Иногда геоинформационное моделирование также относят к ГИС-анализу, и для этого есть определенные основания. Но на самом деле это немного разные задачи. ГИС- анализ – это извлечение информации из электронных карт путем выполнения пространственных запросов. Эти запросы можно выполнять без какого-либо преобразования пространственных данных.
Какие задачи можно отнести к задачам ГИС-анализа?
1. Выполнение измерений по карте. В ArcView для измерения длин используется инструмент «линейка». Измерение площадей производится в процессе редактирования площадных объектов. И в том, и в другом случае длина или площадь объекта показываются в единицах измерения карты (вида) внизу окна. Для выполнения измерений можно также воспользоваться калькулятором поля в интерфейсе таблицы атрибутов. В этом случае длина или площадь объекта будут считаться в единицах представления шейп-файла.
2. Получение информации об отдельном объекте (информационная кнопка).
3. Поиск объекта по уникальному атрибуту. Выполняется в активных темах вида.
4. Подсчет статистических характеристик по группе объектов (функция Статистика в меню Поле).
5. Получение пространственной выборки путем запроса к таблице атрибутов. Записываем нужное условие и получаем выборку.
6. Получение пространственной выборки путем оверлея графических слоев.
Заметим, что последнюю операцию уже в каком-то смысле можно отнести к простейшим задачам геоинформационного моделирования. То есть приемы по сути одинаковые, но итог принципиально другой. Что же тогда такое геоинформационное моделирование?
Под геоинформационным моделированием в самом общем смысле подразумевается любой процесс преобразования пространственных данных, результатом которого является качественно новая пространственная информация. То есть геоинформационное моделирование позволяет нам получить какой-то новый тематический слой электронной карты, качественно отличающийся о того, что мы имели раньше.
С этой точки зрения к процедурам геоинформационного моделирования относится и тематическая обработка данных ДЗ, так как в результате тематической классификации мы получаем новый индексный слой – классифицированное изображение. Но это самый простой пример геоинформационного моделирования. Классифицированное растровое изображение без наложения на него хоть каких-то векторных слоев картой еще не является, это просто перекрашенная в условные цвета картина земной поверхности. А вот когда мы на основе результата классификации создаем тематическую карту – это уже геоинформационное моделирование (этап image understanding). Интерактивное редактирование отдельных слоев графической информации, даже по материалам аэрокосмических съемок, к геоинформационному моделированию тоже отношения не имеет. А вот создание ресурсных карт по материалам тематической обработки данных ДЗ – это задача геоинформационного моделирования. Построение графика или диаграммы на основе пространственных данных – это, по сути, тоже геоинформационное моделирование.
Таким образом, процесс геоинформационного моделирования отличается от обычных процедур редактирования графической информации именно комплексным использованием как пространственных, так и атрибутивных (табличных) данных. И от обычных запросов к базе данных – тоже. Это основное достоинство геоинформационных технологий и одна из основных причин их возрастающей популярности.
По методологическому критерию выделяют несколько видов геоинформационного моделирования, реализуемых как в векторных, так и в растровых ГИС. Нельзя сказать, что каждый из этих видов моделирования связан с определенным формальным (математическим) аппаратом, скорее классификация проводится на уровне самой концепции.
· Геокодирование – позиционирование (координатная привязка) табличных данных. В общем-то, задача простая и относится к теории реляционных баз данных. В ArcView для этого есть готовый аппарат, и вы уже тренировались.
· Геогруппировка – построение пространственно-временной динамической модели путем объединения совокупностей графических объектов в более крупные. Здесь используются аналитические зависимости и физические модели. Собственно, это разные задачи тематической классификации растровых, реже векторных слоев карты. Этим, например, будут заниматься те, кто работает в метеорологии, геофизике, физике океана и т.п. В основном речь идет о растровых моделях данных и методология в основном относится к методологии анализа растровых сцен. Но оверлейный анализ тоже присутствует. Аппарат достаточно хорошо формализован, поэтому большая часть процессов может быть автоматизирована.
· Буферизация – построение буферных зон для различных типов объектов. Пример – построение водоохранных зон крупных рек и водоемов. Еще пример – зоны воздействия стрессового фактора на природные объекты. Аппарат – построение огибающей на заданном расстоянии от границы объектов, а потом объединение и удаление перекрытий. Тоже процедура формальная, поэтому может выполняться автоматически.
· Генерализация – обобщение графических объектов и изменение их отображения при изменении масштаба. Этот вопрос мы будем рассматривать специально, так как он очень важен для умения пользоваться картами. И еще важен при создании мелкомасштабных карт, которые чаще всего и делаются по космическим снимкам. Методологический аппарат очень разнообразен, кое-что потом рассмотрим. Полная формализация практически невозможна: слишком много различных факторов, которые необходимо учитывать.
· Комбинирование – композиция и декомпозиция графических объектов на основе отношений между ними. Если геогруппировка в основном применима к растровым моделям, то комбинирование – это методология в векторных ГИС. Простейшим примером комбинирования является одна из операций редактирования полигонов, которая так и называется. Комбинирование – это, в основном, методология прикладного ГИС-анализа (какая-то пространственная выборка по заданным критериям). Например, решение транспортных задач осуществляется в основном с помощью процедур комбинирования. Многие задачи этого типа могут быть решены методами дискретного анализа, в частности, методами теории графов.
· Обобщение – создание атрибутов новых объектов на основе отношений между исходными. Процедура обобщения часто включает топологический анализ графических объектов, но в целом она достаточно хорошо формализуется. Может быть интерактивной, но может быть и чисто аналитической. Пример – на основе некоторых значений некоторых показателей A,B,C рассчитывается показатель D, потом производится группировка объектов по этому показателю. Пример – построение карты растительного покрова по составу растительности в пределах некоторого контура. Преимущественно здесь используется аппарат дискретного анализа и теории баз данных.
· Построение тематических карт на основе анализа и обработки атрибутивных данных. Эта методология лежит в основе создания некоторых легенд в ArcView. Там классификация производится по одному атрибуту. Если требуется классификация объектов по нескольким атрибутам, требуется корреляционный и факторный анализ. В конечном счете, это все методология распознавания, основанная на многомерной кластеризации. Такой подход, однако, чаще всего требуется при создании так называемых синтетических карт по комплексу показателей. Во многих случаях просто новый показатель просто рассчитывается по заданным формулам.
Дата добавления: 2014-01-11 ; Просмотров: 3697 ; Нарушение авторских прав? ;
Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет
источник
Любая современная ГИС содержит в себе набор средств для анализа пространственно- атрибутивной информации являются. Используя аналитические функции ГИС можно получить ответы на такие вопросы, как:
— Каково расположение объекта А по отношению к объекту В?
