Импорт переписных районов и присоединение таблиц
Вам предстоит подготовить индикаторный слой для Нью-Йорка. Вы объедините атрибуты из нескольких существующих источников данных в один пространственный слой. Имея все атрибуты в слое переписных районов, вы можете нанести на карту и анализировать районы, используя дополнительные атрибуты. Для построения индикаторного слоя вы будете использовать существующие пространственные и табличные данные American Community Survey (ACS), растровые данные для измерения кроны деревьев и анализ близости для измерения доступа к конкретным ресурсам для женщин.
Загрузка данных и подготовка проекта
Сначала вам нужно загрузить данные, которые вы будете использовать в этом учебном пособии.
- Загрузите данные, которые вы будете использовать в учебном пособии.
- В Microsoft File Explorer создайте папку на диске C:\ с именем IndicatorData.
- Извлеките содержимое загруженного файла .zip в папку IndicatorData.
- Запустите ArcGIS Pro. Если будет предложено, войдите под лицензированной учетной записью организации ArcGIS.
Примечание:
Если у вас нет доступа к ArcGIS Pro или учетной записи организации ArcGIS, см. варианты доступа к программному обеспечению.
Когда вы открываете ArcGIS Pro, вам предоставляется возможность создать новый проект или открыть существующий. Если вы уже создавали проект, вы увидите список последних проектов.
- Под Новым проектом щелкните Карта.
- В окне Новый проект для Имя введите Indicators, для Местоположение примите папку, предложенную по умолчанию, и щелкните OK.
Теперь, когда у вас есть проект, вы добавите подключение к папке, чтобы иметь возможность легко получать доступ к своим данным.
- Просмотрите панель Каталог. Если вы ее не видите, в меню Вид в группе Окна выберите Панель Каталог.
- На панели Каталог правой кнопкой мыши щелкните Папки и выберите Добавить подключение к папке.
- В окне Добавить подключение к папке найдите и перейдите к папке IndicatorData, выберите ее и щелкните ОК.
- Разверните папку IndicatorData, чтобы просмотреть ее содержимое.
В папке находится несколько файлов .csv и .xlsx, в которых хранится атрибутивная информация. Также имеется шейп-файл с именем nyct2020, который вы импортируете в базу геоданных. После импорта шейп-файла в базу геоданных в качестве класса объектов он будет служить основой для оставшейся индикаторной информации. Объединение табличной информации с пространственными данными позволяет анализировать и визуализировать всю информацию.
Импорт шейп-файла в базу геоданных
Вы загрузили данные, создали проект и подключились к папке для доступа к данным. Теперь вы импортируете шейп-файл в базу геоданных.
- На панели Каталог раскройте папку Базы данных.
Каждый проект в ArcGIS Pro поставляется с базой геоданных по умолчанию, названной так же, как и проект. База геоданных проекта называется Indicators.gdb.
- Щелкните правой кнопкой Indicators.gdb, наведите курсор на Импорт и выберите Классы объектов.
Откроется инструмент Класс объектов в базу геоданных.
- Для Входных объектов щелкните кнопку обзора, перейдите к папке IndicatorData, щелкните nyct2020 и щелкните OK.
Поскольку вы щелкнули правой кнопкой мыши по базе геоданных и выбрали импорт данных в нее, параметр Выходная база геоданных уже установлен в базе геоданных проекта.
- Щелкните Запустить.
- На панели Каталог разверните базу геоданных Indicators.
Шейп-файл был преобразован в базу геоданных и сохранен как класс объектов, содержащий полигоны. Классы объектов представляют собой наборы данных одного типа: точки, линии или полигоны.
- В базе геоданных Indicators щелкните слой nyct2020 и перетащите его на карту, чтобы добавить.
Переписные районы отображаются на карте с использованием цвета по умолчанию.
Примечание:
Ваши переписные районы могут отображаться цветом, отличным от показанного на изображении.
- На панели Содержание щелкните слой nyct2020, чтобы выбрать его, и снова щелкните, чтобы сделать имя редактируемым.
- Введите NY Census Tracts и нажмите Enter.
Вы импортировали шейп-файл в класс объектов базы геоданных, добавили его на карту и переименовали слой. Теперь, когда в базе данных есть базовый набор пространственных данных, вы будете добавлять в него информацию посредством присоединения таблиц.
Изучение табличных данных
Далее вы присоедините данные ACS к переписным районам. Данные ACS по всему штату Нью-Йорк в настоящее время хранятся в файле .csv или в непространственном формате. Вы объедините два набора данных на основе общего атрибута, чтобы включить данные ACS в переписные районы.
- На панели Каталог разверните Папки и разверните папку IndicatorData.
Файл Data4Join.csv содержит данные ACS для всего штата, которые вам нужно присоединить к слою NY Census Tracts.
- Перетащите файл Data4Join.csv на карту.
Файл .csv появляется на панели Содержание в разделе Автономные таблицы.
Таблицы, такие как файл .csv, не имеют пространственного компонента, поэтому они перечислены в разделе Автономные таблицы на панели Содержание. Хотя табличные данные не отображаются на карте по умолчанию, вы можете использовать их для улучшения векторных слоев путем объединения данных или, если в таблице есть координаты, вы можете отобразить данные на основе координат.
Далее вы проверите таблицу.
- Щелкните правой кнопкой мыши таблицу Data4Join.csv и выберите Открыть.
Таблица содержит множество атрибутов, которые можно использовать для сопоставления. В настоящее время таблица находится в формате .csv и не имеет поля OBJECTID, что означает, что вы не можете соединить ее с другим слоем. Кроме того, поле GEO_ID, которое вы будете использовать в качестве поля сопоставления при соединении, имеет другой тип, чем то же поле в слое переписных районов. Для присоединения таблиц необходимо иметь общие поля с одинаковым типом данных.
- В таблице щелкните кнопку опций и выберите Вид Поля.
- Найдите поле GEO_ID и обратите внимание, что его значение Типа данных - Большое целое.
