企业官网建设流程全解析

今天想聊一个GIS课程和作业里出现频率特别高的问题：栅格数据空间叠置分析。网上经常能看到“我国地下水位栅格数据”“全国城市形态栅格数据集”这类分享帖子，很多人下载下来后不知道能拿来做什么，其实它们最常见的用途之一，就是拿来和其他数据做空间叠置分析。我教过这门课，也带过实际项目，见过太多同学拿到题目后，不管三七二十一，先双击打开ArcGIS再拖图层，结果叠加出来的结果跟实际情况对不上，或者跑完了自己都不知道结果对不对。这篇内容就把这类题目的完整解题流程拆开讲，从方案设计、数据预处理、重分类到栅格计算器加权叠加，一步不落，能直接照着自己的数据做。

1. 拿到题目先别急着拖数据：整体思路与方案设计

1.1 空间叠置分析的本质是什么

空间叠置分析听起来像是很高深的遥感或GIS算法，其实底层逻辑非常简单：把它想象成Excel里多列数据的逐行计算。每个栅格像元好比Excel中的一行，每个参与分析的栅格图层好比一列，叠置分析就是针对同一位置的像元，用特定的数学规则算出新值，从而生成一个新的结果栅格。用公式表达就是：

R_out = f(R1, R2, ..., Rn)

这里R1到Rn是参与叠加的各栅格图层，f可以是加减乘除，也可以是逻辑判断、条件分支，甚至是带权重的综合评价。比如判断“哪些地方地下水位浅且不透水面率高”，本质上就是把两个二值化栅格做一次乘法：

result = (地下水位浅) * (不透水面率高)

只有两个条件都为1的像元，结果才等于1。这样的操作在栅格计算器里几秒钟就能完成，但所有步骤的成立，必须依赖一个关键前提：所有参与运算的栅格，必须在坐标系、范围、分辨率上对齐。如果不齐，就好比两张同样大小的表格，一张按身份证号排序，一张按姓名排序，强行按行相加出来的结果没有任何意义。所以做空间叠置分析的第一课，不是学会点按钮，而是养成“先看数据底细”的习惯。

1.2 题目拆解：明确目标、因子和叠置逻辑

拿到一道叠置分析题目，不要急着动手。我习惯先花五到十分钟把题目拆成一张表：分析目标是什么；参与叠加的栅格有哪些；每个栅格在结果里起正向作用还是负向作用；最后该用交集、并集还是加权求和。

以“内涝高风险区识别”为例，拆解出来大概是这样的：

很多同学把“叠加”简单理解成“把图层都放在一个视图里看看”，这是不对的。叠置分析的“叠”，是逐像元做数学运算，而不是视觉上叠加。所以拆题的时候，更重要的是想清楚每个因子应该怎么化成可计算的数。比如地下水位是一个连续埋深值，不同埋深对危险的贡献不一样，那就需要先做重分类，把连续值变成等级值或二值逻辑值。城市形态栅格如果是不透水面率，同样需要先判断阈值。这步拆清楚了，后面所有操作都在为这个逻辑服务。

还有一点容易被忽视：题目里给的栅格数据范围往往比研究区大，比如全国家的城市形态栅格数据，而你只需要某个市的范围，那就必须先做“栅格数据裁剪掉面数据”。这一步不是可选项，不裁剪的话，后续计算量变大还在其次，更重要的是范围不一致会导致叠加结果出现大面积的无效像元。我见过太多次结果图边缘全是空白，根因就是这一步没做对。

1.3 工具选型：ArcGIS/QGIS/Python，思路一致

关于用什么软件做栅格叠置，每次上课都有同学问。我的回答一贯是：工具不重要，思路最重要。ArcGIS有现成的Spatial Analyst工具，QGIS有免费的处理工具集，Python有rasterio、geopandas这些开源库，甚至用R的raster/terra也能做。

