ArcGISPro應用指南:使用ArcGIS Pro創建與優化H3六邊形網格

H3 是由 Uber 開發的一個開源地理空間分析框架,旨在通過將地球表面劃分為等面積的六邊形網格來支持各種地理空間數據分析任務。每個六邊形單元在 H3 系統中都有一個獨一無二的標識符,即 H3 指數。這種網格系統不僅能夠覆蓋全球,而且適用于任何地理位置,提供了從0級到15級共16個不同的分辨率級別。這意味著用戶可以根據具體需求選擇不同大小的六邊形網格,較低級別的分辨率對應著較大面積的六邊形,而較高級別的分辨率則提供更精細的小面積六邊形。此外,H3 網格系統具有層次結構特性,允許不同分辨率下的六邊形之間進行關聯和轉換,這為數據操作和分析提供了極大的靈活性。盡管地球是一個近似球體,H3 努力確保所有網格都是接近正六邊形的形狀,以減少使用不同形狀單元(如矩形)可能導致的統計偏差。因此,H3 非常適合用于數據可視化、模式識別、區域劃分以及鄰域分析等任務,并且在處理大規模地理空間數據時能保持高效性能。這些特點使得 H3 成為了地理信息系統(GIS)專家、城市規劃者、物流分析師等多個領域專業人士的重要工具。

為什么選擇六邊形作為H3網格?

在選擇網格系統的單元形狀時,一個關鍵考量是其幾何特性和空間填充效率。為了簡化分析并提高數據的一致性,理想的單元形狀應能形成規則的平鋪模式,如三角形、正方形或六邊形。然而,這些形狀在鄰近關系和空間填充方面表現各異:

  • 三角形單元雖然能夠緊密排列,但其鄰居間的距離分為三種不同的尺度,增加了復雜性。
  • 正方形單元稍微簡化了這種復雜性,僅有兩種不同的鄰居距離,但仍不如理想中的統一。
  • 六邊形單元則脫穎而出,因為它們確保所有相鄰單元都是等距的,從而簡化了鄰近分析,并且在所有候選形狀中提供了最佳的空間填充效率。

采用六邊形網格進行地理空間劃分時,平均填充誤差幅度較使用方形網格更小。因此,六邊形不僅優化了空間表示,還減少了因幾何形狀差異導致的數據偏差,使其成為一種更加精確和高效的空間分析工具,這種特性使得六邊形網格系統特別適用于需要精細地理空間分析的應用場景;

像元面積是使用 WGS84/EPSG:4326 給出的半徑通過地球的球形模型計算的;

每個H3網格都有一個唯一的標識符,并且這些網格覆蓋全球,支持16個不同的分辨率級別(0-15)。在較低的分辨率下,六邊形網格面積較大;而在較高的分辨率下,網格面積較小,允許用戶根據具體需求選擇合適的細節程度;

在ArcGIS Pro 3.1版本及以后的版本中,引入了對H3六邊形的支持,用戶可以生成細分工具的功能來來創建六邊形H3網格,本文就基于廈門市為例,通過ArcGIS Pro來創建H3網格;

第一步:在打開視圖的地理處理,檢索"生成細分曲面",選擇H3六邊形;

第二步:范圍選擇,你需要生成區域的范圍(行政區),空間參考可以使用wgs84,或者你當前使用的坐標系即可。分辨率也可以自定義,數字越大越小,不清楚的可以參考上表或者開發文檔:Tables of Cell Statistics Across Resolutions | H3;

第三步:這里的分辨率是采用的8級,大概一個H3網格0.74km2左右;

第四步:接下來通過地理處理工具箱檢索"裁剪"功能,把網格依據行政區邊界進行裁剪即可;

生成效果如下圖;

但是這樣的裁剪的H3網格/或者我們平時使用的漁網網格,都會出行邊緣網格不完整的情況,那么這個問題如何解決呢?

