SuperGeo 崧旭資訊股份有限公司

無標題文件

回首頁

軟體產品

其他代理產品

PG-STEAMER
IDRISI Andes

IDRISI Andes

概述－What’s New in the

Andes Edition

Idrisi Andes版有大幅改進，充分展現出近20年Idrisi團隊的尖端研究成果。
Idrisi Andes版的新功能主要加強四項領域下的功能：土地變遷模組，分類及機制的學習，介面/顯示的強化及一般分析功能上的改進。

產品特色

生態永續性的土地變遷模組
　　土地變遷模組(Land Change Modeler, LCM)，是一個整合的分析土地覆蓋變遷，以及預測未來變化趨勢的研究工具，同時可評估土地變遷對生態及生物多樣性的衝擊。由Andes 國際生物保育中心(Andes Conservation Biology Center of Conservation International)委託研發而完成的Idrisi Andes版，具有可擴充性的垂直應用系統。Idrisi Andes版特別強調快速變化的土地保育問題，以及生物多樣性保育的議題，提供專業的研究工具及模式。

IDRISI Andes

　　LCM可由選單開啟，內有五個標籤，每個標籤項目附有一組下拉式選項，分別可進行下列分析及操作內容：
　　分析過去土地覆蓋變遷(Analyzing past land cover change)
　　模式化變遷過程(Modeling the process of change)
　　預測未來變遷方向(Predicting the course of change into the future)
　　評估變遷對生物多樣性及生態永續性的影響(Assessing the implications of that change for biodiversity and Evaluating planning for maintaining ecological sustainability)

變遷分析(Analyzing Change)
　　變遷分析包含快速評估變遷工具，允許快速查詢土地覆蓋的增加，流失，淨改變，可持續性，以地圖及圖表展示說明。另有變遷抽象評估工具，依據地表變化趨勢，評估最多至第9級的變遷。濾鏡工具可讓特徵轉換分離出來。
變遷模式化(Modeling Change)
　　變遷模式化允許一對多，至一組次模式的設計，探索出解釋變數的潛力。變數可以被增加至靜態或動態成員裡。靜態變數是在時間裡，不會變化，表達出變遷下的基本適當性的層面。動態變數是時間相關的趨動力，如現有開發的鄰近區域，或是基礎設施，經過時間推進之後，在一定的預測時段內，被重新計算。
　　一旦選取好模式的變數，每一個變遷的階段使用邏輯迴歸( Logistic Regression)或類神經網路( Multi-Layer Perceptron， MLP，前一版為 BPN)，提供自動化的模式修正，不需要使用者介入。在經過經驗模式的仔細評估之後(如:顯著權重，經驗機率，經驗相似度等)，將會發現，這兩種研究方式，均提供了最強力的分析運算，特別是MLP。分析的結果可繪製成未來潛在變遷趨圖，以時間導向的土地變遷展現方式。

預測變遷(Predicting Change)
　　變遷預測項目，提供動態土地覆蓋變遷的預測過程。在定義結束日期之後，每一階段的變遷，可以被模式化成馬可夫鏈或藉由提供一個從外部模式，如經濟的模式，計算轉換機率矩陣。兩種基本的變遷模式均有提供。明確預測(Hard Prediction)模式根據CA_MARKOV 模式的修正版，一種細胞自動機多目標土地競爭模式。概括式(Soft Prediction)預測模式，會產生一張地圖，展示出針對已選取的變遷組別，呈現轉變的趨勢。
　　概括式預測模式通常以研究棲地及生物多樣性評估為主，它提供全面的變遷潛力評估。而明確式預測模式，僅產生單一化的事實。
　　在設定變遷預測分析之中，使用者可以定義動態再評估階段的數目，動態變數將會被更新。這個也包含了可選擇性的路網的動態成長(加速成長)。在每個階段，系統也會檢查計劃干擾(見下述)的出現，包含剌激因子及限制因子，以及主要基礎設施的改進。

評估棲地及生物多樣性(Impact Assessment for Habitat and Biodiversity)
　　廣角的評估生態永續性衝擊的工具，包含特定物種的棲地評估，根據任何現存或預測的土地覆蓋圖，及特定物種棲地適宜性地圖(見下述)，棲地評估工具會開發一張地圖，有五種類別：初級棲地，二級棲地，初級潛在走廊，二級潛在走廊及不適宜土地。控制這項過程的重要參數包含家範圍大小，環域帶，即該區是根據對人類敏感性及在家園範圍內，遷移時可跨越障礙能力的敏感性。分析結果地圖可以被用來評估最大物種數目及當作一個在規劃生態走廊的初級資料來源。
　　偵測棲地內的變遷及差距分析，由比較保護狀態的地圖得知。土地覆蓋模式及變遷過程分析，當後者進行變遷過程時，前者評估目前已被確認的土地覆蓋狀況。因此，一個地景可以被主動地分割成許多部份，當大部份仍處於未被分割的狀態下。
　　生物多樣性評估，使用物種範圍多邊形的集合，如由NatureServe(一個國際生態保育科學資料學術機構)提供，這個工具允許當地多樣性的發展(alpha diversity)，以及區域豐富度(regional richness)，當地個體 (local individuality) 及物種組成的相似性。
　　物種分佈模式化。模式選項提供不同案例條件，如僅出現資料(Mahalanobis Typicality及 Fuzzy Mahalanobis Probabilities)，出現/消失資料 (Logistic Regression，Multi-Layer Perceptron)，豐富度資料 (Multiple Regression) 及野外調查資料，以物種研究量身定做的模糊多準則評估版本進行推估模式建立。
　　範圍多邊形修改，根據使用環境變數的群聚分析，進行製圖。

