GIS4SG IX
Multikriteriální rozhodování -
příklad
podzim 2017
Petr Kubíček
kubicek@geogr.muni.cz
Laboratory on Geoinformatics and Cartography (LGC)
Institute of Geography
Masaryk University
Czech Republic
ANDAND
ROAD_1KM
INTERSECT
SLOPE<15 degreeWater_200m
2
Boolean overlay
• Disjunctive: Accept alternatives that meet a cut-off
value on at least one criterion
• It can also be implemented for spatial problems using
binary overlay, where the map criteria layers are
combined using a union (logical OR) operation. It is a
risk-taking method, because only one criterion must be
met.
• Example: Criteria (looking for a plot of land)- satisfies
one of the criteria.
– Road -within 1km
– Drainage -within 200m
– Slope - less than 15 degree
– Union 3
OROR
ROAD_1KM
UNION
SLOPE<15 degreeWater_200m
4
Raster model
Vector model
5
Standardised (0-1) Weighted (0-5)
Vegetation
Slope
Landuse
6
Srovnání výsledků metod
• Různé metody multikriteriální analýzy dávají odlišné
výsledky.
Demonstration on MCDA using AHP
for Landslide susceptibility
mapping.
• Weights by AHP
• Standardized by:
– Slope- Fuzzy membership
– Road and Drainage- Rescale by function
• Overlay by Weighted linear combination
8
Drainage Road Slope
Drainage 1 0.333 0.143
Road 3 1 0.2
Slope 7 5 1
sum 11.00 6.33 1.34
Drainage Road Slope
Drainage 0.091 0.053 0.106
Road 0.273 0.158 0.149
Slope 0.636 0.789 0.745
weight
0.083
0.193
0.724
1/11 =0.091
0.333/6.33 =0.053
Analytic hierarchy process
9
10
Model
Drainage (rescaled)
11
Landslide_Clip
ROAD_Scale
Value
High : 1
Low : -1.19209e-007
DRAINAGE_Scale
Value
High : 1
Low : -1.19209e-007
SLOPE_Fuzzy
Value
High : 1
Low : 0
Lighter the colour- closer to the drainage
Distance to Road (rescaled)
12
Landslide_Clip
ROAD_Scale
Value
High : 1
Low : -1.19209e-007
DRAINAGE_Scale
Value
High : 1
Low : -1.19209e-007
SLOPE_Fuzzy
Value
High : 1
Low : 0
Lighter the colour- closer to the road
Slope degree (rescaled)
Landslide_Clip
ROAD_Scale
Value
High : 1
Low : -1.19209e-007
DRAINAGE_Scale
Value
High : 1
Low : -1.19209e-007
SLOPE_Fuzzy
Value
High : 1
Low : 0
Lighter the colour- steeper the slope
14
Landslide susceptibility mapping
(LSM) with existing landslide
Legend
combination_S_R_D_1
<VALUE>
Very Low Susceptibility
Low Susceptibility
Moderate Susceptibility
High Susceptibility
Very High Susceptibility
Validation
15
Frequency of
Landslide
pixels
Percent Cumulative Percent
Very Low 44 6.3 6.3
Low 71 10.2 16.6
Moderate 134 19.3 35.9
High 221 31.9 67.8
Very High 223 32.2 100
Total 693 100
-by overlaying the existing landslide on the LSM
Validation
16
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
CO KDYŽ MÁME VÍCE
CÍLŮ??
• Doposud jsme brali do úvahy možnost více kritérií pro
výběr vhodné lokality a měřili lokality podle míry
splnění jednotlivých kritérií.
• Velmi často však může nastat případ, kdy jsou
definovány odlišné cíle (například z odlišných
oddělení krajského úřadu), kterým je potřeba vyhovět.
• Př. vybudovat stavbu na nejlacinější lokalitě (oddělení
stavebního řádu a územního plánování), ale zároveň
tak, aby co nejméně škodila životnímu prostředí
(oddělení životního prostředí).
• Oba cíle se liší výsledky nejsou srovnatelné – musíme
se pokusit najít kompromisní lokalitu – analýza více
cílů (multi-objecitve analysis – MOA).
• Cílem MOA je vybrat lokalitu na základě odlišných cílů
tak, aby maximálně vyhovovala oběma záměrům.
MOA• Iterativní kontrola všech lokalit
a nalezení nejlépe vyhovujících
řešení pro oba cíle.
• Pokud je lokalita vysoce vhodná
pouze pro jeden cíl, pak je mu
přiřazena.
• Pokud je lokalita vysoce
hodnocena pro oba cíle –
konflikt, nebo splňuje oba cíle.
• Lokality jsou postupně
hodnoceny, dokud nejsme
schopni určit, která lokalita
vyhovuje nejlépe.
Použité podklady