Понимание методики и контекста
Сначала вы узнаете немного о разведении креветок, а затем о критериях, которые вы будете использовать при анализе пригодности.
Интенсивное выращивание креветок
Разведение креветок во всем мире очень популярно, и рынок выращиваемых на фермах недорогих креветок растет с каждым годом. Мировое потребление креветок постоянно увеличивается, стоимость падает, и коммерческие креветочные фермы возникают по всему миру. Креветочные фермы, в основном, располагаются вдоль береговой линии, где соленая вода заполняет бассейны, в которых разводят креветок. Обычно бассейны располагают вблизи мангровых лесов, и, в результате, коммерческое производство разрушает мангровые заросли, которые служат естественными питомниками для диких креветок, и действуют как барьер на пути повышения уровня моря.
Часто, для повышения производительности, фермеры увеличивают плотность креветок в бассейнах, применяют антибиотики и пестициды для снижения смертности и уничтожают водоросли, образующиеся в результате высокого содержания нитратов, которые накапливаются в следствии высокой плотности и режима кормления. Креветки на таких фермах, в основном, живут очень тесно, и производят очень много отходов. Перед сбором урожая бассейны очищаются от химических веществ, а вода с антибиотиками сливается в реки и каналы, которые впадают в окружающее море. Несколько недель креветки содержатся в чистых бассейнах для очистки от химии, затем они собираются и поступают в продажу по всему миру.
Разведение креветок в Коста-Рике
Коста-Рика обладает богатыми ресурсами пресной воды, включая горные источники, это страна с тропическим климатом, где формируется и поддерживается эксклюзивная морская экономическая зона площадью почти 600000 квадратных километров. Это делает страну привлекательной для развития аквакультуры и идеально подходящей для производства креветок.
Изначально низкое производство креветок с 2009 по 2015 год было связано с уровнем заболеваемости, невысокими техническими навыками фермеров, недостаточной экологической политикой, незначительной местной торговлей и сильной конкуренцией со стороны производителей в Юго-Восточной Азии. Тем не менее в 2018 года в отрасли была разработана органическая цепочка поставок, которая прошла сертификацию в соответствии с европейскими органическими правилами. Множество крупных операторов и мелких фермеров присоединились к инициативе и поддерживают органические фермы производства креветок.
В результате в Коста-Рике был разработан протокол органического производства, выращены органические науплиусы (личинки креветок) и разработаны корма, а часть инкубаторов переведены на органическое производство. Фермеров обучили основам органического производства, и теперь там налажено производство и рынок сбыта органических креветок. Поскольку рынок органических продуктов активно развивается, логично предположить, что местные фермеры, многие из которых зарабатывают на жизнь рыбной ловлей и туризмом, захотят создать новые фермы и бассейны на волне мирового интереса и роста спроса на экологически чистые креветки, выращиваемые на органических фермах.
Модель пригодности
Вы используете Разработчик модели пригодности ArcGIS Pro для поиска новых, потенциально пригодных местоположений для разведения креветок, в заливе Никоя в Коста-Рике.
Разработка модели пригодности - общеизвестный ГИС - метод для определения наилучшего местоположения объектов на основе заданных критериев. В этом уроке вы будете использовать пять критериев, чтобы определить наиболее подходящие места для органических креветочных ферм:
- Близость к соленой воде для обеспечения роста креветок. В это контексте учитывается близость к заливу Никоя, который открывается в Тихий океан.
- Определенные типы почвенно-растительного покрова: наиболее подходящие - участки, покрытые пастбищами, кустарниками, или участки сельскохозяйственного назначения. Необходимо полностью избегать мангровых лесов.
- Непосредственная близость к дорожной сети для возможности организации доставки креветок на перерабатывающие заводы и на точки продажи.
- Расположение недалеко от рек для обеспечения пресной водой для промывания бассейнов.
- Расположение на относительно ровной местности, так как крутые склоны не подходят для создания прудов с креветками.
Используя Разработчик пригодности ArcGIS Pro вы выполните следующие действия:
- Создадите карту пригодности с наиболее предпочитаемыми областями, выявленными на основании пяти критериев.
- Пользуясь картой пригодности, вы идентифицируете пять самых подходящих участков для размещения креветочной фермы.
Существует пять основных шагов для создания модели пригодности:
- Определение и подготовка данных критериев.
- Преобразование значений каждого критерия к единой шкале пригодности.
- Взвешивание критериев относительно друг друга и объединение их для создания карты пригодности.
- Поиск областей, которые наилучшим образом соответствуют вашим критериям.
Итак, вы узнали о разведении креветок в Коста-Рике и рассмотрели критерии, которые вы будете использовать в модели пригодности для поиска новых потенциальных участков разведения в заливе Никойя.
Изучение данных пригодности для креветочной фермы
Вы загрузите проект, содержащий все данные для этого руководства, и откроете его в ArcGIS Pro. Затем вы исследуете слои данных.
Начало работы
Сначала необходимо скачать пакет проекта.
- Скачайте пакет ShrimpFarm.
Файл с именем ShrimpFarm.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 в этом руководстве.
- Найдите загруженный файл на вашем компьютере.
Подсказка:
Большинство веб-браузеров по умолчанию скачивают все в папку Загрузки.
- Дважды щелкните ShrimpFarm.ppkx, чтобы открыть его в ArcGIS Pro. При появлении запроса войдите в свою учетную запись ArcGIS.
Примечание:
Если у вас нет доступа к ArcGIS Pro или учетной записи организации ArcGIS, см. варианты доступа к программному обеспечению.
Проект откроется и отобразит карту Gulf of Nicoya.
Карта, которая отображается сейчас, содержит слой Land_Cover, слой Hillshade, по которому можно оценить рельеф региона и область залива, окрашенную темно-синим цветом (Gulf_Water). В качестве подложки используется базовая карта World Imagery.
- Просмотрите панель Содержание.
В ней содержится еще несколько слоев, и все они имеют отношение к анализу пригодности, который вы выполните в рамках урока. Вы просмотрите эти слои.
Примечание:
Все исходные слои данных были вырезаны по экстенту области Land_Mask, представляющей поверхность земли в пределах области изучения. Дополнительные сведения см. в разделе Применение этого рабочего процесса к вашим собственным данным в конце этого руководства.
Изучение слоев критериев
Вы начнете с изучения слоя Land_Cover, который уже включен.
