模型比较界面

需要 Spatial Analyst 许可。

“模型比较”界面是一个交互式环境，可用于将多个适宜性建模器模型进行相互对比。 通过比较适宜性模型，您将理解在空间上施加不同的参数会如何影响结果。

通常，变换与权重的分配基于专家经验。 因此，在模型比较过程中，并不存在单一统计量能够直接判定哪个模型更优。 模型比较界面通过应用一系列统计量，来识别多个模型间的相似之处与不同之处。

基于模型比较的结果，您可以选择实施其中一个模型，或者对模型进行调整以获得预期结果。

模型比较的价值

理想情况下，参与比较的模型应具有相同主题且处于同一研究区域，但实际可对任意模型进行比较。 模型比较界面的一项核心应用在于探索模型间的不同场景并执行假设分析。

您可利用模型比较界面，观察模型参数的变化如何影响主体与其环境的相互作用，以及输出结果中的空间关系。 您可以评估这些变化的影响程度。 适宜性值是升高还是降低？ 变化是细微的还是显著的？ 变化是否呈现聚集性？ 原被识别为高适宜性的区域是否保持不变？ 抑或转移至研究区内的新位置？ 识别这些空间模式，有助于您理解模型中的参数变更是否会导致结果产生有意义的差异。

通过在模型内部或模型之间更改特定输入和模型参数，您可以探索以下场景：

• 分析修改各子模型的目标带来的影响。

  例如，在太阳能电站选址的适宜性模型中，决策者可以观察到，相较于建设成本子模型更重视环境子模型所导致的结果差异。

• 理解更改某一模型内条件权重的效果。

  您可能需要判定模型主体对条件的响应是否被准确捕捉。 例如，专家希望重新评估土地利用对山猫种群的重要性。 通过更改土地利用的权重，您可以判断此争议的影响程度。

  或者，您可以探究主体是否会根据环境变化而改变其对条件的响应。 您可以确定，如果该区域人口增加，并且更陡的坡度对山猫种群的安全变得更为重要，将会发生什么。

• 通过调整变换，判断您是否已准确捕捉主体如何响应条件值。

  例如，您知道距离输电线的远近对于企业总部的选址至关重要。 您应用了 MSSmall 函数。 您希望判定该变换是否正确反映了将电力输送至候选场址的相关成本，以及结果对变换选择的敏感程度。

• 审视您是否采用了正确的条件来捕捉主体的响应要素。

  太阳辐射工具或坡向的输出结果，是否能反映酿酒厂对太阳能增益的需求？ 或者说，这一点是否重要？

通过模型比较界面，您可以清晰看到选择某一模型而非其他模型所产生的影响、受影响的区域以及影响的显著程度。

如此一来，利益相关者便能审视不同模型中的决策所带来的后果，并分析这些决策将如何影响既定方案。 该界面能引导决策者是直接在模型间进行选择，还是应尝试其他场景。

“模型比较”界面

模型比较分析的核心在于应用一组预定义的统计量并对结果进行研判。 这些统计量可用于分析模型间相似性与差异性的空间分布、适宜性值在模型间的变化情况，以及最终选址位置的一致性区域。

模型比较界面由三个交互联动的窗格构成：

• 比较窗格用于为模型命名、指定待比较的模型、设置模型是否需进行归一化处理，并选择您希望运行的预定义统计量。
• 一旦从比较窗格中运行了预定义统计量，浏览统计数据窗格即会激活。 在该窗格中，您可选择希望查看和浏览的预定义统计量。
• 当在浏览统计数据窗格中选择某个统计量时，比较统计数据窗格将会出现。 此窗格显示该统计量的参数、统计结果图以及解释性文本。 统计量生成的结果地图将显示在地图中。 您可以更改参数以更深入地探究该统计量。

