Понимание методики и контекста

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 играют роль буфера повышающего уровень моря.

Креветочная ферма
Бассейны креветочной фермы. (Предоставлено: U.S. NOAA, via Wikimedia Commons.)

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 км2, что делает страну привлекательной для развития аквакультуры и, следовательно, 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.

Залив Никоя
Побережье в заливе Никоя. (Предоставлено: Pacificorealty via Wikimedia Commons.)

Разработка модели пригодности - общеизвестный ГИС - метод для определения наилучшего местоположения объектов на основе заданных критериев. В модели вы будете использовать 5 критериев пригодности:

  • 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 кустарниковой растительностью, или участки сельскохозяйственного назначения. Необходимо избегать мангровых лесов.
  • Доступ 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.
  • В пределах или максимально близко к областям, защищенным от северных и южных пассатов.

Используя Разработчик модели 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 четыре основных шага 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

Теперь вы загрузите данные и настройки проекта. Затем вы исследуете слои данных.

Начало работы

Слои данных, используемые в этом уроке, размещены на ArcGIS Online. Вы загрузите архив zip, содержащую проект ArcGIS Pro и данные, необходимые для выполнения урока.

  1. Загрузите ShrimpFarm.zip.
    Примечание:

    В зависимости от настроек браузера, вам может быть предложено выбрать место для сохранения загружаемого файла. Большинство браузеров по умолчанию скачивает всё в папку Загрузки.

  2. Найдите и извлеките содержимое ShrimpFarm.zip в желаемое местоположение на своем компьютере.
  3. В извлеченной папке дважды щелкните Shrimpfarm.aprx.

    Содержимое папки

    Примечание:

    Если ваш компьютер не отображает расширения файла (.aprx), вы можете узнать файл по значку.

  4. Когда ArcGIS Pro откроется, если будет предложено, выполните вход в учетную запись ArcGIS.
    Примечание:

    Если у вас нет доступа к ArcGIS Pro или учетной записи организации ArcGIS, см. варианты доступа к программному обеспечению.

    Приложение откроется и отобразит карту Gulf of Nicoya.

    Начальная карта

    Карта содержит слой LandCover, слой Hillshade, по которому можно оценить рельеф региона и область залива, окрашенную темно-синим цветом (GulfWater). В качестве подложки используется базовая карта World Imagery.

  5. 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.

    Исходное содержание

    Примечание:

    Все исходные слои данных были вырезаны по экстенту области изучения.

Изучение слоев критериев

Вы начнете с изучения слоя LandCover.

  1. В панели Содержание разверните слой LandCover.

    Слой Landcover

    Этот слой содержит различные типы почвенно-растительного покрова. Некоторые категории лучше других пригодны для креветочной фермы, в той или иной степени. Shrub/Scrub (кустарники) и Agriculture (сельское хозяйство) - наиболее подходящие, за ними идут Barren/Minimal Vegetation (пустоши/минимум растительности), Grassland (луга) и Evergreen Forest (вечнозеленые леса) - которые имеют среднюю пригодность, а Mangrove (мангровые леса), Urban (городские территории) и Water (водные объекты) 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.

    Другие слои в этом уроке также получены на основе данных дистанционного зондирования, в частности GulfWater, NorthSouthSheltered и Hillshade.

  2. Меняя масштаб с помощью колесика мыши изучите слой LandCover более подробно.
  3. Когда закончите, сверните слой LandCover на панели Содержание. Щелкните правой кнопкой мыши слой LandCover и воспользуйтесь командой Приблизить к слою.

    Опция Приблизить к слою

  4. Выключите и включите слой GulfWater, чтобы лучше оценить его экстент.

    Gulfwater

    Соленая вода необходима для заполнения бассейнов, в которых растут 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.

  5. На панели Мои ресурсы включите слой Roads. Изучите слой, обозначенный темно-серым символом.

    Слой дорог на карте.

    Фермеры, выращивающие креветки, должны доставлять продукцию на перерабатывающие заводы, а также на рынки для продажи. Соответственно, участки, расположенные недалеко от проезжих дорог, более предпочтительны.

  6. Когда вы закончите изучение, на панели Содержание выключите слой Roads. Если необходимо, щелкните правой кнопкой Landcover и выберите Приблизить к слою.

    Далее вы изучите слой рек Rivers.

  7. В панели Содержание включите слой Rivers. Изучите слой, обозначенный символами синего цвета.

    Слой Rivers на карте

    Разведение креветок требует доступа к пресной воде для регулярного промывания бассейнов, поэтому местоположения вблизи рек предпочтительнее.

  8. Когда вы закончите изучение, на панели Содержание выключите слой Rivers. Если необходимо, щелкните правой кнопкой Landcover и выберите Приблизить к слою.

