最小の凸ポリゴンを使用した行動範囲の定義

このセクションでは、[ジオメトリの最小範囲 → ポリゴン (Minimum Bounding Geometry)] ツールを使用して、この地域でヘラジカが多く集まる最大の観察エリアを把握します。 [ジオメトリの最小範囲 → ポリゴン (Minimum Bounding Geometry)] ツールは、入力データを囲むために必要な最小の面積を表すポリゴンを計算します。 このツールは、円や四角形などの形状を計算できますが、ここでは、入力データセットの外側の頂点間に、直線を描画する凸包タイプを使用します。これは、動物の行動範囲を調べるときに使用する最も簡単な方法です。

  1. Elk_Home_Range プロジェクト パッケージをダウンロードします。

    [Elk_Home_Range.ppkx] という名前のファイルが、コンピューターにダウンロードされます。

    注意:

    .ppkx ファイルは、ArcGIS Pro プロジェクト パッケージです。これには、ArcGIS Pro で開くことができるマップ、データ、その他のファイルが含まれます。 .ppkx ファイルの管理の詳細については、ArcGIS Pro プロジェクト パッケージ (.ppkx ファイル) のガイドをご参照ください。

  2. コンピューター上で、ダウンロードしたファイルを選択します。 [Elk_Home_Range.ppkx] ファイルをダブルクリックし、ArcGIS Pro で、プロジェクトを開きます。
  3. 必要に応じて、ライセンス付き ArcGIS アカウントを使用して、ArcGIS Pro にサイン インします。

    ArcGIS Pro へのアクセス権限または ArcGIS アカウント (ArcGIS Online 用または ArcGIS Enterprise 用) がない場合は、ソフトウェア アクセスのオプションをご参照ください

    マップには、2009 年にアルバータ州南西部、ブリティッシュ・コロンビア州南東部、モンタナ州北西部で収集されたヘラジカのテレメトリ データの場所が表示されています。 このチュートリアルで使用されるデータは、元となる調査で、複数年にわたって収集されたデータのサブセットになります。 このデータのサブセットは、ポイントが記録された季節を示す属性を含めるように、投影および前処理が行われています。 この属性は、経時的な変化を表すために、分布指向性分析のケース フィールドとして使用されます。 この調査の詳細およびデータセット全体へのアクセスについては、MoveBank の調査をご参照ください。

  4. リボンの [解析] タブをクリックします。 [ジオプロセシング] グループで、[ModelBuilder] をクリックします。

    モデルをプロジェクトに追加します。

    空白の ModelBuilder ウィンドウが表示されます。 [解析] ウィンドウからツールをドラッグして、モデルの構築を開始します。

  5. [ModelBuilder] リボンの [挿入] グループで、[ツール] をクリックします。

    ジオプロセシング ツールを開きます。

    [ジオプロセシング] ウィンドウが表示されます。

  6. [ジオプロセシング] ウィンドウで、[ジオメトリの最小範囲 → ポリゴン] ツールを検索します。 このツールをモデルにドラッグします。

    ジオメトリの最小範囲 → ポリゴン ツールをモデル ウィンドウに追加します。

    [ジオメトリの最小範囲 → ポリゴン (Minimum Bounding Geometry)] ジオプロセシング ツールを表す長方形と、ツールの出力フィーチャクラスを表す楕円がモデルに追加されます。

  7. モデル内で、[ジオメトリの最小範囲 → ポリゴン] の長方形をダブルクリックして、パラメーターを開きます。

    最初のパラメーターは、ジオメトリの最小範囲 → ポリゴンを計算する入力フィーチャです。

  8. [入力フィーチャ] に、[Elk_in_Southwestern_Alberta_2009] フィーチャクラスを選択します。
  9. [ジオメトリ タイプ] パラメーターには [凸包] を選択し、[出力フィーチャクラス] タイプには「Elk_data_MBG」と入力します。

    ジオメトリの最小範囲 → ポリゴン ツール パラメーター

  10. [OK] をクリックします。

    モデル ウィンドウのジオメトリの最小範囲 → ポリゴン ツール

    [Elk_data_2009] フィーチャクラスを表す青い円がモデルに追加され、[ジオメトリの最小範囲 → ポリゴン] ツールを指す矢印が表示され、このレイヤーがツールへの入力であることを示しています。

