GIS4SGGIS4SG GIS4SG VI Multikriteriální analýza podzim 2020 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic MULTIKRITERIÁLNÍ ANALÝZA PROSTOROVÝCH DAT – PŘEHLED METOD Motivace • GIS pomáhá rozhodování – geoDSS • Využití multikriteriálního hodnocení při rozhodování pomocí příkladů. • Doposud jsme se zabývali možnostmi analytických nástrojů GIS z pohledu prostorových analýz: – Popis datových sad a jejich analýzy – Návrhy (predikce) do budoucna (RTM). – Zjištění vhodnosti vybraných lokalit (site suitability). • Při analýze byly brány do úvahy určitá kritéria (přednáška geoinformatika – mapová algebra) Umístění supermarketu Vyber místo vhodné pro umístění supermarketu, které leží: – V obydlené oblasti (intravilán) – Je na prodej – Neleží v záplavové zóně – Je v dosahu 200 m od hlavní silnice Čtyři datové vrstvy • Land_use • Site_status • River_map • Roads_map Popis procesu přirozeným jazykem Grafická reprezentace vhodného místa Multikriteriální hodnocení • Náš příklad identifikoval VŠECHNY oblasti, které splňovaly zadaná kritéria. • Neřekl nám, která z oblastí je nejvhodnější pro postavení obchodního centra. • Multikriteriální hodnocení - Multi-criteria evaluation (MCE) je způsob hodnocení celkové vhodnosti lokalit splňujících zadaná kritéria a vybraných pomocí standardní GIS overlay analýzy. • Carver, 1991 (Integrating multi-criteria evaluation with geographical information systems) Co je to MCE? • MCE je sada technik používaných ke kompromisnímu výběru alternativních lokalit. • Cílem MCE je identifikovat lokalitu nejlépe vyhovující požadavkům (minimální kompromis) a splňující zadaná kritéria. • Techniky MCE byly vytvořeny původně v environmentální ekonomice a tedy použity neprostorovým způsobem. • Následně byly adaptovány pro využití v GIS, aby poskytly formální základ pro pomoc při rozhodování. Základní požadavky MCE • „prozkoumat více možností výběru lokalit ve světle rozlišných kritérií a s konfliktními požadavky“… • Cíl: „… tvrzení o požadovaném stavu prostorového systému“. • Kritérium: „…pravidlo pro určení vhodnosti pro alternativní rozhodnutí“. • Atribut: „… vlastnost prvků reálného světa či GIS“. • Malczewski (1999) - GIS and Multicriteria decision making. Co to má znamenat? • MCE používá kritéria k identifikaci lokalit (popsaných atributy), které nejlépe vyhovují cílům. • Například: – Cíl: „… potřebuji lokalitu pro výstavbu obytných domů (jsem developer)“. – Kritérium: „…Domy musí být blízko kina, daleko od hlavních silnic a blízko veřejné dopravě“. – Atribut: Data, potřebná pro popis výše uvedených kritérií. • Zjevný konflikt – daleko od hlavní silnice x blízko hromadné dopravě. Modelová situace • Všechny následující příklad používají zjednodušená data – tři potenciální oblasti popsané pomocí atributů vzdáleností od kina, veřejné dopravy a hlavní silnice. Které z míst je nejvhodnější? Boolean overlay • Kritérium – lokalita je vhodná nebo ne – např. musí být do 1 km od kina. • Výsledek – lokalita, která splňuje všechna kritéria. • Pravidlo dominance. • Je výhodné, pokud máme hodně lokalit pro prvotní analýzu a odstraní nám lokality zcela nevhodné. Příklad Boolean overlay Vážená lineární kombinace (WLC) • Jednotlivé hodnoty proměnných jsou standardizovány (nejvyšší hodnota je ta nejvhodnější). • Kritériím jsou přiřazeny váhy podle předpokládané důležitosti. • Pro jednotlivé datové vrstvy jsou připraveny mapy nominální vhodnosti. • Lokality s nejvyšším výsledkem (součtem) jsou nejvíce vhodné. • Předpokládáme, že vhodnost je lineární