(长期更新)《零基础入门 ArcGIS(ArcMap) 》实验六----流域综合处理(超超超详细!!!)

        流域综合处理

        流域综合治理是根据流域自然和社会经济状况及区域国民经济发展的要求,以流域水流失治理为中心,以提高生态经济效益和社会经济持续发展为目标,以基本农田优化结构和高效利用及植被建设为重点,建立具有水土保持兼高效生态经济功能的半山区流域综合治理模式。数字高程模型(DEM)是目前用于流域地形分析的主要数据。DEM数据中包含了丰富的地形、地貌、水文信息,它能够反映各种分辨率下的地形特征。通过DEM可以提取精准的地表形态信息,如流域网格单元的坡向、坡度、流向、汇流区域及单元格之间的关系等,它是进行径流模拟和流域控制的地形与水文数据基础。

目录

6.1 实验内容及目的

6.1.1 实验内容

6.1.2 实验目的

6.2 操作流程

6.2.1 环境设置

6.2.2生成DEM

(1)创建 TIN:

(2)TIN转DEM:

6.2.3提取集水区

(1)填洼:

(2)流向:

(3)流量:

(4)提取集水区:

6.2.4 提取河网

6.2.5 流域分析

6.2.6 制作专题图


6.1 实验内容及目的


6.1.1 实验内容

        本实验以某流域为例,介绍小流域综合治理规划过程。利用等高线数据生成DEM,在DEM数据基础上提取水文要素、河网、流域范围数据,再采用ArcGIS的水文分析工具进行流域划分与统计分析,得到流域综合治理专题图。
(1)以outlet为出水口,提取出流域集水区范围,像元大小为30m。
(2)提取出流域范围内汇水面积累积量>100m’的河道,并对河网进行分级。
(3)以提取的河道网络为出水口,对流域进行子流域划分,对于面积<1hm'(1hm'=10000m’)的微小流域,按照边长最大原则进行合并处理。
(4)以表格形式统计流域中每一个子流域的地形高度特征(最小高度、最大高度、平均高度)。
(5)制作专题图,专题图要求以地形特征为背景,体现出流域河流水系和子流域分区特征并将专题图以.jpg的图片格式输出。


6.1.2 实验目的


(1)掌握数字高程模型的构建;了解基于DEM 水文分析的基本原理。

(2)熟悉水文学中出水口、子流域等基本概念;熟悉水文学中集水流域、河网等基本概念

(3)掌握ArcGIS中区域统计的方法。
(4)了解专题图的含义,掌握ArcGIS中专题图的制作方法。

        首先利用等高线、高程点数据,生成DEM,然后进行水文分析,提取流向、流量、河网,流域范围数据,再提取出流域范围内的河网并对河网进行分级,利用流域分析工具对流域进行子流威划分,合并微小流域后进行统计分析,最后制作流域分析专题图。
 

6.2 操作流程


6.2.1 环境设置

        将等高线(terlk-l)、高程点(terlk-p)、流域出水口(outlet)、研究范围(box)数据导人ArcMap中。在ArcMap主菜单中点击【地理处理】-【环境设置】,设置工作空间、输出坐标系、处理范围、像元大小等参数,环境设置如下图所示:


6.2.2生成DEM

        使用等高线terlk_1和高程点terlk_p数据生成TIN,基于合理的采样间距将TIN转成DEM。

(1)创建 TIN:

点击 ArcToolbox中的【3D Analyst】-【数据管理】--【TIN】-【创建 TIN】“输人要素类”设为 terlk-l、terk-p,修改“高度字段”为“高程”,确定输出路径及名称,设置如下图:

点击【确定】,生成 TIN 数据。

(2)TIN转DEM:

在ArcToolbox中,点击【3D Analyst】-【转换】--【由TIN 转出】→(TIN转栅格】,输人TIN数据,像元大小设为30m,确定输出路径及名称,设置如下图:

点击【确定】,生成DEM 数据如下图:

6.2.3提取集水区


        对已有的DEM数据,进行洼地填充,生成无注地DEM。在此基础上计算出水流方向矩阵、汇流累积矩阵,并结合出水口数据,提取栅格集水区。集水区提取流程如下所示。

(1)填洼:

在AreToolbox中点击【空间分析】--【水文分析】--【填洼】,对DEM进行填洼,填洼设置如下图所示:

填洼后结果如图:

(2)流向:

在ArcToolbox中点击【空间分析】--【水文分析】-【流向】,利用填注后的DEM获取流向数据。流向设置如下图所示:

流向结果如下图所示:

(3)流量:

在ArcToolbox中点击【空间分析】--【水文分析】-【流量】,利用流向栅格数据获取流量数据。流量设置如下图所示:

生成的汇流累积量结果如下图所示:

(4)提取集水区:

在ArcToolbox中点击【空间分析】-【水文分析】-【集水区】,输入流向和出水口(outlet)数据,提取集水区。提取集水区设置如下图所示:

结果如下图所示:

这里需要主要!!!

