ДеМерс Майкл Н. Географические информационные системы. Основы

Подождите немного. Документ загружается.

На местности есть растительность которая добавляет свою высоту к

высоте поверхности земли. Работая с картами, мы часто забываем, что

растительность это отнюдь не плоская покрашенная зеленью поверхность.

Чтобы учесть это, нам нужно ввести в модель среднюю высоту леса, которая

может быть получена из ботанических или лесоводческих справочников для

каждого из типов леса. Тогда мы сможем переклассифицировать покрытие

"растительность" (номинальная шкала) в покрытие "высота-

растительности" (шкала отношений). Данные этого покрытия и значения

топографической высоты (тоже шкала отношений) можно сложить (команда

ADD)

для образования покрытия "общая-высота", которое нужно для

определения зон видимости (команда VIEWSHED), после чего мы получим

покрытие "свободный-вид", показывающее области видимости долины

внизу. Теперь нужно учесть города. Комбинируя через пересечение это

покрытие и покрытие "города" (свыше 1000 жителей), мы получим как

видимые области с городами, так и видимые области без городов. Эти

последние и будут объединены, в конечном счете, с тремя остальными

подмоделями.

Завершая модель, мы обращаемся к трем физическим факторам:

растительности, почвам и уклону. Из рассматривавшегося уже покрытия

"растительность" мы можем путем переклассификации выделить области

густого леса (которые нам не подходят) и такие, которые содержат другую

растительность или редкие деревья и могут быть расчищены ("свободно-

от-растительности"). Нужно помнить, конечно, что масштаб большинства

карт растительности довольно мал, так что любое решение на основе таких

данных должно проверяться на месте.

Среди наиболее сильных физических ограничений - величина уклона.

Слишком большая крутизна либо сделает выполнение проекта

невозможным, либо значительно увеличит его стоимость. Величина уклона

до

градусов была бы идеальна. Чтобы найти все области, удовлетворяющие

данному критерию, нужно взять топографическое покрытие и выполнить

процедуру построения окрестностей, разделяющую области с уклоном до

15 градусов и области с большим уклоном, получив таким образом покрытие

"малый-уклон".

Инженерные характеристики почвы определяют способность почвы

выдерживать такое строение, как горный домик, и способность к

инфильтрации, необходимая для сооружения канализационного

отстойника.

Оба этих параметра определяются непосредственно по исходной

почвенной карте; они либо переклассифицируются для удовлетворения

заданным критериям, либо выбираются из связанной таблицы атрибутов.

Полученные покрытия ("пригодно-для-зданий" и " пригодно-для-

отстойников") могут быть подвергнуты пересечению для создания более

полного покрытия "пригодная-почва". В результате операции наложения с

пересечением мы получаем конечное покрытие подмодели "Физические

факторы".

Как вы могли уже догадаться, окончательное решение состоит в

пересечении покрытий с физическими, эстетическими, административно-

правовыми и инфраструктурными факторами, так как все их ограничения

должны быть удовлетворены. Если модель работает, как запланировано, то

мы должны получить хотя бы один участок, подходящий по всем критериям.

В действительности не всё так просто. Мы рассмотрели проблему

слишком сильных ограничений, которые приходится ослаблять. Но

возможна и другая ситуация, - когда на многих участках почвы хороши для

строительства, уклоны малы, прекрасные горные виды, нет проблем с

зонированием и земельной собственностью, инфраструктура прекрасно

развита. Это выглядит маловероятным, но все-таки возможно. В этом случае

мы получили большие площади, удовлетворяющие нашим требованиям, и

можем строить домик практически где угодно. То есть, эти замечательные

результаты показывают, что наша модель оказалась не очень-то полезной в

принятии решения. Конечно, ГИС в этом не виновата, она не может

заменить человека, принимающего решения.

В такой ситуации мы можем усилить ограничения, чтобы выбрать

наилучшее место из возможных. Как и в случае ослабления ограничений,

здесь мы можем идти двумя путями. Первый - изменение критериев.

Например, мы могли бы потребовать наилучших почв для строительства дома

и канализационного отстойника. Мы можем также ограничить уклон

величиной 7 градусов, а не 15, уменьшить допустимый размер поселений,

попадающих в зону видимости, изменить другие факторы. На самом деле,

легче создать набор значений для каждого фактора, и получить

ранжированные ответы вместо просто "да" и "нет" (см. Главу 9).

