17.14. 最初の分析例

注釈

このレッスンでは、プロセッシング・フレームワークの要素により精通できるよう、ツールボックスだけを使用していくつかの実際の分析を実行します。

今やすべて設定されていて外部アルゴリズムを使用できますので、空間分析を実行するための非常に強力なツールを持っています。何か実世界のデータでより大規模な練習に取り掛かる時です。

We will be using the well-known dataset that John Snow used in 1854, in his groundbreaking work (https://en.wikipedia.org/wiki/John_Snow_%28physician%29), and we will get some interesting results. The analysis of this dataset is pretty obvious and there is no need for sophisticated GIS techniques to end up with good results and conclusions, but it is a good way of showing how these spatial problems can be analyzed and solved by using different processing tools.

データセットには、コレラによる死者の位置と井戸の位置のシェープファイル、およびTIFFフォーマットでのOSMレンダリングされた地図が含まれています。このレッスンのための対応QGISプロジェクトを開きます。

The first thing to do is to calculate the Voronoi diagram (a.k.a. Thiessen polygons) of the pumps layer, to get the influence zone of each pump. The Voronoi Diagram algorithm can be used for that.

かなり簡単ですが、それですでに興味深い情報が得られます。

明らかに、ほとんどの症例がポリゴンの1つの範囲内にあります

より定量的な結果を得るためには、各ポリゴンにおける死亡者数をカウントできます。各ポイントは、死亡が発生した建物を表しており、死亡者数は、属性に格納されているので、ポイントをカウントすることはできません。私たちは、重み付けされた回数を必要とするので、 ポリゴンカウントポイント（加重） ツールを使用します。

新しいフィールドは 死亡 と呼ばれ、そして COUNT フィールドを重みフィールドとして使用します。結果のテーブルは、明らかに第一の井戸に対応するポリゴンにおける死亡者数が他のものよりもはるかに大きいことを反映しています。

Pumps　井戸 レイヤーにおけるポイントと Cholera_deaths　コレラ死者 レイヤーの各点の依存性を視覚化するもう一つの良い方法は、最も近いものへ線を描くことです。これは、最寄のハブへの距離 ツールで行われ、次のような構成を使用できます。

これの結果は次の通りです:

線の数は中央の井戸の場合の方が大きいが、これは死亡数ではなくコレラの症例が発見された場所の数を表していることを忘れないでください。それは代表的なパラメーターですが、ある場所では他の場所よりも多くの例があるかもしれないことが考慮されていません。

密度レイヤーはまた、何が起こっているかの非常にクリアな視界を提供します。それは カーネル密度 アルゴリズムで作成できます。 Cholera_deaths　コレラ死者 レイヤー、100の半径と、重みフィールドとしての COUNT　数 フィールド、街のラスターレイヤーの範囲とセルサイズを使用すると、このような何かを得ます。

出力範囲を取得するには、入力する必要はありません。右側のボタンをクリックし、 レイヤー/キャンバス範囲を使用 を選択します。

街のラスターレイヤーを選択すると、その範囲が自動的にテキストフィールドに追加されます。セルサイズでも同じことを行い、そのレイヤーのセルサイズを選択する必要があります。

井戸レイヤーと組み合わせることで、一つの井戸が明らかに死亡例最高濃度が検出されたホットスポット中にあるとわかります。