重分类工具将使用多种方法对像元值进行重分类或者将其更改为替代值。 可以一次对一个值进行重分类，也可以使用替代字段一次对一组值进行重分类；基于条件，例如指定间隔（例如，将值分组为 10 个间隔）；或者按面积（例如，将值分组为包含相同数量像元的 10 个组）。 这些工具可帮助您将输入栅格中的众多值轻松地更改为所需值、指定值或替代值。
所有重分类方法都应用于分区内的每个像元。 也就是说，当将替代值应用于现有值时，所有重分类方法都会将替代值应用于原始分区的每个像元。 重分类方法不会仅对输入区域的一部分应用替代值。
以下内容详细叙述了需要进行重分类的一些原因。
根据新信息替换值
当您希望使用新值替换输入栅格中的值时，重分类将非常有用。 这可能是因为发现像元值实际上应该是另外一个值，例如，某区域的土地利用类型将随着时间的推移而发生变化。
将值组合到一起
您可能希望简化栅格中的信息。 例如，您可能要将多种类型的森林组合为一个森林类。
按常用等级对一组栅格的值进行重分类或重设等级
重分类的另一个原因是为栅格分配首选项、敏感度、优先级或者一些类似条件的值。 可对单个栅格（对于土壤类型栅格，可指定用值 1 到 10 代表土壤腐蚀的可能性）或多个栅格执行此操作，从而为值创建一个相同的等级。
例如，当土壤被视为建筑物适宜性模型的输入时，可能适合在土壤类型上进行建造。 但是对于侵蚀、动物栖息地、池塘选址或者确定农田，相同的土壤类型将根据现有问题具有不同的适宜性权重。 要表示与这些许多不同的适宜性权重相关的栅格，必须将栅格上的值从标称值（表示类的值）更改为间隔值或比率值，以便相互关联地使用这些值。 添加土壤类型和土地利用以获得建筑物适宜性栅格没有意义。 但如果土壤类型和土地利用类型位于表示建筑物适宜性相对权重的测量系统中，那么对这些栅格的分析便可轻松完成。
在标识发生雪崩风险最大的坡度时，输入栅格可能为坡度、土壤类型和植被。 根据每个栅格中各属性对发生雪崩的敏感性，可将各个栅格按从 1 到 10 的等级进行重分类，也就是说，坡度栅格中陡坡的值将指定为 10，因为陡坡最容易发生雪崩。
上述每个示例都被视为适宜性模型。 制作适宜性地图通常包括四个步骤：
- 输入数据集。
决定作为输入的数据集。
- 派生数据集。
如果适用，需要创建可从基础输入数据集派生的数据集，例如，可以从高程栅格派生坡度和坡向。 通过现有数据创建数据，从而获得新信息。
- 对数据集进行重分类或重设等级。对数据集进行重分类。
按常用等级（例如，1 到 10）将每个数据集进行重分类，属性的适宜程度越高，设定的等级值应该越大。
- 对数据集进行加权然后将其合并。
如有必要，可对适宜性模型中应具有更大影响力的数据集进行加权，然后将这些数据集合并以查找合适的位置。
以下示例流程图用于为学校寻找最佳位置。 输入基础图层为土地利用、高程、娱乐场所和现有学校。 派生数据集为坡度、距娱乐场所的距离以及距现有学校的距离。 然后按照 1 到 10 的等级对各个栅格进行重分类。 为与娱乐场所及其他学校的距离设定较高的权重，然后将经过重分类的栅格添加在一起。
将特定值设置为 NoData 或者为 NoData 像元设置某个值
有时您希望从分析中移除特定值。 例如，这可能是因为某种土地利用类型存在限制，例如湿地限制，这意味着您无法在此处进行建造。 在这种情况下，您可能要将这些值更改为 NoData 以将其从后续的分析中移除。
在另外一些情况下，您可能要将 NoData 值更改为某个值，例如，表示 NoData 值的新信息已成为已知值。