Những thực hành có sẵn cho mô hình phù hợp đất đai?


13

Tôi hiện đang sử dụng phương pháp raster "cổ điển" dựa trên việc chia khu vực nghiên cứu thành các ô. Tất cả các lớp đầu vào được chuyển đổi thành các trình quét với cùng độ phân giải ô và được xếp hạng phù hợp.

văn bản thay thế

Xếp hạng phù hợp cuối cùng cho mỗi ô được tính bằng cách kết hợp xếp hạng từng lớp, với trọng số để phản ánh tầm quan trọng của các yếu tố.

Một mặt nạ cuối cùng được áp dụng để loại trừ bất kỳ khu vực nào, chẳng hạn như các mạch nước, không phù hợp với mục đích sử dụng đất được đề xuất.

Các vấn đề với phương pháp này bao gồm:

  • chọn độ phân giải ô lớn hoặc lớn để cung cấp kết quả có ý nghĩa hoặc độ phân giải cao mang lại cảm giác chính xác sai.
  • tìm trọng số cho từng tham số đầu vào.

Có bất kỳ vấn đề hoặc giải pháp thay thế nào khác để sản xuất bản đồ phù hợp đất đai không?

Câu trả lời:


10

Một giải pháp thay thế nổi tiếng trong một số vòng tròn nhưng dường như hoàn toàn không được biết đến trong GIS là Lý thuyết giá trị đa thuộc tính . Đây là một cách có căn cứ về mặt lý thuyết để thiết lập các phương pháp cho điểm chính xác liên quan đến hai hoặc nhiều đặc điểm (thuộc tính). Nó tiến hành bằng cách xem xét một cách có hệ thống sự đánh đổi giữa các thuộc tính. Ví dụ, với các vấn đề về sự phù hợp, bạn sẽ xem xét sự thay đổi độ cao nào là cần thiết để bù cho một sự thay đổi về độ dốc nhất định để duy trì sự phù hợp như nhau, với các cân nhắc tương tự cho tất cả các cặp thuộc tính có thể.

Thông tin chi tiết được cung cấp bởi lý thuyết bao gồm:

  1. Có thể các trọng số của một tập hợp con thuộc tính thay đổi theo cấp độ của tập hợp con khác của thuộc tính. Khi điều này xảy ra, một hệ thống trọng số đơn giản là không thể - các công thức phức tạp hơn là cần thiết.

  2. Khi các phụ thuộc như vậy không giữ (hoặc không mạnh), thường có thể tìm cách thể hiện lại các thuộc tính (chẳng hạn như lấy logarit hoặc căn bậc hai hoặc đối ứng của chúng) theo cách mà hệ thống tính điểm có trọng số đơn giản thể hiện chính xác giá trị của mọi sự kết hợp của các thuộc tính. (Bài kiểm tra đơn giản cho điều này được gọi là " điều kiện đánh đổi tương ứng ".)

Tôi không nghĩ rằng tôi đã từng thấy một báo cáo về ứng dụng chấm điểm GIS (bao gồm tất cả các nghiên cứu về sự phù hợp) nhận ra sự cần thiết phải kiểm tra tính độc lập của các thuộc tính (1) hoặc cả hai để đánh giá cách thức chính xác để thể hiện các thuộc tính (2) . Trừ khi công việc này được thực hiện, không có hệ thống tính điểm nào có yêu cầu chính đáng về tính chính xác hoặc tính hữu ích chung trong việc đưa ra quyết định.

Vấn đề này quan trọng hơn nhiều so với độ phân giải hoặc MAUP về mặt sản xuất một sản phẩm thực sự hữu ích cho việc đưa ra quyết định.


5

Một thuật ngữ được sử dụng để mô tả vấn đề này là 'Vấn đề đơn vị diện tích có thể sửa đổi ' và một bài báo tôi đọc về chủ đề này là Quá trình đi lại và vấn đề đơn vị diện tích có thể sửa đổi . Cách tiếp cận của các tác giả là kiểm tra phân tích ở một vài thang đo không gian khác nhau để xem xét sự hội tụ điểm nào xảy ra.

Đây là một giải pháp thỏa đáng để kiểm tra một tham số, nhưng khi có nhiều tham số, nó trở nên phức tạp hơn. Trong trường hợp này, có lẽ bạn có thể sử dụng ModelBuilder hoặc Python để phân tích và chạy nó nhiều lần thay đổi kích thước ô để kiểm tra xem bạn có kết quả khác nhau đáng chú ý hay không. Tùy thuộc vào thời gian khả dụng của bạn (và khả năng tính toán), bạn có thể tìm kiếm sự hội tụ về mặt toán học (dừng lại khi chênh lệch nhỏ hơn một tỷ lệ nhất định) hoặc đánh giá nó một cách định tính hơn.


xin lỗi - đặt giấy / liên kết sai vào đó lần đầu tiên. Bây giờ đã được sửa!
djq

4

Các khía cạnh, chiều cao và độ dốc đều đến từ cùng một nguồn raster ban đầu, vì vậy điều tuyệt vời khi tiếp tục sử dụng các trình quét là bạn có thể giữ độ phân giải tương tự cho các đầu vào này mà không mất thông tin do lấy mẫu lại. (Đoạn này chủ yếu là null & void nếu bạn đang sử dụng các nguồn dữ liệu khác ở nhiều độ phân giải khác. :))

Một tiện ích mở rộng hữu ích ngoài việc đưa ra các trọng số bằng tay là sử dụng các lần xuất hiện đã biết của sự phù hợp với mô hình của bạn để đưa nó vào một chương trình thống kê, như trong: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis

Bằng cách đó, bạn sẽ rèn luyện sự phù hợp của mình bằng cách sử dụng các trang web đã biết, thay vì WAGs. Tất nhiên là nó liên quan nhiều hơn ...


+1 để giới thiệu ý tưởng rằng trọng lượng thực sự có thể được lấy từ dữ liệu thay vì chỉ là phỏng đoán hợp lý!
whuber
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.