Übersicht ArcGIS -Standardanalysen bei Landschaftsbewertungen: Unterschied zwischen den Versionen
Aus Geoinformation HSR
(→5.2 Gridfaktoren kombinieren und jede Kombination individuell bewerten) |
|||
Zeile 115: | Zeile 115: | ||
* Bewertung auf Kombinationsgrid mit Reclassify übertragen, wobei die Kombinationsvalue immer einem Feld dr obigen Matrix entspricht (11 = Grid1:value1 und Grid2:value1 und wird zu 10, oder 23= Grid1:value2 und Grid2:value3 und wird zu 50) | * Bewertung auf Kombinationsgrid mit Reclassify übertragen, wobei die Kombinationsvalue immer einem Feld dr obigen Matrix entspricht (11 = Grid1:value1 und Grid2:value1 und wird zu 10, oder 23= Grid1:value2 und Grid2:value3 und wird zu 50) | ||
** ''Toolbox: Spatial Analyst Tools – Reclass - Reclassify'' | ** ''Toolbox: Spatial Analyst Tools – Reclass - Reclassify'' | ||
+ | |||
+ | Details zur Automatisierung dieses Arbeitsschrittes mit Modelbuilder finden sich hier: [[Raster-Reklassierung_über_den_ModelBuilder]] |
Version vom 3. Oktober 2007, 13:57 Uhr
zurück zu ArcGIS
Tipps und Tricks für das Modellieren von räumlichen Problemen in Landschaftsbwertungen:
Inhaltsverzeichnis
1. Lokale Bewertungen:
1.1 Bewerten von Datenebenen, die den zu bewertenden Faktor bereits enthalten.
- Daten können direkt vom Vektor ins Rasterformat konvertiert werden. Das Attribut welches den Faktor enthält als Gridvalue bestimmen.
- Toolbox: Conversion Tools – To Raster – Feature to Raster
- Das umgewandelte Raster kann direkt mit Reklassify bewertet werden.
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
1.2 Der zu bewertende Faktor muss aus mehren Attributen abgeleitet werden
- Ausgangsdaten in einen Bereich mit Schreibrechten kopieren
- Neues Faktorfeldanfügen (ArcCatalog)
- Attributtabelle der FeatureClass in ArcMap öffnen
- Entweder: Faktor aus Ausgangsattributen berechnen (Calaculate Field)
- Oder: Über Selektionsabfragen (Select by Attributes) die mit einem bestimmtenFaktor auszufüllenden Datensätze selektieren und diesen mit Calculate Value den Faktor ausfüllen
- Anschliessend vorgehen wie bei 1.1
1.3 Der zu bewertende Faktor muss aus Attributen von mehreren Featurclasses abgeleitet werden
- Die Attributtabellen der FeaturCLasses mit Verschneidungsoperationen (Intersect/Union) oder mit räumlichen Tabellenverbindungen (Spatial Join) zusammenführen
- Anschliessend Vorgehen wie bei 1.2
2. Bewerten von Distanzen
2.1 Distanzen auf bestimmte Objekte können auf mehrere Arten erzeugt werden:
- Evt. relevante Objekte aus eine Datensatz filtern wenn nicht alle Datensätze einer FeatureClass für die Fragestellung von Bedeutung sind :Layer Properties – Definition Query
- Entweder: Objekte mit Puffern und Anschliessend Bufferpolygone in Raster umwandeln
- Toolbox: Analysis Tools – Proximity – Buffer (oder Multible Ring Buffer)
- Toolbox: Conversion Tools – To Raster – Feature to Raster
- Oder: Distanzwerte im Raster berechnen
- Toolbox: Spatial Analyst Tools – Distance – Euclidean Distance
- Oder: Kostendistanzen wenn nicht Luftlinien sonder funktionale Distanzen mt Berücksichtigung von Hundernissen gefragt sind.
- Toolbox: Spatial Analyst Tools – Distance – Cost Distance
- Die Distanzwerte als Raster können dann mit Reklassify bewertet werden.
