需要 Spatial Analyst 许可。
要创建适宜性地图，首先必须准备数据以定义条件，将其转换到通用比例，并进行加权和组合。 将基于适宜性地图识别最佳站点或保护区位置。 虽然这种加权累加方法过程已经很成熟，但它仍受固有约束的限制。 可以通过评估环境探索这些约束，以解决它们。 当您将其应用于模型中进行决策时，这将增加您对结果的信心。
评估环境由一系列交互的窗格、地图和图表组成。
当在评估选项卡上选择适宜性地图（如下图中的适宜性建模窗格）时，将在评估窗格中显示四个选项卡（位于下方中心的位置）；当选择定位地图时，将显示两个面板。 评估窗格分为两个面板。 概述选项卡的左侧面板，如下图中的探索模型输入和输出，用于控制评估适宜性地图；概述选项卡的右侧面板，如下图中的探索条件影响，用于控制评估条件地图。 使用左侧面板来探索加权变换条件值的组合，以生成适宜性值。 使用右侧面板来探索特定条件对模型的贡献。 您可以通过一系列统计数据来探索适宜性建模过程中的固有约束。
有关使用评估环境的详细信息，请参阅 Suitability Modeler 中的评估选项卡和 Suitability Modeler 中的评估窗格主题。
解决约束
在 Suitability Modeler 的评估环境中，可以使用一系列选项卡和面板来识别和解决适宜性建模中的约束。 以下部分介绍了各个选项卡和面板。 内容涉及这些选项卡和面板的用途，使用时间，可解决的约束以及应用的具体统计数据等详细信息。
了解条件的相互作用方式非常重要，无论您是在探索单个像元、宗地、观测点还是定位生成的区域。 为了实现此操作，每个选项卡和面板中都包含了一系列统计数据。
概述选项卡
使用概述选项卡来评估所有模型。 此选项卡解决了输入、变换和权重可能具有主观性的约束。 通过查看基本和加权变换条件值的空间分布以及最终适宜性和定位地图，确定指定的输入是否捕捉到了主题偏好。
概述约束
仅在概述选项卡右侧或该选项卡上的探索条件影响面板中提供统计数据。 以下列表描述了可以采取的各种操作，以探索概述选项卡解决的约束：
- 在左侧或探索模型输入和输出面板中，可以查看每个基本和加权变换条件的空间分布。
- 确定是否存在任何变换相互抵消（某些位置在某个条件中具有高适宜性，而在另一个条件中具有低适宜性），或者它们都更偏好某些位置。
- 暂时移除条件，并检查在探索条件影响面板中的空间分布的影响。 通过适宜性值、剩余百分比和贡献百分比等统计数据，检查不同透视图的结果。
- 比较移除条件的结果与原始适宜性值的结果。
条件选项卡
使用条件选项卡来探索变换后的条件值如何相互作用，以创建适宜性值。
标准统计数据
通用的适宜性越高越好的假设并不总是成立。 组合后，输入的原始基准和变换后的条件值将丢失。 两个位置可以具有相同的适宜性值，因此在加权累加方法中，它们在偏好上是相等的。 可以选择任一位置，结果满意度相同。 但是，了解产生适宜性值的加权变换条件值的组成对于选择位置可能会产生深远影响。
示例
以太阳能发电厂安装的适宜性模型为例。 有两个可行的潜在位置，其总体适宜性值为 22。 这些值可以通过以下三个条件的加权变换值得到：
| 位置 | 与电线的距离 | 坡度 | 太阳辐射增益 |
|---|---|---|---|
一个 | 10 | 10 | 2 |
两个 | 7 | 7 | 8 |
这两个位置被分配了相同的整体适宜性值，可能看起来它们的偏好程度相等。 但是，生成适宜性值的个别加权变换条件值的组成却存在很大差异。 如果选择位置一，工程可能无法产生预期的电力输出。
但是，如果位置一的组成调整为下表中显示的个别适宜性值时，请考虑其影响：
| 位置 | 与电线的距离 | 坡度 | 太阳辐射增益 |
|---|---|---|---|
一个 | 2 | 10 | 10 |
两个 | 7 | 7 | 8 |
现在，距离电线标准的加权变换值为 2，太阳辐射增益为 10。 因此，位置一可能是更优选的位置。
确定组成
要了解产生前述情景的加权变换条件值的组成，需要回答以下问题：
- 加权变换条件值的范围是多少？
位置一的范围较大，位置二的范围较小。 然而，小范围并非总是更好。 低范围可能意味着条件值较低。
- 最高值和最低值是多少？
位置一的最高值为 10，最低值为 2。
