Dieser Beitrag zeigt, wie man einen fünfstufigen Prozess anwendet, um ein Analyseprojekt mit ArcMap abzuschließen (die gleiche Analyse könnte ebenso einfach in ArcGIS Pro durchgeführt werden). Angenommen, Sie möchten den Zugang zu Gesundheitsdiensten in den Landkreisen Riverside und San Bernardino im Süden Kaliforniens analysieren.Die fünf Schritte im Analyseprozess sind:<\/P>
<\/P>
Schritt 1. Die Fragestellung formulieren<\/STRONG><\/SPAN>Dieser Schritt erscheint einfach, da Ihnen normalerweise ein Projekt zugewiesen wird, um spezifische Informationen zu erhalten. Manche Projekte beinhalten die Beantwortung mehrerer Fragen, die sich aus einer übergeordneten Frage ableiten. Wie Sie die Fragen formulieren, hilft dabei zu bestimmen, welche GIS-Werkzeuge und Methoden Sie für die Analyse verwenden.In diesem Beispiel könnten Sie eine vorläufige übergeordnete Frage formulieren: Entspricht die Verteilung der Gesundheitseinrichtungen der Bevölkerungsverteilung in Riverside-San Bernardino, CA? Diese Frage könnte in folgende Unterfragen aufgeteilt werden:<\/P>Wo befinden sich Einrichtungen, die Gesundheitsdienste anbieten?<\/DIV><\/LI>Wie ist die Bevölkerungsverteilung im Untersuchungsgebiet?<\/DIV><\/LI>Haben Gebiete mit der höchsten Bevölkerungsdichte auch die größte Anzahl an Einrichtungen?<\/DIV><\/LI>Gibt es innerhalb des Untersuchungsgebiets Gebiete mit hoher Bevölkerungsdichte, aber ohne Gesundheitseinrichtungen?<\/DIV><\/LI><\/UL> <\/P>Schritt 2. Daten erkunden und vorbereiten<\/STRONG><\/SPAN>Dieser Schritt kann am zeitaufwändigsten sein. Wenn Sie nicht alle für ein Analyseprojekt benötigten Daten haben, müssen Sie diese sammeln. Der ArcGIS Living Atlas of the World<\/A> ist eine ausgezeichnete Quelle für hochwertige räumliche Daten. In den USA bietet das Census Bureau<\/A> eine Vielzahl von räumlichen, Bevölkerungs- und demografischen Daten. Staatliche Datenzentren sind eine weitere nützliche Ressource. <\/P> <\/P>Schritt 2a: Daten erkunden<\/STRONG><\/SPAN>Für jeden Datensatz erkunden Sie die Geografie der Features, Attribute und Metadaten, um festzustellen, ob die Daten für Ihre Analyse nützlich sind und welche Art von Vorbereitung gegebenenfalls erforderlich ist. Fragen zu den Daten sind unter anderem:<\/P>Welches Datenformat liegt vor?<\/DIV><\/LI>Wann wurden die Daten erhoben (wie aktuell sind sie)?<\/DIV><\/LI>Wie detailliert sind die Daten – in welchem Maßstab wurden sie erhoben?<\/DIV><\/LI>Welches Koordinatensystem verwenden die Daten? Sind die Daten projiziert?<\/DIV>Beste Praxis ist es, alle Datensätze vor der Analyse in ein gemeinsames Koordinatensystem zu projizieren.<\/DIV><\/LI><\/UL><\/LI>Eignet sich die Geometrie der Features (z.B. Punkt, Linie, Polygon) für die Analyse?<\/DIV><\/LI>Verfügen die Daten über die benötigten Attribute?<\/DIV><\/LI>Gibt es Zugriffs- oder Nutzungsbeschränkungen für die Daten?<\/DIV><\/LI><\/UL>Für dieses Beispiel wurden folgende Datensätze verwendet. Alle verwenden das geografische Koordinatensystem WGS 1984.<\/P>Kliniken – diese Daten umfassen "traditionelle" Krankenhäuser sowie andere medizinische Einrichtungen.<\/DIV><\/LI>ZIP Codes – diese Daten enthalten Bevölkerungsattribute.<\/DIV>
