简介面向GIS学习者与从业者的一套ArcGIS空间分析实例及练习数据覆盖第3至第8章由浅入深的空间分析技术可供系统训练缓冲区、叠置、网络、地形、栅格分析及空间统计建模等核心方法解决理论学习后缺少可操作案例的问题。压缩包内共657个文件以shp/shx/dbf等矢量数据、adf/img等栅格数据为主同时包含mxd地图文档、mdb地理数据库以及txt、doc说明文件整体约26.4MBRAR格式便于本地解压使用。内容按章节组织每章配有练习数据、操作步骤与预期结果从数据加载、分析处理到结果制图均有完整流程可循其中还涉及ArcGIS MXD工程文件与地理数据库可直接打开练习适合城市规划、环境保护、灾害响应等实际应用场景。已有393人学习下载可作为高校GIS课程实验、自学入门或项目实战前的配套参考。1. 打开《ArcGIS空间分析实例与练习数据3-8章》之前先把这三件事想清楚第一次拿到这类练习资料的人最容易做的一件事是把数据直接拖进地图框里看个热闹而真正能把分析结果和教材对上的往往是先把目录结构、坐标系和备份这三件事处理干净的人。3-8章正好是整套资料里空间分析能力最集中的一段矢量缓冲区与叠加、栅格计算与重分类、坡度坡向等表面分析、地形水文、网络分析以及插值与结果验证。配套的练习数据如果只被当成“点击用的原料”练完就忘把它整理成一套可以反复执行、能换数据重跑的实验目录后面每一章都能在几分钟内跑完也能让错误可追溯。这篇文章适合三类人正在用这些章节准备考试或课程作业的人自学空间分析但缺一套完整数据链的人以及工作中需要对空间分析结果负责的一线GIS从业者。2. 先别急着做叠加分析把3-8章练习数据整理成能重复执行的实验目录2.1 练习数据的组成和目录管理我拿到这类配套资料第一件事不是双击打开工程文件而是先看整个目录。第3到第8章的练习数据通常以Shapefile、文件地理数据库、栅格影像、EXCEL属性表和工程文档几种形式混在一起有的按章节建文件夹有的把所有数据平铺在一个大目录里。平铺目录看起来省事实际跑起来最痛苦缓冲结果、叠加结果、重分类结果全堆在一起你根本分不清哪个是原始数据、哪个是中间产品哪一步的输出又覆盖了上一步的输入。常见做法是先建立三层目录src放原始数据analysis.gdb放中间成果output放最终图表和图层。src目录建好之后第一件事是把整套原始数据复制一份进去然后所有文件属性改成只读保证后面不管怎么跑原始数据都不会被覆盖。这不是小题大做。练习数据里一个不显眼的字段被误改或者一个要素被编辑器里的移动操作碰过后面的叠加统计结果可能直接对不上。至于是不是要把数据全部导入文件地理数据库我的建议是能导入就导入。Shapefile 有字段名长度限制、属性表大小限制叠加分析生成的新要素类一旦字段多起来写回 Shapefile 很容易报错。文件地理数据库analysis.gdb没有这些问题而且 ArcGIS 对 GDB 的读写效率明显高于散落的 Shapefile。2.2 坐标系不统一三个叠加结果全错3-8章练习数据里经常出现坐标系不一致的情况。有的数据是 WGS84 地理坐标系范围显示成小数的经纬度有的是 CGCS2000 高斯投影范围是几百万米的整数。你从目录里看两个图层叠在一起似乎位置差不多其实相差可能上千公里。更隐蔽的问题是缓冲区分析Buffer 距离写“500”如果输入是地理坐标系工具会把“500”当成度来处理而不是米。一度在赤道附近对应约111公里这个缓冲区结果根本没有实际意义。快速检查方法是看图层的属性源。如果范围的最小值和最大值在0.000几这个量级基本可以确定是地理坐标系如果是六位数或者八位数的范围那是投影坐标系。分析开始前把所有矢量数据统一到一个投影坐标系把栅格数据统一到同一像元大小和范围是空间分析里成本最低、收益最高的一步。常见的统一投影做法是选择与你所在地区匹配的高斯投影或 UTM 投影带。比如某个练习区域位于经度120度附近可以选 CGCS2000 3 Degree GK Zone 39 或 Zone 40。不必死记带号关键是让投影坐标系和真实地理位置大致吻合这样距离和面积量纲才可靠。2.3 用 arcpy 批量整理目录把备份、导入、投影一次做完这里给出一段可以直接改路径使用的 arcpy 脚本作用是遍历练习数据目录里的 Shapefile把它们全部导入到一个文件地理数据库并统一投影到目标坐标系。这段代码每次拿到一批新练习数据我都会改两个路径直接跑。