적합성모형

Suitability model

적합성 모형은 주어진 기준에 따라 서로 상대적인 위치에 가중치를 부여하는 모델이다.적합성 모델은 새의 한 종에 대한 새로운 시설, 도로 또는 서식지에 적합한 위치를 찾는 데 도움이 될 수 있다.[1]오버레이 분석은 GIS 기법과 소프트웨어를 사용하는 적합성 모델을 만드는 일반적인 방법이다.[2]오버레이 기법은 원래 1969년 책 "Design with Nature"에서 설명한 수동 오버레이 지도 제작 과정을 사용한 Ian McHarg에 의해 발전되었다.[3]컴퓨터 매핑 소프트웨어의 발달로, 적합성 모델링은 훨씬 더 쉽고 빠르게 구현되었고, 오늘날에는 다양한 작업에 사용되고 있다.[3]

개요

허용 가능한 적합성 모델을 작성하기 위해 필요한 7가지 일반적인 단계가 있다.

  1. 문제 정의
  2. 문제를 하위 모듈로 나누십시오.
  3. 유의한 도면층 결정
  4. 도면층 내에서 데이터 재분류 또는 변환
  5. 입력 레이어 가중치 부여
  6. 도면층 추가 또는 결합
  7. 분석하다

문제 정의

해결해야 할 문제에 대한 명확한 이해 없이는 적합성 모델이 성공할 수 없다.그 과정의 다른 모든 단계들은 이 문제를 해결하려는 목적에 기여할 것이다.이 목표의 구성 요소도 정의해야 하며, 문제가 해결된 시기를 알 수 있는 방법도 정의해야 한다.삼림 벌채 문제를 고려해 보자. 삼림 벌채율을 낮추기 위해서는 가까운 미래에 삼림 벌채될 가능성이 가장 높은 지역을 모형화하는 적합성 모델이 만들어질 수 있다. 법과 규제 주체는 삼림 벌채에 가장 취약한 지역에 집중될 수 있다.삼림 벌채 적합성 모델의 전반적인 목표는 삼림 벌채 속도를 늦추는 것이다.[2]

문제를 서브모델로 나누기

대부분의 적합성 모델링 문제의 복잡성은 압도적이고 혼란스러울 수 있다. 이러한 이유로 모델을 하위 모듈로 나누는 것이 바람직하다.삼림 벌채에는 여러 가지 동인이 있기 때문에 다양한 하위 모형이 필요할 것이다.인구, 인구 밀도, 인구 이동, 고도, 경사, 토지 덮개 유형, 수문학, 보호 구역의 위치, 토양 유형, 법률, 도로 및 기반 시설, 목록, 이 모든 것들이 산림 벌채의 발생 장소와 강도에 영향을 미칠 수 있다.이러한 요인을 종합 물리적 환경(높이, 경사, 땅 커버, 토지 이용, 토양형, 그리고 수문학)를 위해 지어진 환경(도로, 인프라, 그리고 다른 관련 운송 네트워크)을 위한 submodel에, 및 인구 통계학적 특성에[2][5](인구, 인구 밀도, 인구 증가율, 그리고 빈곤율) 이어질 수 있다..

중요 도면층 결정

각 하위 모델은 전체 모델의 측면을 정의해야 하며, 원래 문제 해결에 기여하는 하위 모델 요인만 하위 모델에 포함되어야 한다.이 단계에서는 데이터를 수집하고 층을 생성해야 한다. 예를 들어, 삼림 벌채는 보통 도시/도로/농림지역에서 일정 거리만큼 떨어진 곳에서 발생한다고 알 수 있다. 따라서 유클리드 거리 도구(GIS 소프트웨어 패키지 내)를 사용하여 이러한 지역을 중심으로 거리 래스터를 생성할 수 있다.[2][5]

재분류/변환

모델에는 다양한 수의 시스템을 가진 많은 다양한 데이터셋이 있다. 이는 이러한 데이터셋을 결합하려고 시도하면 의미 없는 결과를 얻을 수 있다는 것을 의미한다.따라서 공통 숫자 척도를 선택해야 하며(보통 가중 오버레이의 경우 1에서 9까지, 퍼지 오버레이의 경우 0에서 1까지, 퍼지 오버레이의 경우 0에서 1까지, 더 큰 값이 더 유리한 영역을 나타내는 경우) 각 데이터 집합은 새로운 척도로 재분류되어야 한다(대부분의 GIS 애플리케이션에서 이를 위한 도구가 있어야 한다).[2][6]

