Multi Criteria Overlay Analyse (QGIS3)

Multi-criteria gewogen overlay-analyse is het proces van het toewijzen van gebieden op basis van een variëteit aan eigenschappen die de geselecteerde gebieden zouden moeten hebben. Hoewel dit een veel voorkomende bewerking in GIS is, wordt die het beste uitgevoerd in de rasterruimte met een op een raster gebaseerde benadering.

Notitie

Vector- vs Raster-overlays

You can do the overlay analysis on vector layers using geoprocessing tools such as buffer, dissolve, difference and intersection. This method is ideal if you wanted to find a binary suitable/non-suitable answer and you are working with a handful of layers. You can review our video tutorial on Locating A New Bicycle Parking Station using Multicriteria Overlay Analysis for a step-by-step guide on this approach.

Werken in de rasterruimte geeft u een rangschikking van de geschiktheid - niet alleen de meest geschikte plek. Het stelt u ook in staat elke aantal invoerlagen gemakkelijk te combineren en verschillende wegingen toe te wijzen aan elk criterium. Over het algemeen is dit de voorkeursbenadering voor geschiktheid.

Deze handleiding gaat door de typische werkstroom voor het uitvoeren van een geschikte plaats-analyse - converteren van bron vectorgegevens naar toepasselijke rasters, ze opnieuw te classificeren en rekenkundige bewerkingen uitvoeren.

Overzicht van de taak

In deze handleiding zullen we de geschikte gebieden voor ontwikkeling identificeren, dat zijn

• Dichtbij wegen en

• Niet in de buurt van watergebieden en

• Niet in een beschermde regio.

De gegevens ophalen

We zullen vector gegevenslagen gebruiken van OpenStreetMap (OSM). OSM is een globale database van vrij beschikbare basis kaartgegevens. Geofabrik verschaft dagelijks bijgewerkte Shapefiles voor gegevenssets van OpenStreetMap.

We will be using the OSM data layers for the state of Assam in India. Geofabrik India shapefiles were downloaded, reprojected to a UTM projection, clipped to the state boundary and packaged in a single GeoPackage file. You can download a copy of the geopackage from the link below:

assam.gpkg

Gegevensbron: [GEOFABRIK]

Procedure

1. Blader naar het gedownloade bestand assam.gpkg in QGIS Browser. Vergroot het en sleep elk van de 5 individuele gegevenslagen naar het kaartvenster. U zult de lagen boundary, roads, protected_regions, water_polygons en water_polylines zien geladen in het paneel Lagen.

2. De eerste stap in de overlay-analyse, is om elke gegevenslaag te converteren naar een raster. Een belangrijke overweging is dat alle rasters hetzelfde bereik moeten hebben. We zullen de laag boundary gebruiken als het bereik voor alle rasters. Ga naar Processing ‣ Toolbox. Zoek naar en lokaliseer het algoritme GDAL ‣ Vector conversie ‣ Rasteriseren (vector naar raster). Dubbelklik er op om het te starten.

3. In the Vector Conversion - Rasterize (vector to raster) dialog, select roads as the Input layer. We want to create an output raster where pixel values are 1 where there is a road and 0 where there are no roads. Enter 1 as the A fixed value to burn. The input layers are in a projected CRS with meters are the unit. Select Geoferenced units as the Output raster size units. We will set the resolution of the output raster to be 15 meters. Select 15 as both Width/Horizontal resolution and Height/Vertical resolution. Next, click the arrow next to Output extent and select Calculate from Layer ‣ boundary.

4. Scroll naar beneden naar de Geavanceerde parameters en selecteer het profiel Hoge compressie om de compressie toe te passen. Dit zal het gecomprimeerde rasterbestand kleiner maken na het uitvoeren van het gereedschap. Toepassen van compressie zonder verlies wordt enorm aanbevolen bij het werken met rastergegevens.

5. Stel het uitvoerraster Gerasteriseerd in als raster_roads.tif en klik op Uitvoeren.

6. Once the processing finishes, you will see a new layer raster_roads loaded in the Layers panel. The raster has pixel values 1 for pixels which intersected with the roads. All other pixels are set as NoData values. These nodata values are problematic because when raster calculator (which we will use later) encounters a pixel with nodata value in any layer, it sets the output value of that pixel to nodata as well, resulting is unexpected output. We will fill these nodata values with the value 0. Search for and locate the Raster Tools ‣ Fill NoData cells algorithm. Double-click to launch it.