# 批量整理练习数据原始Shapefile导入GDB并统一投影 import arcpy import os arcpy.env.overwriteOutput True # 允许同名覆盖方便反复重跑 src_dir rD:\gis_work\ch3_8\src # 原始练习数据目录 out_gdb rD:\gis_work\ch3_8\analysis.gdb # 中间成果数据库 target_sr arcpy.SpatialReference(CGCS2000 3 Degree GK Zone 40) # 1) 不存在才创建文件地理数据库避免清掉已有成果 if not arcpy.Exists(out_gdb): arcpy.CreateFileGDB_management(os.path.dirname(out_gdb), os.path.basename(out_gdb)) # 2) 遍历目录下所有 Shapefile按空间参考决定投影还是直接复制 for root, dirs, files in os.walk(src_dir): for f in files: if f.lower().endswith(.shp): fc os.path.join(root, f) desc arcpy.Describe(fc) name os.path.splitext(f)[0] out_fc os.path.join(out_gdb, name) if desc.spatialReference.type Projected: arcpy.Copy_management(fc, out_fc) else: arcpy.Project_management(fc, out_fc, target_sr) print(done)这段代码的逻辑说明先检查文件地理数据库是否存在不存在才创建避免误删你之前跑出来的数据然后遍历src_dir下所有.shp文件用Describe读取空间参考类型已经是投影坐标系的直接复制是地理坐标系或未知坐标系的项目到target_sr。这样处理以后analysis.gdb里的矢量数据都处于同一坐标系后面做缓冲区和叠加分析不会因为坐标系打架。参数说明里有几个关键点overwriteOutput设置为 True是为了脚本重跑时不用手动删旧文件SpatialReference传入字符串名称如果字符串写错或当前版本不支持工具会报错所以建议先打开 ArcGIS 的“投影”工具界面从下拉框里复制完整的坐标系名称再贴进来另外要注意不同子目录若有同名 Shapefile导入 GDB 后可能互相覆盖出现这种情况时要么在遍历时给名字加上子目录前缀要么按章节分开跑。2.4 环境参数让两次运行得到完全一致的结果很多人在练习时发现同一套数据的两次分析结果不一样或者某个工具在某台电脑上跑出来的结果不相同。这不一定是数据问题而是环境参数里的默认设置不同。ArcGIS 的环境参数就像全局变量会影响到所有后续工具的执行方式。我每次分析前固定设置四组参数当前工作空间、覆盖输出、栅格分析范围、栅格像元大小。环境项推荐设置作用当前工作空间analysis.gdb输出默认落到数据库避免散落覆盖输出勾选重跑时不用手动清理旧结果处理范围设为 DEM 或研究区栅格保证多次结果范围一致像元大小设为分析基准栅格的大小防止插值后像元尺寸漂移在 ArcGIS Pro 里这些设置在“分析”选项卡下的“环境”中统一修改修改后保存成配置文件以后换到别的机器上直接套用。对于《ArcGIS空间分析实例与练习数据3-8章》这类带多个章节的数据这套配置能保证你在第3章跑出某个范围的结果第5章换参数重跑时依然是在同一个盘子、同一个分辨率下去对比而不是在完全不同的输出范围上做毫无意义的比较。3. 矢量空间分析缓冲区与叠加的参数设置和结果查验3.1 缓冲区半径、融合类型和环形缓冲区怎么搭配缓冲区分析是3-8章矢量部分最基础也最常用的操作它的本质是求距离一个要素一定范围内的所有空间集合。看起来就是一个工具的事但参数选错结果完全不是一个意思。第一个容易错的是距离单位。缓冲半径应该写成类似“500 Meters”的带单位字符串而不是裸写一个数字“500”。当输入是地理坐标系时裸写“500”会被当作500度结果是一个覆盖全球的圈圈。当输入是投影坐标系时裸写“500”会被当作500米或500英尺取决于图层自身定义的线性单位。