Другой подход основан на том, что четыре группы факторов нашей

модели не равнозначны. Ограничения по почве или уклону весьма

существенны, однако, если нет зон, в которых возможно строительство, то

физические параметры просто не имеют никакого значения. То есть, есть

факторы, которые можно назвать абсолютными ограничениями, в то время

как другие могут быть преодолены изменением пределов или согласием

вложить в проект больше денег.

Определение того, какие факторы абсолютны, а какие могут быть

взвешены, поможет выполняющему картографическое моделирование

скорректировать решение в реальной ситуации. Нужно проявлять гибкость

и внимание к воздействию этих весов на конечный результат. В литературе

можно найти примеры использования взвешивания для улучшения модели

и удовлетворения требований пользователей-максималистов

[Davis,

1981;

DeMers,

1986;

Lucky

and

DeMers,

1987].

Разрешение

конфликтов

Взвешивание не всегда дает результаты, удовлетворяющие всем

выбранным условиям. Рассмотрим задачу создания картографической

модели, включающей два по сути противоречащих друг другу взгляда на

проблему, - скажем, лесозаготовка и сохранение пятнистых сов,

защищаемых федеральным законом.

Как мы могли бы подойти к такой трудной задаче? Давайте рассмотрим

один из имеющихся методов, предложенный

Д.

Томлин [Tomlin and

Johnston,

1988].

Хотя этот метод - не единственный, он показывает, что

конкурирующие части задачи могут быть концептуально разделены, и

достигнут приемлемый компромисс, без использования редкого

программного обеспечения или дорого оплачиваемых переговорных групп.

Этот метод, называемый

ORPHEUS,

состоит в создании двух раздельных

моделей - каждой для своей стороны задачи. После оценки всех факторов

вы начинаете изменять веса факторов с обеих сторон, давая небольшие

уступки каждой стороне. Продолжая изменять веса на двухсторонней основе,

вы должны, в конце концов, получить на выходных картах области

сосуществования конкурирующих групп требований. Процесс требует

некоторого времени для совершенствования, и опыт здесь незаменим.

Попробуйте сами создать небольшую БД, скажем на площадь 1 кв.км,

включающую данные по почвам со связанными таблицами. Затем выберите

6-8 типов землепользования для размещения в этой области, задав

ограничения размера для одних типов, местоположений для других, близость

к очагам загрязнения для третьих и т.д. Даже если вы не получите сразу

положительных результатов, этот опыт будет очень полезен.

Примеры

картографических моделей

Теперь давайте рассмотрим три типичных примера моделей и их блок-

схем. Это примеры на разные темы, которые используют разные подходы

как к моделированию, так и к составлению блок-схем, что даст вам

представление о некоторых из имеющихся возможностей.

Начнем с описательной модели качества среды обитания оленей (Рисунок

13.5)

[Carlson

and

Fleet,

1986].

Она основана на наличии/отсутствии

некоторых факторов, существенно важных для выживания оленей:

доступности питьевой воды, растительности для пастьбы и укрытия. Первый

фактор использует покрытие с данными по гидрологии, второй - по

растительности. Олени употребляют

пищу древесные растения, которые

имеют листья близко

земле. Таким образом, факторы пищи

укрытия

получаются переклассификацией растительности

на

кустарники

деревья

как пригодные

травы

как

непригодные типы растительности. Модель

не

уточняет, какие именно типы растительности нужны,

какая именно вода

может употребляться,

нетрудно представить,

как эти

параметры можно

получить

из

имеющихся покрытий

при

наличии знаний

по

зоологии

поведению оленей.

Гкдрографш

J—

-с

Растительность

j—^

aS<

—^

ПшщГ"

РастотцаностГ)

Reclass

—^ Укрытие""

Average

-С

Качество

1 Add

территории

Обла)

Индекс

выпуклости

Rcclasa

„rm<*n.

границ

Average

_Г

Общее

~\ качество

{ областей*

ia$Ta j~

Комплексное

качество

юластн

|Averi

Lverage)

Рисунок

13.5.

Блок-схема простой модели области обитания оленей. Основана

на

наличии/отсутствии важнейших факторов выживания: укрытия, пищи

воды

пространственной конфигурации ландшафта

учетом размера, длины границ

целостности/фрагментации ландшафта.

Вторая часть модели относится

качеству среды обитания с точки зрения

пространственной конфигурации элементов ландшафта. Основные

параметры здесь

размер

длина границ каждой области,

также

ее

целостность

(см.

