ডেস্কটপের জন্য আর্কজিআইএস ব্যবহার করে 30 x30 কিলোমিটার ব্যবধানে পয়েন্টের সেট থেকে কাউন্টি-লেভেল শেফফিল তৈরি করা?

Question

আমার সিএসভি আকারে একটি ডেটা সেট রয়েছে, যেমন:

latitude, longitude, value
-45, 45, 10
....

আমি এই তথ্যগুলি থেকে আরকিজিআইএস বা আর + ঘাস ব্যবহার করে কাউন্টি স্তরের অর্থ গণনা করতে চাই।

আমার কাছে আর্কজিআইএস ইউএসএ কাউন্টি স্তর রয়েছে তবে আমি একটি স্থানিক যোগদান সফলভাবে সফল করতে সক্ষম হইনি।

কিভাবে আমি এটি করতে পারব?

Answer 1

আর্কজিআইএস-এর একটি এক্সওয়াইজ ডেটা টেবিল থেকে প্রতিটি কাউন্টিতে গড় (জেড) সহ কাউন্টি স্তরের আকৃতি ফাইল তৈরি করতে ব্যবহৃত একটি ওয়ার্কফ্লো

নোট করুন এটি @ এমলাউয়ের পরামর্শের উপর ভিত্তি করে প্রায় ধাপে ধাপে নির্দেশাবলী যুক্ত করেছেন।

---

খোলামেলা আর্কিটগ্ল্যাজ

1. নতুন ব্যক্তিগত জিওডাটাবেস তৈরি করুন (যেমন foo.mdb)
2. ফাইল -> নতুন -> ব্যক্তিগত জিওডাটাবেস

3. তথ্য যোগ করুন

   • মানচিত্রের সিএসভিতে ডান ক্লিক করুন -> জিওডাটাবেজে এক্সপোর্ট করুন (একক) -> foo.mdb
   • কাউন্টারে ক্লিক করুন.ইলিআর -> জিওডাটাবেজে এক্সপোর্ট করুন (একক) -> foo.mdb

4. এক্স টেবিল থেকে ফিচারক্লাস (.shp ফাইল) তৈরি করুন

   • foo.mdb খুলুন
   • ম্যাপ.সিএসভি টেবিলের ডান ক্লিক করুন -> এক্সটিটেবল থেকে ফিচারক্লাস তৈরি করুন
   • ইনপুট ক্ষেত্রগুলি x = দীর্ঘ, y = ল্যাট, জেড = ফলন
   • ইনপুট সিস্টেমের স্থানাঙ্ক স্থানাঙ্ক -> কাউন্টিগুলি থেকে আমদানি করুন -> (বা সমতুল্য - -> ভৌগলিক .. -> বিশ্ব -> wgs_1984 -> খোলা -> ঠিক আছে)

5. জিওডাটাবেজে বৈশিষ্ট্য ক্লাসগুলি আমদানি করুন (একাধিক)

   • পূর্ববর্তী সময়ে তৈরি shp ফাইল নির্বাচন করুন। পদক্ষেপ -> যোগ -> ঠিক আছে

অর্কম্যাপ খুলুন

1. ডেটা যুক্ত করুন

   • foo.mdb নির্বাচন করুন -> সিটিএল + নির্বাচন করুন টেবিল -> খোল

2. স্থানিক যোগদান

   • আর্কটুলবক্স -> বিশ্লেষণ সরঞ্জাম -> ওভারলে -> স্থানিক যোগদান ->
   • লক্ষ্য বৈশিষ্ট্য: counties.lyr
   • যোগদানের বৈশিষ্ট্য: xyz টেবিল মানচিত্র
   • আউটপুট বৈশিষ্ট্য শ্রেণি: filename_spatialjoin
   • অপারেশনে যোগ দিন: JOIN_ONE_TO_ONE
   • ম্যাচের বিকল্প: নিকটতম
   • যোগদানের বৈশিষ্ট্যগুলির ক্ষেত্রের মানচিত্র: অযাচিত ক্ষেত্রগুলি সরিয়ে দিন (কেবল STATE_FIP, CNTY_FIP, জেড-মানগুলি প্রয়োজন
   • ব্যাসার্ধ অনুসন্ধান: 30 কিমি
   • ক্লিক OK
   • জেড মান = ফলন; 'গড়' (বা বিকল্প পরিসংখ্যান) নির্বাচন করুন

Comments

@ ডেভিড বিস্তারিত উত্তরের জন্য ধন্যবাদ ... এটি পরীক্ষা করে দেখতে হবে।

— আবে

@ আপনি যখন এটি সম্পাদন করতে দ্বিধা বোধ করবেন না। আমি এটি সিডব্লিউ করেছি

— ডেভিড লেবাউয়ার

@ ডেভিড এই পরিস্থিতিতে আইডিডাব্লুটি জোনাল পরিসংখ্যানগুলির জন্য ভুল ফলাফল আনবে: @ স্কের জবাবের পরে আলোচনাটি দেখুন।

— হোয়বার

@whuber। যে ইশারা জন্য ধন্যবাদ। আমি শেষ হওয়ার পরে আমি ভুলে গিয়েছিলাম যে আসল বিন্দুটি ছিল কাউন্টির সাথে পয়েন্টগুলিতে একটি স্থানিক যোগদান; স্থির করেছি।

