准备指数变量
创建高温风险指数的第一步是准备输入数据。 您将在此指数中使用三个变量：夏季平均地表温度、无树木覆盖区域百分比和人口密度。 所有这些输入均派生自 ArcGIS Living Atlas of the World 数据，可针对您自己的街区或其他感兴趣区进行重复或自定义。
为研究区域添加数据
将为西班牙南部的塞维利亚省计算示例高温风险指数 (HRI)。 在处理影响风险指数的数据之前，您需要查找并准备塞维利亚省的人口普查数据。 此图层将用于过滤和裁剪全部栅格服务，并且允许您在街区级几何内创建对于当地规划和干预有意义的指数。
- 启动 ArcGIS Pro。 如果收到系统提示，请使用您获得许可的 ArcGIS 组织账户登录。
注：
如果您没有 ArcGIS Pro 的访问权限或者 ArcGIS 帐户（适用于 ArcGIS Online 或 ArcGIS Enterprise），请参阅软件访问权限选项。
- 在新建工程下，单击地图。
- 在新建工程窗口中，对于名称，输入 Sevilla Heat Resilience Index。 单击确定。
随即将创建工程。 首先，将边界图层添加到新地图。 对于本教程，您将使用 ArcGIS Living Atlas 的西班牙人口普查区边界。
提示：
根据您对指数的目标，不同的边界可能是更好的选择。 例如，如果地方决策是在街区或市议会层面做出的，那么使用这些边界为决策者提供具体的背景信息可能更有意义。 在其他情况下，如果您所在的地区没有足够小的行政或人口普查单位，或者您想要以较小的分辨率进行分析，则可以考虑创建细分面或较小的格网进行分析。 请记住，您可能需要向您选择的地理位置添加人口统计数据。 - 单击功能区上的地图选项卡。 在图层组中，单击添加数据按钮。
- 在添加数据窗口的侧菜单中，单击门户下的 Living Atlas。
- 搜索 Spain census sections owner:esri_dm。 单击 Spain Census Section Boundaries 要素图层将其选中。
提示：
在搜索中添加 owner: 及其名称，可以按特定所有者过滤搜索结果。
- 单击确定。
该图层随即添加至地图，地图将缩放至西班牙。 您需要将人口普查区过滤为仅显示塞维利亚省。
- 在内容窗格中，右键单击 ESP_CensusSection，然后选择属性表。
随即将打开属性表。 名称字段中列出了每个人口普查区所在的城市。
注：
如果您没看到名称字段，单击属性表功能区中的选项按钮，然后单击显示全部字段。
- 在属性表中，对于选择，单击按属性选择。
将打开按属性选择工具。
- 在按属性选择工具中，构建查询 Where Name is equal to Sevilla，然后单击确定。
属性表底部指示选中了 521 个地区。 您需要将此过滤图层的副本保存到工程，以便可以使用数据。
- 在功能区上，单击分析选项卡。 在地理处理组中，单击工具。
地理处理窗格随即打开。
- 在地理处理窗格中，搜索并打开导出要素（转换工具）。
- 对于输入要素，选择 ESP_CensusSection。 对于输出要素类，输入 Sevilla_Census_Sections。
- 单击运行。
在该工具运行完成后，Sevilla_Census_Sections 图层将添加至内容窗格。 您现在可以移除原始的人口普查区图层。
- 在内容窗格中，右键单击 ESP_CensusSection，然后选择移除。
接下来，您将符号化 Sevilla_Census_Sections 图层，使其在您稍后添加的图层顶部显示。
- 在内容窗格中，右键单击 Sevilla_Census_Sections，然后选择符号系统。
- 对于符号，单击当前符号样本。 在图库选项卡中的 ArcGIS 2D 下，，单击黑色轮廓（1 磅）。
该图层中还应用了透明度，使得边界在底图的映衬下难以看见。
- 在功能区中，单击要素图层上下文选项卡。 在效果组中，将透明度更改为 0 %。
- 在内容窗格中，右键单击 Sevilla_Census_Sections，然后选择缩放至图层。
您的感兴趣区图层现已符号化并在地图中居中。 您稍后将使用此范围来裁剪要使用的栅格数据。
