16.6. 非洲地理信息系统案例研究

16.6.1. 非洲地理信息系统案例研究

我们从idrisi for Windows用户指南教程练习的数据库查询部分的一个示例中提取了(经许可)以下内容。这个简化的示例只包含我们通常考虑在模型中使用的许多数据元素中的一些。它确实说明了操作中GIS的工作原理和基本原理。为了方便地操作数据,它还依赖于每个元素中不同的排名模式,这将减少到可接受(1)和不可接受(0)。

问题是,在毛里塔尼亚和塞内加尔(大西洋沿岸的两个西非国家)边界的塞内加尔河北侧的山谷中,确定种植特定作物的最佳区域。谷类作物是高粱,一种生长在热带气候中的高草,能产生适合青贮和饲料的谷物,或者在某些品种中,能产生类似甘蔗糖的果汁,称为高粱。清单中的许多因素 second page 在本节中,关于农业选址,也适用于这种情况,但在这里,我们只考虑关键因素,如土壤类型、救济和周期性洪水(促进高粱生长)。

以下流程图概述了使用地理信息系统自动决定合适区域的步骤顺序:

|利用地理信息系统对研究流程图的合适区域进行决策自动化。|

(注意:在说明这些步骤的图形中,我们省略了idrisi程序创建的图例,因为当我们将图像转换为“.tif”格式时,没有提供复制的功能。我们识别文本中每个图形的类别颜色。)

第一个因素是海拔变化或起伏。实地调查已经产生了一个数字高程模型(DEM)数据集,从中我们生成了这张通用地形图图像(三米等高线间隔)(流程图中的drelief和其他文件名一样):

|案例研究区总地形图。|

(按照颜色编码,海拔上升的顺序是:蓝色(最低,与河流相关)、中灰色、紫红色、深绿色、中绿色、橄榄色、黄色、棕褐色、棕色、红色、深灰色和黑色。)

15-9: There seems to be something strange about this elevation map. The river is the lowest part of the scene, yet it appears to back up against the medium green pattern. What gives? `ANSWER <answers.html#15-9>`__

该场景中的地形或海拔范围为33米(约108英尺),这标志着该地区相对较低。在西部和东北部有平缓的山丘。低地横跨河流,有一个不寻常的低地(冲沟?)显示在图像的北中心。这个洼地控制着雨季经常发生的洪水期间的位置和蓄水量。洪水水位可以达到正常水位以上9米(30英尺)。使用这个高度范围作为约束,我们使用一个称为reclass的idrisi例程,它将布尔代数值0和1给予其他值范围,以生成一个定义淹没区域(蓝色)的图像(称为洪水)。在这里,我们将1分配给所有小于9米的高程值(蓝色),即那些容易被洪水淹没的高程值,将0分配给所有高于该高度的高程值(在图像中呈现为黑色)。

|案例研究区洪水图。|

15-10: Why is the area beyond the river flooded where it is in the pattern map? `ANSWER <answers.html#15-10>`__

在这一阶段,该地区的土壤类型差异性地吸收洪水,因此,一些土壤长期保持足够的水分,以便在生长季节提供持续的水分供应。因此,土壤类型是另一个关键因素。以下是该地区五种土壤分布图(DSOIL):

|案例研究区域的DSoils地图。|

在这张地图中,蓝色=重土(1);黄色=粘土(2);红色=砂质粘土(3);绿色=河堤土(4);紫色=石质土(5)。idrisi项目允许我们对每种土壤进行适宜性排序,如下所示:最佳(5)=clays,然后在质量下降时,堤防土壤(4)、砂质粘土(3)、重粘土(2)和最差的石质土壤(1)。由于其他原因,黑色区域不作进一步考虑。现在,技巧变成了制作一张地图(Sorgsuit),其中我们用idrisi对土壤的适宜性进行评级。 ASSIGN 程序:

|案例研究区域的Sorgsuit地图。|

在该图中,红色=1(最不合适);棕色=2;深棕色=3;黄棕色(最合适)=4;黑色=5(不考虑)。显然,这张地图与上面的土壤地图具有相同的分布模式,但现在,我们指示计算机为每一种土壤提供一个数值(一个表示种植这种作物的生产力的属性),而不是土壤类型名称。现在,我们只需生成一张地图,其中显示了构成最佳生长土壤(称为“最佳土壤”)的粘土(绿色)块的位置和大小:

|用于案例研究的最佳土壤图。|

如流程图所示,适宜性过程的最后一步是将洪水和最佳土壤图中的信息作为 OVERLAY 生成一个决策最终产品图,称为Bestsorg。同样,我们需要使用布尔代数的二进制逻辑。在每幅中间地图上,只有两个主题或图案,一个是彩色的,另一个是黑色的,分别代表“好”或“合适”(淹水,最佳土壤)和“不合适”的概念。设“可接受”=1,“不适用”=0。

每个映射的每个数据单元(网格在上面的映射中是隐式的,但没有显示)中都有1或0。由于两个中间地图具有相同的比例和投影,因此它们适合或注册在覆盖过程中。我们可以使用一个模拟过程,即制作两张地图的透明胶片,并将它们以视觉方式覆盖在一张光桌上。但是,我们可以通过对每个地图的网格单元中的数据进行组合,按照此地图代数操作,以数字方式生成相同的结果:

FLOOD

BESTSOIL

BESTSORG

0

X

0

=

0

0

X

1

=

0

1

X

0

=

0

1

X

1

=

1


因此,只有那些在两个地图中都有颜色(1)的单元格的产品得分为1。这些形成连续的斑块,颜色为红色,由 OVERLAY 这里显示:

|案例研究区域的最佳地图。|

由于我们知道每个单元的面积,与合适条件相关的总面积只是单元数乘以单位面积的乘积。在idrisi中,两个程序组和区域执行此操作。

15-11: Examine this BESTSORG map carefully. What is controlling the distribution pattern of the red that represents the optimum crop growth conditions? `ANSWER <answers.html#15-11>`__

当然,在实际的适合性案例中,我们会包括许多其他属性和主题因素,例如:道路(道路等)、市场需求、肥料需求、人力资源可用性等。我们将这些因素中的一些表示为地图,其他表示为我们可以组织成价值表的数据。我们可以将这些数据集成到地理信息系统模型中,从而增加每个数据单元的得分。而且,正如我们在上面的站点适合性说明中所展示的,我们可以应用一个不同的排名系统,在这个系统中,我们将一系列排名,比如从1到10(而不仅仅是0和1)与每个单元格关联起来,然后对所有数据元素求和。

主要作者:Nicholas M.Short,高级电子邮件: nmshort@epix.net
合作者: Code 935 美国国家航空航天局 GSTUSAF Academy
上次更新时间:99年9月
站长:小比尔·狄金森。
现场负责人:Nannette Fekete
请将任何评论发送至 rstweb@gst.com.