01 实验要求
02 加载数据
分别有高程数据(elevation),基础设施分布数据(sites),学校分布数据(school),土地利用数据(landuse)4个数据。
加载的数据展示:
03 生成派生数据
3.1 通过高程数据计算坡度数据
生成的坡度数据展示:
3.2 计算基础设施的欧氏距离
基础设施的欧氏距离结果展示:
3.3 计算学校的欧式距离
学校的欧式距离的结果展示:
04 重分类
4.1 对坡度进行重分类
我们认为坡度越平缓的区域,越有利于建造新学校,所以将坡度较小的区域赋予较大值
重分类之后的坡度数据展示:
<注意,前面所有关于距离的结果的文件名我应该命名错误了,应该以dis_作为开头更合适,而不是re_>
4.2 对基础设施的欧氏距离结果重分类
基础设施的欧氏距离重分类结果展示:
4.3 对学校的欧式距离结果重分类
学校的欧式距离结果重分类之后的效果展示:
4.4 对土地利用进行重分类
土地利用重分类的结果展示:
05 对所有重分类结果进行加权计算
06 优化
最终效果展示:
其中天青石色表示适合新建学校