第二个容易错的是融合方式。缓冲区工具里的Dissolve参数有三个常用值ALL、NONE和字段列表。ALL会把所有要素的缓冲区合并成一个大整体重叠部分不留边界适合生成禁建区、影响范围这类宏观边界NONE保留每个输入要素对应的独立缓冲区重叠区域各自保留适合后续按要素组做统计。比如要统计每个学校1000米范围内有多少个公交站你就必须用NONE因为要保留学校的属性字段去关联统计。环形缓冲区也是必练场景某个设施周围500米到1000米之间的区域怎么求实际做法是先做500米缓冲和1000米缓冲再用Erase把内圈从外圈里去掉。这里给出一段可跑的代码# 道路中心线缓冲先做整体合并缓冲再做环状缓冲 from arcpy import env import arcpy env.workspace rD:\gis_work\ch3_8\analysis.gdb arcpy.env.overwriteOutput True # 第一圈500米缓冲所有道路的重叠缓冲合并成一个整体 buf_500 arcpy.analysis.Buffer(road_centerline, road_buf_500m, 500 Meters, FULL, ROUND, ALL) # 第二圈1000米缓冲保留每条道路的独立缓冲对象 buf_1000 arcpy.analysis.Buffer(road_centerline, road_buf_1000m_keep, 1000 Meters, FULL, ROUND, NONE) # 两层相减得到500到1000米之间的环形区域 ring_500_1000 arcpy.analysis.Erase(buf_1000, buf_500, road_ring_500_1000)参数说明Buffer的第三个参数是缓冲距离或距离字段这里直接写带单位字符串“500 Meters”第四个参数FULL表示在线要素两侧都生成缓冲区如果只想保留左侧或右侧可以写LEFT或RIGHT第五个参数ROUND是端点处用圆头说明练习里涉及道路、管线这类线要素时一般不会用到FLAT平头第六个参数Dissolve已在上文说明。Erase是用buf_500作为擦除范围从buf_1000中减去注意两者的输入输出不能颠倒。3.2 叠加分析Intersect、Clip、Union 三选一叠加分析是矢量空间分析的核心场景。很多练习数据在叠加这一步可能要连续跑几个图层每次结果都是一个新的要素类。很多人不管三七二十一全部用Intersect这其实不对。四类叠加工具各有适用的场景选错会导致属性丢失或结果范围完全不同。工具输入输出特征典型用途Clip一个输入加一个裁剪要素保留输入要素的属性和裁剪范围形状把研究范围外的数据裁掉Intersect两个及以上要素类只输出空间重叠部分属性合并找同时满足多个条件的区域Union两个及以上面要素输出所有范围的并集属性保留且带空值做全区域的空间单元拆分Update两个要素用更新要素替换原要素的几何成果修正和边界替换举个例子要找出“既是现状建设用地又位于洪水风险区内”的地块用Intersect最合适输出结果里同时保留两个图层的属性你可以继续根据风险等级字段筛选用地。如果是要把整个研究区按地块、坡度分级、土地利用类型切分成若干个小单元每个单元有各类属性就用Union但Union处理数据量大字段嵌套后很容易出现几千个小碎面需要权衡。这里给出一段相交分析的代码# 叠加分析找出同时满足两个条件的图斑 arcpy.analysis.Intersect([landuse_2022, flood_zone], lu_flood_inter, ALL, , INPUT)参数说明第一个参数输入要素类列表可以放两个或更多图层第二个是输出要素类第三个JoinAttributes写成ALL代表保留所有输入要素的属性字段第五个Output_Type写成INPUT表示输出几何类型与输入要素一致。还有一个隐蔽参数叫cluster_tolerance如果两个图层边界存在微小缝隙过大的容差值会把本来不相连的细碎边界咬合到一起练习数据一般不特设默认值即可。叠加完成后通常需要按属性筛选。比如两个图层相交后字段risk_level等于高、且用地类型是居民地的记录才是真正需要的结果。接着补一步arcpy.analysis.Select(lu_flood_inter, target_blocks, landuse 居民用地 AND risk 高)这段代码的作用是从叠加结果里按 SQL 条件抽取目标图斑避免直接删除原始结果。