不过不管用哪个工具，完整流程都是三段式：预处理让数据对齐；重分类让数据有意义；栅格运算得到最终结果。下面我就以这三段为主线，把每一步需要注意的细节讲透。

2. 预处理阶段的核心细节：坐标系、分辨率、裁剪与重采样

2.1 先查三件事：坐标系、范围、分辨率和NoData

数据预处理是栅格叠置分析里最枯燥，但也是拉开差距的部分。先说坐标系。许多公开栅格数据集默认是WGS84地理坐标系，也就是经纬度坐标，单位是度；而研究区边界shp可能是CGCS2000投影坐标系，单位是米。这两种坐标系下的栅格直接叠加，轻则位置偏移，重则整个结果图变形错位。把两个图层放到一个视图里看叠置关系，只能做初步判断，正确做法是在叠加前把所有数据统一到同一套坐标系下。通常用研究区所在的高斯-克吕格投影或UTM投影，因为面积和距离的量算更接近真实。

再查范围。两个栅格范围不一致时，即使坐标系相同，参与运算的有效范围也不同。比如一个栅格覆盖全省，另一个只覆盖市中心区，叠加结果的有效区域实际上会被限制在两者相交的部分。用边界shp做裁剪，正是为了把范围统一。第三个要查的是分辨率。常见国产栅格数据集有30米、90米、250米、1000米等不同尺度，如果直接参与运算，软件通常不会报错，但结果会按照某个默认规则重采样，而你未必知道发生了什么。

最后一个容易忽略的是NoData。NoData是栅格里的“无数据”标记，不是0。0是有数值0，NoData表示这个地方没有有效观测值。如果两个栅格中同一个位置一个有效一个NoData，做加法和乘法时，结果像元极可能也变成NoData。这一点如果在预处理阶段没有处理，最终结果会出现大量不规则的空白区域，看起来很像“分析失败”，其实只是NoData在作怪。

2.2 栅格数据裁剪掉面数据（shp）到底该用哪个工具

预处理里最高频的一步，就是用研究区边界shp把大范围栅格裁成小范围栅格。这步操作很简单，但工具选择有讲究。很多人习惯用ArcGIS Data Management工具箱里的Clip工具，它其实做的是外接矩形裁剪，如果shp是圆形的、多边形的、边界凹凸不平的，Clip出来的栅格会带有大量外围无效数据。正确做法是用Spatial Analyst工具箱里的Extract by Mask（按掩膜提取），它会严格按照面shp的形状裁剪，面外的像元设为NoData。

用QGIS的话，对应工具是“栅格提取→按掩膜图层裁剪栅格”，界面里可以选择是否将掩膜外的数据设为NoData。Python里则由rasterio包的mask函数完成类似操作，crop参数设为True即可。举个例子：

import rasterio from rasterio.mask import mask with rasterio.open("urban_form.tif") as src: out_image, out_transform = mask(src, shapes, crop=True)

需要注意的是，在勾选“将掩膜外像元设为NoData”时，裁剪结果的范围虽然是研究区形状，但边缘会出现一圈NoData。这是正常的，后面重分类时要注意把NoData保持在NoData，不能随意设成0。如果题目明确要求输出范围与shp完全一致，还要在环境设置中把栅格分析的范围指定为“与面数据的交集”。

2.3 分辨率不匹配怎么统一

分辨率不统一，是所有栅格叠置分析都会遇到的问题。最稳妥的办法，是先把所有栅格重采样到同一个像元大小。重采样工具各家都有，ArcGIS里是Resample，QGIS里是“栅格→投影→重采样”，Python用rasterio的reproject或rasterio.warp.reproject也能做。

重采样方法的选择比很多人想的重要。最邻近法（Nearest Neighbor）速度快，但会让连续数值出现锯齿状阶梯，适合土地利用分类等离散数据；双线性插值和三次卷积插值会平滑数值，适合气温、水位、坡度这类连续变量。比如地下水位从90米分辨率升到30米，用双线性插值更合理；而土地利用数据无论怎么升尺度，都应该用最邻近法，否则会出现不存在的类别像元。