- 哪个条件贡献了最高值和最低的值？
可以通过评估环境中一系列标准统计数据来回答这些问题。
定义标准统计数据
有五个统计指标可用于解析组合的加权变换条件值，生成最终的适宜性值，以应对上述情况。 在条件选项卡上，使用这些标准统计数据探索像元内的组合。 在范围内汇总选项卡上，使用这些数据确定面内（如宗地）加权变换条件值、验证选项卡的观察结果和定位面板中生成的区域的组成。 这五个统计指标是每个选项卡或面板集中的标准统计数据。
使用范围统计指标了解每个位置的数值范围。 请注意，高适宜性条件正在补偿低适宜性条件的情况。 较大的范围表明适宜性值变化很大。 这可能不是所需的情况。
最高值和最低值统计指标显示了范围内的最高和最低值。 在范围较大的区域中的低值可能存在问题。 通常情况下，这意味着至少有一个条件的适宜性较低。
使用最高条件和最低条件统计指标确定生成最高和最低值的条件。 检查每个条件的空间分布。 您可能最为关注模型最关键的条件贡献最低的区域。 这两个统计指标指示了哪些条件在驱动分析以及它们的分布情况。
特定统计数据
存在某些与条件选项卡相关的特定统计数据。 这些统计数据列在右侧或者探索条件值面板中。
贡献百分比统计数据显示了某个条件对最终适宜性值的贡献程度。 与平均值相比统计数据显示了某个条件高于或低于平均值的程度。 如果某个位置的贡献百分比很高，该条件高于平均值，并且适宜度很高，则该条件对于该位置和主题非常重要。
对于指定的条件，根据最高适宜性中最低统计数据，可以看出在具有较高适宜性的位置上，具有较低加权变换值的特定条件的位置。 如果对于分析最重要的条件没有显著贡献于高度适宜的区域，则可能存在问题。 根据最高适宜性中最高统计数据，可以看出在具有较高适宜性的位置上，具有较高加权变换值的特定条件的位置。 这些位置可能是更优选的位置。
根据最低适宜性中最高统计数据，可以看出在具有较低适宜性的位置上，具有最高加权变换值的特定条件的位置。 如果特定条件对于主题非常重要，但是这些位置可能不会被选择。 根据最低适宜性中最低统计数据，可以看出在具有最低适宜性的位置上，具有最低加权变换值的特定条件的位置。 不会考虑这些位置，因为根据条件构成，不应考虑它们。
范围内汇总选项卡
当决策单位不是栅格单元时，请使用范围内汇总选项卡。 例如，如果决策单位基于宗地，您可能希望确定可以获得最佳适宜性值的宗地。
以下部分描述了可使用此选项卡来解决约束的操作。
标准统计数据
根据以上条件选项卡部分中的内容，可以使用几个标准统计数据探索生成适宜性值的加权变换条件值的组成。 与在条件选项卡上探索像元位置的加权变换条件值的组成不同，在范围内汇总选项卡中，标准统计数据用于分析每个决策像元（例如每个宗地）内加权变换值的组成。
可以使用左侧或探索区域内的适宜性面板中的标准统计数据，来分析宗地。 它们包括范围、标准差、最高值、最低值、最有影响力的条件和最没有影响力的条件。
使用标准统计数据
以太阳能农场模型为例，太阳辐射增益可能是感兴趣的条件。 使用范围或标准差统计数据来确定宗地中是否所有区域都能获得良好的太阳辐射增益。 如果高适宜区域的范围较低，则宗地的大部分区域应该能获得良好的太阳辐射增益。
特定统计数据
范围内汇总选项卡具有一些特定的统计数据。
主要约束可能基于面积。 对于每个宗地，您可能希望了解其获得的适宜性值。 为此您可以在左侧或探索区域内的适宜性面板中计算总和统计数据。 然而，较大的宗地通常会贡献更多的适宜性。 使用区域面积选项查看每个宗地的面积。
要相互比较宗地，您可能希望将适宜性总和按面积进行归一化。 使用按面积归一化的总和（平均值）统计数据来计算每个宗地的平均适宜性值。 平均而言，具有较高平均值的宗地包含较高的适宜性值。
除了面积之外，价值可能是一个重要的约束条件。 例如，如果您已有预算，并希望确定哪些宗地的成本最高，则需使用区域价值选项。
要调整宗地价值和总适宜性与面积的关系，需使用每适宜性单位值统计数据。 当确定最佳宗地的约束条件包括多个因素（例如所需的最小面积、最大预算和特定质量），需使用探索区域内的适宜性面板中的面积、价值、平均阈值统计数据。 该统计数据将识别符合三个指定阈值的候选宗地。
