引言
①ArcGIS地统计分析模块在地统计学与GIS之间架起了一座桥梁，使得复杂的地统计方法可以在软件中轻易实现，体现了以人为本、可视化发展的趋势。这种结合具有重要的开创性意义，通过测定预测表面的统计误差，GIS应用人员首次能够对预测表面的模型质量进行量化。
②ArcGIS软件的合并、融合、相交等功能使我们能更好的处理土地利用变化的分析，量化，数值化土地利用变化类型，使结果更清晰。
摘要
①人类活动对城市环境质量的影响是随着城市经济的快速发展和城市人口的不断增加日益突出。此次通过对As、Cd、Cr、Cu、Hg、Zn、Pb、Ni八种重金属取样分析，并且通过克里金插值和地积累指数对污染源和污染原因进行分析。
②利用吉林省1980年和2000年的土地利用数据，了解其土地利用时空变化，掌握土地利用变化研究的基本流程，从而加深对土地利用基本理论的理解，着重培养我们分析问题和解决问题的能力。
目录
（2）给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。
（3）分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。并分析重金属污染可能的主要原因。
（4）分析你所建立模型的优缺点，为更好地研究城市地质环境的演变模式，还应收集什么信息？有了这些信息，如何建立模型解决问题？
（5）请根据《建设用地土壤质量标准GB36600-2018》中风险筛选值和风险管制值进行土地受污染程度分级，并统计各级污染程度土地的面积数量和分布区域，并提出相应的管控和修复措施。
（1）从中找出吉林其中一个市所有县区的土地利用数据，分年代（1980年和2000年）合并该地区所有图层。
（2）提取该地区耕地和建设用地（包括居民及工业用地）信息（土地利用代码见文件“地类代码.DOC”，土地利用类型提取需在合并图层的属性表中为字段 “*****—ID”中查找）。
（3）分别分析该地区从1980年到2000年耕地和建设用地的变化情况。
（4）可用同样方法分析该地区其他地类（如耕地、草地等地类）的变化。
一、设计内容及要求
1.课程设计任务内容
①：利用地统计学分析完成城市表层土壤重金属污染分析
②：利用ArcGIS分析吉林省部分地区 1980 年到 2000 年的土地利用变化
2.设计内容及要求
①任务一
（1）采用什么插值模型来进行污染物浓度空间插值？说明理由。
（2）给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。
（3）分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。并分析重金属污染可能的主要原因。
（4）分析你所建立模型的优缺点，为更好地研究城市地质环境的演变模式，还应收集什么信息？有了这些信息，如何建立模型解决问题？
（5）请根据《建设用地土壤质量标准GB36600-2018》中风险筛选值和风险管制值进行土地受污染程度分级，并统计各级污染程度土地的面积数量和分布区域，并提出相应的管控和修复措施。
②任务二
（1）从中找出吉林其中一个市所有县区的土地利用数据，分年代（1980年和2000年）合并该地区所有图层。
（2）提取该地区耕地和建设用地（包括居民及工业用地）信息（土地利用代码见文件“地类代码.DOC”，土地利用类型提取需在合并图层的属性表中为字段 “*****—ID”中查找）。
（3）分别分析该地区从1980年到2000年耕地和建设用地的变化情况。
（4）可用同样方法分析该地区其他地类（如耕地、草地等地类）的变化。
（可通过网络找到吉林各市代码，地类代码的含义见文件“地类代码.DOC”）
二、课程设计环境
ArcGIS10.6和Excel软件
三、实现目标
1.利用地统计分析完成城市表层土壤重金属污染分析，得到重金属元素在该城区的空间分布和城区内不同区域重金属的污染程度，分析原因，找出污染源。提出相应的管控和修复措施。
2.分析吉林省1980到2000年某市的土地利用变化，从变化趋势发现问题并提出解决问题的方法。
四、具体设计过程
任务1：
（1）采用什么插值模型来进行污染物浓度空间插值？说明理由。
使用普通克里金方法进行插值，因为通过比较各种插值方法，包括反距离权重法，全局多项式插值法，径向基函数插值法，局部多项式插值法，普通克里金法，简单克里金法，泛克里金法，发现普通克里金的RMS值最小，效果最好。
（2）给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。
1.将采样点的数据导入到ArcMap中，并导出为shapefile文件。
结果如图：
