RP6 08a Team:Naherholung: Unterschied zwischen den Versionen
(→SWOT-Analyse des Bewertungsmodelles) |
|||
Zeile 3: | Zeile 3: | ||
− | + | == Notizen zum Vorgehen == | |
06.10.08 | 06.10.08 | ||
− | == Vorgehensweise == | + | === Vorgehensweise === |
* '''Zonenplan''' | * '''Zonenplan''' | ||
Zeile 29: | Zeile 29: | ||
− | == Unterricht 08.10.08 == | + | === Unterricht 08.10.08 === |
neu: Geodatabase - Toolbox - Toolset - Model (general setting (workspace), cartography settings, raster analysis settings) | neu: Geodatabase - Toolbox - Toolset - Model (general setting (workspace), cartography settings, raster analysis settings) | ||
Zeile 51: | Zeile 51: | ||
− | == Unterricht 15.1008 == | + | === Unterricht 15.1008 === |
* focal statistics (input, output, circle (Grösse des Untersuchungsumkreises um jedes Rasterfeld:40), Funktion (z.B. mean = Mittelwert) >> "erholdich" | * focal statistics (input, output, circle (Grösse des Untersuchungsumkreises um jedes Rasterfeld:40), Funktion (z.B. mean = Mittelwert) >> "erholdich" | ||
Zeile 65: | Zeile 65: | ||
− | == Weiterarbeiten 20.10.08 == | + | === Weiterarbeiten 20.10.08 === |
* vec25_pri > select by attributes (in attribute table): objectval like z_see > create layer from selected feature >> neuer Layer mit Seen als Vektordaten | * vec25_pri > select by attributes (in attribute table): objectval like z_see > create layer from selected feature >> neuer Layer mit Seen als Vektordaten | ||
* model: vec25_pri > feature to raster (AREA) > Seen werden angezeigt (Klassierung nach Grösse) | * model: vec25_pri > feature to raster (AREA) > Seen werden angezeigt (Klassierung nach Grösse) | ||
Zeile 83: | Zeile 83: | ||
>> Frage: Wie verknüpfen wir erhol_freir, erhol_gewa, dhm-Bewertung???? | >> Frage: Wie verknüpfen wir erhol_freir, erhol_gewa, dhm-Bewertung???? | ||
− | == Unterricht 22.10.08 == | + | === Unterricht 22.10.08 === |
* absturz um absturz um absturz.... | * absturz um absturz um absturz.... | ||
* gewadich und erholdich entschlackt :-) | * gewadich und erholdich entschlackt :-) | ||
− | == Weiterarbeiten 27.10.08 == | + | === Weiterarbeiten 27.10.08 === |
* dhm ins Model ziehen | * dhm ins Model ziehen | ||
* reclassify: 6 Klassen (-500, 500-600, ... 900-1000 entspricht neu den Werten 1-6) | * reclassify: 6 Klassen (-500, 500-600, ... 900-1000 entspricht neu den Werten 1-6) |
Version vom 3. November 2008, 16:12 Uhr
link zu Workshop-Seite RP6 08a
Inhaltsverzeichnis
Notizen zum Vorgehen
06.10.08
Vorgehensweise
- Zonenplan
- Bauzonen ausblenden
- Distanz zur Siedlung
- Radius definieren
--> Perimeter Naherholungsgebiet
- Bewertung
- Nähe zu Wasser (+)
- Aussicht (+)
- Nähe zu Strassen (-)
- ....
Offene Fragen
- muss eine GD erstellt werden? >> nein, ab jetzt nur noch ModelBuilder!! ;-)
- ist das Vorgehen ok? >> JA :-)
Unterricht 08.10.08
neu: Geodatabase - Toolbox - Toolset - Model (general setting (workspace), cartography settings, raster analysis settings)
- Add data: Zonenplan
- model > edit > zonenplan > Analysis Tools: Extract: Select > Doppelklick: Expression > query builder ((ZLAB LIKE ... OR ZLAB LIKE ...)AND > ok, apply > run... Jeeehhhh!!!
