一、欧氏距离工具

欧氏距离工具测量每个像元距离最近源的直线距离（像元中心至像元中心的距离）。

欧氏距离（Euclidean Diatance）—— 求得每个像元至最近源的距离。

欧氏方向（Euclidean Direction）—— 求得每个像元至最近源的方向。

欧氏分配（Euclidean Allocation）—— 求得每个像元的最近的源。

TIPS：

1.源（Source）

可以是感兴趣的地物的位置，数据方面，既可以是栅格数据，也可以是矢量数据。但注意：如果数据选用了栅格数据，数据中必须仅包含表示源的像元，其他像元需要是Nodata。如果选用矢量，在执行工具之时，内部会将其先转成栅格。

2.欧氏距离的算法

简单理解为：工具会求得每个像元至每个源的距离，然后取得每个像元至每个源的最短距离以输出。其中，欧氏距离是像元中心与源像元的中心的直线距离。

如果像元与两个或更多源之间的距离相等，则计算都基于像元扫描过程中遇到的第一个源。无法控制该扫描过程。

帮助中有这样的描述：

工具在实际执行的过程中，进行两次顺序扫描。这样，工具的执行速度与源像元的数目、分布以及最大距离无关。影响工具执行速度的唯一因素是栅格的大小。计算时间与“分析”窗口中的像元数成线性比例。暂且不知道进行了什么样的两次顺序扫描。

3.欧氏距离输出栅格结果

投影平面上，像元与最近源之间的最短直线距离。如下图：

4.欧氏方向输出栅格结果

像元与最近源之间的方位角方向（以度为单位）。使用 360 度圆，刻度 360 指北，90指东，从刻度 1 顺时针增加。值 0 供源像元使用。如下图：

5.欧氏分配输出栅格结果

输出的每个像元都是距其最近源的值。如下图：

二、成本加权距离工具

成本加权距离工具可以看成是对欧氏直线距离的进一步修改，将经过某个像元的距离赋以成本因素。举个简单的例子，翻过一座山到达目的地是最短的直线距离，绕行这座山距离较长，但是更节省时间和体力，那就后者的成本加权距离最短了。

1）成本距离（Cost Distance）：求得每个像元至最近源的成本距离。
2）成本回溯链接（Cost back link）：求的一个方向栅格，可以从任意像元沿最小成本路径返回最近源。
3）成本分配（Cost Allocation）：求得每个像元的最近的源。
4）成本路径（Cost Patch）：求的任意像元到最近源的最小成本路径。

TIPS：

成本栅格可以是整形或者浮点型，但是其值中不能含有负值或者0。成本栅格中的Nodata视为障碍。
成本距离输出栅格数据
这里的简单示例中，下面一层黑白渲染的是成本栅格，颜色深的像元代表成本比较高，反之较低。结果如下：
成本距离回溯链接
要注意的是，它并不会求的要返回哪一个源像元以及如何返回。而是记录从任意像元回溯到最近源的路径上，每个像元向下一个像元指向的方向，这个方向以0-8的代码形式记录。如下图：
成本距离分配
这个类似于前面的欧氏距离分配，得到的是每个像元至最近源的成本距离。