来源：GIS前沿
一、数据来源介绍
（一）数字高程数据、归一化植被指数数据
本文所用到的松原市宁江区数字高程数据采用30 m分辨率的GDEMV 3数字高程数据、归一化植被指数数据采用250m分辨率的MYD13Q1植被指数16天合成产品，这些数据均来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn），该网站所能提供的归一化植被指数数据最高分辨率为250m，有需要更高精度的，可以在该网站下载高精度的影像，并利用ENVI软件分析来获取。
该网站数据的下载是按不同比例尺的条带号下载的，下载下来之后需要根据研究区边界进行裁剪，另外有一点就是，数据太大，不好下载。
（二）土地利用数据
土地利用数据来自国土资源三次调查数据（2018年），根据研究需要对其进行分析处理。
文末有练习数据下载链接。
二、研究方法
（一）指标的选取
生态安全评价能反映生态安全状况，是区域生态安全格局构建的直接依据。
参考相关文献本文从生态属性和生态干扰两方面选择高程、坡度、土地覆盖类型、植被覆盖度、距水体的距离、距道路的距离、距矿点的距离、距居民点的距离共8个生态安全评价指标。其中，海拔与坡度等地形因素对区域生态安全会有潜在的影响；植被指数是描述生态系统的重要基础数据，对分析和评价区域生态环境拥有意义重大；大面积的水体通常会有利于区域生态环境的改善；居民点、矿点和道路是人类活动强度较大的地方，生态干扰随着与其距离的接近而增大。
如下表（生态安全等级表）所示将各指标划分为四个等级，值越小，抵抗外界干扰能力越强，生态安全水平越高。
（二）空间主成分分析法
主成分分析法(PCA)通过将初始空间坐标轴旋转，使多个彼此在不同程度上具有一定相关性的空间数据转化为少数几个几乎不相关的综合指标，并客观地确定每个指标的权重。
空间主成分分析法(SPCA)则是将统计学原理和GIS相结合，将每个空间变量对应一个矩阵，把相关的空间变量对因变量的影响程度分配到相应的主成分因子上，且能将主成分因子分析结果清晰地落实到空间所对应的每一个像元上，使原有主成分分析结果直观地拓展到二维空间。
*本教程仅供参考，不足之处欢迎斧正。
三、数据预处理
（一）土地利用数据预处理
从总的土地利用数据中提取出来水体、道路、矿点和居民点数据。
右键打开土地利用数据图层的属性表，选择按属性查询，在输入框中输入如下公式来选取数据：
1. DLMC = '沟渠' OR DLMC = '河流水面' OR DLMC = '坑塘水面' OR DLMC = '内陆滩涂' OR DLMC = '水库水面' OR DLMC = '水田' OR DLMC = '水浇地' OR DLMC = '养殖坑塘' OR DLMC = '沼泽地'
2. DLMC = '城镇道路用地' OR DLMC = '公路用地' OR DLMC = '农村道路' OR DLMC = '铁路用地'
3. DLMC = '采矿用地'
4. DLMC = '城镇住宅用地' OR DLMC = '农村宅基地'
（二）数字高程数据和植被指数数据预处理
我们选取了三幅数字高程数据才得以覆盖研究区，我们需要将这三幅数据合并为一幅并裁剪。
利用镶嵌至新栅格工具可将多个栅格数据集合并到一个新的栅格数据集中。
工具位置：数据管理工具 -> 栅格 -> 栅格数据集 -> 镶嵌至新栅格
利用按掩膜提取工具从新栅格中提取出研究区范围内的DEM数据。
工具位置：Spatial Analyst工具 -> 提取分析 -> 按掩膜提取
而网站下载下来的植被指数数据是一个TIFF文件，其包含12个波段，选取第一个波段加载进来即可，另外该数据图层覆盖面积非常广，我们直接利用按掩膜提取工具提取即可。
四、进一步分析
（一）多重缓冲区分析
利用多环缓冲区工具对之前从总的土地利用图层中提取出来的水体、道路、矿点和居民点数据按生态安全等级分级表进行多重缓冲区分析。
工具位置：分析工具 -> 邻域分析 -> 多环缓冲区
如果绝得一个一个分析太麻烦的话，可以右键工具选择批处理。
（二）裁剪缓冲区