2.使用【Geostatistical Analyst】的【Explore Data】创建【Voronoi Map】，并进行分类统计融合。
3.使用【Geostatistical Analyst】的【Geostatistical Wizard】，利用普通克里金方法对8种金属元素进行插值得到空间分布图。
As（砷）
由图可知：
西南地区的工业区As含量最高，西边地区的生活区，交通区的As含量较高，中东部的生活区，交通区，公园绿地区As含量较低，山区的As含量最低。
Cd（镉）
由图可知：
西南地区的工业区，生活区Cd含量最高，中部的生活区，交通区Cd含量较高，中东地区的公园绿地区Cd含量较低，山区的Cd含量最低。
Cr（铬）
由图可知：
西南地区的生活区，工业区和公园绿地区Cr含量最高，中东部的生活区，交通区，公园绿地区Cr含量较低，山区的Cr含量最低。
Cu（铜）
由图可知：
西南地区的生活区和工业区Cu含量最高，中部的生活区，交通区Cu含量较高，东部地区的公园绿地区，生活区Cu含量较低，山区的Cu含量最低。
Hg（汞）
由图可知：
西南地区的交通区，工业区，生活区Hg含量最高，部的生活区Hg含量较高，其余地区Hg含量较低。
Ni（镍）
由图可知：
西南地区的生活区，工业区，交通区和公园绿地区Ni含量较高，中东部的交通区，生活区，公园绿地区Ni含量较高，山区的Ni含量最低。
Pb（铅）
由图可知：
西南地区的工业区，交通区，生活区和公园绿地区Pb含量最高，中东部，东南部的交通区，生活区，公园绿地区Pb含量较高，东部的公园绿地区，山区Pb含量较低。
Zn（锌）
由图可知：
西南地区的工业区，生活区，公园绿地区，交通区Zn含量最高，中部的生活区，交通区Zn含量较低，东部的公园绿地区，山区的Zn含量最低。
（3）分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。并分析重金属污染可能的主要原因。
1.由上面的8种金属元素的空间分布图可知：该城区污染物主要分布在西南地区以及中部局部地区，自西南向东北递减，极值在西南地区，并且污染严重地区功能区主要是交通区和工业区，东部地区大部分都是无污染地区，由此可知污染源范围就锁定在西南地区以及中部局部地区。
2.使用【Spatial Analyst Tools】中【Interpolation】中的【IDW】对地累积指数进行反距离权重空间插值，字段选择平均地累积污染指数，得到地累积指数空间插值图，并对图层按照污染程度分成5类。
3. 使用【Spatial Analyst Tools】中【Neighborhood】的【Focal Statistics】，用焦点统计工具求出一定范围内的最大值Max，选择圆形，半径选择30个像元。
4.使用【Spatial Analyst Tools】中【Map Algebra】的【Raster Calculator】,用原始地累积指数插值数据减去地累积指数插值Max，等于0的栅格就是该地区灰度值（像元值）最大的栅格，也就是污染指数最大的栅格（即污染源），最后将栅格转换成矢量的点，即可认为这是污染源的待选点。
结果如图：
5.使用【Spatial Analyst Tools】中【Extraction】的【Extract by Attributes】工具，选择使用SQL语句选择Value值等于1，得出污染物源点。
结果如图：
6.使用【Conversion Tools】中【From Rater】的【Raster to Point】工具，得到矢量点数据。
结果如图：
7. 符号化污染源，让其空间分布更加直观形象，然后与地累积指数空间插值图进行对比。
8.由前面分析可知污染源范围就锁定在西南地区以及中部局部地区。由对比图分析可知，在测量点范围外的地区产生的污染源待选点明显不符合条件，故删除，属于或者靠近无污染地区和轻度-中等污染区的待选点只能作为传播过程的显著点，经过考虑后也要删除。最终污染源如下7个：
（4）分析你所建立模型的优缺点，为更好地研究城市地质环境的演变模式，还应收集什么信息？有了这些信息，如何建立模型解决问题？
1.优点：直观，清晰，较简洁，使用的方法有较为准确的理论基础，并配合了大量的图像，从直观上和理论上给出了较为准确的答案
2.缺点：对于模型的合理化还缺少部分数据，不能够全面立体；处理问题时选用的方法可能对一些区域存在一定的误差，并且进行插值时采用了大量的近似计算。
3.还应收集的信息：风向，水流，一段时间内（比如5~10年）该城市的重金属污染情况，一段时间内该城市功能区域变化的信息。
4.建立模型解决问题：加上考虑因素，如风向、水流等，我们就能更加精准找到污染源，再加上一段时间内（比如5~10年）的情况信息和城市几个功能区域的变化信息，我们更加能准确分析重金属的传播过程，以此来解决控制污染问题。