- 在快速访问工具栏中，单击保存工程按钮。
工程已保存。
准备 Landsat 地表温度数据
指数中的第一个变量为夏季地表平均温度，可从 ArcGIS Living Atlas 中提供的全球 Landsat 影像派生。 要准备此输入，您需要将影像服务添加至地图并查找适用于感兴趣区的场景。 然后，您将本地复制栅格并使用以表格显示分区统计工具确定每个塞维利亚省人口普查区内的最大值。
提示：
根据您的研究区域和可用数据，您可以选择使用不同的高温数据源。 例如，您可能更喜欢从 Landsat Explorer 应用程序下载 Landsat 数据。 应用程序允许您选择并在下载前预览场景。 另一种选择是使用来自美国国家综合热健康信息系统 (NIHHIS) 和气候适应规划和分析 (CAPA) 计划的高分辨率城市热岛数据。 NIHHIS-CAPA 数据适用于参与热图活动的美国和世界各地特定城市。 查看您所在的城市是否已绘制或如何申请。- 单击功能区上的地图选项卡。 在图层组中，单击添加数据按钮。
- 在添加数据窗口中，确保已选择 Living Atlas。 搜索并添加 esri_imagery 拥有的 Landsat Level-2 影像图层。
Landsat Level-2 影像图层即会添加至您的工程。 Level-2 科学产品集合具有可追溯至 1982 年的大气校正表面反射率和表面温度数据。 您将调整 Landsat 服务属性，以仅获取您感兴趣的温度数据。
- 在内容窗格中，双击 Landsat Level-2。
随即出现图层属性窗口。
- 在图层属性窗口中，单击处理模板选项卡。
- 对于处理模板，选择 Surface Temperature (Celsius)。
- 单击镶嵌选项卡。 对于镶嵌运算符，选择平均值。
该服务使用镶嵌数据集管理数十年的场景。 默认显示第一个场景。 选择平均值运算符时，将根据要应用的过滤器计算适用于感兴趣区的所有场景的平均温度值。 接下来，您将添加具有三个参数的定义查询：云覆盖小于等于 10%，场景是在夏季月份期间采集的。
- 单击定义查询选项卡，然后单击新建定义查询。
- 构建表达式 Where Cloud Cover is less than or equal to 0.10。 单击添加子句。
此查询将过滤云覆盖大于 10% 的所有场景。 Landsat 场景中的云和云阴影会给任何分析的结果带来不利影响。
- 构建表达式 And Month includes the value(s) 6,7,8。
该子句将仅包含在北半球视为夏季月份的月份。 您的查询现在包含两个子句。
- 对于查询 1，单击应用。 在图层属性窗口中，单击确定。
可能需要花费几分钟时间更新服务。 完成后，场景可能显示为灰色矩形。 要在图层中显示夏季平均温度，您需要符号化栅格。
- 在内容窗格中，右键单击 Landsat Level-2，然后选择符号系统。
- 在符号系统窗格中，对于统计数据，单击数据集，然后选择 DRA。
DRA 是动态范围调整的缩写，用于在您基于当前显示的像素值导航图像时自动调整活动拉伸类型。
- 对于配色方案，选择地狱红等分级色带。
提示：
指向色带可查看其名称。
计算夏季地表平均温度
在 Landsat 影像上设置处理模板和过滤器后，您将仅复制与工程相关的场景。
- 在内容窗格中，右键单击 Landsat Level-2，然后选择属性表。
- 在属性表底部，单击按范围过滤按钮。
该表将过滤为仅显示在地图当前范围（即塞维利亚地区）内可用的场景。
- 关闭属性表。 在内容窗格中，右键单击 Sevilla_Census_Sections，然后选择缩放至图层。
- 在地理处理窗格中，打开复制栅格工具。
- 对于输入栅格，选择 Landsat Level-2。
注：
输入栅格参数旁可能显示一个红色 X，用于指示此参数无效。 Landsat Imagery 服务一次仅允许导出 4000x4000 个像素。 在运行此工具之前，您需要设置处理范围以确保栅格导出在此限制范围内。
- 对于输出栅格数据集，单击浏览按钮。
您需要将此栅格另存为 TIFF 文件，该文件无法存储在地理数据库中。
