<<На Главную         <В меню Советы по ArcGIS

 Среди прочих задач пространственного анализа довольно часто приходиться проводить многофакторный анализ различных растров. Многофакторный - это в том смысле, что нужно сделать какие-то выводы на основе анализа сразу нескольких интерполированных растров одновременно. Естественно, для такого анализа необходим специальный инструментарий. И в ArcGIS такой инструмент существует. Называется он Алгебра Карт (Map Algebra). Рассмотрим на практике, чем может быть полезен подобный анализ, ну допустим, для задачи выбора наиболее ценных земель по данным агрохимического обследования.

 

  Предположим, что имеются результаты агрохимического обследования по показателям содержания калия, фосфора и кислотности почв (pH), оформленные в виде следующей карты:

Задача - выбрать наиболее ценные участки (области) на основе этих данных по совокупности параметров (калий, фосфор и pH).

Первое, что необходимо сделать - это построить интерполированные растровые поверхности по всем указанным трём параметрам. Этот вопрос уже рассматривался на нашем сайте и более подробную информацию по этому поводу можно посмотреть здесь. Пусть в результате, после построения 3-х поверхностей наша карта выглядит сл. образом:

Далее, для удобства анализа необходимо переклассифицировать поверхности с использование утилиты Reclassify из набора инструментов Spatial Analyst. Как это сделать - этот момент также уже изложен на нашем сайте и эту информацию можно посмотреть тут. Теперь наша учебная карта выглядит сл. образом:

Так, подготовительную работу по генерации растров провели. Теперь, собственно, непосредственно приступим к анализу растров. Для этого ищем утилиту Raster Calculator из набора инструментов Spatial Analyst (Пространственный анализ):

Указанная утилита имеет сл. интерфейс:

Здесь для наглядности ( и в учебных целях) создадим простейшее выражение, в котором  будем строить выходной растр на основе сложения данных из трёх интересующих нас растров (баллов). В принципе, можно производить различную математическую и логическую обработку входных данных. Например, можно придать каждому растру определённый вес.

После отработки инструмента Raster Calculator, получаем сл. картинку:

Выбор земельных участков в ArcGIS

На карте, представленной выше в наглядном виде получили локализацию наиболее качественных земель, с наилучшим содержание калия, фосфора и кислотности почв (области растра OutPutRaster красного цвета c максимальным значением суммы баллов по каждому из указанных показателей).

Интересно, что к аналогичным результатам можно прийти, используя методы многовариантного анализа (Multivariate) всё из того же набора инструментов Spatial Analyst.  Рассмотрим, как это можно сделать используя различные методы классификации, применительно к поставленной задаче выбора наилучших участков на основе анализа интерполированных растровых поверхностей.

Небольшая ремарка. Теоретические методы, заложенные в основу принципов классификации немного сложноваты для рядового, неискушенного  пользователя. Однако, их практическая реализация в ArcGIS, как правило, вопросов не вызывает. Поэтому, будем рассматривать  использование методов кластеризации с позиции "чёрного ящика". Для более подробного ознакомления с методами обработки растровых поверхностей можно посмотреть  статьи здесь и здесь.  Методы классификации, чаще всего, в ГИС используют для задач анализа(дешифрирования) космоснимков по яркости пикселов на снимках, сделанных в различных каналах. Однако, эти алгоритмы пригодны и для анализа растровых интерполированных поверхностей.

Начнём с метода Главных компонент (Principal Components). Ищем указанный метод в наборе инструментов Spatial Analyst>Multivariate>Principal Components:

На вход этого метода "подаём" три наших интерполированных растра:

На выходе получаем синтезированный растр (Princip_1, для данного примера):

Другой широко-используемый метод классификации называется Метод максимального правдоподобия (Maximum Likelihood Classification). Его отличие от описанного выше метода заключается в том, что данный метод использует классификацию с обучением. Технологически это заключается в том, что перед, собственно, построением классификации необходимо создать файл сигнатур или Iso (Iterative Self-Organizing) - файл. Выглядит это сл. образом. Ищем утилиту Iso Cluster:

 

На вход этой утилиты опять "подаём" учебные интерполированные поверхности:

После отработки утилиты получаем "обучающий" файл (или, как ещё говорят, сигнатура) с расширение .gsg

Теперь можно производить классификацию методом Максимального правдоподобия:

Входными данными в данном случае будут поверхности и "обучающий" файл:

Жмём кнопку OK и видим приблизительно сл. картинку:

Теперь, если сравнить карты, полученные различными методами классификаций, то можно убедиться, что  наиболее качественные участки в агрохимическом отношении имеют одинаковую пространственную локализацию. Что, по-видимому, говорит о том, что эти подходы можно использовать для задач поиска (локализации) наиболее ценных участков. Какой из этих методов является наиболее адекватным для данной задачи  -  по - видимому, это тема отдельного обсуждения.

©Simashkov.2011

20.07.2011 г.

Назад