如果关注建造太阳能农场的成本，则您可能希望了解正在考虑的宗地中是否有任何被变换和加权隐藏的陡坡。 您可以使用右侧或探索区域内的条件面板来完成此操作。 选择坡度作为基本条件，并应用最高值统计数据。 将具有较高坡度的宗地与上述描述的面积、价值、平均阈值统计数据中的候选宗地进行比较。
您可能希望探索一个特定条件，以为它可能对主题最为重要。 例如，每个宗地内加权变换值的范围是多少？ 最高值和最低值是多少？ 该条件对宗地的加权变换值的总和是多少？ 使用右侧面板探索某个条件，您可以确定该条件在主题中最为重要的位置。
验证选项卡
当您拥有主题的外业观察数据，可以使用这些数据来确定模型的准确性时，请使用验证选项卡。
以下部分描述了可使用此选项卡来解决约束的操作。
标准统计数据
根据以上条件选项卡部分中的内容，可以使用几个标准统计数据探索生成适宜性值的加权变换条件值的组成。 与在条件选项卡上探索像元位置的加权变换条件值的组成不同，在验证选项卡中，标准统计数据用于分析每个观测点内加权变换值的组成。 您可以了解每个点或面观测中对适宜性贡献最大的条件。
可以使用左侧或探索观测点内的适宜性面板中的标准统计数据，来分析观测点。 它们包括范围、标准差、最高值、最低值、最有影响力的条件和最没有影响力的条件。
特定统计数据
验证选项卡具有一些特定的统计数据。
对于观测点，例如在一个熊适宜性模型中，您希望了解已知的熊位置是否位于最高适宜性区域。 在探索观测点内的适宜性面板中，可以使用适宜性值统计数据来确定这一点。 地图上观测点的颜色对应于该位置的适宜性值。 绿色点表示观测点位于预测适宜性较高的位置。 这表示您的模型预测良好。 红色点表示观测点位于预测适宜性较低的位置。 这表示模型可能存在错误。 但是，熊可能有需要穿过这些区域的原因。 也许一只熊被迫离开原来的栖息地，正在转移到新的栖息地。
对于观测点，如果取一组随机点，您可能希望对观测点和随机点之间的均值进行比较。 在随机点统计数据中，观测点的均值应该高于随机点的均值。 否则，模型预测可能不准确。
如果您有一个熊模型的熊观测数据，并且这些观测来自三只不同的熊，您可能希望查看不同熊之间的适宜性均值是否存在差异。 在探索观测点内的适宜性面板中，将定义观测的字段设置为 bear 类别。 通过类别比较统计数据，您将能够确定哪些熊（即均值较高的熊）是您模型的更好选择。
您可以使用最有影响力的条件了解每个观测点中最重要的条件。 这可能有助于了解熊对什么做出反应。
使用探索观测点内的适宜性面板中的范围或标准差，查看熊是否选择l 具有各种不同加权变换条件值的位置。 这可能表明您的模型预测不准确。 预期熊应该停留在更适宜的区域。 然而，可能还有其他情况会对他们产生影响。 例如，它们可能需要进入适宜性较低的区域才能到达适宜性较高的区域。
您可以在右侧或探索观测点内的条件面板中，相对于特定条件分析观测。 您可以选择最有影响力的条件，并分析它在熊穿过景观时产生的影响。
定位面板
您可以使用定位选项卡来确定适宜性模型生成的最终区域是否良好。
以下部分描述了可使用此选项卡来解决约束的操作。
标准统计数据
根据以上条件选项卡部分中的内容，可以使用几个标准统计数据探索生成适宜性值的加权变换条件值的组成。 与在条件选项卡上探索像元位置的加权变换条件值的组成不同，在定位面板中，标准统计数据用于分析每个识别的区域内加权变换值的组成。
可以使用左侧或探索区域内的适宜性面板中的标准统计数据，来分析宗地。 它们包括范围、标准差、最高值、最低值、最有影响力的条件和最没有影响力的条件。
特定统计数据
定位面板具有一些特定的统计数据。
您可以通过评估选项卡上的图表来检查每个区域中适宜性值的分布情况。 每条线的分布范围越窄，该区域的变异性就越小。 这表明该区域具有均一的偏好性，并且包含高值。 这通常是最理想的情况。
对于每个区域，您可以通过评估选项卡上的按区域统计数据表中的计数统计数据查看区域中的像元数量。 您还可以查看每个区域内适宜性值的统计量，包括总数、平均值、中值、最高值和最低值。
此外，对于生成的区域，您还可以查看 CoreArea、CoreSum 和 Edge 的统计数据。 这些值也记录在评估选项卡上的按区域统计数据表中。 根据主题的需求，您可以分析哪些区域是最理想的区域。 例如，对于野生动物主题（如熊），为了安全起见，它们可能更偏好具有最大 CoreArea 或 CoreSum 值的区域。