- На панели Содержание щелкните стрелку рядом со слоем Land_Cover, чтобы развернуть легенду слоя.
Этот слой содержит различные типы почвенно-растительного покрова. Некоторые категории лучше других пригодны для креветочной фермы, в той или иной степени. Наиболее подходящими являются Rangeland (пастбища) (в основном, луга и кустарники) и Crops (культуры), за ними следуют Bare Ground (голая земля), Trees (деревья) и Flooded Vegetation (затопленная растительность), которые имеют среднюю пригодность, а Built Area (застроенная территория), Water (вода) и Mangrove (мангровые леса) наименее пригодны.
Обратите внимание на большое количество участков мангровой растительности (темно-зеленые области) вблизи береговой линии. Мангровая растительность - кустарник или невысокое дерево, которое растет в прибрежной зоне или в соленой воде. Они устойчивы к солености и приспособлены к жизни в суровых прибрежных условиях. Мангровые леса играют роль буфера для защиты от циклонов и очень важны для смягчения последствий изменения климата. Как говорилось ранее, правительство Коста-Рики прилагает усилия для защиты мангровых лесов и старается отодвинуть креветочные фермы подальше.
Примечание:
Растры почвенно-растительного покрова обычно получают из мультиспектральных снимков, с использованием методики классификации изображений для определения типов покрытия на основе спектральных сигнатур. См. урок Вычисление водонепроницаемых поверхностей на основании спектральных изображений, где используется рабочий процесс классификации. В свою очередь, слой Gulf_Water был получен из слоя почвенного покрова.
- На карте меняйте масштаб с помощью колесика мыши, чтобы изучить слой Land_Cover.
- Когда закончите, сверните слой LandCover на панели Содержание. Щелкните правой кнопкой мыши слой Land_Cover и выберите Приблизить к слою, чтобы вернуться к полной изучаемой области.
- Нажмите квадрат рядом с Gulf_Water, чтобы отключить и снова включить слой и лучше визуализировать его экстент.
Соленая вода необходима для заполнения бассейнов, в которых выращиваются креветки. Так как в заливе соленая вода, ваша модель пригодности должна учитывать, что участки для новых ферм должны быть как можно ближе к береговой линии залива (при этом не затрагивать защищаемые территории мангровых лесов). Далее вы ближе познакомитесь с дорожной сетью.
- На панели Мои ресурсы включите слой Roads. Изучите слой, обозначенный темно-серым символом.
Фермеры, выращивающие креветки, должны доставлять продукцию на перерабатывающие заводы, а также на рынки для продажи. Соответственно, участки, расположенные недалеко от проезжих дорог, более предпочтительны.
- Когда вы закончите изучение, на панели Содержание выключите слой Roads.
- В панели Содержание включите слой Rivers. Изучите слой, обозначенный символами синего цвета.
Разведение креветок требует доступа к пресной воде для регулярного промывания бассейнов, поэтому местоположения вблизи рек предпочтительнее.
- Когда вы закончите изучение, на панели Содержание выключите слой Rivers.
Далее вы изучите слой Slope.
- На панели Содержание отключите слой Land_Cover и включите Slope.
Этот слой - растр, представляющий уклон склона от 0 до 90 градусов для каждой ячейки в исследуемой области. Он обозначен белым цветом (более ровные участки) и коричневым (более крутые склоны). Пруды для разведения креветок должны располагаться на относительно ровной поверхности, поэтому крутые склоны не подходят.
Примечание:
Слой уклонов был получен на основе слоя данных высот, который, в свою очередь, был получен на основе данных дистанционного зондирования. Слой отмывки также был получен на основе тех же данных о высотах. Дополнительные сведения о том, как получить эти слои, см. в разделе Применение этого рабочего процесса к вашим собственным данным в конце этого руководства.
- Когда вы закончите изучение, на панели Содержание выключите слой Slope. Если необходимо, щелкните правой кнопкой Land_cover и выберите Приблизить к слою.
Далее вы изучите растры расстояния, полученные из некоторых слоев, с которыми вы только что познакомились.
Изучение растров расстояния
В вашей модели пригодности вы можете использовать слой почвенно-растительного покрова, так как различные уровни пригодности соответствуют различным типам почвенно-растительного покрова. Например, пастбища имеют максимальный уровень пригодности, а мангровые леса - минимальный. Аналогично, вы можете напрямую использовать слой уклонов.
Но для других критериев вам необходимо получить производные растровые слои. Например, для критерия близости к соленой воде никак не подойдет утверждение, что место в водах залива пригодно, а вне вод залива - непригодно. Изменение пригодности происходит постепенно. Чем ближе к водам залива расположен участок, тем выше его пригодность. Соответственно, пригодность уменьшается по мере отдаления от береговой линии залива. То есть, уровень пригодности местоположения зависит от того, насколько далеко оно от залива. Для определения расстояния вам необходимо получить растр расстояния, который идентифицирует, насколько далеко от вод залива находится каждое местоположение внутри изучаемой области. Аналогичным образом, вы также должны получить растры расстояний для критериев дорог и рек. Эти растры расстояния вы будете использовать в модели пригодности.
В уроке не рассматривается подготовка данных, поэтому производные растры уже сделаны для вас.
Примечание:
Дополнительные сведения о том, как подготовить такие производные растры, см. в разделе Применение этого рабочего процесса к вашим собственным данным в конце этого руководства.
Вы просмотрите эти слои сейчас.
- На панели Содержание определите три растра расстояния, названия которых начинаются с Dist_.
- Включите слой Dist_Saline_Water и разверните его.
В легенде вы можете видеть, что различные местоположения в области изучения располагаются на расстоянии от 0 до 14 074,7 метров (или 14,075 километров) от залива. На карте убедитесь, что низкие значения (темно-синий оттенок) соответствуют близости к заливу, а высокие значения (светло-голубой оттенок) - отдалению.
- Щелкните некоторые местоположения, чтобы увидеть значения расстояний во всплывающих окнах.
- Закройте всплывающее окно. В панели Содержание сверните слой Dist_Saline_Water.
- Самостоятельно просмотрите другие слои расстояний, которые представляют следующие критерии:
- Расстояния до дорог (Dist_Roads)
- Расстояния до рек (Dist_Rivers)
Вы также можете включить исходные слои Roads и Rivers, чтобы лучше понять, как соотносятся друг с другом исходные и производные слои. Например, сравните Dist_Roads и Roads.
