e2062338.png

    GEE 学习笔记 12:案例4- 统计不同土地利用类型的面积情况

    1. 数据

    • 数据来源:https://lpdaac.usgs.gov/products/mcd12q1v006/
    • 数据说明:直接利用modis的产品数据mcd12q1v006进行统计
    • 数据类型如图所示

    89c53527fa2f7f1903fccba6362357bd.png

    2. 利用LC_Type1这个数据进行统计

    94a076eb3713362ff8cd0c537b5627f7.png

    3. 在GEE上画图展示土地类型情况

    5b0479461e4738f1125748cc480098b3.png

    4. 统计不同土地类型的面积

    db121177565cb619dc28c1538346dc3c.png

    5. 案例详细代码

    // 图例代码来源网络
    function addLegend(palette, names) {
     //图例的底层Panel
     var legend = ui.Panel({
       style: {
         position: 'bottom-right',
         padding: '5px 10px'
       }
     });
     //图例标题
     var title = ui.Label({
       value: '图例',
       style: {
         fontWeight: 'bold',
         color: "red",
         fontSize: '16px'
       }
     });
     legend.add(title);
    
     //添加每一列图例颜色以及说明
     var addLegendLabel = function(color, name) {
           var showColor = ui.Label({
             style: {
               backgroundColor: '#' + color,
               padding: '8px',
               margin: '0 0 4px 0'
             }
           });
    
    
           var desc = ui.Label({
             value: name,
             style: {margin: '0 0 4px 8px'}
           });
         //颜色和说明是水平放置
           return ui.Panel({
             widgets: [showColor, desc],
             layout: ui.Panel.Layout.Flow('horizontal')
           });
     };
    
     //添加所有的图例列表
     for (var i = 0; i < palette.length; i++) {
       var label = addLegendLabel(palette[i], names[i]);
       legend.add(label);
     }  
    
     Map.add(legend);
    }
    
    
    var roi = ee.FeatureCollection("users/comingboy1118/China/CH");
    Map.addLayer(roi,{"color":"red"},"roi");
    
    var collection = ee.ImageCollection('MODIS/006/MCD12Q1');
    print(collection,"collection");
    
    var modisLandcover = collection.select('LC_Type1');
    
    var modisLandcoverArea = modisLandcover.map(function(image){
      var area = ee.Image.pixelArea().addBands(image).reduceRegion({
            reducer: ee.Reducer.sum().group({
              groupField: 1, 
              groupName: "LC_Type1"
            }), 
            geometry: roi, 
            scale: 5000,
            maxPixels:10e15,
          });
    
      var image = image.set({"area":area});
      return image;
    });
    
    // 把字典面积数据转换成feature
    var area = modisLandcoverArea.reduceColumns(ee.Reducer.toList(), ['area'])
                                .get('list');
    
    var time = modisLandcoverArea.reduceColumns(ee.Reducer.toList(), ['system:time_start'])
                                .get('list');
    
    var feature = ee.List(time).zip(area).map(function(timeArea){
      var time = ee.Date(ee.List(timeArea).get(0)).get("year");
      var area = ee.List(timeArea).get(1);
          area = ee.Dictionary(area).get("groups");
      var feature = ee.List(area).map(function(dict){
          dict = ee.Dictionary(dict);
      var value = dict.values();
        return ee.Feature(null, { 
          time: time,
          land:value.get(0),
          area:value.get(1)});
        });
      return feature;
    });
    
    feature = feature.flatten();
    var feature = ee.FeatureCollection(feature);
    print(feature,"feature");
    
    var palette = [
        '05450a', '086a10', '54a708', '78d203', '009900', 'c6b044', 'dcd159',
        'dade48', 'fbff13', 'b6ff05', '27ff87', 'c24f44', 'a5a5a5', 'ff6d4c',
        '69fff8', 'f9ffa4', '1c0dff'
      ]
    var names = [ 'Evergreen Needleleaf Forests',
                  'Evergreen Broadleaf Forests',
                  'Deciduous Needleleaf Forests',
                  'Deciduous Broadleaf Forests',
                  'Mixed Forests',
                  'Closed Shrublands',
                  'Open Shrublands',
                  'Woody Savannas',
                  'Savaunas',
                  'Grasslands',
                  'Permanent Wetlands',
                  'Croplands',
                  'Urhan and Built-un Lands',
                  'Cropland/Natural Vegetation Mo-saics',
                  'Permanent Snow and Ice',
                  'Barrer',
                  'Water Bodies']
    // 面积统计
    var chart = ui.Chart.feature.groups(feature, "time", "area", "land")
    .setSeriesNames({1:'Evergreen Needleleaf Forests',
                  2:'Evergreen Broadleaf Forests',
                  3:'Deciduous Needleleaf Forests',
                  4:'Deciduous Broadleaf Forests',
                  5:'Mixed Forests',
                  6:'Closed Shrublands',
                  7:'Open Shrublands',
                  8:'Woody Savannas',
                  9:'Savaunas',
                  10:'Grasslands',
                  11:'Permanent Wetlands',
                  12:'Croplands',
                  13:'Urhan and Built-un Lands',
                  14:'Cropland/Natural Vegetation Mo-saics',
                  15:'Permanent Snow and Ice',
                  16:'Barrer',
                  17:'Water Bodies'})
        .setOptions({
          title: 'area vs Landcover',
          hAxis: {'title': 'year'},
          vAxis: {'title': 'area (m^2)'},
          pointSize: 3,
          colors:['#05450a', '#086a10', '#54a708', '#78d203', '#009900', '#c6b044', '#dcd159',
        '#dade48', '#fbff13', '#b6ff05', '#27ff87', '#c24f44', '#a5a5a5', '#ff6d4c',
        '#69fff8', '#f9ffa4', '#1c0dff']
        })
    print(chart)
    // 地图显示
    var landcoverVisualization = {palette: palette, min: 1, max: 17, format: 'png'};
    Map.setCenter(108, 28, 3);
    Map.addLayer(modisLandcover.first().clip(roi), landcoverVisualization, 'MODIS landcover');
    
