第6章 图层的合奏：栅格叠加与空间统计

第6章 · 图层的合奏：栅格叠加与空间统计

章节摘要：栅格把叠加从几何求交升级为逐像元的算术与逻辑运算——地图代数让多张栅格像矩阵一样相加相乘，适宜性建模用它回答"哪里最合适"，空间统计再从叠加结果里识别肉眼看不见的模式与聚集。本章沿"从算术到模型到检验"的主线推进，读完你能独立完成一次多因子适宜性评价与一次完整的空间模式分析。

一条主线

第 5 章结尾留下的问题：坡度、坡向、离水距离、土层厚度——这些连续变量如何共同决定"哪里适宜种茶"？矢量六式在这里力不从心，因为它们处理的边界清晰的图斑，而适宜性是每寸土地都有自己的分数的连续问题。

栅格登场。把每个因子做成一张打分栅格：坡度图换算成 1 到 9 的适宜度分，离水距离图换算成 1 到 9 的分，土层厚度同理。然后是本章第一个主角地图代数：三张分数栅格逐像元加权相加，一张综合适宜性图就此诞生。没有几何求交、没有边界切割，只有整齐对齐的格网上安静的算术——这就是"合奏"：每个因子是一件乐器，地图代数是总谱。

第二个主角适宜性建模把合奏系统化：因子怎么选、分数怎么标定、权重怎么定、结果怎么分级与验证，一套完整方法论。第三个主角空间统计担任质检与发现：全局莫兰指数检验"高的挨着高的是不是巧合"，热点分析找出统计上显著的高值聚集，点密度分析回答"案件集中在哪里"。合奏出结果，统计验成色。

主线上有一处视角转换值得点明：矢量叠加的输出是"满足条件的地块清单"，栅格叠加的输出是"每个位置的得分或类别"。前者答"哪些"，后者答"何处最优"——两类问题对应两类引擎，这是第 3.1 节双模型思维在分析层的兑现。

沿途站点

6.1 栅格与地图代数：把图层当数算

栅格运算的底层逻辑：同规格栅格逐像元对位运算。重分类把量纲各异的原始值换算成统一分数刻度，栅格计算器把代数表达式直接写成公式，布尔与条件函数处理"并且、或者、如果"。这一节是本章的算术基础。

6.2 适宜性建模：多因子合奏的完整谱面

从裸地图代数到可信的适宜性评价，中间隔着方法论：因子选择与去相关、分数标定的依据、权重确定的层次分析法、结果的分级与验证。这一节用一个种植适宜性案例串起全流程，也指出加权叠加的适用边界。

6.3 空间统计与热点：从图层数据里读出模式

莫兰指数判全局聚集、热点分析找局部高低、核密度把点事件画成连续面。这一节讲清三类工具的统计前提与常见误读，特别是"先问显著不显著、再看图好不好看"的阅读纪律。

拐点与结论

本章两个转折。其一，从矢量到栅格，叠加的本质从"拓扑关系运算"变为"对齐网格上的数值运算"——规格统一（像元大小、原点、范围、坐标系）成为栅格叠加的第一纪律，四者有一不齐，逐像元运算就是错误的错位相加。其二，从建模到统计，评价从"我给的分"升级为"有概率保证的显著"——适宜性模型输出的是主观权重的产物，空间统计提供的显著性检验是对"模式是否只是随机"的客观回应。两者搭配，结论才既有立场又有防线。

读完你应该

1. 能说明栅格叠加对像元规格四要素一致性的要求及其检查方法
2. 能用重分类与栅格计算器实现三因子以上的加权叠加模型
3. 能用层次分析法确定因子权重，并验证适宜性结果与已知样点的吻合度
4. 能解读莫兰指数、z 值与 p 值，判断空间模式的统计显著性
5. 能针对点事件数据选择核密度或热点分析并正确解读输出

下一章的接力

分析链至此完整：矢量六式、距离量尺、栅格合奏、统计检验。还剩最后一步——把这条链交给代码与云端，让它从"分析师的一次性手工"变成"组织里反复运转的资产"。第 7 章讲 ArcPy 脚本化、Web GIS 协作与项目级实践。