简介：这份ARCGIS空间分析制图PPT课件面向地理信息、城乡规划与测绘相关专业的学生及从业者，用于系统学习空间分析制图的核心方法与典型应用。内容围绕空间分析专题图展开，涵盖专题图简介、常见类型、居民点面积分布图、新建高速公路征地范围专题图、饭店选址区位专题图等模块，并延伸至数据融合、数据分割、数据求差、数据更新、缓冲区分析、路径分析、资源分配、连通分析与叠加分析等方法，以及符号化、颜色编码、尺度编码等专题图制作技巧。资源包共1个文件，为ppt格式，大小约8.21MB，结构紧凑，便于课堂演示与自学查阅。目前已有469人学习浏览，适合作为课程配套讲义或实操参考。读者可借此掌握从数据处理、属性关联到专题图整饰的完整流程，理解空间分析在城市规划、交通规划、环境监测与资源管理等场景中的落地思路，并熟悉ARCGIS平台相关分析功能的操作逻辑。

1. 从一份“ARCGIS空间分析制图ppt课件.ppt”说起：为什么你照着课件做还是出不了图

很多人手里都有一份名为“ARCGIS空间分析制图ppt课件.ppt”的文件，可能是别人拷的，也可能是某次培训留下的。打开一看，步骤写得清清楚楚：加载数据、选工具、填参数、点运行、出图。可自己一上手，要么工具找不到，要么结果全黑，要么图例乱成一团。问题不在课件，而在于课件只记录了“点哪里”，没记录“为什么这样点”以及“参数背后的数据条件”。空间分析制图本质是一条链路：数据准备、坐标系统一、分析工具选择、符号化、出图整饰。任何一环数据不匹配，后面全崩。这份课件适合谁？适合已经会用ArcGIS基本操作、但一做空间分析就翻车的从业者，也适合需要把分析结果做成规范图件的人。接下来我不复述课件，而是把这条链路拆成能复现的步骤，把参数和坑一起讲清楚。

2. 数据准备与坐标系统一：分析之前必须做对的两件事

2.1 为什么坐标系不统一会让所有空间分析结果变成玄学

空间分析工具在计算距离、面积、叠加时，默认按数据的坐标值直接算。如果两个图层的坐标系不一致，比如一个是地理坐标系（单位是度），一个是投影坐标系（单位是米），工具不会自动帮你转换，而是直接拿度当米算，结果就是距离差几十万倍，缓冲区要么小得看不见，要么大得覆盖整个省。常见做法是：在开始任何分析之前，先右键图层查看属性，确认坐标系。如果要做距离、面积、密度类分析，必须统一到投影坐标系，并且投影参数要适合研究区域。我一般会选高斯-克吕格或UTM对应带号，保证长度变形最小。如果只是做叠加统计，至少也要统一到同一个地理坐标系，但面积计算仍然不可靠。

具体操作上，用“投影”工具而不是“定义投影”。定义投影只是给数据贴标签，不改变坐标值；投影才是真正做数学转换。批量处理时可以用“批量投影”工具，或者写一段ArcPy脚本。下面这段脚本演示如何把一个文件夹下所有shp统一投影到目标坐标系，并输出到新文件夹。

# -*- coding: utf-8 -*- import arcpy import os # 输入文件夹，存放待投影的shp input_folder = r"D:\data\raw_shp" # 输出文件夹 output_folder = r"D:\data\projected_shp" # 目标投影坐标系，这里以CGCS2000 3度带中央经线120度为例 target_sr = arcpy.SpatialReference(4547) # CGCS2000_3_Degree_GK_CM_120E if not os.path.exists(output_folder): os.makedirs(output_folder) arcpy.env.workspace = input_folder shp_list = arcpy.ListFeatureClasses() for shp in shp_list: out_path = os.path.join(output_folder, shp) # 关键：使用Project_management，而不是DefineProjection_management arcpy.Project_management(shp, out_path, target_sr) print("已投影: " + shp)

逻辑说明：arcpy.SpatialReference(4547)里的4547是WKID，对应CGCS2000 3度带中央经线120度。不同区域要换WKID，不能照抄。Project_management会真正改变几何坐标，DefineProjection_management只改元数据。参数上，如果输入数据本身没有坐标系，Project_management会报错，这时需要先用DefineProjection_management补上正确坐标系，再投影。输出路径不要和输入同目录，避免覆盖。