- Обратите внимание, что у каждого слоя свой диапазон расстояний.
Например, в слое Dist_Roads диапазон значений от 0 до 5,6 километров, а в слое Dist_Rivers - от 0 до почти 13,9 километров. Позднее вам понадобиться преобразовать эти значения по единой шкале для последующей комбинации в модели пригодности.
- На панели Содержание отключите все слои расстояний и включите слой Land_Cover.
- На панели быстрого доступа щелкните кнопку Сохранить, чтобы сохранить проект.
Примечание:
Может появиться сообщение, предупреждающее вас о том, что сохранение этого файла проекта в текущей версии ArcGIS Pro не позволит вам снова открыть его в более ранней версии. Если вы видите это сообщение, нажмите Да, чтобы продолжить.
Итак, вы настроили проект и изучили слои критериев. Далее вы создадите модель пригодности.
Разработка модели пригодности и преобразование слоев
Вы изучили слои и критерии пригодности места для креветочной фермы и готовы начать строить модель пригодности, используя Разработчик модели пригодности для идентификации пяти потенциальных участков для открытия новой фермы по разведению креветок.
Основное допущение при использовании Разработчика модели пригодности состоит в том, что построение модели - это итеративный, нелинейный динамический процесс. При построении модели вы будете взаимодействовать с панелями, графиками и картами, получать немедленную обратную связь, которая поможет вам принимать решения, например о задании параметров модели и сразу видеть, как эти решения влияют на результаты.
Основные шаги, необходимые для создания модели пригодности:
- Определение критериев.
- Преобразование значений каждого критерия по общей шкале.
- Взвешивание критериев относительно друг друга и объединение их для создания карты пригодности.
- Поиск областей, которые наилучшим образом соответствуют вашим критериям.
Создание модели и добавление критериев
Вы начнете с создания модели и добавления критериев к ней.
- На ленте, на вкладке Анализ, в группе Рабочие процессы щелкните Разработчик модели пригодности.
Откроется панель Разработчик модели пригодности. Обратите внимание на вкладки Настройки, Пригодность и Найти местоположение: в этом рабочем процессе вы будете использовать все три.
- На панели Разработчик модели пригодности подтвердите, что вкладка Настройки активна и задайте следующие параметры:
- Для Имени модели введите Shrimp_Farm_Model.
- В поле Выходной растр пригодности введите Nicoya_Suitability.
- Примите остальные значения по умолчанию.
Примечание:
По умолчанию Разработчик модели пригодности использует набор цветовых схем, предназначенных для пользователей с нормальным цветовым зрением. В этом руководстве будут использоваться цветовые схемы по умолчанию. Однако по желанию доступна опция Использовать цветовые схемы для людей с ограниченным цветовым зрением, чтобы включить цветовые схемы для людей с ограниченным цветовым зрением (CVD) для всех карт, легенд и диаграмм.
Вы сохраните модель.
- На ленте, на вкладке Разработчик модели пригодности, в группе Модель пригодности, щелкните Сохранить.
Примечание:
Если вам необходимо сделать перерыв и закрыть ArcGIS Pro, вы всегда сможете получить доступ к модели позже. Откройте панель Разработчик пригодности и щелкните кнопку Обзор рядом с именем модели. Перейдите к Папки > ShrimpFarm > ShrimpFarm.sam > ShrimpFarm и щелкните OK. И вы сможете продолжить с того места, где остановились.
- В панели Содержание подтвердите, что был добавлен новый составной слой Shrimp_Farm_Model.
В настоящее время она пуста.
- В панели Разработчик модели пригодности щелкните вкладку Пригодность.
Эта вкладка содержит таблицу Критерии. Вы будете добавлять критерии для модели в таблицу.
Помните, что у вас есть пять критериев, определяющих наиболее подходящие места для органических креветочных ферм:
- Близость к соленой воде, то есть к акватории залива Никоя.
- Определенные типы почвенно-растительного покрова: наиболее подходящие - участки, покрытые пастбищами, кустарниками, или участки сельскохозяйственного назначения. Необходимо полностью избегать мангровых лесов.
- Непосредственная близость к дорожной сети для возможности организации доставки креветок на перерабатывающие заводы и на точки продажи.
- Расположение недалеко от рек для обеспечения пресной водой для промывания бассейнов.
- Расположение на относительно ровной местности, так как крутые склоны не подходят для создания прудов с креветками.
- В панели Разработчик пригодности в параметре Критерии, рядом с Входными растрами щелкните кнопку Добавить критерии растра как слои из списка Содержания.
- В списке Критерии отметьте следующие слои:
- Land_Cover
- Slope
- Dist_Saline_Water
- Dist_Roads
- Dist_Rivers
- В списке слоев Критерии нажмите Добавить.
- В панели Разработчик модели пригодности в параметре Критерии подтвердите, что пять слоев критериев успешно добавлены к списку.
Примечание:
Если вы добавили слой по ошибке, можно навести курсор на его название в таблице Критерии и нажать на красную стрелку, чтобы удалить его.
- В панели Содержание подтвердите, что составной слой Shrimp_Farm_Model включен и развернут, и пять слоев критериев также успешно добавлены к нему.
В составном слое хранятся все слои, относящиеся к модели, а также туда будут добавлены новые слои по мере выполнения рабочего процесса.
В этом разделе вы создали модель пригодности и добавили к ней пять слоев для критериев.
Более подробно о различных типах растров
Чтобы подготовиться к следующим этапам рабочего процесса, необходимо узнать о различных типах растров.
В вашей модели пригодности вы будете комбинировать все эти критерии. Но перед этим вам необходимо преобразовать каждый критерий в единую шкалу пригодности от 1 до 10, чтобы их можно было комбинировать в модели. Наиболее предпочитаемым значениям критериев назначается балл 10, а наименее предпочитаемым — балл 1. Это преобразования можно выполнить по-разному, в зависимости от типов растров и информации критериев.
Очень важное различие между типами растров, содержащими непрерывные и категорийные данные. Например, Dist_Saline_Water — растр непрерывных данных: он содержит числовые значения, представляющие расстояние от 0 до 14344,8 метров, и ячейки могут иметь десятичные значения в пределах этого диапазона. Также, Slope, Dist_Roads и Dist_Rivers тоже являются непрерывными растрами. Растр Land_Cover, наоборот, растр категорийных данных: значения его ячеек представляют категории, например, мангровые леса или луга, и в нем присутствует восемь возможных значений.
