عملیات محلی

عملیات محلی را می توان بر روی یک یا چند شطرنجی انجام داد. هنگامی که در یک شطرنجی استفاده می شود، یک عملیات محلی معمولاً به شکل اعمال تغییر ریاضی برای هر سلول جداگانه در شبکه است. به عنوان مثال، یک محقق ممکن است یک مدل ارتفاع دیجیتال (DEM) با هر سلول نشان دهنده ارتفاع بر حسب فوت باشد. اگر ترجیح داده شود که این ارتفاعات بر حسب متر نمایش داده شود، یک تبدیل ساده و حسابی (ارتفاع اصلی بر حسب فوت * 0.3048 = ارتفاع جدید بر حسب متر) از هر مقدار سلول می تواند به صورت محلی برای انجام این کار انجام شود.

هنگامی که برای چند شطرنجی اعمال می شود، انجام چنین تحلیل هایی به عنوان تغییرات در طول زمان ممکن می شود. با توجه به دو شطرنجی حاوی اطلاعات عمق آب زیرزمینی در یک قطعه زمین در سال 2000 و سال 2010، کم کردن این مقادیر و قرار دادن تفاوت در یک شطرنجی خروجی که تغییر در آب های زیرزمینی بین آن دو زمان را یادداشت می کند، ساده است ( شکل 8.5). عملیات محلی در یک مجموعه داده رستر” ). این تحلیل‌های محلی می‌توانند تا حدودی پیچیده‌تر شوند، اما با افزایش تعداد رسترهای ورودی. به عنوان مثال، معادله جهانی از دست دادن خاک (USLE) یک فرمول ریاضی محلی را برای چندین شطرنجی پوشاننده از جمله شدت بارندگی، فرسایش پذیری خاک، شیب، نوع کشت و نوع پوشش گیاهی برای تعیین میانگین تلفات خاک (به تن) در یک شبکه اعمال می کند. سلول.

عملیات محله

قانون اول جغرافیای توبلر بیان می کند که “همه چیز به هر چیز دیگری مربوط است، اما چیزهای نزدیک بیشتر از چیزهای دور مرتبط هستند.” عملیات همسایگی نشان‌دهنده گروهی از تکنیک‌های تحلیل فضایی پرکاربرد است که به شدت بر این مفهوم متکی هستند. توابع همسایگی رابطه یک شی با اشیاء مشابه اطراف را بررسی می کنند. آنها را می توان بر روی مجموعه داده های برداری نقطه، خط یا چند ضلعی و همچنین بر روی مجموعه داده های شطرنجی انجام داد. در مورد مجموعه داده های برداری، تحلیل همسایگی اغلب برای انجام جستجوهای اساسی استفاده می شود. به عنوان مثال، با توجه به یک مجموعه داده نقطه ای حاوی مکان فروشگاه های رفاه، یک GIS می تواند برای تعیین تعداد فروشگاه ها در فاصله 5 مایلی یک ویژگی خطی (یعنی بین ایالتی 10 در کالیفرنیا) استفاده شود.

هنگامی که با مجموعه داده های شطرنجی استفاده می شود، تحلیل های همسایگی اغلب پیچیده تر هستند. تحلیل‌های شطرنجی از پنجره‌های متحرک، که فیلترها یا هسته‌ها نیز نامیده می‌شوند، برای محاسبه مقادیر جدید سلول برای هر مکان در سراسر وسعت لایه شطرنجی استفاده می‌کنند. این پنجره های متحرک بسته به نوع خروجی مورد نظر و پدیده های مورد بررسی می توانند اشکال مختلفی داشته باشند. به عنوان مثال، یک پنجره متحرک مستطیلی 3 در 3 معمولاً برای محاسبه میانگین، انحراف استاندارد، مجموع، حداقل، حداکثر یا محدوده مقادیری که بلافاصله در اطراف یک سلول “هدف” مشخص شده استفاده می شود ( شکل 8.6 “انواع همسایگی رایج در اطراف سلول هدف “x”: (الف) 3 در 3، (ب) دایره، (ج) حلقه، (د) گوه” ). سلول هدفسلولی است که در مرکز پنجره متحرک 3 در 3 یافت می شود. پنجره متحرک از روی هر سلول در شطرنجی عبور می کند. همانطور که از هر سلول هدف مرکزی عبور می کند، 9 مقدار در پنجره 3 در 3 برای محاسبه یک مقدار جدید برای آن سلول هدف استفاده می شود. این مقدار جدید در مکان مشابه در شطرنجی خروجی قرار می گیرد. اگر کسی بخواهد حوزه نفوذ بزرگتری را در اطراف سلول های هدف بررسی کند، می توان پنجره متحرک را به 5 در 5، 7 در 7 و غیره افزایش داد. علاوه بر این، پنجره متحرک نباید یک مستطیل ساده باشد. سایر اشکال مورد استفاده برای محاسبه آمار همسایگی عبارتند از حلقه، گوه و دایره ( شکل 8.6 “انواع همسایگی رایج در اطراف سلول هدف “x”: (الف) 3 در 3، (ب) دایره، (ج) حلقه، (د) گوه ” ).

