Daha çox

Arcpy / python ilə xəttin başlaması ilə rasterin başlanğıcı arasındakı məsafəni necə tapmaq olar?


Profilləri çıxarmaq üçün ArcGIS Desktop 10.1 üçün python skript aləti yaradıram. Dəyərləri bir cədvələ çıxarmaq üçün yığın profilini istifadə edirəm, ancaq yığın profili yalnız xətt və rasterin üst-üstə düşdüyü dəyərləri çıxarır.

Xəttimin əvvəlindən başlayacaq profillər yaratmaq üçün həll yolum xəttin başlanğıcı ilə rasterin başlanğıcı arasındakı məsafəni tapmaq və sonra x oxunu əvəzləşdirməkdir. Ancaq arcpy / python ilə bu məsafəni (aşağıdakı şəkildə mavi ilə işarələnmiş) necə tapa bilərəm?

Yeniləmə: həllin üzən nöqtəli raster məlumat dəsti ilə işləməsi lazımdır


Təklifim, sadələşdirilməmiş çıxışı istifadə edərək, hər iki rasterdə Raster to Polygon (Conversion) alətindən istifadə etməkdir. Daha sonra qalan sətir hissələrinin uzunluğunu hesablayan orijinal sətir xüsusiyyətlərindəki üst-üstə düşməni silmək üçün ortaya çıxan xüsusiyyət siniflərinin hər birini istifadə edə bilərsiniz.


Yol məsafəsi alətləri, hər ikisi də bir raster səthindəki hər bir yer üçün bir mənbədən və ya bir yerə qədər minimum yığma səyahət xərclərini təyin etdikləri üçün Maliyyət məsafəsi alətləri ilə müqayisə olunur. Bununla birlikdə, Yol məsafəsi alətləri, digər üfüqi və şaquli amillərlə yanaşı həqiqi səth məsafəsini də yerləşə bilməklə analizə daha mürəkkəblik qatır.

Giriş mənbəyi məlumatları bir xüsusiyyət sinfi və ya raster ola bilər.

Giriş mənbəyi məlumatları bir raster olduqda, mənbə hüceyrələrinin dəsti mənbə rasterindəki etibarlı dəyərlərə sahib olan bütün hüceyrələrdən ibarətdir. NoData dəyərləri olan hüceyrələr mənbə dəstinə daxil edilmir. 0 dəyəri qanuni bir mənbə sayılır. Çıxarma vasitələrindən istifadə edərək bir mənbə rasteri yaradıla bilər.

Giriş mənbəyi məlumatları bir xüsusiyyət sinfi olduqda, təhlil etmədən əvvəl mənbə yerləri daxili olaraq bir rasterə çevrilir. Rastrın həlli hüceyrə ölçüsü mühiti ilə idarə oluna bilər. Varsayılan olaraq, alətdə başqa bir raster göstərilməyibsə, qətnamə giriş xüsusiyyətinin genişliyi və ya hündürlüyünün qısası ilə, giriş məkan istinadında, 250-ə bölünərək təyin olunacaq.

Giriş mənbəyi məlumatları üçün xüsusiyyət məlumatlarını istifadə edərkən girişdəki mövcud detala nisbətən qaba olduqda çıxış hüceyrəsinin ölçüsünün necə işlənməsinə diqqət yetirilməlidir. Daxili rasterizasiya prosesi, hüceyrə mərkəzi üsulu olan Rastrdan Xüsusiyyət aləti ilə eyni standart hüceyrə təyinetmə növündən istifadə edir. Bu o deməkdir ki, hüceyrənin mərkəzində olmayan məlumatlar ara rasterləşdirilmiş mənbə çıxışına daxil edilməyəcək, beləliklə məsafə hesablamalarında təmsil olunmayacaqdır. Məsələn, mənbələriniz çıxış hüceyrəsinin ölçüsünə nisbətən kiçik olan bir sıra kiçik çoxbucaqlılardır (məsələn, ayaq izləri kimi), yalnız bir neçəsinin çıxış raster hüceyrələrinin mərkəzlərinin altına düşməsi, göründüyü kimi, digərləri analizdə itiriləcək.

Bu vəziyyətdən qaçınmaq üçün ara bir addım olaraq giriş xüsusiyyətlərini birbaşa Feature to Raster aləti ilə rasterləşdirə və Field parametrini təyin edə bilərsiniz. Daha sonra çıxarılan nəticəni istifadə etmək istədiyiniz məsafə alətinə giriş olaraq istifadə edin. Alternativ olaraq, giriş xüsusiyyətlərindən uyğun miqdarda detal əldə etmək üçün kiçik bir hüceyrə ölçüsü seçə bilərsiniz.

Ayrılmağı hesablamaq üçün mənbə yerləri Mənbə sahəsi parametri ilə təyin edilə bilən əlaqəli bir dəyərə sahib ola bilər. Giriş mənbəyi tam bir rasterdirsə, standart sahə DƏYƏRDİR. Bir xüsusiyyətdirsə, atribut cədvəlindəki ilk tam sahə olacaqdır. Giriş mənbəyi məlumatları üzən nöqtəli bir rasterdirsə, tam dəyərli bir raster parametri göstərilməlidir.

NoData olan hüceyrələr Yol Mesafesi alətlərində maneə rolunu oynayır. NoData dəyərlərinin arxasındakı hüceyrələrin məsafə məsafəsi, NoData baryerinin ətrafında hərəkət etmək üçün lazım olan məcmu xərclə hesablanır. Giriş rasterlərindən hər hansı birinə NoData təyin edilmiş hər hansı bir hüceyrə yeri, bütün çıxış rasterlərində NoData alacaq.

Giriş mənbəyi məlumatları və xərc rasteri fərqli ölçülərdədirsə, standart çıxış dərəcəsi ikisinin kəsişməsidir. Bütün ölçüdə bir məsafə məsafəsini əldə etmək üçün, Çıxış Genişliyi parametrlərində Birlik Girişlərini seçin.

Aspect alətinin çıxışı Giriş üfüqi raster üçün giriş kimi istifadə edilə bilər.

Maksimum məsafə, maliyet rasterindəki ilə eyni xərc vahidlərində göstərilmişdir.

Çıxış məsafəsi rasteri üçün hüceyrənin bir sıra mənbə yerlərindən və ya ən az məsafəli məsafəsi (və ya minimum yığma məsafəsi) hüceyrədən bütün mənbələrə ən az məsafəli məsafələrin aşağı sərhədidir.

