Daha çox

ArcGIS-də DEM-dən TRI hesablanarkən yerli topoqrafiyanın düzəldilməsi


Hal-hazırda ArcGIS istifadə edərək yüksəklik məlumatlarından TRI-nin hesablanmasında müxtəlif avadanlıqların istifadəsini araşdırıram. Mövcud metodlardan (http://gis4geomorphology.com/roughness-topographic-position/) hesablanan möhkəmlik ümumi hündürlükdən təsirlənir, yəni bir yamac hamar ola bilər, lakin qabarıq düz səthdən daha yüksək TRI-yə malikdir.

Yerli topoqrafiyanın bu təsirini düzəltmək üçün bir yol varmı? İdeal olaraq raster qatının yüksəklikdən çox möhkəmliyə əsaslandığı nisbi möhkəmlik indeksini yaratmaq istərdim?

Əlavə informasiya

Bir ərazinin möhkəmliyini, xüsusən möhkəmlənmiş lava axını olan bir vulkanı hesablamaq istərdim. Nəzəri olaraq (saytın fotoşəkilləri) lav axını vulkandan daha kobud sayılır. Lakin möhkəmliyin hesablanması metodlarından istifadə etməklə vulkan kobud, lav axını hamar hesab olunur. Əsasən təkcə geologiyaya əsaslanan pürüzlülüyü hesablamaq üçün bu yerli topoqrafiyanı silmək istərdim.


Sual (şərhdə aydınlaşdırıldığı kimi) necə ediləcəyini soruşur

nisbi möhkəmliyi hesablamaq üçün yerli yamacı çıxarın.

Bunun sadə bir yolu var. Sağlamlıq ilə eyni yerli məlumatları istifadə edərək yamacın hesablanmasına əsaslanır (bu, ümumiyyətlə 3 ilə 3 kvadratlıq bir qonşuluqdur). ArcGIS-in yamac (lər) və aspektləri məhz bu şəkildə hesabladığını təsdiqlədiyimi xatırlayıram: alqoritmi adi ən kiçik kvadratlardan istifadə edərək bir təyyarəni doqquz qonşuluq dəyərinə uyğunlaşdırmağa və sonra bu müstəvinin yamacını və aspektini bildirməyə bərabərdir.

Bu səbəbdən, c hücrəsindəki bir cədvəl üçün həll yolu olduğu qənaətinə gəlmək üçün ən kiçik kvadratların nəticələrindən istifadə edə bilərik:

Yerli möhkəmliyi əldə etmək üçün topoqrafik möhkəmlikdən 6 * c ^ 2 * s ^ 2 çıxartın.

(Sabit "6" 9 - yerli məlumatların miqdarı - mənfi 3, yerli təyyarəni təsvir etmək üçün istifadə olunan parametrlərin sayından (orta yüksəklik, bir yamac və bir aspekt) əldə edilir. Bu düstur genişləndirilə bilər sadəcə "6" nı bu məhəllələrdəki hüceyrələrin sayından üç az əvəz etməklə digər məhəllələrə, fərz etmək topoqrafik möhkəmlik, orta yüksəklik və yamac hesablamaları üçün ümumi bir qonşuluq istifadə olunur.)

Bu mənada "lokal möhkəmlik" yüksəklik məlumatları ilə yerli quraşdırılmış təyyarənin müvafiq yüksəlişləri arasındakı sapma kvadratlarının cəmidir, topoqrafik möhkəmlik isə məlumat arasındakı sapma kvadratları ilə məhəllə daxilindəki orta yüksəlişdir. .

(Cəmlərin bu şəkildə istifadəsi hüceyrə ölçüsü və qonşuluq ölçülərindən asılı olan dəyərlər meydana gətirir. Hesablamanın bu təsadüfi elementləri bunu elmi və ya mənalı olduğundan bir qədər az edir. Hesablamaq daha yaxşı olar demək kvadrat sapmalar və istifadə olunan məhəllənin radiusunu standartlaşdırmaq üçün. Ancaq bu məsələlər başqa yerdə müzakirə edilməlidir; burada cəmlərin istədiyini qəbul edək və bu cəmlərin orta dəyərlərə çevrilməsinin sadə olduğunu qəbul edək.)

Misal

Hüceyrənin 3 metr olmasına icazə verin və bir məhəllədəki yüksəkliklərin də metr olduğunu düşünək

55 58 57 54 56 51 52 53 59

Bu ortalama 55 + 58 +… + 59 = 55-dir. Bu ortalamaya nisbətən yüksəkliklər

0 3 2 -1 1 -4 -3 -2 4

"Topoqrafik möhkəmliyi" (0 ^ 2 + 3 ^ 2 +… + 4 ^ 2) = 60-a bərabər olan bu qalıqların kvadratlarının cəmidir.

Ən kiçik kvadrat müstəvisində bu uyğun dəyərlər var:

55 56 57 54 55 56 53 54 55

Verilərlə bu uyğunluq arasındakı fərqlər bunlardır

0 2 0 0 1 -5 -1 -1 4

Yerli möhkəmlik cəmdir onların 0 ^ 2 + 2 ^ 2 +… + 4 ^ 2 = 48-ə bərabər olan kvadratlar. Bununla yanaşı, kvadrat meylinin 2/9 olduğu üçün ayrıca hesablanmaq lazım deyildi. (CİS bunu hesablayacaq. Nümunəni yoxlamaq üçün 55-lərin diaqonal xətti boyunca yuxarı sağdan aşağı sola doğru əyilən uyğunluğa baxın. Hər hüceyrənin diaqonalından 2 metrə enir: 57-dən aşağı yuxarı sağdan aşağı sola gedərkən 55-dən 53-ə. Pifaqor teoremi bizə diaqonalın kvadratının 3 ^ 2 + 3 ^ 2 olduğunu söyləyir. Kvadrat yamac 2 ^ 2 / (3 ^ 2 + 3 ^) -ə bərabərdir. 2) = 2/9.)

Buna görə, etməyimiz lazım olan yalnız hesablamaqdır

48 = 60 - 6 * 3^2 * 2/9

Baxılmalı şeylər

Yamacın düzgün hesablanması vacibdir. Burada istifadə edildiyi kimi, adi bir "qalxma / qaçış" nisbətidir - bir açı deyil. Ya yamacı yüzdə hesablayın və 100-ə bölün, ya da bucağın açısındakı toxunuşu hesablayın. Pozisiya koordinatları və yüksəkliklər üçün eyni ölçü vahidlərindən istifadə etdiyinizə əmin olun.

İstədiyinə baxmayaraq son dərəcə dəqiq bir proyeksiyadan istifadə etmək lazım deyil: proyeksiyaların yaratdığı təhriflər lokal olaraq doğrudur və müstəvi koordinatların xətti funksiyası ilə verildiyi üçün düzənlik uyğunluğunu dəyişdirməyəcəkdir. The düstur çünki təyyarə səhv olacaq və yamac səhv olacaq, amma hər şey ləğv olunur! Buna görə, orijinal məlumatlarla işləmək ən yaxşısıdır onları təkzib etmək əvəzinə yenidən seçmə səhvini aradan qaldırmaq. (Yenidən götürmə demək olar ki, həmişə möhkəmliyi azaldır; nə qədər tez-tez nümunə götürürsən, möhkəmliyi aşağıya doğru bir o qədər qərəz verirsən.) Sonra nəticələri istədiyiniz şəkildə təkzib edə bilərsiniz.

Orijinal möhkəmlik hesablamasının / a / 6059/664-də təsvir olunduğunu qeyd etməliydim. Bunun üçün iki fokus cəmi və bəzi arifmetik birləşmələr ("xəritə cəbri") tələb olunur.


Giriş yerləri nöqtə xüsusiyyət sinfi və ya nöqtə koordinatları cədvəli ola bilər. Cədvəl bir yer verilənlər bazası cədvəli, .dbf faylı, INFO cədvəli və ya mətn cədvəli faylı ola bilər.