2.2 属性表清洗与字段类型：被忽略的制图杀手

空间分析结果最终要制图，制图要靠属性字段来分类、标注、符号化。如果字段类型不对，比如面积字段是文本型，分类就做不了；如果字段里有空值或异常值，图例会出现空白或乱码。常见做法是：在分析前检查字段类型，数值字段必须是双精度或长整型，文本字段用于名称标注。对于空值，用字段计算器批量赋一个合理默认值，或者单独提取出来检查。我一般会先跑一遍“汇总统计”，看每个数值字段的最小值、最大值、平均值，判断有没有离谱值。比如人口字段出现负数，或者面积字段出现0，都要回头查数据源。

下面这段代码演示如何用ArcPy检查字段类型并统计空值数量，适合在分析前批量筛查。

import arcpy fc = r"D:\data\projected_shp\study_area.shp" field_list = arcpy.ListFields(fc) for field in field_list: # 只关注数值和文本字段 if field.type in ["Double", "Single", "Integer", "SmallInteger", "String"]: null_count = 0 with arcpy.da.SearchCursor(fc, [field.name]) as cursor: for row in cursor: if row[0] is None or (field.type == "String" and row[0].strip() == ""): null_count += 1 print("字段: {0}, 类型: {1}, 空值数: {2}".format(field.name, field.type, null_count))

逻辑说明：arcpy.da.SearchCursor比老式游标快，适合大表。空值判断要区分None和空字符串。如果空值比例超过5%，建议单独处理，不要直接参与分类。参数上，field.type返回的是ArcGIS内部类型名，和Python类型不同，判断时要用字符串。这段脚本只读不写，安全。

3. 空间分析工具选型与参数设置：缓冲区、叠加、密度到底怎么选

3.1 缓冲区分析：距离字段和融合选项决定结果形态

缓冲区是空间分析制图里最常用的工具，但很多人做出来的缓冲区是一堆重叠圆环，没法看。核心在三个参数：距离、融合类型、侧类型。距离可以固定值，也可以来自字段。如果来自字段，单位必须和投影坐标系一致，否则又是度米混算。融合类型选NONE时每个要素独立成环，选ALL时所有缓冲区合并成一个大多边形。制图时如果只想看整体影响范围，选ALL；如果要区分每个要素的影响，选NONE。侧类型FULL是两侧，LEFT和RIGHT只对线要素有意义。我一般会先做NONE，检查每个环是否合理，再决定要不要融合。

下面这段代码演示用字段值做缓冲区，并融合所有结果，适合做服务半径覆盖图。

import arcpy input_fc = r"D:\data\projected_shp\facilities.shp" output_fc = r"D:\data\analysis\buffer_all.shp" # 假设facilities.shp里有一个字段service_radius，单位是米 distance_field = "service_radius" # 先做不融合的缓冲区，便于检查 arcpy.Buffer_analysis(input_fc, r"D:\data\analysis\buffer_each.shp", distance_field, "FULL", "ROUND", "NONE") # 再做融合缓冲区 arcpy.Buffer_analysis(input_fc, output_fc, distance_field, "FULL", "ROUND", "ALL") print("缓冲区完成")

逻辑说明：Buffer_analysis的第三个参数可以是数值，也可以是字段名。用字段时，字段必须是数值型。ROUND是端点样式，还有FLAT和SQUARE，制图一般用ROUND。ALL融合会丢失原始要素属性，如果后续还要按属性分类，应该用NONE然后自己做融合。参数上，如果距离字段单位是公里，而坐标系是米，要先在字段计算器里乘以1000。

3.2 叠加分析：相交、联合、标识的区别与字段处理

叠加分析工具很多，相交（Intersect）、联合（Union）、标识（Identity）最容易混。相交只保留所有输入图层重叠的部分，属性表包含所有输入字段。联合保留所有输入图层的全部范围，重叠部分只出现一次，属性表也包含所有字段。标识保留第一个图层的全部范围，用第二个图层去切割，属性表包含两个图层的字段。制图时，如果要做多条件筛选，比如同时满足坡度小于15度且土地利用为林地，用相交。如果要统计每个区域内的所有地类面积，用联合。如果要以某个行政区为底，叠加其他图层，用标识。

字段处理是叠加后的重灾区。多个图层如果有同名字段，比如都叫“面积”，叠加后会自动加后缀，变成“面积”、“面积_1”。制图时引用字段要小心。我一般会在叠加前把关键字段重命名，比如“area_landuse”、“area_slope”，避免混淆。下面这段代码演示相交后检查字段名并重命名。

import arcpy intersect_fc = r"D:\data\analysis\intersect_result.shp" field_list = [f.name for f in arcpy.ListFields(intersect_fc)] # 打印所有字段，找出带后缀的 for f in field_list: if "_1" in f or "_12" in f: print("疑似重名字段: " + f) # 假设要把"面积_1"重命名为"area_slope" if "面积_1" in field_list: arcpy.AlterField_management(intersect_fc, "面积_1", "area_slope", "坡度面积") print("重命名完成")