    Наконец, вы изучите участки, защищенные от ветров.

  9. Включите слой NorthSouthSheltered. Изучите слой, обозначенный символами фиолетового цвета.

    Слой NorthSouthSheltered

    Климат в бассейне залива Никойя определяется ветрами, температурой и осадками. В реальности, пассаты, дующие с севера и с юга оказывают существенное влияние, и области, подверженные таким ветрам желательно избегать. То есть, креветочные фермы лучше располагать в местах, защищенных от ветров.

  10. Когда вы закончите изучение, на панели Содержание выключите слой NorthSouthSheltered. Если необходимо, щелкните правой кнопкой Landcover и выберите Приблизить к слою.

Далее вы изучите растры расстояния, полученные из 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, кустарниковая растительность имеет максимальный уровень пригодности, а мангровые леса - минимальный.

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 каждое местоположение находится от вод залива. Соответственно для дорог, рек и защищенных от ветров участков вам также необходимо получить растры расстояния. Эти растры расстояния вы будете использовать в модели пригодности.

В уроке не рассматривается подготовка данных, поэтому производные растры уже сделаны для вас.

  1. На панели Содержание разверните составной слой Processed и определите четыре растра расстояния, названия которых начинаются с Dist_.

    Четыре растра расстояния

  2. Включите слой Dist_Salty_Water и разверните его.

    Легенда слоя Salty water

    В легенде вы можете видеть, что различные местоположения в области изучения располагаются на расстоянии от 0 до 14344 метров (или 14,344 километров) от залива. На карте убедитесь, что низкие значения (темно-синий оттенок) соответствуют близости к заливу, а высокие значения (светло-голубой оттенок) - отдалению.

    Слой расстояния от соленой воды на карте

  3. Щелкните некоторые местоположения, чтобы увидеть значения расстояний во всплывающих окнах.

    Всплывающее окно слоя Salty water

  4. Закройте всплывающее окно. В панели Содержание сверните слой Dist_Salty_Water.
  5. Самостоятельно просмотрите другие слои расстояний, которые представляют следующие критерии:
    • Расстояния до дорог (Dist_Roads).
    • Расстояния до рек (Dist_Rivers).
    • Расстояние до защищенных от ветра участков (Dist_Sheltered).

      Вы также можете включить исходные слои Roads, Rivers и NorthSouthSheltered, чтобы лучше понять, как соотносятся друг с другом исходные и производные слои. Например, Dist_Roads и Roads.

      Dist_Road и Roads

  6. Обратите внимание, что у каждого слоя свой диапазон расстояний.

    Например, в слое Dist_Roads диапазон значений от 0 до 4.7 километров, а в слое Dist_Rivers - от 0 до почти 22 километров. Позднее вам понадобиться преобразовать эти значения по единой шкале для последующей комбинации в модели пригодности.

  7. Когда закончите, выключите все слои расстояния. Убедитесь, что слои Roads, Rivers и NorthSouthSheltered также отключены.
  8. В панели Содержание, щелкните правой кнопкой Landcover и выберите Приблизить к слою.
    Примечание:

    Ниже приведены советы и подсказки, которые помогут вам, если вы решите строить растры расстояний для своих собственных данных. Все четыре 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 границы воды в заливе, которая представлена слоем GulfWater.

    Соответственно, учитывается только суша вокруг залива, а не сам залив. Для этого слой ShoreLineMaskRaster использовался в качестве маски анализа. То есть, значения расстояний рассчитывались только для ячеек в пределах геометрии слоя ShoreLineMaskRaster. Очень важно использовать один и тот же размер ячеек для всех растров расстояний, что способствует корректным расчетам в анализе пригодности.

    По просьбе некоторых наших пользователей, приведем еще несколько подробностей, используя в качестве примера.слой дорог Roads. В инструменте Накопление расстояния на вкладке Параметры задайте следующее:

    • 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 ShoreLineMaskRaster.
    • Для размера ячейки введите 30 (метров).
  9. В панели Содержание включите слой ShoreLineMaskRaster, чтобы увидеть его экстент и форму. Когда закончите, выключите отображение слоя.
  10. Сохраните проект.

    Кнопка Сохранить

    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 начнете построение модели 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.

  1. На ленте, на вкладке Анализ, в группе Рабочие процессы щелкните Разработчик модели пригодности.

    Кнопка Разработчик модели пригодности

    Откроется панель Разработчик модели пригодности Обратите внимание на вкладки Настройки, Пригодность, Найти местоположение и Источники.