規劃(Planning)
　　規劃項目提供初始的干擾設定，將會不可避免地增加未來的變化。目前的版本提供：
　　剌激及限制- 允許使用者評估衝擊，例如現有及提出的保留區或租稅誘因，可能會重新導向變遷的內容。這些介入因子，被整合在變遷預測的過程中。
　　基礎設施的修改- 允許使用者定義一組主要基礎設施變遷，由指出現有設施圖層，生效日期，或是由定義結束點。允許系統發展最低成本的工程路徑。
　　走廊開發- 開發生物走廊，根據物種棲地適宜性模式，開發權重適宜性，保存價值權重及保護區。操作過程根據花費距離分析，使用由多適宜性輸入參數的物種多目準則聚集原則，目標走廊寬度及分支也可以被具體指定。
　　土地變遷模組，具有廣域的先進工具，對GIS及生態保育專業人士而言都是嶄新的領域。因此，我們認為這個模組可以被做為前導實驗性，做為野外驗證及未來加強的中介具。

分類器與機制學習(Classifiers and Machine Learning)
　　Clark 實驗室持續研發最新的分類器，現在提供了在同業中最寬廣的分類器。機器式學習機制及類神經網路，讓 IDRISI 成為尖端分類器的領導者。這些新的功能包括：

多圖層觀念：

這是我們BPN類神經網路的主要強化特點，包含一個自動化模式(形上智慧，meta-intelligence) ，循序式學習速率修正，兩層隱藏層及對所有圖層啟動的能力，包含隱藏層。

SOM：

Kohenon氏自我組織特徵地圖(Self-Organizing Feature Map)。這是一個類神經網路的分類器，併入側向互動及可進行監督式及非監督式模式。學習向量量子化(Learning Vector Quantization，LVQ用來微調之用。

模糊地圖(Fuzzy ArtMap)：

另一個類神經網路工具，包含適應式共振。這是一個有力的過程，需要些微的人力互動，並且提供監督式及非監督式操作。

決策樹：

一個真實的決策樹分類器，帶有機制學習界面，提供指向任一節點及手動或自動削減節點。明確分類及概括分類均有提供。

K-Means：

是的，熟悉的 K-Means 群集分析，但現在有了一個真實的機制學習界面，不像你以前看過的傳統操作方式。

K-最近鄰：

一個優秀，簡單且明確的非參數式分類器。明確分類及概括分類均有提供。

更多 …

所有的影像處理模組現在支援任何資料類型，開啟廣角的影像處理應用領域，如物種分佈模式分析應用。

界面/展示加強
　　開啟 IDRISI Andes版，主要外觀的界面有明顯的變化。 IDRISI 瀏覽器已經從檔案管理工具，被轉換至主要專案管理工具。結合先前及四個模組 – 瀏覽器, 詮釋資料, 資料路徑及集合編輯器。類似土地變遷模組，瀏覽器在左手邊，有個面版，可以視需求最小化。
　　同時提供檔案目錄資訊。瀏覽器可以被用來建立及選擇專案，管理專案，查看及修改詮釋資料及建立圖層集。圖層也可以在列表中，以雙擊的方式展示，或是拖曳至 IDRISI 展示視窗裡做展示。
　其他展示及界面強化包括：
　　●模擬飛行模組允許存檔播放，建立 AVI 檔。
　　●修改的媒體瀏覽器，提供全部的AVI相容性。
　　●新的 HISTO 模組。針對特徵及網格群組檔案，提供改善的圖形及自動繪圖。
　　●新的圖例管理工具，以按右鍵的方式啟動。選項包括增加或修改圖例輸入，計算　　　類別面積及建立布林值圖層，針對一個或多個類別。
　　●加強指北針設定，可用任何 EMF 圖形。
　　●加強網格選項，包含網格定格點。
　　●顯示不同比例尺不同區域的地圖內容。

一般分析功能的改善(General Analytical Refinements)
　　影像處理的部份，可以接受所有的資料類型。讓影像的分類及轉換有更廣泛的應用分析及模式化空間。
　　多項式邏輯迴歸在支擾多類別定量資料，可設定迴歸分析裡應變數。
新的時序分析工具 (TSAFOURIER) 進行 Fourier 分析，針對每一個像素，產生頻率域及每個諧波的位相。
　　主成份分析模組強化了逆轉換，一個非常好用的技術，對於噪聲的移除。大氣干擾，影像帶狀誤差及部份透明雲層，也可以在次選項裡找到對應的處理工具。配合這些處理的應用，可以消除大部份的噪聲誤差。
　　新的PANSHARPEN 模組提供影像高階灰階及多光譜彩色資料的融合，彩色空間轉換，主成分轉換及局部回歸分析。
　　新的影像轉換程序，根據最小噪聲片段補足現有 PCA 及 CCA 模組。最大化噪音比例。
　　●RUNOFF 模組支援增加的控制變數，包含降雨時段及起始吸收。
　　●新的 SEDIMENTATION 模組，校正土壤流失及沈澱結果，從 RUSLE 模組。
　　●強化的 SEGMENT 現在處理同質影像，根據標準差濾鏡，產生相似度的類別。
　　●BREAKOUT 是一個新的模組，建立分散的圖層，供多類別影像及向量檔案使用。
　　●CROSSTAB 模組延伸改進，包含3向跨表格及模糊地圖。
　　●ROC 及 LOGISTICREG 模組，允許更快速的處理。
　　●PROJECT 現在支援參考系統，根據正弦投影。
　　●THERMAL 修正，可配合任何系統，不只 Landsat TM，也允許發射率修訂。
　　●PATHWAY 現在允許從多個目標中，同步路徑決定。
　　●修正的TREND計算多項式表面，最多至第9級數。
　　●新的匯入支援 ASD 超光譜及影像，根據 ECW 格式。