Yerləri cədvəllə daxil edərkən yerlərin siyahısı x, y koordinatı ilə göstərilməlidir. Bir koordinat sənədindən istifadə edərək hər sətirdə boşluq və ya nişanla ayrılmış x, y cütlüyü olmalıdır. Aşağıdakı bir nümunədir:

Alternativ olaraq, yer cədvəlində meyl (dərəcə) və aspekt təyin edə bilərsiniz. X, y koordinatı ilə yanaşı, fayl hər yer üçün meyl və tərəf dəyərini ehtiva etməlidir. Aşağıdakı bir nümunədir:

Çox gün vaxtı konfiqurasiyaları üçün maksimum gün aralığı cəmi bir ildir (365 gün və ya sıçrayış ili üçün 366 gün). Başlama günü bitmə günündən böyükdürsə, vaxt hesablamaları növbəti ilə davam edəcəkdir.

Məsələn, [başlama günü, bitmə günü] = [365, 31], 31 dekabr - növbəti ilin 31 yanvar tarixlərini təmsil edir. [1, 2] nümunəsi üçün, ilk gün üçün saat 0: 00-dan (1 yanvar) - 0: 00-a (2 yanvar) qədərdir. Başlama günü və bitmə günü bərabər ola bilməz.

Zaman konfiqurasiyası üçün il dəyəri sıçrayış ilini təyin etmək üçün istifadə olunur. Hesablamalar Julian günləri tərəfindən təyin olunan müddətin bir funksiyası olduğundan günəş radiasiya analizinə başqa bir təsiri yoxdur.

Gün içi vaxt konfiqurasiyaları üçün maksimum vaxt aralığı bir gündür (24 saat). Hesablamalar günlər ərzində aparılmayacaq (məsələn, saat 12: 00-dan ertəsi gün 12: 00-dək). Başlama saatı bitmə vaxtından az olmalıdır.

Bir z faktorunun istifadəsi, səth z vahidləri yerdən fərqli x, y vahidləri ilə ifadə edildikdə hesablamaları düzəltmək üçün vacibdir. Dəqiq nəticələr əldə etmək üçün z vahidləri x, y torpaq vahidləri ilə eyni olmalıdır. Vahidlər eyni deyilsə, z vahidlərini x, y vahidlərinə çevirmək üçün bir z faktorundan istifadə edin. Məsələn, x, y vahidləriniz metr və z vahidləriniz ayaqdırsa, ayaqları metrə çevirmək üçün 0.3048 z əmsalı təyin edə bilərsiniz.

Məlumatlarınızın sayğac vahidləri ilə proqnozlaşdırılan bir koordinat sistemində olması tövsiyə olunur. Təhlili sferik bir koordinat sistemi ilə aparmağı seçsəniz, bu genişlik üçün uyğun bir z faktoru göstərməlisiniz. Aşağıdakı x, y vahidləri ondalık dərəcə və z vahidləri metr olduqda istifadə ediləcək bəzi uyğun z faktorlarının siyahısı:

Hündürlüyü ofset yalnız metr göstərilməlidir.

Sahə sahəsi üçün enlem (vahidlər: ondalık dərəcə, şimal yarımkürəsi üçün müsbət, cənub yarımkürəsi üçün mənfi) günəş meylləri və günəş mövqeyi kimi hesablamalarda istifadə olunur. Günəş analizi landşaft tərəziləri və yerli tərəzilər üçün nəzərdə tutulduğundan bütün DEM üçün bir enlik dəyərindən istifadə etmək məqbuldur. Daha geniş coğrafi bölgələr üçün tədqiqat sahəsini fərqli enliklərdə olan zonalara bölmək lazımdır.

Bir məkan referansı olan giriş səthi rasters üçün orta enlik avtomatik olaraq başqa şəkildə hesablanır, enlik 45 dərəcəyə qədər dəyişəcəkdir. Bir giriş qatından istifadə edildikdə, məlumat çərçivəsinin məkan istinadından istifadə olunur.

Göy ölçüsü, radiasiya hesablamalarında istifadə olunan mənzərə, səma xəritəsi və günəş xəritəsi rasterlərinin qətnaməsidir (vahid: hər tərəfə hüceyrələr). Bunlar göyün yuxarıya baxan, yarımkürə şəklində raster təsvirləridir və coğrafi koordinat sisteminə malik deyillər. Bu rasterlər kvadratdır (bərabər sətir və sütun sayı).

Göy ölçüsünün artırılması hesablama dəqiqliyini artırır, eyni zamanda hesablama müddətini xeyli artırır.

Gün aralığı ayarı kiçik olduqda (məsələn, & 14 gün) daha böyük bir səma ölçüsü istifadə edilməlidir. Analiz zamanı günəş xəritəsi (səma ölçüsü ilə müəyyən edilir) birbaşa şüalanmanı hesablamaq üçün müəyyən müddətlər üçün günəş mövqelərini (yollarını) göstərmək üçün istifadə olunur. Kiçik gün fasilələri ilə, səma ölçüsü qətnaməsi kifayət qədər böyük deyilsə, günəş izləri üst-üstə düşə bilər və bu yol üçün sıfır və ya aşağı radiasiya dəyərləri ilə nəticələnə bilər. Çözünürlüyün artırılması daha dəqiq nəticə verir.

Maksimum göy ölçüsü dəyəri 10.000-dir. 200 dəyəri standartdır və böyük gün fasilələri olan bütün DEM-lər üçün kifayətdir (məsələn, & gt 14 gün). 512 göy ölçüsü dəyəri hesablama vaxtının daha az olduğu nöqtələrdə hesablamalar üçün kifayətdir. Daha kiçik gün fasilələrində (məsələn, & 14 gün), daha yüksək dəyərlərdən istifadə etmək məsləhət görülür. Məsələn, ekvatorda gün intervalı = 1 olan bir yer üçün insolasiyanı hesablamaq üçün 2800 və ya daha çox səma ölçüsündən istifadə etmək tövsiyə olunur.

3 gündən çox olan gün fasilələri, səmanın ölçüsü və ilin vaxtından asılı olaraq üç gün ərzində günəş izlərinin üst-üstə düşməsi tövsiyə olunur. Aylıq fasilə ilə bütün ilin hesablamaları üçün gün aralığı aradan qaldırılır və proqram daxili olaraq təqvim ayı fasilələrindən istifadə edir. Varsayılan dəyər 14-dür.

Görünüşlü hesablama olduqca intensiv ola bildiyindən, üfüq açıları yalnız göstərilən hesablama istiqamətlərinin sayı üçün izlənir. Etibarlı dəyərlər 8-in (8, 16, 24, 32 və s.) Qatları olmalıdır. Tipik olaraq, 8 və ya 16 dəyərləri incə topoqrafiya olan ərazilər üçün, 32 dəyəri isə kompleks topoqrafiya üçün kifayətdir. Varsayılan dəyər 32-dir.

Lazımi hesablama istiqamətlərinin sayı DEM girişinin həlli ilə əlaqədardır. 30 metrlik qətiliklə təbii ərazi ümumiyyətlə kifayət qədər hamar olur, buna görə əksər vəziyyətlər üçün daha az istiqamət kifayətdir (16 və ya 32). Daha incə DEM-lərlə və xüsusən də DEM-lərə daxil olan süni tikililərlə istiqamətlərin sayının artması lazımdır. İstiqamətlərin sayının artırılması dəqiqliyi artıracaq, eyni zamanda hesablama müddətini də artıracaq.

Hər bir interval üçün nəticələr yaradın onay qutusu, müəyyən bir müddət ərzində inteqrasiya edilmiş və ya bir zaman seriyasındakı hər bir interval üçün inzolyasiya hesablamaq üçün rahatlıq təmin edir. Məsələn, bir saatlıq fasilə ilə gün içi müddət üçün bu xananın işarələnməsi saatlıq insolasiya dəyərləri yaradacaq, əks halda bütün gün üçün inteqrasiya hesablanır.

Hər bir interval parametri üçün nəticələr yaradın, çıxış xüsusiyyətləri üçün xüsusiyyətlərin sayını təsir edir. Nöqtə radiasiya analizi üçün yoxlanıldıqda, çıxış xüsusiyyət sinfi hər zaman intervalı üçün radiasiya və ya müddət dəyərlərini göstərən (vaxt konfiqurasiyasının bir gündən və ya gündən az olduğu saat intervalı) əlavə atributları (t0, t1, t2 və s.) Əhatə edir. çox gün olduqda aralıq).