— Какое количество объектов А располагается в пределах расстояния D от объекта B?
— Какое значение имеет функция Z в точке X?
— Что получится в результате пересечения объектов A и B?
— Какой маршрут от объекта X до объекта Y будет оптимальным?
— Какие объекты расположены внутри объектов X1, X2, . Xn?
— Сильно ли изменится пространственное распределение объектов после изменения существующей классификации?
— Что произойдет с объектом А, если изменить объект В и его местоположение относительно А?
Запросы в ГИС можно задавать как простым кликом мышью на объекте, так и с помощью развитых аналитических средств. В группе со средствами стандартного языка структурированных запросов SQL (Structured Query Language) аналитические возможности ГИС дают пользователю мощные и настраиваемые инструменты для обработки и управления информацией.
Выделим основные функции ГИС, связанные с анализом пространственно-атрибутивной информации.
Возможности непространственного (атрибутивного) анализа:
— запрос по атрибутам и их отображение;
— поиск цифровых карт и их визуализация;
— классифицирование непространственных данных;
— картографические измерения (расстояние, направление, площадь);
Возможности пространственного анализа:
— декомпозиция и объединение объектов;
Аналитические методики картографических данных в ГИС мало чем отличаются от методик анализа информации на традиционных картах. Измерение количественных параметров объектов и их математическая обработка являются общепринятыми. Однако расчеты проводятся настолько быстро, что это позволяет за малые интервалы времени проверять огромное число предположений и гипотез и подбирать наиболее подходящие из них.
Пространственное расположение объектов исследуется при помощи операций анализа размещения, связей и других геопространственных взаимоотношений объектов и их атрибутов. К таким операциям можно отнести буферизацию, анализ близости, оверлейный и сетевой анализ, районирование и др. Комбинируя перечисленные операции можно решать достаточно сложные пространственные задачи.
Далее мы представим детальное рассмотрение некоторых наиболее ценных функций анализа пространственного расположения объектов, так как функции обработки описательной информации в ГИС (сортировка, группировка, поиск значений, калькуляция, статистика и пр.) схожи с функциями, используемыми в обычных СУБД.
Буферная зона (buffer zone, buffer, corridor) – представляет из себя полигональный слой, образованный путем расчета и построения эквидистант, или эквидистантных линий (equidistant line), равноудаленных относительно множества точечных, линейных или полигональных пространственных объектов. Операция “буферизации” (buffering) применяется, например, для целей выделения трехкилометровой пограничной зоны, 20-метровой полосы отчуждения железнодорожной линии и т.п. Буферная зона полигонального объекта может строиться как вовне, так и внутри полигона. В случае если расстоянию между объектами и эквидистантами ставятся в соответствие значения одного из его атрибутов, говорят о “буферизации со взвешиванием” (weighed buffering).
В современных ГИС буферные зоны создаются автоматически, причем построить их можно вокруг объектов любых типов. Говоря проще, буферные зоны – это могут быть эпидемиологические зоны, зоны техногенных катастроф (розлив нефти, авария на атомной станции), зоны дальнего действия различных радиотехнических устройств и систем и т.д.
Рис. . Построение буферных зон заданной ширины для различных графических примитивов.
Представьте, что у вас есть задача создать область, охватывающую объекты, находящиеся в пределах 500 метров по обе стороны от реки. Процесс создания такой области называется созданием буферной зоны. Сама такая зона называется буфером. Вид буфера определяется его радиусом. Радиусом буфера в нашем случае является величина 500 метров.
Рис. . Буферная зона вокруг объекта.
Чтобы создать буфер, нужно задать радиус буфера, либо в виде константы, либо в виде колонки таблицы, либо в виде выражения. Затем нужно указать гладкость (число сегментов для буферной окружности). Радиус буфера определяет его размеры. Скажем, чтобы буфер охватывал все объекты, расположенные в пределах 10 километров по обе стороны шоссе, следует задать радиус буфера 10 километров. Если в качестве радиуса используется выражение или данные из некоторой колонки таблицы, то ГИС будет вычислять радиус. Радиус можно задать как постоянную величину (константу), а также использовать значения из некоторой колонки таблицы в качестве значений радиуса. Например, чтобы создать вокруг городов буферные зоны, которые отражали бы численность их населения, можно выбирать значения радиуса буфера из колонки “Население”. Более того, радиус буфера можно задавать в виде выражения. Допустим, нужно создать буферы вокруг городов, отражающие плотность населения. Но в таблице нет колонки, которая содержала бы значение плотности населения. В таком случае надо задать радиус буфера выражением, в котором будет вычисляться плотность населения на основании данных численности населения и площади городов.
Число сегментов для буферной окружности определяет степень скругления (гладкость). Чем больше сегментов используется для прорисовки буферной окружности, тем больше уровень гладкости буферов. Вместе с тем надо помнить, что большая гладкость требует и большего времени на создание буфера. Стандартное значение гладкости – 12 сегментов для полной окружности.
Любая современная ГИС может рассчитывать ширину буфера от границы объекта двумя методами – для сферических координат и для декартовых координат. Сферические вычисления измеряют расстояние на сферической поверхности Земли. Это означает, что расстояние от границы исходного объекта до нового буферного объекта может изменяться от узла к узлу. Декартовые вычисления расстояния производятся на плоскости X–Y, на которую спроецированы данные.
Можно создавать единый буфер вокруг всех выбранных объектов или отдельные буферы вокруг каждого объекта. Осуществить буферизацию для нескольких объектов сразу можно двумя способами. Во-первых, можно создать единый буфер вокруг всех этих объектов. В этом случае следует помнить, что ГИС считает полученный буфер единым объектом типа многоугольник. Если выбрать один из буферных многоугольников, будут выбраны и все остальные. Другим способом является создание отдельных буферов для каждого из объектов.
Оверлейная операция, оверлей (overlay) – представляет из себя операцию наложения друг на друга двух или более слоев, результатом которой является графическая композиция (графический оверлей) используемых слоев, либо единственный результирующий слой, несущий в себе набор пространственных объектов исходных слоев, топологию этого набора и атрибуты, которые являются производными от значений атрибутов исходных объектов в топологическом оверлее векторной модели представлений пространственных объектов.
К оверлейным относятся операции:
— определения принадлежности точки полигону;
— определения принадлежности линии полигону;
— определения принадлежности полигона полигону;
— наложения двух полигональных слоев;
— уничтожения границ одноименных классов полигонального слоя с порождением нового слоя;
— определения линий пересечения объектов;
— объединения (комбинирования) объектов одного типа;
— определения точки касания линейного объекта и т.д.
