青のリンクは本文、緑のリンクは内容を追記したものや類似ページです。朱色のリンクはトピックです。海老茶のリンクは補足です。
GIS実習オープン教材をベースに内容をちょっと変えながらQGISを使っています。
データは出来るだけオープンデータを使うように変更しています。
ただし、irisやcolumbusのようによく引用されるデータセットはそのまま使っています。
geometry：ジオメトリー：幾何的構造（形状）の（座標）情報
geograph：地理 －＞ geo + graph
geo －＞ ge + o ： ge ー＞ gaia
教材は、普通に内容を追っていけば、GISってこんなことをやるものなのね、ということが理解できます。
目次
リモートセンシングとその解析
既存データの地図データと属性データ
空間データ
空間データベース
空間データの統合・修正
基本的な空間解析
ネットワーク分析
領域分析
点データの分析
ラスタデータの分析
傾向面分析
空間的自己相関
空間補間
空間相関分析 (Rについても少々)
空間分析におけるスケール
視覚的伝達
参加型GISと社会貢献
GIS初中級者のためのPython入門
インターネットにおけるGIS技術の活用の教材
GISと関連した機材の活用
QGIS ビギナーズマニュアル（Windows、Mac、Linux）
ラズパイ 4 Model B （Ubuntu 20.04 LTS Server）にQGIS3をインストール
Jetson NanoでQuantum GIS (QGIS)を使ってみる
目次とリンク
● 衛星画像の取得
LandBrowser（LANDSAT-8・ASTER・SENTINEL２、産総研）
● SAC_Plugin（Semi-Automatic Classification Plugin）の取得
● RGB合成
異なるバンドを用いて、カラーコンポジットを作成し、画像を視覚的に表現する
● NDVI
植物の分布量や活性量を知る
● 教師つき分類
● 教師なし分類
● MultiSpecによる分析
SIGNATEやKaggleにも衛星画像を使ったコンペがいくつかあります。
参考までに －＞ SIGNATE
参考までに －＞ Kaggle
参考までに －＞ Scikit-Learnでできること
衛星画像の解析などについて
参考までに －＞ Tellus
● 国土地理院のGISデータ基盤地図情報
国土地理院から基盤地図情報のデータを取得してShape形式に変換
● 国土交通省のGISデータ国土数値情報
国土交通省の＜災害・防災＞避難施設の情報を使ってみる（新規にデータも追加してみます）
行政区域の境界線を取得 (OpenStreetMapのデータも使ってみます)
● 環境省のGISデータ
● 総務省のGISデータ
総務省さまご謹呈 Excelによるデータークレンジング
● その他のGISデータ
● オープンデータ
気象データ
● 空間座標の変換
測地系変換、投影変換（何気ないけど、とっても大事）
● ジオリファレンス
位置情報をもたない画像などのデータに位置情報を持たせる際に用いる手法
● ジオコーディング
住所や緯度経度などの情報から、GISで扱えるデータ等を作成する手法
● PostGISとは？
● PostgreSQLのインストール
● 空間データベースの作成
● よく使うSQL文
● 属性検索
● 空間検索
● 空間結合
● QGISでのデータベース接続
WindowsにPostgreSQLとPostGISをセットアップ
インストールベースのサーバー型DBを使いたくない場合
SpatiaLiteという選択肢もあります －＞ SQLiteの拡張版（この方のブログ参照、QGIS）
SpatiaLiteで国土交通省の＜災害・防災＞避難施設データを読み込んでDB作成
プラットフォームにラズベリーパイ４Bを使ってみる場合
ラズパイ（Ubuntu 20.04 LTS Server）にpgAdmin4をインストール
ラズパイ（Ubuntu 20.04 LTS Server）で空間データベース（東京編）
ラズパイ（Ubuntu 20.04 LTS Server）で空間データベース（大阪編）
● ラスタのモザイクとクリップ
ラスタのモザイク
ラスタの座標変換
ラスタのクリップ
ラスタの配色(値の分類)
● 等高線の抽出（Google EarthやMaps用のKMLファイルも作ってみる）
● ラスタをベクタへ変換する
ポリゴンから特定の値（例：2500m以上の地域）を表示する
