第十五章 栅格数据分析

b站课程：GIS | ArcGIS常用工具实战教程 (地理信息系统）
需要数据可评论或私信

第一章 栅格数据重分类

第一节 栅格数据重分类

栅格数据分析使用的栅格最好是一个波段，多个波段只能第一个波段运算

第二节 栅格重分类的使用

• 重分类 (Reclassify)

  • 将栅格图层的数值进行重新分类组织或者重新解释，

  • 重分类的关键是确定原数据到新数据之间的对应关系。

  • 重分类只能从（详）细到粗（咯），不能相反、可逆操作。

  • Reclassify对多波段影像，按第一个波段处理

• 打开第十五章第一部分的这个数据，可以看到是一个波段的

• 

• 使用“重分类”工具，并查看其帮助

• 如果要对值的范围重新分类，除两个输入范围的边界外，范围不应重叠。
• 在发生重盈的位置，较低输入范围的最大值将包含在取值范围中，而较高输入范围的最小值将不包合在取值范围中。(取上不取下)
• 举例来说，如果指定了两个范围，比如将值1到5重新分类为 100，将5到10重新分类为 200,
• 则小于或等于5的输入值，将指定给输出值 100，而大于 5的输入值（如 5.1）则会指定给 200。

• 效果

• 

第三节 重分类的使用中的空值使用

• NoData是空。

• 什么也没有(NULL)，空不等于0，设置为nodata，输出为空白 (默认是透明的），从表面上颜色和背景色一样，使用信息查询Info查询对应位置数据返回的是Nodata。

• 比如我们把小于2000的全部显示，大于的变为空（nodata）

• 在“分类”中选择中断值为2000，然后删除其他条目，并最下面打上勾。这样就只返回小于等于2000的数据

• 

• 效果

• 

第四节 重分类的案例：分类统计面积

可以看出前面分类的结果图层里，这个是像元个数，根据这个我们可以算面积

• 使用“栅格转面”工具

• 

• 就得到了很多个面

• 要统计的话还需要使用“融合”工具

• 根据gridcode融合，然后就得到了三个不同区域的面积

• 

第五节 坡度矢量分级图生成

• 选择数据，重分类，栅格转面，然后设置其符号系统，设置按类别不同样式就行了

第二章 栅格计算器

第一节 栅格计算器介绍

• 在类似计算器的界面中，使用 Python 语法构建和执行单个地图代数表达式。
• 栅格计算器可以是数学运算符（加、除等）和逻辑运算符（大于、等于等），
• 可以是一个图层也可以两个图层，两个以上的图层，要注意坐标系相同，CELLSIZE大小（分辦率）要相同。

第二节 栅格计算器使用

• 栅格计算器Raster Calculator是栅格数据空间分析中数据处理和分析中最为常用的方法，应用非常广泛，能够解决各种类型的问题，尤其重要的是：建立复杂的应用数学模型的基本模块。
• ArcGIS 提供了非常友好的图形化栅格计算器，利用栅格计算器，不仅可以方便的完成基于数学运算符的栅格运算，以及基于数学函数的栅格运算，而且它还支持直接调用ArcGIS 自带的栅格数据空间分析函数，并且可以方便的实现多条语句的同时输入和运行
• 导入第十五章的第一部分第二节的两个tif数据
  • 可以看到dem.tif相比dem0.tif是有一些空值的，
  • 数学运算上可以用于栅格数据的加密
    • 通过混合运算改变值，但是图形显示是一样的
  • 逻辑运算返回的就是0和1
    • 比如算出高程>2580的地方
  • 两个图层之间的运算
    • 两个图层相减，前面特殊处理过的空值就会暴露出来
    • con相当于if
    • 这里表示如果不相同，就返回其差值。如果对应是相同的部分，就啥也不返回
    • 如果不方便观察的话，可以将结果进行栅格转面/线/点进行观察
  • 对于==
    • 因为浮点数永远相等不了，随意可以这样写(学过c语言的应该都懂)
    • Abs ( "demo.tif "- 2500)<0.5
  • 将空的数据填补为0
    • Con(IsNull(“dem.tif”),0, “dem.tif”)
    • 如果是null就填0，否则就是他原来的值

注意事项

第三节 栅格计算器函数

• 算数函数

• 三角函数、对数函数

• 其他重要函数

第四节 栅格计算器应用如比较影像的不同

第五节 空和0转换，使用矢量值替换修改栅格

• 放一个矢量的圆形区域，使得原来的栅格数据在这个区域内的值变为0

• 如何操作呢

• 首先“面转栅格”,转的时候记得把输出栅格的分辨率调整为一样的

• 公式参考下面的

• 老师写的

• 发现结果有点小，这时候我们要调整环境变量，将处理范围改成与大的栅格数据相同，就行了,环境变量的设置很多

• 

• 效果

第三章 插值分析

第一节 插值分析介绍

空间插值常用于将离散的测量数据转换为连续的数据曲面，以便与其它空间现象的分布模式进行比较它包括了空间内插和外推两种算法。

空间内插算法是一种通过已知点的数据推求同一区域其它未知点数据的计算方法

空间外推算法则是通过已知区域的数据，推求其它区域数据的方法。

我们讲的主要是内插，地统计主要搞外推

• 插值是根据很多目标点来插的
  • 点越多越好
  • 分布均匀

第二节 插值工具介绍

第三节 插值工具使用

方法具体的数学原理和优缺点这里就不介绍啦，可以查看arcgis的帮助，都写的挺详细了

• 反距离权重法

  • 像元大小一般来说根据比例尺来设置，1:10000改成2.5，其他的比例尺以此类推，比如1:2000就是0.5
  • 初步效果
  • 进一步我们设置一下范围，就是要设置环境变量
    • 首先我们产生一个划定范围的面要素
    • 在“自定义”->“环境”
    • 再重新做一遍结果就是这个形状的

• 样条函数法

  • 跟前面的差不多

• 自然邻域法

  • 跟前面的差不多

• 克里金法

  • 最常用的，也是这些方法里最好的

  • 摘自摘要：

    IDW（反距离权重法）和样条函数法插值工具被称为确定性插值方法，因为这些方法直接基于周围的测量值或确定生成表面的平滑度的指定数学公式。第二类插值方法由地统计方法（如克里金法）组成，该方法基于包含自相关（即，测量点之间的统计关系）的统计模型。因此，地统计方法不仅具有产生预测表面的功能，而且能够对预测的确定性或准确性提供某种度量。

    克里金法假定采样点之间的距离或方向可以反映可用于说明表面变化的空间相关性。克里金法工具可将数学函数与指定数量的点或指定半径内的所有点进行拟合以确定每个位置的输出值。克里金法是一个多步过程；它包括数据的探索性统计分析、变异函数建模和创建表面，还包括研究方差表面。当您了解数据中存在空间相关距离或方向偏差后，便会认为克里金法是最适合的方法。该方法通常用在土壤科学和地质中。

  • 克里金插值是有预测性的

  • 看效果也比较细腻

• 趋势面法

• 通过文件实现地形转栅格

  • 跟前面的不同，可以将点、线和面数据插值成符合真实地表的栅格表面
  • 适合等高线、高程数据，山川河流啥的

第四节 地统计和插值中异常值查找

做插值前要进行地统计（空间统计）的异常值处理