Примером оверлейной операции служит операция топологического оверлея “точка-в-полигон” (point-in-polygon). По существу происходит наложение двух слоев, в результате чего образуется новый слой.
Рис. . Оверлейная операция “точка-в-полигон”.
Операция наложения двух полигональных слоев (polygon-on-polygon) методом вырезания применяется для вырезания части одного слоя, используя для этого другой слой в качестве формы. Эта операция создает новый слой посредством наложения объектов двух слоев. Один из этих слоев должен быть полигонального типа и он используется для определения области отсечения. В полученном слое сохраняют только те объекты исходного слоя, которые попадают в область вырезания. Объектами исходного слоя могут быть любые объекты (полигоны, линии или точки). Объекты нового слоя будут одного типа с объектами исходного слоя. В итоге получают объективную атрибутивную таблицу для нового слоя, которая содержит поля, аналогичные имеющимся полям в атрибутивной таблице исходного слоя.
Помимо операций топологического оверлея существуют операции логического или булевского оверлея. Все операции (всего их четыре) основаны на элементарных логических функциях – логические И, ИЛИ, НЕ и исключающее ИЛИ.
Рис. . Операции логического оверлея.
В качестве примера, на следующем рисунке показана операция пересечения, основанная на логической функции И.
Рис. . Пример операции пересечения.
Переклассификация – это аналитическая операция, направленная на преобразование слоя карты по заданному условию. К примеру, на карте нанесены сельхоз угодья с разными типами почв. Кроме того, на карте указаны растительные культуры, произрастающие на данном участке земли. В данном случае операция переклассификации позволяет объединить однородные почвенные зоны в единую область без акцента на растущие на них сельхоз культуры. В этом случае условием переклассификации является принадлежность к одному типу почвы.
Рис. . Пример аналитической операции переклассификации.
Выделяют несколько основных переклассификационных условий. Одно из первых – это отсечение объектов, пространственное положение которых не соответствует заданной позиции.
Рис. . Позиционная переклассификация.
Следующее переклассификационное условие – значение какой-либо величины (высота над уровнем моря, зональная температура, количество осадков), отображаемой на карте. Например, на карте нужно изменить футы на метры.
Рис. . Переклассификация по значению величины.
Переклассификация часто производится по размеру объектов. Например, на слое карты необходимо убрать объекты, площадь которых ниже либо выше заданного значения.
Рис. . Переклассификация по размеру объектов
Рис. . Переклассификация единого класса объектов в индивидуальные объекты.
Переклассификация используется для разбиения класса объектов на индивидуальные объекты, так как с ними удобнее работать.
Картометрические функции – это операции, позволяющие измерять расстояния, площади, периметры, объемы, заключенные между секущими поверхностями и т.д. Как правило, такие операции являются обязательными внутренними функциями ГИС.
Рис. . Измерение расстояния.
Картометрические измерения тесно связаны с морфометрическими (morphometry) измерениями, суть которых заключается в вычислении морфометрических показателей (morphometric indexes, morphometric parametrs), т.е. показателей формы и структуры явлений (извилистости, расчленения, плотности и мн. др.) на основе картометрических определений. Измерения и исчисления по тематическим картам иногда выделяют в особый раздел – тематическую картометрию и морфометрию (thematic cartometry and morphometry).
Процесс вычисления картометрических и морфометрических функций состоит в определении координат, направлений, дистанций, периметров, размеров, площадей, форм объектов, а также параметров дистанционной съемки, полученных по стереопаре (стереологические параметры). При проведении картометрических измерений нужно знать, что:
— процесс вычисления координат объектов различается для разных примитивов: проще всего вычислить координаты точек — (x, y), затем линий – (x1, y1; …; xn, yn), и, наконец, полигонов – (x1, y1; … xn, yn; x1, y1). Для линий иногда приходится вычислять дополнительные характеристики, такие как длина и угол простирания. Для полигонов чаще всего определяют периметр, площадь, размеры;
— форму обычно охарактеризовывают такими параметрами, как факторы формы круга и эллипса. Фактор формы круга показывает насколько полигон близок к кругу, т.е. фигуре, площадь которой ограничена наименьшим периметром. Для круга фактор формы круга равняется 1. С увеличением периметра фигуры при неизменной площади значение фактора формы круга уменьшается до 0. Фактор формы эллипса говорит о близости фигуры к эллипсу (изменение значений этого фактора такое же, как для круга);
— вычисление стереологических параметров необходимо для описания объемной (3d) структуры объектов. Фундаментом для расчета параметров служат значения площади и периметра примитива, полученные с карты. В большинстве случаев, этими параметрами описывают структуры, элементы которых связаны между собой в пространстве.
Процесс районирования (зонирования) состоит в объединении объектов на карте в большие регионы или территории для обобщения данных по этим территориям. Районирование используется в самых различных задачах, таких, как создание и анализ территорий сбыта, избирательных округов, территорий, обслуживаемых подразделениями аварийной службы, маршрутов доставки, анализ распределения ресурсов и т.д. ГИС создает тематическую карту методом индивидуальных значений, в которой тематической переменной является название территории. На этой карте цветами обозначены различные территории – районы. Специальное окно обычно показывает данные о районах в табличной форме. Кроме того ГИС позволяет динамически отслеживать изменения в данных по рай- онам при переносе объектов из одного района в другой. Районирование чаще всего используется для оптимизации территориального планирования и решения задач иногда называемых “балансировкой (выравниванием) территорий”.
При районировании не создается новых географических объектов на карте, а также не вносится никаких постоянных изменений в стили существующих объектов. Районирование представляет собой инструмент динамической группировки существующих объектов и анализа соответствующих данных. Однако пользователь ГИС может зафиксировать изменения в объектах, сохранив в виде отдельной таблицы результаты районирования. Районирование можно осуществить для любой таблицы, содержащей графические объекты типа область, линия или точка. Различные районы изображаются различными штриховками, типами линий или символов. Число районов для каждой таблицы обычно не может превышать 300.
Рис. . Районы и районные центры Приморского края.
Районирование особенно полезно при большом разбросе значений данных, когда необходимо оценить различные сценарии разделения. Районирование можно применять для создания новых территориальных единиц или для перепланирования существующего деления.
Сетевой анализ направлен на решение задач по определению ближайшего, наиболее выгодного сетевого (это может быть транспортная сеть, сеть телекоммуникаций и т.д.) маршрута, установлению уровней нагрузки на сеть, определению зон влияния на объекты сети других объектов. Сетевой анализ часто используют в процессе принятия решений по транспортным задачам, по проектированию и эксплуатации разнообразных сетей инженерных коммуникаций и т.д.
