【小白一学就会无需其他教程】此文档用于解析使用Linkage Mapper 各输入输出参数详情以及可能的影响，并介绍了如何解释模型输出结果和输出参数，适合刚入手的人。篇幅很长很啰嗦，是因为每个参数都解释的万分细致。
从以下链接中获取内容（识别二维码、填写问卷、获取联系方式）
Linkage Mapper 报错_python error on **line 806** of lm_util.py in link-CSDN博客
- Barrier Mapper
BM-1 : Project Directory, 即 项目文件夹，必须与上一步（构建网络）**
BM-2 : Resistance Raster， 即阻力面，必须与上一步（构建网络）**
BM-3 : Minimum Detection Radius， 即最小探测半径
BM-4 : Maximum Detection adius， 即最大探测半径
BM-5: Radius Step Value， 即步长
知识点：障碍点是怎么识别的？
障碍点通过一个**窗口（下图所示3*3移动的方框），每次将**中心**值）替换成阻力面的**（或者是**，这点忘记了），然后计算对其所在廊道的改进分数，即为障碍点的数值，数值越大，障碍作用**。
最小探测半径： 为像元分辨率的**倍，一般为***倍（经验值），比如，像元大小为30，最小半径为***.
最大探测半径： 为像元分辨率的**倍，一般为***倍（经验值）
步长： 如60,90,120,150..... 这组等差数列的步长是30，数列中每个半径都会被***。 假设150是最大探测半径，60是最小半径， （最大-最小）/步长 = ***
BM-6 : Method for combining across multiple core area pairs，即改进分数是按***还是***方式计算。数值会有**，但是位置***。
BM-7 : Save barrier rasters for each search radius，即每个探测半径的检测结果都将被保存。
BM-8 : Calculate percent improvement scores relative to corridor LCD(可选)，即 计算**（而不是改进**，改进分数的结果**会被**）
结果解析：
生成结果存放在barrier.gdb 或barrier_Sum.gdb, 分别表示用最大值和求和方法计算出的结果。
几个区别：
BarrierCenter： 计算的是移动搜索窗口中心像元的***
BarrierCircles ：计算的是**移动窗口所有像元的的**
Sum： 对所有廊道**
Pct ：计算的是改**
Radx: 半径为x的结果
RadXToYStepZ ： 从最小半径x到最大半径y,步长为z的所有结果***。
如何使用结果：
尽管生成数十种结果，但是*****， 只是数值上有些许变化。
规律如下：******。
所以选择一个合适的结果，确定一个*******的区域为障碍点区域吧。
