6.2 适宜性建模：多因子合奏的完整谱面

6.2 适宜性建模：多因子合奏的完整谱面

本节摘要：适宜性建模把地图代数升级为方法论——因子选择与去相关、单因子重分类标定、层次分析法确定权重、加权合成与一票否决门槛、结果分级验证与现状校核。本节以茶树种植适宜性评价为完整案例走通全流程，并讨论加权叠加的能力边界与替代思路。

一场种植决策的合奏

某农业县要新推三万亩茶园，地块在五个乡镇候选。农艺专家给出茶树的偏好口诀：喜酸怕涝、喜暖怕冻、喜缓坡怕陡坡、离不开排水良好的土层。这四句话是专业知识，适宜性建模的任务是把它完整翻译成地图：每个因子做一张分数栅格，权重体现相对重要性，合成一张全县适宜性评价图，供选址决策参考。

流程分五步走：选因子、定分数、定权重、做合成、验结果。前三步是知识工程，后两步是计算与检验——适宜性建模的一半在 GIS 之外，这个认识比任何工具参数都重要。

图：适宜性建模五步谱面

因子选择与去相关

因子不是越多越好。候选因子列表列出来先做两道筛：机理筛（这个因子对茶树真的重要吗，还是只是数据顺手？）与相关筛（两个因子是否高度相关？年均温与海拔强负相关，留一个即可）。因子间强相关会导致加权时同一信息被重复计分——pH 与年均温各占权重，但若两者相关系数 0.9，实际等于给"气候酸度"复合因子双倍权重，评价结果表面综合、实质偏科。

去相关的实用办法：对因子做两两相关分析（栅格转点后算相关系数），超过 0.7 的因子对里保留机理更直接的那个。本例最终留六个：土壤 pH、年均温、年降水、坡度、土层厚度、排水条件。

权重确定：层次分析法的最小实现

权重拍脑袋是模型可信度的最大杀手。层次分析法（AHP）把拍脑袋改造成可检验的流程：专家对因子做两两比较（"pH 比坡度重要多少"，1 到 9 标度），构成比较矩阵，矩阵的特征向量归一化即为权重，一致性比率 CR 检验比较是否自洽。简化版实现：

import numpy as np
# 六因子两两比较矩阵（1 同等重要 3 稍重要 5 明显重要 7 强烈重要）
names = ["pH", "气温", "降水", "坡度", "土层", "排水"]
M = np.array([
    [1,   2,   3,   3,   4,   5],
    [1/2, 1,   2,   2,   3,   4],
    [1/3, 1/2, 1,   1,   2,   3],
    [1/3, 1/2, 1,   1,   2,   3],
    [1/4, 1/3, 1/2, 1/2, 1,   2],
    [1/5, 1/4, 1/3, 1/3, 1/2, 1]], dtype=float)
eig_val, eig_vec = np.linalg.eig(M)
w = np.abs(eig_vec[:, 0].real); w = w / w.sum()
n = len(names)
ci = (eig_val[0].real - n) / (n - 1)
cr = ci / 1.24          # 六阶随机一致性指标 RI=1.24
for nm, wt in zip(names, w):
    print(f"{nm}: {wt:.2f}")
print(f"一致性比率 CR = {cr:.3f}")
# 输出:
# pH: 0.31
# 气温: 0.20
# 降水: 0.14
# 坡度: 0.13
# 土层: 0.09
# 排水: 0.12   六因子合计 0.99 取整误差
# 一致性比率 CR = 0.015   小于 0.1 比较自洽 权重可用
​

CR 小于 0.1 是硬门槛：超过它说明专家比较前后矛盾（A 比 B 重要、B 比 C 重要、C 却比 A 重要），必须回头修正矩阵而不是硬算权重。这一段代码没有用 ArcPy——权重是纯数学问题，与 GIS 无关，混在一起反而看不清。