条件里字段名和取值都来自原始属性表写错字段名不会报错只会返回空这种“空结果不报错”是练习数据阶段最需要警惕的情况后面会专门讲排查。3.3 叠加前先修复几何三个小动作练习数据从不同来源拼到一套资料里后经常带有多余的重复顶点、自相交边界甚至空几何。直接拿这些要素类去叠加轻则结果遗漏部分图斑重则程序报错并且不告诉你哪条记录有问题。所以我每次都把“修复几何”放在叠加之前执行这个动作在 ArcToolbox 里叫Repair GeometryArcPy 对应的是RepairGeometry_management。# 叠加前必修修复几何 剔除空值字段 arcpy.management.RepairGeometry(landuse_2022) arcpy.analysis.Select(landuse_2022, landuse_valid, shape_area 0 AND objectid IS NOT NULL)这段代码的意图是先修复所有错误几何再把面积为0或空值的记录排除。练习数据中偶尔会有面积为0的点状退化为面或线这类记录如果不处理会在叠加或面积统计时产生 BUG。其次输出路径尽量写到analysis.gdb里不要用in_memory临时内存路径。内存路径速度快但 ArcGIS 会话结束后数据会被清掉而你第二次打开工程时可能已经不记得这个中间结果是怎么来的了。写到数据库里的中间成果至少能保留一份可以回溯的痕迹这在排查“为什么结果不一致”时价值极高。4. 栅格计算与表面分析像元大小、NoData、坡度坡向三处翻车点4.1 做栅格计算前先锁定 Extent、CellSize、Mask 三个环境变量栅格计算看起来是输入两个栅格跑一个表达式实际上它的结果受环境参数影响极大。最常见的例子是DEM 像元大小是10米土地利用栅格是30米直接用栅格计算器做表达式输出像元大小是哪个不同版本默认逻辑不一样多数情况下它会取输入中较大的像元也就是30米。如果你没有意识到这一点后续再用这个结果去统计面积所有面积都会偏大或偏小。在使用栅格计算、重分类、坡度分析之前我把三个环境变量固定下来snapRaster用于控制栅格像元对齐extent用于控制输出范围mask用于控制有效分析区域。这里的环境参数有点像“黑匣子”你不知道它怎么工作的时候以为是玄学看清楚之后就知道每一次栅格输出都受这些参数支配。# 栅格计算前统一环境变量像元、范围、掩膜 import arcpy from arcpy import env env.workspace rD:\gis_work\ch3_8\analysis.gdb env.snapRaster dem_10m # 对齐到DEM的像元网格 env.extent dem_10m # 结果范围与DEM一致 env.mask study_area # 只保留研究区内的像元 env.cellSize 10 # 输出像元大小统一成10米参数说明snapRaster是环境参数里最容易被忽略的一个。如果输入栅格和输出栅格的像元网格错开重分类结果会在影像上出现半个像元的偏移某些手工对比看不出来但面积统计会差出好几行。extent可以设置为MAXOF或INTERSECTION但最稳妥的方式是指定一个基准栅格让所有输出都落在同一个范围mask指定分析掩膜掩膜外的像元会变成 NoData这样后续统计就不会把研究区外的像元算进去。还要记住一个 NoData 规则栅格计算里任何与 NoData 像元进行的数学运算结果都是 NoData。这意味着如果 DEM 里有几个无效空洞像素你直接做DEM * 2这些空洞不会变成0而是保持 NoData 并传染到相邻计算结果中。所以当结果出现大面积空白时不要先怀疑公式先去检查输入栅格是否包含 NoData 区域。4.2 重分类与条件计算Con 和 Reclassify 的配合栅格分析在练习数据里大量用于“符合条件区域提取”。比如高程大于50米、坡度小于15度、距离道路小于1000米的区域这类多条件筛选最常用的工具是Con。Con的判定结果是布尔栅格条件为真输出一个值为假输出另一个值。它可以嵌套多个逻辑条件也可以用、|组合。