Bereich "Statistiken erkunden" in Suitability Modeler

Mit der Spatial Analyst-Lizenz verfügbar.

Im Bereich Vergleich haben Sie die vordefinierten Statistiken ausgewählt, die Sie ausführen möchten. Verwenden Sie den Bereich Statistiken erkunden, um die Ergebnisse dieser vordefinierten Statistiken anzeigen.

Um die Ergebnisse zu sehen, klicken Sie im Bereich Statistiken erkunden auf die gewünschte Statistik. Die Parameter für die Statistik, ein unterstützender Plot und ein erläuternder Text werden im Bereich Vergleichsstatistiken angezeigt, während eine verknüpfte Ausgabekarte in der Karte angezeigt wird.

Der Bereich "Statistiken erkunden" (rechts) und der Bereich "Vergleichsstatistiken" (mittig unten) werden angezeigt.

Die Parameter für die ausgewählte Statistik können im Bereich Vergleichsstatistiken geändert werden. Die Ausgabe der Statistik wird aktualisiert.

Vordefinierte Statistiken für Vergleiche

Um Ihnen die Analyse der Ausgaben zu erleichtern, wird in den folgenden Abschnitten erläutert, worauf Sie bei jeder Statistik in jeder der fünf Funktionsgruppen für Statistiken achten sollten.

Eingabeparameter erkunden

Es gibt eine Statistik in der Funktionsgruppe Eingabeparameter erkunden, die zum Vergleich der Eingabemodelle verwendet werden kann.

Parameter in Modellen

Unter Parameter in Modellen finden Sie eine Beschreibung der Statistik und Hinweise zum Verwendungszweck.

Worauf zu achten ist:

• Untersuchen Sie die räumliche Verteilung der endgültigen Eignungs- und Suchkarten, um ein allgemeines Verständnis der Ausgabe zu gewinnen.
• Prüfen Sie, ob die Modelle dieselben Eingabekriterien und Gewichtungen haben.
• Überprüfen Sie die Transformationen für jedes Kriterium anhand der nebeneinander liegenden Plots
• Vergleichen Sie die Parameter für die resultierenden Regionen zwischen den Modellen, um festzustellen, ob sie sich unterscheiden.

Ähnlichkeiten und Unterschiede vergleichen

Es gibt vier Statistiken in der Funktionsgruppe Ähnlichkeiten und Unterschiede vergleichen, die zum Vergleich der Eingabemodelle verwendet werden können.

Differenz von Eignungswerten

Unter Differenz von Eignungswerten finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Beachten Sie bei der Option Prozentuale Veränderung Folgendes:

• Bestimmen Sie den Bereich der Ausgabewerte. Je breiter der Bereich, desto größer sind die Unterschiede zwischen den Modellen. Untersuchen Sie den resultierenden Plot, um festzustellen, ob es nur wenige Positionen mit großen Unterschieden gibt.
• Achten Sie in der Karte darauf, wo die Werte beiderseits von 0 am nächsten liegen, denn an diesen Positionen stimmen die Modelle überein.
• Achten Sie darauf, wo die höheren positiven Werte liegen, denn sie zeigen an, wo Modell 1 im Vergleich zu Modell 2 höhere Eignungswerte aufweist.
• Achten Sie darauf, wo die niedrigeren negativen Werte liegen, denn sie zeigen an, wo Modell 2 im Vergleich zu Modell 1 höhere Eignungswerte aufweist.
• Achten Sie darauf, wo die höheren positiven und niedrigeren negativen Werte liegen, da sie anzeigen, wo die Modelle am stärksten voneinander abweichen.
• Achten Sie auf Muster, bei denen sich die Modelle unterscheiden. Diese Muster könnten auf eine Verzerrung bei einem der Eingabekriterien oder einer Kombination hindeuten oder darauf, dass in einem Modell ein Kriterium fehlt, das in dem anderen Modell vorhanden ist.

Beachten Sie bei der Option Prozentuale Differenz Folgendes:

• Untersuchen Sie, wo die niedrigen Werte liegen, denn dort stimmen die Modelle überein.
• Analysieren Sie, ob die niedrigeren Zahlen (bei denen die Modelle übereinstimmen) und die höheren Zahlen (bei denen die Modelle voneinander abweichen) eine Cluster-Bildung aufweisen oder ob sie sich über das Untersuchungsgebiet verteilen.
• Wenn Sie bei den höheren Werten ein Muster erkennen, können Sie dieses Muster einem bestimmten Kriterium zuordnen?