  11. モデル内で、緑色の出力を右クリックして、[マップへ追加] を選択します。

    これにより、ツールの実行後に、出力がマップに追加されます。

  12. モデル内の [ジオメトリの最小範囲 → ポリゴン] ツールを右クリックし、[実行] をクリックします。

    =

    ジオメトリの最小範囲 → ポリゴン ツールを実行します。

    ツールが実行されます。 終了すると、新しい [Elk_data_MBG] レイヤーが、マップに追加されます。

  13. [マップ] タブをクリックします。

    ジオメトリの最小範囲 → ポリゴンの結果

結果のレイヤーには、ヘラジカの群れのジオメトリの最小範囲 → ポリゴンが描かれています。 しかし、動物はそれぞれ、これらの範囲内で同じように過ごしているわけではありません。 次のセクションでは、カーネル密度を使用して、ヘラジカの行動範囲をさらに詳しく調べ、留まる時間が長い場所または短い場所を把握します。

カーネル密度ツールを用いたヘラジカが集まる場所の調査

観察範囲のアウトラインを把握しておくと役立つことが多いですが、行動範囲を過大に見積もってしまう可能性もあります。 動物が集まる場所をより正確に定義するには、カーネル密度などの他の分析が役立ちます。 カーネル密度推定は、動物が空間を利用する尤度の推定を示す出力ラスターを生成します。 ヘラジカが観察された場所、または動物の既知の空間利用に基づいて、カーネル密度は、ヘラジカが周辺地域で観察される可能性を推定します。 カーネル密度関数は、特定の場所 N の周辺で観察されるヘラジカが多いほど、その場所 N にもヘラジカがいる可能性が高いと仮定して、この推定を作成します。

ある場所の密度の値が高いほど、その場所の周辺で、ヘラジカを観察できる可能性が高いことを意味するため、カーネル密度出力ラスターは、動物の行動範囲を視覚化するのに役立ちます。 密度の値は、行動範囲内で比較的高く、行動範囲の端では、急激に低くなります。 異なる閾値を使用して、行動範囲の周長を定義できます。

  1. [モデル] タブをクリックします。 [ジオプロセシング] ウィンドウで、[カーネル密度] ツールを検索します。 このツールを [ジオメトリの最小範囲 → ポリゴン] ツールの下のモデルにドラッグします。
  2. [Elk_in_Southwestern_Alberta_2009] の楕円をクリックし、マウスをドラッグして、[カーネル密度] ツールに接続します。 開いたウィンドウで、[入力ポイント、またはライン フィーチャ] を選択します。

    Elk_data フィーチャクラスをカーネル密度分析の入力ポイント フィーチャとして接続します。

    青い [Elk_in_Southwestern_Alberta_2009] の楕円に、2 つの異なるツールに接続する 2 本の線が追加されました。

  3. [カーネル密度] ツールをダブルクリックして、パラメーターを開きます。

    [入力ポイント、またはライン フィーチャ] パラメーターが、[Elk_in_Southwestern_Alberta_2009] レイヤーに設定されています。

  4. [出力ラスター] で、「Elk_KernelDensity」と入力します。

    それ以外はすべて、デフォルト値のままにします。 面積単位と出力セル サイズは、マップの投影法と入力によって決まります。 空白のままにすると、[検索範囲] の値は、入力データセットに基づいて計算され、処理完了後のツールのメッセージで使用された値を確認できます。

  5. [OK] をクリックします。
  6. モデル内の [Elk_KernelDensity] 出力を右クリックし、[マップへ追加] を選択します。
  7. [カーネル密度] を右クリックして、[実行] を選択します。

    注意:

    ツールバーの [実行] ボタンをクリックして、モデル全体を実行します。 [ジオメトリの最小範囲 → ポリゴン] ツールは、すでに実行しており、再度実行したくないため、[カーネル密度] ツールのみを実行することにします。

