全国370城市空间权重矩阵及计算方法城市点坐标城市道路网城市poi感兴趣点

Posted 2022-03-14 地理遥感生态网

         数据下载链接：百度云下载链接

        空间权重矩阵是一个反映个体在空间中相互依赖关系的矩阵，相近的事物关联关系越密切,权重影响越大，本文中计算的城市空间权重矩阵主要是基于地理距离的空间距离权重矩阵和基于共享空间要素的空间邻接矩阵。此外，不仅仅有从地理角度测算的狭义距离，还有广义距离，比如说经济距离、社会距离或者时间距离等等。

    数据介绍

空间距离权重矩阵是通过城市中心点经纬度计算得到，其中，全国370个城市（包括地级市、直辖市、省直辖县、副省级市、自治州、盟、地区等）的中心点经纬度文本数据可以从文后数据下载部分下载。计算球面上两个经纬度点的方法可参考文后附录一。

空间邻接矩阵利用全国市级行政区划矢量数据，首先通过ArcGIS的Spatial Join [空间连接]工具计算获得与各个空间要素相邻接的要素，然后利用该结果生成邻接矩阵。

用于计算城市空间权重矩阵和空间邻接矩阵的原始地级市数据，现势性为2019年，数据来源于本站中国国家基础地理信息数据。

数据概况

空间范围：全国地级市

时间范围：2019年

数据类型：EXCEL等

数据预览

 城市距离权重矩阵

 全国370个城市及中心经纬度

附录说明一

计算球面上两个经纬度点的Python代码

def calcDistance(lat1, lng1, lat2, lng2):
    '''
    已知两点经纬度, 求球面距离
    :param lat1: p1纬度
    :param lng1: p1经度
    :param lat2: p2纬度
    :param lng2: p2经度
    :return: distance (m)
    '''
    R = 6378137.  # 地球平均半径
    pi_180 = math.pi / 180.
    radLat1 = lat1 * pi_180
    radLat2 = lat2 * pi_180
    a = radLat1 - radLat2
    b = lng1 * pi_180 - lng2 * pi_180
    d = 2 * math.asin(math.sqrt(math.pow(math.sin(a / 2), 2) +
                                math.cos(radLat1) * math.cos(radLat2) *
                                math.pow(math.sin(b / 2), 2))) * R
    return d

数据获取来源：

1、地理遥感生态网www.gisrs.cn

同时，地理遥感生态网www.gisrs.cn上分享了很多地理遥感领域的科学数据（土地利用数据、npp净初级生产力数据数据、NDVI数据、气象数据（降雨量、气温、蒸散量、辐射、湿度、日照时数、风速、水汽压数据）、径流量数据、夜间灯光数据、统计年鉴、道路网、POI兴趣点数据、GDP分布、人口密度分布、三级流域矢量边界、地质灾害分布数据、土壤类型、土壤质地、土壤有机质、土壤PH值、土壤质地、土壤侵蚀、植被类型、自然保护区分布、建筑轮廓分布等等地理数据，以及关于gis、遥感从方面的操作教程）。

2.地理空间数据云
（1）2000年全球土地覆盖计划（GLC2000）

（2）欧空局全球陆地覆盖数据（ESA GlobCover）

3.地理科学生态网
网站地址www.csdn.store

4.马里兰大学数据集
UMd基于AVHRR数据的5个波段及NDVI数据经过又一次组合建议数据矩阵，用分类树的方法进行了全球土地覆盖分类工作。其目的是希望建立一个比过去数据更高精度的数据集