Səth tərəfindən alınan günəş radiasiyasının miqdarı atmosfer xaricində alınacaqların yalnız bir hissəsidir. Transmittivlik, yerin səthinə çatan enerjinin (ortalama bütün dalğa boyları) atmosferin yuxarı hüdudlarında (yerdənkənar) alınan nisbətdə ifadə olunan atmosfer xüsusiyyətidir. Dəyərlər 0-dan (ötürülmədən) 1-ə (tam ötürmə) qədərdir. Tipik olaraq müşahidə olunan dəyərlər çox açıq səma şərtləri üçün 0,6 və ya 0,7, yalnız ümumiyyətlə açıq səma üçün 0,5-dir.

Yer səthində alınan enerjinin dəyəri atmosferdən keçən ən qısa yolda (yəni günəş zenitdə və ya birbaşa yuxarıda) və dəniz səviyyəsindədir. Oğlaq Tropikindən və Tropik Xərçəngdən kənar bölgələr üçün günəş heç günortadan sonra da tam zenitdə ola bilməz, lakin bu dəyər günəşin zirvədə olduğu anı ifadə edir. Alqoritm yüksəklik effektlərini düzəltdiyindən, dəniz səviyyəsi üçün ötürücü hər zaman verilməlidir.

Transmittivlik diffuz nisbət parametri ilə tərs əlaqəyə malikdir.

Bu alət üçün tətbiq olunan geosessil mühitləri haqqında əlavə məlumat üçün Analiz mühitlərinə və Məkan Analistinə baxın.


Arc-Second Digital Elevation Modelləri üçün Yamac Alqoritmləri

Yamac və ölçülü hesablamalar rəqəmsal yüksəklik modellərindən (DEM) ən faydalı törəmə məhsullardan birini təmin edir. Yamac və aspekt hərəkətliliyi və inzolyasiyanı təsir edir, beləliklə, hərbi sahədəki müxtəlif sahələrdə istifadəçilər və nəticələrə ən azı yarım düz fərqli yamac alqoritmi mövcuddur və bir çox tədqiqat var (məsələn, Carter, 1992 Florinsky, 1998 Guth, 1995 Hodgson, 1998 Jones, 1998 Zhou and Liu, 2004a, 2004b və saysız-hesabsız daha yaxın zamanda) yamac alqoritmlərinə və məlumatların dəqiqləşdirilməsinin və dəqiqliyin hesablanmış nəticələrə təsirlərinə baxdıq. Bununla birlikdə, Guth'daki (1995, s.32 2009, s.352 2010) qısa bəhslər xaricində, yayımlanan müzakirələr, DEM üçün örtüklü bir UTM və ya UTM bənzər bir şəbəkə götürürlər, çünki onlar veri aralığı üçün tək bir dəyərə istinad edirlər. Bu sənəd, bu fərziyyənin nəticələrini və ən yaxşı orta çözünürlüklü DEM-lərin (10-100 m məsafədən sonrakı məsafədə) hamısı arc-ikinci boşluğu istifadə etdikdə əhəmiyyətini araşdıracaqdır.

Üç ümumi DEM coğrafi koordinatları istifadə edir: ABŞ Geoloji Tədqiqat Təşkilatının Milli Yüksəklik Verilişləri (USGS NED, Gesch və başqaları, 2002) Milli Yerleşim-Kəşfiyyat Agentliyinin Rəqəmsal Arazi Yüksəkliyi Məlumatları ( NGA DTED, Milli Görüntülər və Xəritəçəkmə Agentliyi, 2000) və Servis Radar Topoqrafiya Missiyası (SRTM, Slater və başqaları, 2006). 9 (məhdud miqdarda NED) . Bu məlumatların böyük bir hissəsi WWW-də sərbəst şəkildə mövcuddur: bütün dünya üçün 30 və 3 (SRTM), ABŞ üçün 1 məlumat (həm SRTM, həm də NED) . Pulsuz, həm əldə edilməsi asan, həm də xərcsiz deməkdir. Ready Hazır olduğu üçün bu DEM-lər dünya miqyasında geniş istifadə görmüşdür.

1-3 arc ikinci aralıqdakı bütün qlobal DEM-lər coğrafi koordinatları istifadə edir: SRTM (Slater və başqaları, 2006), ASTER, ALOS, TandemX, ASTER, bir çox USGS 3DEP məlumatları (əvvəlki USGS NED, Gesch və digərləri) 2002) və Milli Yerleşim-Kəşfiyyat Agentliyinin Rəqəmsal Arazi Yüksəkliyi Məlumatları (NGA DTED, National Imagery and Maping Agency, 2000). Bu məlumatların çox hissəsi bütün dünya üçün WWW-da sərbəst şəkildə mövcuddur. Pulsuz, həm əldə edilməsi asan, həm də pulsuz olaraq başa düşülür. Hazır olduğu üçün bu DEM-lər dünya miqyasında geniş istifadə görmüşdür.

Ənənəvi yanaşma, GDAL haqqında bir şərh ilə tipikləşdirildi: & quot gdaldem ümumiyyətlə x, y və z vahidlərinin eyni olduğunu qəbul edir. X (şərq-qərb) və y (şimal-cənub) vahidləri eynidirsə, z (yüksəklik) vahidləri fərqlidirsə, şaquli vahidlərin üfüqi nisbətini təyin etmək üçün miqyas (-s) seçimi istifadə edilə bilər. Boylam və enlik vahidlərinin oxşar olduğu ekvator yaxınlığındakı LatLong proqnozları üçün, yüksəklik (z) vahidləri = 370400 (yüksəklik ayaqdadırsa) və ya miqyas = 111120 (yüksəklik içərisində olduqda) uyğun olaraq çevrilə bilər. metr). Ekvatora yaxın olmayan yerlər üçün, gdaldem istifadə etməzdən əvvəl şəbəkənizi gdalwarp istifadə edərək redaktə etmək yaxşı olardı. & quot (https://gdal.org/programs/gdaldem.html) ArcGIS uzun müddət eyni yanaşmadan istifadə etmişdir (https://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/applying-az -factor.htm), lakin indi düzgün nəticələr verən bir geodeziya seçiminə malikdir. Alternativ olmasaydı, yenidən seçmə yolu ilə gətirilən şəbəkədəki dəyişiklikləri qəbul etmək haqlı ola bilər. Howerver, əgər ızgara doğma formada istifadə oluna bilərsə, daha yaxşı bir nəticə əldə etməlidir.

Geodeziya düsturları (Vincenty, 1975) enlem və boylamda koordinatları olan DEM-lərin arasını hesablamaq üçün istifadə edilə bilər.

Şek. enlik funksiyası olaraq 1 DEM üçün metrlərlə boşluq.

Şəkil a Lat / uzun DEM-in 1 hüceyrəsinin yuxarıdan aşağıya doğru olan E-W məlumat aralığındakı faiz fərqi.

Şəkil. 55 ° N yaxınlığında mərkəzləşmiş bir DEM üçün, bir DEM mərkəzindəki qiymətə bərabər bir sabit E-W məlumat aralığı istifadə edərək hesablanan yamacın dəyərindəki maksimum səhv.

Guth (2010) yay ikinci DEM üçün yamac və aspektin hesablanması ilə məşğul olmaq üçün 5 yol təklif etmişdir

DEM-i UTM kimi proqnozlaşdırılan bir kartezyen sisteminə dəyişdirin. Bu, DEM-i dəyişdirir və onu inkişaf etdirə bilməz və təkzib etmə ehtiyacını qəbul etmək üçün heç bir səbəb yoxdur.

Dərəcələri metrlərlə əlaqələndirmək və x və y boşluqları arasındakı fərqləri nəzərə almamaq üçün tək dönüşüm faktorundan istifadə etmək. Bu yalnız ekvatora çox yaxın işləyir. 2020-ci ildə bir sıra CİS proqramları hələ də yalnız bu seçimi təklif edir və əks təqdirdə (ya da hər zaman, ekvator bir DEM istifadə etmək üçün nadir bir yer olduğu üçün) təkzib variantını təklif edir.

