Jakie praktyki są dostępne do modelowania przydatności gruntów?

Obecnie używam „klasycznego” podejścia rastrowego do dzielenia obszaru badań na komórki. Wszystkie warstwy wejściowe są konwertowane na rastry w tej samej rozdzielczości komórki i mają ocenę przydatności.

Ostateczna ocena przydatności dla każdej komórki jest obliczana poprzez połączenie oceny każdej warstwy, z wagami odzwierciedlającymi znaczenie czynników.

Ostateczna maska ​​jest stosowana, aby wykluczyć wszelkie obszary, takie jak zbiorniki wodne, które są nieodpowiednie dla proponowanego użytkowania gruntów.

Problemy z tym podejściem obejmują:

• wybierając rozdzielczość komórki, która jest albo zbyt duża, aby zapewnić znaczące wyniki, albo wysoka rozdzielczość dająca fałszywe poczucie dokładności.
• znajdowanie wag dla każdego z parametrów wejściowych.

Czy są jakieś inne problemy lub alternatywy dla tworzenia map przydatności gruntów?

Alternatywą, która jest dobrze znana w niektórych kręgach, ale wydaje się, że wcale nie jest znana w GIS, jest Teoria Wartości Wielu . Jest to teoretycznie dobrze uzasadniony sposób ustalenia dokładnych metod punktacji obejmujących dwie lub więcej cech (atrybutów). Postępuje poprzez systematyczne uwzględnianie kompromisów między atrybutami. Na przykład w przypadku problemów z dostosowaniem należy rozważyć, jaka zmiana wysokości byłaby potrzebna, aby skompensować daną zmianę nachylenia w celu zachowania tej samej przydatności, z podobnymi rozważaniami dla wszystkich możliwych par atrybutów.

Spostrzeżenia dostarczone przez teorię obejmują:

1. Wagi jednego podzbioru atrybutów mogą się różnić w zależności od poziomów innego podzbioru atrybutów. Kiedy tak się dzieje, prosty system ważenia nie jest możliwy - potrzebne są bardziej złożone formuły.

2. Gdy takie zależności nie utrzymują się (lub nie są silne), często można znaleźć sposób ponownego wyrażenia atrybutów (takich jak przyjmowanie ich logarytmów lub pierwiastków kwadratowych lub odwrotności) w taki sposób, że prosty system ważonej oceny poprawnie reprezentuje wartość każdej kombinacji atrybutów. (Prosty test na to nazywa się „ odpowiednim warunkiem kompromisu ”).

Wydaje mi się, że nigdy nie widziałem raportu dotyczącego wniosku o punktację GIS (który obejmuje wszystkie badania przydatności), który uznaje potrzebę sprawdzenia niezależności atrybutów (1) lub przeszkadza w ocenie prawidłowego sposobu wyrażenia atrybutów (2) . Jeśli ta praca nie zostanie wykonana, żaden system oceniania nie ma uzasadnionego prawa do ogólnej dokładności lub przydatności w podejmowaniu decyzji.

Ta kwestia jest o wiele ważniejsza niż rozdzielczość lub MAUP pod względem wytwarzania produktu, który jest naprawdę przydatny przy podejmowaniu decyzji lokalizacyjnych.

Jednym terminem używanym do opisania tego problemu jest „Problem modyfikowalnej jednostki powierzchni ”, a artykuł, który przeczytałem na ten temat, to Nadmiar dojazdów do pracy i problem modyfikowalnej jednostki powierzchni . Podejście autorów polega na zbadaniu analizy w kilku różnych skalach przestrzennych, aby sprawdzić, w którym momencie następuje konwergencja.

Jest to zadowalające rozwiązanie do badania jednego parametru, ale gdy jest ich wiele, staje się bardziej skomplikowane. W takim przypadku być może możesz użyć ModelBuilder lub Python do analizy i uruchomić go kilka razy zmieniając rozmiar komórki, aby sprawdzić, czy masz zauważalnie różne wyniki. W zależności od dostępności czasu (i mocy obliczeniowej) możesz szukać matematycznej zbieżności (przestać, gdy różnica jest mniejsza niż pewien procent) lub ocenić ją bardziej jakościowo.

Aspekt, wysokość i nachylenie pochodzą z tego samego źródła rastrowego, więc fajną rzeczą w dalszym korzystaniu z rastrów jest to, że możesz zachować tę samą rozdzielczość dla tych danych wejściowych bez utraty informacji z powodu ponownego próbkowania. (Ten akapit najczęściej jest nieważny, jeśli używasz innych źródeł danych w wielu innych rozdzielczościach. :))

Przydatnym rozszerzeniem wykraczającym poza ręczne określanie ciężarów jest wykorzystanie znanych przypadków, w których modelujesz odpowiedniość i przekazujesz ją do programu statystycznego, jak na stronie: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis

W ten sposób trenujesz swoją przydatność przy użyciu znanych witryn, a nie WAG. Oczywiście jest to bardziej zaangażowane ...