มีวิธีปฏิบัติอะไรบ้างสำหรับการสร้างแบบจำลองความเหมาะสมของที่ดิน?


13

ปัจจุบันฉันใช้วิธีการแรสเตอร์แบบ "คลาสสิค" ในการแบ่งพื้นที่ศึกษาออกเป็นเซลล์ เลเยอร์อินพุตทั้งหมดจะถูกแปลงเป็นแรสเตอร์ที่ความละเอียดของเซลล์เดียวกันและให้คะแนนความเหมาะสม

ข้อความแสดงแทน

คะแนนความเหมาะสมขั้นสุดท้ายสำหรับแต่ละเซลล์คำนวณโดยการรวมคะแนนแต่ละเลเยอร์พร้อมน้ำหนักเพื่อสะท้อนปัจจัยที่มีความสำคัญ

มีการใช้หน้ากากขั้นสุดท้ายเพื่อแยกพื้นที่ใด ๆ เช่นแหล่งน้ำที่ไม่เหมาะสมสำหรับการใช้ที่ดินที่เสนอ

ปัญหาเกี่ยวกับวิธีการนี้รวมถึง:

  • การเลือกความละเอียดของเซลล์ที่มีขนาดใหญ่ถึงใหญ่เพื่อให้ผลลัพธ์ที่มีความหมายหรือความละเอียดสูงให้ความรู้สึกที่ผิดพลาด
  • การหาค่าน้ำหนักสำหรับพารามิเตอร์ป้อนเข้าแต่ละตัว

มีปัญหาหรือทางเลือกอื่นในการจัดทำแผนที่ความเหมาะสมของที่ดินหรือไม่?

คำตอบ:


10

ทางเลือกที่เป็นที่รู้จักกันดีในวงการบางส่วน แต่ดูเหมือนจะไม่เป็นที่รู้จักที่ทุกคนที่อยู่ในระบบสารสนเทศภูมิศาสตร์เป็นMulti-ค่าแอตทริบิวต์ทฤษฎี นี่เป็นวิธีที่มีเหตุผลในทางทฤษฎีในการสร้างวิธีการให้คะแนนที่แม่นยำซึ่งเกี่ยวข้องกับคุณลักษณะสองอย่างหรือมากกว่านั้น (คุณลักษณะ) มันดำเนินการโดยพิจารณาถึงการแลกเปลี่ยนระหว่างคุณสมบัติอย่างเป็นระบบ ตัวอย่างเช่นปัญหาเกี่ยวกับความเหมาะสมคุณจะพิจารณาว่าการเปลี่ยนแปลงระดับความสูงจะต้องชดเชยความชันที่เปลี่ยนแปลงเพื่อรักษาความเหมาะสมที่เหมือนกันโดยมีข้อพิจารณาที่คล้ายกันสำหรับคู่ของคุณลักษณะที่เป็นไปได้ทั้งหมด

ข้อมูลเชิงลึกโดยทฤษฎีรวมถึง:

  1. เป็นไปได้ที่น้ำหนักของชุดย่อยของแอตทริบิวต์หนึ่งชุดจะแตกต่างกันตามระดับของชุดย่อยของแอตทริบิวต์อื่น เมื่อสิ่งนี้เกิดขึ้นระบบถ่วงน้ำหนักที่ง่ายเป็นไปไม่ได้ - ต้องการสูตรที่ซับซ้อนมากขึ้น

  2. เมื่อการพึ่งพาดังกล่าวไม่ถือ (หรือไม่รุนแรง) มักจะสามารถหาวิธีแสดงคุณลักษณะใหม่ (เช่นการใช้ลอการิทึมหรือรากที่สองหรือส่วนกลับ) ในลักษณะที่ระบบการให้คะแนนแบบถ่วงน้ำหนักง่ายแสดงถึง ค่าของการรวมกันของทุกแอตทริบิวต์ (การทดสอบอย่างง่ายสำหรับสิ่งนี้เรียกว่า " เงื่อนไขการแลกเปลี่ยนที่สอดคล้องกัน ")

