Query, measurement and transformation

Query, measurement and transformation

- การวิเคราะห์เชิงพื้นที่ เป็นส่วนสำคัญของงาน GIS ที่จะทำให้ข้อมูลทางด้านภูมิศาสตร์มีคุณค่ามากขึ้น และนำไปใช้ประโยชน์ต่อได้
- การวิเคราะห์เชิงพื้นที่ ที่มีประสิทธิภาพ ข้อมูลที่ผู้ใช้ได้รับจะมีประโยชน์มาก ซึ่งไม่เพียงแต่การทำงานผ่านเครื่องคอมพิวเตอร์แต่ยังสามารถนำไปใช้งานเพื่อต่อยอดด้านอื่นๆได้ เช่น ด้านการค้า การคมนาคม เป็นต้น
- การวิเคราะห์เชิงพื้นที่ (Spatial analysis) เป็นกลุ่มหรือเซตของวิธีการที่ทำให้ผลการวิเคราะห์มีความแม่นยำภายใต้ความเปลี่ยนแปลงเชิงพื้นที่
- การวิเคราะห์เชิงพื้นที่ (Spatial analysis) เป็นวิธีการการวิเคราะห์ ซึ่งผลของการเปลี่ยนแปลงจะเกิดขึ้น เมื่อประเภทวัตถุที่ต้องการวิเคราะห์ หรือ เมื่อตำแหน่งของประเภทวัตถุที่วิเคราะห์เปลี่ยนแปลงไป
ภาษาคำสั่งที่ใช้สำหรับการวิเคราะห์เชิงพื้นที่ คือ ภาษาคำสั่ง SQL: Structured Query Language ซึ่งเป็นภาษาที่ใช้ในการสืบค้นและจัดการฐานข้อมูล เช่น CREATE, INSERTINTO, DELETE FROM, SELECT… FROM เป็นต้น
การทำ Buffer
เป็นกระบวนการหนึ่งที่สำคัญที่ประโยชน์มากในการแปลงข้อมูลในการทำ GIS ซึ่งสามารถกระทำได้ทั้งข้อมูลที่เป็นชนิดข้อมูล Raster และ Vector
เครื่องมือ Point in polygon คือ
การกำหนดจุดภายใน หรือภายนอกข้อมูล Polygon
Spatial Interpolation: การประมาณค่าเชิงพื้นที่
เป็นการสร้างพื้นผิวภาพขึ้นมาจากข้อมูลแบบจุด เพื่อสร้างพื้นผิวสำหรับทำข้อมูล 3D Analyst ส่วนวิธีการสร้างพื้นผิวที่เรียกว่า Trend ซึ่งมีการเขียนโปรแกรม หรือคำสั่งเพื่อเรียกใช้ วิธีการประมาณค่า (Interpolation) ที่กำหนดให้กับเซลล์ที่ต้องการ โดยจะขึ้นอยู่กับการจำลองข้อมูลจริงที่มีอยู่และการกระจายตัวของจุดตัวอย่าง วิธีการประมาณค่า จะมีความแตกต่างกันไป ขึ้นอยู่กับพื้นผิวจริงแต่ละลักษณะการกระจายตัวของจุด และยังให้ผลลัพธ์ต่างกันจากวิธีการแต่ละแบบด้วย
** ข้อจำกัด: ข้อมูลบางส่วนจะหายไปจากการประมาณค่า เช่น รายละเอียดของภาพ **
วิธีการประมาณค่า (Spatial Interpolation)
1. Inverse Distance Weighted:
เป็นวิธีการแทรกค่าโดยทำการสุ่มจุดตัวอย่างแต่ละจุดจากตำแหน่งที่สามารถส่งผลกระทบไปยังเซลล์ที่ต้องแทรกค่าได้ ซึ่งจะมีผลกระทบน้อยลงเรื่อยๆ ตามระยะทางที่ไกลออกไปจากเซลล์ที่ต้องการแทรกค่า ดังนั้นจุดที่อยู่ใกล้กับเซลล์ที่ต้องการคำนวณค่า จะมีนํ้าหนักมากกว่าจุดที่อยู่ไกลออกไป โดยเราสามารถระบุจำนวนจุด หรือ อาจใช้ทุกจุดที่อยู่ในรัศมีที่กำหนด มาคำนวณหาผลลัพธ์ได้ วิธีการนี้เหมาะกับกรณีที่ตัวแปรที่ใช้ในการสร้างแผนที่มีการปรับค่าตามระยะทางจากจุดตัวอย่าง ตัวอย่างเช่น เมื่อต้องการสร้างพื้นผิวด้วยการแทรกค่าที่แสดงการวิเคราะห์กำลังซื้อของผู้ซื้อต่อร้านค้าปลีกแต่ละแห่ง ค่าปริมาณของกำลังซื้อจะค่อยๆ มีอิทธิพลน้อยลงไปตามระยะทาง เนื่องจากผู้คนส่วนใหญ่มักจะซื้อของกับร้านค้าใกล้บ้าน
