オーバーレイ解析の方法
オーバーレイ解析の実行にはさまざまな方法があります。各方法に対して一般的なオーバーレイ解析の手順があります。
- 問題の定義
- 問題のサブモデルへの分割
- 重要度の高いレイヤの決定
- レイヤ内のデータの再分類または変換
- 入力レイヤへの重み付け
- レイヤの追加または結合
- 分析
使用できる主なオーバーレイの方法は、加重オーバーレイ、加重合計、およびファジー オーバーレイの 3 つです。各方法では、基本的な前提条件が異なっています。最適な方法は、適用するオーバーレイの課題によって決まります。以下に各方法の概要を示します。
加重オーバーレイ
加重オーバーレイ解析では、上記の一般的なオーバーレイ解析の手順を実行するために一連のツールで [加重オーバーレイ（Weighted Overlay）] を補うことができます。[加重オーバーレイ（Weighted Overlay）] ツールは、入力データを定義済みの評価尺度（デフォルトでは 1 ～ 9）に変換して、入力ラスタの重み付けを実行し、それらを結合します。各入力条件についてより選好度が高い場所は、9 などの高い値に再分類します。[加重オーバーレイ（Weighted Overlay）] ツールで入力ラスタに割り当てる重みは、100 パーセントでなければなりません。レイヤは適切な乗数によって乗算され、セルごとに結果の値が合計されます。加重オーバーレイでは、より選好度が高いファクタに出力ラスタでより高い値が割り当てられることを前提とし、ある位置を最適地として特定します。
加重合計
加重合計オーバーレイ解析では、上記と同じ一般的なオーバーレイ解析の手順に従います。他の Spatial Analyst ツールにより補われる [加重合計（Weighted Sum）] ツールは、加法的なオーバーレイ解析を実装します。[加重合計（Weighted Sum）] ツールを使用する前に、入力レイヤの値を再分類する必要があります。[加重オーバーレイ（Weighted Overlay）] ツールの重み付けとは異なり、この場合の入力ラスタに割り当てられる重みは任意の値であり、特定の合計値を満たす必要はありません。[加重合計（Weighted Sum）] ツールの出力値は、入力ラスタの各セル値に重みを掛けて、対応するセル同士を加算しただけのものです。加重オーバーレイとは異なり、値を定義済みの評価尺度に再変換しないため、モデルで入力した値の属性の詳細が維持されます。加重合計では、より選好度が高いファクタに最終的な出力ラスタで、より高い値が割り当てられることを前提とし最適地を特定します。
ファジー オーバーレイ
ファジー オーバーレイ解析は集合論に基づきます。集合論とは、特定の集合への事象の所属（メンバーシップ）関係を定量化する数学的手法です。ファジー オーバーレイでは、通常、1 つの集合が 1 つのクラスに対応します。
ファジー オーバーレイは、上記の一般的なオーバーレイ解析の手順におおよそ従いますが、再分類値の意味と、複数条件の結合結果が異なります。最初の 3 つの手順である、問題の定義、問題のサブモデルへの分割、重要度の高いレイヤの決定の部分は同じです。上記の加重オーバーレイや加重合計と同様に、ファジー オーバーレイ解析では、データの値が共通の評価尺度に再分類または変換されますが、変換される値によって定義されるのは、特定の集合に所属する可能性です。たとえば、傾斜角の値が条件を満たす集合に所属する可能性（0 ～ 1。1 は明らかに集合のメンバーであることを示す）を表す値変換されます。加重オーバーレイと加重合計では、値は選好度の尺度を基準とし、値が大きいほど選好度が高いことを示します。この評価尺度は、ファジー オーバーレイにおける所属（メンバーシップ）の可能性とは異なっています。
変換された値は、集合へ所属する（メンバーシップ）の可能性を表すため、ファジー オーバーレイでは入力ラスタに対する重み付けは行いません。一般的なオーバーレイ解析の追加/結合手順においても、ファジー オーバーレイは加重オーバーレイおよび加重合計と異なっています。ファジー オーバーレイ解析の結合解析過程では、各種入力ラスタについて各位置が指定した集合に所属する可能性を定量化します。