Horizontal factor modifikatorları üçün standart dəyərlər aşağıdakılardır:

Şaquli faktor dəyişdiriciləri üçün standart dəyərlər aşağıdakılardır:

Mənbənin xüsusiyyətləri və ya mənbədən və ya mənbədən hərəkət edənlər xüsusi parametrlərlə idarə oluna bilər. Mənbə xərcləri çarpan parametri mənbədəki səyahət rejimini və ya böyüklüyünü müəyyənləşdirir, Mənbə başlanğıc dəyəri hərəkətə başlamazdan əvvəl başlanğıc dəyərini təyin edir, Mənbə müqavimət nisbəti yığılmış mayanın təsirini nəzərə alan dinamik bir tənzimləmədir, məsələn, nə qədər hiker yorulur və Mənbə tutumu, mənbənin həddinə çatmadan əvvəl mənimsənə biləcəyi dəyəri müəyyənləşdirir. Səyahət istiqaməti, hərəkətvericinin mənbədən başlayaraq mənbədən olmayan yerlərə hərəkət edib etməməsini və ya mənbədən olmayan yerlərdən başlayaraq bir mənbəyə qayıtdığını müəyyənləşdirir.

Bir sahə istifadə edərək mənbə xüsusiyyətləri parametrlərindən hər hansı biri təyin edilərsə, mənbə məlumatları üçün verilən sahədəki məlumatlara görə mənbə xarakteristikası mənbə əsasında tətbiq ediləcəkdir. Bir açar söz və ya sabit bir dəyər verildikdə, bütün mənbələrə tətbiq ediləcəkdir.

Əgər mənbə başlanğıc dəyəri göstərilibsə və Səyahət istiqaməti mənbədən Səyahətdirsə, çıxış məsafəsi məsafəsinin səthindəki mənbə yerləri Mənbə başlanğıc dəyəri dəyərinə, əks halda çıxış məsafəsi səthindəki mənbə yerləri sıfıra təyin ediləcəkdir.

Bu vasitə paralel işlənməni dəstəkləyir. Kompüterinizdə birdən çox nüvəli bir neçə prosessor və ya prosessor varsa, xüsusən daha böyük məlumat dəstlərində daha yaxşı performans əldə edilə bilər. Spatial Analyst kömək mövzusu ilə paralel işləmə bu qabiliyyət və bunu necə konfiqurasiya etmək barədə daha çox təfərrüata malikdir.

Paralel emaldan istifadə edilərkən, işlənən məlumat hissələrini idarə etmək üçün müvəqqəti məlumatlar yazılacaqdır. Varsayılan müvəqqəti qovluq yeri yerli C: sürücünüzdə olacaq. TempFolders adlı bir sistem mühiti dəyişənini quraraq istifadə ediləcək bir qovluğa gedən yolu göstərərək bu qovluğun yerini idarə edə bilərsiniz (məsələn, E: RasterCache). Dəzgahınızda admin imtiyazlarınız varsa, qeyd defteri açarından da istifadə edə bilərsiniz (məsələn, [HKEY_CURRENT_USER SOFTWARE ESRI ArcGISPro Raster]).

Varsayılan olaraq, bu vasitə mövcud nüvələrin yüzdə 50-ni istifadə edəcəkdir. Giriş məlumatı 5000-dən 5.000 hüceyrəyə qədər kiçikdirsə, daha az nüvədən istifadə edilə bilər. Paralel işləmə faktoru mühiti ilə alətin istifadə etdiyi nüvələrin sayını idarə edə bilərsiniz.

Bu alət üçün tətbiq olunan geosessil mühitləri haqqında əlavə məlumat üçün Analiz mühitlərinə və Məkan Analistinə baxın.


Sintaksis

Giriş mənbəyi yerləri.

Bu, hər bir çıxış hüceyrəsi yeri üçün ən az yığılmış xərc məsafəsinin hesablandığı hüceyrələri və ya yerləri müəyyən edən bir raster və ya xüsusiyyət verilənlər bazasıdır.

Rasterlər üçün giriş növü tam və ya üzən nöqtə ola bilər.

Hər hüceyrədən planimetrik olaraq keçmək üçün empedansı və ya qiyməti təyin edən bir raster.

Hər bir hüceyrə yerindəki dəyər, hüceyrə boyunca hərəkət etmək üçün vahid məsafəsini göstərir. Hər hüceyrə yerləşmə dəyəri hüceyrə çözünürlüğü ilə vurulur və hüceyrədən keçmənin ümumi xərcini əldə etmək üçün diaqonal hərəkəti kompensasiya edir.

Maliyet rasterinin dəyərləri tam və ya üzən nöqtə ola bilər, lakin mənfi və ya sıfır ola bilməz (mənfi və ya sıfır xərc ola bilməz).

Hər hüceyrə yerindəki yüksəklik dəyərlərini təyin edən bir raster.

Dəyərlər hüceyrələr arasından keçərkən həqiqi səth məsafəsini hesablamaq üçün istifadə olunur.

Yığıncaq maya dəyərlərinin aşa bilməyəcəyi həddi təyin edir.

Yığım məsafəsi dəyəri bu dəyəri aşarsa, hüceyrə yeri üçün çıxış dəyəri NoData olacaqdır. Maksimum məsafə, yığma xərc məsafələrinin hesablandığı dərəcəni müəyyənləşdirir.

Varsayılan məsafə çıxış rasterinin kənarındadır.

Çıxış yolu məsafəsi raster.

Çıxış yolu məsafəsi rasteri, hər bir hüceyrə üçün müəyyən səth məsafəsi və üfüqi və şaquli səth amillərinin uçotu aparılarkən, müəyyən bir səthdə müəyyən edilmiş mənbə məsafəsinə qədər ən az yığılmış məsafəni müəyyən edir.

Mənbə bir hücrə, bir sıra hüceyrə və ya bir və ya daha çox xüsusiyyət yeri ola bilər.

Çıxış rasteri üzən nöqtə tiplidir.

Hər hüceyrədə üfüqi istiqaməti təyin edən bir raster.

Rastrdakı dəyərlər 0 ilə 360 arasında dəyişən, 0 dərəcə şimalda və ya ekranın yuxarı hissəsində olmaqla və saat istiqamətində artan tam ədədlər olmalıdır. Düz ərazilərə -1 dəyər verilməlidir. Hər yerdəki dəyərlər ilə birlikdə istifadə ediləcəkdir hüceyrədən qonşularına keçərkən çəkilən üfüqi xərcləri təyin etmək.

Horizontal Factor obyekti üfüqi xərc faktoru ilə üfüqi nisbi hərəkət bucağı arasındakı əlaqəni müəyyənləşdirir.