- На панели Содержание правой кнопкой мыши щелкните слой NY Census Tracts и выберите Таблицу атрибутов.
- Как и в случае с таблицей .csv, щелкните кнопку опций и выберите Вид Поля.
Поле GEOID в слое переписных районов содержит ту же информацию, что и поле GEO_ID в таблице, но в текстовом формате.
Для корректной работы присоединения типы полей должны совпадать. Чтобы убедиться, что вы можете использовать эту таблицу в соединении, вам нужно импортировать ее в базу геоданных, а также добавить и вычислить текстовое поле для хранения информации.
- Закройте все таблицы и виды Полей.
Подготовка данных для присоединения
Теперь, когда вы определили необходимость импорта таблицы .csv в вашу базу геоданных, а также добавления и вычисления поля для использования при присоединении, вы выполните эти операции для надлежащей подготовки данных.
- На панели Каталог щелкните правой кнопкой мыши базу геоданных Indicators, наведите курсор на Импорт и выберите Таблица.
- Для Входной таблицы щелкните ниспадающее меню и выберите Data4Join.csv.
- Щелкните Запустить.
- На панели Каталог в базе геоданных Indicators щелкните правой кнопкой мыши Data4Join_csv и выберите Переименовать. Введите ACS_Data и нажмите Enter.
- Добавьте таблицу ACS_Data на карту.
- На панели Содержание щелкните правой кнопкой мыши Data4Join.csv и выберите Удалить.
Прежде чем соединить таблицы, необходимо добавить текстовое поле и вычислить его.
- Щелкните правой кнопкой мыши таблицу ACS_Data, наведите курсор на Дизайн данных и выберите Поля.
- Внизу списка полей щелкните Щелкните здесь, чтобы добавить новое поле.
- Для Имя поля введите GEOID и для Типа данных выберите Text.
- На вкладке Поля ленты, в группе Управление изменениями, щелкните Сохранить.
- Закройте вид Поля.
- Откройте таблицу ACS_Data.
- Прокрутите до конца и найдите поле GEOID. Щелкните его правой кнопкой мыши и выберите Вычислить поле.
- В разделе Выражение для Поля дважды щелкните GEO_ID, чтобы добавить его в выражение.
Вы используете поле GEO_ID для заполнения добавленного вами поля GEOID.
- Нажмите OK.
Теперь поле имеет правильный тип и заполнено корректной информацией.
- Закройте таблицу.
Теперь вы готовы выполнить соединение. В этом случае вы присоедините таблицу ACS_Data к слою NY Census Tracts, чтобы дополнить свои пространственные данные.
Присоединение данных ACS к слою переписных районов
Далее вы присоедините данные ACS к переписным районам. Вы объедините два набора данных на основе общего атрибута, чтобы включить данные ACS в переписные районы.
- На панели Содержание щелкните правой кнопкой мыши слой NY Census Tracts, укажите Соединения и связи и выберите Добавить соединение.
Появится окно Добавить соединение. Здесь вы можете ввести параметры соединения, такие как задействованные таблицы и сопоставляемые поля.
- В инструменте Добавить соединение введите или проверьте следующие параметры:
- Для Входной таблицы, убедитесь, что выбрано NY Census Tracts.
- Для Входного поля, убедитесь, что выбрано GEOID.
- Для Соединяемой таблицы, убедитесь, что выбрано ACS_Data.
- Для Поля соединения, убедитесь, что выбрано GEOID.
- Снимите отметку Сохранить все входные записи.
- Для Операции соединения выберите Присоединить один-к-первому.
Вы ввели все параметры для соединения. Далее вам необходимо проверить соединение, чтобы убедиться, что оно будет работать правильно, прежде чем запускать инструмент.
- Щелкните кнопку Проверить соединение.
Появится окно Сообщение.
Для соединения имеется 2325 соответствующих записей. Это соответствует количеству переписных районов в векторном слое. Несмотря на то, что таблица ACS содержит данные по всему штату Нью-Йорк, она будет присоединять только ту информацию, которая соответствует районам на основе общих полей.
- В окне Сообщение щелкните Закрыть, а в окне Добавить соединение щелкните OK.
Соединение завершено, но видимых изменений на карте нет. Разницу вы увидите в таблице атрибутов слоя.
- Откройте таблицу атрибутов слоя NY Census Tracts.
- Прокрутите вправо и обратите внимание на поля ACS_Data.
Теперь все поля из таблицы ACS_Data присоединены к переписным районам на основе общего поля.
- Закройте таблицу.
- На панели Инструменты быстрого доступа щелкните Сохранить, чтобы сохранить проект.
Вы присоединили атрибуты ACS к слою переписных районов. Теперь вы можете использовать эти поля для символов, надписей и анализа.
Экспорт присоединяемого слоя
Соединение является виртуальным в слое, но не сохраняется отдельно как собственный источник данных. Вы экспортируете слой переписных районов как класс объектов для хранения соединенных полей с объектами переписных районов.
- На панели Содержание щелкните правой кнопкой мыши слой NY Census Tracts, наведите курсор на Данные и выберите Экспорт объектов.
Откроется окно Экспорт объектов. Параметр Входные объекты уже установлен правильно, поскольку вы щелкнули правой кнопкой мыши по слою, чтобы экспортировать его.
- Для Выходного класса объектов замените имя по умолчанию на NY_ACS_Tracts и щелкните OK.
- Нажмите OK.
- Удалите с карты слой NY Census Tracts.
- На панели Содержание переименуйте NY_ACS_Tracts в NYC Census Tracts.
Теперь слой переписных районов на карте содержит все атрибуты из таблицы ACS и является самостоятельным источником данных. Если вы поделитесь этим источником данных в любой форме, все атрибуты будут присутствовать.
- Сохраните проект.
Добавление и вычисление полей
Далее вам нужно будет добавить и вычислить два поля, оба процентных поля, чтобы учесть уровень образования и репродуктивный возраст.