● 新規ベクターレイヤの追加
● ポイントデータの作成と保存
● ポイントの削除
● ポイントの移動
● 属性情報の編集
● ラインデータの作成
● ポリゴンデータの作成
● ベクタをラスタへ変換する
ラスタ（画像）データは大概GeoTIFF（.tif）です。作り方なんかはこの方のブログ参照
● 基本量の測定と空間オブジェクトの選択
データの形状や属性情報を用いて、地物の長さや面積を計測
● その他の空間データの操作
データの位置、形状、属性を用いて新たにデータを作成する（マージ、ディゾルブ、クリップ）。
マージしたポリゴンをデイゾルブ(Dissolve)する（融合）
ベクタのクリップ：点データやポリゴンをポリゴンでクリップ(Clip)する
複数のベクターデータ間で、属性テーブルの値の演算をやってみる
● オーバーレイ分析
空間データを重ね合わせブール演算をもとに領域を抽出する手法（インターセクト、ユニオン）。
● 最短距離検索
2点間の最短距離を求める手法
ラズパイ（Ubuntu 20.04.1 LTS Server）でpgRoutingを使って経路探索
● ネットの分割
ネットワークをポイントからの距離に応じて分割する手法
● 到達圏分析
ポイントまでのネットワーク距離に応じて到達圏を出力する手法
複数地点を最短距離で結ぶ一筆書き
ExcelとGoogle Mapsで巡回セールスマン問題をやってみる（TSPソルバー）
● サブネット設定
ポイントを中心としたネットワーク圏を検索する手法
国交省のいろいろな地点データを使って必要な領域分を抽出するやり方
地物からの距離に応じて、一定の領域を作成する手法、およびその領域内の地物を検索
● ボロノイ分割
複数ある地物の位置関係に応じて領域を作成する手法
● ドローネ三角形
複数の地物から最も近い点を結び合わせ隣接関係を定義する手法
● 視覚的分析
〇 点の分布密度
メッシュ(方形区)や行政区画ごとに密度を可視化する手法
〇 メッシュによる点密度の表示
〇 行政区内の点密度
〇 カーネル密度推計
カーネル関数を用いて点の分布密度を連続的な密度局面としてモデル化する手法
● 数理的分析 (点データの分布パターンを数理的に分析する手法)
〇 平均最近隣距離法
最少近傍解析
〇標準偏差距離と標準偏差楕円（YuillやCrimeStat）
〇 K-関数法
● 数値標高モデルの視覚的分析
標高段彩図、傾斜区分図、斜面方位図、陰影図、鳥瞰図、断面図を作成
● 基本的な統計量の確認
座標系、セルサイズ、最低標高、最高標高、平均標高、標高の標準偏差等
● ベクタの処理とラスタの集計の組み合わせ分析
例えば100ｍの範囲を示すポリゴンを用いて、そのポリゴンと重なるラスタのセル値を計算する手法
● フィルタリング
近傍のセルの値を考慮して、セルの値を変化させる処理
DEM（Digital Elevation Model）データを用いて、ラスタ（画像）で任意の地点間の経路を求める場合等に使用
国土地理院の基盤地図情報ダウンロードサービスで取得した数値標高モデル（DEM）データ（xml）をラスターに変換
● SAMのインストール
● 第1次傾向面分析
● 第2次傾向面分析
● 第3次傾向面分析
● 第4次傾向面分析
例えば地物の集合と関連付けられた属性に対して、明示的なパターンがクラスタリングするか、分散するか、不規則かを評価する手法（近い点の属性の類似度が大きいかどうかを調べる）。
● CrimeStatのインストール
● Moran’s_I統計量
● Geary’s_C統計量
● Join_count統計量
空間補間（観測値などの既知のデータを用いて、周辺のデータを予測する際に用いる手法）
以下の手法を使って未観測の標高地点の値を補間してみます
● 不整三角網（TIN）
● 逆距離加重法（IDW）
● スプライン補間
Catmull-Rom スプライン曲線(Spline Curve)
● クリギング
多項式では説明しきれない局所的変動を説明するために空間的自己相関を考慮に入れたモデル
● Rのインストールと基礎操作
● 空間的自己回帰モデル
● 基本的な統計量の確認
● 空間的誤差自己回帰モデル
● 地理的加重回帰（GWR）
隣接行列、ウエイト行列
データーサイエンス界隈では「統計はR、機械学習はPython」という棲み分けがなされているようです。Rもやっときましょう。
Rで空間データを扱う（1）ー RStudioを使ってみます
Rで空間データを扱う（2）ー空間的自己回帰モデル、地理的加重回帰など…..
