城市密度分析.docx
- 文档编号:1771021
- 上传时间:2022-10-23
- 格式:DOCX
- 页数:28
- 大小:2.44MB
城市密度分析.docx
《城市密度分析.docx》由会员分享,可在线阅读,更多相关《城市密度分析.docx(28页珍藏版)》请在冰豆网上搜索。
城市密度分析
城市密度分析
芝加哥地区城市密度分析实验报告
实验室实验日期:
姓名
学院
学号
年级、专业名称
实验项目名称
芝加哥地区城市密度分析
成绩评定
一、基于普查小区的单中心模型拟合
实验步骤:
步骤一:
提取研究区域六个县的普查小区
步骤三:
生成Cnty6trt的重心文件Cnty6trtpt:
步骤四:
提取CBD的位置(即单中心假设的唯一中心):
步骤五:
局部插值法绘制研究区的人口密度图:
步骤六:
保存栅格图层:
步骤七:
设置空间分析掩膜:
步骤八:
生成研究区表面图层:
步骤九:
设置透明度:
步骤十:
将图层重新分类并修改显示模型:
步骤十一:
计算普查小区中心与CBD之间的距离:
步骤十二:
在cuty6trtpt中新增列DIST_CBD把距离换算成公里表示:
步骤十三:
用excel对人口密度和CBD距离进行简单线性回归分析:
分析结果:
由上表可知MultipleR=0.569,由此可得城市人口密度与CBD的距离呈显著相关关系。
由标准误差=3417可知该回归方程与数据的拟合度并不好。
由图可看出,总体上来说,城市人口密度是随着与CBD的距离增加而递减,可知人口大多聚集在与CBD靠近的地区。
但在比较接近CBD的地区范围例如0到15公里,这种递减趋势却不明显,所以呈现出拟合度很差的情况。
最后得出,在CBD附近的地区聚集了大量的城市人口,并随着距离的增大,城市人口密度递减。
二、基于普查小区的多中心模型拟合
步骤一:
计算各普查小区与其最近中心之间的距离:
步骤二:
将各普查小区与其最近中心之间的距离用公里表示:
步骤三:
从cnty6trtpt。
Dbf提取所需的数据并保存为cav格式:
步骤四:
计算普查小区的重心与各中心的距离:
步骤五:
链接cnty6trtpt表与polydist表并提取所需数据保存为CSV格式:
步骤六:
导入数据dist2near到spss中:
步骤七:
数据转换:
步骤八:
对模型1进行线性回归分析:
步骤九:
分析结果:
三、基于township的单中心模型拟合
步骤一:
通过面积权重插值估算township人口:
步骤二:
在twntrt表中新增列area_2计算twntrt中各地域单元的面积:
步骤三:
新增列pop_est,并按公式popu*area_2/area计算结果:
步骤四:
按rngtwn汇总pop_est值,输出为twn_pop.dbf:
步骤五:
将表twn_pop.dbf与twnshp属性表连接:
步骤六:
在twnshp属性表中新增列popden,并根据公式1000000*sum_pop_est/area计算结果:
步骤七:
计算township与CBD之间的距离:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 城市 密度 分析