01 实验数据

Landuse92（GRID格式）和Slope1（GRID格式，原始未分类），分别表示土地利用数据和坡度数，另外还有tdlymetadata.dbf（属性表），LandUse92的Value值与土地利用类型的对应关系参见tdlymetadata.dbf。

02 实验要求

1. 以landuse92、slope1数据为基础分析该区域各土地利用类型的坡度情况，在此基础上进行退耕还林还草决策分析（假定只考虑坡度大于35°的耕地需要退耕），并写出决策分析报告。
   
2. 土地利用类型中的耕地包括：灌溉水田、望天地、平旱地、坡地、轮歇地；
   
3. 坡度分类标准为：
   

4. 在分析之前，请设置视图单位为meters（为什么要将显示单位/视图单位更改为meters呢？暂时不知道）
   
5. LandUse92的Value值与土地利用的关系请参见同文件夹下的土地利用类型元数据：tdlymetadata.dbf。
   
6. 实验结果以表格形式表现：
   

表一：各土地利用类型的坡度分析（面积百分比%）

表二：耕地坡度组成

03 实验思路

我先说说其中简单要求的一些思路，对于最难的部分(如何快速得到上述两个表格？)我前前后后想了好多种，不负众望终于想到了一种比较好的思路了，真的很开心。

3.1 简单要求的思路

第一，对于坡度数据Slope1(GRID格式)，由于是原始的坡度，因此我们想要完成表格就需要对坡度进重分类 ==> 对坡度数据进行重分类

第二，对于要求5中landuse92(GRID格式)中栅格属性值与土地的对应关系可以在土地利用类型元数据：tdlymetadata.dbf找到，这里倒还好，landuse92的value值类别不是很多你倒是可以一个一个去元数据表中对应找，但是value类别一旦多起来可不是这么好办的了，因此这里使用连接字段将元数据表中的字段连接倒landuse92中的属性表中(注意：只有离散型栅格数据才有属性表，若你的栅格数据打开属性表为灰色那么请对其进行重分类等使其变成离散型栅格而非连续型栅格)。

3.2 如何快速获取各个区域下各类地物的面积？

这里我也不想展示我那些复杂的方法，因为实际意义不大，没有人会这么做。

我这次实验最大的收获就是对面积制表工具(Spatial Anaysis Tools - 区域分析 - 面积制表)相见恨晚。

因为我想要实现是，举个例子吧！

假如我们有四川省各个地州市的行政区划(shp面数据)，另外我们有四川省内各种用地类型的数据(面数据)，那么我想统计各个地州市下不同用地类型的面积占比，怎么办？

或许你会想到何不使用分区几何统计，但是你要明白，我是要每一个地州市内的所有用地类型面积都需要知道，而分区几何统计更像是一维的感觉，它只能获取各个区域的面积，而不能获取各个区域下的各个地物的面积。

或许你还会想到分区统计，其实一开始我也是想这么用的，但是实际上并不可行，因为它实际上获取的各是各个区域上赋值栅格的统计值（或区域X内赋值栅格的平均值，或最大值，或最小值等统计值）。

所以我在不经意间（-_-/~）学习到了面积制表，它可以实现计算各个区域下所有用地类型的面积（注意是面积而不是像元个数）。

另外，对于面积制表操作后得到的表，为了后续计算面积占比我们希望将其转化为excel或许会方便我们进行操作计算。所以还需要使用表转Excel工具，当然你将该表复制到excel也是可以的（当然实际上Excel也是可以打开dbf的）。

04 实验流程

4.1 添加数据

4.2 对坡度数据进行重分类

4.3 landuse92和元数据表的字段连接

4.4 面积制表

4.5 表转Excel或者复制或者直接打开

4.5.1 表转Excel

如此其实已经完成了模型的构建，展示如下：

4.5.2 复制

4.5.3 直接打开（不推荐）

第一，你在输出的时候务必加上后缀.dbf；

第二，用Excel打开对于中文字符由于编码问题会出现乱码；

最终输出展示：

单位为landuse92的地图单位.

对于退耕还林分析这里不再展示.