- 在输出栅格数据集窗口的工程下，单击文件夹。 双击 Sevilla Heat Resilience Index 工程文件夹。
注：
如果为工程设置了不同的名称，则工程文件夹名称也将相应变化。
- 对于名称，输入 Avg_SurfaceTemp_Sevilla.tif。
- 单击保存。
- 在地理处理窗格中，单击环境选项卡。 对于范围，单击图层范围按钮，然后选择 SevillaCensus_Sections。
设置处理范围能够解决在配置输入栅格时出错的问题。
- 单击运行。
在处理完之后，Avg_SurfaceTemp_Sevilla.tif 栅格将添加至内容窗格和地图上。
注：
您可能在工具完成后收到一条警告消息，声明警告 003485：处理模板不会保存到输出栅格数据集，因为输入图层已具有活动处理模板。 此警告是预期行为，因为仅复制了影像数据，没有复制任何服务处理模板。
- 在内容窗格中，右键单击 Landsat Level-2，然后选择移除。
在将感兴趣区地表温度栅格复制到本地文件后，可使用以表格显示分区统计工具汇总每个人口普查面内的所有温度值，以确定平均值。
- 在地理处理窗格中，打开以表格显示分区统计（Spatial Analyst 工具）工具。
以表格显示分区统计工具用于计算另一个数据集区域内栅格像元的统计数据。 在此情况下，您将计算最大值统计数据以查找每个人口普查区内的平均温度上限。
- 输入以下参数：
- 对于输入栅格或要素区域数据，选择 Sevilla_Census_Sections。
- 对于区域字段，选择 ID。
- 对于输入值栅格，选择 Avg_SurfaceTemp_Sevilla.tif。
- 对于输出表，输入 Avg_SurfaceTemp_Sevilla。
- 对于统计类型，选择平均值。
- 单击运行。
Avg_Surface_Temp_Sevilla 表将添加至内容窗格的独立表下。
- 在内容窗格中，右键单击 Avg_SurfaceTemp_Sevilla 表并选择打开。
MEAN 字段显示平均统计数据。 为了便于理解，您需要对该字段进行重命名。
- 在功能区上，单击独立表上下文选项卡。 在数据设计组中，单击字段。
- 在字段表的别名列中，双击 MEAN 编辑该记录。 输入 Avg Summer Temp (C)。
- 在功能区的管理编辑内容组中，单击保存，保存表编辑内容。
- 关闭两个表并保存该工程。
您现在完成了准备热弹性指数中的第一个输入工作流。 首先，您利用 ArcGIS Living Atlas 数据通过 Landsat Level-2 影像服务上的处理模板派生了感兴趣区的地表温度。 然后，您调整了服务上的属性以按属性过滤场景并计算已过滤场景中的平均值。 您还应用了空间过滤器以将场景限制为人口普查边界周围的区域。 将影像导出到工程后，您可以计算每个人口普查区的平均地表温度。
派生缺乏树冠
高温风险指数的第二个输入为缺乏树冠。 该输入派生自 ArcGIS Living Atlas 中的 European Space Agency WorldCover 2021 Land Cover 影像服务。
提示：
根据您对指数的目标，您可以选择使用不同的分类方法或不同的数据。 由于该指数的目标是确定植树活动的区域，因此您需要重新分类土地覆盖图层以显示树木已经分布的位置。 如果您正在构建指数来确定其他类型干预的区域，例如去除不可渗透表面或创建雨水花园，您可以选择重新分类土地覆盖数据，以通过识别每个人口普查区的树木覆盖、灌木丛和草地来显示存在多少绿地。 或者，您可以选择使用生物量和植被健康状况的衡量标准，例如归一化差值植被指数 (NDVI) 或土壤调节植被指数 (SAVI)。 这些测量值包含在 Landsat Level-2 服务中，也可以在 ArcGIS Pro 中计算。- 在功能区上，单击地图选项卡，然后单击添加数据按钮。 通过 Living Atlas 门户，添加 esri_environment 提供的 European Space Agency WorldCover 2021 Land Cover 图层。
