Подготовка переменных индексов
Первый шаг к созданию индекса риска жары - подготовка входных данных. Для своего индекса вы будете использовать три переменные: среднюю летнюю температуру поверхности, процент площади без древесного покрова и плотность населения. Все эти входные данные взяты из ArcGIS Living Atlas of the World и могут использоваться или адаптироваться для вашего района или другой области интереса.
Добавление данных для изучаемой области
Пример индекса риска жары (HRI) будет рассчитан для Севильи - города на юге Испании. Прежде чем обрабатывать данные, которые будут составлять индекс риска, вы найдете и подготовите данные переписи населения Севильи. Этот слой будет использоваться для фильтрации и вырезания глобальных растровых сервисов и позволит вам создать индекс внутри геометрии объектов на уровне района, значимых для местного планирования и реагирования.
- Запустите ArcGIS Pro. Если будет предложено, войдите под лицензированной учетной записью организации ArcGIS.
Примечание:
Если у вас нет доступа к ArcGIS Pro или учетной записи ArcGIS (вArcGIS Online или ArcGIS Enterprise), см. варианты доступа к программному обеспечению.
- Под Новым проектом щелкните Карта.
- В окне Создать новый проект для Имени введите Индекс термостойкости в г. Севилья. Нажмите OK.
Новый проект создан. Сначала вы добавите на карту слой границ. В этом руководстве вы будете использовать границы участков переписи населения Испании из файла ArcGIS Living Atlas.
Подсказка:
В зависимости от ваших целей при построении индекса, лучше могут подойти другие границы. Например, если местные решения принимаются на уровне района или городского совета, может быть более разумным использовать эти границы, чтобы предоставить лицам, принимающим решения, подходящий контекст. В других случаях, если в вашем регионе нет небольших по площади административных или переписных единиц, либо если вы хотите проводить анализ с детальным разрешением, вы можете рассмотреть возможность создания замощения или более мелкой сетки для анализа. Помните, что вам, скорее всего, придется добавить демографические данные для любого выбранного вами региона. - На ленте щелкните вкладку Карта. В группе Слой щелкните кнопку Добавить данные.
- В доковом меню Добавить данные в разделе Портал щелкните Living Atlas.
- Выполните поиск Spain census sections owner:esri_dm. Щелкните векторный слой Spain Census Section Boundaries, чтобы выбрать его.
Подсказка:
Добавив в фильтр результатов поиска owner: и имя владельца, вы получите ресурсы конкретного владельца.
- Нажмите OK.
Слой добавляется на карту, и карта приблизится к Испании. Вы отфильтруете переписные участки, оставив их только для Севильи.
- На панели Содержание щелкните правой кнопкой ESP_CensusSection и выберите Таблица атрибутов.
Откроется таблица атрибутов. Города, в которых расположены соответствующие переписные участки, содержатся в поле Name.
Примечание:
Если вы не видите поле Name, нажмите кнопку Опции на ленте таблицы атрибутов и выберите Показать все поля.
- В атрибутивной таблице, для Выборки щелкните Выбрать по атрибуту.
Откроется инструмент Выбрать по атрибуту.
- В инструменте Выбрать по атрибуту постройте запрос Где Name равно Sevilla и щелкните OK.
В нижней части таблицы атрибутов видно, что выбрано 521 участок. Вы сохраните копию этого отфильтрованного слоя в своем проекте, чтобы иметь возможность работать с данными.
- Щелкните вкладку Анализ на ленте. В группе Геообработка щелкните Инструменты.
Появится панель Геообработка.
- На панели Геообработка найдите и откройте инструмент Экспорт объектов (Инструменты конвертации).
- В качестве Входных объектов выберите слой ESP_CensusSection. В качестве Выходного класса объектов введите Sevilla_Census_Sections.
- Щелкните Запустить.
По завершении работы инструмента слой Sevilla_Census_Sections добавится на панель Содержание. Теперь вы можете удалить исходный слой переписных участков.
- На панели Содержание щелкните правой кнопкой ESP_CensusSection и выберите Удалить.
Затем вы назначите символ слою Sevilla_Census_Sections, чтобы он был виден поверх слоев, которые будут добавлены позже.
- На панели Содержание щелкните правой кнопкой Sevilla_Census_Sections и выберите Символы.
- Для Символа щелкните текущий образец символа. На вкладке Галерея в разделе ArcGIS 2D щелкните Черный контур (1 тчк).
К слою также применена прозрачность, из-за которой границы плохо видны на базовой карте.
- На ленте щелкните контекстную вкладку Векторный слой. В группе Эффекты измените Прозрачность на 0 процентов.
- На панели Содержание щелкните правой кнопкой Sevilla_Census_Sections и выберите Приблизить к слою.
Слой области интереса теперь показан символами и расположен по центру карты. Вы воспользуетесь этим экстентом позже, чтобы вырезать растровые данные для их дальнейшего использования.
- На Панели инструментов быстрого доступа щелкните кнопку Сохранить проект.
Проект сохранен.
Подготовка данных Landsat о температуре поверхности
Первая переменная в вашем индексе — это средняя летняя температура поверхности, которую можно получить из снимков Landsat Level-2, доступных в ArcGIS Living Atlas. Чтобы подготовить эти входные данные, вы добавите сервис изображений на свою карту и найдете сцены, доступные для интересующей вас области. Затем вы скопируете растр локально и воспользуетесь инструментом Зональная статистика в таблицу, чтобы определить максимальное значение в пределах каждого переписного участка Севильи.
