Interface Model Comparison (Comparaison des modèles)

Disponible avec une licence Spatial Analyst.

L’interface Model Comparison (Comparaison des modèles) est un environnement interactif qui vous permet de comparer plusieurs modèles Modélisateur d’adéquation entre eux. La comparaison de modèles d’adéquation permet de comprendre dans quelle mesure l’application de paramètres différents affecte spatialement les résultats.

En général, les transformations et les pondérations sont attribuées sur avis de l’expert. Par conséquent, lors de la comparaison des modèles, aucune statistique n’indique quel est le meilleur modèle. L’interface Model Comparison (Comparaison des modèles) utilise une série de statistiques pour identifier les emplacements des similarités et des différences de plusieurs modèles.

Après une comparaison des modèles, vous pouvez choisir d’implémenter l’un des modèles, ou vous pouvez modifier les modèles pour obtenir les résultats souhaités.

Pourquoi comparer des modèles ?

Idéalement, les modèles que vous comparez doivent avoir le même sujet et se trouver dans la même zone d’étude, bien qu’il soit possible de comparer n’importe quels modèles. L’une des applications les plus puissantes de l’interface Model Comparison (Comparaison des modèles) vise à explorer différents scénarios entre les modèles et à appliquer des hypothèses.

Vous pouvez utiliser l’interface Model Comparison (Comparaison des modèles) pour voir dans quelle mesure la modification des paramètres dans les modèles influe sur l’interaction du sujet avec son environnement et les relations spatiales dans la sortie. Vous pouvez voir quel effet les modifications peuvent avoir. Les valeurs d’adéquation augmentent-elles ou diminuent-elles ? Les modifications sont-elles mineures ou substantielles ? Les modifications sont-elles agrégées ? Les zones identifiées comme très adaptées demeurent-elles les mêmes ? Ou sont-elles transférées vers de nouveaux emplacements de la zone d’étude ? L’identification de ces modèles spatiaux permet de comprendre si la modification de paramètres dans les modèles génère d’importantes différences dans les résultats.

En modifiant certains paramètres de modèle et en entrée dans et entre les modèles, vous pouvez explorer les scénarios suivants :

• Examiner les impacts de la modification des objectifs des divers sous-modèles.

  Par exemple, dans un modèle d’adéquation permettant de localiser une centrale solaire, les décideurs peuvent voir les implications si l’accent est mis sur le sous-modèle environnemental plutôt que sur le coût du sous-modèle de construction.

• Comprendre les effets induits par la modification des pondérations sur les critères dans l’un des modèles.

  Vous devrez peut-être déterminer si la réponse du sujet au critère a été capturée correctement. Par exemple, les experts souhaitent évaluer à nouveau l’importance de l’utilisation du sol pour les populations de lynx. En modifiant les pondérations sur l’utilisation du sol, vous pouvez déterminer la pertinence de ce débat.

  Vous pouvez également voir si le sujet modifie ses réponses au critère en fonction des circonstances. Vous pouvez déterminer ce qui se passera si l’inclinaison de la pente est plus forte pour la sécurité des populations de lynx en cas d’augmentation de la population humaine dans la zone.

• Déterminer si vous avez capturé la façon dont le sujet répond aux valeurs de critère en modifiant les transformations.

  Par exemple, vous savez que la distance par rapport aux lignes électriques est importante pour choisir l’emplacement du siège social d’une société. Vous avez appliqué la fonction MSSmall. Vous voulez déterminer si la transformation capture correctement les coûts associés à l’alimentation électrique du site proposé et si les résultats prennent en compte le choix de la transformation.

• Examiner si vous disposez des critères adéquats pour capturer ceux auxquels le sujet répond.

  La sortie provenant de l’aspect ou des outils de rayonnement solaire capture-t-elle les besoins d’un vignoble en gain solaire ? Ou cela a-t-il de l’importance ?

L’interface Model Comparison (Comparaison des modèles) permet de voir l’effet de la sélection d’un modèle par rapport à un autre, les zones impactées et l’importance de cette influence.

Ainsi, les parties prenantes peuvent examiner les conséquences des décisions prises dans divers modèles et analyser leur effet sur les solutions proposées. ​ L’interface aide les décideurs à choisir entre des modèles ou à essayer d’autres scénarios.