  8. [マップ] タブをクリックします。 [コンテンツ] ウィンドウで、[Elk_in_Southwestern_Alberta_2009] レイヤーと [Elk_data_MBG] レイヤーをオフにして、カーネル密度分析の結果を確認します。

    デフォルトのシンボルで表示されたカーネル密度ツールの出力。

    カーネル密度を計算できたので、その出力を使用して、潜在的な行動範囲を視覚化できます。

  9. [コンテンツ] ウィンドウで、Kernel Density レイヤーを右クリックし、[シンボル] を選択します。

    カーネル密度の結果のシンボル ウィンドウを開きます。

    [シンボル] ウィンドウが開きます。 このレイヤーは現在、[等間隔] 方法を使用してスタイル設定されており、データの分散に関係なく、等しい範囲でクラスが作成されます。 この方法は、パーセンテージや温度など、一般的な範囲を説明するのに最適です (他の属性と比較して、属性の値を強調することに意味がある場合)。 代わりに、カーネル密度の結果を使用して、ある場所でヘラジカが見つかる可能性が高いか、低いかを示します。

  10. [シンボル] ウィンドウの [プライマリ シンボル] で、[分類] をクリックして、[ストレッチ] を選択します。

    プライマリ シンボルにストレッチを選択

    ラスターは、黒から白へのカラー ランプを使用して描画され、値が 0、つまり、存在する可能性がまったくない状態を黒として表示します。 カラー ランプを変更して、カーネル密度の出力をより効果的に視覚化します。

  11. [配色] で、カラー ランプをクリックします。 [配色の書式設定][名前の表示][すべて表示] をオンにします。
  12. [ヒート マップ: 濃いメタル - 青 - 白 - 半透明] カラー ランプを選択します。

    ヒート マップ シンボルを選択

    [Elk_KernelDensity] レイヤーが更新され、新しいヒート マップ カラー ランプが表示されます。 明るい白色のエリアはヘラジカがいる可能性が最も高く、濃い青色のエリアはヘラジカがいる可能性が低くなります。

    Elk_KernelDensity の結果

[カーネル密度 (Kernel Density)] ツールは、行動範囲内のある場所に、ヘラジカが存在する可能性を示す連続サーフェスを生成します。

密度ベースのクラスター分析ツールを使用したクラスターの検索

カーネル密度ツールは、集団全体からクラスターを見つけるのに役立ちます。 ここで、[密度ベースのクラスター分析 (Density-based Clustering)] ツールを使用して、個々のヘラジカが留まる傾向がある場所を調べてみましょう。 [密度ベースのクラスター分析 (Density-based Clustering)] ツールは、ポイント データ内のクラスターとノイズを識別します。 なお、データセット内で最も多くの観察ポイントと広い地理的移動範囲を持ち合わせている、E106 という 1 頭のヘラジカの観察ポイントを使用します。 このヘラジカは、2009 年に非常に遠くまで移動したため、このツールを使用して、ヘラジカが長く留まったクラスター、およびデータ内の外れ値またはノイズである可能性がある観察ポイントを見つけます。

  1. リボンの [選択] グループで、[属性条件で選択] をクリックします。

    属性条件で選択ツールを開きます。

    [属性条件で選択] ツールが開きます。

  2. [入力テーブル] で、[Elk_in_Southwestern_Alberta_2009] を選択します。
  3. [式] で、[フィールドの選択] ボックスをクリックし、[ind_ident] フィールドを選択します。 最後のボックスで、ドロップダウン メニューをクリックして、[E106] を選択します。

    属性条件で選択の式

    完全な式は、[Where 句 ind_ident が E106 と等しい] となります。

  4. [OK] をクリックします。

    ヘラジカ E106 に関連するポイントが、マップ上でハイライト表示されます。 この選択を有効にした状態で、次の分析を実行し、この個体に固有のクラスターを分析します。

  5. [モデル] タブをクリックし、[カーネル密度] ツールの下に、[密度ベースのクラスター分析] ジオプロセシング ツールを追加します。
  6. [Elk_in_Southwestern_Alberta_2009] の楕円を入力ポイント フィーチャとして、[密度ベースのクラスター分析] ツールに接続します。
  7. [密度ベースのクラスター分析] をダブルクリックして、ツールのパラメーターを開き、[出力] フィーチャの名前を「Elk_E106_DBC」に変更します。