- На панели Содержание щелкните правой кнопкой мыши слой NYC Census Tracts, наведите курсор на Дизайн данных и выберите Поля.
- Прокрутите страницу вниз и щелкните Щелкните здесь, чтобы добавить новое поле два раза.
Появляются две строки. Далее вам предстоит отредактировать свойства поля.
- Для первой строки введите следующие свойства:
- Для Имени поля введите или скопируйте и вставьте Bachelors_degree_higher_women.
- Для Псевдонима введите или скопируйте и вставьте Достижима ли степень бакалавра или выше для женщин?
- В качестве Тип данных выберите Double.
- Для второго поля введите следующие свойства:
- Для Имени поля введите или скопируйте и вставьте Percent_reproductive_age.
- Для Псевдонима введите или скопируйте и вставьте Какой процент женщин находится в репродуктивном возрасте?
- В качестве Тип данных выберите Double.
Примечание:
Зеленые окошки рядом с полем указывают на наличие несохраненных изменений.
- На вкладке Поля ленты, в группе Управление изменениями, щелкните Сохранить.
- Закройте вид Поля.
Для измерения индикаторов образования и репродуктивного здоровья вам необходимо будет вычислить поля в процентах.
- Откройте таблицу атрибутов для слоя NYC Census Tracts и прокрутите таблицу до конца, чтобы увидеть два поля, которые вы только что добавили.
- Щелкните правой кнопкой мыши Достижима ли степень бакалавра или выше для женщин? и выберите Вычислить поле.
- В разделе Выражение для EducationForWomen = скопируйте и вставьте следующее выражение: (!Women_getting_a_Bachelor_s_Degree_or_higher! / !Total_Female_Population_for_Education!) * 100.
- Щелкните зелёную галочку, чтобы проверить выражение и щелкните Применить.
Появится окно сообщения с предупреждением, поскольку не все записи имеют значение. Это нормально, и можно продолжить.
- Закройте окно предупреждения и щелкните OK.
Вы вычислили процент женщин, имеющих степень бакалавра или выше. Далее аналогичным образом вы вычислите другое поле.
- В таблице атрибутов щелкните правой кнопкой мыши Какой процент женщин находится в репродуктивном возрасте? и выберите Вычислить поле.
- В разделе Выражение для WomenAtReproductiveAge = сотрите существующее выражение.
- Скопируйте и вставьте следующее выражение: (!Women_at_reproductive_age_15_to_44! / !Total_Female_Population_for__reproductive_health!) * 100.
- Щелкните Применить.
Появляется аналогичное предупреждение, что вполне ожидаемо.
- Закройте окно предупреждения и щелкните OK.
В Соединенных Штатах общеизвестно, что высшее образование ведет к более высоким доходам. Глядя на эту таблицу, вы, возможно, задумаетесь о том, есть ли у женщин, живущих в этих регионах, хорошие модели успеха. Эта модель успеха измеряется средним доходом, уровнем образования и заработком по сравнению с мужчинами. Процент женщин репродуктивного возраста можно использовать для оценки влияния изменений в государственных законах, таких как запрет абортов. Это измерение можно использовать для расширения охвата гендерно-специфическими медицинскими услугами.
- Закройте таблицу и сохраните проект.
Вы добавили и вычислили два поля для учета ключевых показателей в вашем анализе: процент женщин с определенным уровнем образования и процент женщин репродуктивного возраста.
Вы создали индикаторный слой из существующих источников данных, включая шейп-файл и CSV-файл. Вы импортировали данные в базу геоданных, добавили поля, соединили данные, экспортировали их и вычислили поля. Далее вы создадите экологический индикатор с использованием растровых данных.
Использование растровых данных для создания слоя древесного покрова
В этом разделе вы подготовите индикатор для измерения покрытия кронами деревьев. Древесный покров часто используется в качестве показателя состояния окружающей среды и может сочетаться с другими показателями состояния окружающей среды, такими как температура, чтобы получить более полную картину местности. Еще одним аспектом древесного покрова является то, что исторически сложилось так, что во многих городах Америки деревья часто распределяются неравномерно. Кроны деревьев - это роскошь в таком городском пространстве, как Нью-Йорк. Вы будете использовать древесный покров в качестве экологического индикатора, чтобы понять распределение деревьев и то, какие женщины имеют доступ к тени.
Изучение изображений почвенно-растительного покрова
Вы начнете с добавления данных о растительном покрове, созданных на основе данных лидарной съемки Нью-Йорка. На снимке классифицированы восемь типов растительного покрова.
- Вернитесь к проекту в ArcGIS Pro.
- Перейдите к подключению папки IndicatorData и разверните папку Land_Cover.
Это изображение представляет собой набор растровых данных с разрешением 6 дюймов по почвенно-растительному покрову Нью-Йорка.
- Добавьте изображение на карту.
- На панели Содержание выключите слой NYC Census Tracts.
Этот слой изображения был разбит на восемь классов. Далее вы просмотрите данные изображения, изучив его таблицу атрибутов.
- Откройте таблицу атрибутов для слоя NYC_2017_LiDAR_LandCover.img.
Обратите внимание на восемь классов почвенно-растительного покрова, представленных в таблице. В растре имеется 7 446 483 259 ячеек, классифицированных как Tree Canopy.
Когда вы думаете о таких местах, как Нью-Йорк или других городских пространствах, вы, вероятно, представляете себе здания, тротуары и оживленные улицы. Эта реальность делает деревья и траву роскошью.
- Закройте таблицу.
Переклассификация изображения почвенно-растительного покрова
Из восьми классификаций растительного покрова на изображении вас интересует только классификация Tree Canopy. Далее вы воспользуетесь инструментом геообработки, чтобы переклассифицировать изображение и выделить только те ячейки, которые классифицируются как кроны деревьев.
- Щелкните вкладку Анализ на ленте. В группе Геообработка щелкните Инструменты.