Подсказка:
В зависимости от района исследования и имеющихся данных вы можете выбрать другой источник данных о тепле. Например, вы можете предпочесть загружать данные Landsat из приложения Landsat Explorer. Приложение позволяет выбирать и просматривать сцены перед их загрузкой. Другой вариант — использовать данные высокого разрешения о городских островах тепла из National Integrated Heat Health Information Systems (NIHHIS) и Climate Adaptation Planning and Analytics (CAPA). Данные NIHHIS-CAPA доступны для конкретных городов в США и по всему миру, которые приняли участие в кампании по создании карт тепловых островов. Посмотрите, есть ли данные о вашем городе и как подать заявку.- На ленте щелкните вкладку Карта. В группе Слой щелкните кнопку Добавить данные.
- В окне Добавить данные должен быть выбран Living Atlas. Найдите и добавьте слой изображений Landsat Level-2 от пользователя esri_imagery.
Слои изображений Landsat Level-2 добавлен в ваш проект. Коллекция научных продуктов Level-2 содержит данные об отражательной способности поверхности и температуре поверхности с поправкой на атмосферные условия, датированные до 1982 года. Вы настроите свойства сервиса Landsat, чтобы получить только те данные о температуре, которые вам необходимы.
- На панели Содержание дважды щелкните Landsat Level-2.
Откроется окно Свойства слоя.
- В окне Свойства слоя щёлкните вкладку Шаблоны обработки.
- Для Шаблона обработки выберите Surface Temperature (Celsius).
- Перейдите на вкладку Мозаика. Для Оператора мозаики выберите Среднее.
Этот сервис использует набор данных мозаики для управления сценами, полученными за десятилетия. По умолчанию отображается первая сцена. При выборе оператора среднего значения будет рассчитано средняя температура для всех сцен, доступных для интересующей вас области, на основе примененных вами фильтров. Теперь вы добавите определяющий запрос с двумя аргументами: облачность меньше или равна 10 процентам и сцены получены в летние месяцы.
- Перейдите на вкладку Определяющий запрос и затем щелкните на кнопке Новый определяющий запрос.
- Постройте выражение Где Cloud Cover меньше или равно 0.10. Щелкните Добавить условие.
Этот запрос отфильтрует все сцены с облачностью более 10 процентов. Облака и тени от них на сценах Landsat отрицательно влияют на результаты любого анализа.
- Постройте выражение И Month включает значения 6,7,8.
В это условие будут включены только месяцы, которые считаются летними в северном полушарии. У вашего запроса теперь два условия.
- Для Запрос 1 щелкните Применить. В окне Свойства слоя щелкните OK.
Обновление сервиса занимает несколько минут. После этого сцены будут показаны в виде серого прямоугольника. Чтобы визуализировать средние летние температуры в слое, вы назначите растру символы.
- На панели Содержание щелкните правой кнопкой Landsat Level-2 и выберите Символы.
- На панели Символы для Статистики щелкните Набор данных и выберите DRA.
DRA – это настройка динамического диапазона, которая автоматически корректирует ваш активный тип растяжки при перемещении по изображению только на основе значений пикселов в текущем экстенте.
- Для Цветовой схемы выберите градуированную цветовую схему, например, Inferno.
Подсказка:
Наведите курсор на цветовую шкалу, чтобы увидеть ее название.
Расчет средней летней температуры поверхности
Теперь, когда вы задали шаблон обработки и фильтры для снимков Landsat, вы скопируете в свой проект только эти интересующие вас сцены.
- На панели Содержание щелкните правой кнопкой слой Landsat Level-2 и выберите Таблица атрибутов.
- Внизу таблицы атрибутов нажмите кнопку Фильтр по экстенту.
Таблица будет отфильтрована и отобразит только сцены, доступные в текущем экстенте карты — регионе Севильи.
- Закройте таблицу атрибутов. На панели Содержание щелкните правой кнопкой Sevilla_Census_Sections и выберите Приблизить к слою.
- На панели Геообработка откройте инструмент Копировать растр.
- Для Входного растра выберите Landsat Level-2.
Примечание:
Рядом с параметром Входной растр может появиться красный крестик, говорящий о том, что параметр некорректен. Сервис Landsat Imagery позволяет экспортировать только 4000x4000 пикселов за раз. Перед запуском этого инструмента вы зададите экстент обработки, чтобы экстент растра точно находился в этих пределах.
- В опции Выходной набор растровых данных щёлкните кнопку Обзор.
Вы сохраните этот растр как файл TIFF, который нельзя сохранить в базе геоданных.
- В окне Выходной набора растровых данных под пунктом Проект щелкните Папки. Дважды щелкните папку проекта Индекс термостойкости в г. Севилья.
Примечание:
Если вы дали проекту другое имя, имя папки проекта также будет другим.
- В строке Имя введите Avg_SurfaceTemp_Sevilla.tif.
- Щелкните Сохранить.
- На панели Геообработка щелкните вкладку Параметры среды. В разделе Экстент нажмите кнопку Экстент слоя и выберите SevillaCensus_Sections.
Задание экстента обработки устраняет ошибку, которую вы наблюдали при указании входного растра.
- Щелкните Запустить.
По завершении обработки растр Avg_SurfaceTemp_Sevilla.tif добавится на панель Содержание и отобразится на карте.
Примечание:
По завершении работы инструмента вы можете получить предупреждение: WARNING 003485: Шаблоны обработки не будут сохранены в выходной набор растровых данных, так как у входного слоя уже есть активный шаблон обработки. Это предупреждение не является ошибкой, поскольку копируются только данные изображений, а не шаблоны обработки сервиса.
- На панели Содержание щелкните правой кнопкой Landsat Level-2 и выберите Удалить.
Теперь, когда растр температуры поверхности интересующей вас области скопирован в локальный файл, вы можете использовать инструмент Зональная статистика в таблицу, чтобы суммировать все значения температуры в пределах каждого переписного участка и определить среднее значение.
- На панели Геообработка откройте инструмент Зональная статистика в таблицу (Инструменты Spatial Analyst).
Инструмент Зональная статистика в таблицу вычисляет статистику ячеек растра в зонах другого набора данных. В этом случае вы рассчитаете статистику Максимум, чтобы найти самую высокую среднюю температуру для каждого переписного участка.
- Введите следующие параметры:
- Для Входных растровых или векторных данных зон выберите Sevilla_Census_Sections.
- В опции Поле зоны выберите ID.
- В качестве Входного растра значений выберите Avg_SurfaceTemp_Sevilla.tif.
- Для Выходной таблицы введите Avg_SurfaceTemp_Sevilla.
- Для Тип статистики выберите Среднее.
- Щелкните Запустить.
Таблица Avg_Surface_Temp_Sevilla добавится на панель Содержание в раздел Автономные таблицы.
- На панели Содержание щелкните правой кнопкой таблицу Avg_SurfaceTemp_Sevilla и выберите Открыть.
Поле MEAN показывает статистику среднего. Для удобства вы переименуете это поле.
- На ленте щелкните контекстную вкладку Автономная таблица. В группе Дизайн данных щёлкните Поля.
- В виде Поля в столбце Псевдоним дважды щелкните MEAN, чтобы отредактировать запись. Введите Avg Summer Temp (C).
- На ленте в группе Управление изменениями щёлкните Сохранить, чтобы сохранить изменения в таблицу.
- Закройте обе таблицы и сохраните проект.
Вы завершили рабочий процесс подготовки первых входных данных для вычисления индекса устойчивости к жаре. Сначала, используя данные ArcGIS Living Atlas, вы получили температуру поверхности земли для нужной области, используя шаблоны обработки в сервисе изображений Landsat Level-2. Затем вы настроили свойства сервиса, чтобы фильтровать сцены по атрибутам и рассчитывать средние значения для отфильтрованных сцен. Вы также применили пространственный фильтр, чтобы ограничить сцены областью вокруг границ переписных участков. После экспорта снимков в ваш проект вы рассчитали среднюю температуру поверхности на каждом участке переписи.
Выявление отсутствия крон деревьев
Вторым фактором для индекса риска жары является отсутствие крон деревьев. Эти данные получены из службы изображений Land Cover 2021 Европейского космического агентства в ArcGIS Living Atlas.
Подсказка:
В зависимости от целей индекса вы можете выбрать различные методы классификации или использовать различные данные. Поскольку целью этого индекса является определение территорий для кампаний по посадке деревьев, вы переклассифицируете слой земельного покрова, чтобы показать, где уже растут деревья. Если вы создавали индекс для определения областей для других типов вмешательств, таких как удаление непроницаемой поверхности или создание дождевых садов, вы можете переклассифицировать данные о земельном покрове, чтобы показать, сколько зеленых насаждений существует, определив древесный покров, кустарники и луга в каждом разделе переписи. Или вы можете использовать показатель биомассы и здоровья растительности, такой как нормализованный относительный индекс растительности (NDVI) или индекс растительности, скорректированный с учетом состояния почвы (SAVI). Эти измерения входят в сервис Landsat Level-2 также их можно вычислить в ArcGIS Pro.- На ленте на вкладке Карта щелкните кнопку Добавить данные. На портале Living Atlas добавьте слой European Space Agency WorldCover 2021 Land Cover, принадлежащий esri_environment.
Этот слой — глобальный набор данных о наземном покрове, в котором используется 11 классов. Из этих классифицированных пикселей вам понадобятся только те, которые отображают древесный покров. Вы воспользуетесь инструментом Переклассификация, чтобы отличить только пикселы древесного покрова.
- На панели Геообработка откройте инструмент Переклассификация (Инструменты Spatial Analyst).
- В качестве Входного растра выберите European Space Agency WorldCover 2021 Land Cover. Убедитесь, что для Поля переклассификации задано ClassName.
- В таблице Переклассификация оставьте Новое значение для Деревьев равным 1. Измените все остальные Новsе значения, кроме NODATA, на 0.
- Для параметра Выходной растр щёлкните кнопку Обзор. Выберите папку проекта Индекс термостойкости в г. Севилья.
- В качестве Имени введите Tree_Canopy_Sevilla.tif. Щелкните Сохранить.
Чтобы обработать только те пикселы, которые относятся к интересующей вас области, вы будете использовать экстент обработки для обрезки растра.
- Выберите вкладку Параметры среды. В разделе Экстент обработки для Экстента нажмите кнопку Экстент слоя и выберите SevillaCensus_Sections.
- Щелкните Запустить.
По завершении обработки растра он добавится на панель Содержание и отобразится на карте.
- На панели Содержание щелкните правой кнопкой European Space Agency WorldCover 2021 Land Cover и выберите Удалить.
Примечание:
Условные знаки вашего растра могут отличаться от иллюстрации.
Слой Tree_Canopy_Sevilla.tif содержит два класса: Tree Cover и все остальное. Вы можете использовать этот растр для вычисления переменной отсутствия деревьев, которая будет входными данными для расчета вашего индекса.
Отсутствие крон деревьев рассчитывается по формуле 100 – Процент крон деревьев.
- На панели Геообработка откройте инструмент Зональная статистика в таблицу (Инструменты Spatial Analyst).
На этот раз вы будете использовать этот инструмент для суммирования числа пикселов деревьев в пределах каждого полигона переписного участка. Инструмент также подсчитывает общее число пикселов внутри каждой зоны (полигона), поэтому вы можете вычислить процент пикселов деревьев внутри полигона.
- Введите следующие параметры:
- Для Входных растровых или векторных данных зон выберите Sevilla_Census_Sections.
- В опции Поле зоны выберите ID.
- В качестве Входного растра значений выберите Tree_Canopy_Sevilla.tif.
- Для Выходной таблицы введите Tree_Pixels.
- В опции Тип статистики выберите Сумма.
- Щелкните Запустить
Таблица Tree_Pixels добавится на панель Содержание в раздел Автономные таблицы.
- Откройте таблицу Tree_Pixels.
Таблица содержит два нужных вам столбца: COUNT, который хранит общее число пикселов в каждой полигональной зоне, и SUM, содержащий число пикселов деревьев. Вы вычислите процент деревьев и процент отсутствия деревьев для каждого полигона переписного участка по следующим формулам.
- PCT_Tree_Cover = (Sum / Count) * 100
- PCT_Lacking = 100 - PCT_Tree_Cover
- В таблице атрибутов щелкните Вычислить.
- В инструменте Вычислить поле введите для параметра Имя поля (существующего или нового) Pct_Tree_Cover. В Тип поля выберите Float (32-bit floating point).
- В разделе Выражение для Pct_Tree_Cover = постройте выражение (!SUM! / !COUNT!) * 100 и нажмите OK.
Новое поле добавится в конец таблицы атрибутов.
- Нажмите кнопку Вычислить. Для параметра Имя поля (существующее или новое) введите Pct_Lacking, а для Типа поля выберите С плавающей точкой (32-разрядное с плавающей точкой).
- Для Pct_Lacking = постройте выражение 100 - !Pct_Tree_Cover! и щелкните OK.
В таблице Tree_Pixels появилось два новых поля: Pct_Tree_Cover и Pct_Lacking. Атрибут Pct_Lacking представляет собой процент участка переписи, лишенный деревьев, и является вторым входным параметром для вычисления индекса жароустойчивости.
- Закройте таблицу Tree_Pixels и сохраните проект.
Вычисление плотности населения
Последним фактором, влияющим на индекс риска жары, является плотность населения. В этом компоненте индекса приоритет отдается населенным пунктам, где вмешательство может помочь большинству людей. Вы получите входные данные плотности населения на основе данных переписи населения Испании, содержащихся в слое Sevilla_Census_Sections.
Подсказка:
В зависимости от целей вашего индекса рассмотрите возможность добавления дополнительных демографических переменных. В учебных целях в этом уроке вы используете только общую меру плотности населения как средство представления того, где кампании по посадке деревьев могут принести наибольшую пользу людям. При построении индекса эти данные, вероятно, потребуются более детально — рассмотрите возможность добавления демографических данных, чтобы указать, где население наиболее уязвимо к тепловому стрессу. К людям, которые более уязвимы к тепловому стрессу, относятся дети и пожилые люди, люди, выполняющие тяжелую работу на открытом воздухе, люди с хроническими заболеваниями, люди с ограниченными возможностями и бездомные.
При выборе демографических переменных лучше всего тесно сотрудничать с заинтересованными сторонами, чтобы определить их приоритеты и решить, как их представить в индексе. В зависимости от ваших местных приоритетов и того, сколько показателей вы решите включить, рассмотрите возможность создания подиндекса, который будет отражать численность населения и уязвимость в вашем индексе.
- Откройте таблицу атрибутов для слоя Sevilla_Census_Sections.
Слой содержит атрибуты как общей численности населения, так и площади в квадратных километрах. Вы вычислите новое поле, разделив население на площадь.
- В таблице атрибутов для Поля щелкните Вычислить поле. В окне Вычислить поле для параметра Имя поля (существующее или новое) введите PopDensity, а для Типа поля выберите С плавающей точкой (32-разрядное с плавающей точкой).
- В разделе Выражение для PopDensity = скопируйте и вставьте выражение !TOTPOP_CY! / !AREA!.
Примечание:
Хотя атрибуты отображаются под псевдонимами, то есть понятными именами, на панели Поля, они заполняются выражением, в котором используются имена полей.
- Нажмите OK.
Поле PopDensity будет добавлено в таблицу. Теперь три производных набора входных данных можно объединить в индекс риска жары и отобразить его на карте. Вы начнете с переноса всех входных данных в слой Sevilla_Census_Sections для его обработки.
- На панели Геообработка откройте инструмент Соединение полей.
- Введите следующие параметры:
- Для параметра Входная таблица выберите Sevilla_Census_Sections.
- Для Входного поля соединения выберите ID.
- Для Соединяемая таблица выберите Avg_SurfaceTemp_Sevilla.
- Для Поля соединяемой таблицы выберите ID.
- Для параметра Перенос полей выберите Avg Summer Temp (C).
- Щелкните Запустить.
По окончании выполнения инструмента поле Avg Summer Temp (C) будет добавлено в таблицу Sevilla_Census_Sections.
- На панели Соединение полей измените параметр Соединяемая таблица на Tree_Pixels и поменяйте Avg Summer Temp (C) на Pct_Lacking. Щелкните Запустить.
Теперь все три входные таблицы одинаковые.
- Закройте таблицу. Сохраните проект.
Вы подготовили переменные, которые будете использовать для создания индекса жароустойчивости. Вы готовы к созданию индекса.
Создание индекса риска жары
Теперь, когда готовы все три входных показателя, вы построите индекс. Существует множество способов создания, комбинирования и интерпретации индексов в зависимости от их назначения. В этом руководстве вы будете использовать инструмент Вычисление составного индекса. Этот инструмент включает в себя некоторые этапы предварительной обработки и объединения данных, которые помогут вам выбрать лучшие методы индексирования для ваших данных. Если вы работаете с различными изучаемыми областями или переменными, соответствующим образом настройте обработку индекса, используя документацию инструмента Вычисление составного индекса и руководство с рекомендациями.
Изучение входных параметров для индекса
Чтобы создать эффективный индекс, необходимо выбрать, какие методы нужно использовать для предварительной обработки и объединения данных. Этапы предварительной обработки в инструменте Вычислить составной индекс гарантируют, что переменные совместимы и могут быть объединены в индекс. Чтобы выбрать эти шаги, сначала необходимо понять распределение входных переменных. На этом этапе вы также можете решить проблему несоответствий, таких как ассиметрия и пропущенные значения. Чтобы понять переменные, вы будете использовать вид Data Engineering, в котором есть инструменты для исследования, визуализации и очистки данных.
- На панели Содержание отключите слои Tree_Canopy_Sevilla.tif и Avg_SurfaceTemp_Sevilla.tif.
- Щелкните правой кнопкой Sevilla_Census_Sections и выберите Data Engineering.
Откроется вид Data Engineering. Вы будете использовать инструменты Data Engineeringдля просмотра гистограмм каждой из входных переменных, их обозначения на карте и вычисления сводной статистики для понимания значений.
- На панели Поля щелкните PopDensity. Нажмите и удерживайте клавишу Shift, затем щелкните Pct_Lacking, чтобы выбрать три входных индекса, которые вы подготовили.
- Перетащите три выбранных поля на панель Статистика.
Три поля добавлены. Далее вы вычислите статистику.
- На панели Статистика на ленте щелкните Вычислить.
Статистика вычисляется для каждого входного значения, включая среднее, медиану, выбросы и асимметрию. Далее вы заполните входные данные и создадите гистограммы для исследования их распределения.
- На панели Поля перейдите к полю PopDensity и щелкните Обновить символы.
Карта обновится и будут показаны участки в соответствии с плотностью их населения. На карте плотности населения видны более высокие значения плотности в небольших переписных участках рядом с центром города, в то время как в более крупных переписных участках и территориях на окраинах города плотность населения ниже.
- На панели Статистика для поля PopDensity щелкните правой кнопкой мыши на предварительный просмотр диаграммы и выберите Открыть гистограмму.
Появится гистограмма PopDensity. Гистограмма показывает распределение данных, имеющее небольшую положительную асимметрию.
- Закройте гистограмму. В виде Data Engineering пролистайте до статистического показателя Асимметрия.
Показатель асимметрии для поля PopDensity равен 0.823. Значения меньше -0,5 или больше 0,5 обычно считаются искаженными. Высокая асимметрия переменной может изменить ее влияние на результаты индекса. Хотя инструмент Вычислить составной индекс включает методы предварительной обработки, которые могут справляться с асимметрией, например, приведение к общей шкале, эти методы применяются к каждой переменной, используемой в качестве входных данных, а не только к асимметричным переменным. Использование инструментов Data Engineering для работы с переменными перед запуском инструмента построения составного индекса дает вам больший контроль над отдельными переменными. Вы используете инструмент Трансформировать поле, чтобы изменить переменную PopDensity на более нормальное распределение.
- Для поля PopDensity щелкните правой кнопкой показатель Асимметрия и выберите Трансформировать поле.
- В инструменте Трансформировать поле убедитесь, что Метод трансформации задан как Box-Cox.
Примите все остальное по умолчанию. Параметр Сдвиг можно использовать, если какие-то значения во входной таблице являются отрицательными. Параметр Степень можно использовать для указания значения степени. Если значение не указано, будет использовано наилучшее приближение кривой нормального распределения, которое будет отображено в сообщениях геообработки.
- В инструменте Трансформировать поле щелкните ОК.
По окончании выполнения инструмента поле Sevilla_Census_Sections будет добавлено в таблицу.
- В виде Data Engineering на панели Поля перетащитеPopDensity_BOX_COX на панель Статистика и щелкните Вычислить.
- Используйте гистограмму и статистику, чтобы сравнить поля PopDensity и PopDensity_BOX_COX.
Статистика Асимметрия для PopDensity_BOX_COX равна -0.033, что близко к нормальному распределению. Теперь вам нужно повторить процесс, чтобы заполнить и преобразовать поле PCT_Lacking, которое имеет сильную отрицательную асимметрию.
- На панели Поля перейдите к полю PCT_Lacking и щелкните Обновить символы.
Карта обновится, отобразятся участки переписи по проценту покрытия деревьями. Более темные оттенки зеленого цвета обозначают территории с большим процентом земель, не покрытых деревьями. На многих небольших участках в центре города наблюдается незначительную покрытость деревьями. Также имеется несколько крупных отдаленных участков, на которых древесный покров невелик. Чтобы более подробно изучить эти закономерности, вы можете изменить базовую карту для просмотра спутниковых снимков.
- На ленте, на вкладке Карта, щелкните Базовая карта и выберите Изображение Гибрид.
На снимках видно, что многие из крупных отдаленных участков включают промышленные парки, складские районы и сельскохозяйственные поля с небольшим количеством деревьев. Поскольку на многих участках переписи древесный покров отсутствует, переменная сильно искажена. Вы снова воспользуетесь инструментом Трансформировать поле, чтобы изменить распределение на более близкое к нормальному.
- Для атрибута PCT_Lacking щелкните правой кнопкой мыши предварительный просмотр диаграммы и выберите Трансформировать поле.
- В инструменте Трансформировать поле убедитесь, что Метод трансформации задан как Box-Cox и щелкните ОК.
- В виде Data Engineering на панели Поля перетащите Pct_Lacking_BOX_COX на панель Статистика и щелкните Вычислить.
- Используйте гистограмму и статистику, чтобы сравнить поля Pct_Lacking и Pct_Lacking_BOX_COX.
Поскольку в этом поле асимметрия была сильнее, преобразование привело к новому значению асимметрии, равному -0,233, что по-прежнему находится в диапазоне от -0,5 до 0,5, который вы используете в качестве грубого приближения нормального распределения.
Последним полем для заполнения является поле Avg Summer Temp (C).
- На панели Поля перейдите к полю Avg Summer Temp (C) и щелкните Обновить символы.
Последний атрибут, Avg Summer Temp (C), отображен на карте. Интересно, что на крупных отдаленных участках также наблюдаются более высокие температуры. Это может быть вызвано несколькими причинами, такими как артефакт обработки данных или размер участков по сравнению с меньшими участками в центре города. Например, высокие температуры в районах промышленного парка и складских помещений могут привести к повышению среднего значения по всему участку. На панели Статистика вы можете видеть, что минимальная и максимальная средняя температура составляют 40,91 и 50,84 градуса Цельсия соответственно.
Теперь, когда вы лучше понимаете входные данные индекса, вы можете перейти к выбору шагов предварительной обработки и методов индексирования.
Выбор методов индексирования
Далее вы выберете шаги предобработки. Предварительная обработка в инструменте Вычислить составной индекс фокусируется на изменении направления переменных, чтобы убедиться, что они согласованы по направлению, а также на пересчет переменных, чтобы убедиться, что они согласованы по диапазону и единице измерения. Если вы работаете с различными областями исследования или переменными, обратитесь к документации по инструменту Вычислить составной индекс и руководству по передовым практикам, чтобы выбрать подходящие этапы предварительной обработки и методы комбинирования.
- На панели Геообработка найдите и откройте инструмент Вычислить составной индекс.
Хотя существует множество способов создания индексов, вы будете использовать этот инструмент, поскольку он объединяет несколько этапов обработки данных в один инструмент и создает серию диаграмм, которые помогут вам проверить результаты инструмента индексирования.
Сначала вы добавите три подготовленных набора данных и зададите параметры предварительной обработки, которые хотите использовать.
- Для параметра Входная таблица выберите Sevilla_Census_Sections. Для параметра Выходные объекты или таблица введите Sevilla_HRI_MeanofScaled.
Подсказка:
Может оказаться полезным протестировать несколько методов предварительной обработки и комбинирования индексов. Чтобы было легче различать их в дальнейшем, выберите выходное имя, которое будет отражать используемые параметры. - Для Входных переменных щелкните кнопку Добавить несколько.
- Выберите Avg Summer Temp, PopDensity_BOX_COX и Pct_Lacking_BOX_COX. Щёлкните Добавить.
Примечание:
Если ваши Входные переменные указаны с использованием имен полей вместо псевдонимов, нажмите кнопку Настройки списка полей и выберите Показать псевдонимы полей.
У всех входных данных стоят отметки Обратить направление. В зависимости от того, как вы подготовили входные переменные, вам может потребоваться изменить направление переменных. Чтобы решить, следует ли инвертировать переменную, необходимо убедиться, что все высокие значения обозначают сходный результат для индекса. В этом случае вы подготовили все переменные таким образом, чтобы высокие значения указывали на то, что выгода участка от посадки деревьев будет больше, а низкие значения — на то, что выгода участка будет меньше. Поскольку направления значений совместимы, вам не нужно выполнять их инверсию.
После этого вы выберете, как пересчитывать входные данные. Пересчет — это метод, используемый для приведения всех входных данных к общему диапазону. Поскольку вы работаете с переменными в разных единицах измерения и шкалах, вам необходимо их стандартизировать перед объединением. Например, трудно сравнить влияние изменения температуры на один градус Цельсия на участке и изменение площади лесного покрова на один процент. Приведение к одной шкале этих переменных приведет значения к общему диапазону, например от 0 до 1.
Методы пересчета зависят от ваших данных и целей индекса. Например, если вы работаете с сильно искаженными данными или ранги каждой переменной в наборе данных важнее их фактических значений, вы можете использовать среднее значение процентилей, которое стандартизирует значения, переводя их в процентили от 0 до 1. Или, если у вас есть критически важное значение, например медианная цена жилья, и вы хотите, чтобы ваш индекс определял области выше и ниже этого критического значения, вы можете использовать пользовательскую опцию Флаг по пороговому значению.
- Для Предустановленный метод пересчета и объединения переменных выберите Объединить значения (Среднее от пересчитанных значений).
Эта опция предварительной настройки задает Метод масштабирования входных переменных как Минимум-максимум, а Метод объединения пересчитанных переменных как Среднее. Сначала входные переменные приводятся к шкале с диапазоном от 0 до 1, затем объединяются, используя среднее значение пересчитанных входных переменных в качестве индекса. Этот метод целесообразен, поскольку процесс приведения к одной шкале будет учитывать величину разницы между значениями во входных данных, количественно определяя, насколько лучше или хуже раздел переписи по отношению к остальным значениям.
Поскольку для пересчета используются минимум и максимум набора данных, этот метод часто не подходит для асимметричных данных. Если вы не преобразовали атрибуты PopDensity и PctLacking на предыдущих этапах, вам следует рассмотреть такой метод, как среднее процентилей, который сохраняет ранг данных, но не величину. Методы, сохраняющие ранг, полезны для создания индексов, показывающих, где условия лучше или хуже, но не позволяют количественно определить, насколько лучше или хуже.
- Для Метод пересчета входных переменных убедитесь, что выбран Минимум-максимум.
- В разделе Метод объединения пересчитанных переменных должно быть выбрано Среднее.
Следующий задаваемый параметр - вес каждой переменной. Переменные могут быть взвешены, чтобы отобразить относительную важность каждого фактора, влияющего на индекс.
- Разверните раздел Веса переменных.
По умолчанию для всех весов установлено 1, что означает, что у всех переменных одинаковый вес. Для этого индекса вы хотите сосредоточиться на посадке деревьев в местах, где они могут принести непосредственную пользу людям, поэтому вы придадите переменной PopDensity_BOX_COX больший вес, чем двум другим.
Параметры Выходные настройки позволяют вам выбрать, как назвать поле атрибута индекса. Вы можете также выбрать дополнительные слои с настроенными символами для создания инструмента.
- В разделе Веса для PopDensity_BOX_COX задайте Вес как 2.
Далее вам нужно будет выбрать настройки для выходного индекса. Во-первых, вы можете выбрать минимальное и максимальное значения для диапазона индекса, например, шкалу от 1 до 10. Этот диапазон необязателен, но может облегчить интерпретацию значений. Затем вы можете выбрать дополнительные выходные слои, чтобы получить больше возможностей для оценки результатов.
- Разверните Выходные настройки. Для Выходного имени индекса введите HRI.
- Для Минимальные и максимальные значения выходного индекса задайте Минимум как 1, а Максимум как 0.
- В разделе Выходные настройки для Дополнительных классифицированных выходных данных поставьте отметку Среднеквадратическое отклонение.
- Щелкните Запустить.
По завершении работы инструмента составной слой Sevilla_HRI_MeanofScaled будет добавлен на панель Содержание. Этот составной слой содержит три слоя: один показывает значения индекса с использованием неклассифицированной цветовой шкалы, другой показывает значения индекса в виде процентилей, а третий показывает значения индекса в виде классов стандартного отклонения. Слой HRI также содержит несколько диаграмм.
Отображение на карте и интерпретация индекса
Теперь, когда вы создали индекс, вы изучите и интерпретируете результаты. Используя графики и выходные данные, которые создает инструмент для создания составного индекса, вы можете определить, подходит ли индекс для ваших целей или вам следует протестировать дополнительные этапы предварительной обработки и методы индексирования. Как только вы освоитесь с результатами своего индекса, вы отобразите его так, чтобы его было легче осмысливать другим пользователям. Значения индекса, которые вы видели, имеют для вас значение, но вряд ли будут понятны другим вне какого-либо контекста.
Кроме того, принятие мер на основе этого индекса потребует большего объема локальных данных и знаний о территории. Например, какой будет выделен бюджет на посадку деревьев? Какое необходимо будет согласование, и хотят ли местные жители сажать деревья в своем районе? Не получив эту информацию, неправильно будет создавать карты с интерпретациями вашего индекса. Вместо этого вы будете использовать полученные ранее выходные данные стандартного отклонения, чтобы классифицировать районы в качестве получающих максимальную, среднюю и наименьшую выгоду.
- На панели Содержание под HRI щёлкните правой кнопкой Распределение индекса и выберите Открыть.
Высокие значения индекса можно интерпретировать как соответствующие областям, которые больше всего выиграют от посадки деревьев в качестве меры по обеспечению жароустойчивости. Аналогичным образом, низкие значения индекса можно интерпретировать как возможную наименьшую выгоду от посадки деревьев. Это не значит, что в этих областях отсутствуют высокие летние температуры или не требуется принимать мер по обеспечению устойчивости к жаре, но следует рассмотреть возможность принятия других мер, помимо посадки деревьев.
- На панели диаграммы щелкните столбик с самыми высокими значениями индекса, чтобы выбрать их на карте.
- Щелкните один из выбранных участков на карте, чтобы открыть информационное всплывающее окно.
Всплывающее окно показывает общий индексный балл для раздела переписи, а также пересчитанные значения переменных.
- Щелкните по карте и используйте гистограмму, чтобы изучить участки с высокими и низкими значениями индекса и понять, почему они были ранжированы именно так.
Этот выходной слой индекса и сопутствующая диаграмма полезны для использования, если сами значения индекса имеют для вас значение. Например, если вы хотите выполнить целевую кампанию по посадке деревьев на участках, набравших 8 или более баллов по индексу, эта гистограмма станет хорошей отправной точкой.
- На панели Содержание отключите слой HRI и включите слой HRI - Percentile. Используйте всплывающие окна и диаграмму Distribution of HRI - Mean (Percentile), чтобы изучить результаты по процентилям.
Этот результат полезен, если вас меньше волнует индексный балл, а больше — рейтинг раздела. Например, если вы хотите выполнить целевую кампанию по посадке деревьев на участках, которые набрали 95-й процентиль, то вы можете использовать этот вывод.
В этом случае, поскольку вы создаете общий индекс без учета местных данных или отзывов заинтересованных сторон, вы будете использовать конечный результат, стандартное отклонение, для классификации районов по признаку получения наибольшей выгоды, умеренной выгоды и наименьшей выгоды. Эту карту следует рассматривать как среднюю точку вашего анализа. Ее можно использовать для инициирования обсуждения и сбора мнений заинтересованных сторон с целью более точного определения переменных, весов и используемых методов.
- На панели Содержание в разделе Слои Sevilla_HRI_Percentiles_GeomMean включите слой HRI- Percentile и включите слой HRI-Standard Deviation Classes. Откройте диаграмму Counts by HRI – Mean (Standard deviation classes).
В этом слое показаны данные индекса, которые отображены в соответствии со стандартным отклонением, причем самые высокие значения индекса находятся на расстоянии трех стандартных отклонений от среднего значения.
- Закройте диаграмму. На панели Содержание щелкните правой кнопкой слой HRI - Standard Deviation Classes и выберите Символы.
Слой содержит шесть классов символов.
- В разделе Основные символы щелкните Уникальные значения и выберите Градуированные цвета.
- В качестве Поля выберите HRI – Mean (Standard deviation classes).
- Для Классы выберите 3.
Эти три класса будут соответствовать переписным районам, получающим наибольшую, среднюю и наименьшую выгоду.
- Щелкните Цветовая схема и поставьте отметку Показать все. Выберите цветовую схему От коричневого до зеленого (3 класса).
Подсказка:
Поставьте отметку Показать имена, чтобы увидеть имя каждой цветовой схемы.
Затем вы выберете, как районы будут делиться на три категории, которые вы решили использовать. Это решение - такой же субъективный процесс, как и процесс создания индекса, и его можно скорректировать в соответствии с потребностями и законами местных сообществ.
- На вкладке Классы для первого класса Верхнее значение должно быть ≤ –1. Для Надписи введите Наименьшая выгода.
- Для второго класса Верхнее значение должно быть равно <= 1. Для Надписи введите Средняя выгода.
- Для третьего класса требуется Верхнее значение <= 3. Для Надписи введите Наибольшая выгода.
В зависимости от предпочитаемых вами методов распространения и передачи результатов вычисления индекса вы можете опубликовать его в виде веб-карты или создать компоновку карты для ее последующей печати. В любом случае, эту карту следует рассматривать как промежуточную, как способ сбора мнений внутри вашего сообщества, который будет предшествовать действиям по посадке деревьев.
- Сохраните проект.
В этом руководстве вы, исходя из информации о плотности населения, отсутствии деревьев и высоких средних летних температурах, создали индекс теплового риска, показывающий, где посадка деревьев будет максимальным образом способствовать смягчению температуры поверхности летом.
Методологию вычисления индекса устойчивости можно воспроизвести для других интересующих вас областей во всем мире и различных климатических опасностей, и эта методология может включать входные данные индекса, подходящие для вашего сообщества, например, групп населения, находящихся в группе риска. При создании своего индекса обязательно используйте методы предварительной обработки данных и создания индекса, подходящие для ваших данных. Дополнительные инструкции для инструмента Вычислить составной индекс см. на странице документации этого инструмента и в техническом документе Создание составных индексов с помощью ArcGIS: Рекомендации.
Вы можете найти больше учебных пособий в галерее учебных пособий.