عملیات همسایگی معمولاً برای ساده سازی داده ها در مجموعه داده های شطرنجی استفاده می شود. تجزیه و تحلیلی که مقادیر همسایگی را میانگین می‌کند منجر به یک شطرنجی خروجی هموار با بالا و پایین‌های خنثی‌شده می‌شود، زیرا تأثیر مقادیر داده‌های بیرونی توسط فرآیند میانگین‌گیری کاهش می‌یابد. روش دیگر، تجزیه و تحلیل همسایگی می تواند برای اغراق کردن تفاوت ها در یک مجموعه داده استفاده شود. بهبود لبه نوعی تحلیل همسایگی است که محدوده مقادیر در پنجره متحرک را بررسی می کند. یک مقدار دامنه بزرگ نشان می دهد که یک لبه در وسعت پنجره رخ می دهد، در حالی که یک محدوده کوچک نشان دهنده فقدان لبه است.

عملیات منطقه ای

یک عملیات منطقه‌ای بر روی گروه‌هایی از سلول‌های دارای ارزش مشابه یا ویژگی‌های مشابه، که جای تعجب نیست که منطقه نامیده می‌شود (به عنوان مثال، قطعه زمین، واحدهای سیاسی/شهری، بدنه‌های آبی، انواع خاک/پوشش گیاهی) استفاده می‌شود. این مناطق را می توان به عنوان نسخه های شطرنجی چندضلعی ها در نظر گرفت. رسترهای منطقه ای اغلب با طبقه بندی مجدد رستر ورودی به چند دسته ایجاد می شوند (به بخش 8.2.2 “عملیات همسایگی” مراجعه کنید.). عملیات منطقه ای ممکن است برای یک شطرنجی منفرد یا دو شطرنجی همپوشانی اعمال شود. با توجه به یک شطرنج ورودی واحد، عملیات ناحیه ای هندسه هر ناحیه را در شطرنجی اندازه گیری می کند، مانند مساحت، محیط، ضخامت و مرکز. با توجه به دو شطرنجی در یک عملیات ناحیه ای، یک شطرنجی ورودی و یک شطرنجی ناحیه ای، یک عملیات منطقه ای یک شطرنجی خروجی تولید می کند که مقادیر سلولی در شطرنجی ورودی را برای هر ناحیه در شطرنج منطقه ای خلاصه می کند ( شکل 8.7 “عملیات منطقه ای روی یک مجموعه داده شطرنجی” ” ).

عملیات و تحلیل‌های منطقه‌ای در زمینه‌های مطالعاتی مانند بوم‌شناسی منظر که در آن هندسه و آرایش فضایی لکه‌های زیستگاه می‌تواند به طور قابل‌توجهی بر نوع و تعداد گونه‌هایی که می‌توانند در آنها ساکن شوند، ارزشمند هستند. به طور مشابه، تجزیه و تحلیل منطقه‌ای می‌تواند به طور موثر راهروهای زیستگاه باریک را که برای جابجایی منطقه‌ای گونه‌های جانوری بدون پرواز و مهاجر که در مناطق شهری متراکم حرکت می‌کنند، تعیین کند.

عملیات جهانی

عملیات سراسری شبیه عملیات ناحیه ای است که در آن کل مجموعه داده شطرنجی یک منطقه را نشان می دهد. عملیات عمومی معمولی شامل تعیین مقادیر آماری پایه برای رستر به عنوان یک کل است. به عنوان مثال، حداقل، حداکثر، میانگین، محدوده، و غیره را می توان به سرعت در کل وسعت شطرنج ورودی محاسبه کرد و متعاقباً به یک شطرنجی خروجی داده شد که در آن هر سلول حاوی آن مقدار محاسبه شده است ( شکل 8.8 “عملیات جهانی در یک مجموعه داده رستر” ).