Откроется панель Геообработка. Отсюда вы можете искать инструменты по названию или по набору инструментов, в котором они хранятся.
- На панели Геообработка в строке Найти инструменты введите переклассификация. Щелкните инструмент Переклассификация (Инструменты Spatial Analyst) tool.
- В инструменте Переклассификация задайте следующие параметры:
- Для Входной растр щелкните ниспадающее меню и выберите NYC_2017_LiDAR_LandCover.img.
- Убедитесь, что для Поля переклассификации задано Class.
- В таблице Переклассификация для строки Tree Canopy оставьте значение в столбце Новый равным 1. Измените значение в столбце Новый для всех остальных классов, за исключением NODATA, установленного на 0.
- Для Выходного растра щелкните кнопку Обзор и перейдите к папке IndicatorData. Для Имя введите TreeCanopyNYC.tif и щелкните Сохранить.
Примечание:
В зависимости от вашей системы, работа инструмента Переклассификация может занять до 20 минут.
Или, вы можете загрузить данные результатов и использовать файл изображения TreeCanopyNYC.tif. Чтобы использовать эти данные, загрузите и распакуйте файл .zip на свой компьютер и добавьте его в проект вместо TreeCanopyNYC.tif.
- Щелкните Запустить.
После завершения обработки изображения оно появляется на карте.
- На панели Содержание удалите слой NYC_2017_LiDAR_LandCover.img.
Слой TreeCanopyNYC.tif имеет два класса: Tree Canopy в одном классе и все остальные классификации почвенно-растительного покрова в другом классе. Вы можете использовать этот растр для вычисления переменной наличия полога крон деревьев, которая будет измерением для индикатора окружающей среды.
- Сохраните проект.
Далее вы будете использовать инструмент Зональная статистика в таблицу для суммирования числа крон деревьев в каждом переписном участке.
Суммирование полога древесных крон для каждого переписного района
Для индикатора интересно наличие деревьев, и более высокое значение будет соответствовать большему количеству деревьев или положительному экологическому фактору. Чтобы определить древесный покров в каждом переписном районе, вам необходимо суммировать ячейки полога древесных крон на основе полигонов переписного района.
- На панели Геообработка щелкните кнопку возврата. Найдите и откройте инструмент Зональная статистика в таблицу (Инструменты Spatial Analyst).
Этот инструмент суммирует количество ячеек полога древесных крон в каждом полигоне переписи и обеспечивает подсчет общего количества ячеек в каждой зоне (полигоне). Это позволит вам рассчитать процент ячеек полигона, покрытых деревьями.
- В инструменте Зональная статистика в таблицу задайте следующие параметры:
- Для Входных растровых или векторных данных зон выберите NYC Census Tracts.
- Для Поля зоны выберите GEOID [GEOID].
- Для Входного растра значений выберите TreeCanopyNYC.tif.
- Для Выходной таблицы введите TreePixels.
- В опции Тип статистики выберите Сумма.
Примечание:
В зависимости от вашей системы, работа инструмента Зональная статистика в таблицу может занять до 30 минут.
Или, вы можете загрузить данные результатов, распаковать файл zip и добавить в проект таблицу TreePixels.
- Щелкните Запустить.
Когда инструмент завершит работу, таблица TreePixels появится на панели Содержание в разделе Автономные таблицы.
- Откройте таблицу TreePixels.
Таблица содержит два интересующих нас столбца: COUNT, который хранит общее число пикселов в каждом переписном районе, и SUM, представляющий собой сумму пикселов с кронами деревьев.
Вы вычислите процент древесного полога для каждого полигона переписи, используя следующую формулу: PctTreeCanopy = (Sum / Count) * 100.
- В таблице атрибутов щелкните Вычислить.
Появляется инструмент Вычислить поле. Ранее вы создавали поля перед открытием инструмента Вычислить поле. На этот раз вы создадите поле и вычислите его одновременно.
- В инструменте Вычислить поле для параметра Имя поля (существующего или нового) введите PctTreeCanopy.
- Для Типа поля выберите Двойной точности (64-разрядное с плавающей точкой).
- В разделе Выражение для PctTreeCanopy = постройте выражение (!SUM! / !COUNT!)*100.
- Нажмите OK.
Поле PctTreeCanopy отображается в конце таблицы атрибутов и вычисляется.
Значение PctTreeCanopy отражает процент древесного покрова в переписном районе и является измерением индикатора окружающей среды.
- Закройте таблицу TreePixels, отключите слой TreeCanopyNYC.tif и сохраните проект.
Вы переклассифицировали изображение почвенно-растительного покрова, чтобы выделить ячейки, которые вы хотите включить в индикатор: древесный полог, и просуммировали древесный покров по переписным районам. Теперь вы знаете процент древесного покрова в каждом переписном районе Нью-Йорка. Таблица TreePixels готова к присоединению к слою NYC Census Tracts.
Добавление индикатора, основанного на близости
Следующие созданные вами индикаторы будут измерять доступ к определенным вещам. Часто организации пытаются определить, где что находится, например, гендерные ресурсы. После определения местоположений следующим шагом станет определение доступа к этим местам. Обычно доступ к чему-либо измеряется близостью к этому месту. Вы создадите точечные слои, представляющие местоположение учреждений, предназначенных для женщин. Затем вы создадите буферную зону для объектов на расстоянии полумили, чтобы определить близость к ним. То же самое вы сделаете и с местами выселения, поскольку исследования показали, что люди с черным цветом кожи и мулаты часто подвергаются негативному влиянию принудительных выселений. Вам нужно узнать, в каких районах Нью-Йорка женщины подвергаются принудительному выселению из своих домов или съемного жилья.
Создание точек из таблицы
В этом учебном руководстве вы работали с табличными данными, но до сих пор все они были непространственными или не имели какого-либо пространственного компонента, например координат. Далее вы составите карту выселений с помощью таблицы, содержащей координаты их местоположений.
- На панели Каталог из папки IndicatorData добавьте файл Evictions.csv на карту.