Рис. . Определение наиболее выгодного маршрута.
Сетевой анализ нацелен на обработку данных линейных объектов, которые имеют разветвленную (древовидную) структуру. Он может быть использован, например, при анализе геологических данных по интенсивности спектральных линий.
Для решения более сложных исследовательских задач используется моделирование распределения пространственных и атрибутивных параметров графических объектов методом регулярной ячейки. Этот метод представляет из себя набор пространственных операций, в процессе выполнения которых территория разбивается на регулярные ячейки строго установленного размера и вычисляются статистические значения пространственных или атрибутивных данных объектов в этих ячейках. Регулярная ячейка представляет из себя двухмерный пространственный объект, элемент разбиения земной поверхности линиями регулярной сети, то есть регулярно-ячеистого представления пространственных объектов, в отличие от пикселя (как элемента растрового представления), образуемого разбиением линиями растра изображения (а не земной поверхности).
Другие аналитические операции
Анализ видимости-невидимости – это одна из операций по обработке цифровых моделей рельефа, которая обеспечивает оценку поверхности с точки зрения видимости или невидимости отдельных его частей путем выделения зон и построения карт видимости-невидимости с некоторой точки обзора или множества точек, заданных их положением в пространстве (источников или приемников излучений).
Пространственный анализ видимости-невидимости основан на оценке взаимной видимости двух точек. Анализ видимости-невидимости применяется для оценки влияния рельефа (в особенности горного) или рельефности городской застройки на величину зоны устойчивого радиоприема (радио- видимости) при проектировании радио- и телевещательных станций, радиорелейных сетей и систем мобильной радиосвязи.
Анализ близости – представляет собой пространственно-аналитическую операцию, основанную на поиске двух ближайших точек среди заданного их множества (поиск кратчайшего расстояния) и используемую в различных алгоритмах пространственного анализа. При обработке геологической информации это может быть локализация ближайших точек в геохимических аномалиях с заданными параметрами.
Не нашли то, что искали? Воспользуйтесь поиском:
источник
| ГИС для преподавателей | Часть 10: Пространственный анализ растровых данных: интерполяция | |
| Цель: Понимание интерполяции как примера пространственного анализа | ||
Ключевые слова: Точечные данные, метод интерполяции, IDW (Обратное Взвешенное Расстояние), TIN (Нерегулярная Триангуляционная Сеть)
Пространственный анализ – это произведение вычислительных операций над геоданными с целью извлечения из них дополнительной информации. Обычно пространственный анализ выполняется в ГИС-приложениях. ГИС-приложения имеют специализированные инструменты пространственного анализа для статистики объектов (например, определяет, из скольких вершин состоит полилиния) или для геообработки (например, интерполяция). Используемые инструменты зависят от области применения. Специалисты, занятые в сфере водопользования и гидрологии, больше заинтересованы в анализе рельефа с целью моделирования водного стока. Экологи используют аналитические функции, помогающие выявить взаимоотношения между территориями дикой природы и освоенными областями. Каждый пользователь сам определяет используемые инструменты в зависимости от того, какие проблемы ему нужно решить.
Подробнее о пространственной интерполяции:
Рисунок 87: Карта температур ЮАР, созданная методом интерполяции на основе данных с метеостанций.
Использование известных значений той или иной величины в определенных точках для оценки неизвестных значений в неизвестных точках называется пространственной интерполяцией. Например, создавая карту температур какой-либо страны, Вы не найдете достаточно метеостанций, равномерно распределенных по ее территории. Пространственная интерполяция помогает оценить температуры на всей территории, используя существующие данные, взятые с метеостанций (см. Рисунок 87). Результат такой интерполяции часто называют статистической поверхностью. Модели рельефа, карты осадков и накопления снега, а также карты плотности населения – вот некоторые примеры результатов пространственной интерполяции.
Из-за высокой стоимости и ограниченности времени и ресурсов сбор данных обычно производится на ограниченном количестве точек. В ГИС, интерполяция полученных значений позволяет построить растровое изображение, значения пикселей которого являются оценочными значениями, полученными на основе данных точек.
Например, чтобы создать цифровую модель рельефа на основе высотных данных, собранных с помощью GPS-устройства в определенных точках, выбирается метод интерполяции, подходящий для оптимальной оценки высоты в тех точках, где данные отсутствуют. Полученная модель может быть использована для проведения анализа или как основание для другой модели.
Существует целый ряд методов интерполяции. В этом разделе мы расскажем о двух широко используемых методах: IDW (англ. Inverse Distance Weighting, рус. Обратное Взвешенное Расстояние) и TIN (англ. Triangulated Irregular Networks, рус. Нерегулярная Триангуляционная Сеть). Если Вы хотите узнать больше о других методах интерполяции, просим Вас обратиться к источникам, указанным в рубрике «Дополнительная информация».
IDW – Обратное Взвешенное Расстояние
Метод интерполяции IDW заключается в том, что происходит взвешивание точек таким образом, что влияние известного значения точки затухает с увеличением расстояния до неизвестной точки, значение которой надо определить (см. Рисунок 88).
Рисунок 88: Метод интерполяции IDW, основанный на взвешенном расстоянии от точек сбора данных (слева). Итоговая поверхность рельефа создана методом IDW-интерполяции на основе точечного слоя с атрибутом высоты над уровнем моря. Источник изображения: Mitas, L., Mitasova, H. (1999)
Взвешивание присваивается точкам сбора данных на основе коэффициента взвешивания, который контролирует, как воздействие точки будет уменьшаться с увеличением расстояния до этой точки. Чем выше коэффициент взвешивания, тем меньше будет эффект, оказываемый точкой, если она будет далеко от неизвестной точки, значение которой определяется в ходе интерполяции. По мере возрастания коэффициента значение неизвестной точки будет приближаться к значению ближайшей точки сбора данных.
Важно отметить, что метод интерполяции IDW также имеет некоторые недостатки. Качество результата может снизиться, если распределение точек сбора данных носит неравномерный характер. Кроме этого, максимальные и минимальные значения интерполированной поверхности могут быть зафиксированы только в точках сбора данных. Это часто приводит к небольшим пикам и углублениям вокруг этих точек, как можно видеть на Рисунке 88.
В ГИС, результат интерполяции показан как двумерный растровый слой. На Рисунке 89 Вы можете видеть типичный результат IDW-интерполяции, основанной на точках высот, собранных на местности с помощью GPS-устройства.
Рисунок 89: Результат IDW-интерполяции на основе случайно распределенных
точек сбора данных о высотах (показаны черными крестиками).