DEM-in düzbucaqlı bir çərçivəyə sahib olduğunu, DEM boyunca davamlı aralığına sahib olduğunu, ancaq fərqli bir x və y aralığının olduğunu düşünək. Bu, x məsafəsinin sürətlə dəyişdiyi yüksək enlikdə deyil, kiçik ərazilər üçün işləyir (yuxarıdakı şəklə bax)

DEM-in bir yamaq çərçivəsinə (yarı düzbucaqlı), DEM boyunca sabit y aralığına, ancaq eninə görə dəyişən bir x boşluğuna sahib olduğunu düşünək. Bu, optimal həlldir və az performans cəzası var. DEM açıldıqda, proqram Vincenty (1975) kimi geodeziya formullarından istifadə edərək DEM şəbəkəsinin hər sətrindəki x boşluğunu hesablayır.

DEM-in eninə görə dəyişən x və y aralığında bir trapezoidal çərçivəyə sahib olduğunu düşünək. Y aralığı çox az dəyişdiyindən bu həddindən artıqdır.

Tercih olunan Yamac alqoritmi yalançı kod

Arc ikinci DEM-lər üçün dəyişənlər. Bunlar proyeksiya və datum başlatma ilə birlikdə DEM açıldıqda hesablanır.

  • AverageYSpace: bir DEM üçün bir dəfə hesablanır və fərqlər nəzərə alınmır. DEM-in yuxarı və alt hissəsindəki y aralığının ortalamasıdır
  • AverageXSpace: bir DEM və kiçik bir sahə üçün bir dəfə hesablanır, fərqlər nəzərə alınmır. The Sahə nə qədər böyükdür və enlik nə qədər yüksək olarsa, bu təxmini istifadə səhvləri bir o qədər artır. Bu yolla getmək istəyirsinizsə, aşağıdakı formullarda UseXSpace əvəz edin
  • UseXSpace: DEM hər bir sıra üçün boşluq DEM açıldıqda hesablanır və saxlanılır və bütün hesablamalar hesablamanın aparıldığı sıra üçün dəyərdən istifadə olunur.

Yamac: = sqrt (sqr (dzdx) + sqr (dzdy))

GetAspect (dzdx, dzdy) bir ATAN2 funksiyasından istifadə edir və coğrafi kompas konvensiyası üçün 0-un şimal olduğu və dəyərlərin saat istiqamətində artdığını (riyaziyyat konvensiyası 0 şərqdir və dəyərlər saat yönünün əksinə artır)

Dzdx və dzdy üçün üstünlük verilən yamac alqoritmi yalançı kod

Səkkiz Qonşu Ağırlıqsız (Evans 3FD, Heerdegen and Beran, 1982 Sharpnack and Akin, 1969 Horn, 1981 Wood, 1996 (PhD))

dzdx: = (zne + ze + zse - zsw - zw - znw) / 6 / UseXSpace (dəyişən, genişlik hesablama və DEM açarkən saxlama funksiyası)

dzdy: = (znw + zn + zne - zsw - zs - zse) / 6 / AverageYSpace

Dzdx və dzdy üçün digər alqoritmlər yalançı kod

FourNeighbours (2FD, Fleming and Hoffer, 1979 (Purdue Laboratoriyasının texniki hesabatı Zhou və Liu-da istinad edilmişdir, 2004) Zevenbergen and Thorne, 1987 Ritter, 1987)

dzdy: = (zn - zs) * 0.5 / AverageYSpace

dzdx: = (ze - zw) * 0.5 / UseXSpace

Səkkiz Qonşu Ağırlıqlı (3FDWRSD, Horn 1981 üsulu)

dzdy: = 0.125 * ((znw + 2 * zn + zne) - (zsw + 2 * zs + zse)) / AverageYSpace

dzdx: = 0.125 * ((zne + 2 * ze + zse) - (znw + 2 * zw + zsw)) / UseXSpace

Səkkiz Qonşu WeightedByDistance (3FDWRD, Üçüncü dərəcəli Sonlu Fərq Məsafənin Qarşılıqlı Qarşılığı ilə Ağırlaşdırıldı, 1981)

dzdy: = 1 / (4 + 2 * 2) * ((znw + 2 * zn + zne) - (zsw + 2 * zs + zse)) / AverageYSpace

dzdx: = 1 / (4 + 2 * 2) * ((zne + 2 * ze + zse) - (znw + 2 * zw + zsw)) / UseXSpace

FrameFiniteDifference (FFD, Chu və Tsai 1995 Zhou və Liu'da istinad edilən Konfrans İşləri, 2004)

dzdy: = (znw - zsw + zne - zse) * 0,25 / AverageYSpace

dzdx: = (zse - zsw + zne - znw) * 0.25 / UseXSpace

SimpleDifference (SADƏ-D, Jones 1998)

dzdy: = (z - zs) * 0.5 / AverageYSpace

dzdx: = (z - zw) * 0.5 / UseXSpace

Jones (1998) dörd diaqonal qonşudan NE, SE, SW və NW-yə qədər istifadə edən diagonal Ritters metodu təklif etdi. Bu bir kvadrat ızgaraya asanlıqla uyğunlaşarkən, düzbucaqlı bir ızgara üçün iki qismən türev dik olmayacaqdır. . Bu alqoritm heç bir əhəmiyyətli üstünlük vermədiyi üçün onu coğrafi bir şəbəkəyə uyğunlaşdırmağa çalışmayacağam.

MÜZAKİRƏ

Coğrafi alqoritmin nəticələrini UTM alqoritmi ilə müqayisə etmək bir neçə səbəbə görə sadə deyil:

  1. Reinterpolasiya fərqli yerlərdə şəbəkə düyünləri istehsal edir, beləliklə iki DEM-nin nəticələrini fərqli yerlərdə yamac hesabladıqları üçün müqayisə edə bilməzsiniz.
  2. Reinterpolasiya fərqli sayda şəbəkə qovşağı olan bir şəbəkə istehsal edir.
  3. Əksər reinterpolasiya alqoritmləri, ehtimal ki, orijinal DEM-i hamarlaşdırır, buna görə ümumi statistika fərqli ola bilər.

Westgard Pass, California dördbucağının 4 versiyası üçün yamac paylamalarına baxdıq: 10 m və 30 m aralığında iki SDTS DEM və 1 / 3 və 1 aralığında iki NED DEM. Bu DEM-lər üçün reinterpolasiya edildi SDTS DEM-lərini NED üçün mənbə kimi istifadə edən USGS tərəfindən. 10 m və 1 / 3 aralığı kiçik olan DEM üçün gözlənildiyi kimi bir az daha dik yamacları göstərir və ümumiyyətlə bir-birləri ilə razılaşırlar. Eyni şəkildə 30 m və 1 DEM-lər ümumiyyətlə bir-biri ilə razılaşır. Müqayisə olunan miqyasda hər iki cütdə paylamalar fərqlidir.


Məlum hidrologiyanı əks etdirmək üçün DEM-in dəyişdirilməsi sonrakı ərazi analizinə necə təsir göstərir?

Bir çox rəqəmsal yüksəklik modelləri (DEM) düz landşaftlarda hidroloji nümunələri təkrarlamaqda çətinlik çəkirlər. Məlum hidrologiyanın təkrarlanmasında DEM performansını yaxşılaşdırma səylərinə müxtəlif yumşaq (yəni alqoritm əsaslı yanaşmalar) və sərt texnika daxil edilmişdir.Axın yanması”Və ya“ səthin yenidən qurulması ”(məs. Razılaşmaq və ya ANUDEM). Bilinən axın şəbəkəsinin bir nümayəndəliyindən istifadə edərək, bu metodlar axın mövqeyini, axın uzunluğunu və tutma sərhədlərini bilinən hidroloji şərtləri necə dəqiqləşdirdiyini yaxşılaşdırmaq üçün orijinal DEM-i xəndək və ya riyazi olaraq əyir. Bununla birlikdə, bu üsullar DEM-i daimi olaraq dəyişdirir və sonrakı analizləri təsir edə bilər (məs. Yamac). Bu məqalədə hidroloji düzəliş metodlarının geniş yayılmış təsirini araşdırır (Axın yanması, Razıyam.amlANUDEM v4.6.3ANUDEM v5.1) bir DEM-in ümumi təbiətinə sahib olmaq, fərqli metodların su tutma parametrləri (tutma hüdudları, axın mövqeyi və uzunluğu kimi) üçün bir-birinə yaxın olmayan nəticələr verdiyini və ikincil ərazi analizini fərqli olaraq güzəştə getdiyini tapmaq.

