Правила відбору об’єктів дослідження.

Ми розглянули існуючі способи та засоби, що використовуються для отримання просторової інформації з метою її подальшого вводу в базу даних геоінформаційної системи для вирішення завдань просторового аналізу. Тепер необхідно розглянути правила, за якими ми можемо здійснити відбір об’єктів дослідження.

На практиці, просторові об’єкти, що досліджуються, мають велику кількість, щоб ми могли їх врахувати та записати координати для кожного з них. Для того, щоб з’ясувати чому ці об’єкти мають відповідний розподіл, необхідно наперед всього знати, що деякий розподіл існує, що у ідеалі виконується пошуком та записом місцеположення об’єктів. Але оскільки ми повністю не можемо створити повний перепис об’єктів, що нас цікавлять, то ми повинні відібрати деякі з них, іншими словами зробити вибірку для того, щоб отримати дані про всі об’єкти на основі меншого обсягу даних, тобто на основі представничої множини.

Вибірки можуть виконуватися різними шляхами. Хоча вибірки ефективні, як для просторових так і непросторових даних, ми обмежимося просторовими даними так, як геоінформаційна система має справу з просторовою інформацією. Найчастіше просторові дані, що використовуються в геоінформаційних системах вибираються двома основними способами. Це - спрямований та не спрямований відбір. Кожний з цих методів має обмеження на отримання просторових даних, відповідно і висновки будуть різні при використанні вибірок.

Спрямована вибірка потребує прийняття рішень про то, які об’єкти повинні бути розглянуті та внесені у список. Сукупність об’єктів, які вивчаються, займає деяку область відбору в межах якої ми робимо вибірку. Разом, сукупність, що вивчається, і область відбору складають базу вибірки, яка включає типи об’єктів, що нас зацікавили, і які мають певні просторові координати.

Інший не спрямований, ймовірний відбір у загальному випадку більш кращий так, як він виключає систематичну помилку. Його сутність полягає у тому, що кожний об’єкт, який вибирається з бази вибірки, має свою ймовірність відбору для дослідження. Ця ймовірність використовується для побудови процедури відбору. Іншими словами, ми забезпечуємо відому ймовірність для встановлення методу відбору, який забезпечить усім об’єктам рівну ймовірність попадання у вибірку.

Методи ймовірного відбору можуть бути легко розділені на чотири категорії: випадковий, систематичний, пошаровий (стратифіцирований), однорідний відбір. Крім того, можлива будь-яка їх комбінація з метою створення гібридного методу створення вибірки. Основним з них є випадковий відбір. Його метою є забезпечення кожному окремому точковому, лінійному, площинному об’єкту або поверхні таку ж ймовірність відбору, як і сусідньому. Систематичний відбір передбачає використання в якості основи відбору, застосування повторюючогося шаблону замість випадкових чисел. Таким шаблоном може бути система точок або квадратів та перехрещення.

Пошаровий (стратифіцирований) просторовий відбір вносить додаткову зміну виміру встановленням невеликих областей, всередині яких визначаються окремі чарунки або об’єкти. Такий відбір спрощує процес отримання даних через розподіл всієї задачі на маленькі області. Приклади окремих способів відбору наведені у табл. 2.1.

Таблиця 2.1.

Узагальнення результатів вибірок

 

 

Всередині кожного шару ми можемо вирішити, який метод використовувати – випадковий або систематичний.

Просторові дані, які отримані в процесі просторового відбору дозволяють провести з ними три види дій:

- характеристики не відібраних місцеположень можуть бути передбачені з характеристик відібраних об’єктів;

- дані всередині границь області можуть бути узагальнені (їм може бути призначений один клас характеристик);

- дані з одного набору просторових одиниць можуть бути перетворені в інші з другими просторовими межами.

Вибіркове обстеження скорочує час, який необхідний на збір даних про область дослідження, однак таке обстеження призводить до відсутності інформації про ті місця, які не увійшли у вибірку. З урахуванням того, що більшість ГІС – програм в значній мірі базується на досліджені областей, ніж окремих точок, тому ми повинні бути готові визначити або передбачити відсутні та необхідні точкові значення. Така необхідність виникає у випадку коли ми збираємо інформацію про поверхні, використовуючи точкові відліки. Наприклад, отримання інформації про рельєф місцевості за допомогою певної кількості точок з відомими координатами та висотами. Так є і в випадку, коли ми розглядаємо топографічні карти то відсутні дані не виміряються, а замість цього вони передбачаються. В таких випадках існує два загальних типи передбачення: інтерполяція та екстраполяція.

Інтерполяція – використовується для визначення відсутніх значень, які знаходяться між відомими точками вибірки у просторі. Передбачення значень за межами області вибірки на основі встановлених всередині неї закономірностей називається екстраполяцією.

Інтерполяція може бути простою, за передбаченням, якщо існує лінійна взаємозалежність між відомими величинами та невідомими величинами, які заповнюють проміжки між ними. Більш складні методи інтерполяції базуються на припущенні про нелінійний зв’язок між цими величинами, або на відстані з урахуванням вагових коефіцієнтів точок. В такому випадку більш близькі точки вважаються більш значними в передбаченні відсутніх значень, ніж більш віддалені точки поверхні.

Моделі вибору поверхні включають підстановку отриманих в результаті спостережень величин в деяке підібране рівняння, вирішення цього рівняння, а потім і знаходження кожного відсутнього значення. Такі моделі також корисні для екстраполяції, оскільки рівняння можливо легко розширити за межі відомих даних.

Розглянуті методи дозволяють передбачити відсутні значення, однак слід пам’ятати, що передбачення – не вимір, і кожне передбачення має свій власний набір помилок та проблемних питань.

Наприклад, ми маємо дані про окремі області поверхні, в яких розміщені точки вибірки, а треба передбачити точне значення поверхні в інших областях цієї поверхні, де не були зроблені вимірювання. Така задача потребує від нас виконання трьох етапів. Спочатку, ми підраховуємо значення середньої щільності для кожної області для того, щоб виключити вплив на них розміру області. Далі, ми присвоюємо кожне значення щільності одній точці всередині кожної з цих областей (звичайно точці, що знаходиться в центрі). Тоді, виконав ці дії, ми можемо повернутися до методів точкової інтерполяції для передбачення середніх значень щільності для кожної пропущеної області.

Але все це можливо за однієї умови. Для кожної точки поверхні, де були визначені значення щільності, необхідно виміряти їх координати (здійснити просторову прив’язку). І будь-яка геоінформаційна система виконує завдання аналізу тільки просторово прив’язаної інформації.