Analisis Ruangan

Vektor
Raster
Terrain Mapping
Viewshed & Watersheds
Spatial Interpolation
Geocoding & Dynamic Segmentation
Path Analysis & Network Applications
Vektor

 Buffering
 Overlay
 Distance Measurement
 Pattern Analysis
 Map Manipulation
Buffering

 2 jenis buffer
 Dlm jarak
 Luar jarak
 Variasinya
 Berbeza mengikut nilai
 Pelbagai zon
 Buffering adalah cara utk mengukur
jarak dpd objek yg dipilih utk
membuat zon penampan.
 Perlu tahu unit pengukuran (meter
dsbnya)
 Boleh juga guna unit peta yg
digunakan
cth
 Buffer zone digunakan utk membuat kws
“protected” atau utk kegunaan
perancangan atau penguatkuasaan
 Undang2 kecil yg menyatakan tidak ada
penjualan arak atau kedai porno kurang dpd
1000 kaki dpd sekolah
 Kws hutan yg menetapkan yg tidak boleh ada
aktiviti penggalian/penggorekan kurang dari
500 kaki dpd jlnraya
 Perancang bandar yg menyatakan yg tidak
boleh ada apa2 aktiviti spanjang sg kurang dr
400 kaki
 Kerajaan membuat zon penampan spjg
sg utk memelihara elemen akuatik dpd
perubahan g/tanah
Overlay
 Operasi yg menggabungkan geometrik
dan attribut data 2 @ lebih layer utk
menghasilkan output baru.
 Layer geometrik/grafik baru itu
mengandungi semua elemen dpd layer-
layer yg terbabit
 Semua layer yg ingin dioverlay adalah
mempunyai “spatial registered” dan
berada dlm sistem koordinate yg sama
 Jenis “feature” dan jenis overlay
 Point-in-polygon
overlay
 Titik yg sama dlm
layer input
dimasukkan dlm
layer output
tetapi setiap titik
dimasukkan dgn
nilai attribut
polygon yg
berada di atasnya
 Line-in-polygon overlay
 Layer output
mengandungi
garisan yg sama
spt dlm input
layer tetapi layer
baru ini akan
dibahagikan oleh
layer polygon tadi
 Segmen layer
garisan baru
adalah lebih.
 Setiap segmen
mengandungi
attribut dr layer
gar dan polygon
asal
Polygon-on-polygon overlay

 Dua2
polygon
layer
akan ada
attribut
dlm
output
layer
Pendekatan Overlay

 Berasaskan kepada penghubung

Boolean iaitu AND, OR, XOR
Union

 Memelihara semua features dpd

layer input dan layer output
mengandungi kedua2 input.
 Ia hanya boleh utk layer feature
polygon shj
Intersect

 Mengekalkan hanya features yg

berada dlm layer intersect shj
 Data dari kedua2 layer akan ada
dlm layer yg baru
 Boleh utk layer titik,garisan, atau
polygon bagi layer input dan hanya
layer polygon shj bagi layer yg
dioverlaykan
Symmetrical Difference

 Mengekalkan features yg berada

dlm kws yg bukan berada dlm kws
overlay – berada di luar
Identity

 Mengekalkan features yg berada

dlm layer input shj
Distance measurement

 Mencari jarak antara objek/feature.

Secara titik ke titik
 Ataupun dari titik ke titik yg trdekat
atau garisan yg terdekat
Pattern Analysis
 Ia bercirikan kepada penggunaan teknik
kuantitatif utk menyatakan sesuatu dan
menganalisis corak objek secara reruang
 Random, dispersed, clustered
 Nearest Neighbor Analysis
 Moran’s I for Measuring Spatial
Autocorrelation
 G-Statitic for Measuring High/Low
Clustering
Nearest Neighbor Analysis
 Menggunakan jarak antara titik dan juga
objek yg terdekat utk mengetahui corak
titik terbabit
 Secara statistik R (ratio) utk jarak purata
antara titik NN berbanding dgn purata
secara randon distribution
 R = D obs / D exp
 Nilai R kurang dari 1 jika corak titik
mempunyai nilai kluster dpd random.
 Lebih dpd 1 jika corak titik lebih dispersed
dpd random
 Z skor boleh diperolehi utk
memperlihatkan keberangkalian
(likelihood) yg corak adalah hasil
dpd kebarangkalian random
 Cth
 R = 0.58 (lebih kluster dpd random)
 Z skor dpd -11.4% ( kurang dpd
1% kebarangkaian corak adalah
dpd random chance)
Moran’s I for Measuring Spatial
Autocorrelation

