Использование классификации данных

Классификация данных — это ключевой этап в анализе и визуализации географических данных. GeoPard предлагает несколько методов классификации, чтобы помочь пользователям эффективно понять и интерпретировать свои данные. Три часто используемых типа классификации данных в GeoPard — Natural Breaks (естественные разрывы), Equal Interval (равные интервалы) и Equal Count (Area) (равное количество/площадь). Каждый метод классификации имеет свои уникальные характеристики и сценарии применения, описанные ниже:

1. Классификация Natural Breaks (Естественные разрывы)

Классификация Natural Breaks выявляет «естественные» пороги или точки разрыва в распределении данных для создания отдельных групп. Она максимизирует различия между классами и минимизирует различия внутри каждого класса. Natural Breaks полезна для данных с явными паттернами или кластерами, позволяя эффективно исследовать и анализировать поля и урожайность.

Классификация Natural Breaks (Естественные разрывы)

2. Классификация Equal Interval (Равные интервалы)

Классификация Equal Interval делит диапазон данных на равные интервалы или бины. Она обеспечивает сбалансированное представление распределения данных, что облегчает интерпретацию и сравнение значений внутри каждого интервала. Equal Interval подходит для равномерно распределённых данных без отчётливых паттернов — например, для равномерно распределённых показателей биомассы или влажности по полю.

Классификация Equal Interval (Равные интервалы)

3. Классификация Equal Count (Area) (Равное количество/площадь)

Классификация Equal Count обеспечивает равное количество значений данных в каждом классе. Она поддерживает сбалансированное представление, особенно для смещённых или неравномерно распределённых данных. Equal Count позволяет справедливо сравнивать участки или регионы, обеспечивая последовательный анализ и визуализацию, что полезно при планировании выборок почвы или зон менеджмента удобрений.

Цель состоит в создании зон с относительно одинаковыми размерами по площади, но операции округления и улучшения качества зон могут вносить небольшие отклонения. Поэтому использование вегетационных индексов с большей детализацией, таких как EVI2, MCARI1 или WDRVI, даёт более точные результаты. И итоговые геометрии зон уточняются для повышения точности.

Классификация Equal Count (Area) (Равное количество/площадь)

4. Пространственно локализованная классификация

Пространственно локализованная классификация группирует данные по геопространственному принципу, создавая локализованные зоны. Её основной сценарий использования — планирование зон для взятия образцов почвы, что позволяет эффективно сегментировать поля на управляемые участки.

Чтобы предоставить большую гибкость, пространственно локализованная классификация включает три различных варианта: в сторону Пространственный, в сторону значений, и Сбалансированный, позволяя настраивать процесс кластеризации в соответствии с конкретными потребностями.

4.1. Сбалансированный вариант пространственно локализованной классификации

Коэффициент Сбалансированный вариант пространственно локализованной классификации предоставляет золотую середину между в сторону пространственного и в сторону значений вариантами. Он создаёт карту зон с кластерами, которые достигают баланса между географической близостью и сходством значений данных. Такой подход полезен, когда важны как пространственная компактность, так и согласованность данных, предлагая всестороннее решение для большинства общих сценариев использования в сельском хозяйстве.

Пространственно локализованная классификация (Сбалансированный вариант)

4.2. Вариант «в сторону значений» пространственно локализованной классификации

В сторону значений вариант пространственно локализованной классификации, напротив, создаёт зоны, сгруппированные на основе значений данных, а не географической близости. Этот вариант объединяет участки с похожими атрибутами — например, по вегетации или качеству почвы — чтобы создать карту зон, где главным критерием является согласованность данных внутри каждой зоны. Это лучше всего подходит для ситуаций, когда однородность показателей в зоне важнее их пространственного расположения.

Пространственно локализованная классификация (вариант «в сторону значений»)

4.3. Вариант «в сторону пространственного» пространственно локализованной классификации

В сторону пространственного вариант пространственно локализованной классификации фокусируется на создании зон, которые более географически сконцентрированы. Это создаёт карту зон с кластерами, где приоритет отдан близости, обеспечивая пространственную компактность каждой зоны. Он идеален для приложений, где физическое расположение зон имеет первостепенное значение — например, для логистики или пространственно ориентированной выборки почвы.

Пространственно локализованная классификация (вариант «в сторону пространственного»)