Bütün hidroloji düzəliş üsulları, DEM-in heç bir dəyişiklik edilmədən istifadəsi ilə müqayisədə su yığma sahəsinin, axın vəziyyətinin və uzunluğunun hesablanmasını uğurla yaxşılaşdırdı, lakin hamısı su tutma meylini artırdı. Bütün kateqoriyalar üzrə ən yaxşı nəticə göstərən heç bir metod yoxdur. Fərqli hidroloji düzəliş üsulları, yüksəklik və yamacları fərqli məkan qanunauyğunluqlarında və böyüklüklərində dəyişdirərək, tutma parametrlərini əldə etmək və tək bir DEM-dən ikincil ərazi təhlili aparmaq qabiliyyətini pozdu. Bilinən hidrologiyanı daha yaxşı əks etdirmək üçün bir DEM-in dəyişdirilməsi faydalı ola bilər, lakin sonrakı təhlillər üçün DEM-dən istifadə etməzdən əvvəl dəyişikliklərin böyüklüyü və məkan nümunəsi barədə məlumat tələb olunur.


3 Məkan Tərəzisi və Yüksəklik Sınıfının Müəyyən edilməsi

Hər hövzədəki yerli geomorfologiyanı araşdırmaq üçün ərazi yüksəkliyinə əsaslanan xarakterik bir məkan şkalası inkişaf etdiririk. Yüksəklik dərslərinin landşaftın öz-özünə necə qurulduğunun göstəricisini verəcəyini və hər hövzədəki iqlim və topoqrafiyanın qarşılıqlı təsirlərini müşahidə etmək üçün təbii bir miqyas verəcəyini təklif edirik. Bu siniflər fiziki-statistik modeli çalışdığımız təmsilçi məkan şkalası kimi istifadə olunur. Şəkil 1-də göstərilən altı hövzənin hər biri üçün yüksəklik siniflərinin aralığını təyin etmək üçün əvvəlcə birinci dərəcəli Strahler axınları üçün çıxış yüksəkliklərinin histoqramlarını yaradırıq. Bunların hamısı topoqrafik məlumatların dəqiqliyi olduğundan 10 m aralıqlarla yerləşdirilmişdir. Yüksəklik sinifləri birinci dərəcəli satış yerlərinin paylanmasında fərqli rejimlərin təcrid edilməsi ilə müəyyən edilir (şəkil 2). Hər bir yüksəklik sinfi ilə əlaqəli yüksəklik diapazonu zirvələrin hər iki tərəfindəki ən aşağı tezlikli intervalların yüksəkliklərini müəyyənləşdirməklə müəyyən edilmişdir. Sinif bölgüsünü müəyyənləşdirmək üçün meyarlar minimumun əvvəlki maksimumdan 25% az olmasıdır, əks halda bu yerli minimumdur və sinif bölgüsü kimi istifadə edilmir. Yüksəklik sinifləri təyin edilərkən landşaftdakı yerli davamlılıq da tələb olunur. Hövzələrin çoxu yüksəklikdə sürətli dəyişikliklər göstərən bölgələr sərgilədikləri üçün, hər zolağın yüksəklik sərhədləri hündürlük sinifləri arasında, hündürlüyün hər hansı bir yerində (sərhəd xaricində), yüksəklik sinfi arasında fasiləsiz keçidlər yaratmaq üçün narahat olmuşdur. Y həmişə siniflər arasındadır Y - 1 və Y + 1 (şəkil 3). Hər bir yüksəklik sinifinin fərqli bir hidrogeomorfik davranış bölgəsini göstərdiyini fərz edirik. Altı su hövzəsi üçün təyin olunan yüksəklik sinif bölgüləri üçün xüsusi intervallar Şəkil 3-də verilmişdir. Bölmə 7-də təqdim olunan fiziki-statistik modelin nəticələri, yüksəklik siniflərinin bu müstəqil təsvirlərinin həqiqətən idarəedici fizikanı təmsil etdiyini təsdiqləyir.


Mündəricat

Şəhər mühitində ağır elementlərdən torpaq çirklənməsinə rast gəlinir, bunlar fon səviyyələri ilə birlikdə nəqliyyat və sənaye sahələrinə aid edilə bilər (mineral maddələrin aşınmasından ağır elementlər yuyulur). Ayrıca, ən çox torpaqla çirklənmiş ərazilərdən bəziləri Sloveniya, Bosniya və Herseqovina və ABŞ-dakı mədənlər ətrafında (Sulphur Bank Superfund Sahəsi, Kaliforniyada). [5] [6] [7] Bir tədqiqat sahəsindəki GIS torpaqdakı çirkləndiricilərin məkan əlaqəsinin təhlili üçün istifadə olunur.

Sloveniyada torpağın çirklənməsi Edit

Dünyanın ikinci ən böyük civə (Hg) mədəninin işlədiyi Sloveniyanın İdrija şəhərində, Hg-nin torpaq hissəcikləri səthindən adsorbsiya prosesi ilə atmosferə əhəmiyyətli dərəcədə Hg tullantıları düşür ki, bu da Hg-nin diffuziyası ilə nəticələnir. torpaq məsamələri. [8] Hg üçün emissiya axını hesablamaq üçün bir Hg emissiya modeli hazırlanmışdır:

olan FHg Hg emissiyasının axınıdır, Ea aktivasiya enerjisidir, R qaz sabitidir, Ts torpaq temperaturu, n və m sabitlər, [Hg]s Hg konsentrasiyasıdır və 0,003 * R-dirz günəş radiasiyasının temperaturu təsir etdiyi üçün günəş radiasiyasını hesablayır, buna görə günəş radiasiyası Hg-nin emissiya axınına təsir göstərir. [9] Hg konsentrasiyası məlumatları toplandıqdan sonra, rəqəmsal yüksəklik modeli (DEM), peyk ərazi istifadəsi xəritəsi və EARS məlumatlarından ibarət olan CBS girişi üçün sxematik bir model hazırlanmışdır. [10] [11] [12] [13] ArcGIS 9.3-də geostatistik alətlərdən tərs məsafəli (IDW) metodundan istifadə edilərək İdrija bölgəsi üçün Hg konsentrasiyasının raster modeli istehsal edilmişdir. [14] [15] [16] [17]

Müəyyən hidroloji parametrlər altında bəzi sulu təbəqələr digər sulu təbəqələrə nisbətən daha çox çirklənməyə meyllidirlər. Sulu təbəqələrin çirklənməyə həssaslığını hesablayarkən nəzərə alınan parametrlər bunlardır: suya qədər dərinlik (amil d), xalis doldurma (amil r), sulu təbəqə (amil a), torpaq mühiti (amil s), topoqrafiya (faktor t ), vadoz zonasının təsiri (faktor i) və hidrolik keçiricilik (faktor c), bunlar birlikdə DRASTIC yazır. [18] [19] Bundan əlavə, parametrlərin hər biri ilə əlaqəli birdən beşə qədər dəyişə bilən bir çəki amili var. Əlavə olaraq, sulu təbəqənin qiymətləndirilməsindən sonra DRASTIC indeksinin rəqəmləri o ərazidə sulu təbəqənin çirklənməsi riskindən daha azdır. [20] Bu yeddi parametr hansının digərlərindən daha çox çirklənməyə meylli olduğunu təyin edən DRASTIC xülasə indeks skorunu əldə edir. DRASTIC xülasə indeksinin əhəmiyyəti, nəticədə daha çox meylli olan sahələri göstərməsidir, dövlət və ya yerli hakimiyyət orqanları miqyasına görə su təchizatı sahəsinin çirklənməsinin qarşısını alacaq və ya azaltacaq lazımi tədbirləri görəcəkdir. Floris Akifer Sistemi, Səthi Akifer Sistemi və Digər Qayalar üçün DRASTİK xülasə indeks skorunu göstərən, GIS istifadə edərək, Florida'daki yeddi il (Hillsborough, Polk, Manatee, Hardee, Sarasota, DeSoto və Charlotte) üçün bir xəritə hazırlanmışdır. sulu lay. İnkişaf edilmiş xəritə, göstərildiyi kimi üst-üstə yığılmış çoxsaylı təbəqələrin birləşməsidir Şəkil 1.