from arcpy.sa import * dem Raster(dem) slope Slope(dem, DEGREE, 1) # 条件坡度不大于15度且高程大于50米满足输出1否则输出0 condition (slope 15) (dem 50) result Con(condition, 1, 0) # 保存结果 result.save(flat_area_mask) # 另一种方式先重分类成等级再做统计 dem_class Reclassify(dem, RemapRange([[0, 50, 1], [50, 100, 2], [100, 5000, 3]]), NODATA) dem_class.save(dem_class_3)这段代码的逻辑说明先读取dem栅格Slope计算坡度condition是布尔栅格而不是文本条件它只能在 Spatial Analyst 环境里被解释为栅格对象。Con第一参数是条件第二参数是真值第三是假值。Reclassify用于把连续高程分成三档断点分别是50和100。这里边界的归属规则很容易把人绕晕重分类默认认为下界包含、上界不包含也就是高程正好等于50的像元会落到第二档而不是第一档。练习数据里如果正好卡在边界值建议在重分类后用“属性表”检查像元数量不要把边界值当成开区间处理。重分类输出里的NODATA参数表示所有未在RemapRange中指定的值都变成 NoData。如果你希望未指定值变成0而不是 NoData把这个参数改成0即可。两种写法会影响后续 Con 判定NoData 在 Con 里仍然传播为 NoData而值为0的像元会参与逻辑运算。4.3 坡度坡向参数背后的换算关系坡度工具的第一个关键是输出类型DEGREE 是度数PERCENT_RISE 是百分比。度数坡度和百分比坡度之间的对应不是线性的45度等于100%坡度30度只有57.7%。练习里经常要求用度数重分类出耕地适宜区或建设用地适宜区如果你输出的是百分数后面所有阈值都会错。第二个关键是zFactor即垂直比例因子。当 DEM 的水平坐标单位是米、高程单位也是米时zFactor1当高程单位是英尺而水平坐标是米时需要把高程转换系数设为0.3048。在 ArcGIS 默认的 Slope 工具对话框里zFactor 默认为1很多人不管数据直接跑遇到起伏剧烈的假地形实际就是 zFactor 用错了。第三个关键是 DEM 噪声。如果原始 DEM 有测量噪声直接算坡度会在局部出现极不合理的陡坡。常见做法是先做一个3x3均值滤波再进行坡度坡向分析。滤波会损失一小部分细节但它对坡度和坡向结果稳定性的提升非常明显。这里给出一段带滤波的代码from arcpy.sa import * dem Raster(dem_10m) # 3x3均值邻域滤波先压掉DEM里的孤立噪声像元 dem_smooth FocalStatistics(dem, NbrRectangle(3, 3, CELL), MEAN) # 度数坡度和百分比坡度 slope_deg Slope(dem_smooth, DEGREE, 1) slope_pct Slope(dem_smooth, PERCENT_RISE, 1) # 坡向0为正北顺时针方向平坦区域输出-1 aspect Aspect(dem_smooth) aspect Con(aspect 0, 0, aspect) # 把平坦区域的-1处理成0参数说明FocalStatistics的第一个参数是输入栅格第二个是邻域形态这里用3x3矩形象元邻域第三个是统计类型MEAN表示均值。Slope的第三参数就是前述 zFactor数据单位匹配时设为1。Aspect输出值域0到360度0度代表正北90度代表正东但在平坦地区输出 -1很多初学人员在使用坡向做朝向分类时忘记处理 -1导致分类结果里多出一类“平地”。这里通过Con(aspect 0, 0, aspect)把它归入0度避免它干扰朝向统计。5. 水文分析与网络分析结果和教材对不上的五个排查方向避坑5.1 水文分析流程与阈值调整地形和水文分析是3-8章练习数据里最容易“镜像”的章节。DEM 数据经过填洼、流向、汇流累积量、河网提取、流域划分整整一串工具中间任何一步参数变一点后面结果就完全不一样。水文分析最常用的流向算法是 D8也就是每个像元选择一个最陡的下坡方向把水流方向定义为八方向之一。这个算法在上游山地区域表现良好但在平坦地区或人工整平区域会出现大量“平行线”水流这是算法特性不是你的操作问题。