Müəyyən edilmiş üfüqi amil qrafiki müəyyənləşdirəcək modifikatorları olan bir neçə amil var. Əlavə olaraq, bir cədvəl xüsusi bir qrafik yaratmaq üçün istifadə edilə bilər. Qrafiklər, qonşu bir hüceyrəyə köçmənin ümumi dəyərinin hesablanmasında istifadə olunan üfüqi faktoru təyin etmək üçün istifadə olunur.

Aşağıdakı izahlarda iki qısaldılmış söz istifadə olunur: HF bir hüceyrədən digərinə keçid zamanı qarşılaşdığı üfüqi çətinliyi, HRMA isə hüceyrədən üfüqi istiqamət arasındakı bucağı müəyyən edən üfüqi amili ifadə edir. və hərəkət istiqaməti.

HRMA kəsmə bucağından az olduqda, HF-nin əks halda sıfır faktoru ilə əlaqəli dəyərə qoyulduğunu, sonsuzluq olduğunu göstərir.

Yalnız irəli hərəkətə icazə verildiyini müəyyənləşdirir. HRMA 0-dan böyük və ya 90-dan az olmalıdır (0 & lt = HRMA & lt 90). HRMA 0-dan böyük və 45 dərəcədən azdırsa, hüceyrə üçün HF sıfır faktoru ilə əlaqəli dəyərə qoyulur. HRMA 45 dərəcədən çox və ya bərabərdirsə, yan dəyər dəyişdirici dəyəri istifadə olunur. 90 dərəcəyə bərabər və ya daha yüksək olan hər hansı bir HRMA üçün HF sonsuzluğa qoyulur.

HF-nin HRMA-nın xətti bir funksiyası olduğunu müəyyənləşdirir.

HF-nin HRMA-nın tərs xətti funksiyası olduğunu müəyyənləşdirir.

HF-ləri təyin etmək üçün istifadə olunan üfüqi faktor qrafikini təyin etmək üçün bir cədvəl sənədindən istifadə ediləcəyini müəyyənləşdirir.

  • —HRMA 0 olduqda istifadə olunan üfüqi faktoru müəyyənləşdirir. Bu amil üfüqi amil funksiyalarından hər hansı biri üçün y kəsilməsini yerləşdirir.
  • - HF-nin sonsuzluğa qoyulacağı HRMA bucağını təyin edir.
  • —HfLinear və HfInverseLinear üfüqi faktorlu açar sözlərlə istifadə olunan düz xəttin meylini müəyyənləşdirir. Yamac, qaçış üzərində bir artımın bir hissəsi olaraq təyin edilir (məsələn, yüzdə 45 yamac 1/45, 0.02222 olaraq daxil edilir).
  • —HFForward üfüqi faktorlu söz göstərildikdə HRMA 45 dərəcədən böyük və ya 90 dərəcədən az olduqda HF-ni qurur.
  • inTable —HF-ni təyin edən cədvəlin adını müəyyənləşdirir.

Hər hüceyrə yeri üçün z dəyərlərini təyin edən bir raster.

Dəyərlər bir hüceyrədən digərinə keçid zamanı yaranan şaquli faktoru təyin etmək üçün istifadə edilən yamacın hesablanması üçün istifadə olunur.

Şaquli amil obyekti şaquli xərc faktoru ilə şaquli nisbi hərəkət bucağı (VRMA) arasındakı əlaqəni müəyyənləşdirir.

Müəyyənedici şaquli amil qrafiki müəyyənləşdirəcək modifikatorları olan bir neçə amil var. Əlavə olaraq, bir cədvəl xüsusi bir qrafik yaratmaq üçün istifadə edilə bilər. Qrafiklər qonşu hüceyrəyə keçmək üçün ümumi xərclərin hesablanmasında istifadə olunan şaquli faktoru müəyyənləşdirmək üçün istifadə olunur.

Aşağıdakı izahatlarda iki qısaltma istifadə olunur: VF bir hüceyrədən digərinə keçid zamanı qarşılaşdığı şaquli çətinliyi təyin edən şaquli faktor, VRMA isə FROM və ya işləmə hüceyrəsi arasındakı yamac açısını təyin edən şaquli nisbi hərəkət bucağı deməkdir. və TO hüceyrəsi.

Bunların tərifləri və parametrləri aşağıdakılardır:

VRMA-nin aşağı kəsik bucağından daha böyük və yüksək kəsmə bucağından az olmasını, VF-nin əks halda sıfır faktoru ilə əlaqəli dəyərə qoyulduğunu, sonsuzluq olduğunu təyin edir.

VF-nin VRMA-nın xətti bir funksiyası olduğunu göstərir.

VF-nin VRMA-nın tərs xətti funksiyası olduğunu göstərir.

VF-nin VRMA-nın ya mənfi, ya da müsbət tərəfində VRMA-nın xətti bir funksiyası olduğunu və iki xətti funksiyanın VF (y) oxuna görə simmetrik olduğunu göstərir.

VF-nin VRMA-nın ya mənfi, ya da müsbət tərəfindəki VRMA-nın tərs bir xətti funksiyası olduğunu və iki xətti funksiyanın VF (y) oxuna görə simmetrik olduğunu göstərir.

VF-ni kosmik əsaslı VRMA funksiyası kimi təyin edir.

VF-ni VRMA-nın sekant əsaslı funksiyası kimi müəyyənləşdirir.

VRMA mənfi olduqda VF-nin kosinus əsaslı funksiyası olduğunu və VRMA mənfi olduqda VRMA-nın sekant əsaslı funksiyası olduğunu göstərir.

VRMA mənfi olduqda VF-nin sekant əsaslı funksiyası olduğunu və VRMA mənfi olduqda VRMA-nın kosinus əsaslı funksiyası olduğunu müəyyənləşdirir.

VF-ləri təyin etmək üçün istifadə olunan şaquli faktorlu qrafiki təyin etmək üçün bir cədvəl sənədindən istifadə olunacağını müəyyənləşdirir.

Şaquli parametrlərin dəyişdiriciləri aşağıdakılardır:

  • —VRMA sıfır olduqda istifadə olunan şaquli faktoru müəyyənləşdirir. Bu amil göstərilən funksiyanın y kəsilməsini yerləşdirir. Tərifə görə, sıfır faktor trigonometrik şaquli funksiyaların heç birinə tətbiq olunmur (Cos, Sec, Cos_Sec və ya Sec_Cos). Y kəsmə bu funksiyalarla təyin olunur.
  • - VF-nin sonsuzluğa qoyulacağı VRMA bucağını təyin edir.
  • - VF-nin sonsuzluğa qurulacağı VRMA bucağını təyin edir.
  • —VfLinear və VfInverseLinear parametrləri ilə istifadə edilən düz xəttin meylini müəyyənləşdirir. Yamac, qaçış üzərində bir artımın bir hissəsi olaraq təyin edilir (məsələn, yüzdə 45 yamac 1/45, 0.02222 olaraq daxil edilir).
  • inTable —VF-ni təyin edən cədvəlin adını müəyyənləşdirir.