此图层是具有 11 个土地覆被分类的全球图例覆被数据集。 在这些已分类像素中，您只需要显示树木覆盖的像素。 您将使用重分类工具仅隔离树木覆盖像素。
- 在地理处理窗格中，打开重分类（Spatial Analyst 工具）工具。
- 对于输入栅格，选择 European Space Agency WorldCover 2021 Land Cover。 确保重分类字段设置为 ClassName。
- 在重分类表中，保持 Tree Cover 的新值设置为 1。 将除 NODATA 之外的所有其他新值更改为 0。
- 对于输出栅格，单击浏览。 浏览至 Sevilla Heat Resilience Index 工程文件夹。
- 对于名称，输入 Tree_Canopy_Sevilla.tif。 单击保存。
要仅处理与感兴趣区相关的像素，您将使用处理范围裁剪栅格。
- 单击环境选项卡。 在处理范围下，对于范围，单击图层范围按钮，然后选择 SevillaCensus_Sections。
- 单击运行。
在处理完栅格后，它会添加至内容窗格并在地图中进行绘制。
- 在内容窗格中，右键单击 European Space Agency WorldCover 2021 Land Cover，然后选择移除。
注：
您的栅格可能具有与示例图像不同的符号系统。
Tree_Canopy_Sevilla.tif 图层具有两个分类：树木覆盖和其他所有内容。 您可以使用此栅格计算缺乏树木覆盖变量，该变量将为指数的输出。
缺乏树冠基于公式 100 – Percent Tree Canopy 进行计算。
- 在地理处理窗格中，打开以表格显示分区统计（Spatial Analyst 工具）工具。
这次，您将使用该工具汇总每个人口普查面内的树木覆盖像素数。 该工具还会计算每个区域（面）内的总像素数，以计算树木覆盖的面像素百分比。
- 输入以下参数：
- 对于输入栅格或要素区域数据，选择 Sevilla_Census_Sections。
- 对于区域字段，选择 ID。
- 对于输入值栅格，选择 Tree_Canopy_Sevilla.tif。
- 对于输出表，输入 Tree_Pixels。
- 对于统计类型，选择总和。
- 单击运行
Tree_Pixels 表随即添加到内容窗格的独立表下。
- 打开 Tree_Pixels 表。
该表包含两个相关列：COUNT，表示每个面区域内的总像素数；SUM，表示树木覆盖像素总和。 您将使用以下公式计算每个人口普查面的树木覆盖百分比和缺乏树木覆盖百分比：
- PCT_Tree_Cover = (Sum / Count) * 100
- PCT_Lacking = 100 - PCT_Tree_Cover
- 在属性表中，单击计算。
- 在计算字段工具中，对于字段名称（现有或新），输入 Pct_Tree_Cover。 对于字段类型，选择浮点型（32 位浮点型）。
- 在表达式下，对于 Pct_Tree_Cover =，构建表达式 (!SUM! / !COUNT!) * 100 并单击确定。
新字段即会添加至属性表的末尾。
- 单击计算。 对于字段名称（现有或新建），输入 Pct_Lacking；对于字段类型，选择浮点型（32 位浮点型）。
- 对于 Pct_Lacking =，构建表达式 100 - !Pct_Tree_Cover!，然后单击确定。
Tree_Pixels 表包含两个新字段，即 Pct_Tree_Cover 和 Pct_Lacking。 Pct_Lacking 属性表示缺乏树木覆盖的人口普查区百分比，并且是热弹性指数的第二个输入。
- 关闭 Tree_Pixels 表并保存工程。
计算人口密度
高温风险指数的最后一个输入为人口密度。 指数的此组成部分将会对从干预受益最多的人口密集区进行优先排序操作。 您将使用 Sevilla_Census_Sections 图层中的西班牙人口普查数据派生人口密度输入。
提示：
根据您对指数的目标，考虑添加其他人口统计变量。 出于指导目的，在本教程中您仅使用人口密度的一般测量方法来表示植树活动可能服务于最多人的地区。 在构建指数时，此输入可能需要更加细致 - 考虑添加人口统计数据以表明哪些地区的人口最容易受到热应力的影响。 更容易受到热应力影响的人群包括儿童和老年人、从事繁重户外工作的人、患有慢性疾病的人、残疾人和无家可归的人。