這里有一個小tips:H3網格是在球面上定義的,并且它不直接依賴于任何特定的投影坐標系,由于地球是一個近似的球體,這些六邊形可能會出現一些變形,導致它們的實際面積和形狀略有不同;

方案一(內部保留完整的網格)

打開已經裁剪的圖層,打開屬性表,增加一個area字段,右鍵選擇"計算幾何",單位選擇平方千米,接下來,選擇"按屬性選擇",這里以廈門市為例,根據H3網格大致面積,篩選大于0.78km2以上的H3網格(計算方法通過手動選擇多個網格,觀察面積浮動范圍),具體值可以根據實際情況調整;

篩選結果如下圖,另存為新的圖層即可;

方案二(外部保留完整的網格)

同樣打開已經裁剪的圖層,并檢索功能"要素轉點",勾選內部,即生成的點必定在幾何圖形內部;

接下來增加一個字段,我這里命名為num,右鍵"計算字段",賦值為1;

接下來,我們進行空間連接,同樣的先在工具箱檢索"空間連接",把生成的中心點與未裁剪生成的h3網格進行空間連接,匹配選項選擇"包含";

生成的圖層,打開屬性表,選擇"按屬性選擇",選擇num =1 的值;

接下來,把數據另存為新的圖層,就得到了想要的結果;

最后,我們再疊加比如人口數據,我們就可以看到更加炫酷的H3人口網格分布圖;

文章僅用于分享個人學習成果與個人存檔之用,分享知識,如有侵權,請聯系作者進行刪除。所有信息均基于作者的個人理解和經驗,不代表任何官方立場或權威解讀。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/bicheng/89675.shtml
繁體地址,請注明出處:http://hk.pswp.cn/bicheng/89675.shtml
英文地址,請注明出處:http://en.pswp.cn/bicheng/89675.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

xss-dom漏洞

目錄 靶場搭建 第一關 第二關 第三關 第四關 第五關 第六關 第七關 第八關 靶場下載地址:https://github.com/PwnFunction/xss.pwnfunction.com 靶場搭建 將文件用clone 下載到ubuntu, 然后進入 cd xss.pwnfunction.com/hugo/ 這個目錄下 hu…

BPE(字節對編碼)和WordPiece 是什么

BPE(字節對編碼)和WordPiece 是什么 BPE(字節對編碼)和WordPiece 是自然語言處理中常用的子詞分詞算法,它們通過將文本拆分為更小的語義單元來平衡詞匯表大小和表達能力。 BPE(Byte Pair Encoding,字節對編碼) 原理 初始化:將文本按字符(或Unicode字節)拆分為最小…

Java行為型模式---狀態模式

狀態模式基礎概念狀態模式(State Pattern)是一種行為型設計模式,其核心思想是允許對象在內部狀態發生改變時改變它的行為,對象看起來好像修改了它的類。狀態模式將狀態相關的行為封裝在獨立的狀態類中,并將狀態轉換邏輯…

重學Framework Input模塊:如何實現按鍵一鍵啟動Activity-學員作業

需求背景: 近來vip群里學員朋友有問道一個需求,大概需求就是他們做TV的Framework開發,想要遙控器有一個新定義的兒童節目按鍵,想要實現這個按鍵按下后就跳轉到兒童節目的Activity。需求拆解及作業要求: 針對上面需求&a…

bmp圖像操作:bmp圖像保存及raw與bmp轉換

1. 保存bmp圖像&保存一張正弦圖像到D:\1.bmp /********************************************** * fileName bmpinc.h * brief 對bmp文件的操作,包括: * - saveBmp:保存bmp文件 * - Save…

SpringAI——提示詞(Prompt)、提示詞模板(PromptTemplate)

Prompt 是引導 AI 模型生成特定輸出的輸入格式,Prompt 的設計和措辭會顯著影響模型的響應。最開始Prompt只是單純的文本文字,后面可以包含占位符,可以識別消息的角色。比如包含占位符的Prompt,也就是我們講的消息模板(PromptTemplate)&#x…

【深度學習筆記 Ⅰ】5 參數和超參數

在深度學習中,參數(Parameters) 和 超參數(Hyperparameters) 是模型訓練中兩個核心概念,它們共同決定了模型的性能,但作用方式和優化方法截然不同。以下是詳細對比與解析:1. 參數&am…

Linux 阻塞等待框架

在 Linux 設備驅動開發中,阻塞機制 是處理資源暫時不可用(如設備未準備好數據、緩沖區滿等)的核心手段。驅動程序可以將被阻塞的進程設置成休眠狀態,然后,在資源可用后,再將該進程喚醒。 在 Linux 驅動開發…

PCIe RAS學習專題(3):AER內核處理流程梳理

目錄 一、AER內核處理整體流程梳理 二、AER代碼重要部分梳理 1、AER初始化階段 2、中斷上半部 aer_irq 3、中斷下半部 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 整體邏…