    次に、[クラスター分析方法] オプションを選択します。 指定距離 (DBSCAN) は、ツールで指定した検索距離に基づいて、クラスターを検索します。 自己調整 (HDBSCAN) は、データ ポイントが特定のグループに属する確率に基づいて、クラスターを検索します。

  8. [クラスター分析方法] で、[自己調整 (HDBSCAN)] を選択し、[クラスターあたりの最小フィーチャ数] に「100」と入力します。 [OK] をクリックします。

    密度ベースのクラスター分析ツールのパラメーター

    [クラスターあたりの最小フィーチャ数] の値として 100 を選択したのは、作成するクラスターの数を少なくするためです。 他のクラスターの値と方法をテストするには、[クラスター分析方法] パラメーターと [最小フィーチャ] パラメーターを変更します。

  9. 出力を右クリックして、[マップへ追加] を選択します。
  10. [密度ベースのクラスター分析] ツールを右クリックして、[実行] をクリックします。

    ツールの実行が終了したら、[メッセージ] ウィンドウに、4 つのクラスターが識別されたことが表示されます。

  11. [マップ] タブをクリックして、結果を確認します。 [コンテンツ] ウィンドウで、[Elk_E106_DBC] レイヤーとベースマップ以外のすべてのレイヤーをオフにします。

    DBC クラスタリングの結果

    このヘラジカが記録された場所の 4 つのクラスターが、マップ上に表示されます。 使用されたクラスタリング パラメーターの結果を調べるために、メンバーシップの確率分布と 1 クラスターあたりのフィーチャ数レイヤーを使用して、2 つのチャートが作成されます。

  12. [コンテンツ] ウィンドウで、[Elk_data_DBC] レイヤーを右クリックし、[属性テーブル] を選択します。

    [Elk_data_DBC] 属性テーブルには、クラスターの一部であると識別されたポイントそれぞれの、クラスターの一部である確率とクラスターの安定性が示されています。 ポイントは、外れ値または標本としても、ラベル付けされます。 標本はクラスターの最も代表的なポイントであり、外れ値は標本にどれだけ近いかによってスコア付けされます。

  13. 属性テーブルを閉じます。
  14. リボンの [選択] グループで、[選択解除] をクリックします。

    データの選択を解除します。

    選択したデータは選択解除され、Elk_in_Southwestern_Alberta_2009 レイヤーのすべてのデータ ポイントで、分析を続行できます。

分布指向性分析ツールを用いた経時的な範囲と変化の把握

[分布指向性分析 (Directional Disribution (Standard Deviational Ellipses))] ツールは、動物の行動範囲を調べるのに役立つもう 1 つのツールです。 [ジオメトリの最小範囲 → ポリゴン (Minimum Bounding Geometry)] ツールで計算した凸包ポリゴンは、観察範囲のアウトラインを示すのに対し、[分布指向性分析 (Directional Disribution (Standard Deviational Ellipses))] は、フィーチャの中心傾向、分散、方向傾向に基づいて、1、2、または 3 標準偏差で、行動範囲を統計的に決定できます。 観察された動物の全体的な行動範囲の分布を理解するのに役立ちますが、分布指向性は、経時的なパターンを示すこともできます。 このツールを 2 回使用します。1 回目はヘラジカの全体的な分布を示すため、2 回目はその行動範囲の季節的変化を示すためです。 各ポイントが記録された季節は、summer_indicator フィールドに反映されます。 summer_indicator フィールドの値 1 は 12 月、1 月、2 月に収集されたポイントを表し、値 2 は 3 月、4 月、5 月に収集されたポイント、値 3 は 6 月、7 月、8 月に収集されたポイント、値 4 は 9 月、10 月、11 月に収集されたポイントを表します。