（5）请根据《建设用地土壤质量标准GB36600-2018》中风险筛选值和风险管制值进行土地受污染程度分级，并统计各级污染程度土地的面积数量和分布区域，并提出相应的管控和修复措施。
1.在采样点属性表中添加字段【功能区】、【污染度】，类型设置成文本，用来存储功能区代码所对应的汉字等级和污染物程度等级。
|
|
|
2.右击新建的字段，使用【字段计算器】编写Python脚本辅助计算
|
|
|
代码如下：
#计算功能区代码:
def A(a):
if(a==1):
return "生活区"
if(a==2):
return "工业区"
if(a==3):
return "山区"
if(a==4):
return "交通区"
if(a==5):
return "公园绿地区"
#计算污染度代码:
def A(a):
if(a<=0):
return "无污染"
if(a>5):
return "极严重污染"
if(a>4):
return "强-极严重污染"
if(a>3):
return "强污染"
if(a>2):
return "中等-强污染"
if(a>1):
return "中等污染"
if(a>0):
return "轻度-中等污染"结果如图：
3.使用【Analysis Tools】中【Proximity】的【Create Thiessen Polygons】工具，用点生成泰森多边形来生成面，展示污染情况的空间分布。
4.右键泰森多边形的属性，在符号系统的显示框下面选择【数量】下的【分级色彩】，字段值设置为平均污染地累积指数，类选择7
再选择【分类】功能进入分类设置，选择分类方法为手动，在右边的中断值输入对应的污染程度等级划分标准
在标注栏输入对应的分类等级
结果如图：
5.在泰森多边形的属性表 污染度 字段中右键使用【统计】功能，统计各级污染程度土地的面积数量和分布区域
将得到表转为xls格式
结果如图：
管控和修复措施：
依据《土壤法》，国家实行建设用地土壤污染风险管控和修复名录制度。用途变更为住宅、公共管理与公共服务用地的，变更前应当按照规定进行土壤污染状况调查。对污染物含量超过土壤污染风险管控标准的建设用地地块，并且经土壤污染风险评估，需要实施风险管控、修复的，纳入建设用地土壤污染风险管控和修复名录。
列入建设用地土壤污染风险管控和修复名录的地块，不得作为住宅、公共管理与公共服务用地。未达到土壤污染风险评估报告确定的风险管控、修复目标的建设用地地块，禁止开工建设任何与风险管控、修复无关的项目。通过上述建设用地准入管理制度，确保土壤管制和修复。
任务2：
（1）从中找出吉林其中一个市所有县区的土地利用数据，分年代（1980年和2000年）合并该地区所有图层。
我选择吉林四平市
找出吉林省四平市所有县区的土地利用数据
四平市的所有县区代码如下：
| 220302 | 铁西区 |
| 220303 | 铁东区 |
| 220322 | 梨树县 |
| 220323 | 伊通满族自治县 |
| 220382 |
加载1980年四平市的土地利用数据
合并1980年四平市的土地利用数据
结果如图：
加载2000年四平市的土地利用数据
合并1980年四平市的土地利用数据
结果如图：
（2）提取该地区耕地和建设用地（包括居民及工业用地）信息（土地利用代码见文件“地类代码.DOC”，土地利用类型提取需在合并图层的属性表中为字段 “*****—ID”中查找）。
1.在四平1980数据的属性表中添加字段ID1980，在四平2000数据的属性表中添加字段ID2000，并使用字段计算器提取各县区的地类代码
|
|
 |
2.提取耕地
使用【Analysis Tools】中【Extract】的【Select】功能提取该地区1980年和2000年耕地区域
|
|
 |
结果如图：
1980年耕地
2000年耕地
3.提取林地
结果如图：
1980年林地
2000年林地
4. 提取草地
1980年草地
2000年草地
5.提取水域
1980年水域
2000年水域
6.提取城乡、工矿、居民用地
1980年城乡、工矿、居民用地
2000年城乡、工矿、居民用地
7.提取未利用土地
1980年未利用土地
2000年未利用土地
（3）分别分析该地区从1980年到2000年耕地和建设用地的变化情况。
1.在四平1980和四平2000数据的属性表中添加一级地物字段ID，并使用字段计算器求解
结果如图：
2.使用【Data Management Tools】中【Generalization】的【Dissolve】功能将所有一级地类代码相同的合并
结果如图：