Maliyyət dəyərlərinə tətbiq olunan çarpan.

Səyahət rejiminin və ya mənbədəki böyüklüyün idarə olunmasına imkan verir. Çarpan nə qədər böyükdürsə, hər bir hüceyrədən keçmək üçün bir o qədər çox xərc tələb olunur.

Dəyərlər sıfırdan böyük olmalıdır. Varsayılan 1-dir.

Xərc hesablamalarına başlanacaq başlanğıc dəyəri.

Mənbə ilə əlaqəli sabit xərclərin dəqiqləşdirilməsinə imkan verir. Sıfır qiymətdən başlamaq əvəzinə, maliyyət alqoritmi source_start_cost tərəfindən təyin olunan dəyərlə başlayacaq.

Dəyərlər sıfır və ya daha böyük olmalıdır. Varsayılan 0-dur.

Müqavimət tənzimlənməsini müəyyənləşdirmək üçün məcmu maya dəyərini vurma dərəcəsi.

Bu parametr, yığım xərcləri artdıqca xərcləri aşmaq üçün səylərin artmasını simulyasiya edir. Bu, səyyahın yorğunluğunu modelləşdirmək üçün istifadə olunur. Bir hüceyrəyə çatmaq üçün artan yığım dəyəri müqavimət nisbətinə vurulur və sonrakı hüceyrəyə keçmək üçün xərclərə əlavə olunur.

Müqavimət dərəcəsi nə qədər böyükdürsə, növbəti hüceyrəyə çatmaq üçün bir o qədər əlavə xərc əlavə olunur və hər sonrakı hərəkət üçün birləşdirilir. Müqavimət dərəcəsi qarışıq nisbətə bənzədiyi və ümumilikdə məcmu maya dəyərləri çox böyük olduğu üçün, toplayıcı maya dəyərlərindən asılı olaraq 0,02, 0,005 və ya daha kiçik kimi kiçik müqavimət dərəcələri təklif olunur.

Dəyərlər sıfır və ya daha böyük olmalıdır. Varsayılan 0-dur.

Səyyah üçün bir xərc mənbəyini müəyyənləşdirir.

Hər bir qaynaq göstərilən tutuma qədər böyüyür.

Dəyərlər sıfırdan böyük olmalıdır. Varsayılan tutum çıxış rasterinin kənarındadır.

Qaytarma Dəyəri

Çıxış geri bağlantı rasterinə başa gəldi.

Arxa keçid rasteri, səth məsafəsini də nəzərə alaraq, hüceyrədən ən az yığılmış xərc yolu boyunca istiqamətini təyin edən və ya növbəti qonşu hüceyrəni (davam edən hüceyrəni) müəyyən edən 0 ilə 8 arasında dəyərləri ehtiva edir. üfüqi və şaquli səth amilləri kimi.

Yol sağ qonşuya keçəcəksə, hüceyrəyə sağ alt diaqonal hücrə üçün 1, 2 dəyəri veriləcək və saat istiqamətində davam edəcəkdir. 0 dəyəri mənbə hüceyrələri üçün qorunur.


Sintaksis

Giriş mənbəyi yerləri.

Bu, hər bir çıxış hüceyrəsi yeri üçün ən az yığılmış xərc məsafəsinin hesablandığı hüceyrələri və ya yerləri müəyyən edən bir raster və ya xüsusiyyət verilənlər bazasıdır.

Rasterlər üçün giriş növü tam və ya üzən nöqtə ola bilər.

Hər hüceyrədən planimetrik olaraq keçmək üçün empedansı və ya qiyməti təyin edən bir raster.

Hər bir hüceyrə yerindəki dəyər, hüceyrə boyunca hərəkət etmək üçün vahid məsafəsini göstərir. Hər hüceyrə yerləşmə dəyəri hüceyrə çözünürlüğü ilə vurulur və hüceyrədən keçmənin ümumi xərcini əldə etmək üçün diaqonal hərəkəti kompensasiya edir.

Maliyet rasterinin dəyərləri tam və ya üzən nöqtə ola bilər, lakin mənfi və ya sıfır ola bilməz (mənfi və ya sıfır xərc ola bilməz).

Hər hüceyrə yerindəki yüksəklik dəyərlərini təyin edən bir raster.

Dəyərlər hüceyrələr arasından keçərkən həqiqi səth məsafəsini hesablamaq üçün istifadə olunur.

Hər hüceyrədə üfüqi istiqaməti təyin edən bir raster.

Rastrdakı dəyərlər 0 ilə 360 arasında dəyişən, 0 dərəcə şimalda və ya ekranın yuxarı hissəsində olmaqla və saat istiqamətində artan tam ədədlər olmalıdır. Düz ərazilərə -1 dəyər verilməlidir. Hər yerdəki dəyərlər ilə birlikdə istifadə ediləcəkdir hüceyrədən qonşularına keçərkən çəkilən üfüqi xərcləri müəyyənləşdirmək.

Horizontal Factor obyekti üfüqi xərc faktoru ilə üfüqi nisbi hərəkət bucağı arasındakı əlaqəni müəyyənləşdirir.

Müəyyən edilmiş üfüqi amil qrafiki müəyyənləşdirəcək modifikatorları olan bir neçə amil var. Əlavə olaraq, bir cədvəl xüsusi bir qrafik yaratmaq üçün istifadə edilə bilər. Qrafiklər, qonşu bir hüceyrəyə köçmənin ümumi dəyərinin hesablanmasında istifadə olunan üfüqi faktoru təyin etmək üçün istifadə olunur.

Aşağıdakı izahlarda iki qısaldılmış söz istifadə olunur: HF bir hüceyrədən digərinə keçid zamanı qarşılaşdığı üfüqi çətinliyi, HRMA isə hüceyrədən üfüqi istiqamət arasındakı bucağı müəyyən edən üfüqi amili ifadə edir. və hərəkət istiqaməti.

HRMA kəsmə bucağından az olduqda, HF-nin əks halda sıfır faktoru ilə əlaqəli dəyərə qoyulduğunu, sonsuzluq olduğunu göstərir.