在选择人口统计变量时，最佳做法是与利益相关者密切合作，确定他们的优先事项并确定如何在指数中体现它们。 根据您当地的优先事项以及您选择包含的指标数量，考虑制作一个子指数来代表指数中的人口和脆弱性。
- 打开 Sevilla_Census_Sections 图层的属性表。
该图层包含总人口和面积（以平方千米为单位）属性。 您将创建一个新字段，并通过人口数除以面积来计算该字段。
- 在属性表中，对于字段，单击计算。 在计算字段窗口中，对于字段名称（现有或新建），输入 PopDensity；对于字段类型，选择浮点型（32 位浮点型）。
- 在表达式下，对于 PopDensity =，复制粘贴表达式 !TOTPOP_CY! / !AREA!。
注：
尽管属性按其别名或可读取名称显示，但是在字段窗格中，将使用其字段名称填入表达式。
- 单击确定。
PopDensity 字段将添加至表。 现在，可随时将三个派生输入组合成高温风险指数并在地图中进行符号化。 首先，将所有输入传递到 Sevilla_Census_Sections 图层中进行处理。
- 在地理处理窗格中，打开连接字段工具。
- 输入以下参数：
- 对于输入表，选择 Sevilla_Census_Sections。
- 对于输入连接字段，选择 ID。
- 对于连接表，选择 Avg_SurfaceTemp_Sevilla。
- 对于连接表字段，选择 ID。
- 对于传递字段，选择 Avg Summer Temp (C)。
- 单击运行。
该工具完成运行后，Avg Summer Temp (C) 字段将添加至 Sevilla_Census_Sections 表。
- 在连接字段窗格中，将连接表更改为 Tree_Pixels，将 Avg Summer Temp (C) 更改为 Pct_Lacking。 单击运行。
目前，所有三个输入数据已经汇总至同一张表中。
- 关闭表。 保存工程。
您已经准备好创建热指数所需使用的变量。 您可以随时创建指数。
创建高温风险指数
在准备好所有指数输入后，您将创建指数。 可通过多种方式根据目的创建、组合和解释指数；在本教程中，您将使用计算复合指数工具。 该工具包含一些数据预处理和数据组合步骤，以帮助您选择适合数据的指数方法。 如果您在处理不同的研究区域或变量，使用计算复合指数工具文档和最佳做法指南相应地调整指数方法。
了解指数输入
要创建有效指数，需要选择用于对数据进行预处理和组合的方法。 计算复合指数工具中的预处理步骤可确保变量兼容且可在指数中组合。 要选择这些步骤，首先需要了解输入变量的分布。 您也可以在此阶段选择处理诸如偏度和缺失值之类的不一致性问题。 为了了解变量，您将使用数据工程视图，其中具有用于探索、可视化和清理数据的工具。
- 在内容窗格中，取消选中 Tree_Canopy_Sevilla.tif 和 Avg_SurfaceTemp_Sevilla.tif，将其关闭。
- 右键单击 Sevilla_Census_Sections 并选择数据工程。
随即打开数据工程视图。 您将使用数据工程工具查看每个输入变量的直方图，在地图上对其进行符号化，并计算汇总统计数据以了解其值。
- 在字段面板中，单击 PopDensity。 按住 Shift 键，然后单击 Pct_Lacking 选择准备的三个指数输入。
- 将所选字段拖动到统计数据面板中。
将添加三个字段。 接下来，将计算统计数据。
- 在功能区的统计数据面板中，单击计算。
计算每个输入的统计数据，包括平均值、中值、异常值和偏度。 接下来，您将绘制输入并创建直方图以了解其分布情况。
- 在字段面板中，指向 PopDensity 字段并单击更新符号系统。
地图会更新以根据人口密度显示人口普查区域。 市中心附近的较小人口普查区内密度值较高，而较大的人口普查区和城市郊区的密度值较低。
- 在统计数据面板中，对于 PopDensity 字段，右键单击图表预览并选择打开直方图。