— ডেভিড লেবাউর

@ ডেভিড ধন্যবাদ তবে এখন আমি বিভ্রান্ত। প্রথমত, আপনার শিরোনাম ঘোষণার সাথে সাথে এই ওয়ার্কফ্লোতে আপনি আসলে "রাস্টার স্তর" তৈরি করেন? দ্বিতীয়ত, এটি কীভাবে তিনটি স্তর তৈরি হয়? সিএসভি ফাইল কেবলমাত্র একক সংখ্যাসূচক (z) সহ প্রতিটি পয়েন্টের (x, y) সেট উপস্থাপন করে।

— হোয়বার

Answer 2

আপনি .csv কে ইভেন্ট ইভেন্টে রূপান্তর করতে পারেন, তারপরে .shp এ রফতানি করতে পারেন, তারপরে নতুন .shp এর সাথে কাউন্টি লেয়ারে স্থান পরিবর্তন করুন এবং বুম করুন, আপনি গণনার পক্ষে যেতে পারছেন না।

Answer 3

একটি সাধারণ পদ্ধতি হ'ল আপনার নিয়মিত ব্যবধানযুক্ত পয়েন্টের ডেটাটিকে একজন রাস্টার হিসাবে রূপান্তর করা ( এক্সওয়াইজেডকে আরক * এ রাস্টারে রূপান্তরিত করা ; জি.আরএসএস- এ v.in.xyz ) তারপরে প্রতিটি কাউন্টির মধ্যে কোষের মানগুলিকে একত্রিত করতে একটি জোনাল স্ট্যাটিস্টিক অপারেটর সঞ্চালন করুন এবং পরিসংখ্যান গণনা করুন ( গড় গণনা করা স্ট্যান্ডার্ড পরিসংখ্যানগুলির মধ্যে একটি। পরিসংখ্যানগুলি সম্পাদন করতে, আর্ক * এ জোনাল স্ট্যাটিস্টিক্স ব্যবহার করুন , বা গ্রাসে v.rast.stats ।

আপনার যদি আরও উন্নত পরিসংখ্যান করার দরকার হয় তবে আপনি বিশ্লেষণটি আর এর সাথে করতে পারতেন rasterএবং spএটি কিছুটা জটিল।

Comments

ভাল ধারণা, তবে যদি পয়েন্ট অ্যারেগুলি স্থানাঙ্কগুলির সাথে সঠিকভাবে ওরিয়েন্টেড না করা হয়, তবে পুনরায় মডেলিং একজন রাস্টার হিসাবে রূপান্তরিত হবে এবং আপনি পুনরায় মডেলিং অ্যালগরিদমের রহমতে থাকবেন: গড়পড়তা গড়পড়তা কিছুটা হলেও সামান্যই বন্ধ হবে what ।

— whuber

ডান, যদি ঘরের আকারটি মোটামুটিভাবে সেট করা থাকে তবে পুনরায় মডেলিং ঘটতে পারে। একটি আনুমানিক হিসাবে, আপনার যে কোনও দুটি পয়েন্টের মধ্যে ন্যূনতম দূরত্বের অর্ধেক কক্ষের আকার নির্ধারণ করতে এবং এই সমস্যাটি এড়াতে সক্ষম হওয়া উচিত। এই পদ্ধতির পুনরায় মডেলিংয়ের হাতছাড়া করার অসুবিধাগুলি রয়েছে তবে পয়েন্টের সংখ্যাটি বৃহত্তর (দশ সহস্র বা আরও বেশি) এর পরে আমি এটি আরও ভাল পেয়েছি।

— স্কু

@ এসএসডব্লিউ পুনরায় মডেলিংটি সেলসাইজ কী তা বিবেচনা করেই ঘটে (যদি না গ্রাডির সাথে ডেটা ইতিমধ্যে পুরোপুরিভাবে সাজানো থাকে)। ফাইনার সেলসাইজ ব্যবহার করার সময় আপনি সম্ভবত আরও খারাপ উত্তর পেয়ে যাবেন , কারণ বেশিরভাগ গ্রিডের মানগুলি মূলগুলির মধ্যে বিভক্ত থাকে । আপনি যদি নিকটতম-প্রতিবেশী ইন্টারপোলেশন ব্যবহার না করেন তবে চরম মানগুলি নীচের প্রতিনিধিত্ব করে। গড়টি সামান্য প্রভাবিত হবে; অন্যান্য পরিসংখ্যান যেমন স্ট্যান্ডার্ড বিচ্যুতি আরও বেশি প্রভাবিত হতে পারে।

— whuber

@ যেহেতু আমি মনে করি যে আমি আমাদের ভুল বোঝাবুঝি কোথা থেকে এসেছি - আমি তথ্যকে একটি অবিচ্ছিন্ন পৃষ্ঠে রূপান্তর করার পক্ষে পরামর্শ দিচ্ছি না, কেবলমাত্র বিন্দু মানগুলি (যখন তারা উপস্থিত থাকে) একটি নিয়মিত রাস্টার গ্রিডে রাখি। সুতরাং গ্রিডের বিস্তৃত অংশটি কেবল স্থায়ী মানগুলির সাথে পয়েন্টের অবস্থানের সাথে একযোগে সেল অবস্থানগুলিতে ন্যূনাল থাকবে।

— স্কু

@ এসএসও আহ, খুব ভাল! সুস্পষ্ট করার জন্য ধন্যবাদ. আপনি @ এমএলওউরির দ্বারা প্রস্তাবিত স্থানিক যোগদানের গ্রিড ভিত্তিক সমতুল্য কার্যকরভাবে করছেন।

— whuber