Welche Methoden stehen zur Modellierung der Bodeneignung zur Verfügung?

Derzeit verwende ich einen "klassischen" rasterbasierten Ansatz zum Aufteilen eines Untersuchungsbereichs in Zellen. Alle Eingabeebenen werden mit derselben Zellenauflösung in Raster konvertiert und mit einer Eignungsbewertung versehen.

Eine endgültige Eignungsbewertung für jede Zelle wird berechnet, indem die Bewertungen der einzelnen Schichten mit Gewichtungen kombiniert werden, um die Wichtigkeit der Faktoren widerzuspiegeln.

Eine abschließende Maske wird angewendet, um Bereiche wie Gewässer auszuschließen, die für die vorgeschlagene Landnutzung ungeeignet sind.

Probleme mit diesem Ansatz sind:

• Wählen Sie eine Zellenauflösung, die entweder zu groß ist, um aussagekräftige Ergebnisse zu liefern, oder eine hohe Auflösung, die ein falsches Gefühl für Genauigkeit vermittelt.
• Finden von Gewichtungen für jeden der Eingabeparameter.

Gibt es andere Probleme oder Alternativen zur Erstellung von Landeignungskarten?

Eine Alternative, die in einigen Kreisen bekannt ist, in GIS jedoch anscheinend überhaupt nicht bekannt ist, ist die Multi-Attribut-Wert-Theorie . Dies ist eine theoretisch fundierte Methode, um genaue Bewertungsmethoden mit zwei oder mehr Merkmalen (Attributen) zu etablieren. Dabei werden systematisch Kompromisse zwischen Attributen berücksichtigt . Bei Eignungsproblemen würden Sie beispielsweise überlegen, welche Höhenänderung erforderlich wäre, um eine bestimmte Änderung der Neigung auszugleichen, um die gleiche Eignung beizubehalten, mit ähnlichen Überlegungen für alle möglichen Attributpaare.

Die Theorie liefert folgende Erkenntnisse :

1. Es ist möglich, dass die Gewichte einer Untergruppe von Attributen mit den Ebenen einer anderen Untergruppe von Attributen variieren. In diesem Fall ist ein einfaches Gewichtungssystem nicht möglich - komplexere Formeln sind erforderlich.

2. Wenn solche Abhängigkeiten nicht halten (oder sind nicht stark), ist es oft möglich , zu finden , wie man wieder express Attribute (wie ihre Logarithmen oder Quadratwurzeln oder reziproken nehmen) auf eine solche Art und Weise , dass eine einfache gewichtete Scoring - System das richtig repräsentiert Wert jeder Kombination von Attributen. (Der einfache Test hierfür wird als " entsprechende Abwägungsbedingung " bezeichnet.)

Ich glaube nicht, dass ich jemals einen Bericht über eine GIS-Bewertungs-Anwendung (die alle Eignungsstudien enthält) gesehen habe, in dem die Notwendigkeit einer Prüfung der Unabhängigkeit von Attributen (1) oder von Störfaktoren zur Beurteilung der korrekten Ausdrucksweise von Attributen (2) anerkannt wird. . Sofern diese Arbeit nicht geleistet wird, hat kein Bewertungssystem einen berechtigten Anspruch auf allgemeine Richtigkeit oder Nützlichkeit bei der Entscheidungsfindung.

Dieses Problem ist weitaus wichtiger als die Lösung oder die MAUP, wenn es darum geht, ein Produkt zu produzieren, das für Standortentscheidungen wirklich nützlich ist.

Ein Begriff, der zur Beschreibung dieses Problems verwendet wird, ist das 'Problem mit modifizierbaren Flächeneinheiten ', und ein Artikel, den ich zu diesem Thema gelesen habe, ist das Problem mit übermäßigem Pendeln und den modifizierbaren Flächeneinheiten . Der Ansatz der Autoren besteht darin, die Analyse auf einigen verschiedenen räumlichen Skalen zu untersuchen, um festzustellen, welche Punktkonvergenz auftritt.

Dies ist eine zufriedenstellende Lösung für die Untersuchung eines Parameters, aber wenn es viele gibt, wird es komplizierter. In diesem Fall können Sie ModelBuilder oder Python für Ihre Analyse verwenden und die Zellengröße mehrmals variieren, um festzustellen, ob Sie merklich unterschiedliche Ergebnisse erhalten. Abhängig von Ihrer Zeitverfügbarkeit (und Rechenleistung) können Sie rechnerisch nach Konvergenz suchen (aufhören, wenn der Unterschied weniger als einen bestimmten Prozentsatz beträgt) oder qualitativer beurteilen.

Aspekt, Höhe und Neigung stammen ursprünglich alle aus derselben Rasterquelle. Das Schöne an der weiteren Verwendung von Rastern ist, dass Sie für diese Eingaben die gleiche Auflösung beibehalten können, ohne dass Informationen aufgrund einer erneuten Abtastung verloren gehen. (Dieser Absatz ist größtenteils ungültig, wenn Sie andere Datenquellen mit vielen anderen Auflösungen verwenden. :))

Eine sinnvolle Erweiterung, die über das Ausarbeiten von Gewichten von Hand hinausgeht, besteht darin, bekannte Vorkommen des Objekts, für das Sie die Eignung modellieren, zu verwenden und an ein Statistikprogramm weiterzuleiten, wie in: http://spatial-analyst.net/wiki/index. php? title = Artenverteilung_Modellierung # Habitat_Suitability_Analysis

Auf diese Weise trainieren Sie Ihre Eignung an bekannten Standorten und nicht an WAGs. Natürlich ist es etwas komplizierter ...