Reklassifizieren

Mit der Spatial Analyst-Lizenz verfügbar.

Mit der 3D Analyst-Lizenz verfügbar.

Mit den Reklassifizierungswerkzeugen werden Zellenwerte mithilfe einer Reihe von Methoden reklassifiziert oder in alternative Werte geändert. Sie können die Werte nacheinander oder mithilfe alternativer Felder gleichzeitig in Gruppen reklassifizieren, basierend auf einem Kriterium wie angegebenen Intervallen (z. B. Gruppieren der Werte in 10 Intervalle) oder nach einer Fläche (z. B. Gruppieren der Werte in 10 Gruppen mit derselben Zellenzahl). Die Werkzeuge sind so konzipiert, dass für ein Eingabe-Raster viele Werte problemlos in gewünschte, angegebene oder alternative Werte geändert werden können.

Alle Reklassifizierungsmethoden werden auf alle einzelnen Zellen in einer Zone angewendet. Das bedeutet, wenn ein alternativer Wert auf einen vorhandenen Wert angewendet wird, wenden alle Reklassifizierungsmethoden den alternativen Wert auf jede Zelle der ursprünglichen Zone an. Bei keiner Methode werden bei der Reklassifizierung alternative Werte auf nur einen Teil einer Eingabezone angewendet.

Im Folgenden werden einige der vielen Gründe, die für eine Reklassifizierung sprechen, erläutert.

Ersetzen von Werten aufgrund von neuen Informationen

Eine Reklassifizierung ist nützlich, wenn Sie die Werte im Eingabe-Raster durch neue Werte ersetzen möchten. Dies kann etwa der Fall sein, wenn der Wert einer Zelle in einen anderen Wert geändert werden muss, weil beispielsweise die Landnutzung in einem Bereich sich im Laufe der Zeit geändert hat.

Gruppieren von Werten

Möglicherweise möchten Sie die Informationen in einem Raster vereinfachen. Beispielsweise kann es empfehlenswert sein, verschiedene Waldtypen in eine Waldklasse zu gruppieren.

Reklassifizieren oder erneutes Skalieren der Werte verschiedener Raster in einen gemeinsamen Maßstab

Ein anderer Grund für die Reklassifizierung kann darin bestehen, nach Präferenz, Sensibilität, Priorität oder ähnlichen Kriterien geordnete Werte einem Raster zuzuweisen. Dies kann für ein einzelnes Raster geschehen (einem Raster zur Bodenart können Werte von 1 bis 10 für das Erosionspotenzial zugewiesen werden) oder für mehrere Raster, um einen gemeinsamen Wertemaßstab zu erstellen.

Beispielsweise kann sich eine Bodenart gut für Baumaßnahmen eignen, wenn Bodentypen als Eingabe für ein Baueignungsmodell ausgewertet werden. Bezüglich der Erosion, als Lebensraum für Tiere, für einen Teich oder zur Nutzung als Ackerland kann dieselbe Bodenart abhängig von der jeweiligen Situation jedoch eine andere Eignungsgewichtung aufweisen. Um ein Raster relativ zu diesen vielen verschiedenen Eignungsgewichtungen darzustellen, müssen die Werte auf dem Raster von Nominalwerten – d. h. Werten, die eine Klasse darstellen – in Intervall- oder Verhältniswerte geändert werden, sodass die Werte zueinander in Beziehung gesetzt werden können. Es ist nicht sinnvoll, die Bodenart und Landnutzung hinzuzufügen, um ein Baueignungs-Raster zu erhalten. Wenn sich die Bodenart und Landnutzung jedoch in einem Maßsystem befinden, das eine relative Gewichtung für die Baueignung darstellt, kann die Analyse zwischen den Rastern frei durchgeführt werden.

Bei der Ermittlung von Hängen mit dem größten Risiko von Lawinen können die Neigung, Bodenart und Vegetation als Eingabe-Raster dienen. Jedes dieser Raster kann abhängig vom Risiko der einzelnen Attribute in jedem Raster für Lawinen auf einen Maßstab von 1 bis 10 reklassifiziert werden. Steilen Hängen im Neigungs-Raster etwa kann der Wert 10 zugewiesen werden, da das Risiko von Lawinen dort am größten ist.

Jedes der obengenannten Beispiele wird als Eignungsmodell betrachtet. Bei der Erstellung einer Eignungskarte gibt es normalerweise vier Schritte:

  1. Eingeben von Datasets

    Legen Sie fest, welche Datasets als Eingaben erforderlich sind.

  2. Ableiten von Datasets

    Erstellen Sie ggf. die Datasets, die Sie aus Ihren Basis-Eingabe-Datasets ableiten können. Beispielsweise können die Neigung und Ausrichtung aus dem Höhen-Raster abgeleitet werden. Erstellen Sie Daten aus vorhandenen Daten, um neue Informationen zu erhalten.

  3. Reklassifizieren oder erneutes Skalieren von Datasets

    Reklassifizieren Sie alle Datasets auf einen einheitlichen Maßstab (z. B. 1 zu 10) und weisen Sie besser geeigneten Attributen höhere Werte zu.

  4. Gewichten und Kombinieren von Datasets

    Gewichten Sie gegebenenfalls die Datasets, die mehr Einfluss im Eignungsmodell haben sollen, und kombinieren Sie sie danach, um die geeigneten Positionen zu ermitteln.

Die folgende Abbildung zeigt ein Flussdiagramm eines Beispiels für das Ermitteln der besten Standorte für eine Schule. Die Eingabe-Basis-Layer sind die Landnutzung, Höhe, Freizeiteinrichtungen und vorhandenen Schulen. Die abgeleiteten Datasets sind die Neigung, Entfernung zu Freizeiteinrichtungen und Entfernung zu vorhandenen Schulen. Jedes Raster wird dann auf einer Skala von 1 bis 10 reklassifiziert. Die reklassifizierten Raster werden zusammengeführt, wobei die Entfernung von Freizeiteinrichtungen und anderen Schulen eine höhere Gewichtung erhält.

Beispiel für die Verwendung der Reklassifizierung im Workflow "Gewichtete Überlagerung"
Beispiel für die Verwendung der Reklassifizierung im Workflow "Gewichtete Überlagerung"

Festlegen von "NoData" für bestimmte Werte oder Festlegen eines Wertes für NoData-Zellen

Gelegentlich kann es empfehlenswert sein, bestimmte Werte aus der Analyse zu entfernen. Der Grund hierfür kann beispielsweise sein, dass bestimmte Landnutzungstypen Einschränkungen unterliegen, etwa weil es sich um ein Sumpfgebiet handelt und deshalb dort nicht gebaut werden kann. In diesem Fall sollten Sie diese Werte zu "NoData" ändern, um sie aus der weiteren Analyse auszuschließen.

In anderen Fällen kann es empfehlenswert sein, einen NoData-Wert in einen Wert zu ändern, z. B. wenn neue Informationen vorliegen und ein NoData-Wert sich in einen bekannten Wert geändert hat.

Verwandte Themen