Примечание:
В непрерывных данных значения можно сопоставить относительно друг друга. Например, расстояние в 50 метров до дороги в два раза меньше, чем расстояние в 100 метров. В категорийных данных таких типов отношений между данными не существует. Код землепользования 1 (Вода) не означает половину кода 2 (Деревья).
Непрерывные растры обычно представлены с плавающей точкой, а категориальные растры - с целыми числами.
Преобразование для непрерывных и категорийных данных необходимо выполнять по-разному. Вы также узнаете два способа преобразования непрерывных растров, исходя из данных, которые они представляют: применение непрерывной функции или диапазона классов.
| Имя слоя | Тип | Метод трансформации |
|---|---|---|
Dist_Saline_Water | Непрерывные | Непрерывная функция |
Land_Cover | Категорийные | Уникальные категории |
Dist_Roads | Непрерывные | Диапазон классов |
Dist_Rivers | Непрерывные | Непрерывная функция |
Slope | Непрерывные | Непрерывная функция |
Преобразование непрерывных данных
Вы начнете с преобразования непрерывного растра Dist_Saline_Water. Вы не будете применять непрерывную функцию.
- В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Saline_Water.
Круг окрасится зеленым цветом и откроется Панель Преобразование.
- Если необходимо, измените размер и переместите Панель Преобразование ниже карты Gulf of Nicoya, чтобы одновременно видеть панель и карту, как показано на изображении в примере ниже.
В панели Содержание в составном слое Shrimp_Farm_Model появились два дополнительных слоя: Nicoya_Suitability и Transformed Dist_Saline_Water.
Слой Transformed Dist_Saline_Water показывает слой Dist_Saline_Water, преобразованный по шкале 1-10. Это преобразование по умолчанию. Слой пригодности Nicoya_Suitability показывает комбинацию всех преобразованных слоев критериев по мере их активации. В настоящий момент есть только один преобразованный слой, поэтому слой Nicoya_Suitability дублирует Transformed Dist_Saline_Water.
- Подтвердите, что включен слой Transformed Dist_Saline_Water, и выключите Nicoya_Suitability.
Вы будете использовать Панель Преобразование для настройки преобразования, применяемого к слою Dist_Saline_Water.
- Просмотрите содержимое Панели Преобразование.
В Панели Преобразование есть три секции, содержащие информацию, которая поможет вам выбрать наиболее подходящее преобразование. Центральная часть используется для указания метода преобразования.: В настоящее время используется функция MSSmall В секции справа показан график преобразования, а на секции слева - график пригодности.
- В Панели Преобразование на вкладке Непрерывные функции, щелкните ниспадающий список Функции и просмотрите доступные функции. Подтвердите, что сейчас выбрана MSSmall.
Так как слой Dist_Saline_Water является непрерывным растром, метод Непрерывные функции MSSmall применен по умолчанию. В зависимости от конкретных данных другие непрерывные функции, перечисленные в ниспадающем списке, могут быть более подходящими.
- Изучите график Преобразование Dist_Saline_Water.
График показывает, как значения исходного (ось x) преобразованы в значения пригодности от 1 до 10 (ось y). Функция преобразования показана линией голубого цвета. Например, вы можете видеть, что исходное значение 5629,9 (метров) преобразовано в значение пригодности 5. Применение непрерывной функции означает, что с каждым метром отдаления от залива предпочтение также непрерывно снижается, а при приближении к заливу предпочтение растет. С функцией MSSmall близкие расстояния получают наивысшую пригодность (значение 10), а затем, после порога около 4500, предпочтение резко падает.
Столбцы графика показывают гистограмму, представляющую относительное число ячеек для разных диапазонов значений по оси x. Цвета столбцов соответствуют уровню пригодности: зеленые - наиболее пригодные, красные - наименее.
- Посмотрите на слой Преобразование Dist_Saline_Water на карте.
И на карте, и на графике применена схожая цветовая схема для символов.
- На карте щелкните несколько местоположений в области интереса, и просмотрите их значения в панели Всплывающее окно.
Как и предполагается, их значения в диапазоне от 1 до 10.
- Закройте панель Всплывающее окно.
- В Панели Преобразование просмотрите график Распределение пригодности.
Эта гистограмма показывает распределение значений пригодности в объединенном слое пригодности: по оси x показан диапазон значений пригодности (в текущий момент от 1 до 10), а по оси y - количество ячеек на каждое значение пригодности. Гистограмма и карта пригодности обновляются при каждом изменении модели. Вы сразу видите обратную связь - как изменения в расчете преобразования каждого критерия влияют на финальный результат.
Теперь вы изучите различные преобразования, которые можно применить к слою Dist_Saline_Water.
- В Панели Преобразование, для Функции выберите Линейная.
Оба графика и карта обновятся.
- Просмотрите график Преобразование Dist_Saline_Water.
На графике линией голубого цвета показан рост стандартной линейной функции. Местоположения, расположенные ближе к воде теперь наименее предпочтительны, и уровень пригодности растет по мере отдаления от воды залива. Это не тот результат, который нужен вам, поэтому вам необходимо обратное преобразование.
- В Панели Преобразование поставьте отметку Обратить функцию.
Преобразование теперь показывает нужное направление (близкие расстояния предпочтительнее). Главное отличие от функции MSSmall - значения пригодности снижаются более равномерно (линейно).
- Посмотрите на карту, и сравните, как преобразования MSSmall и Линейное меняют слой Преобразованный Dist_Saline_Water.
Вы можете возвращаться и переключать функции несколько раз.
- В Панели Преобразование, используя ниспадающий список Функции попробуйте другие доступные функции и сравните эффекты.
Для этого слоя функция MSSmall остается самым подходящим методом. Пригодность резко уменьшается по мере увеличения расстояния от берега. И это резкое падение должно быть на достаточно близком расстоянии, так как креветочная ферма должна быть практически на берегу (максимально близко), чтобы доступ к соленой воде был постоянным. Вы можете добиться этого, используя параметр Средний множитель.
- В панели Преобразование для Функция выберите функцию MSSmall.
- Для Средний множитель введите 0.2 и нажмите Enter.