    //添加图例
    addLegend(palette, names);
    
    展开全文
  • 这项研究得出的结论是,在MODIS和Landsat数据中,岩层的土地利用类型的最高温度分别为59°和45°,而在MODIS和Landsat数据中,玄武岩中的土地利用类型的最高温度分别为59°和45 °分别。 总之,MODIS和Landsat OLI...
  • GEE 学习笔记 12:案例4- 统计不同土地利用类型的面积情况1. 数据数据来源:https://lpdaac.usgs.gov/products/mcd12q1v006/数据说明:直接利用modis的产品数据mcd12q1v006进行统计数据类型如图所示2. 利用LC_Type1...

    baf28b54a75084dce83c3d9390db9c18.png

    GEE 学习笔记 12:案例4- 统计不同土地利用类型的面积情况

    1. 数据

    • 数据来源:https://lpdaac.usgs.gov/products/mcd12q1v006/
    • 数据说明:直接利用modis的产品数据mcd12q1v006进行统计
    • 数据类型如图所示

    4a0edc776cee03c14188b1bd57706ebb.png

    2. 利用LC_Type1这个数据进行统计

    98f1ec4a03a594d94cf52a06acfa436e.png

    3. 在GEE上画图展示土地类型情况

    bafa621bf2dc2f73caa8b6b72ff8312f.png

    4. 统计不同土地类型的面积

    e6b4483b84b241b82b12d96c93ec27cd.png

    5. 案例详细代码

    // 图例代码来源网络
    
    展开全文
  • 两幅分类结果的栅格图中计算土地利用类型转换矩阵
  • 基于RS/GIS的阜康市土地利用类型分形研究以阜康市为例,在遥感和地理信息系统技术的支持下,利用土地利用类型结构的分形模型,计算了阜康市各土地利用类型斑块的 分维数和稳定性指数。结果表明:阜康市各土地利用...
  • 面向土地利用类型识别的高分辨率SAR数据复合技术研究 介绍怎么用高分SAR图像进行融合然后进行图像分类
  • 基于“土类—土地利用类型”权重法的白城地区近50年土壤有机碳动态变化研究,汤洁,李娜,本研究基于白城地区第一次、第二次全国土壤普查和野外现场采样共217个土壤剖面数据,利用
  • 之前有许多同学遇到过如何利用ArcGIS统计不同行政区内的各土地利用类型面积,于是我写了这个博文,便于大家查看。 所用数据: “河南省市级行政区.shp” “河南省土地利用类型数据.tif” 步骤: 将数据加载后,...

    之前有许多同学遇到过如何利用ArcGIS统计不同行政区内的各土地利用类型面积,于是我写了这个博文,便于大家查看。

    所用数据:

    “河南省市级行政区.shp”

    “河南省土地利用类型数据.tif”

    步骤:

    将数据加载后,打开【ArcToolbox】——【Spatial Analyst 工具】——【面积制表】,对相关参数进行设置,具体见下图:

    打开得到的表格,每个地类下的数值即所求面积,单位是平方米。

    注:如果栅格数据没有属性表,需对其进行重分类,得到属性表,再进行以上步骤即可。

    展开全文
  • 这项研究处理了尼泊尔萨加玛塔国家公园和缓冲区的植物功能性状随海拔梯度和土地利用类型的变化。 2011年4月和2011年9月进行了两次实地调查,以收集样本。 采样从2200-3800 m asl进行,变化范围约为。 400米 选择了...
  • 本数据采用一个分层的土地覆盖分类系统,将全区域分为6个一级分类(耕地、林地、草地、水域、城乡、工矿、居民用地与未利用土地),31个二级分类。 二、数据处理说明 数据集基于Landsat MSS、TM与ETM遥感数据为底...
  • 1、准备数据 两个时相的土地利用分类结果,它是单波段、专题类型的伪彩色图像(ENVI Classification) 2、计算转换矩阵 打开两个土地利用分类结果 (1) 在主菜单中,选择Basic Tools → Change Detection → ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 386
精华内容 154
关键字:

土地利用类型