- Откройте таблицу Evictions.csv и прокрутите ее вправо, пока не увидите поля Latitude и Longitude.
Поля Latitude и Longitude содержат координаты каждого выселения. Эти поля вы будете использовать для обозначения выселений в виде точек на карте.
- Закройте таблицу.
- На ленте, на вкладке Карта в разделе Слой щелкните XY Таблица в точку.
Инструмент XY Таблица в точку появляется на панели Геообработка.
- В инструменте XY Таблица в точку задайте или проверьте следующие параметры:
- Для Входной таблицы выберите Evictions.csv.
- Для Выходного класса объектов замените имя по умолчанию на Evictions.
- Для Поля X убедитесь, что выбрано Longitude.
- Для Поля Y убедитесь, что выбрано Latitude.
- Для Системы координат убедитесь, что выбрана GCS_WGS_1984.
Инструмент Таблица XY в точку выбирает значения параметров по умолчанию на основе имен полей.
- Щелкните Запустить.
Примечание:
Вы получите предупреждение о значениях null и можете его проигнорировать.
Далее вы добавите таблицу, содержащую учреждения для женщин, и нанесете их местоположение на карту, используя тот же инструмент.
- Из панели Каталог добавьте на карту файл Womens_Facilities.csv.
- На вкладке Карта щелкните XY таблица в точку.
- В инструменте XY Таблица в точку задайте следующие параметры:
- Для Входной таблицы выберите Womens_Facilities.csv.
- Для Выходного класса объектов измените имя на WomensResources.
- Для Поля X выберите Location 2.
- Для Поля Y выберите Location 1.
- Для Системы координат убедитесь, что выбрана GCS_WGS_1984.
- Щелкните Запустить.
- На панели Содержание отключите слой Evictions, чтобы увидеть точки WomensResources.
Примечание:
Чтобы лучше видеть точки, вы можете изменить цвет.
Вы создали два векторных слоя из непространственных таблиц для отображения важных критериев для индикаторов.
Фильтрация данных для отображения только определенных типов объектов
Теперь, когда у вас есть все точки на карте, вы сузите фокус своего анализа, включив в него только определенный тип выселения. Что касается выселений, вас интересуют только судебное изъятие имущества, поэтому вы отфильтруете то, что вам нужно. Значительная часть анализа заключается в сужении фокуса данных с целью включения только определенных элементов, таких как древесный покров и судебное изъятие имущества.
- Откройте таблицу атрибутов для слоя Evictions.
- Прокрутите и найдите поле Ejectment.
Это поле будет использоваться для выбора атрибута.
- В таблице щелкните Выбрать по атрибуту.
- Для Где, щелкните ниспадающее меню и выберите Ejectment.
- Во втором ниспадающем меню оставьте равно, в последнем ниспадающем меню выберите Ejectment.
- Нажмите OK.
- В левом нижнем углу таблицы щелкните Показать выбранные записи.
Теперь отображаются только выбранные записи. Должно быть выбрано 67 записей. Вы переключите выборку, чтобы выбрать объекты, которые вы не хотите использовать, и удалить их.
- В таблице щелкните Переключить выборку.
Теперь выбрано 89 835 записей, которые вам не нужны.
- Щелкните Удалить выборку.
- Щелкните Да, чтобы подтвердить удаление.
- Щелкните Показать все записи.
- Закройте таблицу и сохраните проект.
Теперь таблица Evictions содержит только 67 записей, которые вам нужно включить в свой анализ.
Создание буфера времени пешком
Далее вы включите в свой анализ близость к местам выселения и учреждениям для женщин. Вы создадите буферные зоны шириной в полмили вокруг объектов, чтобы обозначить расстояние пешей доступности.
- На панели Геообработка найдите и откройте инструмент Попарный буфер.
- В инструменте Попарный буфер введите следующие параметры:
- Для Входные объекты выберите WomensResources.
- Для Выходного класса объектов замените имя по умолчанию на ResourcesBuffer.
- Для Расстояние введите 0.5.
- В раздел Линейные единицы измерения выберите Геодезические мили США.
- Для Метод выберите Геодезический (сохранение формы).
- В параметре Тип слияния выберите Слияние всех выходных объектов в один пространственный объект.
- Щелкните Запустить.
- На панели Содержание убедитесь, что единственными видимыми слоями, помимо базовых карт, являются WomensResources и ResourcesBuffer.
Вы создали буферы для точек ресурсов. Далее вы создадите буферы для объектов выселения.
- На панели инструмента Попарный буфер, которая еще открыта, введите следующие параметры:
- Для Входных объектов выберите Evictions.
- Для Выходного класса объектов замените имя по умолчанию на EvictionsBuffer.
- Щелкните Запустить.
- На панели Содержание отключите слои WomensResources и ResourcesBuffer и включите слои Evictions и EvictionsBuffer.
Вы создали слои, представляющие собой буферные зоны радиусом в полмили вокруг точек выселения и ресурсов для женщин. Наличие этих буферов позволяет вам учитывать фактор близости при подготовке индикатора.
Создание таблицы индикаторов
Теперь вы готовы создать таблицы индикаторов.
- На панели Геообработка щелкните стрелку назад. Найдите и откройте инструмент Таблица пересечений.
- В инструменте Таблица пересечений задайте следующие параметры:
- Для Входных объектов зон выберите NYC Census Tracts.
- Для Поля зоны выберите GEOID [GEOID].
- For Входного класса объектов выберите EvictionsBuffer.
- Для Выходной таблицы введите EvictionsIndicator.
- Для Поля суммы выберите SHAPE_Area.
- Щелкните Запустить.
Таблица EvictionsIndicator появляется на панели Содержание в разделе Автономные таблицы.
Далее вам предстоит создать таблицу индикаторов для женских ресурсов.
- В инструменте Таблица пересечений измените только следующие параметры:
- For Входного класса объектов выберите ResourcesBuffer.