如果你用的实验给出的数据,将会出现下面这幅图

        会发现少了很多东西,打开output属性表发现也只有一个点,那该咋办呢,其实很简单,这个output其实就是出水口点数据,大家可以回忆一下,实验五是不是也有求出水口那一步,而且刚好也是用的DEM数据,所以,大家可以退回实验五,按照上面的操作自己提取output出来。

6.2.4 提取河网


        基于集水区范围,提取集水区内流向、汇流累积量。当汇流量达到一定值时,就会产生地表水流,所有汇流量大于阈值的栅格就是潜在的水流路径,由这些水流路径构成的网络,就是栅格河网。河流链接的每条弧段连接着两个作为出水口或汇合点的结点,或者连接着作为出水口的结点和河网起始点。因此,通过河流链接计算,即得到每一个河网弧段的起始点和终止点,也可以得到该汇水区域的出水点。而河网分级是一种将级别数分配给河流网络中的连接线的方法。此分级是一种根据支流数对河流类型进行识别和分类的方法。

(1)集水区流向、流量提取:在AreToolbox中点击【空间分析】->【提取分析】-【按掩膜提取】,提取出集水区域内的流向、流量数据,设置如下图所示:

结果如图:

(2)提取河道:在ArcToolbox中点击【空间分析】-【地图代数】-【栅格计算器】,输入如下图所示条件:

提取栅格河道,结果如下图所示。

(3)河流链接:在 ArcToolbox中点击【空间分析】--【水文分析】-【河流链接】,输入集水区域内的河网和流向如下图:

点击【确定】,生成河网数据。

(4)河网分级:在ArcToolbox中点击【空间分析】--【水文分析】-【河网分级】工具,将河网分级,设置如下图所示:

结果如下图所示。

(5)栅格河网天量化:在ArcToolbox中点击【空间分析】->【水文分析】-【栅格河网矢量化】,将栅格河网转为矢量格式。输入相应数据如下图:

点击【确定】,生成栅格河网矢量化结果。

(6)平滑:启动编辑器,选择对河网天量化数据进行编辑,点击【编辑器】-【更多编辑工具)【高级编辑】。打开高级编辑工具条,选中“SreamT-net”中的所有目标,点击【平滑】,打“平滑“窗口,“最大允许偏移"设置为“4”:

点击【确定】,得到河网平滑结果:

6.2.5 流域分析


        以提取的河道网络为出水口,利用分水岭工具对流域进行子流域划分,对于面积<1hm’的微小流域,按照边长最大原则进行正确处理,最后以表格形式统计流域中每一个子流域的地形高度特征,包括最小高度、最大高度、平均高度等。

1.提取子流域
在ArcToolbox中点击【空间分析】【水文分析】-【分水岭】,以经过Shreve 分级后河网数据作为出水口,输人相应参数:

点击【确定】,输出子流域区:

2.合并微小流域

(1)栅格转面:在ArcToolbox中点击【转换工具】--【由栅格转出】-【栅格转面】,打开“栅格转面”窗口,输人相应数据:

输出栅格转面结果:


(2)符号化:双击矢量子流域数据,点击【符号系统】-【类别】→【唯一值】,选择“GRIDCODE”值字段,点击【添加所有值】【确定】:

输出流域符号化结果:

(3)添加area 字段:右键点击矢量子流域数据,点击【打开属性表】-【表选项】-【添加字段】,添加一个名为 area的双精度字段:

(4)计算几何:右键点击area字段,点击【计算几何】,选择面积单位为平方米。


(5)筛选微小流域:右键点击矢量子流域数据,点击【打开属性表】->【表选项】->【按属性选择】,输人“"area"<10 000”,点击【确定】,则微小流域在图中高亮显示:


(6)合并微小流域:对于面积<1hm’的微小流域,按照边长最大原则对其进行合并处理。点击ArcToolbox中【数据管理工具】-【制图综合】-【消除】,输入矢量子流域,输出合并处理后的子流域,设置结果如下图所示:

得到子流域合并结果,如下图所示。

3.统计子流域地形高度特征

(1)以表格显示分区统计:在ArcToolbox中点击【空间分析】-【区域分析】-【以表格显示分区统计】,输入合并后的子流域,输入赋值栅格选择DEM,输出地形高度特征表,设置如下图所示。