Şəkil 1: Bu, Qərbi Florida üçün DRASTIC xülasə indeksidir və mavi sulu təbəqənin ən zəif bölgəsidir və qırmızı ən yüksək zəiflikdir.


Hindistanın Himachal Pradeş, Kullu Bölgəsində ekoturizm potensialının xəritələşdirilməsi üçün analitik hiyerarşik prosesin və CİS-in tətbiqi

Bu tədqiqatın məqsədi Hindistanın Himaçal Pradeş, Kullu Bölgəsindəki analitik iyerarxiya prosesi (AHP) və coğrafi məlumat sistemindən (GIS) istifadə edərək potensial ekoturizm sahəsini müəyyənləşdirməkdir. Bu analiz üçün yamac, topoqrafik pürüzlülük, bitki örtüyü, səth sularına giriş, yüksəklik, mühafizə olunan ərazi, iqlim, görünürlük, yol yaxınlığı, kənd yaxınlığı, torpaq, yeraltı suları və geologiya kimi 13 element nəzərə alınmışdır. Tələb olunan məkan məlumatları və məlumatlar peyk görüntülərindən və mövcud xəritələrdən toplanmışdır. AHP kriteriyalar və sinif ağırlığı təmin etmək üçün geniş istifadə olunur və GIS ekoturizmə uyğun zonanın müəyyənləşdirilməsi üçün səmərəli istifadə olunur. Nəticə faktı göstərir ki, rayonun ümumi coğrafi ərazilərindən 41% -i ekoturizm sahəsinin inkişafı üçün yüksəkdən çox hündür zonadır.

Bu abunə məzmununun önizləməsidir, təşkilatınız vasitəsilə giriş.


İstinadlar

ADNKS (2017) Ünvana əsaslanan əhali qeyd sistemi. Əhali statistikası. https://adres.nvi.gov.tr/Home. 26 iyun 2018 tarixində əldə edildi

Akbulak C (2010) Analitik hiyerarşi süreci ve coğrafi bilgi sistemleri ile Yukarı Kara Menderes Havzası’nın arazi istifadesi uygunluk analizi. Uluslararası İnsan Bilimleri Dergisi 7 (2): 557-576

Akıncı H, Özalp AY, Turgut B (2013) CİS və AHP texnikasından istifadə edərək əkinçilik ərazilərində istifadə uyğunluğu təhlili. Comput Electron Agric 97: 71-82

Al-Shalabi MA, Mansor SB, Ahmed NB, Shiriff R (2006) GIS based multicriteria approaches to housing site suitability assessment. In: XXIII FIG congress, October 8–13, Germany

Altınbaş Ü (2006) Toprak etüd ve haritalama. Ege Üniversitesi Basımevi, Bornova

Al-Yahyai S, Charabi Y, Gastli A, Al-Badi A (2012) Wind farm land suitability indexing using multi-criteria analysis. Renew Energy 44:80–87

Asakereh A, Soleymani M, Sheikhdavoodi MJ (2017) A GIS-based fuzzy-AHP method for the evaluation of solar farms locations: case study in Khuzestan province, Iran. Sol Energy 155:342–353

Ashraf MI, Zhao Z, Bourque CPA, Meng FR (2012) GIS-evaluation of two slope-calculation methods regarding their suitability in slope analysis using high-precision LiDAR digital elevation models. Hydrol Process 26(8):1119–1133

Bale CL, Williams JB, Charley JL (1998) The impact of aspect on forest structure and floristics in some Eastern Australian sites. For Ecol Manag 110(1–3):363–377

Bandyopadhyay S, Jaiswal RK, Hegde VS, Jayaraman V (2009) Assessment of land suitability potentials for agriculture using a remote sensing and GIS based approach. Int J Remote Sens 30(4):879–895

Barakat A, Ennaji W, El Jazouli A, Amediaz R, Touhami F (2017) Multivariate analysis and GIS-based soil suitability diagnosis for sustainable intensive agriculture in Beni-Moussa irrigated subperimeter (Tadla plain, Morocco). Model Earth Syst Environ 3(1):3

Barral MP, Oscar MN (2012) Land-use planning based on ecosystem service assessment: a case study in the Southeast Pampas of Argentina. Agr Ecosyst Environ 154:34–43

Bojorquez-Tapia LA, Diaz-Mondragon S, Ezcurra E (2000) GIS-based approach for participatory decision making and land suitability assessment. Int J Geogr Inf Sci 15(2):129–151

Brans JP, Vincke P (1985) Note—a preference ranking organisation method: (the PROMETHEE method for multiple criteria decision-making). Manag Sci 31:647–656

Burrough PA, McDonnell RA (1998) Creating continuous surfaces from point data. In: Principles of geographic information systems. Oxford University Press, Oxford

Cengiz T, Akbulak C (2009) Application of analytical hierarchy process and geographic information systems in land-use suitability evaluation: a case study of Dümrek village (Çanakkale, Turkey). Int J Sustain Dev World Ecol 16(4):286–294

Cengiz T, Akbulak C, Özcan H, Baytekin H (2013) Gökçeada’da optimal arazi kullanımının belirlenmesi. Tarım Bilimleri Dergisi 19:148–162

Chandio IA, Matori AN, Yusof K, Talpur MH, Aminu M (2014) GIS-based land suitability analysis of sustainable hillside development. Procedia Eng 77:87–94

Chen CT (2000) Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets Syst 114(1):1–9

Chen J (2007) Rapid urbanization in China: a real challenge to soil protection and food security. CATENA 69(1):1–15

Chen Y, Khan S, Paydar Z (2010) To retire or expand? A fuzzy GIS-based spatial multi-criteria evaluation framework for irrigated agriculture. Irrig Drain 59(2):174–188

CLC-Corine Land Cover (2012) European Environment Agency. www.eea.europa.eu

Collins MG, Steiner FR, Rushman MJ (2001) Land-use suitability analysis in the United States: historical development and promising technological achievements. Environ Manag 28(5):611–621

Dedeoğlu M, Dengiz O (2019) Generating of land suitability index for wheat with hybrid system aproach using AHP and GIS. Comput Electron Agric 167:105062

Dezert J, Tacnet JM, Batton-Hubert M. Smarandache F (2010) Multi-criteria decision making based on DSmT-AHP. In BELIEF: workshop on the theory of belief functions. Belief Functions and Applications Society (BFAS)

Dinç U, Şenol S (1997) Toprak etüd ve haritalama. ÇÜ Ziraat Fakültesi Genel Yayın (161)

Driessen PM, Konijn NT (1992) Land-use systems analysis. WAU and Interdisciplinary Research (INRES)

Dunn M, Hickey R (1998) The effect of slope algorithms on slope estimates within a GIS. Cartography 27(1):9–15

Elaalem M, Comber A, Fisher P (2011) A comparison of fuzzy AHP and ideal point methods for evaluating land suitability. Trans GIS 15(3):329–346

Ennaji W, Barakat A, El Baghdadi M, Oumenskou H, Aadraoui M, Karroum LA, Hilali A (2018) GIS-based multi-criteria land suitability analysis for sustainable agriculture in the northeast area of Tadla plain (Morocco). J Earth Syst Sci 127(6):79

Everest T (2017) Assessment of land use efficiency in Ezine district of Çanakkale. Turk J Argic Res 4(2):109–123

Everest T, Akbulak C, Özcan H (2011) Arazi kullanım etkinliğinin değerlendirilmesi: Edirne ili Havsa ilçesi örneği. Anadolu Tarım Bilimleri Dergisi 26(3):251–257