统一到哪个分辨率也有讲究。如果题目没给明确要求，一般选所有数据中空间分辨率最高的那个，这样能保留更多细节；但如果做区域尺度分析，计算量是很大障碍，可以把所有数据统一到30米或100米这类常见尺度。遇到高分辨率栅格（如10米）和低分辨率栅格（如250米）叠加，想要保留高分辨率细节，又要消除低分辨率栅格的“锯齿”，可以先对低分辨率数据做双线性重采样，再用最邻近法把高分辨率数据统一到目标分辨率。这里有一个从“精度优先”角度出发的常用做法：先重采样，再裁剪，这样能让重采样过程尽量少地引入边界外的无效信息。我的个人习惯是“先重投影，再重采样，最后裁剪”，顺序尽量不要反。

3. 核心实现：重分类与栅格计算器加权叠加

3.1 为什么要重分类，怎么设置阈值

栅格原始值往往不能直接参与叠加。比如地下水位埋深2米和5米，数值上只差3，但对内涝风险的意义差别巨大。如果不分等级，直接拿原始值做加法，就会出现“埋深5米的区域+不透水率70%”和“埋深2米的区域+不透水率30%”总分相同，结果在物理意义上完全说不通。所以重分类这一步，本质是在给知识编码：把连续数值变成适合目标逻辑的评分或二值条件。

重分类的阈值确定要讲依据。常见的分类方法有等间距法、分位数法、自然间断点法（Jenks）。自然间断点法能自动寻找数据分布中差异最大的分组边界，适合在没有专业标准时做探索性分析；分位数法保证每个类别像元数量大致相等，适合做相对比较；等间距法简单直观，但受异常值影响大。更理想的是结合专业规范，比如《城市内涝防治技术规范》里可能规定地下水位埋深小于3米属于高风险区，那就直接用3米作为阈值，不需要让软件自动分段。

在ArcGIS的Reclassify工具里，选择栅格后点Classify，可以看到直方图和分类边界。有人习惯把NoData也重新赋一个值，我建议课程作业里千万不要这样做。NoData一旦变成0，叠加结果中研究区边缘会被严重“稀释”，原理上也很不严谨。最佳做法是在重分类对话框里把NoData设为NoData，让NoData在整个计算链条里持续保持NoData。

3.2 栅格计算器中加减乘除与条件函数

栅格计算器是栅格叠置分析里最灵活也最能体现解题目逻辑的地方。它支持数学运算和条件函数，比如以前面提到的内涝风险二值判断为例，公式可以写成：

Con("water_depth_reclass" == 1, Con("urban_form_reclass" == 1, 1, 0), 0)

这段公式的意思就是：当地下水位重分类结果为1（埋深浅）时，再判断城市形态重分类结果是否也是1（高不透水面率），两边都满足则输出1，否则输出0。等效更简洁的写法是：

"water_depth_reclass" * "urban_form_reclass"

因为两个重分类栅格的值都只有0和1，相乘后只有1*1=1的情况会被保留下来，这正好完成了“交集”逻辑。这里很多人会用错引号：ArcGIS栅格计算器里，图层名必须用双引号括起来，运算符号两边的空格也不能省略，否则容易出现表达式解析错误。

如果你要做的是多因子加权评分，公式长这样：

0.5 * "gw_score" + 0.3 * "urban_score" + 0.2 * "slope_score"

写公式前一定要先确认三个评分栅格的数值范围统一，比如都重分类成1到5分，而不是一个1到5、一个1到100。否则权重会被量纲吃掉，名义上0.5的权重可能实际上只贡献了极小比例。

3.3 多因子加权：栅格计算器 vs 加权叠加工具

除了手动用栅格计算器写权重公式，ArcGIS还提供了一个专门的Weighted Overlay（加权叠加）工具。它的工作方式是先把每个因子栅格重分类到一个统一尺度（通常是1到9或1到10），再在工具面板上给每个因子设置影响百分比，由软件自动加权求和。这个工具的优点是规范，逼着你先把数据准备好，也方便体现“分类打分+权重”的分析思路。

但实际运用中我更喜欢直接用栅格计算器，尤其是数据量不大、逻辑清晰的时候。原因很简单：Weighted Overlay有自己的重分类步骤，有时候会在背后把NoData处理成边界值，容易掩盖问题；而栅格计算器的每一步都透明可控。再说，手工公式更便于检查和展示，交作业或写报告时把公式贴出来，老师一眼就能看懂你的解题逻辑。

