本文根據已有數據進行更深層度的分析，從而找出污染源。
（1）右鍵泰森多邊形，通過統計不同污染程度的功能區數量，得到如下污染程度數量分布圖：
污染程度數量分布圖
由污染程度空間分布圖可以知道該城區污染物主要分布在西南地區以及中部局部地區，自西南向東北遞減，極值在西南角地區，并且污染嚴重地區功能區主要是交通區和工業區，東部地區大部分都是無污染地區，由此可知污染源范圍就鎖定在西南地區以及中部局部地區。
由污染程度數量分布圖可以知道該城區無污染地區占50%左右，輕度污染和中等污染占40%，強污染地區占不到1%，沒有地區污染程度達到強-極嚴重污染和極嚴重污染程度。
（2）對地累積指數進行反距離權重空間插值，字段選擇地累積污染指數，得到地累積指數空間插值圖，對圖層按照污染程度分成5類，因為由污染程度數量分布圖可以知道該城區沒有地區污染程度達到強-極嚴重污染和極嚴重污染程度。（那為什么選擇反距離權重插值方法，不選用其他插值方法呢？因為小編后面要找到污染源，而反距離權重法插值它以插值點與樣本點間的距離為權重進行加權平均，離插值點越近的樣本點賦予的權重越大，所以結果相比較于其他插值方法可以更直觀呈現出那些點值更突出，污染源更為明顯 ）
地累積指數空間插值圖
（3）那么問題來了，這么多個測量點，那個才是污染源呢？很明顯，點所在的地區顏色越深，作為污染源的可能性越大，那直接選中導出數據可以嗎？老實說，額，確實可以，就像是遙感中的目視解譯，但是如果我研究的地區很大，測量點更多，那這種方法就不可取了，所以我們要使用焦點統計工具求出一定范圍內的最大值Max，然后用原始插值數據減去最大值Max等于0的那個柵格就是該地區灰度值（像元值）最大的柵格，也就是污染指數最大的柵格（即污染源），最后將柵格轉換成矢量的點數據即可。
在焦點統計中的鄰域分析中我選擇圓形，半徑選擇30個像元，這個要視具體情況而定，統計類型選擇MAXIMUM,整個設置下來的意思就是說，在半徑為30個柵格的圓內（對于邊緣柵格，如果該像元中心是在該鄰域內，則將其包括）找到灰度值（像元值）最大的那個柵格作為圓心那個柵格的灰度值。
焦點統計結果如下：會發現除了圓的邊緣，圓內的顏色都差不多，這是因為某一個最值都被附近的領域包括在內作為了最大值，一人獨大！！哈哈哈哈哈哈。
Max：焦點統計圖
（4）接下來就是計算地累積指數插值結果減去Max數據等于0的柵格，得到地累積指數空間分布的多個極值，即可認為這是污染源的待選點。那問題又來了，怎么計算呢？矢量數據的計算有字段計算器，柵格數據的計算有柵格計算器！！
接下來是語法教學，其實很簡單，就是在圖層和變量框里面雙擊選擇反距離權重插值出來的數據和Max數據，在二者中間輸入減號，兩個前后位置無所謂（因為最后都是等于0嘛）最后在末尾輸入“0”！！?。ㄗ⒁馐莾蓚€等于號，而且你會發現運算符那個框里面沒有只有一個等于號的給你選，因為在計算機語言里面“”就是我們數學上所理解的等于號“=”），寫完簡單的減法表達式后選擇輸出路徑點確定就行了。
通過觀察計算結果可以知道圖層只有兩種顏色（黑白色我是為了對比明顯才故意搞的，白點我差點以為是電腦屏幕上的灰塵…），一種顏色代表一個值，值只有0和1，相信學過計算機的小伙伴都知道，計算機計算都是二進制的0和1，1代表是，0代表不是，圖上的白點是1，代表剛才的計算結果，即地累積指數插值結果減去Max數據等于0的結果，其他黑色的都是背景值為0，通過查看屬性表可以知道像元值為1的柵格有20個，并且分布比較分散。不同的像元統計會導致柵格計算結果不一樣。
（5）柵格出來了，但是它不能改變大小形狀，而且不方便刪除不合格的柵格（污染源待選點），于是可以考慮轉化成矢量點數據，這樣方便刪除不合適的點并且可以符號化污染源，讓其空間分布更加直觀形象。但是在轉矢量之前要先重分類，因為柵格計算結果有0的背景值，我們需要把它劃分成無數據（Nodata），相關參數如下，只要將舊值的0修改成Nodata就行啦?。。?！
得到的柵格數據只有值為1的那20個最值柵格，值為0的背景值已經不見啦，然后就可以直接轉化成矢量點數據了（柵格數據的灰度值就是Value字段，跟柵格數據有關的字段99%都是選擇這個字段！）。
（6）對矢量點進行符號化，然后對比地累積指數空間插值圖。
待選點和探測點對比圖
由前面分析可知污染源范圍就鎖定在西南地區以及中部局部地區。由對比圖分析可知，在測量點范圍外的地區產生的污染源待選點明顯不符合條件，故刪除，屬于或者靠近無污染地區和輕度-中等污染區的待選點只能作為傳播過程的顯著點，經過考慮后也要刪除。
最終我選取了8個點作為污染源。
成都途遠GIS是一家專業致力于無人機航空攝影測繪、航空數據處理、GIS地理信息系統研發、數字孿生城市制作、數字沙盤模型等業務的創新型科技公司，為您提供一站式地理信息服務。
本文鏈接：http://m.800xyz.com/blog/488.html
本文標簽：ArcGIS
