Dit bericht toont hoe je een vijfstappenproces toepast om een analyseproject te voltooien met ArcMap (dezelfde analyse kan net zo gemakkelijk worden uitgevoerd in ArcGIS Pro). Stel dat je de toegang tot gezondheidszorgdiensten wilt analyseren in de provincies Riverside en San Bernardino in Zuid-Californië.De vijf stappen in het analyseproces zijn:<\/P>
<\/P>
Stap 1. Formuleer de vraag<\/STRONG><\/SPAN>Deze stap lijkt eenvoudig omdat je meestal een project krijgt toegewezen om specifieke informatie te verkrijgen. Sommige projecten omvatten het beantwoorden van meerdere vragen die voortkomen uit een overkoepelende vraag. Hoe je de vragen formuleert, helpt bepalen welke GIS-tools en methoden je gebruikt voor de analyse.In dit voorbeeld zou je een voorlopige overkoepelende vraag kunnen formuleren: Is de verdeling van gezondheidszorgfaciliteiten consistent met de bevolkingsverdeling in Riverside-San Bernardino, CA? Deze vraag kan worden opgesplitst in de volgende deelvragen:<\/P>Waar bevinden zich faciliteiten die gezondheidszorgdiensten bieden?<\/DIV><\/LI>Wat is de bevolkingsverdeling binnen het studiegebied?<\/DIV><\/LI>Hebben gebieden met de hoogste bevolkingsdichtheid het grootste aantal faciliteiten?<\/DIV><\/LI>Zijn er binnen het studiegebied gebieden met een hoge bevolkingsdichtheid maar zonder gezondheidszorgfaciliteiten?<\/DIV><\/LI><\/UL> <\/P>Stap 2. Verken en bereid gegevens voor<\/STRONG><\/SPAN>Deze stap kan het meest tijdrovend zijn. Als je niet alle benodigde gegevens hebt voor een analyseproject, moet je deze verzamelen. De ArcGIS Living Atlas of the World<\/A> is een uitstekende bron van hoogwaardige ruimtelijke gegevens. In de VS heeft het Census Bureau<\/A> een overvloed aan ruimtelijke, bevolkings- en demografische gegevens. Staatsdatacentra zijn ook een nuttige bron. <\/P> <\/P>Stap 2a: Verken gegevens<\/STRONG><\/SPAN>Voor elke dataset verken je de geografische kenmerken, attributen en metadata om te bepalen of de gegevens nuttig zijn voor je analyse en welke voorbereiding, indien nodig, vereist is. Vragen over de gegevens zijn onder andere:<\/P>Wat is het gegevensformaat?<\/DIV><\/LI>Wanneer zijn de gegevens verzameld (hoe actueel zijn ze)?<\/DIV><\/LI>Hoe gedetailleerd zijn de gegevens - op welke schaal zijn ze verzameld?<\/DIV><\/LI>Welk coördinatensysteem gebruiken de gegevens? Zijn ze geprojecteerd?<\/DIV>De beste praktijk is om alle datasets in een gemeenschappelijk coördinatensysteem te projecteren voordat je analyse uitvoert.<\/DIV><\/LI><\/UL><\/LI>Werkt de geometrie van het object (d.w.z. punt, lijn, polygoon) voor de analyse?<\/DIV><\/LI>Bevatten de gegevens de attributen die je nodig hebt?<\/DIV><\/LI>Zijn er beperkingen op toegang tot of gebruik van de gegevens?<\/DIV><\/LI><\/UL>Voor dit voorbeeld werden de volgende datasets gebruikt. Alle gebruiken het WGS 1984 geografisch coördinatensysteem.<\/P>Ziekenhuizen — deze data omvat "traditionele" ziekenhuizen evenals andere medische faciliteiten.<\/DIV><\/LI>ZIP Codes — deze data bevat bevolkingsattributen.<\/DIV>
Stap 2a: Verken gegevens<\/STRONG><\/SPAN>Voor elke dataset verken je de geografische kenmerken, attributen en metadata om te bepalen of de gegevens nuttig zijn voor je analyse en welke voorbereiding, indien nodig, vereist is. Vragen over de gegevens zijn onder andere:<\/P>Wat is het gegevensformaat?<\/DIV><\/LI>Wanneer zijn de gegevens verzameld (hoe actueel zijn ze)?<\/DIV><\/LI>Hoe gedetailleerd zijn de gegevens - op welke schaal zijn ze verzameld?<\/DIV><\/LI>Welk coördinatensysteem gebruiken de gegevens? Zijn ze geprojecteerd?