v celé škále a proměnné jsou nezávislé. Analytická hierarchie (AHP) • Poskytuje formální bázi pro přiřazení vah – pracuje s hodnotami relativní důležitosti v rozsahu 1 – 9. • 1= proměnná má malou důležitost, 9= nejvyšší důležitost. • Reciproční vztah pro méně důležité proměnné. • Váha= 1/suma sloupce a celkový součet =1 • Veřejná doprava má absolutní důležitost. WLC Metoda ideálních bodů • Bere do úvahy vzdálenost vybraného řešení od ideálního řešení. • Musíme stanovit ideální řešení a vypočítat vzdálenost naší alternativy pomocí metriky měření vzdáleností (jaké metriky na měření vzdáleností můžeme použít v GIS?). Popis proměnných • Parametr síly P určuje metodu pro měření vzdáleností – p=1 (Manhattan), p=2 (Euklides). • S narůstajícím P roste důležitost malých rozdílů. • Několik způsobů implementace (Malczewski, 1999; Quin, 2013). • Možnost využít standardizovaných vrstev a přijmout tvrzení, že ideální řešení je rovno maximální hodnotě (1). • Nejlepší řešení je potom takové, které je nejbližší v m-rozměrném prostoru, kde m= počet atributů). • Metoda řadí jednotlivé lokality podle shody dvojic jednotlivých alternativ. • Každé kritérium je srovnáno pro dvojici lokalit (např. je lokalita A blíže ke kinu, než lokalita B?). • Výstup je uložen do konkordanční matice v podobě sumy vah těch kritérií, která jsou lepší (použity váhy z AHP). • Výsledná matice je použita k výpočtu celkového pořadí lokalit (může být částečné, některé lokality se mohou rovnat.) Metoda shody Příklad výpočtu Srovnání výsledků metod MCE – pro a proti Proti: • Dynamické problémy jsou zjednodušené, lineární model. • Statické, postrádá časový rozměr. • Kontroverzní – příliš subjektivní? Pro: • Strukturovatelná a opakovatelná analýza. • Možnost užití různých hodnotících faktorů a zdůvodnit jejich užití. • Schopnost zpracovat velké množství informací. • Funguje! Dobrá kritéria, správná data, analýza citlivosti Příklad MCE (Estoque, Murayama, 2010) Analýza vhodnosti lokalit pro pěstování včel v oblasti La union, Philippines, • Cíl: – připravit mapu ukazující lokality vhodné pro pěstování včel. • Kritéria: Faktory • Kategorická data – Land use/cover – hodnoty vhodnosti (0-255) přiřazené jednotlivým kategorií na základě toho, zda daná kategorie poskytuje nektar a pyl. • Souvislá data – pravidla standardizace (?) – Vzdálenost k vodnímu toku – standardizováno to 0-255 : vhodnost klesá se vzdáleností od řeky. – Vzdálenost od silnice – standardizováno to 0-255 : vhodnost klesá se vzdáleností (počínaje hodnotou obálky 25 m). – Nadmořská výška – standardizováno to 0-255 : vhodnost klesá s rostoucí nadmořskou výškou. Omezení • Zastavěné oblasti, písek, vodní plochy mokřady a oblasti do 25 metrů od silnice. Hierarchický model Kategorie land use • Land use kategorie pro analýzu kategorických dat a stanovení omezení. • Mapování individuálních společenstev x využití RS. • Řízená klasifikace Landsat TM. Trénováno pomocí terénního výzkumu a následně klasifikováno. • Kontrola kvality modelu (accuracy assessment). Standardizace faktorů do jednotného měřítka • Rozsah 0 – 255 (255 nejvhodnější) • Expertní odhad změny vhodnosti pro jednotlivé faktory. • Faktor nadmořské výšky byl standardizován inverzím způsobem (čím výše, tím hůře) z důvodu výskytu vyššího množství srážek. • Land use byl standardizován po kategoriích (produkční les =255), řada zemědělských využití – 200,150, 100, 50, ostatní =0 (maska). Př. 2 Zastavěné oblasti, písek, vodní plochy mokřady a oblasti do 25 metrů od silnice. Využití