Advertisements

Posts Tagged ‘analisis’

Change detection – Detección de cambios en polígonos

2015/10/22

change-detection-bogota-telemediciones-20151023-02
THE IDEA: DEMONSTRATING HOW DYNAMIC A CITY IS, THUS HOW IMPORTANT IS HAVING AN UPDATED DATASET
bogota-change-detection-20151105-02

THE FACTS: THE CITY OF BOGOTÁ IN COLOMBIA 2012-2014

Overall growth rate: -0.12% ONLY HAVING INTO ACCOUNT THE DIFFERENCE OF BUILDINGS CAPTURED BETWEEN 2012 AND 2014 (We can do this because we have used the same data capture model in both years)

(De acuerdo al censo catastral, para 2015 la ciudad incorporó 51.531 predios nuevos urbanos. En total, hay 2’402.581 predios en la ciudad, de esos, 266,9 millones de metros cuadrados son de área totalmente edificada. Source: http://www.eltiempo.com/bogota/crecimiento-bogota-/15394797)

bogota-change-detection-20151105

THE PROCEDURE: Centroids of buildings; Spatial join showing presence-absence, considering a 10m accuracy threshold, meaning if the centroid has not moved more than 10m, its the same building. If the centroid in 2012 is not in 2014, its considered as demolished. If a new centroid appears its considered new building.

DENSITY MAPS+3D buildings
Help to quickly focus on the highlights
bogota-change-detection-news-20151021

 

Advertisements

Taxing the sun?. Yes, in Spain this seems to be possible.

2015/04/09

Absolutely ashamed by my government’s insane policies on this regards, Spain is now (…) attempting to scale back the use of solar panels – the use of which they have encouraged and subsidized over the last decade – by imposing a tax on those who use the panels. The intention is clearly to scare taxpayers into connecting to the grid in order to be taxed. The tax, however, will make it economically unfeasible for residents to produce their own energy: it will be cheaper to keep buying energy from current providers. And that is exactly the point. (…)

OneRoof-Energy11

Source: http://www.forbes.com/sites/kellyphillipserb/2013/08/19/out-of-ideas-and-in-debt-spain-sets-sights-on-taxing-the-sun/

While we see anywhere else in the world this is being encouraged we don’t, we do exactly the opposite… but if you wonder why this could happen in a allegedly developed country like mine i herewith let you know the reason why… not to compete with other energies or more exactly other big companies providing that energy. A shame or even more than that, a fu***** shame.

So you encourage sustainability and now you discourage it?. In a country like Spain with such an incredible unemployment rate, which slowly reduces this figures at the expense of lower wages, winning competitiveness but losing anywhere else!!! (Mostly if we have cities with +3000 hours of sunshine a year!)

Anyway, trying not to get too upset after writing this words and also trying to make this makes sense in a GIS blog i will try to show you how Lon Angeles county in the US is encouraging the installation of solar panels, ranking all 2010 parcels according to wattHours per square meter. Isn’t it a politically and technically state of the art approach? Yes in my opinion it is, indeed.

solar-mapping-data-20150409

http://egis3.lacounty.gov/dataportal/2015/04/07/solar-data-summarized-to-2010-parcels/

solar-mapping-data-20150409-03

Important Note.  The shapefile includes 4 fields that are summaries of the solar potential:

  1. Rank 1 – Square feet of roof receiving excellent solar input (> 1.4 million wattHours per square meter)
  2. Rank 2 – square feet of roof receiving good solar input (1.15 – 1.4 million wH/meter squared)
  3. Rank 3 – square feet of roof receiving poor solar input (950,000 – 1.15 million wH/meter squared)
  4. Rank 4 – square feet of roof receiving negligible solar input (< 950,000 million wH/meter squared)

Hope you like this post, if so, share it.

Kind Regards,

Alberto C.L.
MSc GIS and worried about “government insanity”.

Pearson correlation and GIS

2014/11/28


pearson-01
Do these two variables have a correlation?. To answer this important question first of all we have to know that only if it’s a linear relationship and there are no outliers we can take advantage of Mr Pearson’s correlation statiscal tool.

If i love chocolate, does this mean i have tendency of being chuby? or on the other hand there’s no relationship at all. Let’s figure it out.

For this particular occasion, input data XY are two DTM heights, my guess is the following: if correlation is too big, i may deduce they’re not independent products and one might been created from the other, in other words, we might have tried to cheat and we are using a different source that the one we have stated… In GIS sometimes things are not exactly as expected and there’s need to be assertive and making a plan for discovering this minor issues.