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
3. Bewerten von Nachbarschaften
3.1 Nachbarschaft (z.B. viele wWertvolle Objekte in der Nachbarschat vorhanden?)
- Die nachbarschaftsbestimmenden Faktoren in ein Rasterformat bringen (wie bei 1.1)
- Planen, welche statistische Grösse einer Serie von Zellwerten in einer Nachbarschaft, dieses Faktor massgebend ist (z.B: die Summe, Der Durchschnitt, die Varianz der Zellwerte in einem Bereich)
- Bei Bedarf mit Reclassify die Zellwerte des Faktorgrids entsprechend anpassen (Alternativ knn auch einen Zellwerteumrechung über eine MapAlgebra-Funktion zum Ziel Fführen)
- Toolbox: Spatial Analyst Tools – Reclass – Reclassify
- Toolbox: Spatial Analyst Tools – Map Algebra – Single Output Map Algebra
- Durchführen einer Nachbarschaftsstatistik:
- Toolbox: Spatial Analyst Tools – Neighborhood – Focal Statistics
- Nachbarschaftswerte als Raster können dann mit Reklassify bewertet werden.
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
3.2 Dichteanalysen (z.B. Populationsverteilungen)
- Ausgangsdaten sind Punktdaten mit einem ‘Populationsfeld’ vom Typ Zahl
- Die Dichtefunktion kann direkt auf die Punktfeaturclass angewendet werden undliefert ein Rasterdatensatz als Ergebnis
- Toolbox: Spatial Analyst Tools – Density – Kernel Density
- Die Dichtewerte als Raster können dann mit Reklassify bewertet werden.
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
4. Oberflächen/Relief bewerten
4.1 Ab DHM-Grid
- Höhenstufen sind im Grid schon enthalten, diese können mit Reclassify direkt bewertet werden
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
- Die Neigung kann in Grad oder % aus dem DHM abgeleitet werden
- Toolbox: Spatial Analyst Tools – Surface - Slope
- Die Expostion kann in Grad Azimuth aus dem DHM abgeleitet werden
- Toolbox: Spatial Analyst Tools – Surface - Aspect
- Die Besonnung kann als Schummerung mit der Angabe eines virtuellen Sonnenstandes wahlweisemit oder ohnenSchlagschatten aus dem DHM abgeleitet werden.
- Toolbox: Spatial Analyst Tools – Surface – Hillshade
4.2 Sichtbarkeiten, wieviel von einem Objekt ist sichtbar?
- Objekte mit Sichtbeziehungsreferenzpunkten repräsentieren (Punkte FeaturClass)
- Berechnen der Anzahl Referenzpunkt die von den jeweiigen Rasterzellen aus sichtbar sind
- Toolbox: Spatial Analyst Tools – Surface - Viewshed
4.3 Höchste Erhebungen/tiefste Einschnitte finden
- Vom DHM mit Focal Statistics die durchnittliche Höhe im Umkreis von xxx m berechnen (siehe 3.1)
- Toolbox: Spatial Analyst Tools – Neighborhood – Focal Statistics
- Mit Map Algebra die Differenz von Echter Höhe (DHM) und Durchnittshöhe im Umkreis berechnen.
- Toolbox: Spatial Analyst Tools – Map Algebra – Single Output Map Algebra
- Mit Reclassify die Extremwerte im positiven und negativen Bereich heraussuchen
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
5. Faktorkombinationen mit Rasterdaten
5.1 Zellwerte direkt miteinander verrechnen
- Mit Single Output Map Algebra können beliebige Gridwerte miteinander kombiniert werden (z.B.: Grid1 + Grid 2, Grid1 * Grid2, SQRT(Grid1 * Grid2) [=Quadratwurzel], TAN(Grid1) [=Tangenz], etc.)
- Toolbox: Spatial Analyst Tools – Map Algebra – Single Output Map Algebra
5.2 Gridfaktoren kombinieren und jede Kombination individuell bewerten
- Bewertungsmatrix in der folgenden Form erstellen:
GridValues Grid2: 1 2 3 Grid1 1 10 5 0 2 20 27 50 3 30 50 100
- Grid1 und Grid2 kombinieren mit Map Algebra - Ausdruck: (Grid1 * 10) + Grid2
- Toolbox: Spatial Analyst Tools – Map Algebra – Single Output Map Algebra
- Bewertung auf Kombinationsgrid mit Reclassify übertragen, wobei die Kombinationsvalue immer einem Feld dr obigen Matrix entspricht (11 = Grid1:value1 und Grid2:value1 und wird zu 10, oder 23= Grid1:value2 und Grid2:value3 und wird zu 50)
- Toolbox: Spatial Analyst Tools – Reclass - Reclassify
Details zur Automatisierung dieses Arbeitsschrittes mit Modelbuilder finden sich hier: Raster-Reklassierung_über_den_ModelBuilder