<\/DIV>De beste praktijk is om alle datasets in een gemeenschappelijk coördinatensysteem te projecteren voordat je analyse uitvoert.<\/DIV><\/LI><\/UL><\/LI>Werkt de geometrie van het object (d.w.z. punt, lijn, polygoon) voor de analyse?<\/DIV><\/LI>Bevatten de gegevens de attributen die je nodig hebt?<\/DIV><\/LI>Zijn er beperkingen op toegang tot of gebruik van de gegevens?<\/DIV><\/LI><\/UL>Voor dit voorbeeld werden de volgende datasets gebruikt. Alle gebruiken het WGS 1984 geografisch coördinatensysteem.<\/P>Ziekenhuizen — deze data omvat "traditionele" ziekenhuizen evenals andere medische faciliteiten.<\/DIV><\/LI>ZIP Codes — deze data bevat bevolkingsattributen.<\/DIV>
Het is nuttig in deze stap om de analyse te diagrammeren. Het diagram hoeft niet iets ingewikkelds te zijn (hoewel het dat kan zijn als je dat leuk vindt). Een makkelijke manier is om snel op papier of een whiteboard te tekenen zoals het onderstaande voorbeeld.<\/P>
Stap 4. Voer de Analyse uit<\/STRONG><\/SPAN>Als je het proces in stap 3 hebt gediagrammeerd, volg je in deze stap gewoon het diagram, en voltooi je elke taak in volgorde. Voor complexe analyses wil je misschien een model maken in ModelBuilder om het proces te automatiseren. Een model stelt je ook in staat om snel een parameter te wijzigen en het model opnieuw uit te voeren om verschillende scenario's te verkennen.<\/P>Onderzoek de verdeling van de ziekenhuisobjecten op de kaart. Zoom in en pan indien nodig.<\/LI>Symboliseer ZIP-codes met graduele kleuren op basis van de POP07_SQMI (bevolkingsdichtheid 2007) attribuut.<\/LI><\/UL>Een visuele analyse van de gegevens toont dat het grootste aantal ziekenhuizen en de meest dichtbevolkte ZIP-codes (in donkerdere tinten groen op de onderstaande kaart) zich bevinden in het zuidwestelijke deel van het studiegebied.<\/P><\/P>Je kunt meer informatie krijgen door een spatial join<\/A> uit te voeren tussen de Hospitals- en ZIP Codes-lagen.<\/P>Klik met de rechtermuisknop op Hospitals en klik op Joins and Relates > Join.<\/LI>Kies in het dialoogvenster om gegevens van een andere laag te koppelen op basis van ruimtelijke locatie.<\/LI>Kies ZIP Codes in de vervolgkeuzelijst van lagen, specificeer de naam en locatie van de uitvoer-featureklasse, en klik op OK.<\/LI><\/UL>De uitvoer van de spatial join is een nieuwe puntlaag die alle ziekenhuisobjecten bevat plus de attributen van de ZIP-code waarin elk ziekenhuis zich bevindt. Het veld ZIP bevat de vijfcijferige ZIP-code waarin het ziekenhuis is gelegen, en het veld PO_NAME bevat de naam van het postkantoor (komt overeen met de stadsnaam) voor die ZIP-code. Het veld POP07_SQMI toont de bevolkingsdichtheid die hoort bij elke ziekenhuis-ZIP-code.<\/P> <\/P>Sorteren op het veld PO_NAME laat zien dat meerdere ziekenhuizen zich in sommige ZIP-codes bevinden.<\/P><\/P> <\/P>De laatste stap is om het veld ZIP samen te vatten. Deze bewerking levert een tabel op met één record voor elke ZIP-code die een ziekenhuis bevat, plus een veld met het aantal ziekenhuizen binnen elke ZIP-code. Je kunt ook statistieken voor numerieke velden (zoals POP07_SQMI) laten berekenen.<\/P>Klik met de rechtermuisknop op het veld ZIP in de gekoppelde tabel en kies Samenvatten.<\/LI>Voor samenvattende statistieken vink je Eerste en Laatste aan voor NAME (dit is de naam van het ziekenhuis) en Gemiddelde voor zowel POP2007 (totale bevolking) als POP07_SQMI.<\/LI>Specificeer een uitvoerlocatie en naam, klik vervolgens op OK.<\/LI>Kies om de resultaatentabel aan de kaart toe te voegen en open deze.<\/LI><\/UL> <\/P>Stap 5. Onderzoek en verfijn resultaten<\/STRONG><\/SPAN><\/P>Welke informatie geeft de samenvattingstabel? <\/P>Het veld Count_ZIP vertelt je het aantal ziekenhuizen in elke ZIP-code die een ziekenhuis bevat.