两种方式我都建议掌握。如果是课程作业，可以先用计算器跑一遍结果，再用Weighted Overlay验证；如果结果明显不一致，多半是重分类方向或者NoData处理出了问题，而不是工具本身的问题。

4. 实操全过程示例：地下水位与城市形态栅格叠加

4.1 案例背景与数据准备

现在用一个完整案例，把前面所有步骤串起来。假设题目如下：某市需要开展内涝风险初判，提供的数据有：

• water_depth.tif：我国地下水位栅格数据，像元值为地下水位埋深，单位米，分辨率90米；
• urban_form.tif：全国城市形态栅格数据集中的不透水面率栅格，像元值范围0到100，单位百分比，分辨率30米；
• city_boundary.shp：研究区边界，面数据，投影为CGCS2000 / 3-degree Gauss-Kruger CM 120E。

分析目标：识别“地下水位埋深小于3米，且不透水面率大于50%”的区域，划定内涝重点防范区。这个题目的难点不在公式，而在两个栅格的分辨率不同、范围不同，且一个像元是米为单位的连续值，一个是百分比连续值，必须经过统一分辨率、裁剪、重分类才能参与叠加。

4.2 从预处理到最终结果图的六个步骤

第一步，检查数据。打开ArcCatalog或在QGIS图层面板查看water_depth.tif和urban_form.tif的属性，记录坐标系、分辨率、范围和NoData值。这个案例中，两个栅格很可能一个是地理坐标系，另一个是投影坐标系，或者分辨率不同。我会先把water_depth.tif投影到与city_boundary.shp一致的CGCS2000高斯-克吕格投影，确保后面叠加时像元位置不会错位。

第二步，重采样。目标分辨率选30米，因为城市形态栅格已经是30米，地下水位是90米，选择最高分辨率能保留更多细节。对地下水位这种连续变量，用双线性插值重采样；对不透水面率栅格，如果不涉及类别变化，也可以保持30米不动，或同样用双线性插值。如果你用的是ArcGIS环境，可以在环境设置里把栅格分析中的“像元大小”设为30米，后续工具会自动对齐。

第三步，裁剪。用city_boundary.shp作为掩膜，分别对两个栅格执行Extract by Mask。这里我会创建一个独立文件夹存中间结果，例如clip_water_depth.tif、clip_urban_form.tif，避免覆盖原始数据。

第四步，重分类。在ArcGIS中打开Reclassify：

• 对clip_water_depth，将埋深小于3米的值设为1，其余设为0。ArcGIS里操作是点击Classify，在Break Values里手动输入3，然后给0到3区间赋新值1，3以上区间赋新值0。
• 对clip_urban_form，将大于50的值设为1，其余设为0。

两个栅格重分类时都要把NoData保留为NoData。如果你使用的是QGIS，SAGA或GRASS插件里有Reclassify by table，也可以用Raster Calculator直接写：

water_depth_reclass = ifelse(water_depth < 3, 1, 0)

第五步，栅格计算器求交集。公式：

"clip_water_depth_reclass" * "clip_urban_form_reclass"

结果栅格中值为1的像元，就是同时满足“埋深浅”和“高不透水面率”的区域，即所需的内涝重点防范区。

第六步，制图和统计。用分级色带给结果上色后，再用Zonal Histogram或Raster to Polygon转面后按行政区统计面积，就能得到各区域重点防范面积。这里要记得在结果属性里查看像元数量，乘以单个像元面积（30米×30米=900平方米），得到总面积，这一步在很多作业里是得分点。

4.3 从布尔叠加扩展到加权指数评价

如果题目要求的不只是“是否属于高风险区”，而是给出一个0到100的风险指数，那就需要把二值逻辑升级为加权评分。通常我会把所有因子统一重分类到1到5分的风险等级：分数越高代表风险越高。例如地下水位埋深小于1米给5分，1到3米给4分，3到5米给3分，5到10米给2分，大于10米给1分；不透水面率和坡度也按相同方向分成5个等级。

然后根据题目或查阅文献给出权重。比如地下水位占0.4，不透水面率占0.3，坡度占0.3，公式为：

0.4 * "gw_score" + 0.3 * "urban_score" + 0.3 * "slope_score"

