ArcGIS重分类实战：手把手教你搞定SWAT模型土地利用数据库（附CNLUCC对照表）

ArcGIS重分类实战：从CNLUCC到SWAT模型土地利用数据库的完整指南

当你第一次打开SWAT模型准备进行水文模拟时，最令人头疼的环节之一就是处理土地利用数据。作为中国研究者，我们手头往往只有CNLUCC分类的土地利用栅格数据，而SWAT模型却需要特定的分类体系。本文将带你一步步完成这个关键的数据转换过程。

1. 理解数据转换的核心逻辑

在开始操作之前，我们需要明确几个关键概念和它们之间的关系：

• CNLUCC数据：中国土地利用/覆盖变化数据集，采用国内通用的分类体系（如一级类包括耕地、林地、草地等11个类别）
• SWAT分类体系：模型内置的土地利用分类，包括AGRL（农业用地-常规）、FRST（混交林）等常见类别
• 重分类映射表：连接两种分类体系的桥梁，决定了如何将CNLUCC代码转换为SWAT代码
• 索引表：最终SWAT模型读取的关键文件，将栅格数据中的数值与作物参数库关联起来

三者关系可以用这个简单流程表示：

CNLUCC栅格数据 → 重分类映射 → SWAT分类栅格 → 生成索引表 → 关联crop参数库

2. 准备工作与环境配置

2.1 所需软件与数据

开始前请确保已安装以下工具：

• ArcGIS 10.x或Pro版本（必须包含Spatial Analyst扩展模块）
• Microsoft Excel（用于处理对照表）
• ArcSWAT插件（已正确安装配置）

需要准备的数据文件：

2.2 创建项目文件夹结构

推荐按以下结构组织工作目录：

SWAT_Landuse_Project/ ├── 01_OriginalData/ │ ├── CNLUCC_2020.tif │ └── StudyArea_Boundary.shp ├── 02_ProcessedData/ ├── 03_Output/ └── 04_Documentation/ └── Classification_Mapping.xlsx

3. 数据预处理：从CNLUCC到研究区提取

3.1 加载并检查原始数据

在ArcMap中执行以下操作：

1. 点击"添加数据"按钮，导入CNLUCC栅格文件
2. 右键图层 → 属性 → 源，确认以下信息：
   • 像元大小（建议30m或更精细）
   • 坐标系（通常为Albers等面积投影）
   • 分类数值与含义（查看属性表）

提示：如果属性表中没有分类描述，需要单独获取CNLUCC代码说明文档。

3.2 按研究区边界提取

使用掩膜提取工具裁剪研究区范围：

# ArcPy代码示例（也可通过GUI操作） import arcpy from arcpy.sa import * # 设置工作空间 arcpy.env.workspace = "SWAT_Landuse_Project/01_OriginalData" # 执行掩膜提取 outExtractByMask = ExtractByMask("CNLUCC_2020.tif", "StudyArea_Boundary.shp") outExtractByMask.save("SWAT_Landuse_Project/02_ProcessedData/Landuse_StudyArea.tif")

关键参数说明：

• 输入栅格：原始CNLUCC数据
• 掩膜数据：研究区边界（矢量或栅格）
• 输出范围：建议与后续使用的DEM保持一致

4. 构建分类对照体系

4.1 理解分类映射原理

CNLUCC与SWAT分类并非一一对应，常见映射关系示例：

4.2 创建Excel对照表

在Excel中建立三列关键字段：

1. 原始值：CNLUCC分类代码（从栅格属性表导出）
2. SWAT代码：对应的模型分类代码
3. 新值：重新编排的连续整数（用于简化栅格值）

使用公式提高效率：

=IF(A2=11,"AGRL",IF(A2=12,"AGRR",IF(A2=21,"FRST","OTHER")))

注意：对于复杂映射关系，建议使用VLOOKUP结合单独的分类字典表。

5. ArcGIS重分类实操

5.1 重分类工具参数设置

在ArcToolbox中导航至：Spatial Analyst工具 → 重分类 → 重分类

关键参数配置：

• 输入栅格：提取后的研究区土地利用数据
• 重分类字段：Value
• 重映射方式：选择"唯一值"或"值范围"
• 输出栅格：设置保存路径和名称

5.2 批量重分类技巧

当类别较多时，可以采用以下方法提高效率：

1. 将Excel对照表导出为.csv文件
2. 使用Join工具将属性表与对照表连接
3. 通过"栅格计算器"直接生成新栅格：

# 栅格计算器表达式示例 Con("Landuse_StudyArea.tif" == 11, 1, Con("Landuse_StudyArea.tif" == 12, 2, Con("Landuse_StudyArea.tif" == 21, 3, 0)))

6. 生成SWAT索引表

6.1 表格格式要求

SWAT需要的索引表是纯文本格式，包含两列：

"VALUE","NAME" 1,"AGRL" 2,"AGRR" 3,"FRST"

6.2 从Excel到TXT的转换步骤

1. 保留"新值"和"SWAT代码"两列
2. 删除重复行（数据 → 删除重复值）
3. 添加列标题：VALUE, NAME
4. 另存为"CSV（逗号分隔）"
5. 将文件扩展名从.csv改为.txt
6. 用文本编辑器检查格式是否正确

7. 关联作物参数数据库

7.1 定位crop表

ArcSWAT安装后，参数数据库通常位于：

C:\ArcSWAT\Databases\SWAT2012.mdb

关键表结构说明：

7.2 验证数据一致性

检查索引表中的NAME值是否都能在crop表的CPNM字段中找到对应项。常见问题包括：

• 大小写不一致（SWAT通常要求大写）
• 代码拼写错误
• 使用了crop表中不存在的自定义代码

8. 常见问题排查与优化建议

8.1 重分类结果异常检查

如果输出栅格出现意外结果，建议：

1. 检查原始栅格的属性表值分布
2. 确认对照表中没有遗漏任何类别
3. 验证重映射规则是否应用正确

8.2 性能优化技巧

处理大范围数据时：

• 先裁剪到研究区再重分类
• 使用金字塔和统计量加速显示
• 考虑将栅格转换为整型减小文件体积

8.3 自动化脚本开发

对于需要频繁重复的工作，可以创建Python脚本：

import arcpy import pandas as pd # 读取Excel对照表 mapping_df = pd.read_excel("Classification_Mapping.xlsx") mapping_dict = dict(zip(mapping_df['原始值'], mapping_df['新值'])) # 执行重分类 remap_range = arcpy.sa.RemapValue(mapping_dict) out_reclass = arcpy.sa.Reclassify("Landuse_StudyArea.tif", "Value", remap_range) out_reclass.save("Landuse_SWAT.tif")

在实际项目中，我发现最容易出错的环节是分类对照表的建立。曾经因为一个代码映射错误导致整个模拟结果出现偏差，建议完成转换后，用以下SQL验证数据完整性：

SELECT DISTINCT l.NAME FROM Landuse_Index l LEFT JOIN crop c ON l.NAME = c.CPNM WHERE c.CPNM IS NULL