Hallo,
Ik hoop dat iemand mij kan helpen met een aspect van mijn masterproef. Ik onderzoek de ruimtelijke verspreiding van het voorkomen van illegale activiteiten (stroperij, houtkap, inbreuk, enz.) in een Nigeriaans bosreservaat. Ik wil een risicomodel opstellen op basis van de volgende aannames:
Variabele | Criteria | Risico-uitkomst |
Bosbedekking | Als bosbedekking = laag | 0 |
Als bosbedekking = matig | 1 |
Als bosbedekking = hoog | 2 |
Rivier | Als dichtstbijzijnde rivier > 2 km | 0 |
Als dichtstbijzijnde rivier 64 2 km | 1 |
Weg | Als dichtstbijzijnde weg > 2 km | 0 |
Als dichtstbijzijnde weg 64 2 km | 1 |
Gemeenschap | Als dichtstbijzijnde gemeenschap > 2 km | 0 |
Als dichtstbijzijnde gemeenschap 64 2 km | 1 |
Rangerpost | Als rangerpost 64 4 km | 0 |
Als rangerpost > 4 km | 1 |
waarbij de som van de risico-uitkomsten gelijk is aan een totale risicowaarde voor een bepaald punt op de kaart.
Mijn algemene doel is om iets te creëren zoals dit:
Ik leer QGIS voor het eerst gebruiken en heb daarom moeite met sommige methoden. Tot nu toe heb ik geprobeerd de semi-automatic classification plugin te gebruiken om de bosbedekking in drie klassen te classificeren (laag, matig, hoog), maar ik kreeg telkens een python-foutmelding. Nu ben ik zover gekomen:
023Er is echter geen attributentabel en ik weet niet zeker wat de symboliekwaarden betekenen.
Mijn eerste vraag is: (a) hoe groepeer ik deze symboliekwaarden in drie klassen, en (b) is het mogelijk om pixels definitief te classificeren op basis van deze waarden voor gebruik in een model?
Tweede vraag: hoe kan ik een risicomodel opstellen op basis van de aannames die ik heb beschreven? Weet iemand of er een plugin of gebruiksvriendelijke methode is waarmee ik specifieke risicowaarden aan elk gebied kan toewijzen?
Ik heb buffers vrij gemakkelijk kunnen maken, maar realiseerde me dat dit niet helpt voor wat ik wil doen omdat er teveel overlap is die verwarrend is. Het helpt ook niet voor de classificatie van bosbedekking.
Zoals gezegd ben ik vrij nieuw, maar heb met enkele methoden geëxperimenteerd zonder succes. Ik zou alle adviezen zeer waarderen!
Alvast bedankt.
