En esta ocasión se va a continuar con la anterior entrada dedicada a la predicción de hábitats marinos (fuente: Esri), en la siguiente imagen se muestra dónde nos quedamos, completamos toda la información de nuestros datos fisicoquímicos y se le aportó simbología.

1

El siguiente paso sería obtener información de entrenamiento. Pero antes que nada sería interesante tener suficientes datos para nuestro proyecto. Es decir, existen pocos datos EMUs dentro de los datos de praderas marinas por lo que será necesario incorporar datos aleatorios y eso se hace con la herramienta “Create random points”:

3

Así, una vez asignados los parámetros correspondientes, la localización de salida será la geodatabase  “SeagrassPrediction”, la Feature Class de salida será “entrenamiento” y usará de base la Feature Class “US_coastline_shallow_3857” y el número de puntos ponemos 10000. En la siguiente imagen se muestra cómo se han creado los puntos:

4

Así, estos 10.000 puntos aleatorios permitirán entrenar de manera eficiente nuestro modelo, pero antes que nada le aportaremos información mediante interpolación (Empirical Bayesian Kriging) con los datos EMUs.

7

Así, se realiza la misma operación para el resto de los parámetros fisicoquímicos y se obtienen los diferentes ráster.

8

El siguiente paso sería extraer los valores de los ráster a los puntos aleatorios y para ello se utilizará la herramienta “Extraer los valores múltiples a puntos”:

9

Y se completarán los diferentes parámetros:

10

El siguiente paso para empezar a realizar el entrenamiento es averiguar si los datos de entrenamiento solapan con las áreas dónde existen praderas marinas, para ello se va a crear un nuevo campo llamado “existe”:

11

Y se agrega con formato de campo (Data Type) Double:

12

Así, se nos incluye dicho campo, el cual se va a rellenar con valor 1 en el caso de que coincida con datos de pradera y 0 los que no, para realizar dicho análisis, antes que nada, se va a rellenar el campo con los valores 0, para ello se utiliza la herramienta “Calculate Field”:

14

Para averiguar los puntos que solapan entre los puntos de entrenamiento con los polígonos de praderas marinas se emplea la herramienta “Select layer By Location”:

15

Entonces esos son los puntos que se solapan, la siguiente parte sería, con los puntos que se seleccionan, editarlos y ponerles valor 1:

17

En la III parte ya se tratará la parte de entrenamiento y trabajo con Python. En el CURSO ONLINE DE ESPECIALISTA EN ARCGIS 10 APLICADO A MEDIO AMBIENTE MARINO y  el CURSO ONLINE DE ESPECIALISTA EN ARCGIS PRO APLICADO A MEDIO AMBIENTE MARINO puedes aprender mucho más de herramientas de análisis en un SIG aplicadas al medio marino.

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (1 votos, promedio: 5,00 de 5)

Cargando…

Formación de calidad impartida por profesionales

Curso Online arcgis pro aplicado al medio marino  Curso Online arcgis aplicado al medio marino