随即显示 PopDensity 直方图。 直方图显示带有轻微正偏斜的数据分布。
- 关闭直方图。 在数据工程视图中，滚动页面直到看见偏度统计数据。
PopDensity 字段的偏度统计数据为 0.823。 小于 -0.5 或大于 0.5 的值通常被认为是偏斜的。 具有高偏度的变量可改变其对指数结果的影响。 计算复合指数工具具有处理偏度的处理方法，例如缩放，这些方法应用于作为输入的每个变量，而不仅仅是偏斜的变量。 在使用复合指数工具之前使用数据工程工具来处理变量，可以让您更好地控制单个变量。 您将使用转换字段工具将 PopDensity 变量更改为正态分布。
- 对于 PopDensity 字段，右键单击偏度统计数据并选择转换字段。
- 在转换字段工具中，确保变换方法为 Box-Cox。
您将接受其余默认值。 如果输入表中的任何值为负数，则可以使用偏移参数。 幂参数可用于指定幂的值。 如果未提供值，则将使用正态分布曲线的最佳近似值并显示在地理处理消息中。
- 在转换字段工具中，单击确定。
该工具完成运行后，新字段将添加至 Sevilla_Census_Sections 表。
- 在数据工程视图的字段面板中，将 PopDensity_BOX_COX 拖动到统计数据面板中，然后单击计算。
- 使用直方图和统计数据比较 PopDensity 和 PopDensity_BOX_COX 字段。
PopDensity_BOX_COX 的偏度统计数据为 -0.033，更接近正态分布。 现在您将重复该过程来映射和转换具有强烈负偏度的 PCT_Lacking 字段。
- 在字段面板中，指向 PCT_Lacking 字段并单击更新符号系统。
地图会更新以显示按树木覆盖百分比划分的人口普查区域。 绿色阴影表示缺乏树木覆盖的土地面积比例较高。 市中心许多较小的人口普查区树木覆盖率很低。 另外还有几个大型偏远人口普查区树木覆盖率很低。 为了更详细地了解这些模式，您可以更改底图以查看卫星图像。
- 在功能区的地图选项卡上，单击底图，然后选择影像混合图。
图像显示，许多大型偏远人口普查区内都有工业园区、仓库区和树木稀少的农田。 由于许多人口普查区没有树木覆盖，因此该变量严重偏斜。 您将再次使用转换字段工具将分布改为更接近正态分布。
- 对于 PCT_Lacking 属性，右键单击图表预览并选择转换字段。
- 在转换字段工具中，请确保变换方法为 Box-Cox，然后单击确定。
- 在数据工程视图的字段面板中，将 Pct_Lacking_BOX_COX 拖动到统计数据面板中，然后单击计算。
- 使用直方图和统计数据比较 Pct_Lacking 和 Pct_Lacking_BOX_COX 字段。
由于此字段的偏斜较大，因此转换产生了新的偏度参数 -0.233，该参数仍然在您用作正态分布的粗略近似值的 -0.5 到 0.5 范围内。
要映射的最后一个字段是 Avg Summer Temp (C) 字段。
- 在字段面板中，指向 Avg Summer Temp (C) 字段并单击更新符号系统。
最后一个属性，Avg Summer Temp (C) 绘制在地图上。 有趣的是，大型偏远人口普查区的温度似乎也较高。 这可能有几个原因，例如数据处理的人工因素或与较小的市中心区域相比的区域大小。 例如，工业园区和仓库区的高温可能会推高整个区域的平均值。 在统计数据窗格中，您可以看到最低和最高平均温度分别为 40.91 摄氏度和 50.84 摄氏度。
现在您对指数输入有了更好的理解，您可以继续选择预处理步骤和指数方法。
选择指数方法
接下来，您将选择预处理步骤。 计算复合指数工具中的预处理侧重于取反变量以确保它们在方向上一致，以及缩放变量以确保它们在范围和单位上一致。 如果您使用不同的研究区域或变量，请参阅计算复合指数工具文档和最佳实践指南，以选择适当的预处理步骤和组合方法。
- 在地理处理窗格中，搜索并打开计算复合指数工具。
计算指数的方法有很多，您之所以使用此工具，是因为它将多个数据处理步骤组合成单一工具并创建一系列图表，帮助您验证指数工具的结果。
首先，需要添加之前准备好的三个输入并设置您要使用的预处理参数。
