Reklassifizierung

Die Reklassifizierungswerkzeuge verwenden verschiedene Methoden, um Zellenwerte zu reklassifizieren oder in alternative Werte zu ändern. Sie können immer jeweils einen Wert oder Gruppen von Werten mit alternativen Feldern reklassifizieren und als Kriterien festgelegte Intervalle (z. B. Gruppierung der Werte in 10 Intervalle) oder die Fläche (z. B. Gruppierung der Werte in 10 Gruppen, die dieselbe Anzahl von Zellen enthält) verwenden. Mithilfe der Werkzeuge können Sie mühelos zahlreiche Werte in einem Eingabe-Raster in gewünschte, festgelegte oder alternative Werte ändern.

Alle Reklassifizierungsmethoden werden auf jede Zelle innerhalb einer Zone angewendet. Wenn Sie also einen alternativen Wert auf einen vorhandenen Wert anwenden, übernehmen alle Reklassifizierungsmethoden diesen alternativen Wert für jede Zelle der ursprünglichen Zone. Keine Reklassifizierungsmethode wendet alternative Werte nur auf einen Teil einer Eingabezone an.

Einige der vielen Gründe, die für eine Reklassifizierung sprechen, sind nachstehend aufgeführt.

Ersetzen von Werten anhand neuer Informationen

Die Reklassifizierung ist eine nützliche Funktion, wenn Sie die Werte im Eingabe-Raster durch neue Werte ersetzen möchten. Der Grund für eine solche Ersetzung könnte die Feststellung sein, dass der Wert einer Zelle eigentlich ein anderer sein sollte, z. B. weil sich die Landnutzung in einer Fläche im Laufe der Zeit geändert hat.

Gruppieren von Werten

Sie möchten die Informationen in einem Raster vereinfachen. Beispielsweise wollen Sie verschiedene Waldtypen in einer Waldklasse zusammenfassen.

Reklassifizieren von Werten eines Satzes von Rastern zu einem allgemeinen Maßstab

Ein anderer Grund für eine Reklassifizierung ist die Zuweisung von Vorzugswerten, Empfindlichkeit, Priorität oder ähnlichen Kriterien zu einem Raster. Eine solche Reklassifizierung ist sowohl für ein einzelnes Raster (einem Raster der Bodenart werden möglicherweise Werte von 1 bis 10 zugewiesen, um das Erosionspotenzial darzustellen) als auch für mehrere Raster möglich, um einen allgemeinen Wertemaßstab zu erstellen.

Beispiel: Eine Bodenart könnte sich gut zur Bebauung eignen, wenn die Böden als Eingabe für ein Gebäudeeignungsmodell angezeigt werden. Aber aus verschiedenen Aspekten (Erosion, tierischer Lebensraum, das Anlegen eines Teiches oder das Identifizieren von Farmland) ergeben sich für dieselbe Bodenart aufgrund des vorhandenen Problems auch verschiedene Eignungsgewichtungen. Um ein Raster relativ zu diesen vielen verschiedenen Eignungsgewichtungen darzustellen, müssen die Werte im Raster von Nennwerten, d. h. Werten, die eine Klasse darstellen, in Intervall- oder Verhältniswerte geändert werden, damit die Werte im Verhältnis zueinander verwendet werden können. Es ergibt keinen Sinn, Bodenart und Landnutzung hinzuzufügen, um ein Baueignungs-Raster zu erhalten. Wenn sich jedoch Bodenart und Landnutzung in einem Maßsystem befinden würden, das eine relative Gewichtung zur Baueignung dargestellt hat, könnte die Analyse zwischen den Rastern ungehindert abgeschlossen werden.

Wenn Neigungen identifiziert werden, bei denen ein sehr hohes Risiko von Lawinenaktivität besteht, könnten die Eingabe-Raster Neigung, Bodenart und Vegetation sein. Jedes dieser Raster könnte abhängig von der Anfälligkeit jedes Attributs in jedem Raster gegenüber Lawinenaktivität auf einem Maßstab von 1 bis 10 reklassifiziert werden. Das bedeutet, steilen Hängen im Neigungs-Raster könnte der Wert 10 zugewiesen werden, da sie am anfälligsten für Lawinenaktivität sind.

Jedes der oben erwähnten Beispiele wird als Eignungsmodell betrachtet. Normalerweise erfolgt die Erstellung einer Eignungskarte in vier Schritten:

  1. Eingabe-Datasets.

    Legen Sie fest, welche Datasets als Eingaben erforderlich sind.

  2. Datasets ableiten.

    Erstellen Sie gegebenenfalls die Datasets, die Sie von den Basis-Eingabe-Datasets ableiten können. So lassen sich beispielsweise Neigung und Ausrichtung vom Höhen-Raster ableiten. Erstellen Sie Daten aus vorhandenen Daten, um neue Informationen zu erhalten.

  3. Datasets reklassifizieren.

    Reklassifizieren Sie alle Datasets auf einen einheitlichen Maßstab (z. B. 1 zu 10) und weisen Sie besser geeigneten Attributen höhere Werte zu.

  4. Datasets gewichten und kombinieren.

    Gewichten Sie gegebenenfalls Datasets, die mehr Einfluss im Eignungsmodell haben sollen. Kombinieren Sie sie anschließend, um die geeigneten Positionen zu ermitteln.

Das Beispiel im nachstehenden Ablaufdiagramm zeigt, wie der beste Standort für eine Schule ermittelt werden kann. Die Eingabe-Basis-Layer sind Landnutzung, Höhe, Freizeiteinrichtungen und bereits vorhandene Schulen. Die abgeleiteten Datasets sind Neigung, Entfernung zu Freizeiteinrichtungen und Entfernung zu bereits vorhandenen Schulen. Jedes Raster wird auf einer Skala von 1 bis 10 reklassifiziert. Die reklassifizierten Raster werden anschließend zusammengeführt, wobei die Entfernung von Freizeiteinrichtungen und anderen Schulen eine höhere Gewichtung besitzt.

Beispiel für die Verwendung der Reklassifizierung in einem Weighted Overlay-Workflow
Beispiel für die Verwendung der Reklassifizierung in einem Weighted Overlay-Workflow

Festlegen bestimmter Werte auf NoData oder von NoData-Zellen auf einen Wert

Sie möchten hin und wieder bestimmte Werte aus der Analyse entfernen. Ein möglicher Grund ist, dass für einen bestimmten Landnutzungstyp Einschränkungen gelten, z. B. Sumpfgebietseinschränkungen, die bedeuten, dass Sie dort nicht bauen können. In solchen Fällen möchten Sie diese Werte unter Umständen in NoData ändern, um sie aus der weiteren Analyse herauszunehmen.

In anderen Fällen möchten Sie vielleicht einen NoData-Eintrag in einen Wert ändern, z. B. wenn neue Informationen bedeuten, dass aus einem NoData-Eintrag ein bekannter Wert geworden ist.

Verwandte Themen

9/12/2013