Падение пригодности теперь происходит существенно скорее и на графике преобразования, и на карте. Области рядом с береговой линией наиболее предпочтительны (зеленый символ), а области, расположенные дальше, сразу обозначаются как значительно менее пригодные (желтые и красные оттенки).
В этой части урока вы увидели, как Разработчик пригодности позволяет вам получить динамическую обратную связь по результатам выбора метода преобразования, с акцентом на непрерывных функциях. В следующем разделе вы изучите преобразование категорийных значений.
Преобразование Уникальные категории
Далее вы преобразуете значения второго критерия, LandCover, по общей шкале 1-10. Некоторые типы почвенно-растительного покрова лучше других подходят для размещения бассейнов, в которых выращиваются креветки.
- В панели Разработчик пригодности в разделе Критерии, щелкните кружок рядом с Land_Cover.
Примечание:
Кнопка становится зеленой, показывая в панели Преобразование, что этот критерий используется в настоящий момент. Когда критерий будет преобразован и перестанет использоваться, кнопка на Панели Преобразования станет серой.
Панели Преобразование и Содержание обновляются.
- В панели Содержание просмотрите составной слой Shrimp_Farm_Model.
Добавлен еще один слой с именем Преобразованный Land_Cover. Значения слоя Nicoya_Suitability теперь в диапазоне от 2 до 20, так как это результат комбинации первых двух критериев.
- Убедитесь, что слой Преобразованный Land_Cover включен. Выключите остальные слои в составном слое Shrimp_Farm_Model.
- Просмотрите панель Преобразование.
Так как слой Land_Cover представляет собой категорийные данные, по умолчанию применен метод преобразования Уникальные категории, и предлагаемые значения преобразования приведены в таблице.
- В панели Преобразование в строке Поле выберите Class_Name.
Таблица обновится, чтобы в столбце Категория отображались названия каждого типа растительного покрова. В столбце Класс указано числовое значение, соответствующее каждому типу растительного покрова. В столбце Пригодность демонстрируется результат преобразования - один к одному. Каждой категории растительного покрова назначается значение пригодности, исходя из предпочтения этой категории для креветочной фермы. Сейчас значения пригодности присвоены в порядке перечисления классов в списке. Вы укажите нужные вам значения.
Вам понадобиться отключить опцию Автоматическое вычисление, чтобы Разработчик модели пригодности не применял обновления сразу после ввода очередного значения.
- На ленте, на вкладке Разработчик модели пригодности, в группе Анализ пригодности снимите отметку с опции Автоматическое вычисление.
- На вкладке Уникальные категории обновите значение Пригодность для каждой Категории.
Используйте следующую таблицу для присвоения значений пригодности.
Категория Пригодность Water
1
Trees
4
Flooded Vegetation
3
Crops
6
Built area
1
Bare Ground
5
Mangroves
1
Rangeland
9
Наиболее подходящим типам растительности Rangeland (Пастбища) и Crops (Культуры) назначены высокие значения пригодности, другим, менее пригодным категориям, соответственно, низкие значения.
- На ленте, на вкладке Разработчик модели пригодности, в группе Анализ пригодности щелкните Вычислить и отметьте опцию Автоматическое вычисление.
Новые значения пригодности применены к типам растительного покрова в слое Land_Cover, и последующие вычисления будут применены автоматически, по мере внесения изменений в параметры модели. Вы можете изменить обновленные графики и слои.
- В Панели Преобразование изучите обновленную диаграмму Преобразование Land_Cover.
Цвета на диаграмме преобразования точно соответствуют степени пригодности для каждого типа землепользования, от зеленого (наиболее предпочтительного) до красного (наименее подходящего). Высота столбцов соответствует числу ячеек растра для каждого типа землепользования. Высокие столбцы говорят о том, что этот тип землепользования более распространен в пределах изучаемой области.
- На карте осмотрите слой Преобразованный Land_Cover.
Обратите внимание на участки красного цвета вдоль побережья. Они представляют мангровые леса и некоторые городские территории, и имеют наименьшую пригодность. Участки, покрытые деревьями (оранжевого цвета), не очень подходят. Сравните расположение с участками пастбищ и сельскохозяйственных культур, которые имеют максимальную пригодность (темно- и светло-зеленые области).
- В Панели Преобразование изучите обновленный график Распределение пригодности.
График пригодности показывает распределение пригодности, вычисленной по комбинации двух критериев. Диапазон значений по оси x теперь составляет максимум от 2 до 20, поскольку диапазоны от 1 до 10 для двух активированных критериев суммируются. Среднее значение пригодности (бледно-зеленый цвет) встречается наиболее часто.
- В панели Содержание в составном слое Shrimp_Farm_Model включите слой Nicoya_Suitability.
Карта пригодности показывает комбинацию двух первых преобразованных слоев критериев.
- Выключите слой Nicoya_Suitability.
- На ленте, на вкладке Разработчик модели пригодности щелкните Сохранить, чтобы сохранить модель.
- Нажмите Ctrl+S, чтобы сохранить проект.
Примечание:
Модель и проект сохраняются независимо друг от друга, поэтому эти последние две инструкции необходимы.
Преобразование диапазонов классов
Далее вы преобразуете третий критерий, расстояние до дорог.
- В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Roads.
Как и ранее, Панель Преобразование и панель Содержание обновляются.
- В панели Содержание в составном слое Shrimp_Farm_Model подтвердите, что слой Dist_Roads включен и отключите остальные слои в составном слое.
- Просмотрите панель Преобразование.
Так как слой Dist_Roads является непрерывным растром, метод Непрерывные функции MSSmall применен по умолчанию. Но стоимость доставки креветок на перерабатывающие заводы с использованием дорог не меняется с каждым метром проезда. Вместо этого, стоимость группируется в блоки равной стоимости для каждого диапазона, и в соответствии с этим диапазону назначается значение пригодности.
- В Панели Преобразование щелкните вкладку преобразования Диапазон классов.
Диапазон значений расстояний до дорог разделен на 10 классов. В первом классе расстояния от 0 до 560 метров; во втором классе - от 560 до 1121 метров и так далее.
- Просмотрите график Преобразование Dist_Roads.
Вы видите, что в настоящий момент близкие расстояния выглядят наименее предпочтительными, и покрашены в красный цвет. Эта ситуация обратна тому, что вы хотите, поэтому вы обратите назначения пригодности.