 

 

 

Let’s start from the beginning, if source 1 is the same as source 2, the correlation would be perfect, is this correct?. The answer is yes. r (Person correlation) would be = 1. So yes, if this was asking about chocolate and fleshiness this would be 100% right but this hardly or never happens in real life (direct and no other explanation or variable interaction… why is always so0o complicated?).

pearson-formula

pearson-04

With real data, you would not expect to get values of r of exactly -1, 0, or 1. For example, the data for spousal ages (white couples) has an r of 0.97. Don’t ask me where i got this weird source (well, just in case: http://onlinestatbook.com/2/describing_bivariate_data/intro.html)

age_scatterplot

If i fill source 2 with a random number, the correlation would be almost none accordingly (in this case r=0.17)

pearson-06

Now if we see the diagram of the first two sources and we get the Pearson correlation coefficient (r=0.24) which means the correlation is very weak.

pearson-03

But that was only a very small part of the table (only 30 iterations), so if i do the same calculation out of the +13,000 iterations i really need, i get these figures (by the way, theres no need to use such a complicated formula above, you can use this one in EXCEL: =PEARSON(A1:An;B1:Bn))

pearson-07

So the correlation now its moderate, which makes me deduct at least the sources seem different and i’d need more clues to think my customer might have tried to actually cheat me using the same source for both datasets.

Summarizing:

r=1, correlation is PERFECT

0.75<r<1, correlation is STRONG

0.5<r<0.75, correlation is MODERATE

0.25<r<0.5, correlation is WEAK

<0.25, almost NO correlation, both variables are hardy related

I hope you guys have found this post interesting,
looking forward to hear where could you use it and/or your feedback,

Regards,

Alberto Concejal
MSc GIS

Remote Sensing, Photogrammetry, Lidar and Landuse IGN Spain

2014/11/18

teledeteccion-fotogrametria-lidar-usos-del-suelo-ign-20141118b

A few more lines for leting you know again that i passed this other course just now in Instituto Geográfico of Spain (IGN).

Remote Sensing, Photogrammetry, Lidar and Landuse, a comprehensive 40h update on relevant information i need tu use on a daily basis. This ‘update’ helps me to better understand what i am working with and this way, being able to properly describe it for my daily analysis,

HTML High resolution DTM visualization using Quantum GIS (Qgis)

2014/11/03

This QGIS Plugin, Qgis2threejs, exports terrain data, map canvas image and vector data to your web browser!!

3dvisualizatio-DTM-QGIS-20141103

All you have to do is opening the DTM in Qgis (2.4.0 Chugiak), go to plugins library and install Qgis2threejs.

3dvisualizatio-DTM-QGIS-20141103-03

Once its installed you will see this icon on screen iconand you will need to clic on it.

3dvisualizatio-DTM-QGIS-20141103-04

Then choosing the parameters of the visualization and voilá!!

I have used a 5m DTM which source was LIDAR so the quality is very good

3dvisualizatio-DTM-QGIS-20141103-05

Hope you guys like it. Feedback would be greatly appreciated.

Alberto Concejal
MSc GIS and Quality Control
albertoconcejal [at] gmail.com

Analyse des emplacements réservés à la livraison sur voirie: NANTES

2013/11/10

*Désole pour mon français, si vous voulez on peut parler en anglais ou espagnol.

La première chose qu’il faut faire c’est télécharger le jeu de données au site:
http://data.paysdelaloire.fr/donnees/
Thématique : Mobilité

Le jeu propose la géo-localisation des emplacements réservés à la livraison sur voirie dans un secteur limité de la ville de Nantes. Ces aires permettent l’enlèvement et la livraison de marchandises par les professionnels et facilitent le transport des marchandises en ville. 

L’idée c’est savoir s’il y a de concentration dans certains quartiers ou par contra on trouve un patron plus dispersé. Je vais commencer a visualiser les données y j’attends aussi la reponse de quelq’un au Forum avec le ‘shape’ des quartiers et pouvoir finir l’analyse.

J’ai utilisé le logiciel ArcGIS 10.0. C’est facile ajouter les couches, dans ce cas ci, les points où on trouve des emplacements réservés à la livraison sur voirie… on ajoute aussi les images aériennes 20 cm (tout telechargé au meme endroit). Mon hypothèse aussi pondére la taille des emplacements réservés à la livraison.livraison_trend02

L’average nearest neighbor analyse va m’aider a savoir si on travail avec des point dispersés ou par contra concentrés spécifiquement dans certain quartiers. Pour l’instant je ne peux faire que en general parce je n’ai pas encore trouvé la couche pour les quartiers… Donc on peut dire qu’on a un scenario de dispersion.

Analyzing patterns/average nearest neighbor
livraison_trend04

A travers d’un analyse de densité on peut visuellement voir si il y a un endroit avec des concentrations plus élevées.

Spatial analyst/density
livraison_trend03

A travers de l’auto-corrélation spatiale nous découvrons un niveaux de signifiance que nous fait douter du résultat de concentration précédent. Pour quoi ?. On vais voir après (j’espère).livraison_trend05
Et aussi nous pouvons voir qu’il n’y a pas de tendance Nord-Sud ou Est-Ouest dans le modèle de localisation.livraison_trend01

Alors ?. On continue bientôt.

