Submit Search
Upload
Qgis勉強会 厚沢部シリーズ 2015_04
•
14 likes
•
3,348 views
Kouichi Kita
Follow
2015年4月24日 厚沢部町カンペシーノ QGIS勉強会の資料です。
Read less
Read more
Science
Report
Share
Report
Share
1 of 75
Download now
Download to read offline
Recommended
QGISセミナー初級・基礎編(V2.4)
QGISセミナー初級・基礎編(V2.4)
IWASAKI NOBUSUKE
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
Masahiro Suzuki
World model
World model
harmonylab
【DL輪読会】"A Generalist Agent"
【DL輪読会】"A Generalist Agent"
Deep Learning JP
QGIS初級編2018
QGIS初級編2018
Jyun Tanaka
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
【DL輪読会】HyperDiffusion: Generating Implicit Neural Fields withWeight-Space Dif...
【DL輪読会】HyperDiffusion: Generating Implicit Neural Fields withWeight-Space Dif...
Deep Learning JP
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
Recommended
QGISセミナー初級・基礎編(V2.4)
QGISセミナー初級・基礎編(V2.4)
IWASAKI NOBUSUKE
深層生成モデルと世界モデル(2020/11/20版)
深層生成モデルと世界モデル(2020/11/20版)
Masahiro Suzuki
World model
World model
harmonylab
【DL輪読会】"A Generalist Agent"
【DL輪読会】"A Generalist Agent"
Deep Learning JP
QGIS初級編2018
QGIS初級編2018
Jyun Tanaka
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
【DL輪読会】HyperDiffusion: Generating Implicit Neural Fields withWeight-Space Dif...
【DL輪読会】HyperDiffusion: Generating Implicit Neural Fields withWeight-Space Dif...
Deep Learning JP
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
OSgeo Japan
機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021
Fuyuki Ishikawa
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
Deep Learning JP
For MANABIYA
For MANABIYA
ssuserafaae8
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
Deep Learning JP
深層学習の将棋Aiへの浸透について
深層学習の将棋Aiへの浸透について
bleu48
Overcoming Catastrophic Forgetting in Neural Networks読んだ
Overcoming Catastrophic Forgetting in Neural Networks読んだ
Yusuke Uchida
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
Yusuke Uchida
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
Deep Learning JP
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
異常検知と変化検知 7章方向データの異常検知
異常検知と変化検知 7章方向データの異常検知
智文 中野
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
Satoshi Fujimoto
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)
Deep Learning JP
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
takehikoihayashi
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
Deep Learning JP
単語の分散表現と構成性の計算モデルの発展
単語の分散表現と構成性の計算モデルの発展
Naoaki Okazaki
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
和人 青木
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
和仁 浅野
More Related Content
What's hot
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
OSgeo Japan
機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021
Fuyuki Ishikawa
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
Deep Learning JP
For MANABIYA
For MANABIYA
ssuserafaae8
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
Deep Learning JP
深層学習の将棋Aiへの浸透について
深層学習の将棋Aiへの浸透について
bleu48
Overcoming Catastrophic Forgetting in Neural Networks読んだ
Overcoming Catastrophic Forgetting in Neural Networks読んだ
Yusuke Uchida
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
Yusuke Uchida
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
Deep Learning JP
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
Deep Learning JP
異常検知と変化検知 7章方向データの異常検知
異常検知と変化検知 7章方向データの異常検知
智文 中野
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
Satoshi Fujimoto
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)
Deep Learning JP
深層生成モデルと世界モデル
深層生成モデルと世界モデル
Masahiro Suzuki
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
takehikoihayashi
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
Deep Learning JP
単語の分散表現と構成性の計算モデルの発展
単語の分散表現と構成性の計算モデルの発展
Naoaki Okazaki
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
What's hot
(20)
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
機械学習工学の進展と課題 2021
機械学習工学の進展と課題 2021
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
For MANABIYA
For MANABIYA
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
深層学習の将棋Aiへの浸透について
深層学習の将棋Aiへの浸透について
Overcoming Catastrophic Forgetting in Neural Networks読んだ
Overcoming Catastrophic Forgetting in Neural Networks読んだ
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
【DL輪読会】Transporters with Visual Foresight for Solving Unseen Rearrangement Tasks
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
[DL輪読会]AutoAugment: LearningAugmentation Strategies from Data & Learning Data...