 Spatial autocorrelation
menggunakan kaedah yg mana
menggunakan kedua2 titik lokasi
dan juga variasi dlm attributenya
pada sesuatu lokasi.
 Ia secara langsung menilai jarak
dgn adanya unsur perhubungan
antara nilai variable mengikut
spatial arrengement nilai terbabit.
G-Statistic for Measuring High/Low
Clustering

 Memisahkan kluster nilai tinggi dpd

kluster nilai rendah.
Map Manipulation
 Antara alatan yg boleh digunakan
 Dissolve
 Clip
 Append
 Select
 Eliminate
 Update
 Erase
 Split
Dissolve

 Aggregates festures yg sama

nilainya
 Penggabungan ruangan
berdasarkan kepada nilai
attributnya
Clip

 Membuat layer baru yg

mengandungi hanya features of the
input layer that fall within the area
extent of the clip layer
Append

 Piecing together two or more layers

Select

 Membuat layer baru berdasarkan

features yg di pilih shj yg dibuat
dpd pre-defined query expression.
Eliminate

 Removing features that meet a

user-defined query expression
Update

 Menggunakan operasi “cut” dan

“paste” utl menggantikan features
dlm input layer dgn cara
mengupdatekannya
Erase

 Mengeluarkan features pada input

layer yg jatuh pada kws dlm erase
layer
Split

 Memisahkan input layer kpd 2 atau

lebih layer
Raster
 Raster data model menggunakan grid biasa utk
mengenengahkan kws liputan yg mana setiap grid
mempunyai nilai yg memberitahu karakter fenomena yg
terlibat di kws terbabit
 Analisis data raster boleh dilakukan pada tahap sel individu,
sekumpulan sel atau sel di antara keseluruhan data raster.
 Ada operasi data raster menggunakan satu raster atau 2 atau
lebih
 Paling penting dlm raster ialah jenis nilai sel sel
 Antara yg akan dipelajari ialah:
 Persekitaran analisis data raster
 Local operations
 Neighborhood Operations
 Zonal Operations
 Physical Distance Measure Operations
 Other Raster Data Operations
Persekitaran analisis data raster
 Merujuk kpd kws (area) utk analisis di
buat dan juga saiz sel keluaran (output)
 Area – boleh merujuk kpd raster tertentu
atau pre-defined
 Boleh menggunakan mask (topeng)
 Saiz keluaran pula boleh ditentukan pada
skala yg sesuai.
 Selalunya ia disetkan kepada sama atau
lebih besar dpd input data raster
Analysis Mask
 Mask ini membataskan analisis
kepada analisis yg mempunyai nilai
shj dan tidak utk nilai “no data”
 O (zero) masih diterima kerana ia
masih ada nilai
 Sumber mask boleh dpd vektor
atau raster.
 Ia perlu mempunyai nilai sel dalam
kws are of Interest (AOI).
Local operations
 Operasi sel-by-sel
 Membuat data raster baru dpd s/ada
single input raster atau pun byk input
raster
 Nilai sel yg baru dtgnya dpd fungsi yg di
buat ke atas input
 Terdapat 3 jenis cara yg boleh dilakukan
melalui local operations iaitu:
 Melalui satu raster (single raster)
 Pengkelasan semula (reclassification)
 Byk data raster (multiple raster)
Melalui satu raster (single raster)

 Satu input yg diberi pengiraan stiap

selnya melalui fungsi matematik
Arimetik +,-,/,*, absolute,integer, floating-point

Logaritma Exponentials, logaritma

Trigonometri Sin, cos, tan, arcsin,arccos, arctan

Kuasa (power) Square, square root, power

Pengkelasan semula (reclassification)
 Membuat raster baru melalui pengekelasan –
mengkoding semula /transforming melalui adanya
lookup tables
 Terdapat 2 kaedah reclassification:
 One-to-one change – nilai sel dlm input di beri
nilai baru dlm output
 Memberikan nilai kepada range of cell dlm input.
 Reclassification di buat kerana:
 Membuat simplified raster
 Membuat unik kategori atau nilai
 Boleh buat ranking
Byk data raster (multiple raster)