FAO (1977) A framework for land evaluation. Int Inst Land Reclam Improv 22:87

FAO (1989) Guidelines for land use planning. Interdepartmental working group on land planning. FAO, Rome

Feizizadeh B, Blaschke T (2013) Land suitability analysis for Tabriz County, Iran: a multi-criteria evaluation approach using GIS. J Environ Plan Manag 56(1):1–23

Gabet EJ, Mudd SM (2009) A theoretical model coupling chemical weathering rates with denudation rates. Geology 37(2):151–154

Goulden T, Hopkinson C, Jamieson R, Sterling S (2016) Sensitivity of DEM, slope, aspect and watershed attributes to LiDAR measurement uncertainty. Remote Sens Environ 179:23–35

Habibie MI, Noguchi R, Shusuke M, Ahamed T (2019) Land suitability analysis for maize production in Indonesia using satellite remote sensing and GIS-based multicriteria decision support system. GeoJournal 1–31

Hashemizadeh A, Ju Y, Dong P (2019) A combined geographical information system and best–worst method approach for site selection for photovoltaic power plant projects. Int J Environ Sci Technol 1–16

Hobbs JE (2020) Food supply chains during the COVID‐19 pandemic. Can J Agric Econ/Revue canadienne d’agroeconomie

Horn BK (1981) Hill shading and the reflectance map. Proc IEEE 69(1):14–47

Kapluhan E (2013) Türkiye’de Kuraklık ve Kuraklığın Tarıma Etkisi. Marmara Coğrafya Dergisi 27:487–510

Kazemi H, Akinci H (2018) A land use suitability model for rainfed farming by multi-criteria decision-making analysis (MCDA) and geographic information system (GIS). Ecol Eng 116:1–6

Kerr WA (2020) The COVID-19 pandemic and agriculture: short- and long-run implications for international trade relations. Can J Agr Econ. https://doi.org/10.1111/cjag.12230

KHGM (1999) T. C. Prime Ministry Services of the General Directorate of Village Services, provincial report (Çanakkale) no: 17, Ankara

Kinnell PIA (2000) The effect of slope length on sediment concentrations associated with side-slope erosion. Soil Sci Soc Am J 64(3):1004–1008

Kuria D, Ngari D, Waithaka E (2011) Using geographic information systems (GIS) to determine land suitability for rice crop growing in the Tana delta. J Geogr Reg Plan 4(9):525–532

Li G, Messina JP, Peter BG, Snapp SS (2017) Mapping land suitability for agriculture in Malawi. Land Degrad Dev 28(7):2001–2016

Maddahi Z, Jalalian A, Zarkesh MMK, Honarjo N (2017) Land suitability analysis for rice cultivation using a GIS-based fuzzy multi-criteria decision making approach: central part of Amol district, Iran. Soil Water Res 12:29–38

Malckzewski J, Ogryczak W (1995) The multiple criteria location problem: 1. A generalized network model and the set of efficient solutions. Environ Plan 27:1931–1960

Malczewski J (2004) GIS-based land-use suitability analysis: a critical overview. Prog Plan 62(1):3–65

Mesgaran MB, Madani K, Hashemi H, Azadi P (2017) Iran’s land suitability for agriculture. Sci Rep 7(1):7670

Meyer MD, North MP, Gray AN, Zald HS (2007) Influence of soil thickness on stand characteristics in a Sierra Nevada mixed-conifer forest. Plant Soil 294(1–2):113–123

Mohammadizadeh MJ, Karbassi AR, Nabi Bidhendi GR, Abbaspour M (2016) Integrated environmental management model of air pollution control by hybrid model of DPSIR and FAHP. Glob J Environ Sci Manag 2(4):381–388

Mokarram M, Aminzadeh F (2010) GIS-based multicriteria land suitability evaluation using ordered weight averaging with fuzzy quantifier: a case study in Shavur Plain, Iran. Int Arch Photogramm Remote Sens Spat Inf Sci 38(2):508–512

Mokarram M, Mirsoleimani A (2018) Using fuzzy-AHP and order weight average (OWA) methods for land suitability determination for citrus cultivation in ArcGIS (case study: Fars province Iran). Phys A Stat Mech Appl 508:506–518

Montgomery DR (2007) Soil erosion and agricultural sustainability. Proc Natl Acad Sci 104(33):13268–13272

Mora-Arroyo JP, Sánchez-Azofeifa GA, Rivard B, Calvo JC, Janzen DH (2005) Dynamics in landscape structure and composition for the Chorotega region, Costa Rica from 1960 to 2000. Agric Ecosyst Environ 106(1):27–39

MTA (2018) General directorate of mineral research and exploration. Geology of Turkey. http://yerbilimleri.mta.gov.tr/anasayfa.aspx. Accessed 30 June 2018

Mustafa AA, Singh M, Sahoo RN, Ahmed N, Khanna M, Sarangi A, Mishra AK (2011) Land suitability analysis for different crops: a multi criteria decision making approach using remote sensing and GIS. Researcher 3(12):61–84

Özcan H (2015) Storie index ve arazi derecelendirme sistemi. Toprak etüt ve haritalama el kitabı. Gıda, Tarım ve Hayvancılık Bakanlığı, Tarım Reformu Genel Müdürlüğü, pp 509–547

Özcan T, Çelebi N, Esnaf Ş (2011) Comparative analysis of multi-criteria decision making methodologies and implementation of a warehouse location selection problem. Expert Syst Appl 38(8):9773–9779

Özcan H, Aydemir S, Çullu MA, Günal H, Eren M, Kadir S, Ekinci H, Everest T, Sungur A, FitzPatrick EA (2018) Vertisols. In: The soils of Turkey. Springer, Cham, pp 169–206

Ozdemir MS, Saaty TL (2006) The unknown in decision making: what to do about it. Eur J Oper Res 174(1):349–359

Özkan K, Kantarci MD (2008) Beysehir golu havzasi’nin orman yetisme ortami alt bolgeleri ve yoreleri gruplari. Fac For J 2:123–135

Özyazıcı MA, Dengiz O, Sağlam M, Turan İD (2016) Determination of land suitability site for some forage legumes using multi-criteria assessment and geostatistical approach. PONTE Int Sci Res J 72:3

Parlak M (2012) Determination of soil erosion over different land uses by mini rainfall simulator. J Food Agric Environ 10(3–4):929–933

Parry JA, Ganaie SA, Bhat MS (2018) GIS based land suitability analysis using AHP model for urban services planning in Srinagar and Jammu urban centers of J&K, India. J Urban Manag 7:46–56

Pimentel D, Harvey C, Resosudarmo P, Sinclair K, Kurz D, McNair M, Blair R (1995) Environmental and economic costs of soil erosion and conservation benefits. Science 267(5201):1117–1123

Poudel PB, Poudel MR, Gautam A, Phuyal S, Tiwari CK, Bashyal N, Bashyal S (2020) COVID-19 and its global impact on food and agriculture. J Biol Today’s World 9(5):221

Qiu L, Zhu J, Pan Y, Hu W, Amable GS (2017) Multi-criteria land use suitability analysis for livestock development planning in Hangzhou metropolitan area, China. J Clean Prod 161:1011–1019

Richards BK, Stoof CR, Cary IJ, Woodbury PB (2014) Reporting on marginal lands for bioenergy feedstock production: a modest proposal. BioEnergy Res 7(3):1060–1062

Ricketts T, Imhoff M (2003) Biodiversity, urban areas, and agriculture: locating priority ecoregions for conservation. Conserv Ecol 8(2):1

Saaty TL (1980) The analytic hierarchy process: planning, priority setting, resources allocation. McGraw, New York, p 281

Selby MJ (1976) Slope erosion due to extreme rainfall: a case study from New Zealand. Geogr Ann Ser A Phys Geogr 58(3):131–138

Sharma R, Kamble SS, Gunasekaran A (2018) Big GIS analytics framework for agriculture supply chains: a literature review identifying the current trends and future perspectives. Comput Electron Agric 155:103–120

Siche R (2020) What is the impact of COVID-19 disease on agriculture? Sci Agropecu 11(1):3–6