異常検知と変化検知 7章方向データの異常検知
異常検知と変化検知 7章方向データの異常検知
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)
深層生成モデルと世界モデル
深層生成モデルと世界モデル
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
「生態学における統計的因果推論」という大ネタへの挑戦:その理論的背景と適用事例
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
【DL輪読会】Spectral Normalisation for Deep Reinforcement Learning: An Optimisatio...
単語の分散表現と構成性の計算モデルの発展
単語の分散表現と構成性の計算モデルの発展
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
Viewers also liked
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
和人 青木
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
和仁 浅野
地球環境知オープンサイエンス・プラットフォームの形成
地球環境知オープンサイエンス・プラットフォームの形成
Yasuhisa Kondo
地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料
Yasuhisa Kondo
社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ
Yasuhisa Kondo
jinmoncom_seino_kaneda
jinmoncom_seino_kaneda
Yoichi Seino
ソーシャルメディアでつながる・はじまる・ひろがる新しい学際研究
ソーシャルメディアでつながる・はじまる・ひろがる新しい学際研究
Yasuhisa Kondo
情報技術で考古学に橋を架ける
情報技術で考古学に橋を架ける
Yasuhisa Kondo
サイエンスアゴラ(近藤)
サイエンスアゴラ(近藤)
Yasuhisa Kondo
HPH2016 林業ハッカソン インプットワーク
HPH2016 林業ハッカソン インプットワーク
Kouichi Kita
第15回遺跡GIS研究会20101119
第15回遺跡GIS研究会20101119
Yoichi Seino
FOSS4G 2015 Osakaハンズオン資料
FOSS4G 2015 Osakaハンズオン資料
Yoichi Seino
Open science, transdisciplinary research, and the future of archaeology
Open science, transdisciplinary research, and the future of archaeology
Yasuhisa Kondo
ジオ系ソーシャルストリーミング番組「友引Night!!」の復活
ジオ系ソーシャルストリーミング番組「友引Night!!」の復活
Yasuhisa Kondo
FOSS4Gを手軽に体験できるOSGeo Liveの紹介
FOSS4Gを手軽に体験できるOSGeo Liveの紹介
Yoichi Seino
ソーシャルメディアを用いたフィールドワーク内容のリアルタイム発信
ソーシャルメディアを用いたフィールドワーク内容のリアルタイム発信
Yasuhisa Kondo
FOSS4Gとお隣さん~ソフトウェアとデータ、OpenStreetMapとの関係について~
FOSS4Gとお隣さん~ソフトウェアとデータ、OpenStreetMapとの関係について~
Yoichi Seino
遺物分布はどのように理解されてきたのか/ How we document, recognize and interpret the distributio...
遺物分布はどのように理解されてきたのか/ How we document, recognize and interpret the distributio...
NOGUCHI Atsushi
JpGU meets ORCID
JpGU meets ORCID
Yasuhisa Kondo
Qgisを考古学で使う2
Qgisを考古学で使う2
Junpei Ishii
Viewers also liked
(20)
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
平成26年度 滋賀県土地家屋調査士会研修会:「QGISを利用した幾何補正手法の習得」講師,大津地方法務局(滋賀県大津市),2014年11月10日.
