Основы переклассификации

Инструменты переклассификации переклассифицируют или изменяют значения ячеек в альтернативные значения с использованием различных методов. Вы можете переклассифицировать одно значение одновременно или группы значений, используя альтернативные поля; на основе критериев, таких как заданные интервалы (например, группа значений в 10 интервалов); или по площади (например, группа значений в 10 групп, содержащих одинаковое количество ячеек). Инструменты разработаны так, чтобы вы могли изменять много значений входного растра на нужные, заданные или альтернативные значения.

Все методы переклассификации применяются к каждой ячейки в пределах области. То есть при применении альтернативного значения к существующему, все методы переклассификации применяют альтернативное значение к каждой ячейке исходной зоны. Методы переклассификации не применяют альтернативные значения только к части входной зоны.

Некоторые причины переклассификации описаны ниже.

Замена значений на основе новых сведений

Переклассификация полезна, если вы хотите заменить значения входного растра на новые значения. Это может быть связано с выявлением, что значением ячейки должно быть на самом деле другое значение, например, землепользования в области, измененное с течением времени.

Группировка значений

Вы можете упростить информацию в растре. Например, вы можете группировать различные типы леса в один класс леса.

Переклассификация значений набора растров в общий масштаб

Другая причина переклассификации — присвоение значений приоритета, чувствительности, последовательности или или некоторых сходных критериев в растр. Это можно сделать на одном растре (растру типа почвы могут быть присвоены значения от 1 до 10 для представления возможной эрозии) или на нескольких растрах для создания общего масштаба значений.

Например, тип почвы может подходить для строительства, если почвы просматриваются как входные данные для модели пригодности для строительства. Если бы не эрозия, обитание животных, размещение пруда или определение сельскохозяйственных земель, тот же тип почвы будет иметь другую взвешенную пригодность на основе близкой проблемы. Для представления растра относительно многих других взвешенных пригодностей, значения растра должны быть изменены с номинальных значений — значений, представляющих класс — на интервальные или относительные значения, так чтобы значения могли использоваться относительно друг друга. Не имеет смысла добавлять тип почвы и землепользование для получения растра пригодности строительства. Но если тип почвы и землепользование были в системе измерения, которые представляла относительное взвешивание для пригодности строительства, анализ может быть завершен свободно между растрами.

При определении уклонов, подверженных наиболее высокому риску лавинной активности, входными растрами могут быть уклон, тип почвы и растительность. Каждый из этих растров может быть переклассифицирован в масштаб 1 к 10 в зависимости от восприимчивости каждого атрибута в каждом растре для лавинной активности, т. е. крутым уклонам в растре уклонов может быть дано значение 10, поскольку они наиболее восприимчивы к лавинной активности.

В каждом из примеров выше рассматривается модель пригодности. Как правило, есть четыре шага при создании карты пригодности:

1. Входные наборы данных.

   Подберите нужные входные наборы данных.

2. Обработайте наборы данных.

   При необходимости, создайте наборы данных, которые можно получить из базовых входных наборов данных, например, уклон и экспозиция могут быть получены из растра высоты. Создайте данные из существующих данных, чтобы получить новую информацию.

3. Переклассифицируйте наборы данных.

   Переклассифицируйте каждый набор данных в общий масштаб (например, от 1 до 10), присваивая высокие значения лучшим, с точки зрения пригодности, участкам.

4. Взвесьте и объедините наборы данных.

   Присвойте вес наборам данных, которые должны иметь больше влияния в модели пригодности, затем объедините их для нахождения подходящих местоположений.

Ниже приведена блок-схема примера для нахождения лучших местоположений для школы. Входные базовые слои: землепользование, рельеф, места отдыха и существующие школы. Полученные наборы данных: уклон, расстояние до мест отдыха и расстояние до существующих школ. Каждый растр затем переклассифицируется в масштаб 1 к 10. Переклассифицированные растры объединяются и расстояние мест отдыха и других школ имеет большие веса.

Пример использования переклассификации в рабочем потоке Взвешенное наложение (Weighted Overlay)

Присвоение определенного значения ячейкам NoData (Нет данных) либо присвоение значений ячейкам со значением NoData

Иногда вы можете удалить определенные значения из анализа. Это может быть, например, потому что определенный тип землепользования имеет такие ограничения, как ограничения водно-болотных угодий, а значит, вы не можете строить там. В таких случаях, вы можете присвоить значение NoData таким значениям, чтобы удалить их из дальнейшего анализа.

В других случаях, вы можете присвоить значение ячейке со значением NoData, например, если новая информация означает, что значение NoData стало известным.