Yalnız irəli hərəkətə icazə verildiyini müəyyənləşdirir. HRMA 0-dan böyük və ya 90-dan az olmalıdır (0 & lt = HRMA & lt 90). HRMA 0-dan böyük və 45 dərəcədən azdırsa, hüceyrə üçün HF sıfır faktoru ilə əlaqəli dəyərə qoyulur. HRMA 45 dərəcədən böyük və ya bərabərdirsə, yan dəyər dəyişdirici dəyəri istifadə olunur. 90 dərəcəyə bərabər və ya daha yüksək olan hər hansı bir HRMA üçün HF sonsuzluğa qoyulur.

HF-nin HRMA-nın xətti bir funksiyası olduğunu müəyyənləşdirir.

HF-nin HRMA-nın tərs xətti funksiyası olduğunu müəyyənləşdirir.

HF-ləri təyin etmək üçün istifadə olunan üfüqi faktor qrafikini təyin etmək üçün bir cədvəl sənədindən istifadə ediləcəyini müəyyənləşdirir.

  • —HRMA 0 olduqda istifadə olunan üfüqi faktoru müəyyənləşdirir. Bu amil üfüqi amil funksiyalarından hər hansı biri üçün y kəsilməsini yerləşdirir.
  • - HF-nin sonsuzluğa qoyulacağı HRMA bucağını təyin edir.
  • —HfLinear və HfInverseLinear üfüqi faktorlu açar sözlərlə istifadə olunan düz xəttin meylini müəyyənləşdirir. Yamac, qaçış üzərində bir artımın bir hissəsi olaraq təyin edilir (məsələn, yüzdə 45 yamac 1/45, 0.02222 olaraq daxil edilir).
  • —HFForward üfüqi faktorlu söz göstərildikdə HRMA 45 dərəcədən böyük və ya 90 dərəcədən az olduqda HF-ni qurur.
  • inTable —HF-ni təyin edən cədvəlin adını müəyyənləşdirir.

Hər hüceyrə yeri üçün z dəyərlərini təyin edən bir raster.

Dəyərlər bir hüceyrədən digərinə keçid zamanı yaranan şaquli faktoru təyin etmək üçün istifadə edilən yamacın hesablanması üçün istifadə olunur.

Şaquli amil obyekti şaquli xərc faktoru ilə şaquli nisbi hərəkət bucağı (VRMA) arasındakı əlaqəni müəyyənləşdirir.

Müəyyənedici şaquli amil qrafiki müəyyənləşdirəcək modifikatorları olan bir neçə amil var. Əlavə olaraq, bir cədvəl xüsusi bir qrafik yaratmaq üçün istifadə edilə bilər. Qrafiklər qonşu hüceyrəyə keçmək üçün ümumi xərclərin hesablanmasında istifadə olunan şaquli faktoru müəyyənləşdirmək üçün istifadə olunur.

Aşağıdakı izahatlarda iki qısaltma istifadə olunur: VF bir hüceyrədən digərinə keçid zamanı qarşılaşdığı şaquli çətinliyi təyin edən şaquli faktor, VRMA isə FROM və ya işləmə hüceyrəsi arasındakı yamac açısını təyin edən şaquli nisbi hərəkət bucağı deməkdir. və TO hüceyrəsi.

Bunların tərifləri və parametrləri aşağıdakılardır:

VRMA-nin aşağı kəsik bucağından daha böyük və yüksək kəsmə bucağından az olmasını, VF-nin əks halda sıfır faktoru ilə əlaqəli dəyərə qoyulduğunu, sonsuzluq olduğunu təyin edir.

VF-nin VRMA-nın xətti bir funksiyası olduğunu göstərir.

VF-nin VRMA-nın tərs xətti funksiyası olduğunu göstərir.

VF-nin VRMA-nın ya mənfi, ya da müsbət tərəfində VRMA-nın xətti bir funksiyası olduğunu və iki xətti funksiyanın VF (y) oxuna görə simmetrik olduğunu göstərir.

VF-nin VRMA-nın ya mənfi, ya da müsbət tərəfindəki VRMA-nın tərs bir xətti funksiyası olduğunu və iki xətti funksiyanın VF (y) oxuna görə simmetrik olduğunu göstərir.

VF-ni kosmik əsaslı VRMA funksiyası kimi təyin edir.

VF-ni VRMA-nın sekant əsaslı funksiyası kimi müəyyənləşdirir.

VRMA mənfi olduqda VF-nin kosinus əsaslı funksiyası olduğunu və VRMA mənfi olduqda VRMA-nın sekant əsaslı funksiyası olduğunu göstərir.

VRMA mənfi olduqda VF-nin sekant əsaslı funksiyası olduğunu və VRMA mənfi olduqda VRMA-nın kosinus əsaslı funksiyası olduğunu müəyyənləşdirir.

VF-ləri təyin etmək üçün istifadə olunan şaquli faktorlu qrafiki təyin etmək üçün bir cədvəl sənədindən istifadə ediləcəyini müəyyənləşdirir.

Şaquli parametrlərin dəyişdiriciləri aşağıdakılardır:

  • —VRMA sıfır olduqda istifadə olunan şaquli faktoru müəyyənləşdirir. Bu amil göstərilən funksiyanın y kəsilməsini yerləşdirir. Tərifə görə, sıfır faktor trigonometrik şaquli funksiyaların heç birinə tətbiq olunmur (Cos, Sec, Cos_Sec və ya Sec_Cos). Y kəsmə bu funksiyalarla təyin olunur.
  • - VF-nin sonsuzluğa qoyulacağı VRMA bucağını təyin edir.
  • - VF-nin sonsuzluğa qurulacağı VRMA bucağını təyin edir.
  • —VfLinear və VfInverseLinear parametrləri ilə istifadə edilən düz xəttin meylini müəyyənləşdirir. Yamac, qaçış üzərində bir artımın bir hissəsi olaraq təyin edilir (məsələn, yüzdə 45 yamac 1/45, 0.02222 olaraq daxil edilir).
  • inTable —VF-ni təyin edən cədvəlin adını müəyyənləşdirir.

Yığıncaq maya dəyərlərinin aşa bilməyəcəyi həddi təyin edir.

Yığım məsafəsi dəyəri bu dəyəri aşarsa, hüceyrə yeri üçün çıxış dəyəri NoData olacaqdır. Maksimum məsafə, yığma xərc məsafələrinin hesablandığı dərəcəni müəyyənləşdirir.

Varsayılan məsafə çıxış rasterinin kənarındadır.