--> Basis-Flächen möglicher Naherholungsgebiete
Um nun die Siedlungsgebiete auszuwählen (genau das Gegenteil der möglichen Naherholungsgebiete):
- Conversion Tools: To Raster: Feature to Raster > ZLAB auswählen > Apply > verschiedene Farben = verschiedene Zonen ausserhalb BZ (Flächen ohne Farbe = BZ = no data)
- Reclassify: alle Zonen ausserhalb BZ auf 0 stellen, no data auf 1 stellen >> Siedlungsgebiet wird ausgewählt!!! ("siedl")
Distanzen rund um Siedlungsgebiet aufzeigen > Dichte von Überschneidungen ausweisen:
- weiter im model: Analysis Tools: Proximity: Buffer >
Unterricht 15.1008
- focal statistics (input, output, circle (Grösse des Untersuchungsumkreises um jedes Rasterfeld:40), Funktion (z.B. mean = Mittelwert) >> "erholdich"
- single output map algebra > (((siedl * erholdich)*-1)+1)*sield >> Farbe umgedreht (-1) damit die Gebiete umso dunkler sind umso näher sie beim Siedlungsgebiet sind, das Siedlungsgebiet selber hat aber Wert 0 (deshalb am Schluss nochmals mit siedl multipliziert)
weiteres Vorgehen
- "ve25_gwn" und "vec25_pri" einlesen
- vec25_gwn > feature to raster > reclass (alle Flüsse = 1, alles andere = 0) >> flura
- vec25_pri > attribute table: z_see select und feature to raster
- single output map algebra > Flüsse * See = Gewässer
- single output map algebra > Gewässer * erhol freir (Freiraum)
Weiterarbeiten 20.10.08
- vec25_pri > select by attributes (in attribute table): objectval like z_see > create layer from selected feature >> neuer Layer mit Seen als Vektordaten
- model: vec25_pri > feature to raster (AREA) > Seen werden angezeigt (Klassierung nach Grösse)
- model: reclassify der Seen: alle Seen (jeglicher Grösse) = 1, no data = 0 >> seera
- model: single output map algebra: flura + seera
- layer properties > symbology: neue Klassierung: Klasse 0 (no color), Klasse 0-2 (See und/oder Fluss --> blau)
- model: focal statistics (input, output, circle (Untersuchungsumkreis: 80), mean) >> gewadich
- model: single output map algebra: gewasser * gewadich >> erhol_gewa
Idee DHM:
- Wald aus vec25_pri selektieren (attriubte table) > feature to raster > reclassify 0 (=Wald) 1(=alles andere)
- single map algebra: dhm * siedl (Siedlung = 0) * Wald (Wald = 0) >> dhm mit allen Flächen ausserhalb Wald und Siedlung
- reclassify: verschiedene Klassen je nach Höhe (Wald = 1, für alles andere höhere Werte)
>> Frage: Wie verknüpfen wir erhol_freir, erhol_gewa, dhm-Bewertung????
Unterricht 22.10.08
- absturz um absturz um absturz....
- gewadich und erholdich entschlackt :-)
Weiterarbeiten 27.10.08
- dhm ins Model ziehen
- reclassify: 6 Klassen (-500, 500-600, ... 900-1000 entspricht neu den Werten 1-6)
- vec25_pri_poly > selection by attributes (attribute table) > Objectval like z_WALD > neuer Layer
- neuer Layer ins Model ziehen > feature to raster (AREA) > Wald wird angezeigt (layer "wald")
- reclassify des Waldes: alle Wälder = 0, no data = 1 >> reclass wald
- single output map algebra: reclass_dhm21 * reclass_wald >> aussi
--> alle 3 Teile (erholdich, gewadich, aussi) in 100er-Skala umformen
- reclassify aussi: 6 Klassen zwischen 1 und 100 (1 = Wald, also eigentlich keine Aussicht) >> aussiRE
- reclassify gewadich: 9 Klassen zwischen 1 und 100 (höchste Werte für Uferbereiche) >> gewaRE
- reclassify erholdich: 9 Klassen zwischen 1 und 100 (höchste Werte für Bereiche am weitesten entfernt von Siedlung) >> erholRE
- single output map algebra: aussiRE * gewaRE * erholRE >> tutti :D
>> reclassify tutti: 6 Klassen (natural brake)
--> VorlageBewertungskarte öffnen > set data source: reclass sing2 (= reclass_tutti)
SWOT-Analyse des Bewertungsmodelles
Was ist? | Was könnte? |
---|---|
Stärken (Strengths): |
Chancen (Oppurtunities): |
|
|
Schwächen (Weaknesses): |
Gefahren (Threats): |
|
|