● ラスタデータの分析
● GeoDaのインストール
● local_moran’s_Iの算出
local ｍoran’s Iは、moran’s I統計に基づく局所的な空間の自己相関統計。
Anselin（1995）によって、空間的関連付けまたはLISA統計のローカルインジケータとして開発さた。
空間的自己相関分析
フィーチャの位置とフィーチャの値の両方に基づいて、空間的自己相関分析を計測する。フィーチャの集合と関連付けられた属性に対して、明示的なパターンがクラスタリングするか、分散するか、不規則かを評価する。
moran’s I統計量
古典的な空間的自己相関を把握する指標
時系列データの場合と異なり、空間的自己相関はデータの類似性と空間の近接性に関するものになる。
● 属性データの視覚化
等間隔分類、等量分類、自然分類、標準偏差分類
● カルトグラムの作成
統計データに基づいて面積や距離を変形させた地図
ShapeファイルデータとCSVファイルデータをくっつけます
QGISで属性データの視覚化（２） – データ表現グラフ（ダイヤグラム）
● OpenStreetMapとは？
● 基本操作
● 編集のルール
● アカウントの取得
● OSMの編集
● ローカル編集
● データを利用する
● OpenStreetMapと社会貢献
● クライシスマッピングとは？
● クライシスマッピングの歴史
● OSMを利用したクライシスマッピング
Pythonライブラリーを使ってOpenStreetMapから道路ネットワークを取得
● 00 Pythonの概要とQGISにおけるPythonの役割
● 01 QGISでのPython入門
● 02 ベクターデータの読み込みと図形へのアクセス
● 03 ベクターデータの属性情報に基づく処理
● 04 ベクターデータの座標変換・計測
● 05 基本的な空間演算
● 06 NumPyについて
● 07 ラスターデータの読み込み
● 08 プロセッシング入門
● 09 一括処理
● 10 プラグイン開発1
● 11 プラグイン開発2
ベクターデータのハンドリング（02～05,08,09）
ラスターデータのハンドリング（06,07）
Pythonで直にGIS ー GISプロセスの自動化（簡易日本語版は準備中）
● WEB MAP操作・作成入門 (WEBマップGUIツール、サービスの利用法)
地理院地図
OpenStreetMap(= 参加型GISと社会貢献の教材)
Googleマイマップ
● WEB MAP操作・作成入門 (WEBマップライブラリの利用法)
Leaflet
Cesium
D3.js
OpenLayers
ArcGIS API for JavaScript
● データ作成入門
CZML
KML
GeoJSON
● タイル地図入門
タイル地図（ラスタ）
シングルボードコンピューターにOpenStreetMapのタイルサーバーを立ててみる
ラズパイにOpenStreetMapの最小構成タイル配信サーバをセットアップ
ラズパイ（Ubuntu 20.04 LTS Server）にOpenStreetMapのタイルサーバーを構築
● データ解析入門:準備中
GoogleEarthEngine
● GitHub
GitHubビギナーズマニュアル
QGISとWeb連携（Leaflet、OpenLayers、Mapbox）
地図やデータは「見た目」も大事、D3.jsでビジュアライズしてみます
Google Earthの進化が止まりません。新しいEatrhを体験します。
● UAV（ドローン）の操作法
● 3Dプリンタで地形模型の製作
● スマートフォンで野外調査
● タブレットでトレース
360全天球画像に緯度・経度・方位のデータを書き込む(Exif)
JPGのExif(ジオタグ)をExcelに読み込んでGoogle Mapsで表示・修正
shapeファイルの拡張子
shp ：図形の座標(フィーチャ ジオメトリ)が保存
dbf ：フィーチャの属性の情報が保存
shx ：shpの図形とdbfの属性の対応関係(フィーチャ ジオメトリのインデックス)
prj,qpj ：座標系情報/投影法についての情報を格納
cpg ：使用する文字セットを識別するコードページの指定に使用できるオプション ファイル
qml ：スタイルファイル
Kaggleで学ぶGIS
Kaggleには地理空間分析のコースもあります（ただ、このコースをやる前にPythonとPandasのコースもやっておいてね…..だそうです）。
Leave a Reply