Какие методы доступны для моделирования пригодности земли?

В настоящее время я использую «классический» растровый подход для разделения области исследования на клетки. Все входные слои преобразуются в растры с одинаковым разрешением ячеек и получают оценку пригодности.

Итоговый рейтинг пригодности для каждой ячейки рассчитывается путем объединения рейтинга каждого слоя с весами для отражения важности факторов.

Окончательная маска применяется для исключения любых областей, таких как водоемы, которые не подходят для предполагаемого землепользования.

Проблемы с этим подходом включают в себя:

• выбирая разрешение ячейки, которое либо слишком большое, чтобы обеспечить значимые результаты, либо высокое разрешение, дающее ложное чувство точности.
• нахождение весов для каждого из входных параметров.

Существуют ли другие проблемы или альтернативы для составления карт пригодности земли?

Альтернатива, которая хорошо известна в некоторых кругах, но, кажется, вообще не известна в ГИС, теория значений с несколькими атрибутами . Это теоретически обоснованный способ установления точных методов оценки, включающих две или более характеристики (атрибуты). Это происходит путем систематического рассмотрения компромиссов между атрибутами. Например, при проблемах пригодности вы должны рассмотреть, какое изменение высоты потребуется для компенсации данного изменения наклона, чтобы сохранить такую ​​же пригодность, с аналогичными соображениями для всех возможных пар атрибутов.

Выводы, представленные теорией, включают в себя:

1. Для весов одного подмножества атрибутов возможно варьироваться в зависимости от уровней другого подмножества атрибутов. Когда это происходит, простая система взвешивания невозможна - необходимы более сложные формулы.

2. Когда такие зависимости не сохраняются (или не являются сильными), часто можно найти, как повторно выразить атрибуты (например, взять их логарифмы или квадратные корни или обратные значения) таким образом, чтобы простая система взвешенного скоринга правильно представляла значение каждой комбинации атрибутов. (Простой тест для этого называется « соответствующее условие компромисса ».)

Я не думаю, что когда-либо видел отчет о приложении оценки ГИС (которое включает в себя все исследования пригодности), в котором признается необходимость проверки независимости атрибутов (1) или беспокоит оценка правильного способа выражения атрибутов (2) , Если эта работа не будет выполнена, ни одна система подсчета очков не будет иметь законных оснований претендовать на общую точность или полезность при принятии решений.

Эта проблема гораздо важнее, чем разрешение или MAUP, с точки зрения производства продукта, который действительно полезен для принятия решений о выборе площадки.

Одним из терминов, используемых для описания этой проблемы, является «Проблема модифицируемой ареальной единицы», и статья, которую я прочитал по этой теме, - « Избыточное коммутирование и проблема модифицируемой ареальной единицы». . Подход авторов заключается в том, чтобы исследовать анализ в нескольких различных пространственных масштабах, чтобы посмотреть, в какой точке происходит сходимость.

Это удовлетворительное решение для проверки одного параметра, но когда их много, это становится более сложным. В этом случае, возможно, вы могли бы использовать ModelBuilder или Python для своего анализа и запустить его несколько раз, изменяя размер ячейки, чтобы проверить, есть ли у вас заметно отличающиеся результаты. В зависимости от наличия времени (и вычислительной мощности) вы можете математически искать сходимость (останавливаться, когда разница меньше определенного процента) или оценивать ее более качественно.

Аспект, высота и наклон исходно исходят из одного и того же растрового источника, поэтому приятная вещь в том, чтобы продолжать использовать растры, заключается в том, что вы можете сохранять одинаковое разрешение для этих входов, не теряя информацию из-за повторной выборки. (Этот абзац в основном не имеет значения, если вы используете другие источники данных во многих других разрешениях. :))

Полезным дополнением помимо определения весов вручную является использование известных вхождений того, для чего вы моделируете пригодность, и передача его в статистическую программу, например: http://spatial-analyst.net/wiki/index. PHP? название = Species_Distribution_Modelling # Habitat_Suitability_Analysis

Таким образом вы тренируете свою пригодность, используя известные сайты, а не WAG. Конечно, это гораздо сложнее ...