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
南河内地域GIS連絡会議Qgis研修ver2.1(QGIS_ver1.74)
地球環境知オープンサイエンス・プラットフォームの形成
地球環境知オープンサイエンス・プラットフォームの形成
地球研「知の橋かけ」コアFS説明資料
地球研「知の橋かけ」コアFS説明資料
社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ
jinmoncom_seino_kaneda
jinmoncom_seino_kaneda
ソーシャルメディアでつながる・はじまる・ひろがる新しい学際研究
ソーシャルメディアでつながる・はじまる・ひろがる新しい学際研究
情報技術で考古学に橋を架ける
情報技術で考古学に橋を架ける
サイエンスアゴラ(近藤)
サイエンスアゴラ(近藤)
HPH2016 林業ハッカソン インプットワーク
HPH2016 林業ハッカソン インプットワーク
第15回遺跡GIS研究会20101119
第15回遺跡GIS研究会20101119
FOSS4G 2015 Osakaハンズオン資料
FOSS4G 2015 Osakaハンズオン資料
Open science, transdisciplinary research, and the future of archaeology
Open science, transdisciplinary research, and the future of archaeology
ジオ系ソーシャルストリーミング番組「友引Night!!」の復活
ジオ系ソーシャルストリーミング番組「友引Night!!」の復活
FOSS4Gを手軽に体験できるOSGeo Liveの紹介
FOSS4Gを手軽に体験できるOSGeo Liveの紹介
ソーシャルメディアを用いたフィールドワーク内容のリアルタイム発信
ソーシャルメディアを用いたフィールドワーク内容のリアルタイム発信
FOSS4Gとお隣さん~ソフトウェアとデータ、OpenStreetMapとの関係について~
FOSS4Gとお隣さん~ソフトウェアとデータ、OpenStreetMapとの関係について~
遺物分布はどのように理解されてきたのか/ How we document, recognize and interpret the distributio...
遺物分布はどのように理解されてきたのか/ How we document, recognize and interpret the distributio...
JpGU meets ORCID
JpGU meets ORCID
Qgisを考古学で使う2
Qgisを考古学で使う2
Similar to Qgis勉強会 厚沢部シリーズ 2015_04
スクラムのフレームワークでKAIZENを体験しよう comeback japan 2017
スクラムのフレームワークでKAIZENを体験しよう comeback japan 2017
HIDEKAZU MATSUURA
第24回名古屋アジャイル勉強会『朝会を始めよう!』α版
第24回名古屋アジャイル勉強会『朝会を始めよう!』α版
Ryo RKTM
第30回名古屋アジャイル勉強会「『アジャイルな見積りと計画づくり』のエッセンス」
第30回名古屋アジャイル勉強会「『アジャイルな見積りと計画づくり』のエッセンス」
hiroyuki Yamamoto
第71回名古屋アジャイル勉強会「迷わず描けよ、描けば分かるさ!」ワークショップ資料
第71回名古屋アジャイル勉強会「迷わず描けよ、描けば分かるさ!」ワークショップ資料
hiroyuki Yamamoto
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
daiki hojo
ディープラーニングを活用したジェスチャー認識
ディープラーニングを活用したジェスチャー認識
Hiroshi Sakate
フレームワーク使おうぜ!
フレームワーク使おうぜ!
Takuya Sato
Similar to Qgis勉強会 厚沢部シリーズ 2015_04
(7)
スクラムのフレームワークでKAIZENを体験しよう comeback japan 2017
スクラムのフレームワークでKAIZENを体験しよう comeback japan 2017
第24回名古屋アジャイル勉強会『朝会を始めよう!』α版
第24回名古屋アジャイル勉強会『朝会を始めよう!』α版
第30回名古屋アジャイル勉強会「『アジャイルな見積りと計画づくり』のエッセンス」
第30回名古屋アジャイル勉強会「『アジャイルな見積りと計画づくり』のエッセンス」
第71回名古屋アジャイル勉強会「迷わず描けよ、描けば分かるさ!」ワークショップ資料
第71回名古屋アジャイル勉強会「迷わず描けよ、描けば分かるさ!」ワークショップ資料
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
GoogleCalenderをShinyを実装してみた(序) Tokyo.R #66 LT
ディープラーニングを活用したジェスチャー認識
ディープラーニングを活用したジェスチャー認識
フレームワーク使おうぜ!