- 对于输入表，选择 Sevilla_Census_Sections。 对于输出要素或表，键入 Sevilla_HRI_MeanofScaled。
提示：
测试几种预处理和指数组合方法可能会有益。 为有助以后区分它们，请选择一个代表所用参数的输出名称。 - 对于输入变量，单击添加多个按钮。
- 选择 Avg Summer Temp、PopDensity_BOX_COX 和 Pct_Lacking_BOX_COX。 单击添加。
注：
如果所列的输入变量使用字段名称而不是别名，单击字段列表设置按钮，然后选择显示字段别名。
每个输入都具有一个反转方向复选框。 根据输入变量的准备方式，可能需要反转变量方向。 要决定是否反转变量，您需要确保所有高值都代表指数的共同结果。 在本例中，您准备好了所有变量，使得高值表示人口普查区从植树中获得的收益较大，而低值表示人口普查区从植树中获得的收益较小。 由于值的方向是兼容的，因此您不必反转其中任何一个。
接下来，选择如何缩放输入。 缩放方法用于按照通用比例标准化所有输入。 由于要使用的变量具有不同的单位和比例，所以需要对其进行标准化，然后才能进行组合。 例如，很难比较 1 摄氏度的变化对人口普查区的影响与 1% 树木覆盖率的变化的影响。 缩放这些变量将把值映射到公共范围，例如 0 到 1。
缩放方法取决于您的数据和指数的目标。 例如，如果要使用非常偏斜的数据或数据集中每个变量的秩比它们的实际值更重要，则您可以选择使用百分位数的平均值，通过将值转换为 0 到 1 之间的百分位数来标准化值。 或者，如果您有一个临界值，例如住房中位价，并且希望指数能够识别高于和低于该临界值的区域，那么您可以选择使用按阈值标记自定义选项。
- 对于缩放和组合变量的预设方法，选择合并值（缩放值的平均值）。
该预设选项将缩放输入变量的方法设置为最小值-最大值，并将组合缩放变量的方法设置为平均值。 首先，将输入变量重新调整到 0 和 1 之间，然后使用重新调整后的输入变量的平均值作为指数进行组合。 这种方法很合适，因为缩放过程将考虑输入数据中值之间的差异量级，量化人口普查区相对于其余值的好坏程度。
因为它使用数据集的最小值和最大值来重新缩放，所以该方法通常不适用于倾斜数据。 如果您没有在前面的步骤中转换 PopDensity 和 PctLacking 属性，您可能需要考虑一种类似百分位数平均值的方法，它保留了数据的秩但不保留量级。 保持秩的方法对于创建显示条件更好或更坏的指数很有用，但无法量化好坏的程度。
- 对于缩放输入变量的方法，确保选中最小值-最大值。
- 对于组合缩放后的变量的方法，确保选中平均值。
要设置的下一个参数为每个参数的权重。 可以对变量进行加权，以表示影响指数的每个因子的相对重要性。
- 展开变量权重部分。
默认情况下，所有权重设置为 1，表示每个变量的权重相等。 对于该指数，您希望重点在可以直接造福人类的地方种植树木，因此您将赋予 PopDensity_BOX_COX 变量比其他两个变量更大的权重。
通过输出设置参数，可选择指数属性字段的名称。 还可以选择工具要生成的其他已符号化图层。
- 在权重下，对于 PopDensity_BOX_COX，将权重设置为 2。
接下来，您将选择指数输出的设置。 首先，您可以选择指数范围的最小值和最大值，例如 1 到 10 的范围。 此范围是可选的，但可以使值更容易解释。 然后，您可以选择额外的输出图层，为您提供更多评估结果的方法。
- 展开输出设置。 对于输出指数名称，输入 HRI。
- 对于输出指数的最小值和最大值，将最小值设置为 1，将最大值设置为 10。
- 在输出设置下，对于其他分类输出，选中标准偏差旁边的框。
- 单击运行。
在完成该工具后，Sevilla_HRI_MeanofScaled 图层组将添加至内容窗格。 图层组包含三个图层，一个图层使用未分类的色带显示指数值，另一个图层以百分位数显示指数值，第三个图层以标准差类显示指数值。 HRI 图层还包含多个图表。
绘制指数地图并进行解释
现在您已经创建了指数，您将探索并解释结果。 使用复合指数工具创建的图表和输出，您可以确定该指数是否适合您的目的，或者是否应该测试额外的预处理步骤和指数方法。 在您对指数结果满意后，您将设置其样式，以方便其他人进行解读。 您查看的指数值对您来说有意义，但是如果没有其他上下文，对于其他人来说便没有意义。