逻辑说明：AlterField_management可以改字段名和别名，但不能改类型。重命名后，后续符号化和标注都用新名字。参数上，如果字段被其他工具引用，重命名会断掉引用，所以要在分析流程早期做。这段脚本只处理一个字段，批量处理可以循环。

3.3 密度分析：核密度与点密度的选择及搜索半径

密度分析用来做热力图，核密度（Kernel Density）和点密度（Point Density）区别在于核密度会平滑，点密度是格网计数。制图时核密度更美观，但搜索半径（Search Radius）决定平滑程度。半径太小，热力图碎；半径太大，热点糊成一片。常见做法是先用默认半径跑一遍，看结果分布，再调整。默认半径通常基于数据范围自动计算，不一定适合。我一般会按研究目的设：如果看社区级热点，半径500米到1000米；如果看城市级，3000米到5000米。输出像元大小也要设，太大丢细节，太小文件巨大。一般设成搜索半径的十分之一左右。

下面这段代码演示核密度分析，指定搜索半径和输出像元。

import arcpy from arcpy.sa import * # 检查Spatial Analyst许可 arcpy.CheckOutExtension("Spatial") input_point = r"D:\data\projected_shp\points.shp" output_raster = r"D:\data\analysis\kde.tif" population_field = "population" # 可选，用人口加权 search_radius = 1000 # 单位与坐标系一致，这里是米 cell_size = 100 # 输出像元大小 # 核密度分析 out_kde = KernelDensity(input_point, population_field, cell_size, search_radius, "SQUARE_METERS") out_kde.save(output_raster) print("核密度完成")

逻辑说明：KernelDensity是Spatial Analyst工具箱里的工具，需要许可。population_field选NONE就是每个点权重相同，选字段就是加权。SQUARE_METERS是输出单位，还有SQUARE_MAP_UNITS等。参数上，cell_size如果设得太小，比如10米，输出栅格可能几个GB，制图时加载都卡。建议先设大一点看效果，再逐步缩小。

4. 制图符号化与出图整饰：让分析结果能直接进报告

4.1 分级色彩与分级符号：分类方法选错，图就白做了

分析结果出来后，符号化决定读者第一眼看到什么。分级色彩用于面状数据，分级符号用于点状数据。分类方法有等间隔、分位数、自然间断点、标准差。等间隔适合分布均匀的数据，分位数适合强调排名，自然间断点适合找自然分组，标准差适合看偏离均值。我一般先用自然间断点看数据分布，如果分组不合理再换。分类数量不要超过7级，否则图例看不清。颜色用色带时，顺序数据用单色渐变，分类数据用定性色带。不要用彩虹色带，打印出来全是灰。

下面这段代码演示用ArcPy修改图层的符号系统，设置分级色彩。注意：ArcPy不能直接改符号颜色，但可以改分类方法和断点，颜色需要在ArcMap或ArcGIS Pro里手动调，或者用.lyr文件。

import arcpy mxd = arcpy.mapping.MapDocument(r"D:\data\analysis\map.mxd") df = arcpy.mapping.ListDataFrames(mxd)[0] lyr = arcpy.mapping.ListLayers(mxd, "study_area", df)[0] # 设置分级色彩，这里用自然间断点，5级 lyr.symbologyType = "GRADUATED_COLORS" lyr.classificationMethod = "NATURAL_BREAKS" lyr.numClasses = 5 lyr.classField = "area_landuse" arcpy.RefreshActiveView() mxd.save() print("符号系统已更新")

逻辑说明：这段代码基于ArcMap的arcpy.mapping，ArcGIS Pro用的是arcpy.mp，接口不同。classField必须是数值字段。numClasses建议3到7。颜色不会自动变，需要在图层属性里选色带。参数上，如果字段有大量重复值，自然间断点可能报错，换分位数。

4.2 图例、比例尺、指北针：出图整饰的四个固定动作

出图整饰不是随便拖几个元素上去。图例要检查字段名是否和图层一致，分类是否完整。比例尺要选对单位，投影坐标系用米或千米，地理坐标系用度分秒。指北针只在北朝上时加，如果旋转了地图，指北针要跟着转。标题要写清楚分析内容、时间、数据来源。我一般会先放图例，再放比例尺，最后放指北针和标题，避免遮挡。导出时分辨率至少300dpi，格式用PNG或PDF，PDF矢量更清晰。