AHP pro určení vah (analytic hierarchy process) Vzájemné srovnání vah kritérií SUMA = 1 Postup výpočtu váhy pro kategorii: ∑ sloupce Váha pro konkrétní dvojici = hodnota/suma sloupce Váha celková pro kategorii= průměr vah pro konkrétní dvojice • Pro výpočet celkové vhodnosti lokality: – X – rozhodovací parametry – W – AHP váhy – n – počet parametrů – C – omezení (0=nevhodné, 1=vhodné) • S =((elevation * 0.0553) + (dist_river * 0.2622) + (dist_road * 0.1175) + (luc * 0.5650)) * cons_boolean • Následně vytvořeny kvalitativní kategorie pro popis vhodnosti lokalit pro pěstování včel. Následné využití WLC Výsledná mapa vhodnosti Verifikace výsledků Má za úkol zhodnotit spolehlivost výsledků. • Verifikace kontrolou v terénu (Ground truth verification) – nutno provést terénní průzkum a ověřit navržené oblasti, zda opravdu odpovídají požadavkům a kritériím. • Analýza citlivosti (sensitivity analysis) • Jak jsou ovlivněny výsledky pokud provedeme: – změníme počet kritérií (snížení x navýšení) – změníme váhy kritérií • Dává změna smysl? • Odpovídají výsledky realitě? Verifikace výsledků - příklad • Srovnání mapy vhodnosti lokalit pro pěstování včel s existujícími produkčními daty • Omezené množství podkladů s krátkodobým sběrem informací v terénu. • Porovnání současných lokalit s kritérii. • Korelace hodnot. Korelační tabulka Použité podklady Zadání článků na příští hodinu • Greene, R., Devillers. R., Luther, J.E.and Eddy, B.G. (2011): GIS-Based Multiple-Criteria Decision Analysis. Geography Compass 5/6, p. 412–432, DOI: 10.1111/j.1749- 8198.2011.00431.x: • Zpracování: Andrea Lobpreisová, Veronika Mračková, Ondřej Myšák. • Meng, Y., Malczewski, J., and Boroushaki, S. (2011): A GIS-Based Multicriteria Decision Analysis Approach for Mapping Accessibility Patterns of Housing Development Sites: A Case Study in Canmore, Alberta. Journal of Geographic Information System, 3, p.50- 61.doi:10.436/jgis.2011.31004 • Zpracování: Lenka Podhrázká, Jiří Vašek, Tereza Vránová. Článek I. Greene, R., Devillers. R., Luther, J.E.and Eddy, B.G. (2011): GIS-Based Multiple-Criteria Decision Analysis. Geography Compass 5/6, p. 412–432, DOI: 10.1111/j.1749-8198.2011.00431.x: 1. Co je hlavním cílem článku? Jaký vztah má k MCDA a ke GIS? 2. Jak je článek strukturován? Jaké části a co která z nich řeší? 3. Jaký je rozdíl mezi MADM a MODM přístupy? 4. Jaký je princip heuristických přístupů (metod) a jaké konkrétní heuristické metody jsou v článku představeny? 5. Jaké GIS softwarové nástroje a jakým způsobem mají implementovanou MCDA? 6. Co považujete za nejvíce přínosnou část článku a proč? Článek II. Meng, Y., Malczewski, J., and Boroushaki, S. (2011): A GIS-Based Multicriteria Decision Analysis Approach for Mapping Accessibility Patterns of Housing Development Sites: A Case Study in Canmore, Alberta. Journal of Geographic Information System, 3, p.50- 61.doi:10.436/jgis.2011.31004 1. Co je hlavním cílem článku a jaké dvě hlavní metody MCDA integruje? 2. Dostupnost jakých zařízení je vybrána analyzována v článku? 3. Jak je článek strukturován? Jaké části a co která z nich řeší? 4. Jaké jsou hlavní principy AHP a OWA metod a jakým způsobem byly integrovány? 5. Jaká oblast a jaká data byla využita v pilotní studii? 6. Vysvětlete, jak byla nastavena hierarchická struktura a váhy v modelu AHP? 7. Jaké kvantifikátory byly použity pro jednotlivá zařízení v metodě OWA? 8. Srovnejte a komentujte výsledky obou metod. 9. Jaký je podle vás hlavní přínos užití integrované metody AHP- OWA?