    Вкладки на панели Разработчик модели пригодности

  2. На панели Разработчик модели пригодности убедитесь, что вкладка Настройки активна и обновите следующие параметры:
    • Для Имени модели введите ShrimpFarm
    • Убедитесь, что Тип входных данных модели установлен на Критерии.
    • Убедитесь, что в строке Задать шкалу пригодности установлено от 1 в 10.
    • Убедитесь, что для Вес по установлено Множитель.
    • Для Выходного растра пригодности замените Suitability_map (в конце ShrimpFarm.gdb\) на NicoyaSuitability.

    Настройки панели Разработчик модели пригодности

  3. На ленте, на вкладке Разработчик модели пригодности, в группе Модель пригодности, щелкните Сохранить.

    Сохранить модель пригодности

    Примечание:

    Если вам необходимо сделать перерыв и закрыть ArcGIS Pro, вы всегда сможете открыть этот проект снова и получить доступ к модели. Откройте 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.

  4. В панели Содержание, убедитесь, что добавлен новый составной слой ShrimpFarm.

    В настоящее время она пуста.

    Новый составной слой ShrimpFarm

  5. В панели Разработчик модели пригодности щелкните вкладку Пригодность.

    Эта вкладка содержит таблицу Критерии. Вы будете добавлять критерии для модели в таблицу.

    Вкладка Пригодность в панели Разработчик модели пригодности

    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 кустарниковой растительностью, или участки сельскохозяйственного назначения. Необходимо избегать мангровых лесов.
    • Доступ 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.
    • В пределах или максимально близко к областям, защищенным от северных и южных пассатов.

    Вы добавите пять подходящих растровых слоев для этих критериев.

  6. В панели Разработчик пригодности в параметре Критерии, рядом с Входными растрами щелкните кнопку Добавить растры критериев как слои из списка содержания.

    Добавить растры критериев

  7. В списке Критерии отметьте следующие слои:
    • Dist_Salty_Water
    • Dist_Roads
    • Dist_Rivers
    • Dist_Sheltered
    • LandCover
  8. В списке слоев Критерии нажмите Добавить.

    Список критериев

  9. В панели Разработчик модели пригодности в параметре Критерии убедитесь, что пять слоев критериев успешно добавлены к списку.

    Пять растров критериев

  10. В панели Содержание убедитесь, что составной слой ShrimpFarm включен и развернут, и пять слоев критериев успешно добавлены к нему.
    Примечание:

    Если вы добавили слой по ошибке, его можно удалить в панели Содержание. В слое ShrimpFarm щелкните правой кнопкой слой и выберите Удалить.

    Критерии пригодности в панели Содержание

    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 вместе. 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_Salty_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, Dist_Roads, Dist_Rivers и Dist_Sheltered тоже являются непрерывными растрами. Растр LandCover, наоборот, растр категорийных данных: значения его ячеек представляют категории, например, мангровые леса или луга, и в нем присутствует 11 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. Ко землепользования (Мангровые леса) не означает половину кода 20 (Городские территории).

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 разных способа преобразования непрерывных растров, исходя из данных, которые они представляют: применение непрерывной функции или диапазона классов.

Имя слояТипМетод трансформации

Dist_Salty_Water

Непрерывные

Непрерывная функция

LandCover

Категорийные

Уникальные категории

Dist_Roads

Непрерывные

Диапазон классов

Dist_Rivers

Непрерывные

Непрерывная функция

Dist_Sheltered

Непрерывные

Непрерывная функция

Преобразование непрерывных данных

Вы начнете с преобразования непрерывного растра Dist_Salty_Water. Вы не будете применять непрерывную функцию.

  1. В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Salty_Water.

    Выбор критерия Dist_Salty_Water

    Круг окрасится зеленым цветом и откроется Панель Преобразование.

  2. Если необходимо, измените размер и переместите Панель Преобразование ниже карты Gulf of Nicoya, чтобы одновременно видеть панель и карту.

    Изменение размера панели

    В панели Содержание в составном слое ShrimpFarm появились два дополнительных слоя: NicoyaSuitability и Transformed Dist_Salty_Water.

    Новые слои, добавленные к анализу пригодности

    Слой Преобразованный Dist_Salty_Water показывает слой Dist_Salty_Water, преобразованный по шкале 1-10. Это преобразование по умолчанию. Слой пригодности NicoyaSuitability показывает комбинацию всех преобразованных слоев критериев. В настоящий момент есть только один преобразованный слой, поэтому слой NicoyaSuitability всего лишь дублирует Transformed Dist_Salty_Water.

  3. На панели Содержание щелкните правой кнопкой Transformed Dist_Salty_Water и выберите Приблизить к слою. Убедитесь, что слой Transformed Dist_Salty_Water включен и отключите NicoyaSuitability и все остальные слои в составном слое ShrimpFarm.