TIN – Нерегулярная Триангуляционная Сеть
Интерполяция методом TIN – еще один инструмент, популярный в среде ГИС. Распространенный алгоритм TIN называется триангуляцией Делоне. Он создает поверхность, состоящую из треугольников, формируемых ближайшими точками. Для этого вокруг точек сбора данных проводятся окружности, и их пересечения соединяются в сеть компактных треугольников, примыкающих друг другу без пересечений и разрывов (см. Рисунок 90).
Рисунок 90: Триангуляция Делоне с окружностями, проведенными вокруг точек сбора данных (красные точки).
Итоговая поверхность рельефа создана методом TIN-интерполяции на основе точечного слоя с атрибутом
высоты над уровнем моря. Источник изображения: Mitas, L., Mitasova, H. (1999)
Главный недостаток метода TIN в том, что итоговая поверхность выглядит не гладкой, а весьма угловатой. Это вызвано тем, что получаемые уклоны носят прерывистый характер, т.е. имеют перепады в местах стыковки составляющих треугольников. Кроме того, триангуляция работает только между точками сбора данных, но не вокруг, и нерегулярность точек ведет к неожиданным результатам (см. Рисунок 91).
Рисунок 91: Триангуляция Делоне на основе нерегулярных точек сбора данных об осадках.
Важно помнить, что не существует такого метода интерполяции, который подходил бы ко всем ситуациям. Некоторые обеспечивают более точный результат, но требовательны к вычислительным ресурсам компьютера и исполняются дольше. У всех есть достоинства и недостатки. Выбор определенного метода интерполяции зависит от особенностей входных данных, требуемого типа итоговой поверхности и уровня допустимых ошибок оценки величин. В целом, рекомендуется производить три этапа оценки:
- Оценить входные данные с точки зрения пространственного распределения точек и подумать о том, какой характер носит распределение моделируемой величины (плавный, сконцентрированный вокруг точек и др.). Это поможет определить подходящий метод интерполяции.
- Рассмотреть задачу и найти метод, который подходит наилучшим образом. Если есть сомнения, можно попробовать несколько методов.
- Сравнить результаты и выбрать лучший результат, а следовательно – самый подходящий метод.
Поначалу этот процесс будет выглядеть сложным, но по мере приобретения опыта работы с разными методами интерполяции время, необходимое для генерации подходящей поверхности, сильно сократится.
Другие методы интерполяции
Хотя в данном разделе мы остановились на методах IDW и TIN, существует множество других методов интерполяции, например RST (англ. Regularized Splines with Tension, рус. Регуляризированный Сплайн с Натяжением), Кригинг (англ. Kriging) или трендовая интерполяция (англ. Trend Surface Interpolation). Дополнительная информация о них приведена по ссылке ниже.
Закрепим изученный материал:
- Интерполяция использует векторные точки с известными значениями той или иной величины для оценки этой величины в неизвестных точках и создает растровую поверхность, покрывающую всю область исследования.
- Результат интерполяции – растровый слой того или иного формата.
- Для оптимальной оценки величины важно выбрать подходящий метод интерполяции.
- IDW-интерполяция присваивает входным точкам коэффициенты взвешивания так, что воздействие точек затухает с увеличением расстояния до новой точки, где производится оценка значения величины.
- TIN-интерполяция использует входные точки для создания поверхности, состоящей из прилегающих друг к другу треугольников, основываясь на пространственном распределении этих точек.
Ниже приведено несколько примеров практических заданий для Ваших учеников:
- Департамент Сельского Хозяйства планирует перевод земель в с/х использование, но помимо типа почв для этого нужно знать, достаточно ли осадков выпадает в данной области. Вся информация, которой они располагают, — это данные с нескольких метеостанций. Создайте поверхность интерполяции, которая показывает участки с наибольшим количеством осадков на территории.
- Департамент туризма хочет опубликовать информацию о погодных условиях в январе и феврале. У них есть данные метеостанций о температуре, осадках и силе ветра, и они попросили Вас найти территории с оптимальными условиями для туристов, а именно – мягкими температурами, отсутствием осадков и слабыми ветрами. Можете ли Вы найти эти территории, используя инструменты ГИС?
Если у Вас нет компьютера:
Вы можете использовать лист топографической карты и линейку для оценки высот между горизонталями или температуры между гипотетическими метеостанциями. Например, если температура на станции А равна 20°С, а температура на станции В равна 24°С, то в точке, лежащей ровно посередине между этими станциями, температура примет значение в 22°С.
- Chang, Kang-Tsung (2006): Introduction to Geographic Information Systems. 3rd Edition. McGraw Hill. (ISBN 0070658986)
- DeMers, Michael N. (2005): Fundamentals of Geographic Information Systems. 3rd Edition. Wiley. (ISBN 9814126195)
- Mitas, L., Mitasova, H. (1999): Spatial Interpolation. In: P.Longley, M.F. Goodchild, D.J. Maguire, D.W.Rhind (Eds.), Geographical Information Systems: Principles, Techniques, Management and Applications, Wiley.
Руководство Пользователя QGIS также содержит более подробную информацию об инструментах интерполяции, имеющихся в ГИС-приложении QGIS.
Это последний раздел. Вы можете воспользоваться Руководством Пользователя QGIS для поиска более подробной информации о всех остальных возможностях ГИС-приложений. Мы желаем Вам успехов в освоении Quantum GIS!
источник
Пространственный анализ позволяет решать сложные задачи и приводит к лучшему пониманию того, что и где происходит в этом мире. Он выходит за пределы только картографии, позволяя изучать характеристики различных местоположений и существующие взаимосвязи. Пространственный анализ добавляет новые возможности для принятия.
Если взглянуть на карту преступлений в городе, можно ли понять, в каких областях самый высокий уровень преступности? Или, изучая другие типы информации, например, о демографии, о местоположениях школ или парков, можно ли определить наилучшее место, где купить новый дом? Всякий раз при взгляде на карту мы, на самом деле, начинаем превращать карту в информацию, анализируя ее содержание: ища закономерности в распределении, определяя тренды или делая выводы. Такой процесс называется «пространственным анализом», это наше естественное восприятие рассматриваемой карты.
Пространственный анализ является самым интригующим и замечательным аспектом ГИС. С его помощью можно сочетать информацию из различных независимых источников и извлекать качественно новую информацию (результаты), применяя сложные комбинации пространственных операций. Обширная коллекция инструментов пространственного анализа помогает найти ответы на сложные вопросы, связанные с организацией пространства. При помощи статистического анализа можно понять, являются ли наблюдаемые закономерности значащими. Можно проанализировать различные слои и рассчитать пригодность места для определенного типа человеческой деятельности. А применяя анализ изображений, можно выявить изменения, произошедшие со временем. Эти и многие другие инструменты, являющиеся частью ArcGIS, позволяют рассматривать критически важные вопросы и решения, не предусматриваемые простым визуальным анализом. Ниже приведены несколько базовых методик пространственного анализа и примеры их использования на практике.
