ArcGISPro应用指南:使用ArcGIS Pro创建与优化H3六边形网格

H3 是由 Uber 开发的一个开源地理空间分析框架,旨在通过将地球表面划分为等面积的六边形网格来支持各种地理空间数据分析任务。每个六边形单元在 H3 系统中都有一个独一无二的标识符,即 H3 指数。这种网格系统不仅能够覆盖全球,而且适用于任何地理位置,提供了从0级到15级共16个不同的分辨率级别。这意味着用户可以根据具体需求选择不同大小的六边形网格,较低级别的分辨率对应着较大面积的六边形,而较高级别的分辨率则提供更精细的小面积六边形。此外,H3 网格系统具有层次结构特性,允许不同分辨率下的六边形之间进行关联和转换,这为数据操作和分析提供了极大的灵活性。尽管地球是一个近似球体,H3 努力确保所有网格都是接近正六边形的形状,以减少使用不同形状单元(如矩形)可能导致的统计偏差。因此,H3 非常适合用于数据可视化、模式识别、区域划分以及邻域分析等任务,并且在处理大规模地理空间数据时能保持高效性能。这些特点使得 H3 成为了地理信息系统(GIS)专家、城市规划者、物流分析师等多个领域专业人士的重要工具。

为什么选择六边形作为H3网格?

在选择网格系统的单元形状时,一个关键考量是其几何特性和空间填充效率。为了简化分析并提高数据的一致性,理想的单元形状应能形成规则的平铺模式,如三角形、正方形或六边形。然而,这些形状在邻近关系和空间填充方面表现各异:

  • 三角形单元虽然能够紧密排列,但其邻居间的距离分为三种不同的尺度,增加了复杂性。
  • 正方形单元稍微简化了这种复杂性,仅有两种不同的邻居距离,但仍不如理想中的统一。
  • 六边形单元则脱颖而出,因为它们确保所有相邻单元都是等距的,从而简化了邻近分析,并且在所有候选形状中提供了最佳的空间填充效率。

采用六边形网格进行地理空间划分时,平均填充误差幅度较使用方形网格更小。因此,六边形不仅优化了空间表示,还减少了因几何形状差异导致的数据偏差,使其成为一种更加精确和高效的空间分析工具,这种特性使得六边形网格系统特别适用于需要精细地理空间分析的应用场景;

像元面积是使用 WGS84/EPSG:4326 给出的半径通过地球的球形模型计算的;

每个H3网格都有一个唯一的标识符,并且这些网格覆盖全球,支持16个不同的分辨率级别(0-15)。在较低的分辨率下,六边形网格面积较大;而在较高的分辨率下,网格面积较小,允许用户根据具体需求选择合适的细节程度;

在ArcGIS Pro 3.1版本及以后的版本中,引入了对H3六边形的支持,用户可以生成细分工具的功能来来创建六边形H3网格,本文就基于厦门市为例,通过ArcGIS Pro来创建H3网格;

第一步:在打开视图的地理处理,检索"生成细分曲面",选择H3六边形;

第二步:范围选择,你需要生成区域的范围(行政区),空间参考可以使用wgs84,或者你当前使用的坐标系即可。分辨率也可以自定义,数字越大越小,不清楚的可以参考上表或者开发文档:Tables of Cell Statistics Across Resolutions | H3;

第三步:这里的分辨率是采用的8级,大概一个H3网格0.74km²左右;

第四步:接下来通过地理处理工具箱检索"裁剪"功能,把网格依据行政区边界进行裁剪即可;

生成效果如下图;

但是这样的裁剪的H3网格/或者我们平时使用的渔网网格,都会出行边缘网格不完整的情况,那么这个问题如何解决呢?