    Вы будете использовать Панель Преобразование ждя настройки преобразования, применяемого к слою Dist_Salty_Water.

  4. Просмотрите содержимое Панели Преобразование

    Панель Преобразование для слоя Dist_Salty_Water.

    В Панели Преобразование есть три основные секции, содержащие информацию, которая поможет вам выбрать наиболее подходящее преобразование. Центральная часть используется для указания метода преобразования: в настоящий момент выбрана функция MSSmall. В секции справа показан график преобразования, а на секции слева - график пригодности.

  5. В Панели Преобразование на вкладке Непрерывные функции, щелкните ниспадающий список Функции и просмотрите доступные функции. Убедитесь, что выбрана MSSmall.

    Функция MSSmall

    Так как слой Dist_Salty_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.

  6. Изучите график Преобразование Dist_Salty_Water.

    График преобразования для слоя Dist_Salty_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 5737.9 (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.

  7. Посмотрите на график Transformation of Dist_Salty_Water и слой карты.

    Преобразованный Dist_Salty_Water на карте.

    И на карте, и на графике применена схожая цветовая схема для символов.

  8. 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.
  9. В Панели Преобразование просмотрите график Распределение пригодности.

    График Распределение пригодности

    Эта гистограмма показывает распределение значений пригодности в финальной карте 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_Salty_Water.

  10. В Панели Преобразование, для Функции выберите Линейная.

    Оба графика и карта обновятся.

  11. Просмотрите график Преобразование Dist_Salty_Water.

    График линейной функции

    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.

  12. В Панели Преобразование поставьте отметку Обратить функцию.

    Опция Обратить функцию

    Преобразование теперь показывает нужное направление (близкие расстояния предпочтительнее). Главное отличие от функции MSSmall - значения пригодности снижаются более равномерно (линейно).

  13. Посмотрите на карту, и сравните, как преобразования MSSmall и Линейное меняют слой Преобразованный Dist_Salty_Water.

    Вы можете возвращаться и переключать функции несколько раз.

  14. 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.

  15. В Панели Преобразование, используя ниспадающий список Функции выберите функцию MSSmall.
  16. В строке Средний множитель введите 0.2, и щелкните в любом месте, чтобы панель обновилась.

    Параметр Средний множитель

    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).

    Финальная карта пригодности для слоя Dist_Salty_Water

В этой части урока вы увидели, как Разработчик модели пригодности позволяет получить динамическую обратную связь по результатам выбора метода преобразования, с акцентом на непрерывных функциях. В следующем разделе вы изучите преобразование категорийных значений.

Преобразование слоя landcover в уникальные категории

Далее вы преобразуете значения следующего критерия, LandCover, по общей шкале. Некоторые типы почвенно-растительного покрова лучше других подходят для размещения бассейнов, в которых выращиваются креветки.

  1. В панели Разработчик модели пригодности в разделе Критерии, щелкните значок круга рядом с критерием LandCover.

    Активация критерия LandCover

    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.

    Панель Преобразование и панель Содержание обновляются.

  2. В панели Содержание просмотрите составной слой ShrimpFarm.

    Добавлен еще один слой с именем Преобразованный LandCover. Значения слоя NicoyaSuitability теперь в диапазоне от 2 до 20, так как это результат комбинации первых двух критериев.

  3. Убедитесь, что слой Преобразованный LandCover включен. Выключите остальные слои в составном слое ShrimpFarm.

    Критерий Landcover в панели Содержание

  4. Изучите Панель Преобразование.

    Вкладка Уникальные категории

    Так как слой LandCover представляет собой категорийные данные, по умолчанию применен метод преобразования Уникальные категории. В таблице, в столбцах Класс и Категория представлены числовые значения и названия каждого типа почвенно-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 рандомно, 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.

  5. На ленте, на вкладке Разработчик модели пригодности, в группе Анализ пригодности снимите отметку с опции Автоматическое вычисление.

    Кнопка Автоматическое вычисление

  6. На вкладке Уникальные категории обновите Пригодность для каждой Категории.

    Используйте следующую таблицу для присвоения значений пригодности.

    КатегорияПригодность

    Evergreen Forest

    4

    Кустарник/Кустарник

    9

    Луг

    4

    Barren/Minimal Vegetation

    5

    Сельское хозяйство, Общее

    6

    Agriculture, Paddy

    6

    Wetland

    3

    Mangroves

    1

    Вода

    1

    Urban, High Density

    1

    Urban, Medium to Low Density

    1

    Наиболее подходящим типам растительности Shrub/Scrub и Agriculture назначены высокие значения пригодности, другим, менее пригодным категориям, соответственно, низкие значения.