Çıxış geri bağlantı rasterinə başa gəldi.

Arxa linkli raster, səth məsafəsini də nəzərə alaraq, hüceyrədən ən az maliyyələşdirici xərc yolu boyunca istiqaməti təyin edən və ya növbəti qonşu hüceyrəni (davam edən hüceyrəni) təyin edən 0 ilə 8 arasındakı dəyərləri ehtiva edir. üfüqi və şaquli səth amilləri kimi.

Yol sağ qonşuya keçəcəksə, hüceyrəyə sağ alt diaqonal hücrə üçün 1, 2 dəyəri veriləcək və saat istiqamətində davam edəcəkdir. 0 dəyəri mənbə hüceyrələri üçün qorunur.

Maliyyət dəyərlərinə tətbiq olunan çarpan.

Səyahət rejiminin və ya mənbədəki böyüklüyün idarə olunmasına imkan verir. Çarpan nə qədər böyükdürsə, hər bir hüceyrədən keçmək üçün bir o qədər çox xərc tələb olunur.

Dəyərlər sıfırdan böyük olmalıdır. Varsayılan 1-dir.

Xərc hesablamalarına başlanacaq başlanğıc dəyəri.

Mənbə ilə əlaqəli sabit xərclərin dəqiqləşdirilməsinə imkan verir. Sıfır qiymətdən başlamaq əvəzinə, maliyyət alqoritmi source_start_cost tərəfindən təyin olunan dəyərlə başlayacaq.

Dəyərlər sıfır və ya daha böyük olmalıdır. Varsayılan 0-dur.

Müqavimət tənzimlənməsini müəyyənləşdirmək üçün məcmu maya dəyərini vurma dərəcəsi.

Bu parametr, yığım xərcləri artdıqca xərcləri aşmaq üçün səylərin artmasını simulyasiya edir. Bu, səyyahın yorğunluğunu modelləşdirmək üçün istifadə olunur. Bir hüceyrəyə çatmaq üçün artan yığım dəyəri müqavimət nisbətinə vurulur və sonrakı hüceyrəyə keçmək üçün xərclərə əlavə olunur.

Müqavimət dərəcəsi nə qədər böyükdürsə, növbəti hüceyrəyə çatmaq üçün bir o qədər əlavə xərc əlavə olunur və hər sonrakı hərəkət üçün birləşdirilir. Müqavimət dərəcəsi qarışıq nisbətə bənzədiyi və ümumilikdə məcmu maya dəyərləri çox böyük olduğu üçün, toplayıcı maya dəyərlərindən asılı olaraq 0,02, 0,005 və ya daha kiçik kimi kiçik müqavimət dərəcələri təklif olunur.

Dəyərlər sıfır və ya daha böyük olmalıdır. Varsayılan 0-dur.

Səyyah üçün bir xərc mənbəyini müəyyənləşdirir.

Hər bir qaynaq göstərilən tutuma qədər böyüyür.

Dəyərlər sıfırdan böyük olmalıdır. Varsayılan tutum çıxış rasterinin kənarındadır.

Qaytarma Dəyəri

Çıxış yolu məsafəsi raster.

Çıxış yolu məsafəsi rasteri, hər bir hüceyrə üçün müəyyən səth məsafəsi və üfüqi və şaquli səth amillərinin uçotu aparılarkən, müəyyən bir səthdə müəyyən edilmiş mənbə məsafəsinə qədər ən az yığılmış məsafəni müəyyən edir.

Mənbə bir hücrə, bir sıra hüceyrə və ya bir və ya daha çox xüsusiyyət yeri ola bilər.

Çıxış rasteri üzən nöqtə tiplidir.


Metodlar

Bir çoxbucaqlının hüdudu bir çox xəttdir. Bir çox xəttin sərhəddi, xəttin son nöqtələrinə uyğun olan çox nöqtəlidir. Bir nöqtə və ya çox nöqtəli sərhəd boş bir nöqtə və ya çox nöqtəlidir.

Tampon məsafəsi tamponlanan həndəsə ilə eyni vahidlərdədir.

Mənfi məsafə yalnız çoxbucaqlı həndəsəyə qarşı təyin edilə bilər.

Tamponlanmış çoxbucaqlı həndəsə.

Klip dərəcəsini təyin etmək üçün istifadə olunan bir ölçü obyekti.

Müəyyən edilmiş dərəcədə kəsilmiş bir çıxış həndəsi.

Gerçək bir Boolean dəyəri, bu həndəsənin ikinci həndəsəni ehtiva etdiyini göstərir.

Nəticədə həndəsə. Tək nöqtənin qabarıq gövdəsi nöqtənin özüdür.

Gerçək bir Boolean dəyəri, iki həndəsənin daha kiçik bir forma tipində bir həndəsədə kəsişdiyini göstərir.


2 Cavablar 2

İki nöqtə arasındakı bucaqla, son nöqtələr tərəfindən təyin olunan iki vektor arasındakı bucağı nəzərdə tuturam (və başlanğıcın mənşəyi olduğunu düşünürəm).

İstifadə etdiyiniz nümunə, yalnız bu prinsip əsasında istifadə edilən t ranspoz ilə, yalnız bir cüt cüt ətrafında hazırlanmışdır. Bununla birlikdə, 2-dən çox ölçüdə işləmək kifayətdir.

Funksiyanız bir neçə cüt nöqtə gözlədiyi üçün məsafə funksiyanız olduğu kimi vektorlaşdırılmalıdır (və yalnız 2 ölçülü nöqtəni nəzərdən keçiririk).


1.5 R-məkan tarixi

Kimi son məkan paketlərinin istifadəsinin bir çox faydası var sf, həm də R-nin məkan imkanlarının tarixindən xəbərdar olmaq da vacibdir: bir çox funksiya, istifadə halları və tədris materialı köhnə paketlərdə yer alır. Bunlar harada baxacağınızı bilmək şərti ilə bu gün də faydalı ola bilər.

R’in məkan imkanları S dilindəki erkən məkan paketlərində yaranmışdır (Bivand və Gebhardt 2000). 1990-cı illərdə məkan statistikası üçün çox sayda S skriptinin və bir ovuc paketin inkişafı görüldü. GeoComputation 2000-də (Bivand və Neteler 2000) təqdim olunan bir məqaləyə görə R paketləri bunlardan yarandı və 2000-ci ilə qədər müxtəlif nöqtə metodları üçün “nöqtə nümunəsi analizi, geostatistika, kəşfiyyat məkan məlumatları təhlili və məkan ekonometriği” üçün R paketləri mövcud idi. Bunlardan bəziləri, xüsusən məkan, sgeostatsplanklar hələ CRAN-da mövcuddur (Rowlingson and Diggle 1993, 2017 Venables and Ripley 2002 Majure and Gebhardt 2016).