<\/P><\/P> <\/P>Sorteren op het veld POP07_SQMI laat zien dat alle ZIP-codes met meer dan 2.000 mensen per vierkante mijl ten minste één zorginstelling hebben.<\/P> <\/P>De analyse toont aan dat de verdeling van gezondheidszorgdiensten over het algemeen overeenkomt met de verdeling van de bevolking binnen het studiegebied—dat wil zeggen dat de meeste voorzieningen zich bevinden waar de bevolking het dichtst is. Je zou deze analyse kunnen verfijnen door rekening te houden met het aantal patiënten dat elke voorziening kan bedienen en andere variabelen van belang. Je zou ook het project kunnen uitbreiden om te analyseren of toegang tot gezondheidszorgdiensten in gebieden met lage bevolkingsdichtheid adequaat is. De huidige kaart geeft aan dat bewoners van ZIP-codes met een lage bevolkingsdichtheid mogelijk grote afstanden moeten reizen om een ziekenhuis te bereiken.<\/P> <\/P>Wil je meer leren over het uitvoeren van analyses in ArcGIS? Bekijk deze trainingsopties:<\/STRONG><\/SPAN><\/P>Aan de slag met Spatial Analysis<\/_A> (voor ArcMap of ArcGIS Pro)<\/_LI>Going Places with Spatial Analysis<\/_A> (voor <\/_SPAN>ArcGIS Online)<\/_LI>ArcGIS 3: Performing Analysis<\/_A> (voor <\/_SPAN>ArcMap)<\/_LI>Spatial Analysis with ArcGIS Pro<\/_A>
De uitvoer van de spatial join is een nieuwe puntlaag die alle ziekenhuisobjecten bevat plus de attributen van de ZIP-code waarin elk ziekenhuis zich bevindt. Het veld ZIP bevat de vijfcijferige ZIP-code waarin het ziekenhuis is gelegen, en het veld PO_NAME bevat de naam van het postkantoor (komt overeen met de stadsnaam) voor die ZIP-code. Het veld POP07_SQMI toont de bevolkingsdichtheid die hoort bij elke ziekenhuis-ZIP-code.<\/P>
Sorteren op het veld PO_NAME laat zien dat meerdere ziekenhuizen zich in sommige ZIP-codes bevinden.<\/P>
De laatste stap is om het veld ZIP samen te vatten. Deze bewerking levert een tabel op met één record voor elke ZIP-code die een ziekenhuis bevat, plus een veld met het aantal ziekenhuizen binnen elke ZIP-code. Je kunt ook statistieken voor numerieke velden (zoals POP07_SQMI) laten berekenen.<\/P>
Stap 5. Onderzoek en verfijn resultaten<\/STRONG><\/SPAN><\/P>Welke informatie geeft de samenvattingstabel? <\/P>Het veld Count_ZIP vertelt je het aantal ziekenhuizen in elke ZIP-code die een ziekenhuis bevat.<\/P><\/P> <\/P>Sorteren op het veld POP07_SQMI laat zien dat alle ZIP-codes met meer dan 2.000 mensen per vierkante mijl ten minste één zorginstelling hebben.<\/P> <\/P>De analyse toont aan dat de verdeling van gezondheidszorgdiensten over het algemeen overeenkomt met de verdeling van de bevolking binnen het studiegebied—dat wil zeggen dat de meeste voorzieningen zich bevinden waar de bevolking het dichtst is. Je zou deze analyse kunnen verfijnen door rekening te houden met het aantal patiënten dat elke voorziening kan bedienen en andere variabelen van belang. Je zou ook het project kunnen uitbreiden om te analyseren of toegang tot gezondheidszorgdiensten in gebieden met lage bevolkingsdichtheid adequaat is. De huidige kaart geeft aan dat bewoners van ZIP-codes met een lage bevolkingsdichtheid mogelijk grote afstanden moeten reizen om een ziekenhuis te bereiken.<\/P> <\/P>Wil je meer leren over het uitvoeren van analyses in ArcGIS? Bekijk deze trainingsopties:<\/STRONG><\/SPAN><\/P>
Aangemelde leden kunnen berichten plaatsen, updates volgen en meer. Nieuw hier? Registreer een gratis account.
Find useful guides, FAQs, and documents to help you navigate and make the most of Esri Community.