  7. На ленте, на вкладке Разработчик модели пригодности, в группе Анализ пригодности щелкните Вычислить и отметьте опцию Автоматическое вычисление.

    Кнопка Вычислить

    Новые значения пригодности применены к типам растительного покрова в слое LandCover, и последующие вычисления будут применены автоматически, по мере внесения изменений в параметры модели. Вы можете изменить обновленные графики и слои.

  8. В Панели Преобразование изучите обновленную диаграмму Преобразование LandCover.

    Преобразование LandCover

    Цвета на диаграмме преобразования точно соответствуют степени пригодности для каждого типа землепользования. Столбцы зеленого цвета, обозначающие более предпочтительные типы землепользования переходят в столбцы красного цвета, соответствующие менее предпочтительным категориям. Высота столбцов соответствует числу ячеек растра для каждого типа землепользования. Высокие столбцы говорят о том, что этот тип землепользования покрывает большие участки в области изучения и более распространен.

  9. На карте изучите слой Преобразованный LandCover.

    Карта преобразования LandCover

    Обратите внимание на участки красного цвета вдоль побережья. Они представляют мангровые леса и некоторые городские территории, и имеют наименьшую пригодность. Сравните расположение с участками сельскохозяйственного назначения и кустарниковой растительности, которые имеют максимальную пригодность (темно и светло-зеленые области).

  10. В Панели Преобразование изучите обновленный график Распределение пригодности.

    График Распределение пригодности

    График пригодности показывает распределение пригодности, вычисленной по комбинации двух критериев. Вы можете видеть, что теперь диапазон значений варьируется от примерно 3 до 20. Среднее значение пригодности (желтые оттенки) встречается наиболее часто.

  11. В панели Содержание в составном слое ShrimpFarm включите слой NicoyaSuitability.

    Два критерия, скомбинированные в Карте пригодности

    Слой Карта пригодности показывает комбинацию двух первых преобразованных слоев критериев.

  12. Отключите слой NicoyaSuitability.
  13. На ленте, на вкладке Разработчик модели пригодности щелкните Сохранить, чтобы сохранить модель.
  14. Сохраните проект.

Преобразование диапазонов классов

Далее вы преобразуете третий критерий, расстояние до дорог.

  1. В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Roads.

    Выбор критерия Dist_Roads

    Как и ранее, Панель Преобразование и панель Содержание обновляются.

  2. В панели Содержание в составном слое ShrimpFarm убедитесь, что слой Dist_Roads включен и отключите остальные слои в составном слое.
  3. Изучите 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.

  4. В Панели Преобразование щелкните вкладку преобразования Диапазон классов.

    Вкладка Диапазон классов

    Диапазон значений расстояний до дорог разделен на 10 классов. В первом классе расстояния от 0 до 475 метров; во втором классе - от 475 до 948 метров и так далее.

  5. Просмотрите график Преобразование Dist_Roads.

    Диаграмма 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.

  6. В Панели Преобразование, на вкладке Диапазон классов щелкните кнопку Обратить.

    Кнопка Обратить

    График и карта обновятся, и пригодность будет назначена нужным вам образом.

  7. В Панели Преобразование просмотрите обновленный график Преобразование Dist_Roads.

    Области, близкие к дорогам, теперь классифицированы как наиболее подходящие (зеленый цвет).

  8. В панели Содержание перетащите слой Roads выше составного слоя Shrimpfarm, и включите его.

    Теперь дороги отображаются поверх слоя Преобразованный Dist_Roads.

  9. На карте изучите слои Преобразованный Dist_Roads и Roads.

    Карта преобразования Dist_Roads

  10. Приблизьтесь и убедитесь, что значения расстояний сгруппированы в десять дискретных диапазонов классов, вокруг линий дорог.

    Десять дискретных диапазонов классов

    Диапазоны, наиболее близкие к дорогам, окрашены темно-зеленым цветом, как наиболее пригодные.

  11. На панели Содержание выключите слой Roads. В составном слое ShrimpFarm включите слой пригодности NicoyaSuitability и выберите Приблизить к слою.

    Три критерия, скомбинированные в Карте пригодности

    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 9 до 30.

    Примечание:

    Причина, по которой самые низкие значения (от 1 до 8) 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.

  12. На панели Содержание отключите слой NicoyaSuitability.
  13. Сохраните модель.
  14. 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 - результирующая карта пригодности, чтобы рассмотреть их одновременно. Это даст вам более полное представление о действиях, которые вы совершаете.