Рисунки

8.2 и

8.3)..Эта часть должна напомнить

вам об

использовании

картографическом моделировании упоминавшихся

экологических единиц ландшафта. Кроме того,

это

хороший пример

ландшафтных пространственных показателей

в их

применении

области

обитания одного вида. Конечный результат этой части модели объединяет

параметры ландшафта

помощью ранжирования,

данном случае через

усреднение, для получения общего качества области обитания. Должно быть

очевидным,

как

части модели могут быть объединены

для

получения всей

модели области обитания оленей.

Второй пример показывает предписательную модель определения

областей, которые получают достаточно ветровой энергии

для

функционирования ветроэлектрогенератора (Рисунок 13.6)

[Carlson

and

Fleet,

1986].

Используются только два исходных покрытия: топография и

растительность. Первое позволяет определить ориентацию склонов, которой

присваиваются порядковые категории от лучшей к худшей (с точки зрения

работы генератора). Наилучшим случаем будет, конечно, горизонтальная

поверхность как не создающая препятствий, в случае же уклона

оптимальным является северо-западное направление, связанное с

преобладающим направлением ветра, другие направления менее полезны*.

Шаги

Найти

направление уклона

нет

уклона =

(наилучший)

С-3

= 2 (хороший)

С,3

= 3

(удовлетворительный)

Ю,

Ю-3 = 4

(плохой)

другие

= 4 (не пригодный)

Найти

расстояние до

препятствий

Найти

высоту

препятствий

Найти

высоты генераторов:

(л -

')/d, таким образом, л' = л - rd

выбрать

корректное г

найти

л'

Устранить

влияние высоты

вышек

Отобразить

все ранжированные места

независимо от высот

вышек

Отобразить

места как функцию

/(аспект,

высота_вышки)

Операции

Ориентация

Radiate

Переклассифицировать

(Топография

Растительность)

Вычесть,

Переклассифицировать

Умножить

Вычесть

Переклассифицировать,

Отобразить

Табулировать,

Переклассифицировать,

Отобразить

Рисунок 13.6. Блок-схема размещения ветроэлектрогенератора. Учитываются

преобладающие ветра, высота местности, высота деревьев. Данная модель

представлена как алгоритм, а не как блок-схема. В правой колонке указаны

операции, необходимые для выполнения каждого шага.

* На самом деле, плоская поверхность - не всегда самый лучший случай, так как

Другим фактором, который мы должны рассмотреть, является расстояние

до препятствий,

данном случае деревьев

склонов, которое может быть

получено использованием операции определения функционального

расстояния;

данном примере используется команда

"Radiate".

Модель

подразумевает, что вышки будут

не

выше

метров, через вычитание этой

величины из топографических высот

ранжирование местоположений уже

независимо от высот вышек. Наконец, модель перекомбинирует экспозиции

склонов

для

получения мест

для

размещения генераторов. Блок-схема

данной модели существенно отличается от той, что дана на Рисунке 13.4;

на

самом деле она является больше алгоритмом, чем блок-схемой.

Независимая

Коэффициент

Взвешенная

переменная регрессии

переменная

Рисунок

13.7.

Предсказательная модель лесозаготовки

использованием линейной

регрессии. Эта блок-схема показывает использование методов дасиметрического

картографирования

подстановкой в следующее уравнение регрессии для

обычной практики лесоповала:

= 1.670

х,

+ 0.424 х

- 0.007 х

-1.120 х

- 5.090 х

- 2.490

определенный рельеф способен концентрировать потоки ветра, правда, расчет в этом случае

будет сложнее. — прим. перее.

Некоторым этот "рецептурный" подход может показаться более удобным,

хотя на самом деле классическую блок-схему и алгоритм относительно легко

можно преобразовывать друг в друга.

Вы можете попробовать следующий пример, представляющий

статистический метод моделирования. Если вы знакомы с регрессией, то

эта модель будет хорошим примером того, как дасиметрические методы

могут применяться с использованием коэффициентов уравнения регрессии

ддя изменения значений полигонов.

Основываясь на предсказательном статистическом методе, известном как

регрессия, данная модель пытается предсказать объем лесозаготовок

(Рисунок 13.7)

[Berry

and Tomlin,

1984].

