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:
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.
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.
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 ...
источник