利用裁剪工具将缓冲区超出研究区的部分裁剪掉。
工具位置：分析工具 -> 提取分析 -> 裁剪
该工具也可以进行批处理，但需要注意的是有时计算量太大会报错。
若是出现下图所显示的大的缓冲区覆盖小的缓冲区这种情况，可以打开编辑工具，使其处于编辑状态。
打开图层属性表，依次选择小的缓冲区，点击编辑工具中的裁剪，选择丢弃相交区域。
（三）对土地利用数据进行分类
在土地利用图层属性表中，新建双精度字段STANDQ，用来存储生态安全等级；在按属性选择工具中，依次输入如下公式：
通过按属性选择工具选取各生态安全等级所包含的地类之后，右键新建STANDQ字段名，选择字段计算器，依次填入生态安全等级。
（四）矢量转栅格
利用面转栅格工具将处理好的土地利用矢量数据转为栅格数据。
另外也可以右键选择批处理将多个多重缓冲区矢量数据转换成栅格数据。
工具位置：转换工具 -> 转为栅格 -> 面转栅格
（五）计算坡度
利用坡度工具对数字高程数据进行处理得到坡度数据，其中Z因子可以根据松原宁江的纬度（45°左右）来对比Z因子表来得到，这里选取为0.00001171。
工具位置：Spatial Analyst工具 -> 表面分析 -> 坡度
（六）栅格重分级
利用重分类工具对之前处理所得除TDLY数据以外的7个栅格数据（水体多重缓冲区数据、道路多重缓冲区数据、采矿点多重缓冲区数据、居民点多重缓冲区数据、数字高程数据、植被指数数据、坡度数据）按前面所展示的生态安全等级表进行重分类。
工具位置：Spatial Analyst工具 -> 表面分析 -> 坡度
（七）主成分分析
利用主成分分析工具对八个处理好的栅格数据进行主成分分析。
工具位置：Spatial Analyst工具 -> 多元分析 -> 主成分分析
五、成果展示
六、结果分析
上图中的表格产自于主成分分析工具，其会伴随栅格图层生成一个表文件，其中包含了8个主成分的载荷矩阵、特征值及贡献率等。
从下表可以看出，前6个主成分的累积贡献率是93.1193%，这说明前6个主成分能够充分体现松原宁江地区生态安全信息。
通过深入分析各主成分所对应的原始评价指标特征向量可以得出：第1主成分中距采矿点的距离特征向量较大（0.64355），体现出采矿点对研究区生态安全的重要影响；距居民点的距离在第2主成分中特征向量较大（0.84612），距采矿点的距离在第3主成分中特征向量绝对值较大（-0.67067），这反映出人类活动对生态安全的影响较为显著；坡度在第4主成分中特征向量较大（0.82930），表明坡度因子也对生态安全有比较大的影响；第5主成分中土地利用类型特征向量较大（0.57502），表明土地利用因子也是生态安全的重要影响因素；第5主成分中植被指数特征向量绝对值较大（-0.62032），说明植被因子对生态安全有较强影响
我正在编写一个小脚本来定位aws存储桶中的特定文件，并创建一个临时验证的url以发送给同事。(理想情况下，这将创建类似于在控制台上右键单击存储桶中的文件并复制链接地址的结果)。我研究过回形针，它似乎不符合这个标准，但我可能只是不知道它的全部功能。我尝试了以下方法:defauthenticated_url(file_name,bucket)AWS::S3::S3Object.url_for(file_name,bucket,:secure=>true,:expires=>20*60)end产生这种类型的结果:...-1.amazonaws.com/file_path/file.zip.A
在Ruby中是否有Gem或安全删除文件的方法？我想避免系统上可能不存在的外部程序。“安全删除”指的是覆盖文件内容。 最佳答案 如果您使用的是*nix，一个很好的方法是使用exec/open3/open4调用shred:`shred-fxuz#{filename}`http://www.gnu.org/s/coreutils/manual/html_node/shred-invocation.html检查这个类似的帖子:Writingafileshredderinpythonorruby?
