Quais práticas estão disponíveis para modelar a adequação da terra?

Atualmente, uso uma abordagem "clássica" rasterizada de dividir uma área de estudo em células. Todas as camadas de entrada são convertidas em rasters na mesma resolução de célula e recebem uma classificação de adequação.

Uma classificação final de adequação para cada célula é calculada combinando a classificação de cada camada, com ponderações para refletir a importância dos fatores.

Uma máscara final é aplicada para excluir quaisquer áreas, como corpos d'água, inadequadas para o uso da terra proposto.

Os problemas com essa abordagem incluem:

• escolhendo uma resolução de célula que seja grande demais para fornecer resultados significativos ou uma alta resolução que dê uma falsa sensação de precisão.
• localizando ponderações para cada um dos parâmetros de entrada.

Existem outros problemas ou alternativas para produzir mapas de adequação da terra?

Uma alternativa que é bem conhecida em alguns círculos, mas que parece não ser conhecida no GIS, é a Teoria dos Valores com Atributos Múltiplos . Essa é uma maneira teoricamente fundamentada de estabelecer métodos de pontuação precisos envolvendo duas ou mais características (atributos). Ele prossegue considerando sistematicamente as compensações entre os atributos. Com problemas de adequação, por exemplo, você consideraria qual alteração na elevação seria necessária para compensar uma determinada alteração na inclinação, a fim de manter a mesma adequação, com considerações semelhantes para todos os pares possíveis de atributos.

Os insights fornecidos pela teoria incluem:

1. É possível que os pesos de um subconjunto de atributos variem com os níveis de outro subconjunto de atributos. Quando isso acontece, um sistema de ponderação simples não é possível - são necessárias fórmulas mais complexas.

2. Quando essas dependências não são válidas (ou não são fortes), muitas vezes é possível descobrir como reexpressar atributos (como obter seus logaritmos, raízes quadradas ou recíprocas) de forma que um sistema simples de pontuação ponderada represente corretamente valor de cada combinação de atributos. (O teste simples para isso é chamado de " condição de compensação correspondente ".)

Acho que nunca vi um relatório de um aplicativo de pontuação GIS (que inclui todos os estudos de adequação) que reconhece a necessidade de verificar a independência dos atributos (1) ou incomoda para avaliar a maneira correta de expressar os atributos (2) . A menos que este trabalho seja realizado, nenhum sistema de pontuação tem uma reivindicação legítima de precisão ou utilidade geral na tomada de decisões.

Esse problema é muito mais importante que a resolução ou o MAUP em termos de produção de um produto que é realmente útil para tomar decisões de localização.

Um termo usado para descrever esse problema é o 'Problema da unidade local modificável' e um artigo que li sobre esse tópico é Excesso de deslocamento e o problema da unidade de área modificável . A abordagem dos autores é examinar a análise em algumas escalas espaciais diferentes para verificar em que ponto ocorre a convergência.

Essa é uma solução satisfatória para examinar um parâmetro, mas quando há muitos, fica mais complicado. Nesse caso, talvez você possa usar o ModelBuilder ou o Python para sua análise e executá-lo várias vezes, variando o tamanho da célula para examinar se você tem resultados visivelmente diferentes. Dependendo da disponibilidade de tempo (e do poder computacional), você pode procurar convergência matematicamente (parar quando a diferença é menor que uma determinada porcentagem) ou julgá-la mais qualitativamente.

Aspecto, altura e inclinação são todos originários da mesma fonte raster originalmente; portanto, o bom de continuar usando rasters é que você pode manter a mesma resolução para essas entradas sem perder informações devido à nova amostragem. (Este parágrafo é nulo e sem efeito se você estiver usando outras fontes de dados em muitas outras resoluções. :))

Uma extensão útil para além da criação de pesos à mão é usar ocorrências conhecidas daquilo para o qual você está modelando a adequação e transmiti-la para um programa estatístico, como em: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis

Dessa forma, você treina sua adequação usando sites conhecidos, em vez de WAGs. Claro que é um pouco mais envolvido ...