先跑一个最小流程from arcpy.sa import * dem Raster(dem_10m) # 填洼z_limit 单位和高程一致不建议直接放默认无限制 dem_fill Fill(dem, z_limit10) # 流向计算平缓区域多时可以用流向工具的默认D8算法 flow_dir FlowDirection(dem_fill, force_flowNORMAL) # 汇流累积量 flow_acc FlowAccumulation(flow_dir) # 用阈值1000提取河网结果看断线情况再调整 stream_grid Con(flow_acc 1000, 1) stream_line StreamToFeature(stream_grid, flow_dir, stream_line)参数说明Fill的z_limit10表示只填平高度差不超过10米的洼地超过10米的低洼保持原状。这个参数非常关键如果设为 None工具会把所有洼地填到与最低出水口齐平结果是大量地形被削平流向图出现大面积平坦区。FlowDirection的第二参数force_flow设为NORMAL表示边缘像元不强制向外流出如果设为FORCE边界像元全部指向区域外河网会在边界出现人为直线。Con(flow_acc 1000, 1)是把汇流累积量大于1000的像元标为河道。阈值不是教材固定值它取决于DEM分辨率与区域规模10米DEM在丘陵区用1000可能合理在平原区可能要降到200要结合影像或参考水系反复试。5.2 网络分析的数据准备与两个惯用操作网络分析在练习数据里主要是最佳路径、服务区和最近设施三种场景。很多人第一次做网络分析点了求解按钮却提示“无法求解”第一反应是工具问题实际上大概率是网络数据集没有构建或者道路线没有在路口处打断。ArcGIS 里必须把道路要素类构建成网络数据集系统才知道从哪里转弯、哪条路和哪条路连通。常用的构建流程是先检查道路数据是否已经有交通网络属性也就是速度、单行道、等级这些字段然后在目录里右键道路要素类选择“构建网络数据集”设置连接策略对普通城市道路一般用“端点连接”保证两条路只有在端点相交时才连通最后执行构建。如果修改了道路几何或属性必须重新构建否则网络数据集中保存的还是旧数据。# 构建网络数据集roads_ND 是事先建立好的网络数据集名称 arcpy.na.BuildNetwork(roads_ND)这段代码只做一件事根据当前道路源数据重新构建网络数据集。构建网络数据集之前要确保道路要素没有悬挂的大段未打断线段。练习数据如果是从CAD转换来的道路经常出现十字路口两条线只是视觉交叉、实际没有公共端点的情况这种道路网无论如何都解算不出跨路口的路径。处理方式是在 Pro 的“编辑”模式下选中有关道路使用“打断相交线”工具把所有交点处打断或者在地理数据库拓扑里加一条“不能有悬挂点”的规则。这部分内容偏数据处理不是网络分析本身的问题但却是网络分析最经常翻车的环节。5.3 现象 → 原因 → 解决的五个排查记录水文和网络分析课程里几乎所有人都会在同一个地方反复失败。这里整理五条最典型的踩坑记录按现象、原因、解决的顺序说明练习时可以直接对照排查。第一填洼后地形变成大片平地。现象执行 Fill 后DEM 视图里大面积区域变成同一个颜色流向图出现成排的直线或平行线。原因z_limit 参数被设为 None 或值设置得过大系统把真实的山间低洼和 DEM 边界错误全部填平。解决填洼前先读取 DEM 的 min 和 max把 z_limit 设为一个相对小的高差例如5到15米针对丘陵区可以从10开始试填洼后用“识别”工具查看平坦区域高程是否接近原 DEM 最低值如果完全一样说明填洼过度。第二河网提取出来是断断断续续的短线。现象Con 提取的河网上游缺失、中游断线或者提取结果和影像上的水系对不上。原因汇流阈值过高或者原始 DEM 没有填洼凹陷区域中断了流向。解决把提取阈值从1000降到300或200重新跑回到 Fill 步骤检查 z_limit也可以在提取前对 flow_acc 做一次低通滤波。河网矢量化后用“河流分级”工具按 Strahler 分级过滤掉一级短小分支画面会干净很多。第三网络分析解算路径绕大圈或提示无法到达。现象求解最佳路径时明明两个点在图上相邻结果路径绕到几公里外。原因道路网络连通性差路口处线未打断或者两个点没有正确捕捉到网络上。