Данная величина нужна

лесозаготовительным компаниям при попытке определения их финансового

итога. В данной модели независимыми переменными (покрытиями или

картами) являются процент уклона, диаметр деревьев, высота деревьев,

объем деревьев и процент дефектных деревьев. Каждый фактор имеет

измеримое влияние на предсказываемый объем лесозаготовки, которое

отражается коэффициентами регрессии. Перемножая каждую независимую

переменную на соответствующий коэффициент, модель создает взвешенные

покрытия, которые при сложении друг с другом и прибавлении некоторой

константы дают искомый объем заготовок. Поскольку эта модель использует

проверенные, статистически значимые коэффициенты для каждой

независимой переменной, результаты оказываются высоко надежными и

легко проверяемыми.

ПРОВЕРКА

РАБОТОСПОСОБНОСТИ МОДЕЛИ

Рассматривая картографические модели, мы исходили из того, что всё

будет идти по плану, и результаты будут соответствовать ожиданиям. Так

как ввод данных занимает значительную долю времени работы с системой,

имеет смысл выбрать небольшую часть области исследования для проверки

работоспособности модели, и лишь после этого вводить все данные. Этот

подход полезен и для верификации модели, о чем пойдет речь чуть позже.

Используя подмножество изучаемой области и блок-схему модели, мы

начинаем с нижнего уровня каждой подмодели и, выполняя ее действия,

отвечаем на следующие вопросы:

Если мы переклассифицируем категории, то сконфигурирована ли

наша БД для выборки соответствующих значений? Или, если мы

переклассифицируем категории в растровой системе без БД, имеет ли

значение порядок переклассификации?

2. Если есть альтернативные методы или альтернативные комбинации

методов, то какие из них скорее дадут нам корректный ответ при наименьших

затратах труда?

3. Есть ли у нас абсолютная уверенность в том, что выбранные операции

действительно представляют функционирование моделируемой среды?

4. Что мы будем делать с недостающими переменными в каждом

покрытии, если таковые обнаружатся?

Конечно, есть множество и других вопросов, но и этих должно быть

достаточно, чтобы понять, о чем речь. Выполняя операции над частью БД,

легче оценить, что происходит на каждом шаге. Вдобавок, появляется

возможность проверки промежуточных результатов вручную, что пригодится

при верификации модели.

Другим важным аспектом прогона модели является определение того,

какие покрытия необходимы для продолжения моделирования, а какие

должны быть сохранены для верификации модели. На практике, многие

считают, что если покрытие создано, то его следует на всякий случай

сохранить. Однако, дисковое пространство всегда ограничено, и вы легко

можете растратить все свободное место. Вот еще одна причина для

использования только части БД, - это позволит выявить промежуточные

покрытия, которые могут систематически удаляться, а также понять, не

нужно ли увеличить объем дисковой памяти для полного набора данных.

Здесь же вы можете решить, для каких покрытий следует делать резервные

копии; по крайней мере, для исходных данных это просто необходимо.

Прогон модели может даже пробудить азарт, так как позволяет

попробовать различные модификации, — просто чтобы увидеть, что

получится. Однако, следует помнить, что ГИС может запросто создавать

совершенно бессмысленные результаты. А многочисленные эксперименты

могут забить диск ненужными или малоценными покрытиями, при массовом

удалении которых могут пострадать действительно ценные данные.

Чтобы избежать этого, следует использовать возможности защиты от

модификации или удаления данных, высокая ценность которых известна.

Во многих случаях с ГИС работают несколько (а иногда даже много) человек,

что увеличивает риск потери или порчи данных. Чтобы сделать работу более

надежной, следует использовать возможности администрирования данных

и разграничения доступа, которые есть в большинстве современных ГИС и

СУБД*.

* Информация может иметь немалую стоимость, так что планирование защиты данных и

определение прав доступа,

также как и

ведение протокола

работы,

являются важными сторонами

серьезного проекта, позволяющими предотвратить или минимизировать ущерб от

непреднамеренных или умышленных разрушительных действий, а также восстановить и

проанализировать последовательность событий в случае, если такие действия произойдут.

—

прим. перев.

ВЕРИФИКАЦИЯ

МОДЕЛИ

Карты являются удобным средством сообщения информации. Их

визуальное воздействие таково, что люди принимают изображенное как

истинное, не задаваясь вопросами о данных, на основе которых эта карта

построена, или методах моделирования, использованных при ее создании.

