32.Классификация данных для порядковых о номинальных шкал измерений.

Классификация - одна из самых естественных вещей, которые делают люди. Даже самые заурядные вещи подвергаются классификации. Используемые нами классификации приводят людей, места и вещи некоторую систему, которая дает нам понимание того, как они функционируют: подобно другим членам своих групп и отлично от членов других групп. В этом - суть классификации. Число возможных методов классификации и переклассификации бесконечно. Все они сильно зависят от потребностей пользователя, как и работа всей ГИС в целом. Очень часто (особенно если данные получены из внешнего источника) мы работаем с уже классифицированными кем-то данными. И нашу работу можно охарактеризовать как переклассификацию полученных данных. Точки, линии и полигоны могут быть переклассифицированы простым перекодированием атрибутов в их таблицах или перекодированием значений ячеек растра для создания новых наборов данных. В этом простом процессе пользователь меняет сами атрибуты и не более того. В случае растрового набора данных, вы просто меняете числа кодов или имена атрибутов для этих ячеек растра. Таким образом, переклассификация на растре означает просто замену входных значений ячеек новыми выходными значениями. Существует множество различных целей переклассификации данных.Наиболее распространенные из них: Замена значений на основе новой информации. Переклассификацию полезно использовать, когда вы хотите заменить значения во входном растре новыми значениями. Это может потребоваться, если вы выяснили, что значение одной или нескольких ячеек в действительности должно быть другим. Группировка значений. Вам может потребоваться упростить информацию в растре. Например, вы можете объединить различные типы лесов в один класс лесов.Переклассификация значений в наборе растров по единой шкале. Другая причина для переклассификации - присвоение растру значений предпочтительности, чувствительности, приоритета или другого аналогичного критерия. Эту операцию можно выполнить с одним растром (растру типов землепользования можно присвоить значения 1–10, отражающие вероятность эрозии), или с несколькими растрами, чтобы привести их к общей шкале значений. Например, при поиске склонов, на которых наиболее велика опасность появления лавины, исходными данными должны быть уклон, тип почв и растительность. Замена определенных значений на “нет данных” или замена “Нет данных” на значение. Иногда вам нужно исключить определенные данные из анализа, например, если на некоторые типы почв (например, на болота)наложены ограничения, не позволяющие вести на них строительство. В таких случаях вы можете заменить эти значения на “Нет данных”, чтобы исключить их из дальнейшего анализа. В других случаях может потребоваться заменить “Нет данных”на значение, например, если появились данные для ячеек, ранее помеченных, как “Нет данных”.

В векторных системах процесс переклассификации требует как изменения атрибутов, так и геометрии объектов. Во-первых, надо удалить все линии, которые разделяют классы, которые должны быть объединены. Эта операция называется растворением границ. Затем в атрибутивной таблице нужно записать новые значения атрибутов вновь образованных объектов. На практике эту операцию проще сделать наоборот: создать новое поле, на основе которого будет проходить объединение векторных объектов, и задать векторным объектам одного класса один и тот же атрибут. Возможно, такое поле уже в таблице существует. Затем воспользоваться функций Dissolve (Слияние), которая создаст новый векторный набор данных, представляющий векторные объекты с одинаковым значением выбранного атрибута как один объект.

И в растровой, и в векторной переклассификации полигонов имеется интересная особенность. В обоих случаях по окончании мы имеем меньшее число категорий, чем имели вначале. Этот результат называется агрегированием данных.