Geavanceerde GIS methoden – nu in onderzoek!

De werkgroep is ondertussen gewend aan het begrip ‘GIS’ en een en ander werd de laatste jaren al op de kaart gezet met verschillende software, zoals Carto, Tableau Public, ArcGIS Online, Power BI e.d.

Het gebruik van de uitgebreide mogelijkheden van deze software wordt in toenemende mate onderzocht, en waar mogelijk toegepast. Maar we willen meer…

Dat betekent ook dat we tegen grenzen van de mogelijkheden van de software (althans de gratis variant die wij als groep vrijwilligers kunnen gebruiken) ook bereikt worden.

Dat noopt ons om verder te zoeken of er in andere gratis software aanvullende mogelijkheden te vinden zijn die ons verder kunnen helpen.

Zo zijn onlangs GeoDa en QGis weer nader bekeken…

Iedere softwarepakket heeft (natuurlijk) weer zijn voor- en nadelen, sterke en zwakke punten, en er moet dus goed gekeken worden naar de mogelijkheden aan de hand van wat je feitelijk nastreeft. Kortom, het doel wat je wilt bereiken moet wel goed overdacht zijn, wil je niet verzanden in veel gezoek en uitproberen. Wel is het aan te raden met hele kleine overzichtelijke testdata de mogelijkheden goed door te testen voordat je jouw hele dataset in de strijd gooit!…

Voor het QGis tutorial, klik hier!

Voorbeeld QGIS versie 3.28.14-Firenze;

Hierboven: Thiessen polygonen (zoals in dissertatie van W.K. Vos Fig. 6.4 op blz.230) …

Of van GeoDa;

Ook andere software zoals SatScan zijn uitgeprobeerd.

In Orange kan je ook héél veel; de mogelijkheden moeten nog diepgaand worden onderzocht! …


Of verder kijken met XLSTAT… (even de proefmogelijkheden uitgetest, maar dit is wel een betaald product 🙁. Meer om te bezien wat er mogelijk is …

XLSTAT is en invoegtoepassing (uitbreiding) van MS Excel …

Het resultaat van een en ander is een mogelijke clustering zoals hieronder afgebeeld:

XLSTAT 2023.3.0.1415 – Fuzzy k-means clustering – Start time: 03/02/2024 at 17:18:30 / End time: 03/02/2024 at 17:18:32 / Microsoft Excel 16.017231 Observations/variables table: Workbook = Subset van Data (Pivot) Query.xlsm / Sheet = Case Normalised / Range = ‘Case Normalised’!$S$1:$AC$46 / 45 rows and 11 columns Row labels: Workbook = Subset van Data (Pivot) Query.xlsm / Sheet = Case Normalised / Range = ‘Case Normalised’!$B$1:$B$46 / 45 rows and 1 column Number of variables: 11 Number of observations: 45 Type of clustering: Hard (Coefficient of fuzziness=1) Method: Euclidean distance Number of repetitions: 10 Clustering criterion: Trace(W) Centered: No Reduced: No Weighted: No Initialization method: Random Seed (random numbers): 588249430

Hierboven Cluster 2, en hieronder Cluster 3…

Het verschil tussen de clusters in samenstelling van het aardewerk is duidelijk zichtbaar!!! De geografische spreiding is tot op zekere hoogte problematisch…

NB! Deze webpagina moet nog nader worden ingevuld en aangevuld. Kortom, dit is werk in uitvoering!


Verdere informatiebronnen over clusteren:

Eventueel dicht bij huis beginnen, klik hier. Of in Wikipedia, klik hier.

Of verder te bestuderen… En zo voorts en zo voorts. Enfin, zo kom je de tijd wel door…👩‍🎓