使用 Suitability Modeler 的评估环境探索和分析条件的变换和权重之间的相互作用，以及生成的适宜性和位置地图。 这将为您评估模型质量提供基础。
Suitability Modeler 方法
Suitability Modeler 采用加权累加方法来创建适宜性地图。 评估环境解决了方法中固有的一些约束。
加权累加方法的约束
加权累加方法受以下限制：
识别输入条件以及应用变换和权重时可能具有主观性。
适宜性值越高越好的假设并不总是成立。 组合后，输入的原始基准和变换后的条件值将丢失。 在变换、加权和合并条件时，无法了解最终适宜性值的生成方式。
例如，在一个具有三个条件的模型中，有两个位置的最终适宜性值均为 22。 位置 1 的加权变换条件值为一个 2 和两个 10；而位置 2 的加权变换条件值为两个 7 和一个 8。 它们在偏好上看起来相等。 但是，变换条件的组合可能对决策产生影响。
Suitability Modeler 基于栅格像元。 但是，决策通常基于其他决策单位类型，例如宗地或流域。
例如，要选择哪块宗地来建设太阳能发电厂？
在验证模型时，外业观测通常非常有用，但这可能需要大量工作。 外业观测有助于确定条件并定义变换和权重。 它们还可以帮助验证模型的质量。
例如，在黑熊适宜性模型中，观测到最高适宜性位置与熊位置相关联，可以增加对模型预测的信心。
由于固有的主观性，不存在客观模型拟合统计数据（如 R2）来确定模型质量。 必须使用其他方法和指标来减少适宜性建模过程中的固有偏差。
评估模型
如果每个输入条件、应用的变换和权重，以及条件之间的相互作用都能得到合理的解释，则在组合条件时将对结果更有信心。
评估环境用于减少上述固有约束的影响。 将在评估环境的各个选项卡中处理每个约束。
评估约束
使用评估窗格中的适宜性建模器部分的选项卡来评估模型。
根据您的具体情况选择要使用的选项卡。 无需使用所有选项卡。 例如，如果不具有外业观测数据，则不需要使用验证选项卡。
有关每个选项卡或面板组的详细信息，请参阅以下内容。
概述选项卡
使用概述选项卡确定模型的输入是否正确。 目标是通过确保所选条件可捕捉主体与其环境的相互作用方式，从而减少模型输入的主观性。
条件选项卡
使用条件选项卡确定条件、变换和权重是否以所期望的方式相互作用。 目标是确保为每个条件应用了适当的权重和变换以生成适宜性值。 通过条件选项卡，您还可以探索用于生成适宜性值的加权变换条件值的组成。
范围内汇总选项卡
使用范围内汇总选项卡可确保根据适当的面积单位制定决策。 例如，如果要购买宗地，则应根据宗地作为决策单位来选择要使用的最佳宗地，而非基于栅格像元。
验证选项卡
使用验证选项卡来确定模型预测与外业观测相比的准确程度。 例如，在野生动物模型中，理想情况下，确实能够在预测的最适宜位置观察到研究的动物。
定位面板
使用定位面板来评估模型确定的区域的准确性。 要研究的问题之一是这些区域是否捕捉到了研究对象的最佳位置。
条件的组成
通过评估环境，您可以探索如何组合变换的条件以创建最终的适宜性值。 在加权叠加方法中，认为适宜性值越高越好。
考虑前面一部分中提到的一个示例，其中两个位置被分配了较高适宜性值 22。 在加权累加方法中，这两个位置的偏好是相等的。 然而，在位置 1，三个单个加权变换条件的值分别为 2、10 和 10。 而在位置 2，这些值分别为 7、8 和 8。
在太阳能发电厂的位置模型中，如果您选择了位置 1，且加权变换值为 2 的特定条件是太阳辐射增益，则影响可能较为明显。 太阳能发电厂可能无法产生预期的功率。 位置 2 可能是更好的选择，因为太阳辐射增益的加权变换条件值为 7 或 8。
加权某个条件可能会加剧此问题。 在位置 1，如果太阳增益原始变换条件值为 1，而且这些条件被乘以 2，则会生成值为 2 的较低加权变换值。 但是，该条件的实际变换值为 1。
适宜性更高可能并不能完全说明问题。 通过评估环境，您可以对传统方法的基本前提进行修正，在传统方法中认为值越大越好。 不仅需要关注具有高适宜性的位置，生成这些高适宜性值的加权变换条件值的组成也非常重要。 如上所示，即使两个位置具有相同的总体适宜性值，选择两者之一仍然可能会导致次优选择。 虽然位置 1 和 2 均可行，但位置 2 可能是更优选择。
评估模型的优势
评估环境允许您执行以下操作：
- 验证制定的每个决策，提升组合条件后的模型的置信度。
- 探索具有高适宜性的位置的条件组成，确保更高的值真正代表更高的价值。
- 在决策过程中包括价值评估。 例如，基于宗地成本和获得的适宜性，确定哪块宗地是最佳购买选择。
- 基于观测数据，验证模型的质量（如果可用）。
- 确定定位生成的区域的准确性。
探索和评估值
要探索模型，利用在评估环境中的各个选项卡，您可以在输入基础和加权变换条件以及生成的适宜性和定位地图上，应用一系列统计数据。 通过每个统计数据，您可以更好地了解模型中条件之间的相互作用。 通过一系列交互式地图、窗格、图表、统计数据和查询，您可以立即获得反馈，深入了解您的模型，从而制定更好的决策。
在评估环境中探索模型时，您可能会发现可以优化模型参数的情况。 在环境中，您可以在 Suitability Modeler 中的变换面板中调整变换或权重。 如果调整了模型中的变换或权重，您将立即在评估选项卡和面板中看到这些更改。
有关在每个选项卡中应用各种统计数据的时间的详细信息，请参阅评估工作流和适宜性建模约束。
有关如何使用评估环境，请参阅 Suitability Modeler 中的评估选项卡和 Suitability Modeler 中的评估窗格。