フレームワーク使おうぜ!
More from Kouichi Kita
森林・林業でのQgisの利用とオープンデータ(北海道の事例)2018.1.17地形情報利用シンポジウム 公開用
森林・林業でのQgisの利用とオープンデータ(北海道の事例)2018.1.17地形情報利用シンポジウム 公開用
Kouichi Kita
北海道道有林(森林室)でのQGISの利用と普及
北海道道有林(森林室)でのQGISの利用と普及
Kouichi Kita
北海道の林業技術職員の人生を変えたFoss4 g
北海道の林業技術職員の人生を変えたFoss4 g
Kouichi Kita
CS立体図を自作して公開してみた
CS立体図を自作して公開してみた
Kouichi Kita
Geopaparazzi実習(Geopaparazziハンズオン)
Geopaparazzi実習(Geopaparazziハンズオン)
Kouichi Kita
Geopaparazziの説明資料(Geopaparazziハンズオン)
Geopaparazziの説明資料(Geopaparazziハンズオン)
Kouichi Kita
北海道のオープンデータを推進してみた
北海道のオープンデータを推進してみた
Kouichi Kita
北海道のオープンデータをもっと推進したい 最終報告
北海道のオープンデータをもっと推進したい 最終報告
Kouichi Kita
難しくない! これから始めようオープンデータ
難しくない! これから始めようオープンデータ
Kouichi Kita
Geopaparazziを持ってフィールドに出よう FOSS4G 2015 Hokkaido
Geopaparazziを持ってフィールドに出よう FOSS4G 2015 Hokkaido
Kouichi Kita
企画提案書「北海道のオープンデータをもっと進めたい」(最終審査用)
企画提案書「北海道のオープンデータをもっと進めたい」(最終審査用)
Kouichi Kita
タブレットを用いた森林の現地確認手法
タブレットを用いた森林の現地確認手法
Kouichi Kita
タブレットを利用した治山施設の把握手法の試行
タブレットを利用した治山施設の把握手法の試行
Kouichi Kita
Gis用背景地図の材料を作る 2014 04作成
Gis用背景地図の材料を作る 2014 04作成
Kouichi Kita
小渓流における魚道の選定_2014魚道ワークショップ
小渓流における魚道の選定_2014魚道ワークショップ
Kouichi Kita
QGISを森林GISとして使うために
QGISを森林GISとして使うために
Kouichi Kita
More from Kouichi Kita
(16)
森林・林業でのQgisの利用とオープンデータ(北海道の事例)2018.1.17地形情報利用シンポジウム 公開用
森林・林業でのQgisの利用とオープンデータ(北海道の事例)2018.1.17地形情報利用シンポジウム 公開用
北海道道有林(森林室)でのQGISの利用と普及
北海道道有林(森林室)でのQGISの利用と普及
北海道の林業技術職員の人生を変えたFoss4 g
北海道の林業技術職員の人生を変えたFoss4 g
CS立体図を自作して公開してみた
CS立体図を自作して公開してみた
Geopaparazzi実習(Geopaparazziハンズオン)
Geopaparazzi実習(Geopaparazziハンズオン)
Geopaparazziの説明資料(Geopaparazziハンズオン)
Geopaparazziの説明資料(Geopaparazziハンズオン)
北海道のオープンデータを推進してみた
北海道のオープンデータを推進してみた
北海道のオープンデータをもっと推進したい 最終報告
北海道のオープンデータをもっと推進したい 最終報告
難しくない! これから始めようオープンデータ
難しくない! これから始めようオープンデータ
Geopaparazziを持ってフィールドに出よう FOSS4G 2015 Hokkaido
Geopaparazziを持ってフィールドに出よう FOSS4G 2015 Hokkaido
企画提案書「北海道のオープンデータをもっと進めたい」(最終審査用)
企画提案書「北海道のオープンデータをもっと進めたい」(最終審査用)
タブレットを用いた森林の現地確認手法
タブレットを用いた森林の現地確認手法
タブレットを利用した治山施設の把握手法の試行
タブレットを利用した治山施設の把握手法の試行
Gis用背景地図の材料を作る 2014 04作成
Gis用背景地図の材料を作る 2014 04作成
小渓流における魚道の選定_2014魚道ワークショップ
小渓流における魚道の選定_2014魚道ワークショップ
QGISを森林GISとして使うために
QGISを森林GISとして使うために
Qgis勉強会 厚沢部シリーズ 2015_04
1.