- Для Выходной таблицы измените имя на ResourcesIndicator.
- Щелкните Запустить.
Таблица ResourcesIndicator появится на панели Содержание в разделе Автономные таблицы.
- Откройте обе таблицы индикаторов.
- Щелкните вкладку одной из таблиц и перетаскивайте ее, пока не увидите опции закрепления. Прикрепите ее справа от другой таблицы.
Каждая таблица содержит поле PERCENTAGE, которое измеряет доступ к двум различным вещам.
Более высокие процентные значения выселений плохи, поскольку они представляют собой принудительное лишение людей жилья. С другой стороны, доступ к женским ресурсам является хорошим измерением. Таким образом, более высокие процентные показатели означают более широкий доступ к услугам, учитывающим гендерные особенности.
- Открепите таблицу, закройте обе таблицы и сохраните проект.
Далее вы присоедините таблицы индикаторов выселений и доступа к ресурсам к переписным районам, чтобы получить процентные соотношения каждого индикатора для каждого района.
Организация панели Содержание
Теперь, когда у вас есть все необходимые данные для индикаторов, вы быстро организуете панель Содержание перед присоединением данных. Вы создадите составной слой, который поможет организовать слои.
- На панели Содержание нажмите Ctrl и щелкните все слои, кроме NYC Census Tracts, чтобы выбрать их.
- Щелкните правой кнопкой мыши один из выбранных слоев и выберите Группировать.
Это сгруппирует все выбранные слои в группу под названием Новый составной слой.
- Щелкните по названию Новый составной слой один раз, чтобы выбрать его, а затем щелкните по нему еще раз, чтобы сделать его доступным для редактирования.
- Для имени введите Working Data.
Далее вы присоедините данные индикаторов.
Присоединение таблиц индикаторов к переписным районам
У вас есть три индикатора в автономных таблицах: TreePixels, EvictionsIndicator и ResourcesIndicator. Чтобы внести эту информацию в переписные районы, вам предстоит выполнить три операции присоединения, чтобы добавить поля из таблиц индикаторов в переписные районы.
- На панели Содержание щелкните правой кнопкой мыши NYC Census Tracts, укажите Соединения и связи и выберите Добавить соединение.
- В инструменте Добавить соединение введите следующие параметры:
- Для Входной таблицы выберите NYC Census Tracts.
- Для Входного поля выберите GEOID [GEOID].
- Для Соединяемой таблицы выберите TreePixels.
- Для Поля соединения выберите GEOID.
- Не снимайте отметку Сохранить все входные записи.
- Для Операции соединения выберите Присоединить один-к-первому.
- Нажмите OK.
На карте ничего не происходит, но атрибуты добавляются в таблицу NYC Census Tracts. Вы выполните два других соединения и изучите таблицу.
Далее вам нужно будет повторить соединение для таблиц EvictionsIndicator и ResourcesIndicator.
- Откройте инструмент Добавить соединение для слоя NYC Census Tracts и введите следующие параметры:
- Для Входной таблицы выберите NYC Census Tracts.
- Для Входного поля выберите GEOID (теперь их много из-за соединений, но подойдет любое).
- Для Соединяемой таблицы выберите EvictionsIndicator.
- Для Поля соединения выберите GEOID.
- Для Операции соединения выберите Присоединить один-к-первому.
- Не снимайте отметку Сохранить все входные записи.
- Щелкните Запустить.
Наконец, вы присоедините таблицу WomensResources к переписным районам.
- Откройте инструмент Добавить соединение для слоя NYC Census Tracts и введите следующие параметры:
- Для Входной таблицы выберите NYC Census Tracts.
- Для Входного поля выберите GEOID (теперь их много из-за соединений, но подойдет любое).
- Для Соединяемой таблицы выберите WomensResources.
- Для Поля соединения выберите GEOID.
- Для Операции соединения выберите Присоединить один-к-первому.
- Не снимайте отметку Сохранить все входные записи.
Вы присоединили все необходимые таблицы к слою NYC Census Tracts. Далее вы экспортируете объединенный слой в его собственный класс объектов и очистите поля в процессе.
Экспорт переписных районов
К слою NYC Census Tracts теперь присоединены четыре таблицы. Как и ранее при присоединении, вы экспортируете слой в его собственный источник данных.
- На панели Содержание щелкните правой кнопкой мыши слой NYC Census Tracts, наведите курсор на Данные и выберите Экспорт объектов.
- В инструменте Экспорт объектов измените параметр Выходной класс объектов на Indicators.
При присоединении данных вы добавляете множество полей в одну таблицу, и вам может потребоваться удалить или переименовать некоторые псевдонимы полей, чтобы сделать данные более понятными. Далее вам предстоит очистить поля перед экспортом данных.
- Разверните Поля отметьте Использовать псевдоним поля в качестве имени и щелкните Редактировать.
Откроется окно Свойства поля. Вы сохраните только поля для исследовательского анализа и переименуете поля индикаторов.
- При необходимости наведите курсор на вертикальный разделитель рядом с разделом Поля и измените его размер, чтобы видеть полные псевдонимы полей.
- В разделе Поля щелкните What's the median income for women? В разделе Свойства для Псевдонима введите Median Income Women.
- Используя тот же рабочий процесс, измените псевдоним для каждого из следующих полей, как указано:
- Измените Are women earning more than men? на Pay Equity.
- Измените Is there an abortion ban? Yes or No на Abortion Ban.
- Измените Are child marriages legal? Yes or No на Child Marriages.
- Измените Percent White Women на White Women.
- Измените Percent Black Women на Black Women.
- Измените Percent American Indian or Alaska Native Women на AIAN Women.
- Измените Percent Asian Women на Asian Women.
- Измените Percent Native Hawaiian or Other Pacific Islander Women на NHOPI Women.
- Измените Percent Mixed Race Women на Mixed Race Women.
- Измените Percent Hispanic or Latino Women на Hispanic or Latino Women.