下面这段代码演示用ArcPy导出地图，设置分辨率和格式。

import arcpy mxd = arcpy.mapping.MapDocument(r"D:\data\analysis\map.mxd") output_pdf = r"D:\data\analysis\final_map.pdf" output_png = r"D:\data\analysis\final_map.png" # 导出PDF，分辨率300 arcpy.mapping.ExportToPDF(mxd, output_pdf, resolution=300) # 导出PNG，分辨率300 arcpy.mapping.ExportToPNG(mxd, output_png, resolution=300) print("导出完成")

逻辑说明：ExportToPDF支持矢量，适合打印。ExportToPNG是位图，适合插入Word。resolution参数对PDF是有效DPI，对PNG是像素密度。参数上，如果地图元素超出页面范围，导出会截断，要在布局视图里检查。

5. 避坑与排查：空间分析制图最常见的五个翻车现场

5.1 工具运行后结果为空或全黑

现象：点运行后，图层加载了但什么都看不到，或者全是黑色。原因：坐标系不一致导致结果范围跑到别处，或者符号化用了默认的黑色填充。解决：先缩放至图层，看结果在哪；再检查坐标系是否统一；最后改符号颜色和透明度。

5.2 面积计算出现负数或零

现象：计算几何面积后，字段里出现负数或0。原因：面要素有自相交或环方向错误，或者投影坐标系不适合导致变形。解决：用“修复几何”工具先修数据，再重新计算面积。如果还有问题，换投影。

5.3 叠加后属性表字段爆炸

现象：相交或联合后，属性表出现几十个字段，分不清哪个是哪个。原因：多个输入图层有同名字段，工具自动加后缀。解决：叠加前重命名字段，叠加后只保留需要的字段，用“删除字段”工具清理。

5.4 核密度结果全是同一个值

现象：核密度输出栅格，所有像元值一样。原因：搜索半径设得太大，覆盖了整个研究区，或者点数据全部重合。解决：缩小搜索半径，检查点数据是否有重复坐标。

5.5 导出地图时图例显示不全

现象：导出PDF后，图例只显示部分分类，或者文字被截断。原因：图例框太小，或者分类太多。解决：调整图例框大小，减少分类数量，或者把图例改成两列。

6. 进阶技巧：用模型构建器把重复制图流程固化下来

如果你经常做同样的空间分析制图，比如每月更新一次缓冲区覆盖图，手动点工具迟早会烦。模型构建器（ModelBuilder）可以把整个流程串起来，从投影、缓冲区、叠加到符号化、导出，一键运行。更进阶的是把模型导出成Python脚本，用ArcPy批量处理多个区域。我一般会先搭模型，跑通后再导出脚本，加循环和参数。这样下次换数据，只改输入路径就行。

下面这段代码演示用ArcPy批量处理多个区域的缓冲区并导出地图，核心是循环和地图文档替换数据源。

import arcpy import os # 区域列表 regions = ["region_a", "region_b", "region_c"] base_folder = r"D:\data" output_folder = r"D:\data\output" for region in regions: # 输入数据 input_fc = os.path.join(base_folder, region, "facilities.shp") buffer_fc = os.path.join(output_folder, region + "_buffer.shp") # 缓冲区 arcpy.Buffer_analysis(input_fc, buffer_fc, "500 Meters", "FULL", "ROUND", "ALL") # 加载地图文档模板 mxd = arcpy.mapping.MapDocument(r"D:\data\template.mxd") df = arcpy.mapping.ListDataFrames(mxd)[0] # 替换数据源 lyr = arcpy.mapping.ListLayers(mxd, "buffer_layer", df)[0] lyr.replaceDataSource(os.path.dirname(buffer_fc), "SHAPEFILE_WORKSPACE", os.path.basename(buffer_fc)) # 导出 output_pdf = os.path.join(output_folder, region + "_map.pdf") arcpy.mapping.ExportToPDF(mxd, output_pdf, resolution=300) # 清理 del mxd print("完成: " + region)

逻辑说明：replaceDataSource要求工作空间类型和路径正确，shp用SHAPEFILE_WORKSPACE。os.path.dirname和os.path.basename拆分路径。参数上，如果模板里的图层名和代码里不一致，会报错，要先确认。这段脚本适合区域数量不多的情况，如果上百个，建议用多进程。

我自己的习惯是：任何重复三次以上的制图操作，一定写成脚本或模型。血泪经验是，手动操作多了，总有一次忘了改坐标系或者忘了融合，图就废了。希望帮到你。

本文还有配套的精品资源，点击获取