Поэтому не должен вызывать удивления и тот факт, что многие, даже

большинство, моделей принимаются как должное, подобно картам. Такое

отношение может быть очень опасно для клиента, который может потерять

деньги, престиж и даже весь свой бизнес, принимая решения на основе

некачественных данных или некорректных комбинаций корректных данных.

Это может быть опасно и для поставщика ГИС или консультационной

фирмы, которым придется тратить больше времени и средств на судебные

тяжбы, чем на создание картографических моделей.

Решением является верификация модели

(model

verification).

Существует

не так много примеров верификации моделей в практических приложениях

и литературе. Это не должно вас удивлять, так как пользователи ГИС не

имеют иммунитета против силы графического документа. Часто просто

красивая карта выглядит ничуть не хуже, чем корректная карта. Оказавшись

на демонстрации приложений ГИС, вы тут же подвергнетесь атаке широким

спектром цветов, символов, шрифтов, картинок типографского качества.

Не удивительно, что мы тратим гораздо больше времени на создание, нежели

на верификацию. Кроме того, нужно немало труда, чтобы получить простой

картографический продукт из сложной модели. Все-таки, несмотря на

редкость верификации, мало ктр не согласится с важностью ее проведения.

Итак, определение. Я определяю термин "верификация" достаточно

свободно, для описания не только корректных, но и полезных моделей. В

конце концов, если результаты анализа корректны, но бесполезны, их нельзя

назвать продуктом. В пределах этого определения должны получить ответы

три вопроса:

Действительно ли используемые в модели данные отражают условия,

которые мы пытаемся смоделировать?

2. Корректно ли мы скомбинировали факторы модели для представления

их реального взаимодействия? Правильно ли описываем или предписываем

таким образом процесс принятия решения?

3. Является ли конечный результат приемлемым и/или полезным для

пользователей в качестве средства для принятия решений?

Первый вопрос должен рассматриваться еще на стадии ввода данных, но

это не всегда возможно. Одной из причин составления блок-схемы модели

является выявление недостающих переменных, определение возможности

получения адекватного решения на основе имеющихся покрытий. Иногда

бывает так, что используемые факторы не дают ожидаемого результата, что

может свидетельствовать о неполноте модели или о том, что используемые

факторы неадекватно представляют ограничения модели. В этом случае

может помочь прогон модели на небольшом подмножестве БД, типичном

для всего содержания.

Блок-схема будет очень полезной при поиске недочетов модели, в том

числе и для рассмотрения подмоделей, в одной из которых может таиться

недостаток, делающий некорректным общий результат. Иногда таким

недостатком могут быть устаревшие данные, о чем также следует помнить.

Очень хорошим примером оценки представительности данных является

проведение переписи кустарниковых соек для проверки точности

представления местонахождений этих птиц при помощи модели их области

обитания во Флориде

[Duncan

et al.,

1995].

Это исследование особенно ценно

тем, что показывает недостаточность простого сравнения распределений в

качестве основы для принятия решений. Вместо этого для оценки

результатов авторский коллектив использовал статистическую проверку,

приведшую к дискуссии о возможных причинах обнаружившегося

несоответствия.

Другой проблемой соответствия элементов модели реальному миру

являются недостающие переменные. Всё-таки, ГИС может быть реализована

и при отсутствии некоторых переменных [Williams,

1985].

Они могут быть

просто недоступны, и потому должны быть исключены из модели, при этом

окончательный вариант модели должен указывать, каких факторов не

достает, и явно признавать, что модель не является полной картиной

реальности.

В некоторых случаях переменные не отсутствуют, а слишком неясны или

плохо определены (для их использования). Они также могут оказаться

непространственными по определению, что не позволит поместить их в явно

пространственный контекст при отсутствии пространственных

представителей

[DeMers,

1995].

Вторым вопросом верификации является правильное комбинирование

факторов. Прежде всего нужно выяснить, дают ли аналитические функции

ГИС должные результаты на основе известных входных данных. Поставщики

многих систем не сообщают конкретной информации о том, как эти

результаты достигаются. Исследование разнообразных ГИС показало, что

разные системы дают несколько отличающиеся результаты при выполнении

аналогичных операций на одной и той же исходной БД

[Fisher,

1993].

Возможно, вам тоже понадобится подобное тестирование, хотя в реальной

обстановке это вряд ли возможно из-за высокой стоимости приобретения и

поддержки нескольких систем, различающихся программно и даже

аппаратно. В качестве альтернативы можно предложить создание

специальной контрольной БД с известными параметрами для проверки