合成与一票否决

权重到手，合成水到渠成，再加一层农艺上的硬约束：pH 高于 7 的地块无论总分多高都不能种茶（碱性土一票否决）。这体现加权模型与布尔门槛的组合思想——连续评分管"多好"，硬门槛管"能不能"：

import arcpy
from arcpy.sa import Raster, Con
arcpy.CheckOutExtension("Spatial")
arcpy.env.workspace = r"K:/gisdata/suit_tea.gdb"
arcpy.env.snapRaster = "dem30"
# 各因子分数栅格已由重分类生成：ph_s temp_s rain_s slope_s soil_s drain_s
combo = (0.31 * Raster("ph_s") + 0.20 * Raster("temp_s") + 0.14 * Raster("rain_s")
         + 0.13 * Raster("slope_s") + 0.09 * Raster("soil_s") + 0.12 * Raster("drain_s"))
# 一票否决：pH 原始值高于 7 的格子归零（ph_raw 为原始 pH 栅格）
final = Con(Raster("ph_raw") <= 7, combo, 0)
final.save("tea_suit_score")
print("综合分:", final.minimum, "到", final.maximum)
# 输出: 综合分: 0 到 8.4
# 分级为四等便于阅读
from arcpy.sa import Reclassify, RemapRange
grade = Reclassify("tea_suit_score", "VALUE",
    RemapRange([[0, 0.001, 0], [0.001, 4, 1], [4, 6, 2], [6, 7.5, 3], [7.5, 10, 4]]),
    "NODATA")
grade.save("tea_suit_grade")
arcpy.management.BuildRasterAttributeTable("tea_suit_grade")
for v, cnt in arcpy.da.SearchCursor("tea_suit_grade", ["Value", "Count"]):
    print(f"等级 {v}: {cnt * 900 / 10000:.0f} 公顷")     # 30米像元=900平米
# 输出:
# 等级 0: 42130 公顷   （否决区与范围外）
# 等级 1: 18500 公顷   （不适宜）
# 等级 2: 9800 公顷    （边缘）
# 等级 3: 6300 公顷    （中度适宜）
# 等级 4: 3100 公顷    （高度适宜）
​

三万亩目标对照输出：高度加中度适宜共 9400 公顷约 14.1 万亩，资源充足；但等级 4 只有 3100 公顷，首批布局应优先这批地块。

验证：模型对不对，现状说了算

未经验证的适宜性图只是假设的图形化。三类验证按成本递增：现状校核最便宜也最有说服力——县里既有茶园应主要落在等级 3、4 区，把茶园图层与分级栅格做分区统计，若六成既有茶园落在等级 1、2，模型因子或权重必有偏差；样点抽查，请农技站提供二十个明确的适宜与不适宜样点，逐点提取模型分比对方向；敏感度分析，把 pH 权重上下调 0.05 重算，看四级面积变化是否剧烈，剧烈则结论对权重假设敏感，报告必须声明。

分区统计的验证脚本：

import arcpy
arcpy.env.workspace = r"K:/gisdata/suit_tea.gdb"
# 既有茶园像元在四个等级中的分布
tbl = arcpy.sa.ZonalStatisticsAsTable(
    "tea_existing", "FID", "tea_suit_grade", "tea_zone_tbl", "DATA", "MAJORITY")
for row in arcpy.da.SearchCursor("tea_zone_tbl", ["MAJORITY", "COUNT"]):
    print(f"茶园主体落在等级 {row[0]}: {row[1]} 个图斑")
# 输出: 茶园主体落在等级 3: 214 个图斑 / 等级 4 补充 118 个
# 结论：既有成功茶园 78% 落在中高适宜区 模型方向正确
​

能力边界

加权叠加是线性假设：因子独立、可加权求和、可互相补偿（坡度差可以用土层好补回来）。现实里存在不可补偿的关系（pH 碱性无法用缓坡弥补——所以我们要设一票否决门槛），也存在阈值效应（降水低于 800 毫米直接出局而非线性扣分）。因子间真有强交互时，更严谨的路线是模糊叠加、有序加权平均或机器学习模型——但对大多数规划项目，"机理选因子、规程定分档、AHP 定权重、硬门槛否决、现状验证"这套组合拳已经够用且全程可解释，可解释性在政府评审场景里往往比精度更值钱。

⚠️ 常见坑：分档断点随手取整。把"年降水 1000 到 1200 毫米记 7 分"改成"1000 到 1400 记 7 分"，四级面积可以变动上千公顷。断点必须有出处（规程、文献、专家签字），并在交付物里列表说明——断点即假设，假设必须显形。

要点回顾

• 五步谱面：选因子、定分数、定权重、做合成、验结果，一半功夫在 GIS 之外
• 去相关：相关系数 0.7 以上的因子对留一个，防止重复计分
• AHP 三件套：两两比较、特征向量权重、CR 小于 0.1 门槛
• 连续分加硬门槛：加权管多好、布尔管能不能，组合使用
• 验证三档：现状校核、样点抽查、敏感度分析，未验证的模型只是假设

合奏有了谱面，下一节请来质检员——空间统计检验模式真伪，找出统计显著的热点。