1 厚沢部シリーズ 初心者Ver 檜山振興局林務課 喜多 耕一
2.
2 本日のメニュー ● 講師の自己紹介 ● GISとはどんなソフトか ●
QGISを起動してみよう ● 座標参照系について ● ベクタとラスタ ● 図形の色を変えてみよう ● ラベルを表示する
3.
3 この勉強会では、 わからないことがあったら、すぐに言ってください。 自分の画面と講師の画面が違うとか、 どこの操作をしているかわからないなど。 つまずいたところから先に進めなかったら、 もったいないので。 注意事項!
4.
4 今回の勉強会は時間が短いので、 ほんのさわりまでしか行けないと思います。 とりあえず地図を表示して画面で動かすまで 行ければいいかなと思います。 GISは触らないと忘れます。 ご自宅での復習、新しい機能への挑戦を行ってみて ください。 今回の勉強会の目標
5.
5 講師の自己紹介 名前 : 喜多 耕一(きた こういち) 職業 : 北海道職員(檜山振興局林務課) 年齢 : 43歳 ブログ「森林土木memo」でQGISなどの 紹介をしています。 また、「QGIS初心者掲示板」も運営しています。 ※石井さんともブログ経由で知り合いました。
6.
6 GISとはどんなソフトか?
7.
7 GISとはどんなソフトか? Geographic Information System 地理情報システム よくわからない?
8.
8 そんなに難しくありません GISはデータと地図の コラボレーション GISとはどんなソフトか?
9.
9 点は学校の位置です。小学校、中学校、高校、大学など このままでは、どの点がどの学校かわかりません GISとはどんなソフトか?
10.
10 各点には、学校名や学校の種類などのデータが 付属しています。 GISとはどんなソフトか?
11.
11 データをつかって、種類で分類することが できます GISとはどんなソフトか?
12.
12 ラベルをつけると、もっとわかりやすくなります ラベルもデータから作成できます GISとはどんなソフトか?
13.
13 このように、地図(位置情報)をデータで いろいろ分析するのがGISです GISの使い方はアイデア次第です! GISとはどんなソフトか?
14.
14 他にどんなことができる? ● ある地点から一番近い範囲を調べる ● 範囲の中になん個の点があるか調べる ●
標高データを使って斜面の傾斜を算出 ● その場所の標高を算出 ● 座標値から場所のポイントをプロット などなど・・・ GISとはどんなソフトか?
15.
15 QGISを起動してみよう
16.
16 QGISを起動してみよう 一番初めの起動時は少し時間がかかります。 64bit版より32bit版のほうが早いです。 特に理由がなければ32bit版がおすすめ。
17.
17 2015_04_24_QGIS勉強会QGISサンプル QGIS勉強会用_OSM背景地図.qgs を開いてください。 QGISを起動してみよう(プロジェクトファイル)
18.
18 今開いたファイル(QGIS勉強会用_OSM背景地図.qgs)は プロジェクトファイルと言います。 実は・・・ プロジェクトファイルには 地図データは含まれません QGISを起動してみよう(プロジェクトファイル)
19.
19 プロジェクトファイルだけ渡しても 地図を表示することは出来ません。 QGISを起動してみよう(プロジェクトファイル)
20.
20 ! データを手渡すときには、 地図データも一緒に渡す必要があります。 QGISを起動してみよう(プロジェクトファイル)
21.