 Proses compositing, overlaying or

superimposing peta – disebut
sebagai map algebra
Neighborhood Operations (operasi
kejiranan)

 Sel dan juga kws persekitaran sel terbabit

 Persekitaran dipilih berdasarkan kpd
perhubungan jarak atau direction sel
terbabit
 Statistik value yg boleh dibawa dlm data
baru ialah maximum, minimum, range,
sum, mean, median, standard deviation,
majority, minority an variety
Operasi zon (zonal operations)
 Melibatkan sekumpulan sel yg mempunyai nilai yg
sama atau like features.
 Kumpulan ini dikenali sebagai zon
 Zon boleh jadi contigious atau no-contigiuos.
 Cont – mengandungi sel yg bersambung secara
ruangan
 Non-cont – tidak bersambung secara ruangan
tetapi mempunyai nilai yg sama
 Operasi sama boleh dilakukan operasi kejiranan
Physical Distance Measure Operations

 GIS – jarak dilihat dpd 2 sudut iaitu

jarak fizikal dan jarak kos
 Jarak fizikal
 Jarak kos – berdasarkan kpd jarak
fizikal dan lain2 spt speed limit dan
keadaan jalan
Operasi data raster lain

 Selain dpd operasi yg telah

dibincangkan dan masih boleh
digunakan dlm GIS spt
 Pengurusan data raster
 Pengeluaran (extraction) data raster
 Raster data generalization
Pengurusan data raster
 Terdapat 2 yg paling besar iaitu CLIP dan
MOSAIC
 Clip – membuat data baru dgn
menggunakan rectangle utk menarik
keluar sebahagian data input
 Boleh juga menggunakan X dan Y utk
buat AOI
 Mosaic – menggabungkan pelbagai input
utk buat baru
Pengeluaran (extraction) data raster

 Membuat data baru dgn cara

mengeluarkannya dpd data sedia
ada.
 Alatannya ialah – data, objek grafik
atau query expression, mask
(vektor, raster).
Raster data generalization

 Simplify data yg menggunakan

kaedah resampling
 Aggregate – mengira setiap output
sel sebagai mean, median, sum,
minimum, maximum yg berada dlm
AOI
Terrain Mapping

 Cara utk represent permukaan bumi

secara pelbagai spt kontur, hill
shading, 3D dll
 Data for Terrain Mapping
 Terrain Mapping
 Slope & Aspect
 Surface Curvature
Data for Terrain Mapping

 Terdapat 2 jenis data input yg biasa

digunakan dlm TM dan analisisnya
yg selalunya adalah berdasarkan
kepada raster dan vektor iaitu DEM
(raster) dan TIN (Vektor)
DEM – Digital Elevation Model
 DEM – Digital Elevation Model adalah terdiri dpd byk elevation
point
 Sumber dtgnya dpd image satelite, radar, dan LIDAR (light
detection and ranging)
 USGS mengkelaskan kualiti 7.5 min DEM kpd 3 peringkat
iaitu
 Peringkat 1 – kualiti paling rendah yg menggunakan sumber spt
benchmark dan spot elevations sebagai titik rujukan dgn
menggunakan kaedah root mean square (RMS) error
 Utk level 1 min error (RMS) ialah 7 meter dan mak 15 meter.
 Peringkat 2 – mempunyai RMS error ½ interval kontur.
 Peringkat 3 – mak RMS error ialah 1/3 interval kontur yg tidak
lebih 7 meter
 Kebykkan DEM (USGS) adalah peringkat 1 & 2
 Peringkat 1 dlm spacing 30 meter dan peringkat 2 dlm 30@ 10
meter
TIN – Triangulated Irregular Network