解决先检查路网源数据在路口处是否已打断使用“打断相交线”后重建网络数据集再检查停靠点是否有捕捉设置练习数据里点位距离道路几十米时求解器可能捕捉到错误的道路段最好用“捕捉”工具把点移动到最近的路上再求解。第四面积或距离结果量级差到十万八千里。现象缓冲区结果范围大得离谱或者面积统计值在0.0001附近波动。原因图层还是地理坐标系Buffer 单位被人为解释为度面积工具在度坐标系下给出的是平方度而不是平方米。解决打开图层属性查看坐标系如果是 GCS_WGS_1984先投影到本地高斯投影或 UTM再执行缓冲和面积统计在编写代码时在所有距离参数里显式带上单位例如“500 Meters”不要只写500。第五叠加分析结果出现大量细碎小多边形。现象Intersect 或 Union 结果里有一屏幕的长条细碎图斑面积很小边界沿着两个输入图层的边缘走。原因两个输入图层的边界不完全重合空间容差设置太大或太小导致微缝被识别为独立多边形。解决叠加前对两个输入做 Repair Geometry在叠加工具的高级参数里检查 Cluster Tolerance默认值通常是数据精度合适的结果细碎图斑产生后按面积阈值筛选把小于研究区最小制图单元的多边形删掉或合并到邻接要素。6. 用交叉验证给练习结果打分空间分析的最后一道工序做完插值、叠加、流域提取之后很多人看到结果图就直接写报告了但我建议你养成一个习惯给分析结果做一个验证。尤其是插值分析比如练习数据里用采样点生成降雨、土壤元素含量或人口密度表面颜色渐变再好看也不能证明它可靠。插值工具在 ArcGIS 里默认会生成预测表面但不会主动告诉你这个表面的误差是多少而“交叉验证”就是把这个误差显式算出来。做法并不复杂把原始实测点按20%左右的比例抽出一部分作为验证点不要把验证点参与插值用剩下的80%样本点生成预测表面然后在验证点位置提取预测值对比实测值和预测值计算平均误差和均方根误差 RMSE。如果平均误差接近0说明没有系统性高估或低估RMSE 越小说明预测表面和实测点越吻合。练习数据里如果只有一份插值结果而没有验证点也可以用“GA Layer To Points”工具提取每个采样点处的预测值对全部样本做交叉验证。指标计算公式说明平均误差 Bias预测减实测的平均值接近0说明无系统性偏差均方根误差 RMSE预测减实测的平方均值再开方量纲与原始数据一致越小越好标准化 RMSERMSE 除以实测标准差小于1说明插值优于直接用均值估计在实际操作中我会在验证点图层属性表里保留两个字段实测值字段和预测值字段然后导出为 CSV用一小段 Python 计算误差指标import csv, math # 从验证点属性表导出 CSV字段名分别为 pred 和 observed rows [] with open(validation_points.csv, encodingutf-8) as f: for rec in csv.DictReader(f): if rec[pred] and rec[observed]: rows.append((float(rec[pred]), float(rec[observed]))) n len(rows) bias sum(p - o for p, o in rows) / n rmse math.sqrt(sum((p - o) ** 2 for p, o in rows) / n) print(f样本数{n}, 平均误差{bias:.3f}, RMSE{rmse:.3f})这段代码的逻辑很简单读取每一行剔除缺失值计算平均误差和均方根误差。它不依赖任何 ArcGIS 接口导出 CSV 后可以直接用于报告也可以作为一次基准记录下来。交叉验证的真正价值不是得到一个好看数字而是让你在换参数、换插值方法时有一个可以比较的指标。练习数据阶段你可以用同一份数据分别跑普通克里金和反距离加权最后对比 RMSE哪个小选哪个这比盯着图层颜色判断靠谱得多。我现在的习惯是拿到任何一批新数据都先按《ArcGIS空间分析实例与练习数据3-8章》里的思路把环境参数锁死再按步骤跑跑完必然看精度报告而不是只看地图。以前在某次测数据时我照着教材阈值直接跑河网结果下游流域面积差出三倍最后定位到是填洼 z_limit 开得太大把真实山脊都削平了。那次之后我给自己定了一条规矩原始数据不动、每一步输出留名、结果必须验证。练习数据的意义就在于此数据可以换流程和校验习惯不能丢。希望帮到你。本文还有配套的精品资源点击获取