В этом 3D анализе горячих точек за 20 лет исследований ураганов на территории США вертикальная ось z используется для отображения времени, т.е., при повороте вправо в 3D-вьюере, отображаются две декады с изменениями активности ураганов.
Используя данные, полученные National Drought Mitigation Center от различных агентств, эта карта представляет засухи различной степени в Техасе с 2011 по 2016.
Этот анализ трендов пространства-времени по ДТП во Флориде учитывает время дня и дорожные условия, что позволяет определить новые горячие точки.
Статистический анализ может выявить закономерности в событиях, которые кажутся случайными и не связанными друг с другом, например, преступления в Сан-Франциско.
ГИС-анализ используется для изучения эффективности обслуживания жителей Атланты общественным транспортом. Любой, кто ездит на работу, понимает, что время дня имеет большое значение. Вы можете использовать эту карту-историю для изучения уровня обслуживания в различные интервалы времени.
Пространственный анализ применяется во всем мире для получения новой информации и принятия обоснованных решений. Организации, использующие в своей работе пространственный анализ, представляют широкий спектр человеческой деятельности – это государственное и местное управление, национальные агентства, разнообразный бизнес, инженерно-технические компании, колледжи и университеты, НПО – список можно продолжать. Вот несколько примеров.
Модель пространственного взаимодействия определяет горячие точки преступности в Чикаго.
В этом временном анализе развития засух в 2010–2015 годах в Техасе применяются методы как растрового, так и векторного анализа. Проект оказался успешным благодаря привлечению внимания к окончательному информационному продукту: карте-истории.
Инициатива Esri по изучению природной инфраструктуры позволила запустить разработку данных по критически важным участкам размером в 100 акров, называемым “центрами нетронутой природы” по континентальной территории США. Это позволило обеспечить свободный доступ к данным, которые могут использоваться как источник для планирования землепользования и создания информационных продуктов, которые позволят широкой публике понять важность сохранения оставшихся уголков нетронутой природы.
GeoPlanner for ArcGIS — это приложение для планирования, используемое для оценки различных вариантов землепользования в местном и региональном масштабах. На этом рисунке показан сценарий, когда предлагаемые к охране области (светло-зеленый) находятся в районах с высокой степенью роста численности населения.
GeoDescriber анализирует слои рельефа в Living Atlas of the World для создания краткого описания характеристик наиболее важных элементов ландшафта.
Очень часто, создавая карту вы, на самом деле, выполняете анализ. Это происходит потому, что задумывая карту, вы ставите перед собой определенную цель. У вас есть вопрос, на который вы хотите получить ответ при помощи карты. Например, где болезнь повредила деревья? Какие населенные пункты находятся на пути распространения пожара? Или где находятся области с высоким уровнем преступности? К тому же, при создании карты, как и при выполнении анализа, вы принимаете решение о том, какую информацию включить на карту, и как ее представить. Эффективная визуализация очень важна для донесения до пользователя результатов работы и сообщений в привлекательном и понятном виде.
На отображаемой в 3D-пространстве поверхности можно идентифицировать значение фона, на котором драпируются данные, и анализировать их. На этой сцене показано изображение водосборного бассейна и реки, наложенное на цифровую модель рельефа.
Инструменты солнечной радиации в ArcGIS позволяют наносить на карту и анализировать потенциальные точки для генерации электроэнергии с помощью солнечных панелей. (Здесь показан Нейпервилл, Иллинойс.)
С помощью мультиспектральных изображений вы сформируете новый взгляд на состояние и качество сельскохозяйственных посевов. С использованием индекса NDVI показано состояние посадок картофеля и рапса в Саскачеване, Канада.
Эта интересная карта-история, используя ГИС-анализ видимости, рассказывает о судьбоносной битве при Геттисберге, произошедшей во время Гражданской войны в США. В момент, когда генерал Роберт Ли (его местоположение отмечено красным глазом) собирался вступить в бой с войсками Союза, он мог видеть только войска противника, расположенные в окрашенных светлым цветом территориях, а области серого цвета, в которых располагалась большая часть войск Союза, в это время не были видны. Историки, используя свои заметки, карты битвы и обычный слой рельефа, смогли раскрыть тайну, почему же Ли вступил в битву, в которой у него изначально практически не было шансов.
Большинство данных и измерений можно увязать с местоположениями, и поэтому их можно разместить на карте. При использовании пространственных данных вы знаете и том, что они собой представляют, и о том, где они находятся. Реальный мир может быть представлен дискретными данными, хранящими их точное географическое положение (они называются «векторными данными»), или непрерывными данными, изображаемыми как регулярная сетка (они называются «растровыми данными»). Естественно, основные свойства анализируемых явлений влияют на выбираемый вид их наилучшего представления. Окружающая природная среда (рельеф, температура, осадки) часто отображается при помощи растровых сеток, тогда как антропогенная среда (дороги, строения) и административные данные (округа, избирательные участки) чаще представляются в виде векторных данных. Кроме того, к данным можно присоединить информацию, описывающую каждое местоположение, она именуется «атрибутами».
В ГИС каждый набор данных управляется как слой, его можно графически скомбинировать при помощи аналитических операторов (анализ наложения). ГИС дает возможность работать со всеми этими слоями в целях изучения вопросов и поиска ответа на них, путем комбинирования слоев при помощи операторов и отображения.
Кроме информации о местоположении и атрибутах, пространственные данные обязательно содержат геометрические и топологические свойства. К геометрическим свойствам относятся положение и измерения, такие как длина, направление, площадь и объем. Топологические свойства представляют пространственные отношения, такие как связность, смежность и совпадение. Используя эти пространственные свойства, можно задать еще больше вопросов разного типа и получить новую аналитическую оценку данных.
ГИС-анализ может использоваться для ответов на такие вопросы, как: Где наилучшее место для жилищного строительства? Совокупность внешне не связанных факторов — растительный покров, относительные уклоны, расстояние до имеющихся дорог и рек и состав почв — все это можно смоделировать в виде слоев, затем проанализировать вместе, используя взвешенное наложение, технику, ранее применяемую ландшафтным архитектором Айаном Макаргом.
Реальная сила ГИС — это возможность проведения анализа. Пространственный анализ — это процесс, в котором проблема моделируется географически, результаты рассчитываются компьютером, затем вы изучаете и исследуете их. Этот тип анализа очень эффективен для оценки географической пригодности местоположений для определенных целей, оценки и прогнозирования прибыли, интерпретации и понимания изменений, определение важных закономерностей, скрытых в данных и т.д.
