Thực hiện phân tích đa tiêu chí bằng cách sử dụng QGIS?

Tôi phải làm một phân tích đa tiêu chí để trả lời câu hỏi: "đó là thứ tốt nhất để phát triển".

Một vài trong số các tiêu chí là:

• khoảng cách của điểm dừng xe buýt gần nhất (lớp điểm với điểm dừng xe buýt)
• khoảng cách của cửa hàng gần nhất (lớp điểm với cửa hàng)
• Nguy hiểm lũ lụt là gì (lớp đa giác, với thuộc tính cấp độ nguy hiểm từ 1 đến 4)
• là lô trong khu vực bảo vệ thiên nhiên (lớp đa giác)
• là chủ sở hữu đã lên kế hoạch cho một cái gì đó trên lô của mình (thông tin được nhập thủ công trong thuộc tính của lô) và v.v.

Tôi nghĩ tôi sẽ thử với QGIS và đây là cách tôi đã thực hiện:

1. thêm các cột sau vào bảng thuộc tính rất nhiều lớp của tôi:

   • "phân tích_BUS"
   • "phân tích_SHOPS"
   • "phân tích_FLOOD"
   • "phân tích_PHẦN"
   • "..."
   • "phân tích_MESE"

2. Chuyển đổi lớp rất nhiều của tôi thành các điểm bằng cách sử dụng "đa giác thành centroid"

3. Chạy công cụ "ma trận khoảng cách"

4. Mở CSV để chạy một hoạt động trong excel (cấp độ dừng xe buýt là 1.0 nếu gần hơn 200m và 0,0 nếu hơn 750m, nhưng tôi không tìm thấy hàm MIN () trong QGIS)

5. Tham gia kết quả CSV trở lại trong QGIS

6. Lặp lại tương tự cho các cửa hàng

7. Chạy công cụ "điểm trong đa giác" để chọn tất cả các điểm trong khu vực bảo vệ thiên nhiên

8. Đặt 0,0 cho tất cả các điểm đã chọn

9. Lặp lại cho các tiêu chí "trong ... khu vực" khác

10. Chạy công cụ "tham gia không gian" để hợp nhất thông tin khu vực nguy hiểm lũ lụt

11. Chạy một phép tính bằng máy tính cột để có điểm trung bình (sử dụng các yếu tố được xác định cho từng tiêu chí)

12. Khi tất cả đã xong, hãy thêm lại shapefile XÂY DỰNG một lần cho mỗi tiêu chí

13. Đối với mỗi tiêu chí, hãy tham gia lớp được chuyển đổi (lớp có trọng tâm) trên id LÔ

14. Đặt màn hình thành một gradient từ đỏ sang xanh theo thuộc tính tiêu chí tương ứng và thuộc tính lớp trung bình

Bây giờ, sau 2 ngày làm việc tốt, giờ đây tôi có tất cả các tiêu chí hiển thị màu xanh lá cây nếu lựa chọn tốt để xây dựng và màu đỏ nếu lựa chọn xấu và tôi có tổng hợp tất cả các tiêu chí của mình trong một bản đồ màu đỏ-xanh tuyệt đẹp. (và tôi cũng có một mớ hỗn độn lớn trong thư mục "shapefiles" của mình)

Bây giờ vấn đề.

Chuyện gì xảy ra nếu :

• Tôi muốn thử phân tích tương tự với một kịch bản mạng xe buýt khác?
• tôi nhận được rất nhiều shapefile được cập nhật (với giả sử, 13 sửa đổi trong tất cả 13000 lô)
• Tôi muốn kiểm tra các trọng số khác nhau cho tiêu chí của tôi?

Tôi có phải bắt đầu lại không?

Tôi sử dụng đúng công cụ sai, hay tôi sử dụng đúng công cụ sai?

Nó sẽ dễ dàng hơn với một phần mềm GIS thương mại?

Tôi thấy người trả lời / người bình luận nghĩa là gì và tôi thực sự không nghĩ đến việc sử dụng raster.

Tuy nhiên, câu hỏi chính là về khả năng thử các kịch bản khác nhau hoặc cập nhật dữ liệu cơ sở mà không phải khởi động lại tất cả quá trình từ đầu.

Có vẻ như các đề xuất của bạn không linh hoạt hơn nhiều so với những gì tôi đề xuất (thậm chí có thể phức tạp hơn) vì bạn có các bước tin tức: - (cho mỗi tiêu chí) rasterization. - (cuối cùng) lấy mẫu (khá phức tạp nếu bạn muốn bao gồm các phần trùng lặp)

Người xây dựng mô hình Sextante đó có vẻ tuyệt vời; trong thực tế, tôi đã suy nghĩ chính xác về một cái gì đó như thế khi đăng bình luận cuối cùng của tôi.