 Mempersembahkan permukaan
bumi melalui nonoverlapping
triangles.
 Elevation value (z values) along
with x,y coordinates are stores at
nodes that make up triangles.
Terrain Mapping
 Cara utk mempersembahkan keadaan
permukaan bumi dalam komputer melalui
teknik pemetaannya.
 Terdpt 5 teknik persembahan dlm terrain
mapping iaitu;
 Countouring
 Vertical profiling
 Hill shading
 Hypsometric tinting
 Perspective view
Countouring
 Garisan kontur adalah point yg
bersambung yg mempunyai nilai yg sama
 Contour interval – jarak antara 2 garisan
kontur
 Base contour – konturdi mana ianya
bermula
 Cth
 DEM ada range 743 – 1986 meter tinggi
 Base countour pada 800 meter
 Countour interval pada 100 meter
 Maka garisan kontur akan di buat dari 800,
900 meter dll
Vertical profiling

 Keratan rentas yg menunjukkan

elevation yg ada pada satu garisan
yg di buat spt jln dsbnya
Hill shading

 Dikenali juga sbg shaded relief –

simulate bgmana rupanya keadaan
permukaan bumi dgn adanya
interaksi antara cahaya matahari
dan objek permukaan bumi.
Hypsometric tinting

 Distribution of the erath’s mass with

elevation – dikenali sebagai layer
tinting yg memasukkan simbol
warna dlm pelbagai zon elevation
yg berbeza
Perspective view

 Pandangan 3D permukaan bumi

dari pelbagai persepktif yg melihat
dpd;
 Azimuth – 0- 360 darjah
 Angle – 0-90 darjah
 Jarak –
 Z-scale – ratio between vertical scale
dan horizontal scale.
Slope & Aspect

 Slope – measures the rate of

change of elevation at a surface
location
 Aspect – the directional measure of
slope
Surface Curvature

 Berkaitan dgn sg (hidrologi)

Viewshed & Watersheds
 Viewshed Analysis
 Refers to the portion of the land surface that is
visible from one or moe viewpoints
 Watershed Analysis
 Area that drains surface water to a common outlet.
 Filled DEM
 Flow Direction
 Flow Accumulation
 Stream Network
 Stream Links
 Areawide watersheds
 Point-based watersheds
Spatial Interpolation

 Is the process of using points with

known values to estimate values at
other points.
 Terdapat beberapa pendekatan dlm
spatial interpolation spt
 Global methods
 Local methods
 Kriging
Global methods

 Terdiri dpd trend surface dan

regression model
trend surface model

 Approximates points with known

values with polynomial
equation/interpolator can e used to
estimate values at other points
regression model

 Relates to a dependent variable to a

number of independent variables in
a linear equation which can then be
used for prediction or estimation
LOCAL METHODS

 Antara pendekatannya ialah

 Thiessen Polygons
 Density Estimation
 IDW – Inverse Distance Weighted
Interpolation
 Thin-Plate Splines
 Thiessen – assume that any point within a
polygon is closer to the polygon’s known
point than any other known point.
 Density Estimation – measures cell
densities in a raster by using a sample of
known points yg menggunakan 2
pendekatan iaitu
 Simple estimation -
 Kernel density estimation
 IDW – ia an exact method that
enforces that the estimated value of
a point is influenced more by
nearby known points than those
farther away.
 Thin-Plate Splines – create a
surface that passes the control
points and has the least possible
change in slope at all points
KRIGING

 Is a geostatistical method for spatial

interpolation yg mana ia ialah
 Semivariogram
 Models
 Ordinary kriging
 Universal kriging
Geocoding & Dynamic Segmentation

 Geocoding – process of assigning spatial

locations to data that are in tabular
format but have fieldsthat describe their
locations
 Dynamic Segmentation – process of
computing the location of events along a
route.
 Route – linear feature with linear mesurement
system stored with its geometry
 Events – linearly referenced data that occur
along routes.
Path Analysis & Network Applications

 Path Analysis – is a raster based

and has a narrower focus. Using a
cost raster that define the cost of
moving through each cell, pa finds
the least cost path betwenn cell.
 Network Analysis – spt the shortest
road etc – is a system of linear
features that has the appropriate
for the flow of objects.
Path analysis

 Perlu – source raster, cost

raster,costdistancemeasures,
algorithm to compute
Network

 Antara aplikasi
 Shortest path
 Closest Facility
 Allocation
 Location-allocation
 Urban Transportation Planning Model
 etc