무게

일부 요인들이 주요 목표에 더 많이 기여한다는 강력한 증거가 있는 경우, 이러한 요인들은 기여도에 기초하여 가중치를 부여해야 한다.[2]예를 들어, 특히 아프리카의 삼림 벌채에 초점을 맞춘 이전의 연구는 삼림 벌채의 주요 원인 중 하나가 연료 목재 추출에 있다는 것을 보여준다. 따라서 연료 목재 추출과 관련된 변수들은 다른 변수들보다 가중치가 더 커야 한다.[7]퍼지 오버레이를 사용하는 경우 가중치를 적용해서는 안 된다.[6]

추가/결합

모형을 완성하려면 일반적으로 가중 오버레이 또는 퍼지 오버레이 기법을 통해 모든 요인을 결합해야 한다.가중 오버레이의 경우 높은 값이 더 유리한 위치 및 낮은 값이 덜 유리한 위치를 나타내는 새로운 데이터 계층을 형성하도록 모든 요인을 추가 및 재분류할 수 있다.퍼지 오버레이 분석은 더 복잡한 방법을 통해 동일한 유형의 결과를 생성한다.[2][6]

분석하다

적합성 모델이 완료되면 결과를 분석해야 한다.결과가 이치에 맞고 실수가 없었는지 확인하기 위해 결과를 면밀히 검토하는 것이 항상 좋은 생각이다.모델을 사용하기 전에 결과를 검증하고 검증해야 한다.이상적으로, 예를 들어, 공통 종의 개체 크기를 추정하기 위한 서식지 적합성에 기초한 예측 방법의 가치는 후천적인 것이 아니라 대규모 모니터링을 실시하기 전에 시험되어야 한다.물류상 어려움이 있지만, 가변 크기의 임시 참조 영역에서 풍부함의 집중적인 샘플링을 포함한 모니터링 프로그램을 설계하면 이를 달성할 수 있다.[8]분석이 완료된 후 모델을 사용하여 위치를 선택할 수 있으며 이 정보는 원래 문제에 적용될 수 있다.[2]

참조

  1. ^ Wade, T., Sommer, S. Eds.A to Z GIS
  2. ^ a b c d e f g h i "중첩 분석의 이해".http://resources.arcgis.com/en/help/main/10.2/index.html#/009z0000rs0000000000
  3. ^ a b Malczewski, J. 2004."GIS 기반 토지 이용 적합성 분석: 비판적 개요"계획 진행, 62(1), 3-65. "Archived copy" (PDF). Archived from the original (PDF) on 2014-12-18. Retrieved 2014-12-03.{{cite web}}: CS1 maint: 타이틀로 보관된 사본(링크)
  4. ^ 미첼, 2012년 A.Esri GIS 분석 가이드, 제3권: 모델링 적합성, 움직임 및 상호작용.에스리 프레스.http://esripress.esri.com/display/index.cfm?fuseaction=display&websiteid=215&moduleid=0
  5. ^ a b Geist, H. J.; Lambin, E. F. (2002). "Proximate Causes and Underlying Driving Forces of Tropical Deforestation". BioScience. 52 (2): 143–150. doi:10.1641/0006-3568(2002)052[0143:pcaudf]2.0.co;2.
  6. ^ a b c "오버레이 분석 접근".http://resources.arcgis.com/en/help/main/10.2/index.html#/009z000000rt0000000000
  7. ^ Matsika, R.; Erasmus, B. F. N.; Twine, W. C. (2013). "Double jeopardy: The dichotomy of fuelwood use in rural South Africa" (PDF). Energy Policy. 52: 716–725. doi:10.1016/j.enpol.2012.10.030.
  8. ^ Frias, O.; Bautista, L. M.; Dénes, F. V.; Cuevas, J. A.; Martínez, F.; Blanco, G. (2018). "Influence of habitat suitability and sex-related detectability on density and population size estimates of habitat-specialist warblers" (PDF). PLOS ONE. 13 (7): 020148. doi:10.1371/journal.pone.0201482. PMC 6066240. PMID 30059562.