这里有一个小tips:H3网格是在球面上定义的,并且它不直接依赖于任何特定的投影坐标系,由于地球是一个近似的球体,这些六边形可能会出现一些变形,导致它们的实际面积和形状略有不同;

方案一(内部保留完整的网格)

打开已经裁剪的图层,打开属性表,增加一个area字段,右键选择"计算几何",单位选择平方千米,接下来,选择"按属性选择",这里以厦门市为例,根据H3网格大致面积,筛选大于0.78km²以上的H3网格(计算方法通过手动选择多个网格,观察面积浮动范围),具体值可以根据实际情况调整;

筛选结果如下图,另存为新的图层即可;

方案二(外部保留完整的网格)

同样打开已经裁剪的图层,并检索功能"要素转点",勾选内部,即生成的点必定在几何图形内部;

接下来增加一个字段,我这里命名为num,右键"计算字段",赋值为1;

接下来,我们进行空间连接,同样的先在工具箱检索"空间连接",把生成的中心点与未裁剪生成的h3网格进行空间连接,匹配选项选择"包含";

生成的图层,打开属性表,选择"按属性选择",选择num =1 的值;

接下来,把数据另存为新的图层,就得到了想要的结果;

最后,我们再叠加比如人口数据,我们就可以看到更加炫酷的H3人口网格分布图;

文章仅用于分享个人学习成果与个人存档之用,分享知识,如有侵权,请联系作者进行删除。所有信息均基于作者的个人理解和经验,不代表任何官方立场或权威解读。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/89675.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/89675.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

xss-dom漏洞

目录 靶场搭建 第一关 第二关 第三关 第四关 第五关 第六关 第七关 第八关 靶场下载地址:https://github.com/PwnFunction/xss.pwnfunction.com 靶场搭建 将文件用clone 下载到ubuntu, 然后进入 cd xss.pwnfunction.com/hugo/ 这个目录下 hu…

BPE(字节对编码)和WordPiece 是什么

BPE(字节对编码)和WordPiece 是什么 BPE(字节对编码)和WordPiece 是自然语言处理中常用的子词分词算法,它们通过将文本拆分为更小的语义单元来平衡词汇表大小和表达能力。 BPE(Byte Pair Encoding,字节对编码) 原理 初始化:将文本按字符(或Unicode字节)拆分为最小…

Java行为型模式---状态模式

状态模式基础概念状态模式(State Pattern)是一种行为型设计模式,其核心思想是允许对象在内部状态发生改变时改变它的行为,对象看起来好像修改了它的类。状态模式将状态相关的行为封装在独立的状态类中,并将状态转换逻辑…

重学Framework Input模块:如何实现按键一键启动Activity-学员作业

需求背景: 近来vip群里学员朋友有问道一个需求,大概需求就是他们做TV的Framework开发,想要遥控器有一个新定义的儿童节目按键,想要实现这个按键按下后就跳转到儿童节目的Activity。需求拆解及作业要求: 针对上面需求&a…

bmp图像操作:bmp图像保存及raw与bmp转换

1. 保存bmp图像&保存一张正弦图像到D:\1.bmp /********************************************** * fileName bmpinc.h * brief 对bmp文件的操作,包括: * - saveBmp:保存bmp文件 * - Save…

SpringAI——提示词(Prompt)、提示词模板(PromptTemplate)

Prompt 是引导 AI 模型生成特定输出的输入格式,Prompt 的设计和措辞会显著影响模型的响应。最开始Prompt只是单纯的文本文字,后面可以包含占位符,可以识别消息的角色。比如包含占位符的Prompt,也就是我们讲的消息模板(PromptTemplate)&#x…

【深度学习笔记 Ⅰ】5 参数和超参数

在深度学习中,参数(Parameters) 和 超参数(Hyperparameters) 是模型训练中两个核心概念,它们共同决定了模型的性能,但作用方式和优化方法截然不同。以下是详细对比与解析:1. 参数&am…

Linux 阻塞等待框架

在 Linux 设备驱动开发中,阻塞机制 是处理资源暂时不可用(如设备未准备好数据、缓冲区满等)的核心手段。驱动程序可以将被阻塞的进程设置成休眠状态,然后,在资源可用后,再将该进程唤醒。 在 Linux 驱动开发…

PCIe RAS学习专题(3):AER内核处理流程梳理

目录 一、AER内核处理整体流程梳理 二、AER代码重要部分梳理 1、AER初始化阶段 2、中断上半部 aer_irq 3、中断下半部 aer_isr 3.1、aer_isr_one_error 3.2、find_source_device 3.3、aer_process_err_devices 3.4、handle_error_source 3.5、pcie_do_recovery 整体逻…

