1、数据准备:
1)植被覆盖度NDVI:可在USGS上下载modis的NDVI数据;(我下载的是MODIS Terra的MOD13A1/2/3,这三种的分辨率不同,有的做了影像的矫正。)
2)高程数据DEM:可在USGS上下载Landsat数据;
3)面数据:研究区域的边界图;
4)线数据:研究区的道路、河流、断裂带
5)点数据:研究区滑坡灾害发生点(滑坡点)
6)研究区的岩土类型分布图
2、影响滑坡敏感性指数的因子:NDVI(归一化植被指数)、DEM(高程)、slope(坡度)、relief(地形起伏度)、lithology(岩土类型)、river(河流)、road(道路)、fault(断裂带)。
3、数据处理
1)预处理
从准备数据中我们已经具备了NDVI、DEM、lithology、river、road、fault这六个因子的基础数据,还有slope和relief需要使用Arc Tool Box中的工具来得到。
a. slope:
工具路径:
Arc Tool Box——Spatial Analyst Tools——Surface——slope
设置参数:
Input raster:DEM
其他我就用的默认值就可以。
b.relief
地形起伏度=研究区高程最大值-研究区高程最小值
工具路径:
Arc Tool Box——Spatial Analyst Tools——Neighborhood——Block Statistics
Arc Tool Box——Spatial Analyst Tools——Map Algebra——Raster Calculator
设置参数:
Input raster:DEM;
Output Raster:结果输出的位置,可以自己更改设定;
Neighborhood Setting:设置每3*3个栅格做一次领域分析;
Statistics type:统计类型。在这里,我们先用Maximum输出一个最大值的图层,再用Minimum输出一个最小值得图层。一共得到两个图层max和min
栅格计算器Raster Calculator计算公式:max-min。得出地形起伏度的结果。
(博主的栅格计算器工具有些bug所以这里就不截图了,此步骤很简单。)
注意:因为最终我们要对八个因子的结果进行叠加分析,所以要保证所有的数据图层栅格分辨率一致,如果有不同我们可以用冲采样Resample来对数据进行统一。
工具路径:
Arc Tool Box——Data Management Tools——Raster——Raster Processing——Resample
2)得到了8个因子的基础数据之后,我们要对每个因子进行重分类
工具路径:
Arc Tool Box——Spatial Analyst Tools——Reclass——Reclassify
参数设置:
Input raster:分别输入每个因子(这里以dem为例)
Reclass field:重分类字段,根据字段的值进行重分类,该字段为所输入栅格图层属性表中的数据。
Reclassification:这里看到左边有个表有两列,一列是旧值,一列是新值。
单击右边蓝色框的Classify...出现图2的界面
可以通过设置Method和Classes参数来确定重分类的方法和分为几类。
右上角Classification Statistics中可以看到栅格图层的统计信息。
右下角的Break Values也可以自己手动输入间断点的值。
(这里要用什么方法,分为几类,间断点的值为多少就要具体情况具体分析了…)
Output raster:指定结果输出路径。
打开结果图层的属性表,可以看到每个因子每一类总共的栅格数
3)对重分类结果进行Extract处理
工具路径:
Arc Tool Box——Spatial Analyst Tools——Extraction——Extract Values to Points
参数设置:
Input point features:输入滑坡点的矢量数据
Input raster:分别输入每个因子的重分类结果(这里以dem.reclass为例)
Output point features:输出点要素结果的结果路径
打开结果图层的属性表,可以看到每个点最后一列属性值即为重分类的值,双击进行排序,统计每个因子每一类总共的滑坡点数。
4)计算单个因子的信息量图层
工具路径:
Arc Tool Box——Spatial Analyst Tools——Map Algebra——Raster Calculator
使用con函数
*con函数语法:con(条件,条件为真执行语句,条件为假执行语句【可选】)
con(输入栅格,条件为真执行语句,条件为假执行语句【可选】,逻辑表达式)
例:con(Raster("elev")>1000,0,1)
con("elev",0,1,"value>1000")
5)信息量计算:
使用栅格计算器工具将第四步的8个因子的结果叠加,得到最后的信息量图层。
有任何问题欢迎随时评论。谢谢。