加权总和函数

通过将栅格数据各自乘以指定的权重并合计在一起来叠加多个栅格数据。

注释

输入栅格可以是整型或浮点型。

权重将应用至输入栅格的指定字段。 字段的类型可以是短整型或长整型,双精度型或浮点型。

将多个栅格数据一起添加的有效方法是输入多个栅格并将所有权重设置为 1。

权重值可以是正的或负的小数值。 并不限定该值必须是相对百分比,也无需等于 1.0。

参数

参数名称描述

加权总和表

加权总和表将由以下三个属性进行定义:

  • 栅格 - 进行加权的栅格。
  • 字段 - 用于加权的栅格字段。
  • 权重 - 与栅格数据相乘的权重值。 该值可以是正的或负的小数值。

像元大小类型

选择输出栅格中使用的像元大小。 如果所有输入像元大小均相同,则所有选项都会产生相同的结果。

  • 第一个 - 使用输入栅格的第一个像元大小。
  • 最小值 - 使用所有输入栅格中的最小像元大小。
  • 最大值 - 使用所有输入栅格中的最大像元大小。 这是默认设置。
  • 平均值 - 使用所有输入栅格的平均像元大小。
  • 最后一个 - 使用输入栅格的最后一个像元大小。

范围类型

选择输出栅格中应使用的范围。

  • 第一个 - 使用第一个输入栅格的范围来确定处理范围。

  • 交集 - 使用叠置像素的范围来确定处理范围。 这是默认设置。
  • 并集 - 使用所有栅格的范围来确定处理范围。
  • 最后一个 - 使用最后一个输入栅格的范围来确定处理范围。

了解有关加权总和的详细信息

使用“加权总和”函数可以对多个输入进行加权及组合,以创建整合式分析。 该函数可以轻松地将多个栅格输入(代表多种因素)与组合权重或相对重要性相结合,在这一方面它与加权叠加函数很相似。

加权总和可将每个输入栅格的指定字段值与指定权重相乘。 然后将所有输入栅格相加来创建输出栅格。

这两种函数有两个主要区别:

  • “加权总和”函数不会将重分类值重设到评估等级。
  • “加权总和”函数允许浮点值和整型值,而“加权叠加”函数仅接受整型栅格作为输入。

不将重分类值重设到评估等级,分析可保持其分辨率。 例如,在适宜性模型中,如果有 10 个重新分类到 1 至 10 等级的输入条件(10 为最佳),并且未对其指定权重,则加权总和输出值的范围为 10 到 100。 对于相同的输入,加权叠加会将 10 至 100 的重分类分析范围规范化到评估等级,例如返回到 1 至 10 等级。 当只需要识别少数几个最适合的位置或指定数量的地点时,在加权总和中保持模型分辨率会很有用。

注:

将多个范围不同的连续的数据图层进行合并并不总是有意义的。

一般来说,连续栅格的值会分为不同的类别。 例如,不同的坡度值可以分为平坦、适中、陡峭和非常陡峭。 每个坡度值都可以指定为这些类别之一,并且指定了重分类值的类别相对于叠加分析中的条件,可以更好地表明该类的倾向性。 使用重映射函数可以对这些栅格进行重新分类。

加权叠加函数最常用于适宜性建模,并且可用于确保遵循正确的方法。 加权总和函数在需要保持模型分辨率或需要浮点型输出或小数权重时很有用。