7. Select raster_roads as the Raster input and choose 0 as the Fill value. Scroll down to find the Advanced Parameters and select the profile High Compression to apply the compression. Set the Output raster as raster_roads_filled.tif and click Run.

8. Once the processing finishes, you will see the new layer raster_roads_filled loaded in the Layers panel. This raster has values 1 for roads and 0 for no roads. If the layer is not visualized correctly, you can click the Open the Layer Styling Panel and set the Min to 0 and Max to 1.

9. Repeat steps 3-8 for the other 3 vector layers protected_regions, water_polylines and water_polygons layers. You need to rasterize and fill the nodata cells for these layers. If you want to run these steps manually, you can configure the processing algorithm dialog, run the algorithm and once the algorithm finishes, switch to the Parameters tab and just change the input and output layer names. You can also run each algorithm on all 4 layers in a single step using Batch Processing. See the Massa verwerken met behulp van Framework Processing (QGIS 3) tutorial to learn more. Once you are done, you should have 4 raster layers and generate the corresponding raster layers raster_roads_filled, raster_protected_regions_filled, raster_water_polylines_filled and raster_water_polygons_filled. You will notice that we have 2 water related layers - both representing water. We can merge them to have a single layer representing water areas in the region. Search for and locate Raster analysis ‣ Raster calculator algorithm in the Processing Toolbox. Double-click to launch it.

10. Selecteer de lagen raster_water_polygons en raster_water_polylines met de knop … als Invoerlagen. Voer de volgende expressie in met de knop ε. Laat alle andere opties als standaard staan en sla de uitvoerlaag op met de naam raster_water_merged.tif en klik op Uitvoeren.

"raster_water_polygons_filled@1" + "raster_water_polylines_filled@1"

11. Het resulterende samengevoegde raster zal pixels hebben met de waarde 1 voor alle gebieden met water. Maar het zal u opvallen dat er sommige regio’s zijn waar zowel een waterpolygoon als een waterpolylijn was. Die gebieden zullen pixels hebben met de waarde 2 - wat niet juist is. We kunnen dit repareren met een eenvoudige expressie. Open het algoritme Rasteranalyse ‣ Rasterberekeningen opnieuw.

12. Select raster_water_merged layer using … button as an Input Layer. Enter the following expression using ε button. Keep all the other options as default and save the output layer with the name raster_water_filled.tif and click Run.

"raster_water_merged@1" > 0

13. The resulting layer raster_water_filled now has pixels with only 0 and 1 values.

14. Nu we lagen hebben die pixels voor wegen en water weergeven, kunnen we rasters voor nabijheid maken. Deze zijn ook wel bekend als Euclidische afstanden - waar elke pixel in het uitvoerraster de afstand naar de dichtstbijzijnde pixel in de invoerlaag weergeeft. Dit resulterende raster kan dan worden gebruikt om geschikte gebieden te bepalen die binnen een bepaalde afstand vanaf de invoer liggen. Zoek naar en lokaliseer het algoritme GDAL ‣ Rasteranalyse ‣ Proximity (raster afstand). Dubbelklik er op om het te starten.

15. In the Raster Analysis - Proximity (Raster Distance) dialog, select raster_roads_filled as the Input layer. Choose Georeferenced coordinates as the Distance units. As the input layers are in a projected CRS with meters as the units, enter 5000 (5 kilometers) as the Maximum distance to be generated. For all pixels that are more than the maximum distance away - we will set their values to be 5000 as well. So set the Nodata value to use for the destination proximity raster value to 5000.

16. U kunt de Geavanceerde parameters vergroten en het profiel Hoge compressie selecteren om de compressie toe te passen. Noem het uitvoerbestand roads_proximity.tif en klik op Uitvoeren.

Notitie

It may take upto 15 minutes for this process to run. It is a computationally intensive algorithm that needs to compute distance for each pixel of the input raster.