得到连续指数后，再用自然间断点法或分位数法分成低风险、中风险、高风险三个等级。这里的权重不能拍脑袋，最好能在报告里写清楚为什么地下水位权重大于坡度，比如“研究区地势相对平坦，排水能力更多受地下水位和地表硬化率影响”，这种解释在答辩和报告中非常加分。

5. 常见问题速查与避坑指南

5.1 叠加结果错位，先查坐标系

如果你做完栅格计算器后，发现结果图上的道路、河流和底图明显错开，第一反应一定是坐标系不统一，而不是工具出了问题。很多公开栅格数据集是WGS84经纬度坐标，而shp是投影坐标，叠加时视觉上可能只是轻微偏移，但如果切换到投影环境，偏移会被放大。解决办法也很简单：统一投影。在ArcGIS中右键图层属性查看坐标系，再用Project Raster工具统一；在QGIS中则是“栅格→投影→栅格重投影”。

5.2 结果大片空白或范围不完整，查NoData和裁剪方式

最常见的一类问题是结果图中间一大块是空白，或者边缘被“吃掉”。原因有两种：一是参与计算的两个栅格中存在NoData，乘法和加法会把NoData传递到结果中；二是裁剪时用了Clip矩形裁剪，导致研究区外有大量NoData，或研究区内部因为数据本身的空洞出现NoData。对第一种情况，可以用以下公式先把NoData填充为合理值，或至少明确处理方式：

Con(IsNull("clip_water_depth_reclass"), 0, "clip_water_depth_reclass")

对第二种情况，检查你是否用了Extract by Mask而不是Clip，如果是，把环境设置中的“Snap Raster”设为研究区边界栅格，确保输出范围和掩膜一致。另外提醒一句，不要在重分类时把NoData设成0，除非你能合理地解释为什么研究区内的NoData区域风险为0，一般情况下解释不了。

5.3 重分类阈值太随意，结果没有说服力

有的同学为了图省事，直接在Reclassify的Classify里选了一个“等间距”就生成结果，最后画出来的图看起来“差不多”，但被老师一问为什么用3米作为阈值，就答不上来了。我的建议是：阈值必须来自规范、文献或数据分布特征。比如地下水位埋深的分级，可以查阅当地水文地质资料；如果查不到，就选自然间断点法，并说清楚“根据数据分布特点，使用Jenks自然间断点法把埋深划分为两类”。好的分析不一定多复杂，但每一步都必须有可回溯的依据。

5.4 作业和项目中容易忽略的几个好习惯

做完一道题，把中间文件命名为clip_water_depth、reclass_water_depth、result_risk，而不是新建栅格_1、最终版最终2。这个习惯能让你在复查时省下大量时间。

第二个习惯是留着模型或脚本。在ArcGIS里可以用ModelBuilder把整个流程拖成模型，在QGIS里可以用Processing历史记录查看每次操作，在Python里写好脚本就更方便了。这样以后换数据、换阈值，只需要改参数重跑一遍，不用重新点几十次按钮。

第三个习惯是验证结果。用Identify工具在结果图上点几个像元，手动核对原始栅格值是否满足条件；把结果转成矢量后，按行政区统计面积，再和实际经验对一下数字。这一步看着不起眼，但能帮你发现坐标系错位、NoData处理不当等一系列隐蔽问题。我自己做实际项目时，永远是“先验证一个小范围，再跑全图”，而不是一口气把整张图算完再检查，那时候回头改就晚了。

最后再分享一个我批作业时特别看重的小细节：做完栅格叠置分析后，在你提交的地图或报告里，把每一步的图层名、重分类阈值、权重依据写干净。栅格空间叠置分析这个题目，考点从来不在你会不会点那几个工具按钮，而在于你有没有把每一步为什么这么做讲清楚。你拿本地的数据按这个流程跑一遍，很快就能发现，真正让你觉得“会了”的并不是某个按钮，而是你开始理解每一次像元运算背后的地理意义。今天就先聊到这里，如果你最近正在做这类叠置分析题，不妨把遇到的问题在评论区说出来，大家一起踩坑一起填。