Interface Model Comparison (Comparaison des modèles)

L’essentiel de l’analyse de la comparaison des modèles implique l’application d’un ensemble de statistiques prédéterminées et l’examen des résultats. Les statistiques permettent d’analyser la répartition spatiale des similitudes et des différences entre les modèles, la modification des valeurs d’adéquation en fonction des modèles et les similitudes pour les emplacements des sites finaux.

L’interface Model Comparison (Comparaison des modèles) se compose de trois fenêtres qui interagissent :

• La fenêtre Comparison (Comparaison) permet de nommer le modèle, d’identifier le modèle à comparer, de définir si les modèles doivent être normalisés ou non, et de sélectionner les statistiques prédéfinies que vous souhaitez exécuter.
• La fenêtre Explore Statistics (Explorer les statistiques) est activée une fois que les statistiques prédéfinies ont été exécutées dans la fenêtre Comparison (Comparaison). Dans la fenêtre, sélectionnez les statistiques prédéfinies à afficher et explorer.
• La fenêtre Comparison Statistics (Statistiques de comparaison) s’affiche lorsqu’une statistique est sélectionnée dans la fenêtre Explore Statistics (Explorer les statistiques). La fenêtre affiche les paramètres de la statistique, les graphiques des résultats statistiques et un texte explicatif. La carte générée à partir de la statistique s’affiche dans la carte. Vous pouvez modifier les paramètres pour explorer la statistique plus en détails.

Groupes statistiques prédéfinis

Il existe 13 statistiques prédéfinies qui vous aident à comparer les modèles en entrée. Les statistiques sont regroupées en cinq domaines fonctionnels pour répondre aux différents aspects de la comparaison des modèles.

• Le groupe Explore Input Parameters (Explorer les paramètres en entrée) contient une statistique qui fournit une vue d’ensemble des paramètres de modèle et de la sortie. En outre, vous pouvez voir les graphiques des critères transformés affichés côte à côte.
• Le groupe Compare Similarities and Differences (Comparer les similitudes et les différences) contient une série de statistiques qui permet de voir où les valeurs d’adéquation entre les modèles sont similaires et où elles diffèrent.
• Le groupe Analyze Suitability Values (Analyser les valeurs d’adéquation) contient diverses statistiques qui permettent d’analyser la répartition spatiale des valeurs d’adéquation élevée entre les modèles. Les valeurs d’adéquation élevée sont les plus critiques pour la sortie du modèle.
• Le groupe Investigate Change Between Models (Examiner les modifications entre les modèles) inclut un certain nombre de statistiques pour identifier l’évolution des catégories d’adéquation entre les modèles.
• Le groupe Examine Where Regions Overlap (Examiner la superposition des régions) se compose de deux statistiques qui permettent d’analyser quels emplacements finaux du modèle sont similaires et lesquels diffèrent.

Comparer les modèles

Pour comparer des modèles, procédez comme suit :

1. Ouvrez l’interface Comparison (Comparaison) de l’une des manières suivantes :
   • Dans la barre d’outils Pro Analysis (Analyse Pro), dans le menu déroulant Suitability Modeler (Modélisateur d’adéquation), cliquez sur Comparison model (Modèle de comparaison).

     

   • Dans Catalog (Catalogue), cliquez avec le bouton droit sur un conteneur de modèle de comparaison (identifié par l’extension .sac) dans un conteneur Spatial Analyst et cliquez sur Comparison Model (Modèle de comparaison).
2. Dans la fenêtre Comparison (Comparaison), nommez le modèle de comparaison.
3. Dans le paramètre Comparison models (Modèles de comparaison), sélectionnez les modèles à comparer.
   1. Cochez les modèles qui seront actifs dans la comparaison.

      Au moins deux modèles doivent être actifs.

      

4. Déterminez si les modèles doivent être normalisés (mettez en place une échelle commune de 1 à 100 si leurs valeurs d’adéquation varient) afin de pouvoir les comparer. Si tel est le cas, cochez la case en regard du paramètre Normalize the models (Normaliser les modèles).

   Le paramètre est coché par défaut.

5. Dans la liste Comparison statistics (Statistiques de comparaison) de la fenêtre Comparison (Comparaison), sélectionnez les statistiques prédéfinies à exécuter.

