`

shap文件点太密如何抽吸均匀分布

 
阅读更多
shape点文件 太密集了,点非常多, 均匀删除一部分 并保持原来的密度分布?

先生成适当大小的网格面,比如你要没100米见方只保留一个点,则网格面的边长就设为100。然后点与网格面做identity,这样格网面每个格网的属性就赋给了落在网格内的点,最后每个网格内保留一个点,将其余的点删掉。

如何制作网格面?

Create Fishnet是一个十分实用的功能,在Arctoolbox中的data management tools>feature class下。下面是英文帮助翻译出来的结果。
   1. 如果单元格的宽和高定义为0,那么必须指定行与列的数目以及格网对角的坐标
   2. 格网的范围可以手动输入,也可以引用已有数据为模板。如果输入一个模版,格网的起始坐标和Y轴的坐标就被自动填充了,但仍需要输入行与列的数目
   3. 如果行列数被指定为0,那么必须定义格网对角的坐标
   4. 如果单元格的宽与高被定义为0,那么根据行列数与对角的坐标,程序会自动计算单元格的大小
   5. 如果定义了单元格的宽度和高度并输入行列数为0,则必须输入格网对角的坐标。程序会根据定义的单元格大小计算行列数,使得格网能够填满整个区域而又不超出事先定义的范围
   6. 单元格宽与高的单位与生成的特征类的单位相同,例如0.5个单位是地理坐标的半度,又是UTM的0.5米,默认的情况下,将自动生成标签。
   7. 标签是一个点的文件,每个点的位置是其对应的单元格的中心,这个文件将和目标文件放在同样的路径下,他的名字是目标文件的文件名加上"_Labels"的后缀,不过这个东西我没想出有什么用
   8. 如果要根据生成的线文件生成多边形文件,还必须使用Feature To Polygon工具

根据自己的具体情况的话,我有一些离散的点(有高程信息),现在要一个大小刚好覆盖这些点的网格,网格的边界就是套用点图层的边界,然后设置行列数,基本上就OK了。
工具在这里:

参数设置:


面网格出来后就要在ArcSence里面稍微处理一下,就可以立起来了;
右击grid打开属性表,设置base height参考到三维数据,

效果图:


最后再用ArcToolbox\Analysis Tools\Overlay\Identity进行处理
  • 大小: 53 KB
  • 大小: 247.7 KB
  • 大小: 68.9 KB
  • 大小: 222 KB
分享到:
评论

相关推荐

    全国地图SHAP文件.rar

    SHAP文件是Shapefile的主要组成部分,它存储了地理对象的几何形状,如点、线和多边形,这些代表了地图上的各种实体,如城市、道路、湖泊等。除了SHAP文件外,Shapefile还包括DBF(数据库文件)存储属性数据,SHP.SHX...

    2019年全国区县行政区划shap文件.rar

    2019年全国行政区划区县级shap文件最新包括全国2019年全国行政区划区县级shap文件最新包括全国2019年全国行政区划区县级shap文件最新包括全国

    shap文件修复工具

    一键快捷修复shap文件出现于DBF表格不对应的情况

    IDL程序-利用shap文件实现遥感影像批量裁剪.rar_IDL遥感_envi IDL_遥感_遥感影像_遥感裁剪

    SHAP文件是一种标准的地理空间矢量数据格式,由ESRI(Environmental Systems Research Institute)开发,常用于存储地理信息系统(GIS)中的边界、线、点等几何对象。这些文件包含了关于地理特征的位置、属性以及...

    shap-0.30.1-cp37-cp37m-win_amd64.whl

    shap字段重要性

    shap分析mnist实验复现结果图片

    **文件名称列表** 压缩包中的文件名(30images、50images、20+30=50images、20images)暗示了可能的实验设置,可能是针对不同数量像素被遮掩的情况进行的SHAP分析。例如,"30images"可能表示30%的像素被遮掩,而"20...

    Python库 | shap-0.13.2.tar.gz

    **Python库SHAP详解** 在Python的机器学习和人工智能领域,`SHAP`(SHapley Additive exPlanations)库是一个重要的解释性工具。它主要用于理解和解释复杂模型的预测结果,尤其是对于黑箱模型如随机森林、梯度提升...

    shap分析mnist实验复现1.rar

    标题中的"shap分析mnist实验复现1.rar"指的是一个关于使用SHAP(SHapley Additive exPlanations)方法来解释PyTorch模型预测的实验,该实验基于经典的MNIST手写数字识别数据集。这个压缩包包含了实现这一分析的代码...