- В Панели Преобразование, на вкладке Диапазон классов щелкните кнопку Обратить.
График и карта обновятся, и пригодность будет назначена нужным вам образом.
- В Панели Преобразование просмотрите обновленный график Преобразование Dist_Roads.
Области, близкие к дорогам, теперь классифицированы как наиболее подходящие (зеленый цвет).
- В панели Содержание перетащите слой Roads выше составного слоя Shrimp_Farm_Model, и включите его. Подтвердите, что слой Преобразование Dist_Roads включен, и выключите остальные слои в составном слое Shrimp_Farm_Model.
Теперь дороги отображаются поверх слоя Преобразованный Dist_Roads.
- На карте изучите слои Преобразованный Dist_Roads и Roads.
- Приблизьтесь и убедитесь, что значения расстояний сгруппированы в 10 классов различимых диапазонов, вокруг линий дорог.
Диапазоны, наиболее близкие к дорогам, окрашены темно-зеленым цветом, как наиболее пригодные.
- На панели Содержание выключите слой Roads. В составном слое Shrimp_Farm_Model включите слой Nicoya_Suitability и масштабируйте до экстента слоя Nicoya_Suitability.
Примечание:
Во время преобразования критериев и создания модели Разработчик пригодности обрабатывает данные только в пределах текущего экстента, отображаемого на экране. Убедитесь, что карта не приближена и что вся изучаемая область полностью отображается на карте.
Слой Карта пригодности показывает комбинацию первых трех преобразованных слоев критериев. То же самое можно сказать и о графике Распределение пригодности, где диапазон теперь от примерно 8 до 30.
Примечание:
Причина, по которой более низкие значения (от 3 до 7) не представлены, заключается в том, что в экстенте нет мест, которые одновременно имеют самые низкие возможные значения для расстояния до соленой воды, почвенно-растительного покрова и расстояния до дорог.
- На панели Содержание выключите слой Nicoya_Suitability.
- Сохраните модель.
- Сохраните проект.
Преобразование с использованием функции степени
Четвертый критерий - расстояние до рек. Перед тем, как приступить к преобразованию этого критерия, вы изучите некоторую дополнительную функциональность Разработчика модели пригодности. Вы разместите две карты рядом, на одной преобразование текущего критерия, а на другой - объединенный слой пригодности, чтобы рассмотреть их одновременно. Это даст вам более полное представление о действиях, которые вы совершаете.
- Щелкните вкладку карты Gulf of Nicoya, чтобы выбрать ее.
- На ленте, на вкладке Разработчик пригодности, в группе Виды щелкните кнопку Виды карты и выберите Две карты.
Откроется вторая карта Пригодность-Верх Справа. Составной слой пригодности Shrimp_Farm_Model копируется в панель Содержание второй карты.
- Если необходимо, переместите и прикрепите панель карты Пригодность-Верх справа по правую сторону от карты Gulf of Nicoya, как на примере ниже.
- Щелкните панель карты Пригодность-Верх Справа, чтобы выбрать ее. На ленте, на вкладке Карта в группе Слой щелкните Базовая карта и выберите Изображение, чтобы сменить базовую карту.
- Выберите панель карты Gulf of Nicoya и отключите слой Gulf_Water, чтобы карты выглядели полностью одинаковыми.
- В панели карты Gulf of Nicoya включите слой Nicoya_Suitability.
- Если необходимо, для каждой карты приблизьтесь к экстенту слоя Nicoya_Suitability.
Теперь вы можете сразу увидеть объединенный слой пригодности слева и текущую карту преобразований справа (Преобразованный Dist_Roads). Далее, вы выполните преобразования для критерия Dist_Rivers.
- В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Rivers.
Так как растр Dist_Rivers содержит непрерывные данные, как и ожидалось, метод Непрерывные функции MSSmall применен по умолчанию.
- Щелкните карту Пригодность-Верх Справа, чтобы выбрать ее. На панели Содержание убедитесь, что включен слой Transformed Dist_Rivers, и выключите все остальные слои в разделе Shrimp_Farm_Model.
На панели карты Gulf of Nicoya теперь показан слой Nicoya_Suitability, объединяющий четыре активных критерия, а на панели карты Пригодность-Верх справа отображается слой Преобразованный Dist_Rivers.
- В Панели Преобразование просмотрите текущий график преобразования.
Обратите внимание, что при применении функции MSSmall область в пределах расстояния около 2250 метров оценены как максимально пригодные, после чего пригодность резко падает. Это не отвечает желаемой вами оценке пригодности, так как креветочные фермы должны быть расположены максимально близко к рекам, для обеспечения постоянного доступа к пресной воде. Вы примените функцию Степень.
- В Панели Преобразование на вкладке Непрерывные функции, для Функции выберите функцию Степень.
- В Панели Преобразование просмотрите обновленный график преобразования.
При первом применении функции Степень местоположения, максимально близкие к рекам получились наименее пригодными. Вам необходимо обратить значения.
- В Панели Преобразование, на вкладке Непрерывные функции поставьте отметку Обратить функцию.
Оба графика и карты обновятся.
- В Панели Преобразование просмотрите обновленный график преобразования.
Участки рядом с реками (зеленые) теперь наиболее предпочтительны, затем пригодность быстро падает, а потом падение неожиданно замедляется. Обратная функция Степень лучше всего подходит для желаемого преобразования пригодности.
На вкладке карты Пригодность-Верх справа в слое Преобразованный Dist_Rivers теперь зеленым цветом выделены только участки, расположенные очень близко к рекам. На вкладке карты Gulf of Nicoya вы можете видеть, как расстояние до рек влияет на объединенную карту пригодности. Некоторые из наиболее подходящих участков (зеленого цвета) сейчас находятся вдоль рек.
В графике Распределение пригодности значения теперь в диапазоне от примерно 14 до 37, так как слой представляет комбинацию четырех критериев.
- Сохраните модель.
- Сохраните проект.
Преобразование уклона
Теперь вы измените последний критерий - уклон.
- В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Slope.
Слой Transformed Slope показывает слой Slope, преобразованный с помощью непрерывной функции по умолчанию MSSmall к шкале от 1 до 10. Вы примете преобразование по умолчанию.
- На двух картах обратите внимание на этот последний преобразованный слой и на то, как он влияет на объединенный слой пригодности.