Основная идея состоит в том, что вы можете начать применять пространственный анализ сразу же, даже если вы новичок в ГИС. Главная цель – научиться решать проблемы пространственно. Несколько фундаментальных рабочих процессов пространственного анализа: изучение пространственных данных, моделирование с помощью инструментов ГИС и решение пространственных проблем.
Изучение пространственных данных включает взаимодействие с наборами данных и карт, связанных с решением определенного вопроса, что затем дает вам возможность визуализировать и изучать географические данные и результаты анализа, в которых содержится ответ на вопрос. Это позволяет вам получить новые знания и глубже разобраться в своих данных. Изучение пространственных данных включает работу с интерактивными картами и связанными таблицами, диаграммами, графиками и мультимедиа. Это позволяет интегрировать географический взгляд и статистические данные из атрибутов. Это многократный процесс интерактивного изучения и визуализации карт и данных.
Умная картография — один из ключевых способов изучения данных, которое проводится в ArcGIS. Это интересный процесс, который позволяет вам взаимодействовать с данными в контексте символики карт. Умные карты встраиваются в процессы обработки данных и дают преимущества продвинутой визуализации и эффективные способы просмотра и взаимодействия с информацией, которые позволяют увидеть различные результаты, в частности, распределение данных.
Визуализация при помощи таблиц, графиков и диаграмм позволяет расширить обычные стандарты изучения данных, добавляя новые возможности интерпретации результатов анализа. Обычно вы начинаете с общего обзора исходных, необработанных данных, просматривая записи в таблице. Затем, возможно, вы решите нанести (геокодировать) точки на карте, используя различные символы для визуализации, и начнете строить диаграммы разных типов (столбчатая, линейчатая, диаграмма рассеивания и т.д.) для суммирования данных в разных вариантах (по району, по типу, или по дате).
Далее вы оцените временные тренды в данных, используя линейные графики со шкалой времени. Информационный дизайн используется для комбинации различных вариантов визуализаций данных для эффективной интерпретации результатов анализа. Используйте эти возможности для комбинации четких, понятных элементов, таких как карты, диаграммы и текст в компоновке, которую вы представляете и публикуете.
Поиск сигнала в шуме. Визуализация данных с использованием диаграмм помогает определить закономерности, тренды, отношения и структуры в данных, которые иначе трудно определить, глядя на голые числа. При описании насильственных преступлений в Чикаго, комбинация диаграмм и стилей карты вместе позволяют определить закономерности по обычным табличным данным.
Insights for ArcGIS® — это аналитическая среда на базе браузера, которая позволяет в интерактивном режиме изучать и анализировать данные, поступающие из различных источников. Insights позволяет быстро и глубоко разобраться в проблеме с помощью насыщенной, интерактивной пользовательской среды .
Insights for ArcGIS может интегрировать различные источники данных для анализа. Он интегрирует анализ ГИС-данных, данных из корпоративных хранилищ, больших данных, потоковых данных в реальном времени, электронных таблиц и многих других. Insights for ArcGIS также использует систему данных Esri, включая Living Atlas of the World, что позволяет использовать в анализе самую разнообразную информацию.
Создание рабочей книги Insights, визуализация данных и изучение.
Добавьте данные из разных источников и расширьте данные с помощью полей местоположений, присоединения атрибутов и вычисления полей.
Умные настройки по умолчанию позволяют создавать и работать со впечатляющими визуализациями.
Обновите карты, вычислите буферы, используйте пространственную фильтрацию и агрегирование данных в любом местоположении и многое другое.
Видео-демонстрация: Использование Insights for ArcGIS для глобального анализа террористических действий
Пространственный анализ – это процесс географического моделирования проблемы, с получением результатов путем компьютерной обработки, и дальнейшим проверкой и интерпретацией этих результатов. Создаваемая пространственная модель основана на наборе инструментов, которые позволяют получать новые результаты при обработке данных.
Каждый инструмент геообработки выполняет небольшую, но необходимую операцию с географическими данными, например, добавление поля к таблице, создание буферных зон вокруг объектов, вычисление пути наименьшей стоимости между несколькими точками или вычисление взвешенного наложения для соединения нескольких слоев в один итоговый.
ArcGIS содержит сотни аналитических инструментов для выполнения практически всех типов аналитических операций с использованием любого типа геопространственной информации. Например, посмотрите на набор операторов, входящих в наборы инструментов геообработки, которые поставляются с ArcGIS Pro. ArcGIS Pro также содержит ModelBuilder, приложение визуального программирования, используемого для создания, редактирования и управления моделями геообработки.
Вот пример пространственной модели, созданной в ModelBuilder, которая позволяет изучать возможные взаимосвязи между случаями астмы у детей и качеством воздуха при интенсивном дорожном движении.
Пространственный анализ поддерживает автоматизацию задач с помощью богатого набора инструментов, которые могут комбинироваться в последовательный ряд операций с использованием моделей и скриптов. Через пространственное моделирование можно создавать последовательность инструментов, передавая выходные данные одного инструмента на вход другого.
Городское поселение Большого Лос-Анджелеса занимает территорию 4850 кв. миль (12561 кв. км) и является вторым по размером городским поселением в США. В регион входит несколько естественных природных зон, а в окружающих его горах живут горные львы (пумы), самые крупные хищники в этой области Южной Калифорнии. Наша задача — гарантировать им возможность выживания. Соединив оставшиеся нетронутые природные зоны друг с другом, мы позволим, теоретически, животным свободно перемещаться между ними.
В этой работе анализируются способы соединения популяций пум из нескольких районов с другими, географически отдаленными областями. Вы определите возможные коридоры для животных, в которых ученые и власти могут создать физические соединения между местообитаниями пум в горах Санта-Сюзанна, Сан-Габриэль и в национальном парке Лос-Падрес. Весь рабочий процесс описан в разделе Уроки Learn ArcGIS ниже.
Многие проблемы или сценарии можно решить с помощью подхода разрешения пространственных проблем, используя ArcGIS. Выполнив пять шагов данного подхода, можно создать удобную аналитическую модель и использовать ее в части изучения пространственных данных для решения проблем и ответов на вопросы, таких как:
Задайте цели своего анализа. Начните с того, что для лучшего понимания проблемы надо точно сформулировать вопрос. Правильный вопрос – это уже ключ к получению значимых результатов.
Используйте геообработку для моделирования и вычисления результатов, относящихся к требующему решения вопросу. Определите набор инструментов анализа для преобразования своих данных и получения новых сведений. В большинстве случаев создается модель сценария с несколькими инструментами, затем модель применяется для вычислений и получения результатов, которые помогают рассмотреть данный вопрос.