21 レイヤ 地図 ブラウザは 必要ないので 消します QGISを起動してみよう(QGISの画面)
22.
22 地図の拡大縮小:マウスホイールの回転 地図の移動:マウスホイールをクリックして スライド カンペシーノを 拡大してみよう QGISを起動してみよう(画面の動かし方)
23.
23 レイヤ 縮尺座標 地図回転 印刷 画面移動・ 拡大・縮小
図形の編集 図形の選択 レイヤの追加 座標参照系 の指定 QGISを起動してみよう(画面の説明)
24.
24 座標参照系について
25.
25 座標参照系について GISを使う上で、 絶対に覚えておかなければならないこと それが「座標参照系」
26.
26 GISに地図データを追加して 「位置がずれている」「データが表示されない」 などのトラブルは、 たいてい「座標参照系」が原因です。 すこし難しいですが、 「座標参照系」を覚えておかないと、 GISを使うときに苦労します。 座標参照系について
27.
27 地図上のものには必ず位置情報があります。 北緯41度54分51.86秒 東経140度17分12.96秒 (OpenStreetMap contributors
, CC BY-SA2.0) 座標参照系について
28.
28 GISには、この位置情報がたくさんあります。 (OpenStreetMap contributors ,
CC BY-SA2.0) 日本測地系:北緯41度54分42秒947 東経140度17分25秒800 世界測地系:北緯41度54分52秒20 東経140度17分13秒55 平面直角座標系(JGD2000)11系:X 3064.946 Y -231664.079 平面直角座標系(JGD2000)12系:X -162845.283 Y -229802.242 座標参照系について
29.
29 それぞれ基準が違うのです。 例えるなら、 身長は1.7mです 身長は4.9フィートよ (1.5m) 身長は47.2インチだよ (1.2m) 座標参照系について
30.
30 身長は1.7(m) 身長は 4.9(フィート) 身長は 47.2(インチ) 数字だけでおなじ場所に当てはめると・・・ こうなっちゃうので、単位を合わせることが重要 0 2 4 6 座標参照系について
31.
31 地図では主に 緯度経度(度単位)とXY座標(m単位) 表現されます。 3.63度 401,000m 座標参照系について
32.
32 緯度経度の場合、現在2つの基準が存在します。 日本測地系(Tokyo)と 世界測地系(WGS84、JGD2000)です。 (呼び方が違う場合があります) 2002年から日本では測量法で世界測地系(JGD2000)に 統一されましたが、古いまま(日本測地系)のデータもあります。 座標参照系について(日本測地系と世界測地系)
33.
33 日本測地系(Tokyo)と 世界測地系(WGS84、JGD2000)なにが違うか? ものさしのあてかたが違う(国土地理院) http://www.gsi.go.jp/LAW/G2000-g2000.htm 座標参照系について(日本測地系と世界測地系)
34.
34 http://www.gsi.go.jp/LAW/G2000-g2000-h3.htm 日本測地系と世界測地系は およそ400~500mずれています。 座標参照系について(日本測地系と世界測地系)
35.
35 XY座標(平面直角座標系)は、日本の原点からの 距離で位置を示しています。 日本には19個の原点があります。 厚沢部は11系の座標になります。 原点から縦(X)m、横(Y)m で位置を示しています。 座標参照系について(平面直角座標系)
36.
36 (OpenStreetMap contributors ,
CC BY-SA2.0) 平面直角座標系(JGD2000)11系:X 3064.946 Y -231664.079 カンペシーノは なので、原点から東に約3,065m、南に約231,664m の位置にあることがわかります。 座標参照系について(平面直角座標系)
37.
37 XY座標の原点は決まった緯度経度です。 この緯度経度にも日本測地系と世界測地系があるので、 平面直角座標系にも日本測地系と世界測地系があります。 座標参照系について(平面直角座標系)
38.