2. Natural Neighbors:
เป็นวิธีการที่มีการกระบวนการเช่นเดียวกันแบบ IDW การประมาณค่าด้วยวิธีนี้ อาศัยการเฉลี่ยนํ้าหนักของข้อมูลที่ได้ จากนั้นจะสร้างรูปสามเหลี่ยม Delauney ของจุดตัวอย่าง และเลือกมาเฉพาะจุดที่อยู่
ใกล้กับจุดเชื่อมของขอบสามเหลี่ยมรอบบริเวณเซลล์ที่ทำการประมาณค่า โดยนํ้าหนักของค่าที่ใช้จะได้สัดส่วนกับพื้นที่นั้นๆ วิธีการนี้เหมาะอย่างยิ่งหากต้องการสร้างพื้นผิวขึ้นมาจากจุดตัวอย่าง ที่มีการกระจายตัวด้วย ความหนาแน่นแบบไม่แน่นอน สามารถนำไปประยุกต์ใช้ได้ดีในพื้นผิวทั่วไปที่คุณไม่ต้องการปรับค่าตัวแปรอย่าง รัศมี จำนวนของจุดข้อมูลที่ใช้ หรือนํ้าหนัก
4. Spline:
เป็นวิธีการที่ใช้ได้กับวัตถุประสงค์ทั่วๆ ไปในการประมาณค่าให้พอดี เป็นพื้นผิวที่มีความโค้งเว้าตามจุดข้อมูลที่นำเข้ามา เหมือนกับการบิดงอของแผ่นบางผ่านจุดตัวอย่าง ซึ่งเพียงบางส่วนของความโค้งทั้งหมดเข้าหา
จุดเหล่านั้นออกมาเป็นพื้นผิว เป็นสมการทางคณิตศาสตร์ ที่สร้างส่วนโค้งเล็กๆ บนระนาบสองมิติ หรือแผ่นแบนๆ วิธีการ Spline นี้สามารถกำหนดจำนวนของจุดตัวอย่างที่นำมาเป็นข้อมูลเข้าได้จากจุดตัวอย่างทั้งหมดที่มี วิธีนี้เป็นวิธีที่ดีที่สุดสำหรับพื้นผิวที่มีการเปลี่ยนแปลงอย่างค่อยเป็นค่อยไป อย่างเช่น พื้นผิวแสดงความสูง ตารางความลึกของพื้นนํ้า หรือระดับความเข้มข้นของมลภาวะ แต่จะไม่เหมาะกับบริเวณที่มีการเปลี่ยนแปลงค่ามากๆ ภายในระยะทางสั้นๆ เพราะจะทำให้เกิดค่าเกิน (Overshoot) ขึ้น
5. Kriging:
เป็นวิธีการที่สันนิษฐานจากระยะทางหรือทิศทางระหว่างจุดตัวอย่างแต่ละจุด ซึ่งสะท้อนให้เห็นถึงความสัมพันธ์เชิงพื้นที่ ที่สามารถนำมาใช้ในการอธิบายการเปลี่ยนแปลงที่เกิดขึ้นบนพื้นผิวได้ ด้วยวิธีการ Kriging นี้จะทำการเลือกสมการทาง
คณิตศาสตร์ที่เหมาะสมกับจุดตัวอย่างที่เลือกไว้ หรือจุดตัวอย่างทั้งหมด ภายในรัศมีที่กำหนด เพื่อให้ค่าผลลัพธ์ในแต่ละพื้นที่ออกมา Kriging ทำงานหลายขั้นตอน โดยผสมผสานการสำรวจ การวิเคราะห์ค่าข้อมูลทางสถิติ การทำแบบจำลองแบบ Variogram การสร้างพื้นผิว และยังมีส่วนเสริมให้สามารถตรวจดูความแปรปรวนของพื้นผิวได้อีกด้วย วิธีการนี้มักนิยมใช้ในกรณีที่คุณต้องการทราบความสัมพันธ์ของระยะทาง หรือทิศทางที่มีผลต่อการเปลี่ยนแปลงของข้อมูล โดยมากมักจะใช้ทางปฐพีวิทยาและธรณีวิทยา
6. อื่นๆ เช่น
- Thiessen polygons: เป็นการประมาณค่าโดยหาค่าเฉลี่ยระหว่าง จุด 2 จุดไปเรื่อยๆ
- Density estimations: การดูความหนาแน่นเชิงพื้นที่ เพื่อประมาณค่าความหนาแน่น