​HAProxy负载均衡集群概述

前言: 在现代分布式系统中,负载均衡和高可用性是保障服务稳定性和性能的关键技术。HAProxy 作为一款高性能的 TCP/HTTP 负载均衡器,凭借其轻量级、高并发处理能力和灵活的配置机制,成为构建高可用架构的核心组件之一。通过智能的流…

ELN:生物医药科研的数字化引擎——衍因科技引领高效创新

在生物医药研究领域,实验数据的准确记录与管理是科研成败的关键。想象一个场景:某顶尖医学院实验室,研究员小张正为一项抗癌药物实验焦头烂额。纸质记录本中,数据混乱、协作困难,导致实验重复率高达20%。引入衍因科技的…

暑假---作业2

学习目标&#xff1a;xss-1abs 1-8关python美现自动化布尔自注的2、代码进行优化(二分查找)学习内容&#xff1a;1.xss-1abs 1-8关1<h2 align"center">欢迎用户test</h2>2 <script> alert (1)</script&gt<center> <form action&…

【Tensor数据转换】——深度学习.Torch框架

目录 1 Tensor与Numpy 1.1 张量转Numpy 1.2 Numpy转张量 1 Tensor与Numpy 1.1 张量转Numpy 调用numpy()方法可以把Tensor转换为Numpy&#xff0c;此时内存是共享的。 使用copy()方法可以避免内存共享 import torch import numpy as np# tensor转numpy:numpy() def test0…

基于Tranformer的NLP实战(5):BERT实战-基于Pytorch Lightning的文本分类模型

文本分类作为自然语言处理中的基础任务&#xff0c;能够帮助我们将海量医学摘要自动归类到具体疾病领域中。本文将基于NVIDIA NeMo框架&#xff0c;构建一个用于医学疾病摘要分类的深度学习应用&#xff0c;支持将摘要划分为三类&#xff1a;癌症类疾病、神经系统疾病及障碍、以…

14-链路聚合

链路聚合技术 一 链路聚合概述链路聚合定义链路聚合是把多条物理链路聚合在一起&#xff0c;形成一条逻辑链路。应用在交换机、路由器、服务器间链路。分为三层链路聚合和二层链路聚合。二 链路聚合的作用 1. 链路聚合模式静态聚合模式 端口不与对端设备交互信息。选择参考端口…

学习C++、QT---28(QT库中使用QShortcut类对快捷键创建和使用的讲解)

每日一言 所有的努力&#xff0c;都是为了让未来的自己感谢现在的你。 QShortcut 我们的记事本肯定要有通过快捷键对字体的放大和缩小进行控制的功能啊&#xff0c;那么我们这边就这个问题我们需要先学习一下QShortCut 我们这个类就是专门做快捷键的 老样子我们刚开始学习这个…

Web Worker:让前端飞起来的隐形引擎

目录 Web Worker&#xff1a;让前端飞起来的隐形引擎 一、什么是 Web Worker&#xff1f; 1、为什么需要 web worker 2、什么是 web worker 二、基本使用方法 1、创建一个 Worker 文件&#xff08;worker.js&#xff09; 2、主线程引入并使用 三、实战案例&#xff1a;…

关于在VScode中使用git的一些步骤常用命令及其常见问题:

输入 gitee用户 gitee绑定邮箱git config --global user.name "automated-piggy-senior" git config --global user.email "1323280131qq.com"克隆远程库到本地 git clone https://gitee.com/automated-piggy-senior/20250717-test.git常见问题1&#xff1…

LeafletJS 性能优化:处理大数据量地图

引言 LeafletJS 作为一个轻量、灵活的 JavaScript 地图库&#xff0c;以其高效的渲染能力和模块化设计深受开发者喜爱。然而&#xff0c;当处理大数据量&#xff08;如数千个标记、复杂的 GeoJSON 数据或高分辨率瓦片&#xff09;时&#xff0c;LeafletJS 的性能可能面临挑战&…

LLM(Large Language Model)大规模语言模型浅析

参考: https://zhuanlan.zhihu.com/p/7046080918 LLM(Large Language Model)大规模语言模型,是指具有大规模参数和复杂计算结构的机器学习模型。大模型里常说的多少B, B 是 Billion 的缩写&#xff0c;表示 十亿,如DeepSeek满血版 671B(6710亿参数); 大模型本质上是一个使用海量…