关于像元丰度计算的方法，网上全部是基于高光谱数据利用端元法之类的，这里参考了一些帖子，总结一下利用高分辨率数据计算像元丰度的方法。
数据
高分辨率：30m clcd土壤分类数据，1表耕地，其他nodata
低分辨率：1000mTRIMS LST数据，及△TVDI阈值重分类数据

操作

1. 首先确定参考栅格，即低分辨率数据，参考arcgis怎样创建和栅格同样大小的网格

2. Convertion Tools，栅格转Point，Point再转栅格，这个栅格是各个点均不同的
   
   Value field注意要让每个格点不同，
   最下面cellsize注意和参考栅格一致！！！！

3. 栅格转polygon
   
   此处的Field，工具会把Field相同的栅格转化为同一个面元素，这也是之前一定要制造各不相同栅格的原因
   最后的复选框一定要取消勾选！！！不然会在边界出现三角形！！
   我们可以看到polygon与参考栅格是对应的
   

4. 统计高分辨率栅格
   Zonal Statistics，
   
   输入 创造的网格polygon
   区域字段 一定保证各个网格不同
   输入值栅格 高分辨率数据
   统计类型 SUM ，这里高分辨率数据本就是只有1和Nodata，因此SUM就表示有多少个1，即Count

5.上一步输出位置默认，第五步再输出成文件，将cellsize改成1000,1000
事实上本来就应该是1000，但是属性显示30，输出时如果是30会造成文件过大（1GB以上）

6.计算像元丰度，栅格计算器
“Raster”/1156.0
1156的确定取决于，一个低分像元有多少个高分像元
本题30x30m与1000x1000m不能被整除

高瑞睿. 基于遥感土壤含水量和蒸散发信息的灌溉面积识别技术研究与应用[D/OL]. 兰州交通大学, 2018.

高瑞睿（2018）选取1089，原因在于3333=1089
本题选1156，原因是3434=1156。
因为第四步的结果，出现了大量大于1089的统计结果，最大值（低分像元全部被高分像元填满）为1156。