【ArcGis】巧用栅格计算器进行土地利用类型图的筛选&离散数据的重采样方法

• 1.Con函数

有一幅30m分辨率的土地利用类型分类数据，现在要把研究数据（500m）按照这个土地利用类型裁剪，只保留耕地区域，如果采用栅格转矢量再裁剪，内存占用过大，容易死机

这里采用栅格计算器的Con函数
函数的基本语句：con（条件（语句），真（语句），假（语句））
若“真（语句）”或“假（语句）”存在缺失，则对应栅格单元的值赋值为空（NoData）
所以有

con("clcd"== 1,"dtvdi")

上述式子的意思是：栅格“clcd“中等于1的地方保持dtvdi的值，缺失的假语句对应的地区（clcd其他值）为NoData

也就是说，Con函数中，作为判断的栅格和输出数值的栅格可以不一致，而NoData都没有数据了，已经无所谓来自哪个栅格了。

• 2.栅格计算器计算不同分辨率数据&离散数据的重采样
  这里两个栅格分辨率不同，但是默认可以进行计算，在环境设置–Raster storage–Resample里，注意对于离散数据（分类数据）只能用NEAREST。
  
  如果不是环境设置而是Toolbox的Resample工具，则还会有第二个适合离散数据的众数算法

首先，最邻近分配法是速度最快的插值方法。这一方法主要用于离散数据（如土地利用分类数据），因为这一方法不会更改像元的值。使用这一方法进行重采样，最大空间误差将是像元大小的一半。
其次，众数算法根据过滤器窗口中频率最高的数值来作为像元的新值。其与最邻近分配法一样，主要用于离散数据；但与最邻近分配法相比，众数算法通常可生成更平滑的结果。众数算法将在与输出像元中心最接近的输入空间中查找相应的4 x 4像元，并使用4 x 4相邻点的众数作为像元的新值。
原文链接：https://blog.csdn.net/zhebushibiaoshifu/article/details/128448615

当然，在离散数据重采样中，首选最近邻