Ähnlich zwischen Modellen

Unter Ähnlich zwischen Modellen finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Achten Sie darauf, wie viele Positionen den Ähnlichkeitsschwellenwert erfüllen, der angibt, wo die Modelle ähnlich sind.
• Ermitteln Sie, ob die Zellen in der zu untersuchenden Site gruppiert oder fragmentiert sind.
• Wenn die endgültigen Regionen erstellt wurden, zeigen Sie sie über der Karte an, die aus der Statistik resultiert. Untersuchen Sie, ob die Regionen mit denen der Ausgabe-Positionen der Statistik übereinstimmen. Ist dies der Fall, stimmen die Modelle in wichtigen Punkten überein.

Ähnlichkeit versus Unterschiede

Unter Ähnlichkeit versus Unterschiede finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Beobachten Sie, ob die Positionen, die zwischen den Modellen ähnlich sind, eine Cluster-Bildung aufweisen. Gibt es Positionen, die eine unterschiedliche Cluster-Bildung aufweisen?
• Sehen Sie sich an, ob die Positionen, die ähnlich sind, in der Nähe der Positionen liegen, die unterschiedlich sind.
• Überprüfen Sie, ob es Muster gibt, bei denen die Modelle Ähnlichkeiten und Unterschiede aufweisen, die mit Mustern in den transformierten Kriterien verknüpft werden können.

Cluster der Differenzen (Hot-Spot-Analyse)

Unter Cluster der Differenzen (Hot-Spot-Analyse) finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Achten Sie daruf, ob die Hot-Spots (bei denen sich die Modelle unterscheiden) und Cold-Spots (bei denen die Modelle ähnlich sind) im Untersuchungsgebiet eine Cluster-Bildung aufweisen oder fragmentiert sind.
• Prüfen Sie, ob die Hot-Spots und Cold-Spots nahe beieinander liegen oder ob sie weit voneinander entfernt sind.
• Wenn Sie die Statistik "Ähnlichkeit versus Differenz" ausgeführt haben, vergleichen Sie die beiden Ausgaben. Ermitteln Sie, ob die Einbeziehung anderer Zellen in der Umgebung der jeweiligen Position in die Berechnungen (wie bei der Hot-Spot-Statistik) Muster verändert.

Eignungswerte analysieren

Es gibt vier Statistiken in der Funktionsgruppe Eignungswerte analysieren, die zum Vergleich der Eingabemodelle verwendet werden können.

Modelle mit ähnlich hoher Eignung

Unter Modelle mit ähnlich hoher Eignung finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Zeigen Sie die endgültigen Regionen aus jedem der Modelle auf der Karte an, die aus der Statistik resultiert. Wenn die Regionen innerhalb der Ausgabe dieser Statistik liegen, stimmen die wichtigen Aspekte der Modelle überein.
• Untersuchen Sie, ob die Ausgabewerte eine Cluster-Bildung aufweisen oder ob sie fragmentiert sind. Wenn die Ausgabewerte fragmentiert sind und die endgültigen Regionen erstellt wurden, führen Sie die Statistik "Regions-Überlappung" durch, um zu prüfen, ob die Regionen übereinstimmen.

Prozentuale Veränderung in hoher Eignung

Unter Prozentuale Veränderung in hoher Eignung finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Untersuchen Sie, ob die positiven und negativen Werte getrennt voneinander geclustert sind.
• Wenn Sie eine Änderung der Gewichtung, der Transformation oder der Kriterien erkunden, können Sie die Auswirkungen der Änderung von einem Modell zu einem anderen aufzeigen?
• Achten Sie auf positive Werte, denn sie zeigen an, dass Modell 1 die höheren Eignungswerte hat, und negative Werte zeigen an, dass die Änderung zu günstigeren Ergebnissen führt.

Ähnliche und unterschiedliche Modelle mit hoher Eignung

Unter Ähnliche und unterschiedliche Modelle mit hoher Eignung finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Beobachten Sie die Positionen, die sich zwischen den Modellen mit hoher Eignung unterscheiden. Möglicherweise müssen Sie die Ausgabe der Statistik "Modelle mit ähnlicher hoher Eignung" in Verbindung mit der Ausgabe dieser Statistik verwenden, um diese Positionen zu ermitteln. Diese Positionen zeigen die Bereiche auf, in denen die Modelle nicht übereinstimmen, und heben die größten Unterschiede zwischen ihnen hervor.
• Stellen Sie sicher, dass die endgültigen Regionen zu den Positionen gehören, an denen die Modelle ähnlich sind und eine hohe Eignung aufweisen.
• Ermitteln Sie die räumliche Beziehung zwischen den übereinstimmenden und nicht übereinstimmenden Modellen in Bezug auf die hohe Eignung. Wenn die Positionen nahe beieinander liegen, können Sie erklären, warum?
• Wenn die unterschiedlichen Positionen über das Untersuchungsgebiet verteilt sind, könnte ein kategorisiertes Kriterium, wie z. B. die Landnutzung, die Ergebnisse beeinflussen.

