Answers:
多属性值理论(Multi-attribute Value Theory)是在某些领域中众所周知但在GIS中似乎根本不为人知的一种选择。这是建立涉及两个或多个特征(属性)的准确评分方法的理论基础。它通过系统地考虑属性之间的折衷来进行。例如,对于适用性问题,您将考虑需要对高程进行哪些更改来补偿给定的坡度变化,以保持相同的适用性,并对所有可能的属性对进行类似的考虑。
该理论提供的见解包括:
一个属性子集的权重可能会随另一属性子集的级别而变化。发生这种情况时,不可能使用简单的加权系统-需要更复杂的公式。
当这种依赖性不成立(或不强)时,通常可以找到如何以简单的加权评分系统正确表示属性的方式来重新表达属性(例如取其对数,平方根或倒数)。属性的每个组合的值。(对此的简单测试称为“ 相应的折衷条件 ”。)
我认为我从未见过有关GIS评分应用程序(包括所有适用性研究)的报告,该报告认识到需要检查属性的独立性(1)或烦恼以评估表达属性的正确方法(2) 。除非完成这项工作,否则任何评分系统都不能对总体准确性或决策有用性提出合理要求。
就生产真正用于选址决策的产品而言,此问题比分辨率或MAUP更为重要。
用于描述此问题的一个术语是“可修改的区域单位问题”,而我在该主题上阅读的一篇论文是“ 通勤过量”和“可修改的面积单位问题”。作者的方法是在几个不同的空间尺度上检查分析,以查看会发生什么点收敛。
对于检查一个参数,这是一种令人满意的解决方案,但是当有多个参数时,它将变得更加复杂。在这种情况下,也许您可以使用ModelBuilder或Python进行分析,然后运行几次以更改单元格大小,以检查结果是否明显不同。根据您的时间可用性(和计算能力),您可以在数学上寻找收敛(当差异小于一定百分比时停止)或定性地判断。
宽高比,高度和坡度最初都来自相同的栅格源,因此继续使用栅格的好处是,您可以为这些输入保持相同的分辨率,而不会由于重新采样而丢失信息。(如果您以许多其他分辨率使用其他数据源,则本段通常无效):)
除了手动计算权重之外,一个有用的扩展是使用要建模的事物的已知出现情况,并将其传递到统计程序中,例如:http : //spatial-analyst.net/wiki/index。 php?title = Species_Distribution_Modelling#Habitat_Suitability_Analysis
这样,您可以使用已知站点而不是WAG来训练自己的适用性。当然,它涉及更多……