   

   Les statistiques Difference in Suitability Values (Différences au niveau des valeurs d’adéquation) et Similar Between Models (Similarités entre les modèles) ont été sélectionnées pour l’exécution.

6. Cliquez sur le bouton Run (Exécuter) pour générer les statistiques.

   Les fenêtres Explore Statistics (Explorer les statistiques) et Comparison Statistics (Statistiques de comparaison) apparaissent avec la première statistique de la liste affichée.

   

7. Dans la fenêtre Explore Statistics (Explorer les statistiques), sélectionnez la statistique à afficher et explorer.

   Les paramètres de contrôle, graphiques, statistiques et un texte explicatif de la statistique s’affichent dans la fenêtre Comparison Statistics (Statistiques de comparaison).

   La carte générée à partir de la statistique s’affiche dans la vue Map (Carte).

   

8. Dans la fenêtre Comparison Statistics (Statistiques de comparaison), vous pouvez modifier les paramètres de la statistique comme vous le souhaitez.

   Le texte explicatif fournit à la fois une explication de la statistique et une formule que vous pouvez utiliser pour ajuster les paramètres.

9. Cliquez sur une autre statistique dans la liste Select the statistical task to explore (Sélectionner la tâche statistique à explorer) de la fenêtre Explore Statistics (Explorer les statistiques).

Normalisation

Les cartes d’adéquation dans les modèles comparés peuvent comporter des plages de valeurs variables. Cela se produit généralement pour les raisons suivantes :

1. Des pondérations différentes sont appliquées.
2. Il existe un nombre différent de critères.

Si vous comparez les similitudes et les différences des valeurs d’adéquation absolues entre les différentes plages, les statistiques générées sont asymétriques. Ainsi, une zone peut comporter des valeurs d’adéquation élevée dans les deux modèles, mais leurs valeurs absolues peuvent varier énormément. Par conséquent, votre comparaison n’est pas valide.

Pour comparer les valeurs d’adéquation relatives entre les modèles avec différentes plages, cliquez sur la case à cocher en regard du paramètree Normalize the models (Normaliser les modèles) dans la fenêtre principale Comparison (Comparaison). Cette option est activée par défaut.

Les valeurs d’adéquation dans chaque carte d’adéquation sont transformées linéairement en échelle de 1 à 100. Vous pouvez alors comparer les cartes d’adéquation des modèles les unes par rapport aux autres.

Pour toutes les statistiques dans lesquelles vous spécifiez une valeur d’adéquation comme seuil, si les modèles ont été normalisés, vous devez spécifier les seuils sous forme de valeurs normalisées situées sur une échelle de 1 à 100.

Si vous indiquez 50 comme seuil d’adéquation élevée pour une carte d’adéquation normalisée, cela correspondra à une valeur d’adéquation de 22 si la plage de cartes d’adéquation d’origine était comprise entre 4 et 40, et de 16,5 si la plage était comprise entre 3 et 30. Il s’agit des points médians dans les deux cartes d’adéquation.

Pour vous aider à spécifier les seuils d’adéquation dans les statistiques, les cartes d’adéquation normalisées provenant des modèles sont automatiquement ajoutées au groupe de couches Model Comparison (Comparaison des modèles).

La normalisation n’a aucun effet sur les régions finales provenant de Locate (Localiser). Même si les régions sont dérivées des cartes d’adéquation, leurs emplacements ne sont pas modifiés si les valeurs d’adéquation sont normalisées.

La normalisation n’est pas nécessaire lorsque les modèles utilisent le même ensemble de critères et les mêmes pondérations, mais diffèrent uniquement dans les fonctions de transformation appliquées à un ou plusieurs critères. Dans ce cas, les cartes d’adéquation se trouvent encore sur des échelles comparables et la normalisation n’est pas requise pour interpréter les différences.

Gérer le modèle de comparaison

Cliquez sur le bouton Save (Enregistrer) sur le ruban Comparison (Comparaison) pour enregistrer le modèle de comparaison.

Les rasters en sortie des statistiques sont enregistrés avec des noms uniques (ModelName_StatisticName) dans la géodatabase du projet, afin de ne pas avoir à être recalculés lors de la réouverture du modèle.