使用加权总和工具可以对多个输入进行加权及组合,以创建整合式分析。它可以轻松地将多个栅格输入(代表多种因素)与组合权重或相对重要性相结合,在这一方面它与加权叠加工具很相似。
这两种工具有两个主要区别:
不将重分类值重设到评估等级,分析可保持其分辨率。例如,在适宜性模型中,如果有 10 个重新分类到 1 至 10 等级的输入条件(10 为最佳),并且未对其指定权重,则加权总和输出值的范围可以从 10 到 100。对于同样的输入,加权叠加将把 10 至 100 的重分类分析范围规范化至评估等级,如返回到 1 至 10 等级。当只需要识别少数几个最适合的位置或指定数量的地点时,在加权总和中保持模型分辨率会很有用。
一般来说,连续栅格的值会分为不同的类别。例如,不同的坡度值可以分为平坦、适中、陡峭和非常陡峭。每个坡度值都可以指定为这些类别之一,并且指定了重分类值的类别相对于叠加分析中的条件,可以更好地表明该类的倾向性。使用重分类工具可以对这些栅格进行重新分类。
加权叠加工具最常用于适宜性建模,并且可用于确保遵循正确的方法。加权总和工具在需要保持模型分辨率,或需要浮点型输出或小数权重时很有用。
加权总和可将每个输入栅格的指定字段值与指定权重相乘。然后将所有输入栅格相加来创建输出栅格。
运行加权总和工具的步骤如下: