Определите ареал обитания с помощью Минимального выпуклого полигона

В этом разделе вы будете использовать инструмент Минимальная ограничивающая геометрия, чтобы определить самую большую наблюдаемую площадь, занимаемую лосем в этом регионе. Инструмент Минимальная ограничивающая геометрия вычисляет полигоны, представляющие наименьшую площадь, необходимую для включения входных данных. Хотя инструмент может вычислять такие формы, как круги и прямоугольники, вы будете использовать тип Выпуклая оболочка, который рисует прямую линию между внешними вершинами входного набора данных и является самым простым методом, который можно использовать при изучении ареала обитания животного.

  1. Загрузите пакет проекта Elk_Home_Range.

    Файл с именем Elk_Home_Range.ppkx загружен на ваш компьютер.

    Примечание:

    Файл .ppkx является пакетом проекта ArcGIS Pro и может содержать карты, данные и другие файлы, которые вы можете открыть в ArcGIS Pro. Подробнее об управлении файлами .ppkx вы можете узнать в Кратком руководстве по пакетам проектов ArcGIS Pro (файлы .ppkx).

  2. Найдите загруженный файл на вашем компьютере. Дважды щелкните файл Elk_Home_Range.ppkx, чтобы открыть проект в ArcGIS Pro.
  3. Если необходимо, войдите в ArcGIS Pro под лицензированной учетной записью ArcGIS.

    Если у вас нет доступа к ArcGIS Pro или учетной записи ArcGIS (вArcGIS Online или ArcGIS Enterprise), см. варианты доступа к программному обеспечению.

    На карте показано местоположение телеметрических данных о лосях, собранных в 2009 году на юго-западе провинции Альберта, юго-востоке Британской Колумбии и северо-западе Монтаны. Данные, используемые в этом руководстве, представляют собой поднабор данных, собранных в ходе первоначального исследования, которое проводилось в течение нескольких лет. Этот поднабор данных был спроектирован и предварительно обработан, чтобы включить атрибут, указывающий, в какое время года была зафиксирована точка. Этот атрибут будет использоваться как поле комбинаций при анализе направленного распределения, чтобы показать изменения с течением времени. Чтобы узнать больше об исследовании и получить доступ к полному набору данных, ознакомьтесь с исследованием на MoveBank.

  4. Щелкните вкладку Анализ на ленте. В группе Геообработка щёлкните ModelBuilder.

    Добавьте модель в свой проект.

    Появится пустое окно ModelBuilder. Вы начнете строить свою модель, перетаскивая инструменты из панели Анализ.

  5. На ленте ModelBuilder в группе Вставить щелкните Инструменты.

    Откройте инструменты геообработки

    Откроется панель Геообработка.

  6. На панели Геообработка найдите инструмент Минимальная ограничивающая геометрия. Перетащите инструмент в модель.

    Добавьте инструмент Минимальная ограничивающая геометрия в панель модели.

    В модель добавляются прямоугольник, показывающий инструмент геообработки Минимальная ограничивающая геометрия, и овал, представляющий выходной класс пространственных объектов инструмента.

  7. В модели дважды щелкните прямоугольник Минимальная ограничивающая геометрия, чтобы открыть параметры.

    Первый параметр - это входные объекты, для которых вы будете вычислять минимальную ограничивающую геометрию.

  8. Для Входные объекты выберите класс объектов Elk_in_Southwestern_Alberta_2009.
  9. Для параметра Тип геометрии выберите Выпуклая оболочка, а для Выходной класс объектов введите Elk_data_MBG.

    Параметры инструмента Минимальная ограничивающая геометрия

  10. Нажмите OK.

    Инструмент Минимальная ограничивающая геометрия в панели модели

    Синий круг, представляющий класс пространственных объектов Elk_data_2009, добавлен к модели со стрелкой, указывающей на инструмент Минимальная ограничивающая геометрия, чтобы показать, что этот слой является входным для инструмента.

  11. В модели щелкните правой кнопкой зеленые выходные данные и выберите Добавить к карте.

    Это добавит выходные данные на карту после ее запуска.

  12. Щелкните правой кнопкой мыши инструмент Минимальная ограничивающая геометрия в модели и нажмите Запустить.

    =

    Запустить инструмент Минимальная ограничивающая геометрия.

    Инструмент запустится. По завершении на карту будет добавлен новый слой Elk_data_MBG.

  13. Щелкните вкладку Карта.

    Результаты инструмента Минимальная ограничивающая геометрия

Результирующий слой отображает минимальную ограничивающую геометрию стада лосей. Однако животные не проводят одинаковое время в этих местах по всему ареалу своего обитания. В следующем разделе вы более подробно изучите их ареал с помощью плотности ядер, чтобы понять, где лоси проводят больше или меньше времени.

Изучите, где собираются лоси с помощью инструмента Плотность ядер

Наличие контура наблюдаемого ареала часто бывает полезно, но это может привести к переоценке ареала обитания. Другие способы анализа, такие как плотность ядер, могут помочь более точно определить, где собираются животные. Оценка плотности ядер позволяет получить выходной растр, показывающий оценки вероятности использования пространства животными. Основываясь на местоположениях, где были замечены лоси, или на известном использовании животными пространства, плотность ядер оценивает вероятность того, что лоси будут наблюдаться в прилегающих районах. Функция Плотность ядер создает эту оценку, предполагая, что чем больше лосей наблюдается вокруг местоположения N, тем больше вероятность того, что в местоположении N также есть лоси.

Поскольку более высокое значение плотности в определенном месте означает более высокую вероятность наблюдения лося в окрестностях этого места, выходной растр плотности ядер может помочь визуализировать ареал обитания животных. Значения плотности будут сравнительно выше в пределах ареала обитания, а затем резко снизятся на границе ареала обитания. Для определения периметра ареала обитания могут использоваться различные пороговые значения.

  1. Щелкните вкладку Модель. На панели Геообработка найдите инструмент Плотность ядер. Перетащите инструмент в модель под инструмент Минимальная ограничивающая геометрия.
  2. Щелкните овал Elk_in_Southwestern_Alberta_2009 и перетащите курсор мыши, чтобы соединить его с инструментом Плотность ядер. В появившемся окне выберите Входные точечные или линейные объекты.

    Подключите класс объектов Elk_data в качестве входных точечных объектов для анализа Плотность ядер.

    Синий овал Elk_in_Southwestern_Alberta_2009 теперь имеет две линии, соединяющие его с двумя разными инструментами.

  3. Дважды щелкните инструмент Плотность ядер, чтобы открыть параметры.

    Параметр Входные точечные или линейные объекты настроен на слой Elk_in_Southwestern_Alberta_2009.

  4. Для Выходной растр введите Elk_KernelDensity.

    Примите все остальное по умолчанию. Единицы площади и размер выходной ячейки определяются проекцией карты и входными данными. Если оставить поле пустым, значение Радиуса поиска будет рассчитано на основе входного набора данных, а используемое значение можно будет найти в сообщениях инструмента после завершения обработки.

  5. Нажмите OK.
  6. Щелкните в модели правой кнопкой мыши выходные данные Elk_KernelDensity и выберите Добавить к карте.
  7. Щелкните правой кнопкой Плотность ядер и выберите Запустить.

    Примечание:

    Щелчок кнопки Запустить на панели инструментов запустит всю модель. Поскольку вы уже запускали инструмент Минимальная ограничивающая геометрия и не хотите запускать его снова, вы решили использовать только инструмент Плотность ядер.

  8. Щелкните вкладку Карта. На панели Содержание снимите отметки со слоев Elk_in_Southwestern_Alberta_2009 и Elk_data_MBG, чтобы просмотреть результаты анализа Плотность ядер.

    Выходные данные инструмента плотность ядер показаны символами по умолчанию.

    Теперь, когда вы рассчитали плотность ядер, вы можете использовать выходные данные для визуализации потенциального ареала обитания.

  9. На панели Содержание щелкните правой кнопкой мыши слой плотность ядер и выберите Символы.

    Откройте панель Символы для результата инструмента Плотность ядер.

    Откроется панель Символы. В настоящее время слой отображается с использованием метода Равный интервал, который создает классы с равными диапазонами независимо от разброса значений данных. Этот метод лучше всего подходит для описания привычных диапазонов, таких как проценты или температуры, когда имеет смысл подчеркнуть значение атрибута по сравнению с другими атрибутами. Но вместо этого вы хотите использовать результаты инструмента Плотность ядер, чтобы описать большую или меньшую вероятность того, что лось будет найден в определенном месте.

  10. На панели Символы для Основные символы щелкните Классификация и выберите Растяжка.

    Выберите Растяжка для Основные символы

    Теперь растр отображается с использованием цветовой шкалы от черного к белому, которая показывает значения, равные 0, или вероятность отсутствия лося, черным. Вы измените цветовую шкалу, чтобы лучше визуализировать выходные данные инструмента плотность ядер.

  11. Для Цветовая схема щелкните цветовая шкала. В разделе Формат цветовой схемы отметьте Показать названия и Показать все.
  12. Выберите цветовую шкалу Карта интенсивности: Темный металл-Сине-Белый-Полупрозрачный

    Выберите условные обозначения карты интенсивности

    Слой Elk_KernelDensity обновляется, чтобы отобразить новую цветовую шкалу карты интенсивности. В районах, окрашенных в ярко-белый цвет, чаще всего встречаются лоси, в то время как в районах, окрашенных в более темные оттенки синего, вероятность их появления ниже.

