¿Qué prácticas están disponibles para modelar la idoneidad de la tierra?

Actualmente uso un enfoque "clásico" basado en ráster para dividir un área de estudio en celdas. Todas las capas de entrada se convierten en rásteres con la misma resolución de celda y se les asigna un índice de idoneidad.

Una calificación de idoneidad final para cada celda se calcula combinando la calificación de cada capa, con ponderaciones para reflejar la importancia de los factores.

Se aplica una máscara final para excluir cualquier área, como los cuerpos de agua, que no sean aptos para el uso del suelo propuesto.

Los problemas con este enfoque incluyen:

• elegir una resolución de celda que sea demasiado grande para proporcionar resultados significativos o una alta resolución que dé una falsa sensación de precisión.
• encontrar ponderaciones para cada uno de los parámetros de entrada.

¿Existen otros problemas o alternativas para producir mapas de idoneidad de la tierra?

Una alternativa que es bien conocida en algunos círculos pero que parece no conocerse en absoluto dentro del SIG es la Teoría del valor de atributos múltiples . Esta es una forma teóricamente bien fundamentada de establecer métodos de puntuación precisos que involucren dos o más características (atributos). Continúa considerando sistemáticamente las compensaciones entre los atributos. Con problemas de idoneidad, por ejemplo, consideraría qué cambio de elevación se necesitaría para compensar un cambio dado en la pendiente para retener la misma idoneidad, con consideraciones similares para todos los pares de atributos posibles.

Las ideas proporcionadas por la teoría incluyen:

1. Es posible que los pesos de un subconjunto de atributos varíen con los niveles de otro subconjunto de atributos. Cuando esto sucede, no es posible un sistema de ponderación simple: se necesitan fórmulas más complejas.

2. Cuando tales dependencias no se mantienen (o no son fuertes), a menudo es posible encontrar cómo reexpresar atributos (como tomar sus logaritmos o raíces cuadradas o recíprocos) de tal manera que un sistema de puntuación ponderado simple represente correctamente valor de cada combinación de atributos. (La prueba simple para esto se llama la " condición de compensación correspondiente ").

Creo que nunca he visto un informe de una aplicación de puntuación de SIG (que incluye todos los estudios de idoneidad) que reconoce la necesidad de verificar la independencia de los atributos (1) o molesta para evaluar la forma correcta de expresar los atributos (2) . A menos que se haga este trabajo, ningún sistema de puntaje tiene un reclamo legítimo de precisión general o utilidad en la toma de decisiones.

Este problema es mucho más importante que la resolución o el MAUP en términos de producción de un producto que sea realmente útil para tomar decisiones de ubicación.

Un término utilizado para describir este problema es el 'Problema de unidad de área modificable ' y un documento que leí sobre este tema es Desplazamientos excesivos y el problema de unidad de área modificable . El enfoque de los autores es examinar el análisis en algunas escalas espaciales diferentes para ver qué punto se produce la convergencia.

Esta es una solución satisfactoria para examinar un parámetro, pero cuando hay muchos, se vuelve más complicado. En este caso, quizás podría usar ModelBuilder o Python para su análisis y ejecutarlo varias veces variando el tamaño de la celda para examinar si tiene resultados notablemente diferentes. Dependiendo de su disponibilidad de tiempo (y potencia de cómputo), podría buscar la convergencia matemáticamente (detenerse cuando la diferencia sea menor que cierto porcentaje) o juzgarla de manera más cualitativa.

El aspecto, la altura y la pendiente provienen originalmente de la misma fuente de ráster, por lo que lo bueno de seguir usando rásteres es que puede mantener la misma resolución para estas entradas sin perder información debido al nuevo muestreo. (Este párrafo en su mayoría es nulo si está usando otras fuentes de datos en muchas otras resoluciones. :))

Una extensión útil más allá de crear pesas a mano es usar las ocurrencias conocidas de la cosa para la que está modelando la idoneidad y pasarla a un programa de estadísticas, como en: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Subility_Analysis

De esa manera, usted entrena su idoneidad utilizando sitios conocidos, en lugar de WAG. Por supuesto, es bastante más complicado ...