v.classgrass - Online in der Cloud

PROGRAMM:

NAME/FUNKTION

v.Klasse - Klassifiziert Sachdaten, zB für thematische Kartierungen

SCHLÜSSELWÖRTER

Vektor, Klassifizierung, Attributtabelle, Statistik

ZUSAMMENFASSUNG

v.Klasse
v.Klasse --help
v.Klasse [-g] Karte=Name [Schicht=Schnur] Überblick=Name [woher=sql_query] Algorithmus=Schnur
nbclasses=ganze Zahl [--Hilfe] [--ausführlich] [--ruhig] [--ui]

Flaggen:
-g
Nur Klassengrenzen drucken (ohne Min und Max)

--help
Nutzungszusammenfassung drucken

- ausführlich
Ausführliche Modulausgabe

--ruhig
Leiser Modulausgang

--ui
Starten des GUI-Dialogs erzwingen

Parameter:
Karte=Name [erforderlich]
Name der Vektorkarte
Oder Datenquelle für direkten OGR-Zugriff

Schicht=Schnur
Schichtnummer oder Name
Vektor-Features können Kategoriewerte in verschiedenen Layern aufweisen. Diese Zahl bestimmt
welche Schicht verwendet werden soll. Bei Verwendung mit direktem OGR-Zugriff ist dies der Layername.
Standard: 1

Überblick=Name [erforderlich]
Spaltenname oder Ausdruck

woher=sql_query
WHERE-Bedingungen der SQL-Anweisung ohne 'where'-Schlüsselwort
Beispiel: Einkommen < 1000 und Einwohner >= 10000

Algorithmus=Schnur [erforderlich]
Algorithmus zur Klassifizierung
Option: int, Standard, über, gleich, dis
int: einfache Intervalle
std: Standardabweichungen
hier: Quantile
equ: gleichwahrscheinlich (Normalverteilung)

nbclasses=ganze Zahl [erforderlich]
Anzahl der zu definierenden Klassen

BESCHREIBUNG

v.Klasse klassifiziert Vektorattributdaten in Klassen, beispielsweise für thematische Kartierungen.
Die Klassifizierung kann auf einer Spalte oder auf einem Ausdruck mit mehreren Spalten erfolgen, alles in
die mit der Vektorkarte verknüpfte Tabelle. Der Benutzer gibt die gewünschte Anzahl von Klassen an und
der Algorithmus, der für die Klassifizierung verwendet werden soll. Mehrere Algorithmen sind implementiert für
Klassifizierung: gleiches Intervall, Standardabweichung, Quantile, gleiche Wahrscheinlichkeiten und eine
Diskontinuitätenalgorithmus, entwickelt von Jean-Pierre Grimmeau an der Freien Universität
Brüssel (ULB). Es kann verwendet werden, um Klassenunterbrechungen in thematische Kartierungsmodule einzufügen, wie z. B.
d.vect.thematisch (siehe Beispiel unten);

ANMERKUNG

Die gleich Intervall Algorithmus teilt einfach den Bereich Max-Min durch die Anzahl der Pausen, um
Bestimmen Sie den Abstand zwischen den Unterrichtspausen.

Die Quantile Algorithmus erstellt Klassen, die alle ungefähr die gleiche Anzahl von
Beobachtungen.

Die Standard Abweichungen Algorithmus erstellt Klassengrenzen, die eine Kombination aus dem Mittelwert
+/- die Standardabweichung. Es berechnet einen Skalierungsfaktor (<1), mit dem die
Standardabweichung, damit alle Klassengrenzen in den Bereich Min-Max von fallen
die Datenwerte.

Die Gleichwahrscheinlichkeiten Algorithmus erstellt Klassen, die gleichwahrscheinlich wären, wenn die
Verteilung war normal. Wenn einige der Klassengrenzen außerhalb des Bereichs Min-Max der
Datenwerte, gibt der Algorithmus eine Warnung aus und reduziert die Anzahl der Unterbrechungen, aber die
Die verwendeten Wahrscheinlichkeiten sind die der Anzahl der gewünschten Pausen.

Die Rabatt Algorithmus sucht systematisch nach Diskontinuitäten in der Steigung der
Kurve der kumulierten Häufigkeiten, indem diese Kurve durch gerade Liniensegmente angenähert wird
deren Eckpunkte die Klassengrenzen definieren. Die erste Näherung ist eine Gerade, die
verbindet die beiden Endknoten der Kurve. Diese Linie wird dann durch eine zweisegmentige
Polylinie, deren zentraler Knoten der Punkt auf der Kurve ist, der am weitesten vom vorhergehenden entfernt ist
Geraden. Der Punkt auf der Kurve, der am weitesten von dieser neuen Polylinie entfernt ist, wird dann als
neuer Knoten zu erstellen, brechen Sie eines der beiden vorhergehenden Segmente, und so weiter. Das Problem
Der Unterschied in Einheiten zwischen den beiden Achsen wird durch die Neuskalierung beider Achsen gelöst.
Amplituden auf ein Intervall zwischen 0 und 1. Im ursprünglichen Algorithmus ist der Prozess
gestoppt, wenn der Unterschied zwischen den Steigungen der beiden neuen Segmente nicht mehr
signifikant (Alpha = 0.05). Da die Steigung das Verhältnis zwischen der Häufigkeit und der
Amplitude des entsprechenden Intervalls, also seine Dichte, wird damit effektiv geprüft, ob
Die Häufigkeiten der beiden neu vorgeschlagenen Klassen unterscheiden sich von denen, die durch
indem man einfach die Summe ihrer Häufigkeiten unter ihnen im Verhältnis zur Klasse verteilt
Amplituden. In der GRASS-Implementierung wird der Algorithmus fortgesetzt, es wird jedoch eine Warnung
gedruckt.

BEISPIEL

Klassifizieren Sie die Spaltenpopulation von Kartengemeinden mithilfe von Quantilen in 5 Klassen:
v.class map=communes column=pop algo=qua nbclasses=5
In diesem Beispiel werden Bevölkerung und Fläche verwendet, um die Bevölkerungsdichte zu berechnen und zu bestimmen
die Dichteklassen:
v.class Karte=Gemeinden Spalte=Einw./Fläche algo=std nbclasses=5
Das folgende Beispiel verwendet die Ausgabe von d.class und speist sie direkt in
d.vect.thematisch:
d.vect.thematic -l map=communes2 column=pop/area \
breaks=`v.class -g map=communes2 column=pop/area algo=std nbcla=5` \
colors=0:0:255,50:100:255,255:100:50,255:0:0,156:0:0

Verwenden Sie v.classgrass online mit den Diensten von onworks.net