此外，根据此指数采取措施还需要更多当地输入和知识。 例如，用于植树干预的预算是多少？ 需要哪种许可证？社区是否希望在其街区植树？ 如果没有这种直观认识，制作显示您指数解释的地图可能会具有误导性。 相反，您将使用生成的标准差输出将人口普查区分类为获得最大利益、中等利益和最小利益。
- 在内容窗格的 HRI 下，右键单击指数分布，然后选择打开。
高温指数值可以解释为从植树热弹性干预中获益最多的区域。 同样，低指数值可以解释为从植树干预中获益最少的区域。 这不一定表示这些区域没有夏季高温或需要实施弹性措施，而是可以考虑除了植树以外的干预措施。
- 在图表窗格中，单击表示最高指数值的条柱，以在地图中选择这些值。
- 单击地图中的所选人口普查区之一以打开信息弹出窗口。
弹出窗口显示人口普查区的总体指数得分以及变量的缩放值。
- 单击地图并使用直方图探索指数值高和低的人口普查区，并了解它们被这样排名的原因。
如果指数值本身对您有意义，则此指数输出图层和附带的图表将很有帮助。 例如，如果您想在指数得分为 8 或更高的人口普查区开展植树活动，那么此直方图就是一个很好的起点。
- 在内容窗格中，关闭 HRI 图层，然后打开 HRI - Percentile 图层。 使用弹出窗口和 HRI 分布 - 平均值（百分位数）图表来探索百分位数输出。
如果您不太关心指数得分而更关心区域的排名，那么这个输出很有用。 例如，如果您希望在得分在第 95 个百分位的人口普查区开展植树活动，那么您可以使用此输出。
在这种情况下，由于您正在制定一个没有本地输入或利益相关者反馈的一般指数，因此您将使用最终输出，即标准差输出，将人口普查区分类为获得最大利益、中等利益和最小利益。 该地图应被视为分析的中点。 它可用于引发讨论并收集利益相关者的观点，以便更好地改进所使用的变量、权重和方法。
- 在内容窗格的 Sevilla_HRI_Percentiles_GeomMean 图层下，关闭 HRI - Percentile 图层并打开 HRI- Standard Deviation Classes 图层。 打开 Counts by HRI – 平均值（标准差分类） 图表。
此图层显示通过标准差进行符号化的指数数据，其中最高指数值偏移平均值 3 个标准差。
- 将图表关闭。 在内容窗格中，右键单击 HRI- Standard Deviation Classes，然后选择符号系统。
该图层当前使用六个分类进行符号化。
- 对于主符号系统，单击唯一值，然后选择分级色彩。
- 对于字段，选择 HRI – 几何平均值（标准差分类）。
- 对于类，选择 3。
这三个分类将表示接收最高受益、中等受益和最低受益的人口普查区。
- 单击配色方案，并选中全部显示。 选择 Brown-Green (3 classes) 色带。
提示：
选中显示名称框，显示每个色带的名称。
接下来，在决定要使用的三个类别中确定所属的人口普查区。 这与指数创建过程一样都是主观的，可根据当地需求和指南进行调整。
- 在类选项卡中，对于第一个类，确认上限值设置为 ≤ –1。 对于标注，输入最低受益。
- 对于第二个类，确认上限值设置为 ≤ 1。 对于标注，输入中等受益。
- 对于第三个类，确认上限值设置为 ≤ 3。 对于标注，输入最高受益。
根据您首选的此指数结果的共享和传达方法，您现在可以将其发布为 Web 地图或创建地图布局以共享打印版本。 无论是哪一种方式，此地图应视为中转站，用于在采取任何植树措施之前收集社区意见和观点。
- 保存工程。
在本教程中，您创建了高温风险指数，用于显示在根据人口密度、缺乏现有树冠和夏季地表平均温度缓解极端高温时从植树获益最多的位置。
可针对全球其他感兴趣区和不同的气候危害重复弹性指数方法，该方法可以包含特定于社区的指数输入，例如高位人口。 在您自行创建指数时，确保使用特定于您的数据的数据预处理和指数创建方法。 有关“计算复合指数”工具的更多指导，使用该工具的文档页面和使用 ArcGIS 创建复合指数：最佳做法技术论文。
您可以在教程库中找到更多教程。
