Alternatif yang dikenal di beberapa kalangan tetapi tampaknya tidak diketahui sama sekali dalam GIS adalah Teori Nilai Multi-atribut . Ini adalah cara yang secara teoritis beralasan untuk menetapkan metode penilaian yang akurat yang melibatkan dua atau lebih karakteristik (atribut). Ini hasil dengan mempertimbangkan secara sistematis pertukaran antara atribut. Dengan masalah kesesuaian, misalnya, Anda akan mempertimbangkan perubahan ketinggian apa yang diperlukan untuk mengkompensasi perubahan lereng yang diberikan untuk mempertahankan kesesuaian yang sama, dengan pertimbangan yang sama untuk semua pasangan atribut yang memungkinkan.
Wawasan yang diberikan oleh teori meliputi:
Dimungkinkan untuk bobot dari satu subset atribut untuk bervariasi dengan tingkat subset atribut lainnya. Ketika ini terjadi, sistem pembobotan sederhana tidak dimungkinkan - diperlukan formula yang lebih kompleks.
Ketika dependensi seperti itu tidak berlaku (atau tidak kuat), sering kali mungkin untuk menemukan cara mengekspresikan kembali atribut (seperti mengambil logaritma atau akar kuadrat atau timbal balik mereka) sedemikian rupa sehingga sistem penilaian tertimbang sederhana dengan benar mewakili nilai setiap kombinasi atribut. (Tes sederhana untuk ini disebut " kondisi pertukaran yang sesuai ".)
Saya tidak berpikir saya pernah melihat laporan aplikasi penilaian GIS (yang mencakup semua studi kesesuaian) yang mengakui perlunya memeriksa independensi atribut (1) atau mengganggu untuk menilai cara yang benar untuk mengekspresikan atribut (2) . Kecuali jika pekerjaan ini dilakukan, tidak ada sistem penilaian yang memiliki klaim yang sah atas keakuratan atau kegunaan umum dalam membuat keputusan.
Masalah ini jauh lebih penting daripada resolusi atau MAUP dalam hal menghasilkan produk yang benar-benar berguna untuk membuat keputusan penentuan lokasi.
Aspek, ketinggian, dan kemiringan semua berasal dari sumber raster yang sama pada awalnya, sehingga hal yang menyenangkan tentang terus menggunakan raster adalah Anda dapat menyimpan resolusi yang sama untuk input ini tanpa kehilangan informasi karena pengambilan sampel ulang. (Paragraf ini sebagian besar batal & tidak berlaku jika Anda menggunakan sumber data lain pada banyak resolusi lain. :))
Perpanjangan yang berguna selain menghasilkan bobot dengan tangan adalah dengan menggunakan kejadian yang diketahui dari hal yang Anda modelkan kesesuaian untuk & meneruskannya ke dalam program statistik, seperti di: http://spatial-analyst.net/wiki/index. php? title = Species_Distribution_Modelling # Habitat_Suitability_Analysis
Dengan cara itu Anda melatih kesesuaian Anda menggunakan situs yang diketahui, bukan WAG. Tentu saja ini agak lebih terlibat ...
sumber