- Измените EducationForWomen на Education.
- Измените WomenAtReproductiveAge на Women at Reproductive Age.
- Измените PctTreeCanopy на Tree Canopy.
- Измените PERCENTAGE (EvictionsIndicator.PERCENTAGE) на Evictions.
- Измените PERCENTAGE (ResourcesIndicator.PERCENTAGE) на Gender Based Resources.
Далее вам нужно будет удалить некоторые поля, которые вам не нужны.
- В списке Поля щелкните Total Female Population for Education и щелкните кнопку Удалить.
- Таким же образом удалите следующие поля:
- Women getting a Bachelor's Degree or higher.
- Total Female Population for reproductive health.
- Women at reproductive age 15 to 44.
- Щелкните OK, чтобы закрыть окно Свойства поля, и щелкните ОК еще раз, чтобы запустить экспорт.
Слой Indicators появляется на карте и на панели Содержание.
- Откройте таблицу атрибутов для слоя Indicators и прокрутите ее вправо, пока не увидите обновленные псевдонимы, используемые в качестве заголовка поля.
Изменение псевдонимов во время экспорта стало хорошим способом сделать таблицу более удобной для интерпретации. Теперь у вас есть все индикаторы, доступные в слое переписных районов. Вы можете использовать эти поля индикаторов для символов, надписей, запросов и анализа.
Вы создали точечные слои на основе координат в таблицах для создания карты выселений и ресурсов для женщин. Вы создали полумильные буферы вокруг точек выселений и ресурсов для женщин и использовали буферы для создания индикаторов для каждой переменной. Вы также выполнили несколько присоединений, чтобы поместить все индикаторы в слой переписных районов и экспортировать его в отдельный класс объектов. Две созданные вами таблицы индикаторов измеряют близость, но по совершенно разным причинам. Более высокий процент выселений плох, поскольку он представляет собой принудительное лишение жилья, но важно выделить районы, где эта проблема актуальна. С другой стороны, доступ к женским ресурсам является позитивным измерением, поскольку женщины получают большую поддержку в этих областях. Далее вы присоедините таблицы выселений и ресурсов для женщин к переписным районам и глубже изучите взаимосвязи данных, используя исследовательский анализ данных.
Исследование данных с помощью диаграмм и символов
Теперь, когда все индикаторы находятся в одном слое, вы исследуете переменные в матрице точечной диаграммы, чтобы лучше понять их взаимосвязи. Важной частью проведения любого анализа является оценка полученных данных после завершения расчетов. Это поможет вам определить, содержит ли набор данных искаженное распределение данных, которое может повлиять на ваш анализ, и проинформирует о необходимости внесения дополнительных корректировок или применения методов для получения наиболее точных результатов анализа.
Исследование данных индикатора
Вы создадите матрицу точечной диаграммы для сравнения взаимосвязей между каждым показателем. Это полезный способ определить положительные и отрицательные корреляции, а также степень или величину этих корреляций.
- На панели Содержание щелкните правой кнопкой слой Indicators, наведите курсор на Построить диаграмму и выберите Матрицу точечной диаграммы.
Появится панель Свойства диаграммы и незаполненное окно диаграммы. При настройке свойств на панели Свойства диаграммы диаграмма будет автоматически отображаться и обновляться в окне диаграммы.
- В разделе Переменные щелкните Выбрать.
Появится список атрибутов для слоя Indicators. Для матрицы точечной диаграммы необходимо выбрать не менее трех переменных. Одной из переменных, которую вам нужно изучить, является Median Income, но она не отображается в списке.
- Откройте вид Поля для слоя Indicators.
- Найдите поле Median Income Women и просмотрите его Тип данных.
Поле Median Income Women имеет тип данных Текст. Вы не можете отобразить текстовое поле в матрице точечной диаграммы, поэтому вам придется добавить числовое поле и вычислить его для хранения значений дохода.
- Используя навыки, полученные в этом учебном пособии, добавьте поле с именем WomensMedianIncome с Псевдонимом Womens Median Income и Типом данных Двойная точность.
- Вычислите поле WomensMedianIncome на основе поля Median Income Women.
Вы можете игнорировать любые предупреждения при вычислении.
- На панели Свойства диаграммы щелкните Выбрать.
- В списке переменных отметьте Pay Equity, Education и Womens Median Income.
Перечислены выбранные переменные.
Переменные отображаются на матрице точечной диаграммы.
- В разделе Тренд щелкните Показать линию тренда.
Для каждой переменной отображаются линии тренда, указывающие на тенденцию изменения переменной.
- В разделе Компоновка матрицы для Нижнего левого убедитесь, что выбрано Диаграммы рассеивания, а для Верхнего правого щелкните ниспадающее меню и выберите R Пирсона.
Матрица точечной диаграммы позволяет исследовать множество взаимосвязей на одной диаграмме. Она визуализирует двумерную связь между выбранными вами переменными. Далее вы изучите взаимосвязь экономических результатов для белых, чернокожих и латиноамериканских женщин.
- На панели Свойства диаграммы для Переменных щелкните Выбрать и отметьте White Women, Black Women и Hispanic or Latino Women.
На этих мини-диаграммах r-значения показаны с помощью расходящихся цветов, которые соответствуют силе и направлению связи.
Далее вам предстоит отсортировать мини-диаграммы.
- На панели Свойства диаграммы в разделе Сортировать щелкните ниспадающее меню Сортировать по и выберите R Пирсона. Для Целевого поля выберите Womens Median Income и для Направления сортировки выберите По убыванию.
Обычно значения будут находиться в диапазоне от +1 до -1. В матрице точечной диаграммы следует искать три взаимосвязи:
- Положительная корреляция, значения ближе к +1.
- Корреляции нет, значения близки к 0.
- Отрицательная корреляция, значения близки к -1.
Три диаграммы показывают сильную положительную связь со значениями 0,8, 0,55 и 0,6 соответственно. Далее вы изучите переменные для каждого из отношений.