- На вкладке карты Пригодность-Верх справа включите, по очереди, все слои преобразованных критериев, чтобы сравнить их с объединенным слоем Nicoya_Suitability на вкладке карты Gulf of Nicoya.
Оцените, как каждый критерий влияет на финальную карту пригодности.
Слой Карта пригодности сейчас представляет собой комбинацию пяти критериев, и содержит значения в диапазоне от примерно 17 до 47. Хорошо видно, что наиболее пригодные области (яркий зеленый) расположены близко к заливу, но не в области мангровых лесов или городских территорий, или крутых склонов, а также прослеживается близость к рекам. Близость к дорогам труднее увидеть с первого взгляда, но в целом картина складывается достаточно ясная.
- Сохраните модель.
- Сохраните проект.
В этой части рабочего процесса вы создали модель пригодности, используя Разработчик модели пригодности, и преобразовали все критерии в единую шкалу со значениями от 1 до 10.
Завершение анализа пригодности
Теперь вы выполните последние этапы анализа пригодности, идентифицировав несколько наиболее подходящий местоположений для экологически-безопасной креветочной фермы.
Определить ограниченные местоположения
Поскольку правительство Коста-Рики прилагает усилия для защиты мангровых лесов и старается отодвинуть креветочные фермы подальше, важно, чтобы в вашей модели пригодности они были строго ограничены. Несмотря на то, что вы определили мангровые заросли как мало пригодные для использования (в критериях почвенно-растительного покрова), конечный результат применения комбинированных критериев может по-прежнему давать достаточно высокие значения пригодности для этих районов. Более точным решением является определение мангровых зарослей как мест с ограниченным пользованием. Тот же подход применим к застроенным районам, таким как города и деревни, где полностью запрещено выращивать креветки. Вы определите местоположения с ограниченным доступом, но сначала вернетесь к просмотру одной карты.
- На ленте, на вкладке Разработчик пригодности, в группе Виды щелкните кнопку Виды карты и выберите Одна карта.
- На панели Содержание включите снова Gulf_Water. Если необходимо, приблизьтесь к экстенту слоя Nicoya_Suitability.
Вы создадите условие для определения мангровых зарослей как мест с ограничением использования.
- На панели Разработчик пригодности щелкните вкладку Настройки и разверните раздел Идентифицировать ограниченные местоположения.
- Щелкните Добавить условие и сформируйте условие, Где Land_Cover Class_Name равно Mangrove.
Любая область слоя Land_Cover, которая определена как Mangrove, станет строго ограниченной.
- Щелкните Добавить условие и сформируйте условие, Где Land_Cover Class_Name равно Built Area.
Любая область слоя Land_Cover, которая определена как Mangrove или Built Area, станет строго ограниченной.
- Щелкните Применить и Применить ограниченное.
На карте слой Ограниченная карта теперь отображает мангровые заросли и застроенные районы серым цветом. Эти области больше не являются частью объединенного слоя пригодности.
Взвешивание критериев модели относительно друг друга
Вы преобразовали пять критериев в единую шкалу, и в настоящее время все они в равной степени влияют на общий уровень пригодности. Однако вы хотите внести больше нюансов, поскольку некоторые критерии могут быть более важными, чем другие, при выборе места для размещения креветочной фермы. Вы сделаете это, присвоив относительные веса критериям.
В частности, для креветочной фермы очень важно располагаться рядом с заливом для обеспечения доступа к соленой воде, необходимой для разведения креветок. Соответственно, этому критерию присваивается максимальный вес. С другой стороны, так как дорожная сеть хорошо развита в большей части области интереса, критерий расстояния до дорог не столь важен, и ему можно назначить вес ниже.
- В панели Разработчик пригодности, в таблице Критерии просмотрите поле Вес.
В настоящий момент всем критериям присвоен вес 1, то есть все критерии одинаково важны. Так как критерий Dist_Saline_Water имеет максимальную важность, вы назначите ему вес 4. Критерий Dist_Rivers следующий по важности, вы назначите ему вес 3. Критерий Slope получит вес 2, а остальные критерии - 1.
- В таблице Критерии обновите значения Веса следующим образом.
Входной растр Вес Land_Cover
1
Slope
2
Dist_Saline_Water
4
Dist_Roads
1
Dist_Rivers
3
- Щелкните в любом месте панели, чтобы веса применились. В таблице Критерии подтвердите введенные Веса, перед тем, как продолжить.
Примечание:
Порядок, в котором перечислены критерии, может быть другим.
- Просмотрите результирующий слой Nicoya_Suitability.
Здесь представлена ваша итоговая карта пригодности. Обратите внимание, что области, расположенные близко к заливу, рекам и участкам с низким уклоном наиболее пригодны (отображены зеленым цветом). Области, расположенные далеко от этих объектов, наименее пригодны и отображены красным цветом.
В панели Содержание вы видите, что диапазон значений пригодности сейчас существенно увеличен, до 104.
Это происходит потому, что каждое значение критерия умножается на вес критерия. Так как максимальное значение пригодности для каждого критерия - 10, общая максимальная пригодность в зависимости от выбранного вами веса теоретически составляет:
10 * 4 + 10 * 3 + 10 * 2 + 10 * 1 + 10 * 1 = 110
Во время преобразования критериев и создания модели Разработчик пригодности выполнял обработку с текущим разрешением экрана и экстентом, и создаваемые слои сохранялись только в памяти. Перед тем, как перейти на новую стадию рабочего процесса, вам необходимо запустить модель с полным разрешением и сохранить слой Nicoya_Suitability на диске.
- В панели Разработчик пригодности в верхней части вкладки Пригодность (под таблицей Критерии) щелкните Запустить.
Когда процесс завершится, зеленое сообщение покажет, что он успешно завершен.
Размещение креветочной фермы
Теперь, пользуясь слоем Nicoya_Suitability, вы идентифицируете пять самых подходящих участков для размещения креветочной фермы. Это можно сделать на вкладке Разработчика пригодности, которая называется Найти местоположение. Цель этого действия - идентифицировать регионы, которые имеют максимально возможные значения пригодности, и при этом удовлетворяют ряду пространственных требований. Например, пространственные требования могут включать общую площадь и желаемое количество регионов, их минимальные и максимальные размеры и идеальные расстояния между регионами.