    SHAP分析Mnist数据集遮掩实验复现代码

    标题中的“SHAP分析Mnist数据集遮掩实验复现代码”是指使用SHAP(Shapley Additive Explanations)方法对MNIST数据集进行解释性分析的实验代码重现。MNIST是一个广泛用于计算机视觉任务,特别是手写数字识别的数据集。...

    手把手教你使用SHAP(机器学习模型解释工具)(csdn)————程序.pdf

    **SHAP 简介** SHAP(SHapley Additive exPlanation)是一种用于解释机器学习模型预测结果的框架,它基于经济学中的 Shapley 值理论,该理论来源于博弈论。Shapley 值是衡量在一个合作游戏中,每个玩家对整体收益...

    手把手教你使用SHAP(数据+代码+注释)

    1. 同名博客:手把手教你使用SHAP 2. 实例讲解,包括(数据+代码+注释) 3. 可自定义图的标签、字体大小等设置 4. 基于jupyter,python代码,可直接运行 5. 若有疑问,可在同名博客...

    AE 加载 shap格式的数据 arcgis c#

    本话题主要涉及使用Adobe After Effects(AE)与ArcGIS结合,并通过C#编程语言处理SHAP(Shapefile)格式的数据。Shapefile是一种广泛使用的矢量地理数据格式,常用于存储地理特征如点、线和多边形。 首先,让我们...

    Python库 | shap-0.40.0-cp36-cp36m-manylinux2010_x86_64.whl

    《Python库shap详解》 在Python的生态系统中,有许多优秀的库用于各种目的,其中shap库是一个专门用于机器学习模型解释的库。这个库的名字来源于"SHapley Additive exPlanations",它提供了计算SHAP(Shapley值)的...

    中国+世界 shp文件

    【标题】"中国+世界 shp文件"是一个包含地理信息系统数据的压缩包,它提供了对中国和全球地理事物的详细矢量表示。这样的文件对于地理信息系统的开发和分析至关重要。 【描述】提到的"非常适合开发以及导入到arcgis...

    Python库 | shap-0.27.0-cp37-cp37m-win_amd64.whl

    5. **安装与使用**:下载"shap-0.27.0-cp37-cp37m-win_amd64.whl"后,可以通过Python的`pip`工具进行安装,命令通常是`pip install 文件路径\shap-0.27.0-cp37-cp37m-win_amd64.whl`。安装完成后,可以直接在Python...

    shap分析mnist实验复现code

    在A Unified Approach to Interpreting ModelPredictions论文中的第三个分析模型评估标准:SHAP分析Mnist数据集遮掩实验复现代码(new)

    Shape-E 教程:如何设置和使用 Shap-E 模型

    Shap-E的多功能性也是其与众不同之处,用户可以将生成的3D对象在Microsoft Paint 3D等软件中打开,甚至可以转换成STL文件进行3D打印。这项技术正在重新定义我们处理文本到3D和图像到3D生成的方式,以及人工智能应用...

    用SHAP控件剪切指定尺寸图片

    本文将深入探讨如何使用SHAP控件来实现对指定尺寸图片的剪切操作。SHAP,通常指的是Shape对象,是许多编程环境中用于绘制图形的工具,如Python的matplotlib库或者VBA中的形状对象。在这个场景下,我们将主要关注如何...

    高亚洲山脉范围shp文件.zip

    shp文件是一种基于Esri(环境系统研究所)的地理信息系统数据交换格式,主要用于存储地理空间信息,包括点、线和多边形等几何对象。这些文件通常与其他几种关联文件一起使用,以提供完整的地理空间数据集,例如: 1...

    基于XGBoost和SHAP的急性肾损伤可解释预测模型.docx

    "基于XGBoost和SHAP的急性肾损伤可解释预测模型" 本资源摘要信息中,我们将探讨基于XGBoost和SHAP的急性肾损伤可解释预测模型。该模型的主要目的是开发一个可进行AKI早期预测的可解释模型,重点是模型解释,以支持...

Global site tag (gtag.js) - Google Analytics