    Результат Elk_KernelDensity

Инструмент Плотность ядер создает непрерывную поверхность, показывающую вероятность присутствия лосей в определенных местах в пределах домашнего ареала.

Найдите кластеры с помощью инструмента Кластеризация на основе плотности

Инструмент плотность ядер может помочь вам найти кластеры в общей популяции. Теперь вы воспользуетесь инструментом Кластеризация на основе плотности, чтобы определить, где чаще проводит время отдельный лось. Инструмент Кластеризация на основе плотности определяет кластеры и шум в точечных данных. Вы будете использовать наблюдаемые точки для одного лося, E106, для которого в наборе данных есть как самые наблюдаемые точки, так и большая географическая область его перемещений. Поскольку этот лось за 2009 год проделал большой путь, вы воспользуетесь этим инструментом, чтобы найти кластеры, в которых он провел много времени, отличив их от наблюдаемых точек, которые могут быть выбросами или шумом в данных.

  1. На ленте в группе Выборка щелкните Выбрать по атрибуту.

    Откройте инструмент Выбрать по атрибуту

    Откроется инструмент Выбрать по атрибуту.

  2. Для Входные строки выберите Elk_in_Southwestern_Alberta_2009.
  3. Для Выражение щелкните окно Выбрать поле и выберите поле ind_ident. В последнем окне щелкните ниспадающее меню и выберите E106.

    Выражение Выбрать по атрибуту

    Полное выражение должно читаться как Где ind_ident равно E106.

  4. Нажмите OK.

    Точки, связанные с лосем E106, выделены на карте. Вы запустите следующий анализ с активной выборкой, чтобы проанализировать кластеры, характерные для этого лося.

  5. Щелкните вкладку Модель и добавьте инструмент геообработки Кластеризации на основе плотности ниже инструмента Плотность ядер.
  6. Подключите овал Elk_in_Southwestern_Alberta_2009 к инструменту Кластеризация на основе плотности в качестве входных точечных объектов.
  7. Дважды щелкните Кластеризация на основе плотности, чтобы открыть параметры инструмента и переименовать Выходные объекты в Elk_E106_DBC.

    Далее вы выберите опцию Метод кластеризации. Заданное расстояние или DBSCAN находит кластеры на основе расстояния поиска, которое вы указываете в инструменте. Автонастройка, HBDSCAN, будет находить кластеры на основе вероятности того, что точка данных принадлежит к определенной группе.

  8. Для Метод кластеризации выберите Автонастройка (HDBSCAN) и для Минимальное число объектов на кластер введите 100. Нажмите OK.

    Параметры инструмента Кластеризация на основе плотности

    Значение Минимальное число объектов на кластер, равное 100, было выбрано для создания меньшего количества кластеров. Чтобы протестировать другие значения и методы кластеризации, вы можете изменить параметры Метод кластеризации и Минимальное число объектов.

  9. Щелкните правой кнопкой выходные данные, чтобы выбрать Добавить к карте.
  10. Щелкните правой кнопкой мыши инструмент Кластеризация на основе плотности и щелкните Запустить.

    Когда инструмент завершит работу, в окне Сообщения будет показано, что были идентифицированы четыре кластера.

  11. Щелкните вкладку Карта, чтобы увидеть результаты. На панели Содержание снимите отметки со всех слоев, за исключением слоя Elk_E106_DBC и базовой карты.

    Результаты кластеризации DBC

    На карте показаны четыре кластера для мест обитания этого лося. Чтобы исследовать результаты использования параметров кластеризации, были созданы две диаграммы с Распределением вероятности участия и слой Объектов на кластер.

  12. На панели Содержание щелкните правой кнопкой мыши слой Elk_data_DBC и выберите Таблица атрибутов.

    В таблице атрибутов Elk_data_DBC каждая точка, идентифицированная как часть кластера, показывает вероятность того, что эта точка является частью кластера, а также стабильность кластера. Точки также помечаются как Выбросы или Образцы. Образцы - это точки, наиболее типичные для кластера, в то время как выбросы оцениваются по тому, насколько они близки к образцу.

  13. Закройте таблицу атрибутов.
  14. На ленте в группе Выборка щелкните Очистить.

    Очистите выборку от данных.

    Выбранные данные будут очищены, и вы сможете продолжить анализ всех точек данных в слое Elk_in_Southwestern_Alberta_2009.