Используйте рабочие процессы изучения пространственных данных для исследования и интерпретации полученных результатов с помощью интерактивных карт, отчетов, графиков, диаграмм и информационных окон. Найдите объяснения для полученных закономерностей, которые позволят описать смысл результатов. Глубокие исследования позволяют привнести собственные представления и интерпретации полученных результатов.
После изучения и интерпретации результатов анализа, примите решение и напишите заключение к результатам анализа. Оцените, настолько адекватно полученные результаты отвечают на поставленный вопрос. Нередко при этом появляются новые вопросы, требующие решения. Это вызывает необходимость дальнейшего анализа.
Определите аудиторию, которой ваши исследования будут полезны и оцените, на кого они могут повлиять. Используйте карт, всплывающие окна, графики и диаграммы для наиболее эффективной передачи необходимой информации. Опубликуйте результаты посредством веб-карт и приложений с геообогащением, дающих более глубокие объяснения и допускающих дальнейшие исследования. Вы можете распространять полученные результаты с помощью карт-историй – это эффективный способ поделиться результатами своих исследования.
География играет решающую роль в области анализа здравоохранения. В основном, она присутствует в контексте отображения мест, где существуют определенные риски для здоровья. Негативные факторы окружающей среды, различные риски, восприимчивость и результаты лечения всегда варьируются в пространстве. Доступность медицинской помощи характеризуется как со стороны физической географии, так и со стороны экономической географии. Более того, в зависимости от местоположения различаются управление и политика. И ресурсы тоже распределены по географическому принципу. Здоровье важно для всех, а для анализа здравоохранения необходимы профессиональные знания в таких науках, как эпидемиология, статистика и география. В пространственную эпидемиологию входят множество дисциплин, и хотя для выполнения анализа необходимы сложные технологии, его результаты должны быть доступны любому.
В процессе разработки Атласа здоровья и окружающей среды для Англии и Уэльса пришлось столкнуться со всеми этими трудностями. Атлас разрабатывался и целью предоставить широкой публике, исследователям и любому, кто работает в сфере здравоохранения, ресурсы с набором мультимасштабных интерактивных веб-карт, иллюстрирующих географическое распределение рисков заболеваний и факторов окружающей среды в масштабе района.
За последние десятилетия мониторинг окружающей среды и наблюдение за состоянием здоровья значительно продвинулись, но чрезвычайные ситуации продолжают приводить к экономическим и социальным убыткам и, к сожалению, к человеческим жертвам. По мере того, как все в мире становится все более взаимосвязанным в социальном и экономическом плане, понятия окружающей среды и здоровья становятся все более неразделимы, чем когда бы то ни было. Например, после взрывов вулканов и ядерных аварий или в результате вспышек заболеваний, например, птичьего гриппа и Эболы, последствия воздействия неблагоприятных факторов слишком часто влияют именно на наиболее уязвимые слои населения.
ГИС предлагает технологию изучения, анализа и моделирования данных из нескольких источников и управления ими. Вместе с картографированием пространственного анализа факторов риска и прогнозированием, разработанным для оценки рисков, для оценки стратегии реагирования можно применять модели, а для иллюстрирования превентивной стратегии, предупреждения об опасности и согласования действий можно использовать карты.
По мере развития технологий, наука, данные и инструменты для тестирования гипотез все глубже проникают в сферу здравоохранения. Мы живем в то время, когда уже не нужно больше ждать усовершенствования технологий и данных для многих видов анализа. Наоборот, мы должны сами решать непростые задачи, чтобы совершенствовать изучение и охрану здоровья при помощи анализа.
Линда Биль является геоаналитиком и экспертом в пространственной эпидемиологии – изучении болезней и их географической изменчивости. Она участвует в работе отдела анализа и программного обеспечения геообработки ArcGIS в Esri, а также, в качестве научного сотрудника по ГИС и здравоохранению в Королевском колледже Лондона, руководит публикацией Атласа здоровья и окружающей среды для Англии и Уэльса (Oxford University Press, 2014).
Инструменты пространственного анализа ArcGIS можно применять как в онлайн-среде, так и в локальных условиях.
Аналитические возможности ArcGIS Online доступны через кнопку Анализ во вьюере карт:
Кредиты: для некоторых инструментов анализа ArcGIS требуются кредиты. Ваша студенческая учетная запись Learn ArcGIS включает 200 кредитов.
На момент написания этой статьи, для Insights for ArcGIS требуется ArcGIS® Enterprise. В будущем возможно его появление в ArcGIS Online.
ArcGIS Pro является главным приложением пространственного анализа Esri. Он содержит сотни инструментов пространственного анализа в наборах инструментов геообработки. Участие в программе Learn ArcGIS Student позволяет в полной мере использовать эту систему для некоммерческих целей, когда вы можете изучить пространственный анализ на практике. Загрузите ПО; ваша лицензия будет активирована организацией Learn ArcGIS.
Данный массовый открытый онлайн-курс (Massive Open Online Course (MOOC)) о пространственном анализе читается периодически в течение года. В этом курсе вы получаете свободный доступ ко всем аналитическим функциям ArcGIS Online, облачной ГИС-платформе Esri.
Впечатляющий набор тематических исследований с помощью пространственного анализа находится на веб-сайте ArcGIS Analytics.
Мегаполис Лос-Анджелеса — один из немногих городов мира, в котором на участках нетронутой природы обитают большие кошки. Но городской ландшафт сильно сегментирован строительством, дорогами и шоссе, что сокращает жизненное пространство пум. Пумы часто гибнут при попытках пересечь шоссе для поиска добычи или пары. Для сохранения популяции пум Лос-Анджелеса, а также для поддержания генетического многообразия и общего благополучия популяции, необходимо найти долговременное решение, которое позволит пумам безопасно перемещаться между изолированными островками их местообитаний.
В этом проекте ваша задача — определить текущее распространение пум и построить пространственную модель для определения коридоров, которые можно создать для соединения между собой отдельных мест обитания.
В этом рабочем процессе подчеркивается важность анализа для формулировки вопросов, ответы на которые дают значимые результаты. В процессе работы вы изучите и интерпретируете результаты анализа, найдете объяснения для полученных закономерностей и изучите их в пространственной и временной перспективе. Особое внимание в этом рабочем процессе уделено использованию данных сообщества и Living Atlas of the World, а также публикации данных и внесению своего вклада в данные сообщества. Здесь также уделяется внимание использованию инфографики и инструментов геообогащения для более глубокого изучения проблемы и перехода к дальнейшим исследованиям.
источник