Projets éoliens en Loire-Atlantique

2013/09/02

C’est vraiment magnifique l’ouverture des données publiques… Je vais décrire mon itinéraire pour mieux comprendre:

  1. Télécharger des données (Projets éoliens en Loire-Atlantique)
  2. Telecharger DTM (SRTM v4)
  3. Faire Carte d’ombrage (ArcGIS),
  4. Orientations (ArcGIS) et
  5. Inclinations (ArcGIS) pour mieux comprendre l’emplacement des moulins
  6. Faire Carte de densité (en mesurent la puissance du parc)

eolicpark_03

Et maintenant la carte de densité en Global Mapper…

eolicpark_02

Name=Chauvé

Feature Type=Unknown Point Feature
Geometry=Point location: 321341.949 6688237.734 (Lat/Lon: 47° 11′ 11.0775″ N, 2° 00′ 13.7962″ W)
Map Name=projets_eoliens.shp
NOM_PARC=Chauvé
ETAT_AVANC=Permis de construire accepté
NBR_EOL=6
PUISSANCE=12

Et après, avec tous les cartes et toutes les données, faire l’interprétation, voici toutes les moulins du vent en Loire Atlantique, on peut apprécier la concentration au Nord/Nord-Est de la région:

eolicpark_01

Et aussi la rose des vents (http://www.nantes-erdre.fr/statistiques-du-vent-a-nantes):

La rose des vents représentative du secteur d’étude est celle fournie par la station de Nantes-Bouguenais.

Les données ont été recueillies sur une période de 29 années (entre le 1er janvier 1971 et le 31 décembre 2000).

La rose des vents ci-après représente la distribution annuelle des vents (tous mois et toutes heures
confondues).

Les vents sont classés selon trois catégories :
– vents dont la vitesse est comprise entre 5 et 16 km/h (bleu),
– vents dont la vitesse est comprise entre 16 et 29 km/h (vert),
– vents dont la vitesse est supérieure à 29 km/h (orange).

Ces catégories sont ensuite reportées en terme de fréquence pour chacune des 18 directions de la rose des vents située au centre (nord, sud, est, ouest, etc.)

Les vents dominants sont les suivants :

– Les vents de secteur ouest/sud-ouest et sud (directions de 180 à 280°) qui représentent 36,5% des vents, toutes vitesses confondues. Les vents les plus forts de la station (vitesse supérieure à 29 km/h) soufflent majoritairement dans ces secteurs.

– Les vents de secteur nord-est (24,7% des vents) avec une majorité de vents faibles ou moyens (directions de 20 à 80°).

frequence-vent
statistiques-vent0

image

Idéalement il faut exporté raster->vector et faire l’analyses spatiale mais ça va être un outre post !

Ici, quelques liens et information général:

L’energie eolique. http://www.loire-atlantique.fr/jcms/cg1_244375/l-eolien

Documentation: http://data.paysdelaloire.fr/donnees/detail/localisation-des-projets-eoliens/?tx_icsoddatastore_pi1[page]=4&visualization=3

Éolien terrestre ou off-shore, ce mode de production électrique devrait connaître une accélération sans précédent en Loire-Atlantique d’ici à 2020.

L’éolien apparaît comme la principale source d’énergie renouvelable électrique permettant d’atteindre dans les toutes prochaines années un niveau important de production.

C’est pourquoi Le Département a fixé en juin 2010 un objectif ambitieux de puissance éolienne installée à l’horizon 2020 :

  • 600 mégawatts (MW) terrestres
  • 500 MW en mer.

On va nous déménager alors… Analyse solaire !

2013/04/02

Ma copine et moi on va nous déménager très bientôt alors il faut faire unE analyse solaire. Nantes, la ville ou on habite est connue dans le monde entier pour ses niveaux de pluie, n’importe que CE soit été, printemps… meme si France Météo a dit qu’il va faire BEAU… A Nantes ça ne marche pas comme ça. Il faut maximiser l’exposition pour garantir un montant minimum de lumière du soleil pendant l’année mais… comment faire?.

En rouge chez nous… on a pas encore trouvé notre nouvel appartement alors je vais faire l’analyse ici…

sun_tools_01

J’utilise Sketch-up pour modeler en 3D le bâtiment et Sun tools developé par Guedi Capeluto (Faculty of Architecture and Town Planning. Technion Israel Institute of Technology).

On peut voir quel parcour et a quel heure le soleil passe par là.  Chaque mois un peu plus haute (month 1, month 2, month 3…)

sun_tools_02

C’est très facile a comprendre et va beaucoup nous aider a trouver le trésor le plus important dans cette partie de la France: le SOLEIL !!!!!

http://gcapeluto.technion.ac.il/SunTools/STdownload.html

Plug-in Features:

  • SunPATH: visualization (month and year)
  • SunPOS: Sun Position for a date and time
  • SunVIEW: Axonometric views from the Sun
  • SunPENETRATION: Analyze Sun Penetration/Access in any specific analysis point.

J’espère que ça vous plait.

Alberto

P.S. Ouais, je sais, mon français c’est pas parfait mais j’essaie alors vous pouvez m’envoyer vôtres doutes en anglais et espagnol sans problème;-)

Vulnérabilité de la population – Analyse SIG

2013/03/17

analisis_sig_gis

An ancien analyse accompli il y a long temps mais toujours d’actualité. En espagnol.