全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
模型是对现实的描述。真实世界的情况比较复杂,模型是简化的,可管理的现实,模型可帮助决策者理解、描述和预测现实世界中的事件。 GIS常用于为某些事物查找最佳位置,一系列规则应用到GIS数据来查找合适的位置,适宜性建模常用的有二元适宜性模型和加权适宜性模型。
二元适宜性模型在选址分析中具有重要作用,是对空间建模最简单的实现,其原理是对所有选址影响因素划分为“好”和“坏”两类,适宜性选址时只有“适宜”和“不适宜”的区分,没有“次好”,分类比较简单,输出时将所有要素做叠加,使用地图代数的逻辑与、乘或加来合并这些图层,在考虑多个因素时比较简单。
图1:二元适宜性模型
加权适宜性模型在选址分析中应用较广,它弥补了二元适宜性模型的不足,所有要素都有相对重要性。加权适宜性模型把所有要素的重要性划分为若干个等级,级别越高表示适宜性越好。但适宜性等级的确定比较复杂,需要综合考虑多种因素,一般要设立专业团队来定义模型,评估合理的适宜性权重,并经过反复验证分析结果,加权适宜性模型建立的时间较长,要投入更多的时间和精力。
图2:加权适宜性模型
滑雪场选址主要应考虑下列三大因素:自然条件适宜、开发成本较低、基础设施完善。其中自然条件主要考虑坡度、雪深、日照条件三个因素;开发成本主要考虑土地所有权、地表覆盖植被类型、土壤类型三个条件;基础设施条件主要考虑交通设施和供电系统。
根据以上条件分别准备相应基础数据,所有数据均为栅格图层。ArcGIS软件提供了多种栅格分析工具,并且栅格数据具有简单的数据结构,进行代数运算时速度较快,因此选用栅格数据进行分析。
选址条件 |
考虑因素 |
数据 |
自然条件适宜 |
坡度 |
Slop |
雪深 |
Snow |
|
日照时间 |
Sun |
|
开发成本较低 |
土地所有权 |
Ownership |
地表覆盖植被类型 |
Landcover |
|
土壤类型 |
Soil |
|
基础设施完善 |
交通设施 |
Travel |
供电系统 |
Power |
表1:滑雪场选址条件
地理信息系统的叠加分析是将有关主题层组成的数据层面,进行叠加产生一个新数层的操作,其结果综合了原来两层或多层要素所具有的属性。叠加分析根据数据结构的不同,通常分为栅格数据的叠加分析和矢量数据的叠加分析。
叠加分析时,为体现不同要素对选址影响的差异,提高关键性因素的影响,可用权重对要素的重要性加以区分,重要的因素赋予较大的权重值。利用ArcGIS的Weighted Overlay工具对所有的重分类数据按照指定的权重进行合并。确定权重值的方法有很多,主要有主观判断、经验判定(如经验权数法、专家咨询法等)和数学方法(如主成分分析法、层次分析法、逐步回归法等),考虑到在滑雪场选址中各因素的重要性,设定权重值如下表所示:
子模型名称 |
影响因子 |
因子权重 |
子模型权重 |
Terrain Suitability |
Slop |
30% |
50% |
Snow |
50% |
||
Sun |
20% |
||
Cost Suitability |
Ownership |
50% |
20% |
Landcover |
20% |
||
Soil |
30% |
||
Access Suitability |
Travel |
70% |
30% |
Power |
30% |
表2:各影响因素权重值
在对输入栅格数据做叠加分析时,按照下列公式进行加权叠加计算, 计算公式为:
模型的形成过程实际是解决问题的过程,一般步骤为:添加输入数据、添加空间处理工具、为数据和工具设置关联关系、设置参数、运行模型。按照以上步骤在ModelBuilder环境下创建滑雪场选址分析模型,在Model Builder下创建的模型如下图所示。
图3:滑雪场选址加权适宜性模型
如下图所示为选址分析结果,所有栅格像元值按适宜性等级用渐变色做渲染,等级越低表示越不适宜建滑雪场,等级越高表示综合考虑自然条件、开发成本、基础设施等条件后,较适合建设滑雪场的区域,等级为9的是最适合的区域。通过参考图面显示的分析结果,能够对施工选址起到科学指导作用,避免了因盲目施工带来的各种隐患。
图4:滑雪场选址适宜性分析结果
创建加权适宜性选址分析模型后,为方便模型反复利用,可在模型中将输入数据和输出数据设置为参数,将模型封装为工具,并加载到ArcToolBox工具箱中作为自定义模型工具使用,模型复用性提高了选址分析的工作效率。
图5:加权适宜性选址分析工具主界面
地理信息系统具有强大的空间分析和可视化功能,使得它在选址分析中得到了广泛应用,采用地理信息系统方法相对于主观经验或一些数学方法更具有科学性和可操作性。本文将地理信息系统中的加权叠加分析方法和ArcGIS的ModelBuilder建模功能引入到选址分析操作中,并以滑雪场选址为例,系统分析了采用加权适宜性方法创建选址模型的流程,具有现实指导意义和实用价值。