当前位置: 首页 > news >正文

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。

http://www.dtcms.com/a/281928.html

相关文章:

  • 深度剖析 TDMQ RabbitMQ 版经典队列底层存储机制
  • 【C# in .NET】11. 探秘泛型:类型参数化革命
  • C++ 面向对象
  • 滚珠导轨在封装设备如何体现高精度运行?
  • 创建linux端口映射连接小网
  • 基于CentOS的分布式GitLab+Jenkins+Docker架构:企业级CI/CD流水线实战全记录
  • 如何选择适合的云手机配置?解决资源不足带来的性能瓶颈
  • Clip微调系列:《coOp: learning to prompt for vision-language models》
  • 蓝光三维扫描技术:手机闪光灯模块全尺寸3D检测的高效解决方案
  • Clip微调系列:《CLIP-Adapter: Better Vision-Language Models with FeatureAdapters》
  • pytorch | minist手写数据集
  • 防止应用调试分析IP被扫描加固实战教程
  • react19+nextjs+antd切换主题颜色
  • 【python学习】windows使用conda管理python虚拟环境
  • RNN循环神经网络
  • 面试问题:
  • STM32硬件I2C的注意事项
  • CCK-8 实验详解及 Graphpad 作图指南
  • 阿里云 RabbitMQ 可观测性最佳实践
  • 恶补DSP:1.F28335的时钟系统
  • Swarm Network 选择 Walrus 实现可验证 AI
  • 网络安全(初级)(Python实现sql自动化布尔盲注)
  • JWT基础详解
  • 【云原生网络】Istio基础篇
  • 使用 CrewAI 进行股票分析:自动化投资决策的新途径
  • Capture One24下载与保姆级安装教程!
  • 解决“Windows 无法启动服务”问题指南
  • 数据库询问RAG框架Vanna的总体架构
  • 线上崩溃复盘
  • Unity Android Logcat插件 输出日志中文乱码解决