17. Als de verwerking is voltooid zal een nieuwe laag roads_proximity zijn toegevoegd aan het paneel Lagen. Laten we, om het beter te visualiseren, de standaard opmaak wijzigen. Klik op de knop Paneel Laag opmaken openen in het paneel Lagen. Wijzig de waarde Max onder Kleurovergang naar 5000.

18. Repeat the Proximity (Raster Distance) algorithm for the raster_water_filled layer with same parameters and name the output water_proximity.tif. If you click around the resulting raster, you will see that it is a continuum of values from 0 to 5000. To use this raster in overlay analysis ,we must first re-classify it to create discrete values. Open Raster analysis ‣ Raster calculator algorithm again.

19. We willen een hogere score geven aan pixels die dichterbij wegen liggen. Dus laten we het volgens schema gebruiken.

• 0-1000m –> 100

• 1000-2000m –> 50

• >2000m –> 10

  Select roads_proximity layer using … button as an Input Layer. Enter the following expression that applies the above criteria on the input. Keep all the other options as default and save the output layer with the name roads_reclass.tif and click Run.

  100*("roads_proximity@1"<=1000)
      + 50*("roads_proximity@1">1000)*("roads_proximity@1"<=2000)
      + 10*("roads_proximity@1">2000)
  

  

20. Als het proces voor opnieuw classificeren is voltooid, zal een nieuwe laag roads_reclass worden toegevoegd aan het paneel Lagen. Deze laag heeft slechts 3 verschillende waarden, 10, 50 en 100 die de relatieve geschiktheid van de pixels aangeven ten opzichte van de afstand vanaf wegen. Open het algoritme Rasteranalyse ‣ Rasterberekeningen opnieuw.

21. Herhaal het proces voor opnieuw classificeren voor de laag water_proximity. Hier zal het schema zijn omgedraaid, waarbij pixels die verder van water af liggen een hogere score zullen hebben.

• 0-1000m –> 10

• 1000 -2000m —> 50

• >2000m –> 100

  Select water_proximity layer using … button as an Input Layer. Enter the following expression hat applies the above criteria on the input. Keep all the other options as default and save the output layer with the name water_reclass.tif and click Run.

  100*("water_proximity@1">2000)
  + 50*("water_proximity@1">1000)*("water_proximity@1"<=2000)
  + 10*("water_proximity@1"<1000)
  

  

22. Now we are ready to do the final overlay analysis. Recall that our criteria for determining suitability is as follows - close to roads, away from water and not in a protected region. Open Raster analysis ‣ Raster calculator. Select roads_reclass, water_reclass, raster_protected_regions_filled layers using … button as Input Layers. Use ε button to enter the following expression that applies these criteria. Keep other parameters as default. Name the output overlay.tif and click Run.

(("roads_reclass@1" + "water_reclass@1")/2)
*("raster_protected_regions@1"  !=  1 )

Notitie

In this example, we are giving equal weight to both road and water proximity. In real-life scenario, you may have multiple criteria with different importance. You can simulate that by multiplying the rasters with appropriate weights in the above expression. For example, if proximity to roads is twice as importance as proximity away from water, instead of (("roads_reclass@1" + "water_reclass@1")/2), you can use the expression ((2*"roads_reclass@1" + "water_reclass@1")/3).

23. Once the processing finishes, the resulting raster overlay will be added to the Layers panel. The pixel values in this raster range from 0 to 100 - where 0 is the least suitable and 100 is the most suitable area for development. Let’s clip the results to the boundary layer. Open Raster extraction ‣ Clip raster by mask layer algorithm.

24. In the Raster Extraction - Clip Raster by Mask Layer dialog, select overlay as the Input layer and boundary as the Mask layer.

25. Scroll down to find the Advanced Parameters and select the profile High Compression to apply the compression. Save the Clipped (mask) layer as overlay_clipped.tif and click Run.

26. Once the processing finishes, the final output layer overlay_clipped will be added to the Layers panel. Click the Open the Layer Styling panel button in the Layers panel and select the Singleband pseudocolor renderer.

27. Set the Interpolation to Discrete and choose the Spectral color ramp.

28. Click on the default label values next to each color and enter appropriate labels.

29. The labels will also appear as the legend under the overlay_clipped layer. This is our final map showing the site suitability according to the chosen criteria.

---

If you want to give feedback or share your experience with this tutorial, please comment below. (requires GitHub account)