  1. В панели Содержание, в составном слое ShrimpFarm щелкните правой кнопкой слой Карта пригодности и выберите Приблизить к слою.
  2. Щелкните панель карты Gulf of Nicoya, чтобы выбрать ее.
  3. На ленте, на вкладке Разработчик модели пригодности, в группе Виды разверните ниспадающий список Виды карты и выберите Две карты.

    Ниспадающий список Виды карты

    Откроется вторая карта Пригодность-Верх Справа. Составной слой пригодности ShrimpFarm копируется в панель Содержание второй карты.

  4. Если необходимо, переместите и прикрепите панель карты Пригодность-Верх справа по правую сторону от карты Gulf of Nicoya, как на примере ниже.

    Окно с боковыми панелями

  5. Убедитесь, что панель карты Пригодность-Верх Справа выбрана. На ленте, на вкладке Карта в группе Слой щелкните Базовая карта и выберите Изображение, чтобы сменить базовую карту.

    Изменение базовой карты

  6. В панели карты Gulf of Nicoya отключите слой GulfWater, чтобы карты выглядели полностью одинаковыми.
  7. В панели карты Gulf of Nicoya включите слой NicoyaSuitability.

    Окно с боковыми панелями после некоторых настроек

    Теперь вы моете видеть результирующую пригодность и текущие преобразования карт сразу. Далее, вы выполните преобразования для критерия Dist_Rivers.

  8. 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. На панели карты Gulf of Nicoya теперь показан слой NicoyaSuitability, а на панели карты Пригодность-Верх справа отображается слой Transformed Dist_Rivers.

    Исходная карта для Dist_Rivers

  9. В Панели Преобразование просмотрите текущий график преобразования.

    График преобразования Dist_Rivers

    Обратите внимание, что при применении функции MSSmall область в пределах расстояния около 6500 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.

  10. В Панели Преобразование на вкладке Непрерывные функции, для Функции выберите функцию Степень.

    Выбор функции Степень

  11. В Панели Преобразование просмотрите обновленный график преобразования.

    График преобразования Dist_Rivers с функцией Степень

    При первом применении функции Степень местоположения, максимально близкие к рекам получились наименее пригодными. Вам необходимо обратить значения.

  12. В Панели Преобразование, на вкладке Непрерывные функции поставьте отметку Обратить функцию.

    Обратная функция Степень

    Оба графика и карты обновятся.

  13. В Панели Преобразование просмотрите обновленный график преобразования.

    График преобразования Dist_Rivers

    Вы можете видеть, что участки рядом с реками (зеленые) - наиболее предпочтительны, затем пригодность быстро падает, а потом падение неожиданно замедляется. Обратная функция Степень лучше всего подходит для желаемого преобразования пригодности.

  14. В панели карты Пригодность-Верх справа изучите обновленный слой Преобразованный Dist_Rivers.

    Карты с примененной функцией Степень

    Теперь только участки совсем рядом с реками окрашены зеленым цветом.

  15. В панели карты Gulf of Nicoya изучите обновленный слой NicoyaSuitability.

    Вы видите в легенде, что его значения теперь в диапазоне от примерно 11 до 40, так как слой представляет комбинацию четырех критериев. Теперь вы видите, как расстояние до рек влияет на карту пригодности: некоторые из наиболее пригодных областей (зеленый цвет) теперь расположены вдоль рек.

  16. Если необходимо, для каждой карты приблизьтесь к экстенту слоя NicoyaSuitability.
  17. Сохраните модель.
  18. Сохраните проект.

Преобразование с использованием экспоненциальной функции.

Далее вы преобразуете последний критерий - креветочная ферма должна быть в местоположении, защищенном от северных или южных пассатов, или рядом с таким местоположением.

  1. В панели Разработчик пригодности в разделе Критерии, щелкните значок круга рядом с критерием Dist_Sheltered.

    Так как растр Dist_Sheltered содержит непрерывные данные, метод Непрерывные функции MSSmall снова применен по умолчанию.

  2. В Панели Преобразование просмотрите график преобразования.

    Преобразование графика Dist_Sheltered

    Функция по умолчанию не соответствует тому преобразованию, которое нужно вам. Положительное влияние защищенных от ветра участков не прекращается внезапно, поэтому вам желательно, чтобы степень предпочтения для небольших расстояний уменьшалась постепенно.

  3. В Панели Преобразование на вкладке Непрерывные функции, щелкните ниспадающий список Функции и выберите Экспоненциальная. Отметьте опцию Обратить функцию.

    Выбор функции для участков, защищенных от ветров.

  4. В Панели Преобразование просмотрите обновленный график преобразования.