Steinitz C (1976) Hand-drawn overlays: their history and prospective uses. Landsc Archit 66:444–455

Tercan E, Dereli MA (2020) Development of a land suitability model for citrus cultivation using GIS and multi-criteria assessment techniques in Antalya province of Turkey. Ecol Ind 117:106549

Thornthwaite CW (1948) An approach to a rational classification of climate. Geogr Rev 38:55–94

Travis MR, Elsner GH, Iverson WD, Johnson CG (1975) VIEWIT computation of seen areas, slope, and aspect for land use planning. Gen. Tech. Rep. PSW-GTR-11. Pacific Southwest Research Station, Forest Service, US Department of Agriculture, Berkeley, CA

Tzeng GH, Huang JJ (2011) Multiple attribute decision making: methods and applications. Chapman and Hall/CRC, London

Wachowiak MP, Walters DF, Kovacs JM, Wachowiak-Smolíková R, James AL (2017) Visual analytics and remote sensing imagery to support community-based research for precision agriculture in emerging areas. Comput Electron Agric 143:149–164

WRB (2014) World reference base for soil resources 2014 international soil classification system for naming soils and creating legends for soil maps. FAO, Rome

Yimer F, Ledin S, Abdelkadir A (2006) Soil property variations in relation to topographic aspect and vegetation community in the south-eastern highlands of Ethiopia. For Ecol Manag 232(1–3):90–99

Zevenbergen LW, Thorne CR (1987) Quantitative analysis of land surface topography. Earth Surf Proc Land 12(1):47–56

Zhang J, Su Y, Wu J, Liang H (2015) GIS based land suitability assessment for tobacco production using AHP and fuzzy set in Shandong province of China. Comput Electron Agric 114:202–211

Zolekar RB (2018) Integrative approach of RS and GIS in characterization of land suitability for agriculture: a case study of Darna catchment. Arab J Geosci 11(24):780

Zolekar RB, Bhagat VS (2015) Multi-criteria land suitability analysis for agriculture in hilly zone: remote sensing and GIS approach. Comput Electron Agric 118:300–321


Introduction

Given global warming and air-pollution induced by burning fossil fuels, utilizing renewable energies –such as solar energy- is indispensable in modern power networks. Solar energy as a clean, affordable, and sustainable source to generate electrical power is of great interest in arid and sim-arid regions. However, identifying the optimal location to benefit the maximum potential of solar energy is a big challenge.

There is a wide range of research papers that have attempted to extract the optimum location in multi-criteria decision-making (MCD) problems. For instance, voltage deviation and power loss 1,2,3 have been chosen as a cost function and optimum location for generators that are used renewable energies have been identified. In such problems, the main objective is to maintain the power system at a proper operating level. Hence, in such problems, the researchers are facing an optimization problem and finding the optimum cost function value and maintaining technical constraints at a proper level is indispensable. As it is obvious, the cost function in these problems is known and explicit, however, the main question is that what is the proper method when we are encountering with an MCD problem? In MCD problems, the main objective is to extract the proper weights for each input layer.

To reach this goal, the geographical information system (GIS) techniques can be used to determine the optimal location for solar PV farms spatially 4 . Considering geographical, topographical and soil data, Xu və s. 5 have determined potential locations for constructing coal-fired power plant sites using GIS. However, they considered only one sample point for each polygon while, each parameter can vary in all geographical directions. GIS-based methods have been effectively used in different aspects of energy domain including renewable energy 6,7,8,9 , planning infrastructure projects 10,11 , energy demand estimation 12,13 , energy consumption modeling 14,15 , site planning of renewable energy powerplants 16,17 and visual impact assessment 18,19 .

Anwarzai və s. 20 utilized a multi-criteria decision analysis in GIS (GIS-MCD) to identify wind and solar energy capacities. Sarmiento və s. 21 used a decision support tool to determine the solar radiation amount in Salta province, Argentina. Alavipoor və s. 22 considered climatic parameters such as the number of dusty days, relative humidity, and topography parameters (slope and elevation) as input data in GIS to prepare maps showing appropriate sites for solar PV farms 22 .

GIS-based techniques can also be utilized to investigate the spatial variability of solar energy 23,24,25,26 . Wang və s. 27 utilized satellite images with different spatial resolutions to determine the optimal location for constructing a nuclear power plant. Their results revealed the capability of Landsat-8 in comparison with other satellite imagery data. Although Wang və s. 27 utilized red infrared to obtain more accurate results, they only considered a single parameter (temperature) to monitor the thermal plume of the nuclear power plant. Whereas, spatial data such as topography and climatic parameters are necessary to obtain more accurate results. Asakereh və s. 28 have used a combination of fuzzy and AHP methods to determine an appropriate location for solar PV farms. Mierzwiak and Calka 29 used a multi-criteria analysis to determine a suitable location for solar PV farms. Also, Idris and Abd Latif 30 have used GIS multi-criteria decision-making systems to determine suitable areas for establishing power plants in Pahang, Raub. They have deployed fuzzy_AHP for allocating weights to different layers to produce a suitability map without considering the confidence level in their computations. Moreover, TOPSIS, AHP, and fuzzy methods can also be utilized to determine the optimal location in MCD problems 31,32 . In addition, Karimi və s. 33 have considered some parameters such as land slope, elevation, distance from roads, distance from water resources, distance to faults, distance to rural regions, and land use to obtain optimum solution spatially. However, climatic factors that have a great impact on obtaining an optimum site for solar farms have not been investigated.

One of the main limitations associated with fuzzy_AHP or MCD systems is that these methods are not able to consider the uncertainty of model inputs into account. Despite the merits claimed in the literature, the methods used in the previous studies are able to produce a single suitability map without considering the uncertainty or confidence interval of produced results. Various climatic and socio-economic parameters need to be taken into account to determine suitable sites for constructing solar PV farms. As data related to each parameter might be obtained with different accuracy and different confidence level, the uncertainty of produced maps locating suitable sites for constructing PV farms needs to be taken into account. In fact, generating the suitability maps with a known confidence level would benefit management practices and decision-makers to select a specific site for constructing PV farms commensurate with their social and economic restrictions. In this case, the Dempster-Shafer (DS) theory, which is a generalized form of the Bayesian theory, proposes a set of principles to combine data from various sources to determine the uncertainty of input data 34 .

This study proposes a new framework combining the DS theory with a fuzzy system to identify the optimum solar farm sites in the Fars province, Iran. In the first step, a fuzzy system is used to homogenize the data from different input parameters, and in the second stage, the fuzzy outputs are introduced to AHP and DS systems. Finally, the accuracy of the generated map using the fuzzy_AHP (without considering the confidence level) will be compared with the generated maps using the fuzzy_DS method with confidence levels of 95%, 99%, and 99.5%, and capabilities of these two methods will be evaluated.

The contributions are this paper are summarized as follows:

This study proposes a new framework combining the DS theory and fuzzy system that incorporates a probabilistic uncertainty model to determine the uncertainty of the decision system and is able to generate suitability maps with desired confidence levels. According to the best author knowledge, in the power engineering system, this is the first study that considers the uncertainty of different sources in generating maps with different confidence levels showing the suitability of different areas for the construction of solar PV farms.

All input data is acquired in a real scenario, Fars province, Iran.

In this paper, different risk levels are investigated such that the operator will be able to select the proper output according to the available budget, load profile, etc.

In order to overcome burden time and boost solving procedure, a 4-pixel × 4-pixel windows is utilized.

Finally, to validate the fuzzy_DS method capability, its results are compared with those obtained by the fuzzy_AHP method.


Təşəkkürlər

I gratefully acknowledge J. Weiss for statistical help and E. Fridley for field assistance K. Woods, J. Mayer, and M. Clauser for providing additional field help K. Langdon, J. Renfro, and GSMNP park staff for providing logistical support and T. Jobe, P. White, and T. Lookingbill for providing thoughtful discussion. This study was supported by the National Parks Ecological Research Fellowship program, a partnership between the National Park Service (NPS), the Ecological Society of America, and the National Park Foundation, and funded through a generous grant from the Andrew W. Mellon Foundation.


Videoya baxın: Set Data Source in ArcGIS (Oktyabr 2021).