Schritt 2a: Daten erkunden<\/STRONG><\/SPAN>Für jeden Datensatz erkunden Sie die Geografie der Features, Attribute und Metadaten, um festzustellen, ob die Daten für Ihre Analyse nützlich sind und welche Art von Vorbereitung gegebenenfalls erforderlich ist. Fragen zu den Daten sind unter anderem:<\/P>Welches Datenformat liegt vor?<\/DIV><\/LI>Wann wurden die Daten erhoben (wie aktuell sind sie)?<\/DIV><\/LI>Wie detailliert sind die Daten – in welchem Maßstab wurden sie erhoben?<\/DIV><\/LI>Welches Koordinatensystem verwenden die Daten? Sind die Daten projiziert?<\/DIV>Beste Praxis ist es, alle Datensätze vor der Analyse in ein gemeinsames Koordinatensystem zu projizieren.<\/DIV><\/LI><\/UL><\/LI>Eignet sich die Geometrie der Features (z.B. Punkt, Linie, Polygon) für die Analyse?<\/DIV><\/LI>Verfügen die Daten über die benötigten Attribute?<\/DIV><\/LI>Gibt es Zugriffs- oder Nutzungsbeschränkungen für die Daten?<\/DIV><\/LI><\/UL>Für dieses Beispiel wurden folgende Datensätze verwendet. Alle verwenden das geografische Koordinatensystem WGS 1984.<\/P>Kliniken – diese Daten umfassen "traditionelle" Krankenhäuser sowie andere medizinische Einrichtungen.<\/DIV><\/LI>ZIP Codes – diese Daten enthalten Bevölkerungsattribute.<\/DIV>
Eine visuelle Analyse der Daten zeigt, dass die größte Anzahl von Krankenhäusern und die am dichtesten besiedelten Postleitzahlen (in dunkleren Grüntönen auf der untenstehenden Karte) im südwestlichen Teil des Untersuchungsgebiets liegen.<\/P>
Sie können weitere Informationen erhalten, indem Sie eine räumliche Verknüpfung (spatial join)<\/A> zwischen den Layern Hospitals und ZIP Codes durchführen.<\/P>Klicken Sie mit der rechten Maustaste auf Hospitals und wählen Sie Joins and Relates > Join.<\/LI>Wählen Sie im Dialogfeld aus, Daten aus einem anderen Layer basierend auf der räumlichen Lage zu verknüpfen.<\/LI>Wählen Sie ZIP Codes in der Dropdown-Liste der Layer aus, geben Sie den Namen und Speicherort der Ausgabefeature-Class an und klicken Sie auf OK.<\/LI><\/UL>Das Ergebnis der räumlichen Verknüpfung ist ein neuer Punktlayer, der alle Krankenhaus-Features sowie die Attribute der Postleitzahl enthält, in der sich jede Einrichtung befindet. Das Feld ZIP enthält die fünfstellige Postleitzahl, in der sich das Krankenhaus befindet, und das Feld PO_NAME enthält den Namen des Postamts (entspricht dem Stadtnamen) für diese Postleitzahl. Das Feld POP07_SQMI zeigt die Bevölkerungsdichte an, die mit der Postleitzahl jedes Krankenhauses verbunden ist.<\/P> <\/P>Die Sortierung des Feldes PO_NAME zeigt, dass sich mehrere Krankenhäuser in einigen Postleitzahlen befinden.<\/P><\/P> <\/P>Der letzte Schritt besteht darin, das Feld ZIP zusammenzufassen. Dieser Vorgang erzeugt eine Tabelle mit einem Datensatz für jede Postleitzahl, die ein Krankenhaus enthält, sowie ein Feld mit der Anzahl der Krankenhäuser innerhalb jeder Postleitzahl. Sie können auch Statistiken für numerische Felder (wie POP07_SQMI) ausgeben lassen.<\/P>Klicken Sie in der verknüpften Tabelle mit der rechten Maustaste auf das Feld ZIP und wählen Sie Zusammenfassen (Summarize).<\/LI>Für Zusammenfassungsstatistiken aktivieren Sie First und Last für NAME (das ist der Krankenhausname) und Average für sowohl POP2007 (Gesamtbevölkerung) als auch POP07_SQMI.<\/LI>Geben Sie einen Ausgabespeicherort und -namen an und klicken Sie auf OK.<\/LI>Wählen Sie aus, die Ergebnistabelle zur Karte hinzuzufügen und öffnen Sie sie.<\/LI><\/UL> <\/P>Schritt 5. Ergebnisse prüfen und verfeinern<\/STRONG><\/SPAN><\/P>Welche Informationen liefert also die Zusammenfassungstabelle? <\/P>Das Feld Count_ZIP gibt Ihnen die Anzahl der Krankenhäuser in jeder Postleitzahl an, die ein Krankenhaus enthält.<\/P><\/P> <\/P>Die Sortierung des Feldes POP07_SQMI zeigt, dass alle Postleitzahlen mit mehr als 2.000 Einwohnern pro Quadratmeile mindestens eine Gesundheitseinrichtung haben.