利用Arcmap对MK—sen检验结果与Hurst结果的叠置分析（栅格图像的叠置分析）

根据本站博主@TwcatL_tree在《【Python】遥感数据趋势分析Sen+mk》一文中提及的程序数据后处理的步骤，本人在经过查阅资料后得到以下经验，本帖用于个人学习总结：

在上面的部分中，因为利用到两种方法，结果得到的数据也是两个，如上图所示slope表示变化趋势，|z|表示显著性。在最后的分析中，往往需要将两个结果叠置分析。

目前，栅格数据的叠置分析一般使用Arcmap处理，通过使用“重分类+栅格计算器”的方法解决。

下面以Hurst指数结果和显著性变化结果的叠置分析做举例：

Huest指数和未来趋势研究的介绍指路：http://t.csdnimg.cn/Xt9ws

其中可以得到Hurst指数的结果（已经根据<0&>0将结果重分类）如下：

MK-sen检验的显著性趋势变化结果（根据博客：http://t.csdnimg.cn/8xKfT中所介绍的分类指标已经分类）如下：

可以看到，重分类得到的结果，不同的分类类别已经通过重分类被赋值为1、2；1、2、...9不同的值。由于之前功夫不到家，没有理解到这一步的含义，所以在初看后处理（叠置分析）部分时确实有点懵。为了方便计算，大家也可以把类别较少的重分类的数据放大一定的倍数，例如在栅格计算器中乘10：

得到：

在利用栅格计算器与显著变化的栅格数据相加：

就可以得到：

上图就是两个栅格图像叠置分析过后的结果，可以看到，根据计算结果图像共分了有18类，这其中持续性的占9类，反持续性的占9类；反持续部分的9个类别是如下：

最后在Arcmap中添加作图的要素即可：

后记：因为在数据的处理方式为：Arcmap和Python程序，但python程序对于栅格图像的处理本人不是很熟悉，当然程序的方式通过遍历栅格图像中的每一个像元来进行分析，从原理上与利用栅格计算器也是一样的，但是程序更加简洁明了，一步到位。