    Преобразование Dist_Sheltered

    Голубая линия функции показывает, что местоположения, близкие к защищенным, более предпочтительны, затем уровень предпочтения снижается, сначала медленнее, затем, по мере увеличения расстояния, - быстрее. Тем не менее чтобы лучше учесть предпочтения по критерию, вы выполните дополнительную настройку функции, чтобы уровень предпочтения снижался немного быстрее.

  5. В Панели Преобразование, на вкладке Непрерывные функции, в строке Базовый коэффициент введите 0.00014. Щелкните в любом месте панели, чтобы изменения применились.

    Параметр Базовый коэффициент

    График и карта обновятся.

  6. В Панели Преобразование просмотрите обновленный график преобразования.

    Преобразование Dist_Sheltered, где уровень предпочтения снижается немного быстрее

    Если вы посмотрите на голубую линию функции, вы замете более быстрое снижение уровня предпочтения.

  7. В панели карты Пригодность-Верх справа изучите результирующий слой Преобразованный Dist_Sheltered.
  8. В панели карты Gulf ofNicoya посмотрите, как добавление критерия расстояния от защищенных участков меняет результирующий слой NicoyaSuitability.

    Финальные карты Dist_Sheltered

    Слой Карта пригодности сейчас представляет собой комбинацию пяти критериев, и содержит значения в диапазоне от примерно 20 до 50. Хорошо видно, что наиболее пригодные области (зеленые ячейки) расположены близко к заливу, но не в области мангровых лесов или городских территорий, а также прослеживается близость к рекам. Близость к дорогам и защищенным от ветра участкам не так легко увидеть с первого взгляда, но в целом картина складывается достаточно ясная.

  9. В панели карты Пригодность-Верх справа включите, по очереди, все слои преобразованных критериев, чтобы сравнить их со слоем NicoyaSuitability в панели карты Gulf ofNicoya.

    Оцените, как каждый критерий влияет на финальную карту пригодности.

  10. Если необходимо, для каждой карты приблизьтесь к экстенту слоя NicoyaSuitability.
  11. Сохраните модель.
  12. 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.

Взвешивание критериев модели относительно друг друга

В процессе преобразования вы перевели значения критериев в единую шкалу пригодности. Но, в выбирая место для размещения креветочной фермы, вы можете решить, что некоторые критерии важнее других. Для учета важности критериев вы назначите веса каждому слою, относительно других слоев.

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. Сначала вы вернетесь к виду Одна карта.

  1. На ленте, на вкладке Разработчик пригодности, в группе Виды разверните ниспадающий список Виды карты и выберите Одна карта.
  2. При необходимости в панели Содержание, в составном слое ShrimpFarm щелкните правой кнопкой слой пригодности NicoyaSuitability и выберите Приблизить к слою.
    Примечание:

    Разработчик пригодности обрабатывает данные только в пределах текущего экстента. Если вы изменили экстент в процессе изучения карты, обработка может быть проведена в урезанном экстенте карты пригодности, а не в полном. Поэтому вы должны убедиться, что вся изучаемая область полностью отображается на карте

  3. В панели Разработчик пригодности, в таблице Критерии просмотрите поле Вес.

    Все веса равны единице

    В настоящий момент всем критериям присвоен вес 1, то есть все критерии одинаково важны. Так как критерий Dist_Salty_Water имеет максимальную важность, вы назначите ему вес 8. Критерий Dist_Rivers следующий по важности, вы назначите ему вес 3. Критерий Dist_Sheltered получит вес 2, а все остальные критерии - 1.

  4. В таблице Критерии обновите значения Веса следующим образом.

    Входной растрВес

    Dist_Salty_Water

    8

    Dist_Rivers

    3

    Dist_Sheltered

    2

    Dist_Roads

    1

    LandCover

    1

    Щелкните в любом месте панели, чтобы веса применились.

  5. В таблице Критерии проверьте введенные Веса, перед тем, как продолжить.

    Новые веса для критериев

    Примечание:

    Порядок, в котором перечислены критерии, может быть другим.

  6. Просмотрите результирующий слой пригодности NicoyaSuitability.

    Карта пригодности с примененными весами

    Примечание:

    Если отображение не обновляется автоматически, на ленте, на вкладке Разработчик пригодности вы можете использовать кнопку Рассчитать для обновления отображения.

    На карте вы видите, что области, расположенные близко к заливу, рекам и защищенным участкам наиболее пригодны, и отображены зеленым цветом. Области, расположенные далеко от этих объектов, наименее пригодны и отображены красным цветом.

