整体思路：
本次实验的主要情境是在地形高低起伏，且有多条河流的情况下找到A到B的最佳成本路径。因此基于dem高程数据进行坡度、起伏度相关分析，并与各级河流所赋权重叠加，即可得到成本数据集，随后利用成本数据集，计算各像元到起点A的成本，最后使用成本路径工具，寻找B点到A点间的最佳路径。
数据：
https://pan.baidu.com/s/1GQkF3wk0EyE1_PQz95II3A
提取码：gg2a
实验流程展示：
具体步骤简述：
1.首先分析已有数据组成，理清分析思路：
①dem数据用于分析起伏度与坡度，反映到现实情况即，起伏度、坡度越大，则路径经过时的成本越高；
②河流数据共分为5个等级，用于反映经过河流等级越高，则通过成本越高；
③依托河流与地形数据，即可得出区域内各栅格到起始点的成本距离，从而寻找出到终点的最佳路径。
2.针对dem数据，分别使用Slop坡度分析工具获得坡度数据dem_slop，随后使用焦点统计工具（Focal Statistics）获得起伏度数据dem_focal。因分析需要，使用重分类（reclass），将坡度数据与起伏度数据使用等距分隔方法，分为10类，分别输出slop_reclass和focal_reclass。
3.针对河流数据，因已划分为5个等级，因此只需要进行重分类（reclass）即可。若河流等级越高，则通过成本越大，反之则越小。最终输出河流的成本图层river_reclass。
4.使用栅格计算器（Raster Calculator）按(“slop_reclass” * 0.6+“focal_reclass”*0.4)+"river_reclass"表达式进行计算并输出，得到表示各像元成本的cost_dis图层；
5.依托cost_dis图层和起始点位置，使用成本距离工具（Cost Distance）计算各区域各栅格到起始点的成本距离，输出成本距离图层start_cost，并输出回溯栅格数据。随后使用成本路径工具（Cost Path），加入终点数据，从而计算起始点到终点的最短路径，最终可将路径保存为线状矢量数据best_path.shp，结果如下图。