- На диаграмме щелкните поле со значением r Пирсона, равным 0,8.
Соответствующая точечная диаграмма для показателей Education и Womens Median Income представлена на графике с точечной матрицей.
Диаграмма со значением 0,8 отображает взаимосвязь между переменными Education и Womens Median Income. Ожидается, что по мере повышения уровня образования доходы также будут расти.
- Щелкните поле со значением r 0.55.
Выбрана диаграмма для переменной White Women. Существует сильная положительная связь между белыми женщинами и медианным доходом: по мере увеличения доли белых женщин увеличивается и медианный доход.
- Щелкните поле со значением r 0.6.
Выбрана диаграмма, показывающий взаимосвязь между переменными White Women и Education. Судя по диаграмме, по мере увеличения доли белых женщин также увеличивается доля женщин со степенью бакалавра или выше. Далее вы выясните, существует ли подобная зависимость для Black women.
- На диаграмме щелкните поле со значением r равным -0.26 и -0.32.
Диаграммы для Black Women подсвечены, взаимосвязь между чернокожими женщинами, доходом и образованием имеет отрицательную корреляцию; следовательно, по мере увеличения доли этой группы доход и образование снижаются.
- Чтобы изучить взаимосвязь между испаноязычными или латиноамериканскими женщинами, доходом и образованием, щелкните значения r -0,43 и -0,47.
Взаимосвязь между доходами и образованием испаноязычных женщин и латиноамериканок показывает отрицательную корреляцию; следовательно, по мере увеличения процентного соотношения этих двух групп доход и образование снижаются.
- Выберите поле со значением r -0.63.
Выбранная диаграмма отображает взаимосвязь между процентными долями чернокожих и белых женщин, то есть по мере увеличения процентных долей одной группы уменьшается процентная доля другой. Поэтому вполне вероятно, что эти две группы часто не проживают в одних и тех же районах.
- Закройте все открытые окна, кроме карты. Закройте панель Свойства диаграммы, затем сохраните проект.
Вы только что исследовали данные, используя матрицу точечной диаграммы со значениями r Пирсона. Если бы вы использовали эти индикаторы в индексе, вам бы пришлось рассмотреть, важны ли они для результатов и/или является ли индикатор фокусом индекса. Например, вы не будете включать расу и/или этническую принадлежность в расчеты значения индекса; однако вы можете использовать эти факторы для дезагрегирования индекса. Далее вы рассмотрите еще один пример: равенство в оплате труда. Равенство в оплате труда - это производная переменная дохода между женщинами и мужчинами. Равенство в оплате труда дает хорошее представление о том, как гендерное равенство измеряется доходом, но для индекса с текущим набором индикаторов вы, возможно, захотите исключить его. У вас уже есть медианный доход в качестве переменной. Кроме того, если бы вы расширили эти тематические области и рассмотрели возможность использования субиндексов, таких как экономика со средним доходом, равенство оплаты труда и несколько других точек данных, это сработало бы лучше.
Сопоставление индикаторов
Теперь, когда вы изучили данные индикаторов с помощью матрицы точечной диаграммы и получили представление о переменных, вы отобразите слой Indicators с использованием двумерной символики. Вы создадите карту взаимосвязи образования и дохода. Карты отношений показывают визуальное представление двух переменных. Это поможет вам увидеть взаимодействие индикаторов в более чем одном измерении, что часто называют сверхразнообразием или интерсекциональностью.
- На панели Содержание щелкните правой кнопкой слой Indicators и выберите Символы.
Появится панель Символы.
- Для Основных символов щелкните ниспадающее меню и выберите Двумерные цвета.
- Для Поля 1 выберите Education.
- Для Поля 2 выберите Womens Median Income.
- Для Метода убедитесь, что выбран Квантиль.
- Для Размера сетки убедитесь, что выбрано 3 x 3, и сохраните цветовую схему Pink-Blue-Purple.
Далее вам нужно изменить цвет контура.
- Для Шаблона щелкните существующий цвет.
- Перейдите на вкладку Свойства. Для Цвета контура щелкните существующий цвет и выберите Серый 30%.
- Для Ширины контура измените существующее значение на 0.2 пт.
- Щелкните Применить.
Она будет обозначать отношение между образованием и средним доходом от самого низкого до самого высокого. Там, где уровень образования и средний доход женщин высоки, области будут закрашены фиолетовым цветом. Эта область в основном находится на Манхэттене и частично в Бруклине.
- Измените имя слоя на Education x Median Income for Women.
- Сохраните проект.
Вы только что освоили два метода исследовательского анализа данных: диаграммы и создание карты. Используя диаграммы, вы можете исследовать силу взаимосвязи и определить индикаторы, которые следует исключить из индекса. Как правило, это сильно коррелированные индикаторы, которые могут исказить значения индекса. Картографические визуализации позволяют увидеть закономерности множества индикаторов, что является ключом к пониманию социальных процессов.
В этом учебном пособии вы познакомились с географическим подходом к расовому равенству и социальной справедливости и применили его к разработке индикаторов. Вы подготовили слои индикаторов, используя данные Обследования американского общества, для получения данных об образовании, оплате труда и доходах. Вы также узнали, как переклассифицировать изображения и рассчитывать полог крон деревьев на основе пикселов в полигональных участках. Затем вы разработали индикатор, основанный на близости, для оценки доступа к гендерно-обусловленным ресурсам. Последним шагом стало проведение исследовательского анализа данных, который можно использовать для выявления сильно коррелированных индикаторов, которые могут исказить индекс.
Вы можете применить эту методологию разработки индикаторов к другим интересующим вас областям по всему миру и включить данные, специфичные для вашего сообщества. При подготовке собственных индикаторов используйте обработку данных и индикаторы, соответствующие вашим долгосрочным целям, результатам и группам населения. Более подробную информацию об исследовательском анализе данных можно найти в этой записи блога.
Вы можете найти больше учебных пособий в галерее учебных пособий.