Ähnliche Modelle mit geringer Eignung

Unter Ähnliche Modelle mit geringer Eignung finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Stellen Sie sicher, dass viele Positionen ähnlich hinsichtlich geringer Eignung sind. Das deutet darauf hin, dass die Modelle in den Bereichen, die nicht günstig sind, übereinstimmen.
• Erhöhen Sie den Wert für den Parameter Niedriger Eignungsschwellenwert und beobachten Sie, wo die zusätzlichen Positionen hinzugefügt werden. Erstrecken sich die neuen Positionen über die vorhandenen Positionen hinaus?

Änderung zwischen Modellen untersuchen

Es gibt zwei Statistiken in der Funktionsgruppe Änderung zwischen Modellen untersuchen, die zum Vergleich der Eingabemodelle verwendet werden können.

Räumliche Zuordnung zwischen Eignungswerten

Unter Räumliche Zuordnung zwischen Eignungswerten finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Beachten Sie, dass die Modelle in den Kategorien "Hoch-Hoch" und "Niedrig-Niedrig" übereinstimmen.
• Beachten Sie, dass "Niedrig-Hoch" oder "Hoch-Niedrig" die Positionen sind, an denen die Modelle nicht übereinstimmen. "Niedrig-Hoch" bedeutet, dass Modell 1 im Vergleich zu Modell 2 die geringeren Eignungswerte aufweist. "Hoch-Niedrig" bedeutet, dass die in Modell 2 vorgenommenen Änderungen die Eignung verringert haben.
• Untersuchen Sie die räumlichen Muster in den Kategorien. Gibt es eine Cluster-Bildung in den Kategorien? Wie stehen die Kategorien in einer räumlichen Beziehung zueinander?
• Beim Testen von Szenarien wird direkt untersucht, welche Auswirkungen eine Änderung der Gewichtungen, Transformationen oder Eingabekriterien in Modell 1 auf Modell 2 hat.
• Verwenden Sie diese Statistik in Verbindung mit der Statistik Änderung der Eignungswerte (Änderungserkennung).

Änderung der Eignungswerte (Änderungserkennung)

Unter Änderung der Eignungswerte (Änderungserkennung) finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Beobachten Sie beim Testen von Szenarien, wie sich Änderungen der Gewichtungen, Transformationen oder Eingabekriterien in Modell 1 direkt auf Modell 2 auswirken.
• Analysieren Sie die Muster in den Änderungen, die Sie in Modell 1 vorgenommen haben. Versuchen Sie nachzuvollziehen, wie die Änderungen in Modell 1 in Modell 2 umgesetzt werden.

Regions-Überlappungen prüfen

Es gibt zwei Statistiken in der Funktionsgruppe Regions-Überlappungen prüfen, die zum Vergleich der Eingabemodelle verwendet werden können.

Regions-Überlappung

Unter Regions-Überlappung finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Viele Überlappungen in den Regionen zeigen, dass die Modelle trotz unterschiedlicher Kriterien, Gewichtungen und Transformationen in ähnlichen Regionen resultieren.
• Wenn es mehrere Regionen gibt, prüfen Sie, ob es Muster zwischen den Regionen gibt. Untersuchen Sie, ob einige der Regionen stark überlappen und andere nicht. Können Sie eines dieser Muster mit ursprünglichen Kriterien und Transformationen in Beziehung setzen?
• Wenn es keine Überlappungen in den Regionen gibt, sind die Modelle unabhängig voneinander.

Regions-Überlappung in Eignungsebenen

Unter Regions-Überlappung in Eignungsebenen finden Sie eine Beschreibung der Statistik, wann sie zu verwenden ist, sowie die Formel, die ihr zugrundeliegt.

Worauf zu achten ist:

• Untersuchen Sie, wo die Regionen nicht überlappen. Befinden sie sich in Gebieten mit hoher Eignung? Wenn dies der Fall ist, sind die resultierenden Regionen, auch wenn sie nicht genau übereinstimmen, immer noch günstig, da sie eine hohe Eignung aufweisen.
• Ermitteln Sie die Positionen, die überlappen oder nicht und die eine geringe Eignung aufweisen. Dies sind die Positionen, die in hohem Maße bedenklich sind. An diesen Positionen unterscheiden sich die Modelle signifikant, wodurch sich der Mittelwert ihrer Eignungswerte verringert.
• Lesen Sie oben in der Beschreibung der Statistik "Regions-Überlappung" nach, wie Sie zusätzliche Einblicke erhalten können.