3.使用【Analysis Tools】中【Overly】的【Intersect】工具，统计相交的区域，得出1980年至2020年土地利用类型的变化情况，根据字段【Shape_Area】可知各区域的面积变化。
4.为了更好的看出各区域的面积变化，我们使用【Data Management Tools】中【Table】的【Pivot Table】制作数据透视表，行为1980年的地物代码，列为2000年的地物代码，属性字段为面积
结果如图：
利用【Conversion】中【Excel】的【Table To Excel】工具，将表导出为xls格式，在Excel中调整格式，可得到更详细的土地矩阵
如图所示：
5.1980年到2000年的土地利用类型变化分析
①从1980年到2000年耕地的变化
耕地面积增加了10722－10407＝315 km²
有25.29 km²的耕地变成林地，有5.09 km²的耕地变成草地，有4.58 km²的耕地变成水域，有24.50 km²的耕地变成建设用地，有0.13 km²的耕地变成未利用土地
②从1980年到2000年林地的变化
林地面积减少了1703－1842＝﹣139 km²
有163 km²的林地变成了耕地，有1.32 km²的林地变成建设用地，有0.26 km²的林地变成未利用土地
③从1980年到2000年草地的变化
草地面积减少了299－416＝﹣117 km²
有124 km²的草地变成耕地，有0.16 km²的草地变成林地，有1.24 km²的草地变成水域，有0.72 km²的草地变成建设用地
④从1980年到2000年水域的变化
水域面积减少了301－304＝﹣3 km²
有8.58 km²的水域变成耕地，有0.19 km²的水域变成草地
⑤从1980年到2000年建设用地的变化
建设用地增加了1092－1065＝27 km²
有0.05 km²的建设用地变成林地
⑥从1980年到2000年未利用土地的变化
未利用土地面积减少了249－332＝﹣83 km²
有77.91 km²的未利用土地变成耕地，有0.24 km²的未利用土地变成林地，有4.74 km²的未利用土地变成草地，有0.09 km²的未利用土地变成建设用地
（4）可用同样方法分析该地区其他地类（如耕地、草地等地类）的变化。
在问题（2）和问题（3）中已经分析
五、结果及分析
任务1：
（1）在生活区当中Cu和Zn污染达到中等污染，Ni污染暂时没有，其余为轻度—中等污染；工业区中重金属污染最为严重，Hg达到强污染，Cu达到中等--强污染，Cd、Pb、Zn呈中等污染，其余为轻度—中等污染；山区没有受到重金属污染；交通区Hg的污染程度也达到强污染，Cu和Zn达到中等污染，Ni污染暂时没有，其余为轻度—中等污染；公园绿地区除了没有Cr和Ni污染，其余的为轻度—中等污染。
（2）重金属污染的主要原因：从污染程度表中可以看出，这个城市主要污染为Hg，Zn，Cu，Cd，Pb。Hg除了山区，其他地区均有分布，最高在工业区与交通区，可能是因为汽车尾气和工业废气废水导致这两个区域的Hg污染程度大，而在其他区可能是丢弃的废旧电池。Zn，Cu污染主要在生活区、工业区和交通区，可能是汽车尾气，废旧电池，废水等。Pb和Cd主要是在工业区中，可能是工业废水。
任务2：
①耕地：耕地面积增加了10722－10407＝315 km²，有25.29 km²的耕地变成林地，有5.09 km²的耕地变成草地，有4.58 km²的耕地变成水域，有24.50 km²的耕地变成建设用地，有0.13 km²的耕地变成未利用土地
②林地：林地面积减少了1703－1842＝﹣139 km²，有163 km²的林地变成了耕地，有1.32 km²的林地变成建设用地，有0.26 km²的林地变成未利用土地
③草地：草地面积减少了299－416＝﹣117 km²，有124 km²的草地变成耕地，有0.16 km²的草地变成林地，有1.24 km²的草地变成水域，有0.72 km²的草地变成建设用地
④水域：水域面积减少了301－304＝﹣3 km²，有8.58 km²的水域变成耕地，有0.19 km²的水域变成草地
⑤建设用地：建设用地增加了1092－1065＝27 km²，有0.05 km²的建设用地变成林地
⑥未利用土地：未利用土地面积减少了249－332＝﹣83 km²，有77.91 km²的未利用土地变成耕地，有0.24 km²的未利用土地变成林地，有4.74 km²的未利用土地变成草地，有0.09 km²的未利用土地变成建设用地
六、结论
通过此次实习，让我学到了如何运用ArcGIS进行空间分析的方法，同时也进行了实际问题的操作，更加了解了空间分析的本质。