Tôi đã sử dụng Grasshopper3D khá nhiều (nó không liên quan gì đến phần mềm GIS), đây là một plugin tuyệt vời cho trình tạo mô hình Rhino3D và sử dụng cùng một khái niệm về xây dựng quy trình đồ thị nút. (ví dụ: http://designreform.net/2009/07/rhino-grasshopper-parametric-truss )

Điều này có vẻ thích nghi tốt với rất nhiều phân tích dữ liệu GIS mà tôi rất thích thấy một phần mềm GIS thực sự được xây dựng xung quanh một công cụ đồ thị nút như vậy.

Tôi mong được dùng thử Sextante Modeler và cho bạn biết nó hoạt động như thế nào. Tôi ước tôi đã tự mình tìm thấy nó bằng cách googling nó, nhưng tôi không biết từ khóa "người xây dựng mô hình".

Tôi sẽ đề xuất một cách tiếp cận raster với một lớp raster cho mỗi tiêu chí:

• chất lượng xe buýt (khoảng cách từ trung tâm pixel đến điểm dừng xe buýt gần nhất)
• chất lượng mua sắm (khoảng cách đến cửa hàng gần nhất)
• nguy hiểm lũ lụt (rasterize lớp đa giác, với thuộc tính cấp độ nguy hiểm từ 1 đến 4)
• khu vực bảo vệ (rasterize lớp đa giác)

Sau đó, bạn có thể kết hợp và cân các lớp theo nhu cầu của bạn và lấy mẫu chúng tại bất kỳ vị trí nào bạn quan tâm.

Tuy nhiên, câu hỏi chính là về khả năng thử các kịch bản khác nhau hoặc cập nhật dữ liệu cơ sở mà không phải khởi động lại tất cả quá trình từ đầu.

Nếu bạn có một kịch bản mới, hãy nói "mạng lưới xe buýt khác nhau", bạn chỉ cần tính toán lại một raster (raster bus) và để cho sự kết hợp chạy lại. Đó chỉ là hai tương tác.

Ngoài ra, một khi trình xây dựng mô hình Sextante ổn định, có thể xây dựng một mô hình để tự động hóa tất cả các bước. Bạn thậm chí có thể kiểm tra nó bây giờ.

Giống như iant đã nói, raster với đại số bản đồ có thể là cách dễ nhất để đi.

Từ kinh nghiệm của tôi, sau khi chuyển đổi tất cả dữ liệu đầu vào của bạn trong raster, bạn nên thực hiện một số phân loại lại, với hai loại khác nhau: Yếu tố và Điều kiện

Các yếu tố sẽ hoành hành giữa một giá trị tối thiểu và tối đa, từ các giá trị ít mong muốn hơn đến các giá trị mong muốn hơn (bạn nên sử dụng cùng một phạm vi giá trị cho tất cả các giá trị đó), ví dụ:

F1 - Khoảng cách xe buýt: 1 - rất xa; 2 - xa; 3 - gần gũi; 4 - rất gần

F2 - nguy hiểm lũ lụt: 1 - rất cao; 2 - cao; 3 - thấp; 4 - rất thấp

Các điều kiện sẽ là raster nhị phân chỉ với số không và số không (không phù hợp, phù hợp), ví dụ:

C1 - Khu vực được bảo vệ: 0 - có; 1 - không

Đối với mỗi yếu tố bạn nên đưa ra trọng số, theo mức độ quan trọng mà bạn nghĩ rằng yếu tố đó có trong quyết định của bạn, hãy nói: Khoảng cách xe buýt W1 = 0,4 và nguy cơ lũ lụt W2 = 0,6

Cuối cùng, sử dụng đại số bản đồ, tất cả những gì bạn phải làm là:

(C1 x ... x Cm) x (W1 x F1 + W2 x F2 + ... + Wn x Fn)

Sau kết quả đầu tiên, có lẽ bạn sẽ cần điều chỉnh trọng số hoặc thậm chí các giá trị của yếu tố, vì phân tích đa tiêu chí hầu hết là phân tích mang tính chủ quan cao.

Đã có một bổ trợ MCDA được phát triển cho ArcGIS 10.1.

Bổ trợ hỗ trợ các phương thức đa tiêu chí sau: Kết hợp tuyến tính có trọng số (WLC) Kết hợp tuyến tính trọng số trung bình theo thứ tự (OWA) Kết hợp tuyến tính trọng số cục bộ (LWLC)

http://mcda4arcmap.codeplex.com/

Xem thêm: Hỗ trợ Phân tích Quyết định Đa tiêu chí (MCDA) trong GRASS GIS tại http://grass.osgeo.org/wiki/MCDA_in_GRASS

Có một bộ Addon chuyên dụng có sẵn cho các thuật toán GRASS GIS 6: ElectroRE (r.mcda.electre), REGIME (r.mcda.regime) và FUZZY (r.mcda.fuzzy). Hơn nữa, có mô-đun r.roughset được sử dụng để phân tích tập hợp thô và khám phá kiến ​​thức.