预定义统计组

共提供 13 项预定义统计量，以帮助您比较输入模型。 这些统计量被划分为五个功能区域，旨在应对不同方面的模型比较。

• 浏览输入参数包含一项统计量，可提供模型参数与输出结果的概览。 此外，您还可以并排查看已变化条件的曲线图。
• 比较相似性与差异性包含一系列统计量，可用于了解模型间的适宜性值在何处相似、在何处不同。
• 分析适宜性值包含多种统计量，可用于分析模型间高适宜性值的空间分布。 高适宜性值对模型输出至关重要。
• 分析模型间的变化包含多项统计量，用于识别两个模型之间适宜类别的变化。
• 检查区域重叠由两项统计量组成，可用于分析模型最终位置的相似之处和不同之处。

比较模型

要比较模型，请完成以下步骤：

1. 通过以下方式之一打开比较界面：
   • 在 Pro Analysis 工具栏的适宜性建模器下拉菜单中，单击比较模型。

     

   • 在目录中，右键单击空间分析容器内的某个比较模型容器（可通过 .sac 扩展名识别），然后单击比较模型。
2. 在比较窗格中，为比较模型命名。
3. 在比较模型参数中，选择您要比较的模型。
   1. 选中将在比较中处于活动状态的模型。

      至少需要有两个模型处于活动状态。

      

4. 确定模型是否应进行归一化处理（若其适宜性值范围不同，则将它们统一转换至 1 到 100 的同一范围），以便进行比较。 如需归一化，请选中归一化模型参数旁的复选框。

   默认情况下，该参数处于未选中状态。

5. 在比较窗格的比较统计量列表中，选择要运行的预定义统计量。

   

   已选择要运行“适宜性值差异”与“模型之间的相似性”统计量。

6. 单击运行按钮以生成统计量。

   浏览统计数据窗格和比较统计数据窗格随即出现，并显示列表中的第一个统计数据。

   

7. 在浏览统计数据窗格中，选择要查看和浏览的统计量。

   该统计量的控制参数、曲线图、统计数据和解释性文本将显示在比较统计数据窗格中。

   统计量生成的结果地图将显示在地图视图中。

   

8. 在比较统计数据窗格中，您可以根据需要更改该统计量的参数。

   解释性文本同时提供了对该统计量的说明以及可用于调整参数的公式。

9. 在浏览统计数据窗格的选择要浏览的统计任务列表中，单击另一个统计量。

归一化

参与比较的模型中的适宜性地图可能具有不同的值范围。 这通常由以下原因造成：

1. 应用了不同的权重。
2. 条件数量不同。

如果直接比较不同值范围间的绝对适宜性值的相似性与差异性，所得统计结果将产生偏差。 也就是说，某个区域可能在两个模型中都具有高适宜性值，但它们的绝对值可能相差很大。 这将导致比较无效。

要比较具有不同值范围的模型间的相对适宜性值，请在主比较窗格中选中归一化模型参数复选框。 默认选中该选项。

每张适宜性地图中的适宜性值将被线性变换至 1 到 100 的范围内。 如此一来，您便可以将各模型的适宜性地图进行相互比较。

对于所有需要将适宜性值指定为阈值的统计量，如果模型已归一化，则必须将阈值指定为 1 到 100 范围内的归一化值。

例如，若您为一张归一化后的适宜性地图指定 50 作为高适宜性阈值，那么当原始适宜性地图的值范围为 4 到 40 时，对应的原始适宜性值为 22；当原始适宜性地图的值范围为 3 到 30，对应的原始适宜性值为 16.5。 这两个数值分别是其原始适宜性地图值范围的中点。

为便于您在统计量中指定适宜性阈值，来自各模型的归一化适宜性地图会自动添加到模型比较组图层中。

归一化处理对定位功能生成的最终区域没有影响。 尽管区域源自适宜性地图，但即使适宜性值被归一化，这些区域的位置也不会改变。

当两个模型使用相同的条件集和相同的权重，但仅在一个或多个条件上应用的变换函数不同时，则无需进行归一化。 在此情况下，适宜性地图仍处于可比较的范围，解读差异时无需归一化。

管理比较模型

单击比较功能区的保存按钮，以保存您的比较模型。

统计量的输出栅格将以唯一名称（模型名称_统计量名称）保存至工程地理数据库，以便在重新打开模型时无需重新计算。