<\/P> <\/P>Die Analyse zeigt, dass die Verteilung der Gesundheitsdienste im Allgemeinen mit der Bevölkerungsverteilung im Untersuchungsgebiet übereinstimmt – das heißt, die meisten Einrichtungen befinden sich dort, wo die Bevölkerung am dichtesten ist. Diese Analyse könnten Sie verfeinern, indem Sie die Anzahl der Patienten berücksichtigen, die jede Einrichtung versorgen kann, sowie andere interessante Variablen. Außerdem könnten Sie das Projekt erweitern, um zu analysieren, ob der Zugang zu Gesundheitsdiensten in Gebieten mit geringer Bevölkerungsdichte ausreichend ist. Die aktuelle Karte zeigt an, dass Bewohner von Postleitzahlen mit geringer Bevölkerungsdichte möglicherweise weite Strecken zurücklegen müssen, um ein Krankenhaus zu erreichen.<\/P> <\/P>Möchten Sie mehr über Analysen in ArcGIS erfahren? Schauen Sie sich diese Schulungsangebote an:<\/STRONG><\/SPAN><\/P>Erste Schritte mit Spatial Analysis<\/_A> (für ArcMap oder ArcGIS Pro)<\/_LI>Going Places with Spatial Analysis<\/_A> (fürArcGIS Online)<\/_LI>ArcGIS 3: Performing Analysis<\/_A> (fürArcMap)<\/_LI>Spatial Analysis with ArcGIS Pro<\/_A><\/_LI><\/_UL>
Das Ergebnis der räumlichen Verknüpfung ist ein neuer Punktlayer, der alle Krankenhaus-Features sowie die Attribute der Postleitzahl enthält, in der sich jede Einrichtung befindet. Das Feld ZIP enthält die fünfstellige Postleitzahl, in der sich das Krankenhaus befindet, und das Feld PO_NAME enthält den Namen des Postamts (entspricht dem Stadtnamen) für diese Postleitzahl. Das Feld POP07_SQMI zeigt die Bevölkerungsdichte an, die mit der Postleitzahl jedes Krankenhauses verbunden ist.<\/P>
Die Sortierung des Feldes PO_NAME zeigt, dass sich mehrere Krankenhäuser in einigen Postleitzahlen befinden.<\/P>
Der letzte Schritt besteht darin, das Feld ZIP zusammenzufassen. Dieser Vorgang erzeugt eine Tabelle mit einem Datensatz für jede Postleitzahl, die ein Krankenhaus enthält, sowie ein Feld mit der Anzahl der Krankenhäuser innerhalb jeder Postleitzahl. Sie können auch Statistiken für numerische Felder (wie POP07_SQMI) ausgeben lassen.<\/P>
Schritt 5. Ergebnisse prüfen und verfeinern<\/STRONG><\/SPAN><\/P>Welche Informationen liefert also die Zusammenfassungstabelle? <\/P>Das Feld Count_ZIP gibt Ihnen die Anzahl der Krankenhäuser in jeder Postleitzahl an, die ein Krankenhaus enthält.<\/P><\/P> <\/P>Die Sortierung des Feldes POP07_SQMI zeigt, dass alle Postleitzahlen mit mehr als 2.000 Einwohnern pro Quadratmeile mindestens eine Gesundheitseinrichtung haben.<\/P> <\/P>Die Analyse zeigt, dass die Verteilung der Gesundheitsdienste im Allgemeinen mit der Bevölkerungsverteilung im Untersuchungsgebiet übereinstimmt – das heißt, die meisten Einrichtungen befinden sich dort, wo die Bevölkerung am dichtesten ist. Diese Analyse könnten Sie verfeinern, indem Sie die Anzahl der Patienten berücksichtigen, die jede Einrichtung versorgen kann, sowie andere interessante Variablen. Außerdem könnten Sie das Projekt erweitern, um zu analysieren, ob der Zugang zu Gesundheitsdiensten in Gebieten mit geringer Bevölkerungsdichte ausreichend ist. Die aktuelle Karte zeigt an, dass Bewohner von Postleitzahlen mit geringer Bevölkerungsdichte möglicherweise weite Strecken zurücklegen müssen, um ein Krankenhaus zu erreichen.<\/P> <\/P>Möchten Sie mehr über Analysen in ArcGIS erfahren? Schauen Sie sich diese Schulungsangebote an:<\/STRONG><\/SPAN><\/P>
Angemeldete Mitglieder können Beiträge verfassen, Updates folgen und mehr. Neu hier? Registrieren Sie ein kostenloses Konto.
Find useful guides, FAQs, and documents to help you navigate and make the most of Esri Community.
