通过《解析USGS网站页面中的地震空间数据》介绍的方法，地震空间数据已经获取并且分级显示在地图上了，能够直观的了解到美国加州地震分布和地震大小，接下来需要运用数学方法对这些数据进行进一步的分析和处理，使之成为更加专业的地理专题图。
首先对地震空间信息进行热点分析（Hotspots）。地图上分布的地震源，有的地震源震级很高，但相邻区域的地震非常微弱，影响很小，有的地震源震级较高，并且相邻区域的地震同样强烈，影响较大。使用之前分级渲染的符号显示所有地震信息，并不能明显的反映出这样的规律，相对而言，后者更需要管理者予以重点关注，因为这些区域时常发生地震，并且震级较大，造成危害更为严重。热点分析需要进行一定数学计算，基本公式如下：
借助昨天解决问题的方法，使用ArcMap平台上已经提供的热点分析工具，在ArcMap集成的Python环境中，用脚本直接调用相应接口，实现动态分析出图。
arcpy.HotSpots_stats("quakes", "Magnitude", "HSA110KMagnitude", "Fixed Distance Band", "Euclidean Distance", "None", "110000")
quakes.shp 是已经之前已经生成好的地震数据图层，Magnitude是之前python脚本中添加的震级字段，HSA110KMagnitude是输出的结果要素类，后面是参与计算的参数设定。HSA110KMagnitude属性字段中包含GiZScore字段，数值越大，表示该点所在的周边区域地震震级约大，可以对该值进行进一步的Z值渲染，以便得到更加明显的效果。
arcpy.ZRenderer_stats("HSA110KMagnitude", "GiZScore", "ZRenderer.lyr")
结果将使用冷暖色调来显示所有热点的大小分布，注意，这里的点渲染符号和quakes.shp的点符号意义完全不一样了。ArCGIS空间分析和三维分析一直是最受关注的GIS分析技术，接下来咱们也用Python来进一步处理，以空间插值分析为例，既然有了GiZcore字段，一切都非常容易了。
arcpy.env.extent = "California"
arcpy.Idw_3d("ZRenderer.lyr", "GiZScore", "cntidw", 3000, 2, "FIXED 750000")
extract = arcpy.sa.ExtractByMask("cntidw", "California.shp")
ZRenderer.lyr是输入，GizScore是用于插值的字段，cntidw是输出，后面是插值的参数设置，并且输出的结果以California地区为边界进行裁剪，这样就完成了整个计算。
通过上面三种不同的空间分析，可以看出Python环境的集成能够非常方便的在GIS平台下进行各种空间数据处理和空间分析计算，效果更为明显，操作更为灵活，在此基础上，通过加入图名，图例，比例尺，指北针等信息就可以输出为不同类型的专题地图。所有操作在ArcMap 9.4 beta1中完成，9.3也可以运行python脚本，但需要在外部的python开发环境中运行计算后，将生成的结果手工添加到桌面平台或应用之中。
联系客服