    В панели Содержание вы видите, что диапазон значений пригодности увеличен примерно до 150. Это происходит потому, что каждое значение критерия умножается на вес критерия. Так как максимальное значение пригодности для каждого критерия - 10, общая максимальная пригодность рассчитывается по следующей формуле:

    10 * 8 + 10 * 3 + 10 * 2 + 10 * 1 + 10 * 1 = 150

    Во время преобразования критериев и создания модели вы выполняли обработку с текущим разрешением экрана, экстент и создаваемые слои не сохранялись вне проекта. Перед тем, как перейти на новую стадию рабочего процесса, вам необходимо запустить модель с полным разрешением и сохранить слой NicoyaSuitability на диске.

  7. В панели Разработчик пригодности в верхней части вкладки Пригодность (под таблицей Критерии) щелкните Запустить.

    Кнопка Запустить

    Процесс может занять некоторое время.

  8. В панели Содержание просмотрите диапазон значений.

    Обновленный диапазон пригодности

    Диапазон значений обновлен до точных значений пригодности, извлеченных из модели.

Размещение креветочной фермы

Теперь, пользуясь слоем NicoyaSuitability, вы идентифицируете пять самых подходящих участков для размещения креветочной фермы. Это можно сделать в панели Разработчика пригодности, на вкладке 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.

  1. 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.
    • Необходимо полностью избежать затрагивания территории мангровых лесов. Для этого вы будете использовать растр NoMangroves в качестве маски, чтобы процесс найти местоположения искал подходящие регионы на территориях, не занятых мангровыми лесами.
    Примечание:

    Растр NoMangroves был создан с помощью инструмента Spatial Analyst Извлечь по атрибутам, выполненного для слоя LandCover. Только те ячейки растра, чьи значения не равны типу растительно-почвенного покрова Mangrove были выбраны и скопированы в новый растр.

  2. На вкладке Найти местоположение введите следующие параметры:
    • Для Единицы площади выберите Гектары.
    • Для Общей площади введите 3000 (это лучше всего делать после выбора единиц измерения площади).
    • Для Выходного растра введите ShrimpFarmLocations.
    • В качестве Числа регионов введите 5.
    • Для Минимального расстояния между регионами введите 5.
    • Для Единиц расстояния убедитесь, что выбраны Километры.
    • Для всех остальных параметров примите значения по умолчанию.

    Параметры инструмента Найти местоположение

  3. В панели Разработчик пригодности на вкладке Найти местоположение щелкните Параметры среды.

    Щелкните Параметры

  4. В разделе Анализ растра, для Маски выберите NoMangroves.

    Для Маски установлено NoMangroves

  5. В панели Разработчик пригодности на вкладке Найти местоположение щелкните Параметры.

    Щелкните Параметры

  6. Щелкните Запустить.

    Кнопка 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 ShrimpFarmLocations.

  7. Убедитесь, что все 5 местоположений идентифицированы. Значение 0 присвоено всем областям, которые не соответствуют желаемому уровню пригодности и пространственным требованиям.

    Слой Местоположения пригодности

    Примечание:

    Цвета назначаются случайным образом и могут отличаться.

    Вы назначите ячейкам со значением 0 значения Нет цвета, чтобы подчеркнуть пять выбранных местоположений и видеть слой NicoyaSuitability ниже.

  8. В панели Содержание для слоя ShrimpFarmLocations щелкните правой кнопкой легенду для значения 0 и выберите Нет цвета.

    Установка Нет цвета для значения 0

  9. На карте просмотрите слой расположения креветочных ферм ShrimpFarmLocations.

    Пять пригодных местоположений

    Вы можете включать и выключать слой ShrimpFarmLocations, а также перемещаться по карте и менять масштаб. Обратите внимание, что все пять регионов расположены в областях наивысшей пригодности (темно-зеленые). Они также избегают мангровых зарослей.

  10. Сохраните модель.
  11. 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 исследовательского 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 также можете запустить Разработчик пригодности, уменьшив расстояние между фермами, и посмотреть, получите ли вы другие пригодные местоположения.

Вы можете изучить дополнительные критерии в модели, которые могут влиять на размещение креветочных ферм. Это могут быть следующие данные:

  • Уклон и Экспозиция - некоторые местоположения с определенными значениями уклона и экспозиции могут не подходить, так как там невозможно разместить бассейны. Уклон и экспозицию можно рассчитать на основе данных высот.
  • Почвы и геология - некоторые типы почв, глубины и геологические характеристики могут также не подходить для размещения бассейнов.
  • Соленость воды - разведение креветок происходит в бассейнах, наполненных соленой водой, поэтому если значения солености варьируют, это тоже можно встроить в модель.

Эти критерии могут влиять или нет на результаты модели. В любом случае, если это влияние есть, Разработчик пригодности поможет его выявить.

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, присвоили веса 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. Соответственно вы принимаете информированные решения.

Вы можете найти больше учебных пособий в галерее учебных пособий.