Verwendung von Datenklassifizierung

Die Datenklassifizierung ist ein entscheidender Schritt bei der Analyse und Visualisierung geografischer Daten. GeoPard bietet mehrere Klassifizierungsmethoden, um Anwendern zu helfen, ihre Daten effektiv zu verstehen und zu interpretieren. Drei häufig verwendete Datenklassifizierungstypen in GeoPard sind Natural Breaks, Gleichmäßige Intervalle und Gleichmäßige Anzahl (Fläche). Jede Klassifizierungsmethode hat ihre eigenen Merkmale und Anwendungs­szenarien, wie unten beschrieben:

1. Natural Breaks Klassifizierung

Die Natural Breaks-Klassifizierung identifiziert „natürliche“ Schwellenwerte oder Bruchpunkte in der Datenverteilung, um deutlich unterscheidbare Gruppen zu bilden. Sie maximiert die Unterschiede zwischen den Klassen und minimiert die Unterschiede innerhalb jeder Klasse. Natural Breaks ist nützlich für Daten mit klaren Mustern oder Clustern und ermöglicht eine effektive Exploration und Analyse.

Natural Breaks Klassifizierung

2. Gleichmäßige Intervalle Klassifizierung

Die Klassifizierung in gleichmäßige Intervalle teilt den Datenbereich in gleich große Intervalle oder Klassen auf. Sie bietet eine ausgewogene Darstellung der Datenverteilung und macht es einfach, Werte innerhalb jedes Intervalls zu interpretieren und zu vergleichen. Gleichmäßige Intervalle eignen sich für gleichmäßig verteilte Daten ohne ausgeprägte Muster.

Gleichmäßige Intervalle Klassifizierung

3. Gleichmäßige Anzahl (Fläche) Klassifizierung

Die Gleichmäßige Anzahl-Klassifizierung stellt sicher, dass in jeder Klasse die gleiche Anzahl von Datenwerten enthalten ist. Sie bewahrt eine ausgewogene Darstellung, insbesondere bei schiefen oder ungleich verteilten Daten. Gleichmäßige Anzahl ermöglicht faire Vergleiche zwischen Flächen oder Regionen und liefert konsistente Analyse- und Visualisierungsergebnisse.

Das Ziel ist es, Zonen mit relativ ähnlichen Flächengrößen zu schaffen, aber Rundungsoperationen und Qualitätsverbesserungen der Zonen können leichte Abweichungen einführen. Daher führen Vegetationsindizes mit höherer Granularität, wie EVI2, MCARI1 oder WDRVI, zu präziseren Ergebnissen. Und die endgültigen Geometrien der Zonen werden feinabgestimmt, um die Genauigkeit zu verbessern.

Gleichmäßige Anzahl (Fläche) Klassifizierung

4. Räumlich lokalisierte Klassifizierung

Die räumlich lokalisierte Klassifizierung gruppiert Daten georäumlich und erzeugt lokalisierte Zonen. Ihr Hauptanwendungsfall ist die Planung von Probenahmezonen für Bodenproben, wodurch eine effiziente Segmentierung von Feldern in handhabbare Bereiche ermöglicht wird.

Um mehr Flexibilität zu bieten, umfasst die räumlich lokalisierte Klassifizierung drei unterschiedliche Optionen: hin zu Räumlich, hin zu Werten, und Ausgewogen, wodurch Sie den Clustering-Prozess basierend auf spezifischen Anforderungen anpassen können.

4.1. Ausgewogene Option der räumlich lokalisierten Klassifizierung

Der Ausgewogen die Option der räumlich lokalisierten Klassifizierung bietet einen Mittelweg zwischen den hin zu Räumlich und hin zu Werten Optionen. Sie erzeugt eine Zonenkarte mit Clustern, die ein Gleichgewicht zwischen geografischer Nähe und Datenwertähnlichkeit erreichen. Dieser Ansatz ist nützlich, wenn sowohl räumliche Kompaktheit als auch Datenkonsistenz wichtig sind, und bietet eine ausgewogene Lösung für die meisten allgemeinen Anwendungsfälle.

Räumlich lokalisierte Klassifizierung (ausgewogene Option)

4.2. Hin zu Werten der räumlich lokalisierten Klassifizierung

Hin zu Werten die Option der räumlich lokalisierten Klassifizierung erzeugt im Gegensatz dazu Zonen, die auf Basis von Datenwerten und nicht geografischer Nähe gruppiert sind. Diese Option fasst Bereiche mit ähnlichen Datenmerkmalen wie Vegetations- oder Bodenqualität zusammen, um eine Zonenkarte zu erstellen, bei der der Schwerpunkt auf der Datenkonsistenz innerhalb jeder Zone liegt. Sie eignet sich am besten für Anwendungsfälle, in denen die Einheitlichkeit der Daten innerhalb der Zonen wichtiger ist als ihre räumliche Anordnung.

Räumlich lokalisierte Klassifizierung (Option: hin zu Werten)

4.3. Hin zu Räumlich der räumlich lokalisierten Klassifizierung

Hin zu Räumlich die Option der räumlich lokalisierten Klassifizierung konzentriert sich darauf, Zonen zu erstellen, die geografisch stärker konzentriert sind. Dies erzeugt eine Zonenkarte mit Clustern, die die Nähe priorisieren und sicherstellen, dass jede Zone räumlich kompakt ist. Sie ist ideal für Anwendungen, bei denen der physische Standort der Zonen im Vordergrund steht, wie Logistik oder räumlich basierte Probenahmen.

Räumlich lokalisierte Klassifizierung (Option: hin zu Räumlich)