- В панели Разработчик пригодности щелкните вкладку Найти местоположение.
Для креветочной фермы необходимо соблюсти следующие пространственные ограничения.
- Мощности и спрос на переработку креветок на местных заводах ограничены, и поэтому они не могут обслуживать более пяти новых креветочных ферм.
- Каждая ферма должна быть размером не менее 3000 гектаров.
- Чтобы возможные инфекции не распространялись от фермы к ферме, они должны быть не менее чем в 5 километрах друг от друга.
- На вкладке Найти местоположение введите следующие параметры:
- Для Входная карта пригодности подтвердите выбор Nicoya_Suitability.
- Для Единицы площади выберите Гектары.
- Для Общей площади введите 3000 (это лучше всего делать после выбора Единиц измерения площади).
- Для Выходного растра введите Shrimp_Farm_Locations.
- В качестве Числа регионов введите 5.
- Для Минимального расстояния между регионами введите 5.
- Для Единиц расстояния подтвердите, что выбраны Километры.
- Для всех остальных параметров примите значения по умолчанию.
- Щелкните Запустить.
Процесс может занять некоторое время.
Примечание:
На вкладке Найти местоположение вызывается инструмент геообработки Найти регионы. Чтобы понять, как работает алгоритм поиска местоположений, см. раздел Как работает инструмент Найти регионы.
Появляется слой Shrimp_Farm_Locations.
- Убедитесь, что все пять местоположений идентифицированы.
Примечание:
Цвета назначаются случайным образом и могут отличаться.
- Чтобы более четко видеть местоположения, на панели Содержание включите слой Land_Mask. Убедитесь, что только Shrimp_Farm_Locations и Restricted map отображаются поверх него, и удалите все посторонние слои.
- На карте просмотрите слой Shrimp_Farm_Locations и его пять местоположений.
Слой Land_Mask, отображаемый кремовым цветом, показывает землю, которая является частью изучаемой области. Ограниченные мангровые заросли и застроенные территории по-прежнему выделены серым цветом, а предполагаемые места расположения креветочных ферм выделяются яркими цветными пятнами.
- Включите слой Nicoya_Suitability. Перемещайте и масштабируйте изображение на карте, чтобы увидеть, где расположены выбранные регионы по сравнению со слоем пригодности.
Все пять регионов расположены в областях наивысшей пригодности (темно-зеленые). Они также полностью избегают мангровых зарослей.
- Сохраните модель.
- Сохраните проект.
Что дальше?
Используя Разработчик пригодности, вы успешно идентифицировали наилучшие местоположения в заливе Никойя для создания новых экологически-безопасных креветочных ферм. Благодаря интерактивной исследовательской основе Разработчика пригодности, вы можете продолжить изучение модели, используя инструменты анализа на вкладке Разработчика пригодности для понимания того, как компоненты модели взаимодействуют друг с другом для получения конечных результатов. Вы можете построить запросы, чтобы оценить, как базовые входные критерии представлены в финальной карте пригодности. Например, идентифицируйте все местоположения в 1000 метрах от залива, в 500 метрах от рек и получивших значения пригодности больше 100 в финальной карте пригодности.
Используя разработчик, вы также можете изучить сценарии "Что если", и посмотреть влияние разных факторов. Например, что произойдет, если появится новое лечение от инфекций, и вы сможете располагать креветочные фермы ближе друг к другу? Вы можете запустить Разработчик пригодности, уменьшив расстояние между фермами, и посмотреть, получите ли вы другие пригодные местоположения. Кроме того, вы могли бы рассмотреть возможность добавления в модель других важных критериев, таких как тип почвы или соленость воды.
Применение этого рабочего процесса к своим собственным данным - дополнительно
Имейте в виду следующее, если вы хотите подготовить свои собственные данные для запуска аналогичного рабочего процесса в выбранной вами изучаемой области.
Вырезание слоев:
- Векторный слой можно обрезать с помощью инструментов Вырезать или Попарное вырезание, а растровый слой - с помощью инструмента Вырезать растр.
- Используйте векторный слой, такой как Study_Area, или растровый слой, такой как Land_Mask, в качестве экстента вырезания.
Создание слоев расстояний:
- Все три слоя расстояний для этого урока были созданы с использованием инструмента Spatial Analyst Накопление расстояния. В частности, для построения растра Dist_Roads инструмент вычисляет расстояние по прямой (Евклидово расстояние) от каждой ячейки растра до ближайшей дороги, которая представлена слоем Roads.
- Кроме того, существует интерес к вычислению этих растров расстояний только для сухопутной части изучаемой области (а не для местоположения вод залива). Для этого слой Land_Mask использовался в качестве маски анализа. То есть, значения расстояний рассчитывались только для ячеек в пределах геометрии слоя Land_Mask.
- Очень важно использовать один и тот же размер ячеек для всех растров расстояний, для целей предстоящего анализа пригодности.
- Используя слой Roads в качестве примера, вот как вы могли бы настроить параметры инструмента Накопление расстояния:
- Для входных растровых или векторных данных источника выберите векторный слой Roads.
- В строке Выходной растр накопления расстояния введите Dist_Roads.
- Оставьте все другие параметры пустыми.
- На вкладке Параметры среды, в разделе Экстент, Маска и Растр привязки, выберите Land_Mask.
- Для Размера ячейки введите 30 (метров).
Создание слоев уклона и отмывки:
- Начиная с растрового слоя рельефа или цифровой модели рельефа (ЦМР), используйте инструменты Уклон или Параметры поверхности (Spatial Analyst) для создания слоя Уклон.
- Начиная с того же слоя ЦМР, используйте инструмент Отмывка (Spatial Analyst) для создания слоя Отмывка.
В этом уроке вы изучили пять критериев, относящихся к разведению креветок. Вы создали модель пригодности с помощью Разработчика пригодности, добавили пять критериев к ней, преобразовали критерии в единую шкалу от 1 до 10, определили ограниченные местоположения, присвоили критериям веса относительно друг друга и идентифицировали пять лучших местоположений для креветочной фермы. Используя динамическую обратную связь в Разработчике пригодности, вы более точно используете входные критерии, параметры модели и финальные результаты. Разработчик модели пригодности позволяет вам принимать обоснованные решения.
Больше подобных руководств вы можете найти в сборнике руководств Данные дистанционного зондирования и изображения.
