DeepSeek智能时空数据分析(四):绘制行政区域并定制样式

序言:时空数据分析很有用,但是GIS/时空数据库技术门槛太高

时空数据分析在优化业务运营中至关重要,然而,三大挑战仍制约其发展:技术门槛高 ,需融合GIS理论、SQL开发与时空数据库等多领域知识;空间数据缺乏直观可视化工具 ,导致分析结果难以高效传达;现有产品成本高昂,限制了中小企业应用。

本系列文章将借助DeepSeek等大模型的能力,通过NL2SQL等免费/低成本 AI GIS智能体能力,帮助不熟悉SQL、GIS但是有空间数据分析需求的读者实现最常用的分析功能。

前序文章

《DeepSeek智能时空数据分析(一):筛选特定空间范围内的POI数据》

《DeepSeek智能时空数据分析(二):3秒对话式搞定"等时圈"绘制》

《DeepSeek智能时空数据分析(三):专业级地理数据可视化赏析-《杭州市国土空间总体规划(2021-2035年)》》

行政区域绘制的一个经典案例

前文所述《杭州市国土空间总体规划(2021-2035年)》(公开稿),有很多经典的行政区域绘制案例,例如:

这些经典行政区域绘制案例兼具科学性与美观性,本文将利用免费地理工具尝试进行复刻。

绘制行政区

首先,从免费地理数据工具GeoAtlas上下载一份杭州市行政区数据:

然后用DataV Atlas导入这份杭州市行政区数据:(也可以用其他任意gis工具如qgis等开源工具进行绘制,方式不同)

DataV Atlas导入这份杭州市行政区数据后是默认样式,与《杭州市国土空间总体规划(2021-2035年)》差距较大,需要对样式进行调整;

定制行政区样式

  • 调整区域面样式:将颜色调为绿色,透明度60;
  • 调整描边样式:边线颜色选红色,加粗到3px,线型选虚线;

    可以发现有点雏形了,但是缺少内部区级边界线;可以从DataV Atlas再下载一份包含区县的行政区数据;导入DataV Atlas并新建图层,进行样式调整;

调整底图样式

DataV Atlas默认的底图是高德城市地图,风格不够美观,参考规划设计需要换成卫星底图,并且将饱和度降低,以突出数据等要素;

提供一份样例卫星底图:https://webst04.is.autonavi.com/appmaptile?style=6\&x={x}\&y={y}\&z={z}

设置完卫星底图之后,行政区绘制的整个样式就接近规划图风格了。

下一篇继续在此基础上,参考《杭州市国土空间总体规划(2021-2035年)》经典样例,叠加其他空间要素。

免费时空数据分析工具

本文用到的个空间分析工具对学习者如高校学生都是免费的,可以自行获取学习使用;个人开发者可以选择低成本版本或者看有没有免费试用。

大模型NL2SQL时空数据分析工具DataV Atlas可以参考之前介绍文章获取;https://blog.csdn.net/guoweish/article/details/146253025?spm=1011.2124.3001.6209

相关推荐
IndustrialSphere3 小时前
工业历史趋势图为什么会误导人?用三条数据检查倒序、缺测和截断
api·数据可视化·工业软件·industrialsphere·历史数据
benchmark_cc6 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
AllData公司负责人9 小时前
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
GrowingIO技术社区12 小时前
埋点方案怎么写?从业务问题到事件设计与验收
数据分析
复杂网络与机器学习17 小时前
Meta 重写 K-Means:25 轮压成 2 轮,GPU 快 45 倍
人工智能·算法·数据挖掘
zhanlang021717 小时前
HTML 零基础入门到企业实战全套教程【第六章 6.1】表格标签|实现数据可视化展示
前端·信息可视化·html
效率工作实验室18 小时前
企业智能数据分析工具选购攻略:从需求梳理到方案落地的完整指南
数据分析·agent·选型·企业数据分析工具怎么选·数据分析工具选购指南
wang_yb1 天前
时间序列数据,先拆规律还是先查异常
数据分析·databook
databook1 天前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
楚山之石2 天前
【Nat Biomed Eng】Connectome 2.0 超高梯度扫描仪:500 mT/m 与 600 T/m/s 把活体人脑微观结构分辨推进到亚微米级
图像处理·学习·数据分析·mri