基于OSM路网的LCZ分类单元划分

记录一下基于Open Street Map(OSM)路网数据划分LCZ分类单元。

数据获取

CSDN本站里搜索到的，也有博客专门教学如何自己获取，时间关系，先用现成的，后续再自学。

道路分级

需要对城市道路进行分级。主要使用的是主干道、次干道、城市快速路和高速公路。不同城市的路宽不一样。以北京为例，城市快速路和主干道都达到了40-60m。这里需要对属性表创建字段，并赋值。

代码块如下：

def a(fclass):

if fclass=='motorway':

return 60

if fclass=='trunk':

return 50

if fclass=='primary':

return 45

if fclass=='secondary':

return 25

if fclass=='tertiary':

return 15

else:

return 0

（注意：属性表中需要赋值的道路可能不止这几个，实际操作中可能会多几个判断句；else语句是必须的，判断句必须包含了所有的情况）

赋值函数如下：

Shape_leng=

a(!fclass!)

划分单元时，仅使用上述几个类别的路，其余的删除即可。属性表-按字段选择-选择后删除。

分析工具-邻域工具-缓冲区。

创建一个矩形要素能包含研究区路网。

分析工具-叠加分析-交集取反。

数据管理工具-要素-多部件转至单部件。

基于OSM路网的LCZ分类单元划分相关推荐

ML之FE：数据处理—特征工程之特征选择常用方法之基于搜索策略的三种分类、基于评价准则划分的三种分类(Filter/Wrapper/Embedded)及其代码实现
ML之FE:数据处理-特征工程之特征选择常用方法之基于搜索策略的三种分类.基于评价准则划分的三种分类(Filter/Wrapper/Embedded)及其代码实现目录 Wrapper包裹式/封装式- ...
基于深度学习的细粒度分类调研1
细粒度分类: 细粒度分类(识别)的概念其实非常简单,即模型需要识别非常精细的子类别.一般识别出物体的大类别(比如:计算机.手机.水杯等)较易,但如果进一步去判断更为精细化的物体分类名称,则难度极大. ...
综述：基于深度学习的文本分类 --《Deep Learning Based Text Classification: A Comprehensive Review》总结(一)
文章目录综述:基于深度学习的文本分类 <Deep Learning Based Text Classification: A Comprehensive Review>论文总结(一) 总 ...
基于RBF神经网络的信用分类方法
简要介绍金融数据挖掘,RBF神经网络.提出基于RBF神经网络的信用分类的一种方法.此方法可根据客户提供的烦多而复杂的资料数据来评估客户信用的好坏.发挥RBF神经网络模拟生物体中神经网络的某些结构和功能 ...
用Python编写小工具下载OSM路网数据
文章来源于Python大数据分析,作者费弗里本文对应脚本已上传至Github仓库: https://github.com/CNFeffery/DataScienceStudyNotes[1] 1 简 ...
分类（二）：基于向量空间模型的文本分类
2019独角兽企业重金招聘Python工程师标准>>> 利用向量空间模型进行文本分类的思路主要基于邻近假设(contiguity hypothesis). 邻近假设: 同一类的文档会 ...
基于深度学习的文本分类1
基于深度学习的文本分类与传统机器学习不同,深度学习既提供特征提取功能,也可以完成分类的功能.从本章开始我们将学习如何使用深度学习来完成文本表示. 现有文本表示方法的缺陷在上一章节,我们介绍几种文本 ...
基于深度学习的时间序列分类[含代码]
基于深度学习的时间序列分类引言数据集实验环境搭建实验设计实验代码实验结果引言目前,深度学习在计算机视觉和语音识别上有了非常广泛的应用,但是在工业应用方面还没有完善的体系,一方面缺乏数据 ...
基于专家知识的决策树分类|以DEM+影像数据在ENVI操作为例
一.基于专家知识的决策树分类的基本介绍决策树模型就是需要通过样本数据构建一棵树,数中除了叶子节点的每个节点都是一个数据特征的划分点,将待测数据的对应的特征和该节点上的划分特征做对比,然后将待测节点分 ...

基于OSM路网的LCZ分类单元划分

基于OSM路网的LCZ分类单元划分相关推荐

最新文章

热门文章