Quelles sont les pratiques disponibles pour modéliser l'aptitude des terres?

J'utilise actuellement une approche raster "classique" pour diviser une zone d'étude en cellules. Toutes les couches d'entrée sont converties en rasters à la même résolution de cellule et reçoivent une note d'aptitude.

Une cote d'adéquation finale pour chaque cellule est calculée en combinant la cote de chaque couche, avec des pondérations pour refléter l'importance des facteurs.

Un dernier masque est appliqué pour exclure toutes les zones, telles que les plans d'eau, qui ne conviennent pas à l'utilisation des terres proposée.

Les problèmes avec cette approche incluent:

• choisir une résolution de cellule trop grande pour fournir des résultats significatifs ou une résolution élevée donnant un faux sentiment de précision.
• trouver des pondérations pour chacun des paramètres d'entrée.

Existe-t-il d'autres problèmes ou alternatives à la production de cartes d'aptitude des terres?

Une alternative bien connue dans certains cercles mais qui ne semble pas du tout être connue dans le SIG est la théorie des valeurs multi-attributs . Il s'agit d'un moyen théoriquement bien fondé pour établir des méthodes de notation précises impliquant deux ou plusieurs caractéristiques (attributs). Il procède en considérant systématiquement les compromis entre les attributs. Dans le cas de problèmes d'adéquation, par exemple, vous considéreriez quel changement d'altitude serait nécessaire pour compenser un changement donné de pente afin de conserver la même adéquation, avec des considérations similaires pour toutes les paires d'attributs possibles.

Les informations fournies par la théorie comprennent:

1. Il est possible que les poids d'un sous-ensemble d'attributs varient avec les niveaux d'un autre sous-ensemble d'attributs. Lorsque cela se produit, un système de pondération simple n'est pas possible - des formules plus complexes sont nécessaires.

2. Lorsque de telles dépendances ne tiennent pas (ou ne sont pas fortes), il est souvent possible de trouver comment ré-exprimer des attributs (tels que prendre leurs logarithmes ou racines carrées ou réciproques) de telle manière qu'un simple système de notation pondéré représente correctement le valeur de chaque combinaison d'attributs. (Le test simple pour cela est appelé la " condition de compromis correspondante ".)

Je ne pense pas avoir jamais vu un rapport d'une application de notation SIG (qui comprend toutes les études d'adéquation) qui reconnaît la nécessité de vérifier l'indépendance des attributs (1) ou les ennuis pour évaluer la bonne façon d'exprimer les attributs (2) . À moins que ce travail ne soit effectué, aucun système de notation ne peut légitimement prétendre à l'exactitude générale ou à l'utilité dans la prise de décisions.

Cette question est beaucoup plus importante que la résolution ou le MAUP en termes de production d'un produit qui est vraiment utile pour prendre des décisions d'implantation.

Un terme utilisé pour décrire ce problème est le «problème de l'unité de surface modifiable» et un article que j'ai lu sur ce sujet est l' excès de navettage et le problème de l'unité de surface modifiable . L'approche des auteurs consiste à examiner l'analyse à différentes échelles spatiales pour voir à quel point la convergence se produit.

C'est une solution satisfaisante pour examiner un paramètre, mais quand il y en a plusieurs, cela devient plus compliqué. Dans ce cas, vous pouvez peut-être utiliser ModelBuilder ou Python pour votre analyse et l'exécuter plusieurs fois en faisant varier la taille des cellules pour examiner si vous avez des résultats sensiblement différents. Selon votre temps disponible (et votre puissance de calcul), vous pouvez rechercher la convergence mathématiquement (arrêter lorsque la différence est inférieure à un certain pourcentage) ou la juger de manière plus qualitative.

L'aspect, la hauteur et la pente proviennent tous de la même source raster à l'origine, donc la bonne chose à propos de continuer à utiliser les rasters est que vous pouvez conserver la même résolution pour ces entrées sans perdre d'informations en raison du rééchantillonnage. (Ce paragraphe est généralement nul et non avenu si vous utilisez d'autres sources de données avec de nombreuses autres résolutions. :))

Une extension utile au-delà de l'élaboration de poids à la main consiste à utiliser les occurrences connues de la chose pour laquelle vous modélisez l'aptitude et à la transmettre à un programme de statistiques, comme dans: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis

De cette façon, vous entraînez votre pertinence en utilisant des sites connus, plutôt que des WAG. Bien sûr, c'est plutôt plus impliqué ...