ฉันไม่คิดว่าฉันเคยเห็นรายงานใบสมัครให้คะแนน GIS (ซึ่งรวมถึงการศึกษาความเหมาะสมทั้งหมด) ที่ตระหนักถึงความจำเป็นในการตรวจสอบความเป็นอิสระของคุณลักษณะ (1) หรือรบกวนทั้งคู่เพื่อประเมินวิธีการแสดงคุณลักษณะที่ถูกต้อง (2) . เว้นแต่งานนี้จะเสร็จสิ้นระบบการให้คะแนนจะไม่มีการเรียกร้องที่ถูกต้องตามกฎหมายเพื่อความถูกต้องทั่วไปหรือประโยชน์ในการตัดสินใจ

ปัญหานี้มีความสำคัญมากกว่าการแก้ปัญหาหรือ MAUP ในแง่ของการผลิตผลิตภัณฑ์ที่มีประโยชน์อย่างแท้จริงสำหรับการตัดสินใจเมื่อเทียบกับ


5

คำหนึ่งที่ใช้เพื่ออธิบายปัญหานี้คือ 'ปัญหาหน่วยของปัญหาหน่วยที่แก้ไขได้' และกระดาษที่ฉันอ่านในหัวข้อนี้คือการเดินทางเกินและปัญหาหน่วยเครื่องเสียงที่แก้ไขได้ วิธีการของผู้เขียนคือการตรวจสอบการวิเคราะห์ที่ระดับเชิงพื้นที่ที่แตกต่างกันไม่กี่เพื่อดูสิ่งที่จุดบรรจบเกิดขึ้น

นี่เป็นโซลูชันที่น่าพอใจสำหรับการตรวจสอบพารามิเตอร์หนึ่งตัว แต่เมื่อมีจำนวนมากมันจะซับซ้อนมากขึ้น ในกรณีนี้คุณอาจใช้ ModelBuilder หรือ Python สำหรับการวิเคราะห์ของคุณและเรียกใช้หลายครั้งเพื่อเปลี่ยนขนาดของเซลล์เพื่อตรวจสอบว่าคุณมีผลลัพธ์ที่แตกต่างกันอย่างเห็นได้ชัด ขึ้นอยู่กับความพร้อมของเวลา (และพลังในการคำนวณ) ของคุณคุณสามารถมองหาลู่เข้าทางคณิตศาสตร์ (หยุดเมื่อความแตกต่างน้อยกว่าร้อยละหนึ่ง) หรือตัดสินในเชิงคุณภาพมากขึ้น


ขอโทษ - ใส่กระดาษ / ลิงค์ผิดครั้งแรก ตอนนี้ได้รับการแก้ไขแล้ว!
djq

4

ด้านความสูงและความชันทั้งหมดมาจากแหล่งแรสเตอร์เดียวกันดังนั้นสิ่งที่ดีเกี่ยวกับการใช้แรสเตอร์ต่อเนื่องคือคุณสามารถรักษาความละเอียดเดียวกันสำหรับอินพุตเหล่านี้โดยไม่สูญเสียข้อมูลเนื่องจากการสุ่มตัวอย่างใหม่ (ย่อหน้านี้ส่วนใหญ่เป็นโมฆะ & เป็นโมฆะถ้าคุณใช้แหล่งข้อมูลอื่นที่มีความละเอียดอื่น ๆ :))

ส่วนขยายที่มีประโยชน์นอกเหนือจากการยกน้ำหนักด้วยมือคือการใช้สิ่งที่คุณกำลังทำแบบจำลองความเหมาะสมสำหรับการส่งผ่านไปยังโปรแกรมสถิติดังที่: http://spatial-analyst.net/wiki/index PHP? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis

ด้วยวิธีนี้คุณจะฝึกความเหมาะสมกับเว็บไซต์ที่รู้จักมากกว่า WAGs แน่นอนว่ามันเกี่ยวข้องมากกว่า ...


+1 สำหรับการแนะนำแนวคิดที่ว่าน้ำหนักนั้นสามารถได้มาจากข้อมูลแทนที่จะเป็นเพียงการคาดเดาที่สมเหตุสมผล!
whuber
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.