(2)制作Excel表格:在ArcToolbox中点击【转换工具】→>【Excel】-【表转Excel】(图6.39),将属性表导出为Excel文件

结果如表如下所示。

6.2.6 制作专题图


(1)设置纸张大小:点击菜单栏【文件】--【页面和打印设置】,设置合适的宽度和高度

(2)添加格网:点击菜单栏【视图】【数据框属性】--【格网】->【新建格网】,选择创建“方里格网”,然后按照提示完成格网的创建。
(3)添加地图整饰:点击菜单栏【插入】下的按钮,为地图添加标题、比例尺、指北针等要素

(4)导出地图:点击菜单栏【文件】--【导出地图】,导出专题图。

最终专题图:

感谢三连!!!

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.mzph.cn/bicheng/69152.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

IOS 安全机制拦截 window.open

摘要 在ios环境&#xff0c;在某些情况下执行window.open不生效 一、window.open window.open(url, target, windowFeatures) 1. url&#xff1a;「可选参数」&#xff0c;表示你要加载的资源URL或路径&#xff0c;如果不传&#xff0c;则打开一个url地址为about:blank的空…

Java stream流的避坑指南

在使用Java Stream API时&#xff0c;虽然它提供了强大的功能来简化集合操作&#xff0c;但也存在一些常见的“坑”需要注意。以下是详细的避坑指南&#xff1a; 1. Stream的不可重用性 问题&#xff1a;Stream一旦被消费&#xff08;如调用forEach、collect等终端操作&#…

对于RocksDB和LSM Tree的一些理解

LSM Tree的读写过程 HBase、LevelDB&#xff0c;rocksDB&#xff08;是一个引擎&#xff09;底层的数据结构是LSM Tree适合写多读少的场景&#xff0c;都是追加写入内存中的MemTable&#xff0c;写入一条删除&#xff08;或修改&#xff09;标记&#xff0c;而不用去访问实际的…

偏差(Bias)和方差(Variance)

在机器学习中&#xff0c;偏差&#xff08;Bias&#xff09;和方差&#xff08;Variance&#xff09;是模型预测误差的两个主要组成部分&#xff0c;它们描述了模型在训练和预测过程中可能出现的两种不同类型的错误。 偏差&#xff08;Bias&#xff09; 偏差指的是模型在训练…

枚举与模拟 练习

练习题基于《C/C程序设计竞赛真题实战特训教程&#xff08;图解版&#xff09;》 目录 1.1 卡片 题目描述 代码实现 题解笔记 总评 注意点 重点解释 1.2 回文日期 题目描述 输入描述 输出描述 代码实现 题解笔记 总评 注意点 重点解释 1.1 卡片 题目描述 小蓝…

99.17 金融难点通俗解释:归母净利润

目录 0. 承前1. 简述2. 比喻&#xff1a;小明家的小卖部2.1 第一步&#xff1a;计算收到的所有钱2.2 第二步&#xff1a;减去各种支出2.3 第三步&#xff1a;计算能带回家的钱 3. 生活中的例子3.1 好的经营情况3.2 一般的经营情况3.3 不好的经营情况 4. 小朋友要注意4.1 为什么…

[LeetCode] 字符串 I — 344#反转字符串 | 541#反转字符串II | 54K替换数字

字符串 基础知识344# 反转字符串541# 反转字符串II54K 替换数字 基础知识 字符串的结尾&#xff1a;空终止字符00 char* name "hello"; // 字符串不可拓展&#xff08;由于是一个固定分配的内存块&#xff09;&#xff0c;有些地方必须加const char name2[5] {h,…

【深度学习|迁移学习】渐进式学习策略 (Progressive Learning Strategy)详述(一)

【深度学习|迁移学习】渐进式学习策略 (Progressive Learning Strategy)详述&#xff08;一&#xff09; 【深度学习|迁移学习】渐进式学习策略 (Progressive Learning Strategy)详述&#xff08;一&#xff09; 文章目录 【深度学习|迁移学习】渐进式学习策略 (Progressive L…

NIO 和 Netty 在 Spring Boot 中的集成与使用

Netty到底是个啥&#xff0c;有啥子作用 1. Netty 的本质&#xff1a;对 NIO 的封装 NIO 的原生问题&#xff1a; Java 的 NIO 提供了非阻塞 I/O 和多路复用机制&#xff0c;但其使用较为复杂&#xff08;如 Selector、Channel、Buffer 的配置和管理&#xff09;。开发者需要自…