R News-dəki sonrakı bir məqalədə (The R Journal-ın sələfi), o vaxt R-də məkan statistik proqramına bir baxış var idi, bunların çoxu S / S-PLUS (Ripley 2001) üçün yazılmış əvvəlki kodlara əsaslanmışdı. Bu icmalda kosmik hamarlaşdırma və interpolasiya üçün paketlər təsvir edilmişdir akimageoR (Akima and Gebhardt 2016 Ribeiro Jr and Diggle 2016) və nöqtə analizi, o cümlədən splanklar (Rowlingson and Diggle 2017) və spatstat (Baddeley, Rubak və Turner 2015).

Aşağıdakı R News buraxılışı (Cild 1/3) məkan paketlərini yenidən diqqət mərkəzində qoydu, daha ətraflı bir giriş ilə splanklar və məkan statistikası ilə bağlı gələcək perspektivlərə dair bir şərh (Bivand 2001). Əlavə olaraq, buraxılış, nəhayət bir hissəyə çevrilən məkan avtokorrelyasiyasını test etmək üçün iki paket təqdim etdi spdep (Bivand 2017). Xüsusi olaraq, şərhdə məkan interfeyslərinin standartlaşdırılması, CİS ilə məlumat mübadiləsi üçün səmərəli mexanizmlər və koordinat istinad sistemləri (CRS) kimi məkan metadataları ilə işləmək zərurəti qeyd olunur.

maptools (müəllifləri Nicholas Lewin-Koh Bivand və Lewin-Koh 2017) bu zamandan bəri bir başqa vacib paketdir. Əvvəlcə maptools yalnız formalı formada bir sarğı içərisində saxladı və ESRI Formalı sənədlərin həndəsə yuvalanmış siyahılarına oxunmasına icazə verdi. Müvafiq və indiki vaxtda köhnəlmiş “Xəritə” adlı S3 sinfi bu siyahını bir atribut məlumat çərçivəsi ilə birlikdə saxladı. “Xəritə” sinif nümayəndəliyi üzərində iş birbaşa qidalandığı üçün vacib idi sp CRAN-da yayımlanmadan əvvəl.

2003-cü ildə Roger Bivand məkan paketlərinin genişləndirilmiş icmalını dərc etdi. ‘GDAL’ın təklif etdiyi məlumat obyektlərini’ dəstəkləmək üçün ‘əsas’ nöqtə, xətt, çoxbucaqlı və raster növləri daxil olmaqla bir sinif sistemi təklif etdi. Bundan əlavə, xarici kitabxanalardakı interfeyslərin modul R paketlərinin əsasını təşkil etməsini təklif etdi (Bivand 2003). Bu fikirlər böyük ölçüdə paketlərdə reallaşdırıldı rgdalsp. Bunlar, təsvir olunduğu kimi R ilə məkan məlumatları təhlili üçün zəmin yaratdı R ilə tətbiq olunan məkan məlumatları təhlili (ASDAR) (Bivand, Pebesma ve Gómez-Rubio 2013), ilk dəfə 2008-ci ildə nəşr olundu. On il sonra, R-in məkan qabiliyyətləri əhəmiyyətli dərəcədə inkişaf etdi, lakin Bivand (2003) tərəfindən irəli sürülən fikirlər üzərində quruldu: GDAL və PROJ ilə interfeyslər , məsələn, R-in yüksək performanslı coğrafi məlumatlarının I / O və CRS çevrilmə qabiliyyətlərini hələ də gücləndirin (müvafiq olaraq 6 və 7-ci fəsillərə baxın).

rgdal2003-cü ildə buraxılmış, əvvəllər mövcud olmayan coğrafi məlumat formatlarından məlumat idxal etmə qabiliyyətini xeyli artıran R üçün GDAL bağlamaları təmin etmişdir. The initial release supported only raster drivers but subsequent enhancements provided support for coordinate reference systems (via the PROJ library), reprojections and import of vector file formats (see Chapter 7 for more on file formats). Many of these additional capabilities were developed by Barry Rowlingson and released in the rgdal codebase in 2006 (see Rowlingson et al. 2003 and the R-help email list for context) .

sp, released in 2005, overcame R’s inability to distinguish spatial and non-spatial objects (Pebesma and Bivand 2005) . sp grew from a workshop in Vienna in 2003 and was hosted at sourceforge before migrating to R-Forge. Prior to 2005, geographic coordinates were generally treated like any other number. sp changed this with its classes and generic methods supporting points, lines, polygons and grids, and attribute data.

sp stores information such as bounding box, coordinate reference system and attributes in slots in Spatial objects using the S4 class system, enabling data operations to work on geographic data (see Section 2.2.2). Further, sp provides generic methods such as summary() and plot() for geographic data. In the following decade, sp classes rapidly became popular for geographic data in R and the number of packages that depended on it increased from around 20 in 2008 to over 100 in 2013 (Bivand, Pebesma, and Gómez-Rubio 2013) . As of 2018 almost 500 packages rely on sp, making it an important part of the R ecosystem. Prominent R packages using sp include: gstat, for spatial and spatio-temporal geostatistics geosphere, for spherical trigonometry and adehabitat used for the analysis of habitat selection by animals (E. Pebesma and Graeler 2018 Calenge 2006 Hijmans 2016) .

Halbuki rgdalsp solved many spatial issues, R still lacked the ability to do geometric operations (see Chapter 5). Colin Rundel addressed this issue by developing rgeos, an R interface to the open-source geometry library (GEOS) during a Google Summer of Code project in 2010 (Bivand and Rundel 2018) . rgeos enabled GEOS to manipulate sp objects, with functions such as gIntersection() .

Another limitation of sp — its limited support for raster data — was overcome by raster, first released in 2010 (Hijmans 2017) . Its class system and functions support a range of raster operations as outlined in Section 2.3. A key feature of raster is its ability to work with datasets that are too large to fit into RAM (R’s interface to PostGIS supports off-disc operations on vector geographic data). raster also supports map algebra (see Section 4.3.2).

In parallel with these developments of class systems and methods came the support for R as an interface to dedicated GIS software. GRASS (R. S. Bivand 2000) and follow-on packages spgrass6rgrass7 (for GRASS GIS 6 and 7, respectively) were prominent examples in this direction (Bivand 2016a, 2016b) . Other examples of bridges between R and GIS include RSAGA (Brenning, Bangs, and Becker 2018, first published in 2008) , RPyGeo (A. Brenning 2012a, first published in 2008) , and RQGIS (Muenchow, Schratz, and Brenning 2017, first published in 2016) (see Chapter 9).