在编写Ruby(客户端脚本)时，我看到了三种构建更长字符串的方法，包括行尾，所有这些对我来说“闻起来”有点难看。有没有更干净、更好的方法？变量递增。ifrender_quote?quote="NowthatthereistheTec-9,acrappyspraygunfromSouthMiami."quote+="ThisgunisadvertisedasthemostpopularguninAmericancrime.Doyoubelievethatshit?"quote+="Itactuallysaysthatinthelittlebookthatcomeswithit:themo
导读：随着叮咚买菜业务的发展，不同的业务场景对数据分析提出了不同的需求，他们希望引入一款实时OLAP数据库，构建一个灵活的多维实时查询和分析的平台，统一数据的接入和查询方案，解决各业务线对数据高效实时查询和精细化运营的需求。经过调研选型，最终引入ApacheDoris作为最终的OLAP分析引擎，Doris作为核心的OLAP引擎支持复杂地分析操作、提供多维的数据视图，在叮咚买菜数十个业务场景中广泛应用。作者｜叮咚买菜资深数据工程师韩青叮咚买菜创立于2017年5月，是一家专注美好食物的创业公司。叮咚买菜专注吃的事业，为满足更多人“想吃什么”而努力，通过美好食材的供应、美好滋味的开发以及美食品牌的孵
C#实现简易绘图工具一.引言实验目的:通过制作窗体应用程序(C#画图软件),熟悉基本的窗体设计过程以及控件设计,事件处理等,熟悉使用C#的winform窗体进行绘图的基本步骤,对于面向对象编程有更加深刻的体会.Tutorial任务设计一个具有基本功能的画图软件**·包括简单的新建文件,保存,重新绘图等功能**·实现一些基本图形的绘制,包括铅笔和基本形状等,学习橡皮工具的创建**·设计一个合理舒适的UI界面**注明:你可能需要先了解一些关于winform窗体应用程序绘图的基本知识,以及关于GDI+类和结构的知识二.实验环境Windows系统下的visualstudio2017C#窗体应用程序三.
需求：要创建虚拟机，就需要给他提供一个虚拟的磁盘，我们就在/opt目录下创建一个10G大小的raw格式的虚拟磁盘CentOS-7-x86_64.raw命令格式：qemu-imgcreate-f磁盘格式磁盘名称磁盘大小qemu-imgcreate-f磁盘格式-o?1.创建磁盘qemu-imgcreate-fraw/opt/CentOS-7-x86_64.raw10G执行效果#ls/opt/CentOS-7-x86_64.raw2.安装虚拟机使用virt-install命令，基于我们提供的系统镜像和虚拟磁盘来创建一个虚拟机，另外在创建虚拟机之前，提前打开vnc客户端，在创建虚拟机的时候，通过vnc
我正在使用ruby2.1.0我有一个json文件。例如:test.json{"item":[{"apple":1},{"banana":2}]}用YAML.load加载这个文件安全吗？YAML.load(File.read('test.json'))我正在尝试加载一个json或yaml格式的文件。 最佳答案 YAML可以加载JSONYAML.load('{"something":"test","other":4}')=>{"something"=>"test","other"=>4}JSON将无法加载YAML。JSON.load("
我正在尝试在配备ARMv7处理器的SynologyDS215j上安装ruby2.2.4或2.3.0。我用了optware-ng安装gcc、make、openssl、openssl-dev和zlib。我根据README中的说明安装了rbenv(版本1.0.0-19-g29b4da7)和ruby-build插件。.这些是随optware-ng安装的软件包及其版本binutils-2.25.1-1gcc-5.3.0-6gconv-modules-2.21-3glibc-opt-2.21-4libc-dev-2.21-1libgmp-6.0.0a-1libmpc-1.0.2-1libm
默认情况下:回形针gem将所有附件存储在公共(public)目录中。出于安全原因，我不想将附件存储在公共(public)目录中，所以我将它们保存在应用程序根目录的uploads目录中:classPost我没有指定url选项，因为我不希望每个图像附件都有一个url。如果指定了url:那么拥有该url的任何人都可以访问该图像。这是不安全的。在user#show页面中:我想实际显示图像。如果我使用所有回形针默认设置，那么我可以这样做，因为图像将在公共(public)目录中并且图像将具有一个url:Someimage:看来，如果我将图像附件保存在公共(public)目录之外并且不指定url(同
我正在寻找用于Rails的优质管理插件。似乎大多数现有的插件/gem(例如“restful_authentication”、“acts_as_authenticated”)都围绕着self注册等展开。但是，我正在寻找一种功能齐全的基于管理/管理角色的解决方案——但不是简单地附加到另一个非基于角色的解决方案。如果我找不到，我想我会自己动手......只是不想重新发明轮子。 最佳答案 RyanBates最近做了两个关于授权的railscast(注意身份验证和授权之间的区别；身份验证检查用户是否如她所说的那样，授权检查用户是否有权访问资源