Linux第103步_了解I2C总线框架

了解Linux中的I2C总线框架为后面做I2C实验做准备&#xff0c;学驱动&#xff0c;就是学习框架&#xff0c;了解是必须的。 1、了解Linux下的I2C子系统中的相关数据结构 struct i2c_adapter { struct module *owner; unsigned int class; /* classes to allow probing for …

AAAI2024论文合集解读|Physics-Informed Representation and Learning Control and Risk

论文标题 Physics-Informed Representation and Learning: Control and Risk Quantification 物理信息表征与学习&#xff1a;控制与风险量化 论文链接 Physics-Informed Representation and Learning: Control and Risk Quantification论文下载 论文作者 Zhuoyuan Wang, …

Vue3组件重构实战:从Geeker-Admin拆解DataTable的最佳实践

一、前言 背景与动机 在当前的开发实践中&#xff0c;我们选择了开源项目 Geeker-Admin 作为前端框架的二次开发基础。其内置的 ProTable.vue 组件虽然提供了一定程度的开箱即用性&#xff0c;但在实际业务场景中逐渐暴露出设计上的局限性&#xff0c;尤其是其将 搜索条件表单…

【JavaEE进阶】Spring留言板实现

目录 &#x1f38d;预期结果 &#x1f340;前端代码 &#x1f384;约定前后端交互接口 &#x1f6a9;需求分析 &#x1f6a9;接口定义 &#x1f333;实现服务器端代码 &#x1f6a9;lombok介绍 &#x1f6a9;代码实现 &#x1f334;运行测试 &#x1f384;前端代码实…

HackTheBox靶机:Sightless;NodeJS模板注入漏洞,盲XSS跨站脚本攻击漏洞实战

HackTheBox靶机&#xff1a;Sightless 渗透过程1. 信息收集常规探测深入分析 2. 漏洞利用&#xff08;CVE-2022-0944&#xff09;3. 从Docker中提权4. 信息收集&#xff08;michael用户&#xff09;5. 漏洞利用 Froxlor6. 解密Keepass文件 漏洞分析SQLPad CVE-2022-0944 靶机介…

Ansible入门学习之基础元素介绍

一、Ansible目录结构介绍 1.通过rpm -ql ansible获取ansible所有文件存放的目录 有配置文件目录 /etc/ansible/ 执行文件目录 /usr/bin/ 其中 /etc/ansible/ 该文件目录的主要功能是 inventory主机信息配置&#xff0c;ansible工具功能配置。 ansible自身的配置文件…

【pytorch 】miniconda python3.11 环境安装pytorch

ubuntu24.04 miniconda python3.11 环境安装pytorch 组件:langgraph本身不需要有一些模型是需要的:python3.11环境:报错ModuleNotFoundError: No module named ‘torchaudio’ ModuleNotFoundError: No module named ‘torchaudio’File "/root/miniconda3/envs/05_ep_…

Antd React Form使用Radio嵌套多个Select和Input的处理

使用Antd React Form使用Radio会遇到嵌套多个Select和Input的处理&#xff0c;需要多层嵌套和处理默认事件和冒泡&#xff0c;具体实现过程直接上代码。 实现效果布局如下图 代码 <Formname"basic"form{form}labelWrap{...formItemLayoutSpan(5, 19)}onFinish{on…

11 蚂蚁链技术特性

概览 蚂蚁链通过引入P2P网络、共识算法、虚拟机、智能合约、密码学、数据存储等技术特性&#xff0c;构建一个稳定、高效、安全的图灵完备智能合约执行环境&#xff0c;提供账户的基本操作以及面向智能合约的功能调用。 区块结构 一个区块包含区块头和区块体&#xff0c;区块…

如何使用 pytest-html 创建自定义 HTML 测试报告

关注开源优测不迷路 大数据测试过程、策略及挑战 测试框架原理&#xff0c;构建成功的基石 在自动化测试工作之前&#xff0c;你应该知道的10条建议 在自动化测试中&#xff0c;重要的不是工具 测试 Python 代码对于提高代码质量、检测漏洞或意外行为至关重要。 但测试结果又该…

【华为OD-E卷 - VLAN资源池 100分(python、java、c++、js、c)】

【华为OD-E卷 - VLAN资源池 100分&#xff08;python、java、c、js、c&#xff09;】 题目 VLAN是一种对局域网设备进行逻辑划分的技术&#xff0c;为了标识不同的VLAN&#xff0c;引入VLAN ID(1-4094之间的整数)的概念。 定义一个VLAN ID的资源池(下称VLAN资源池)&#xff0…