?HAProxy負載均衡集群概述

前言: 在現代分布式系統中,負載均衡和高可用性是保障服務穩定性和性能的關鍵技術。HAProxy 作為一款高性能的 TCP/HTTP 負載均衡器,憑借其輕量級、高并發處理能力和靈活的配置機制,成為構建高可用架構的核心組件之一。通過智能的流…

ELN:生物醫藥科研的數字化引擎——衍因科技引領高效創新

在生物醫藥研究領域,實驗數據的準確記錄與管理是科研成敗的關鍵。想象一個場景:某頂尖醫學院實驗室,研究員小張正為一項抗癌藥物實驗焦頭爛額。紙質記錄本中,數據混亂、協作困難,導致實驗重復率高達20%。引入衍因科技的…

暑假---作業2

學習目標&#xff1a;xss-1abs 1-8關python美現自動化布爾自注的2、代碼進行優化(二分查找)學習內容&#xff1a;1.xss-1abs 1-8關1<h2 align"center">歡迎用戶test</h2>2 <script> alert (1)</script&gt<center> <form action&…

【Tensor數據轉換】——深度學習.Torch框架

目錄 1 Tensor與Numpy 1.1 張量轉Numpy 1.2 Numpy轉張量 1 Tensor與Numpy 1.1 張量轉Numpy 調用numpy()方法可以把Tensor轉換為Numpy&#xff0c;此時內存是共享的。 使用copy()方法可以避免內存共享 import torch import numpy as np# tensor轉numpy:numpy() def test0…

基于Tranformer的NLP實戰(5):BERT實戰-基于Pytorch Lightning的文本分類模型

文本分類作為自然語言處理中的基礎任務&#xff0c;能夠幫助我們將海量醫學摘要自動歸類到具體疾病領域中。本文將基于NVIDIA NeMo框架&#xff0c;構建一個用于醫學疾病摘要分類的深度學習應用&#xff0c;支持將摘要劃分為三類&#xff1a;癌癥類疾病、神經系統疾病及障礙、以…

14-鏈路聚合

鏈路聚合技術 一 鏈路聚合概述鏈路聚合定義鏈路聚合是把多條物理鏈路聚合在一起&#xff0c;形成一條邏輯鏈路。應用在交換機、路由器、服務器間鏈路。分為三層鏈路聚合和二層鏈路聚合。二 鏈路聚合的作用 1. 鏈路聚合模式靜態聚合模式 端口不與對端設備交互信息。選擇參考端口…

學習C++、QT---28(QT庫中使用QShortcut類對快捷鍵創建和使用的講解)

每日一言 所有的努力&#xff0c;都是為了讓未來的自己感謝現在的你。 QShortcut 我們的記事本肯定要有通過快捷鍵對字體的放大和縮小進行控制的功能啊&#xff0c;那么我們這邊就這個問題我們需要先學習一下QShortCut 我們這個類就是專門做快捷鍵的 老樣子我們剛開始學習這個…

Web Worker:讓前端飛起來的隱形引擎

目錄 Web Worker&#xff1a;讓前端飛起來的隱形引擎 一、什么是 Web Worker&#xff1f; 1、為什么需要 web worker 2、什么是 web worker 二、基本使用方法 1、創建一個 Worker 文件&#xff08;worker.js&#xff09; 2、主線程引入并使用 三、實戰案例&#xff1a;…

關于在VScode中使用git的一些步驟常用命令及其常見問題:

輸入 gitee用戶 gitee綁定郵箱git config --global user.name "automated-piggy-senior" git config --global user.email "1323280131qq.com"克隆遠程庫到本地 git clone https://gitee.com/automated-piggy-senior/20250717-test.git常見問題1&#xff1…

LeafletJS 性能優化:處理大數據量地圖

引言 LeafletJS 作為一個輕量、靈活的 JavaScript 地圖庫&#xff0c;以其高效的渲染能力和模塊化設計深受開發者喜愛。然而&#xff0c;當處理大數據量&#xff08;如數千個標記、復雜的 GeoJSON 數據或高分辨率瓦片&#xff09;時&#xff0c;LeafletJS 的性能可能面臨挑戰&…

LLM(Large Language Model)大規模語言模型淺析

參考: https://zhuanlan.zhihu.com/p/7046080918 LLM(Large Language Model)大規模語言模型,是指具有大規模參數和復雜計算結構的機器學習模型。大模型里常說的多少B, B 是 Billion 的縮寫&#xff0c;表示 十億,如DeepSeek滿血版 671B(6710億參數); 大模型本質上是一個使用海量…