  1. モデル タブをクリックし、[密度ベースのクラスター分析] ツールの下に、[分布指向性分析] ツールを追加します。
  2. [Elk_in_Southwestern_Alberta_2009] の楕円を、[分布指向性分析] ツールの [入力フィーチャクラス] に接続します。
  3. [分布指向性分析] をダブルクリックして、パラメーターを開きます。 [出力楕円フィーチャクラス] パラメーター値に「Elk_data_DD」という名前を付けます。
  4. [楕円サイズ] に、[2 標準偏差] を選択します。 残りの変数は空白のままにして、[OK] をクリックします。

    2 標準偏差の楕円を作成すると、集団の約 95% を捉えることができます。 すべての動物の位置ポイントの重要度は同じなので、[加重フィールド] パラメーターは使用しません。 [ケース フィールド] パラメーターは、計算を行うにあたり、フィーチャをグループ化するために使用します。このパラメーターは後で、観察月別の分布指向性楕円を計算するのに使用します。

  5. モデル内の緑色の出力を右クリックし、[マップへ追加] をオンにして、[分布指向性分析] ツールを実行します。

    出力がマップに追加されます。

    分布指向性の結果

    この分布は、すべてのフィーチャの地理的中心を中心としています。 ヘラジカは、草地や繁殖のために、季節的に移動するため、夏季とその他の季節の分布指向性を見つけることも役立ちます。

  6. [モデル] タブで、前のセクションで使用した [分布指向性分析] ツールを右クリックし、[コピー] を選択します。
  7. [分布指向性分析] の下のモデル ウィンドウを右クリックし、[貼り付け] を選択して、このツールをモデル内に複製します。

    ツールをコピーしたため、以前に設定したパラメーターが引き続き適用されます。

  8. 貼り付けた [分布指向性分析] ツールをダブルクリックし、[出力楕円フィーチャクラス] パラメーターの名前を「Elk_data_DD_season」に変更します。
  9. [ケース フィールド] パラメーターで、[summer_indicator] を選択し、[OK] をクリックします。
  10. 出力をマップに追加し、ツールを実行します。

    季節ごとの分布指向性

    [Elk_data_DD_season] の結果が、マップ上に描画されます。 現在のシンボルでは、月ごとのデータを示す楕円がすべて同じシンボルになっています。 シンボルを変更して、各月が一意の色になるようにします。

  11. [コンテンツ] ウィンドウで、[Elk_data_Year] を右クリックし、[シンボル] を選択します。
  12. [シンボル] ウィンドウの [プライマリ シンボル] で、[個別値] を選択します。 [フィールド] で、[summer_indicator] を選択します。

    個別値によるシンボル表示

    各楕円は、異なる色で描画されるようになりますが、ジオメトリ タイプがポリゴンであるため、すべての楕円が塗りつぶされ、比較が困難です。

  13. [配色] の横にある [配色オプション] ボタンをクリックし、[塗りつぶしおよびアウトラインに適用] を選択します。

    アウトラインに、色の書式設定を適用します。

    ポリゴンのアウトラインが、灰色から塗りつぶしと同じ色に更新されます。 ここで、塗りつぶしを取り除き、すべての楕円が見えるようにします。

  14. [クラス] で、[詳細] をクリックし、[すべてのシンボルの書式設定] を選択します。

    すべてのポリゴン シンボルを同時に書式設定します。

    [複数のポリゴン シンボルの書式設定] ウィンドウが表示されます。

  15. [プロパティ] タブをクリックし、[表示設定] を展開し、[色] をクリックします。 [色なし] を選択して、[適用] をクリックします。

    ポリゴンの塗りつぶしに、色なしを選択します。

    楕円が再描画され、アウトラインのみが表示されます。 これらのアウトラインを大きくして、ベースマップから目立つようにします。

  16. [アウトライン幅] で、シンボルを [3 pt] に変更して、[適用] をクリックします。

    異なる色でシンボル表示された季節分布のリング

  17. プロジェクトを保存します。

ここでは、ヘラジカの群れの行動範囲を調査する 5 つの方法を学習し、[ジオメトリの最小範囲 → ポリゴン][カーネル密度][密度ベースのクラスター分析][分布指向性分析][季節ごとの分布指向性分析] を使用しました。 構築したモデルは保存され、組織全体で再利用または共有することができます。