Используйте инструмент Эллипс стандартных отклонений, чтобы понять диапазон и изменения с течением времени

Инструмент Эллипс стандартных отклонений - еще один полезный инструмент для изучения ареала обитания вида. В то время как полигон выпуклой оболочки, который вы рассчитали с помощью инструмента Минимальная ограничивающая геометрия, очерчивает область наблюдений, Эллипс стандартных отклонений может статистически определять ареал обитания при 1, 2 или 3 стандартных отклонениях на основе центральной тенденции, дисперсии и тенденций направления объектов. Это полезно для понимания общего распределения наблюдаемых ареалов обитания животных, а также направленное распределение может показывать закономерности с течением времени. Вы будете использовать этот инструмент дважды: во-первых, чтобы показать общее распределение, а во-вторых, чтобы показать сезонные изменения в ареале обитания лося. Сезон, в котором была зафиксирована каждая точка, отражается в поле summer_indicator. В поле summer_indicator значения, равные 1, представляют точки, собранные в декабре, январе и феврале; значения, равные 2, представляют точки, собранные в марте, апреле и мае; значения, равные 3, представляют точки, собранные в июне, июле и августе; а значения, равные 4, представляют точки, собранные в сентябре, октябре и ноябре.

  1. Щелкните вкладку модели и добавьте инструмент Направленное распределение (Эллипс стандартных отклонений) ниже инструмента Кластеризация на основе плотности.
  2. Подключите овал Elk_in_Southwestern_Alberta_2009 к инструменту Направленное распределение для Входной класс объектов.
  3. Дважды щелкните Направленное распределение, чтобы открыть параметры. Присвойте параметру Выходной класс объектов эллипсов значение Elk_data_DD.
  4. Для Размер эллипса выберите 2 стандартных отклонения. Оставьте остальные переменные пустыми и щелкните ОК.

    Создание эллипсов двух стандартных отклонений охватит примерно 95 процентов популяции. Поскольку каждая точка определения местоположения животного имеет одинаковую важность, вы не будете использовать параметр Поле веса. Параметр Поле группировки используется для группировки объектов для расчета; позже вы будете использовать этот параметр для расчета эллипсов направленного распределения по месяцам наблюдения.

  5. Щелкните правой кнопкой зеленые выходные данные в модели, отметьте опцию Добавить к карте и запустите инструмент Направленное распределение.

    Результат будет добавлен на карту.

    Результат инструмента Направленное распределение

    Это распределение центрировано по усредненному центру всех объектов. Поскольку лоси сезонно мигрируют для поиска пастбища и размножения, также может быть полезно определить направленное распределение летом и в другие сезоны.

  6. На вкладке Модель щелкните правой кнопкой мыши инструмент Направленное распределение из предыдущего раздела и выберите Копировать.
  7. Щелкните правой кнопкой мыши панель модели под инструментом Направленное распределение и выберите Вставить, чтобы продублировать этот инструмент внутри модели.

    Поскольку вы скопировали инструмент, параметры, которые вы установили ранее, все равно будут применены.

  8. Дважды щелкните вставленный инструмент Направленное распределение и переименуйте параметр Выходной класс объектов эллипсов в Elk_data_DD_season.
  9. Под параметром Поле группировки выберите summer_indicator и щелкните ОК.
  10. Добавьте выходные данные для отображения и запустите инструмент.

    Направленное распределение для каждого сезона

    Результат Elk_data_DD_season отрисован на карте. При текущей символике все эллипсы, показывающие данные по месяцам, обозначаются одинаково. Вы измените символы таким образом, чтобы каждый месяц был представлен своим цветом.

  11. На панели Содержание щелкните правой кнопкой мыши Elk_data_Year и выберите Символы.
  12. На панели Символы для Основных символов выберите Уникальные значения. Для Поле выберите summer_indicator.

    Обозначить символами с уникальными значениями

    Теперь каждый эллипс нарисован другим цветом, но поскольку тип геометрии - полигон, все они имеют заливку, что затрудняет сравнение.

  13. Рядом с Цветовая схема щелкните кнопку Опции цветовой схемы и выберите Применить к заливке и контуру.

    Примените цветовое форматирование к контуру.

    Контуры полигона изменяются с серого на тот же цвет, что и заливка. Теперь вы удалите заливку, чтобы увидеть все эллипсы.

  14. В разделе Классы щелкните Дополнительно и выберите Формат всех символов.

    Отформатируйте все полигональные символы одновременно.

    Откроется панель Форматировать несколько полигональных символов.

  15. Щелкните вкладку Свойства, разверните Оформление и щелкните Цвет. Выберите Нет цвета и щелкните Применить.

    Выберите Нет цвета заливки полигона.

    Эллипсы перерисовываются, показывая только контур. Вы увеличите эти контуры, чтобы они выделялись на фоне базовой карты.

  16. Для Ширина контура измените символ на 3 тчк и щелкните Применить.

    Сезонные распределительные кольца обозначены разными цветами

  17. Сохраните проект.

Теперь вы знаете пять способов исследовать ареал обитания стада лосей, используя Минимальную ограничивающую геометрию, Плотность ядер, Кластеризацию на основе плотности, Направленное отклонение и Направленное отклонение по сезонам. Созданная вами модель сохраняется и может быть повторно использована или опубликована для вашей организации.