如何构建矩阵表征多栅格取值 完成场地适宜性选址分析

你之前代码的核心问题是最后重分类时错误调用了原始DEM数据，没有先对三个重分类后的因子栅格做得分汇总，修正后的实现逻辑与代码如下：

1 前置环境准备 #

# 加载所需库，补充缺失的RColorBrewer用于配色
library(terra) 
library(sf) 
library(RColorBrewer)

# 读取基础栅格数据
dem <- rast("dem_300m.tif")
roads_dist <- rast("roads_dist.tif")

# 计算坡度
dem_slope <- terrain(dem, v="slope", n=4, unit="degrees")
# 坡度可视化
plot(dem_slope, main = "坡度（单位：度）", col = brewer.pal(9, "Oranges"))

2 单因子重分类 #

保持你原有的赋值规则不变，重分类后转为数值型栅格用于后续得分汇总：

# 高程重分类：1200-1700得1分，1700-2500得2分，其余为NA
dem_reclassified <- classify(dem, c(0,1200,1700,2500,Inf), include.lowest = T)
levels(dem_reclassified) <- c("NA","1","2","NA")
# 转为数值型
dem_reclassified <- as.numeric(dem_reclassified)

# 坡度重分类：15-30度得2分，30-45度得1分，其余为NA
slope_reclassified <- classify(dem_slope, c(0,15,30,45,Inf), include.lowest = T)
levels(slope_reclassified) <- c("NA","2","1","NA")
# 转为数值型
slope_reclassified <- as.numeric(slope_reclassified)

# 道路距离重分类：5000米以内得3分，5000-10000米得2分，10000-15000米得1分，其余为NA
distance_reclassified <- classify(roads_dist, c(0,5000,10000,15000,Inf), include.lowest = T)
levels(distance_reclassified) <- c("3","2","1","NA")
# 转为数值型
distance_reclassified <- as.numeric(distance_reclassified)

3 多栅格得分汇总 #

对三个因子的得分栅格直接求和，得到总得分栅格：

# 像元级得分求和，任意一个因子为NA时总得分自动为NA
total_score <- dem_reclassified + slope_reclassified + distance_reclassified

4 总得分重分类得到适宜性分区 #

修正重分类矩阵的区间边界避免错判，对总得分栅格做重分类：

# 重分类规则：0-5分设为NA，6-9分对应有限适宜（赋值1），9分以上对应适宜（赋值2）
rec <- c(0,6,NA,
         6,9,1,
         9,Inf,2)
rec_mat <- matrix(rec, ncol = 3, byrow = T)

# 对总得分栅格做重分类，不是原始DEM！
suitability <- classify(total_score, rcl = rec_mat, include.lowest = T)

# 设置分类名称
levels(suitability) <- data.frame(id = c(1,2), category = c("有限适宜","适宜"))

# 结果可视化
plot(suitability, col = terrain.colors(2), main = "野外场地适宜性分区")

内容的提问来源于stack exchange，提问作者scumbagsurfer