Visualization was not a focus initially, with the bulk of R-spatial development focused on analysis and geographic operations. sp provided methods for map making using both the base and lattice plotting system but demand was growing for advanced map making capabilities, especially after the release of ggplot2 in 2007. ggmap extended ggplot2’s spatial capabilities (Kahle and Wickham 2013) , by facilitating access to ‘basemap’ tiles from online services such as Google Maps. Hərçənd ggmap facilitated map-making with ggplot2, its utility was limited by the need to fortify spatial objects, which means converting them into long data frames. While this works well for points it is computationally inefficient for lines and polygons, since each coordinate (vertex) is converted into a row, leading to huge data frames to represent complex geometries. Although geographic visualization tended to focus on vector data, raster visualization is supported in raster and received a boost with the release of rasterVis, which is described in a book on the subject of spatial and temporal data visualization (Lamigueiro 2018) . As of 2018 map making in R is a hot topic with dedicated packages such as tmap, leafletmapview all supporting the class system provided by sf, the focus of the next chapter (see Chapter 8 for more on visualization).


13.1 Global Moran’s I

13.1.1 Computing the Moran’s I

Let’s start with a working example: 2010 per capita income for the state of Maine.

Figure 13.1: 2010 median per capita income aggregated at the county level.

It may seem apparent that, when aggregated at the county level, the income distribution follows a north-south trend (i.e. high values appear clustered near the southern end of the state and low values seem clustered near the north and east). But a qualitative description may not be sufficient we might want to quantify the degree to which similar (or dissimilar) counties are clustered. One measure of this type or relationship is the Moran’s I statistic.

The Moran’s I statistic is the correlation coefficient for the relationship between a variable (like income) and its surrounding values. But before we go about computing this correlation, we need to come up with a way to define a neighbor. One approach is to define a neighbor as being any contiguous polygon. For example, the northern most county (Aroostook), has four contiguous neighbors while the southern most county (York) has two contiguous counties. Other neighborhood definitions include distance bands (e.g. counties within 100 km) and k nearest neighbors (e.g. the 2 closest neighbors). Note that distance bands and k nearest neighbors are usually measured using the polygon’s centroids and not their boundaries.

Figure 13.2: Maps show the links between each polygon and their respective neighbor(s) based on the neighborhood definition. A contiguous neighbor is defined as one that shares a boundary or a vertex with the polygon of interest. Orange numbers indicate the number of neighbors for each polygon. Note that the top most county has no neighbors when a neighborhood definition of a 100 km distance band is used (i.e. no centroids are within a 100 km search radius)

Once we define a neighborhood for our analysis we identify the neighbors for each polygon in our dataset then summaries the values for each neighborhood cluster (by computing their mean values, for example). This summarized neighbor value is sometimes referred to as a lagging value (Xlag). In our working example, we adopt a contiguity neighborhood and compute the average neighboring income value (Incomelag) for each county in our dataset. We then plot Incomelag vs Income for each county. The Moran’s I coefficient between IncomelagIncome is nothing more than the slope of the least squares regression line that best fits the points sonra having equalized the spread between both sets of data.

* vs. *Income*. If we equalize the spread between both axes (i.e. convert to a z-score) the slope of the regression line represents the Moran" />

Figure 13.3: Scatter plot of Incomelag vs Income. If we equalize the spread between both axes (i.e. convert to a z-score) the slope of the regression line represents the Moran’s I statistic.

If there is no relationship between IncomeIncomelag, the slope will be close to flat (resulting in a Moran’s I value near 0). In our working example, the Moran’s I value is 0.377. So this begs the question, how significant is this Moran’s I value (i.e. is the computed slope significantly different from 0)? There are two approaches to estimating the significance: an analytical solution and a Monte Carlo solution. The analytical solution makes some restrictive assumptions about the data and thus cannot always be reliable. Another approach (and the one favored here) is a Monte Carlo test which makes yox assumptions about the dataset including the shape and layout of each polygon.

13.1.2 Monte Carlo approach to estimating significance

In a Monte Carlo test (a permutation bootstrap test, to be exact), the attribute values are randomly assigned to polygons in the data set and for each permutation of the attribute values, a Moran’s I value is computed. The output is a sampling distribution of Moran’s I values under the (null) hypothesis that attribute values are randomly distributed across the study area. We then compare our observed Moran’s I value to this sampling distribution.

Figure 13.4: Results from 199 permutations. Left plot shows Moran’s I slopes (in gray) from each random permutation of income values superimposed with the observed Moran’s I slope (in red). Right plot shows the distribution of Moran’s I values for all 199 permutations red vertical line shows our observed Moran’s I value of 0.377.

In our working example, 199 simulations indicate that out observed Moran’s I value of 0.377 is not a value we would expect to compute if the income values were randomly distributed across each county. A (pseudo) P-value can easily be computed from the simulation results:

where (N_) is the number of simulated Moran’s I values more extreme than our observed statistic and (N) is the total number of simulations. Here, out of 199 simulations, just one simulation result was more extreme than our observed statisic, (N_) = 1, so (p) is equal to (1 + 1) / (199 + 1) = 0.01. This is interpreted as “there is a 1% probability that we would be wrong in rejecting the null hypothesis Ho.


QGIS: How to find the shortest distance between two line layers

I am working with two layers in QGIS, which are both line layers. Essentially, I would like to add an attribute in one layer indicating the shortest distance to a feature in the other layer, as well as that other feature's ID. Is there a tool to do this without converting one of the two layers to points first? Or some relatively simple python process?

For example, I have a river segments layer and a road segments layer. I would like to add the distance to the nearest road & the name of that road to the river layer.


Methoden

A polygon's boundary is a polyline. A polyline's boundary is a multipoint, corresponding to the endpoints of the line. A point or multipoint's boundary is an empty point or multipoint.

The buffer distance is in the same units as the geometry that is being buffered.

A negative distance can only be specified against a polygon geometry.

The buffered polygon geometry.

An extent object used to define the clip extent.

An output geometry clipped to the specified extent.

Der boolesche Rückgabetyp True gibt an, dass diese Geometrie die zweite Geometrie enthält.

The resulting geometry. The convex hull of a single point is the point itself.

Der boolesche Rückgabetyp "True" gibt an, dass sich die beiden Geometrien in einer Geometrie mit einem geringeren Shape-Typ schneiden.