Основы переклассификации
Доступно с лицензией Spatial Analyst.
Доступно с лицензией 3D Analyst.
Инструменты переклассификации изменяют значения ячеек на альтернативные значения при помощи различных методов. Можно переклассифицировать одновременно одно значение или сразу группу значений, используя альтернативные поля; на основе критериев, таких как заданные интервалы (например, группа значений из 10 интервалов) или по площади (например, группа значений из 10 групп, содержащих одинаковое количество ячеек). Инструменты разработаны так, чтобы можно было легко изменить множество значений входного растра на желаемые, указанные 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 для переклассификации описаны ниже.
Замена значений на основе новых сведений
Переклассификация полезна, если необходимо заменить значения входного растра на новые значения. Это может быть связано с обнаруженным фактом, что ячейка теперь имеет другое значение, например, с течением времени изменился тип землепользования в области.
Группировка значений
Необходимо упростить информацию в растре. Например, можно сгруппировать различные типы леса в один класс "лес".
Переклассификация или изменение масштаба значений набора растров к общему масштабу
Другая причина переклассификации — присвоение значений приоритета, чувствительности, предпочтения 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 общей шкалы значений.
Например, тип почвы может подходить для строительства, если почвы рассматриваются как входные данные для модели пригодности для строительства. Однако при оценке пригодности с позиций эрозии, создания среды обитания для животных, обустройства пруда или определения сельскохозяйственных угодий, один и тот же тип почвы будет иметь разный весовой коэффициент в зависимости от конкретной задачи. Для представления растра в соответствии с разными весовыми коэффициентами пригодности значения растра необходимо изменить с номинальных значений (значений, представляющих класс) на интервальные или относительные, чтобы эти значения можно было использовать во взаимосвязи друг с другом. Не имеет смысла добавлять тип почвы и землепользования для получения растра пригодности для строительства. Но если тип почвы и землепользование были в системе измерений, представляющей относительные веса для пригодности строительства, анализ может быть свободно завершен 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 по шкале от 1 до 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 подвержены лавинной активности.
В каждом из примеров выше рассматривается модель пригодности. Как правило, существует четыре шага при создании карты пригодности:
Входные наборы данных.
Подберите нужные входные наборы данных.
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 высот. Создайте данные из существующих данных, чтобы получить новую информацию.
Переклассифицируйте или измените масштаб наборов данных.
Переклассифицируйте каждый набор данных по общей шкале (например, от 1 до 10), присваивая более высокие значения более подходящим атрибутам.
Взвесьте и объедините наборы данных.
Присвойте вес наборам данных, которые должны иметь больше влияния в модели пригодности, а затем объедините их для нахождения подходящих местоположений.
Ниже приведена схема примера поиска 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 по шкале от 1 до 10. Переклассифицированные растры объединяются с учетом того, что расстояния до мест отдыха и других школ имеют большие веса.
Присвоение определённых значений на NoData или присвоение значения ячейкам NoData
Иногда необходимо удалить определённые значения из анализа. Например, определённый тип землепользования имеет ограничения, такие как наличие заболоченных участков, что означает невозможность строительства на такой территории. В таких случаях может потребоваться заменить эти значения на NoData, чтобы исключить их из дальнейшего анализа.
В других случаях можно изменить значение NoData, например, если новая информация указывает на то, что значение для NoData теперь известно.