CAS2012 publikumsintensive Anlagen: Unterschied zwischen den Versionen

Aus Geoinformation HSR
Wechseln zu: Navigation, Suche
(weitere Eingaben)
(weitere Eingaben)
Zeile 247: Zeile 247:
 
Circle, 200m, MEAN
 
Circle, 200m, MEAN
  
=== Select ===
+
=== Eingabe Select ===
  
 
Expression: ABC <> 'B'
 
Expression: ABC <> 'B'
  
=== Make Feature Layer ===
+
=== Eingabe Make Feature Layer ===
  
 
Expression: VTYP = 'Bahn'
 
Expression: VTYP = 'Bahn'
  
=== Slope  ===
+
=== Eingabe Slope  ===
  
 
Output measurement: DEGREE
 
Output measurement: DEGREE
  
=== HIllshade ===
+
=== Eingabe Hillshade ===
  
 
keine Eingabe nötig
 
keine Eingabe nötig
  
 
== Resultate ==
 
== Resultate ==

Version vom 8. Dezember 2012, 17:59 Uhr

zurück zu Workshop CAS 2012

Ausgangslage

Im Grossraum Winterthur sollen geeignete Orte für publikumsintensive Anlagen gefunden werden.

Publikumsintensive Anlagen, unsere Definition

"Publikumsintensive Anlagen" ist ein weit gefasster Begriff, der hier eingeschränkt werden soll. Neben grossen Einkaufszentren, Kinos oder Eishockeystadien, welche oft im Siedlungsgebiet liegen, gibt es weitere grosse Anlagen wie Zoos, Fussballstadien oder Parks wie Wasserparks & Co., welche in der Regel ausserhalb der Siedlungen oder an deren Rändern liegen.

Ziel dieser Aufgabe ist es, geeignete Orte für ein Fussballstadion (ca. 200m x 150m) zu finden.

Anforderungen an den Raum

  • Hangneigung: je flacher, desto besser
  • ausserhalb der Wohnsiedlung
  • Industriegebiete sind KEIN Ausschlusskriterium
  • Abstand zur Siedlung: je näher desto besser
  • Abstand zu Bahnstationen: je näher desto besser, max. 1500m
  • Strassen werden nicht berücksichtigt, die Fussballfans sollen mit dem öV anreisen!

benötigte Datensätze

  • Arealstatistik vom BfS
  • DTM von der Swisstopo
  • öV Haltestellen ZH

Vorgehen

Tabellen zur Reklassifizierung

Hangneigung bewerten, Reclassify

Old Values New Values
0-3 100
3-5 50
5-90 0
NoData NoData

Arealstatistik bewerten, Reclassify (2)

Old Values New Values
1 0
2 0
3 0
4 100
5 100
6 80
7 80
8 100
9 0
10 0
11 0
12 0
13 0
14 100
15 100
16 0
17 0
18 100
19 100
20 0
21 0
22 0
23 0
24 0
NoData NoData

Siedlung aus der Arealstatistik exrahieren, Reclassify (3)

Old Values New Values
1 NoData
2 NoData
3 NoData
4 NoData
5 NoData
6 NoData
7 NoData
8 NoData
9 NoData
10 NoData
11 NoData
12 NoData
13 NoData
14 NoData
15 NoData
16 1
17 1
18 1
19 1
20 1
21 NoData
22 NoData
23 NoData
24 NoData
NoData NoData

Siedlungsnähe bewerten, Reclassify (4)

Old Values New Values
0 0
0-5 0
5-200 100
200-500 80
500-1000 50
1000-5000 0
NoData NoData

Bahnhofsnähe bewerten, Reclassify (5)

Old Values New Values
0 0
0-400 0
400-750 100
750-1200 80
1200-10000 NoData => Das ist Teil 1 des Tricks, dass die Gebiete mit mehr als 1200m Abstand zu Bahnstationen ausgeschlossen werden!
NoData NoData

Babauungsstand bewerten, Reclassify (6)

Old Values New Values
1 100
2 100
3 100
4 100
NoData NoData

Reklassifizieren der Potentialflächen, Reclassify (4)

Old Values New Values
0-40 0
40-50 0
50-60 100
60-67 80
67-73 50
73-100 0
NoData 0 => Und das ist Teil 2 des Tricks, hier werden die vorhin als NoData bezeichneten Gebiete ausgeschlossen!

weitere Eingaben

Eingabe "Raster Calculator" (Gewichtung der Themen)

(5*("%wert_Hangneigung%") + 5 * ("%wert_areal%") + 4 * ("%wert_Siedlung%") + ("%wert_bahnhof%") + 7 * ("%wert_unbebaut%")) / 22

Eingabe Focal Statistics

Circle, 200m, MEAN

Eingabe Select

Expression: ABC <> 'B'

Eingabe Make Feature Layer

Expression: VTYP = 'Bahn'

Eingabe Slope

Output measurement: DEGREE

Eingabe Hillshade

keine Eingabe nötig

Resultate