目录

01 实验要求

02 加载数据

03 生成派生数据

3.1 通过高程数据计算坡度数据

3.2 计算基础设施的欧氏距离

3.3 计算学校的欧式距离

04 重分类

4.1 对坡度进行重分类

4.2 对基础设施的欧氏距离结果重分类

4.3 对学校的欧式距离结果重分类

4.4 对土地利用进行重分类

05 对所有重分类结果进行加权计算

06 优化

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

如果有问题，欢迎一起探讨.

<p>炒茄子</p>