38 QGISでは、 「オンザフライCRS変換」という機能で、 違う座標参照系を自動的に合わせてくれます。 しかし、場所で分析するときには (例えば範囲の中に何個の点があるかなど) 座標参照系を同じに合わせなければ、 正しい分析が出来ないので注意してください。 座標参照系について(オンザフライCRS変換)
39.
39 座標参照系について(オンザフライCRS変換) 実習 ● ベクタレイヤの追加で D:2015_04_24_QGIS勉強会QGISサンプルOSMshape 「buildings_Tokyo.shp」を追加します。 ● オンザフライCRS変換を解除すると、500mほど 南東にずれるのを確認します。 ●
オンザフライCRSを有効にすると重なります。
40.
40 QGISでは座標参照系を「CRS」といいます 座標参照系について(座標参照系=CRS)
41.
41 ベクタとラスタ
42.
42 ベクタとラスタ GISを使う上で、 絶対に覚えて置かなければならないこと、 その2 ベクタとラスタ
43.
43 ベクタとラスタとは GISで使う地図のデータのことです。 ※他にもありますが、主にこの2つの データ形式をGISでは利用します。 ベクタとラスタ
44.
44 ベクタは、 点と線と面で出来たデータです。 Excelなどのオートシェープがベクタデータです ベクタとラスタ(ベクタデータ)
45.
45 ベクタの特徴 ● 拡大しても画像が荒くならない ● 作図後に形を変更することができる ●
線の太さや面の色を自由に変更できる ● 一つの図形に複数のデータを格納できる ベクタとラスタ(ベクタデータ)
46.
46 ラスタは、 ビットマップやJPEGなどの画像データです。 ベクタとラスタ(ラスタデータ)
47.
47 ラスタの特徴 ● ラスタはマスの集合体。 拡大すると画像は荒くなる ● マス1つに1つのデータのみ格納できる (色や標高など) ●
画像なので簡単に変更はできない ● 様々な地図を一つのファイルで表示できる ベクタとラスタ(ラスタデータ)
48.
48 ベクタ ラスタ こういうデータを 属性データといいます ベクタとラスタ(データの違い)
49.
49 ベクタとラスタはデータの種類によって使い分ける ベクタは、 ● 属性データが沢山必要なもの ● あとから変更が必要なもの ●
分類でいろいろ表示を変えるもの プリセット:「ベクタ」を選択 ベクタとラスタ(使い分け)
50.
50 ベクタとラスタはデータの種類によって使い分ける ラスタは、 ● 色や表示が決まっている背景地図 ● 標高や傾斜など大量のメッシュデータ ●
陰影図などの地図 プリセット:「ラスタ」を選択 ベクタとラスタ(使い分け)
51.
51 図形の色を変えてみよう
52.
52 図形の色を変えてみよう(ベクタレイヤを読み込む) 新規作成ボタンをクリック ベクタレイヤの追加ボタンを クリック エンコーディングで「UTF-8」を選択 (これを選択しないと、日本語が文字化 けします) ブラウズボタンをクリック 一度地図を消して、新しく建物のレイヤを読み込みます。
53.
53 「OSMshape」フォルダの 「buildings.shp」を選択 余分なファイルが出ているときは、 ファイルの種類を選択します 開くボタンをクリック 図形の色を変えてみよう(ベクタレイヤを読み込む)
54.
54 建物が表示されます 色は、勝手に決まるので、 それぞれ違います 図形の色を変えてみよう(ベクタレイヤを読み込む)
55.
55 レイヤを右クリックし「プロパティ」 を選択します (レイヤをダブルクリックでもOK) 「スタイル」→「シンプル塗りつぶし」を選択します 塗りつぶしの色と、境界線の色を選択して、 「OK」ボタンをクリックします。 スタイルの設定を行います(塗りつぶしの色や線の色を変えます) 図形の色を変えてみよう(塗りつぶし色の変更)
56.
56 図形の色が変わります。 このような、図形の塗りつぶしの色や線を 「スタイル」といいます。 図形の色を変えてみよう(塗りつぶし色の変更)
57.
57 スタイルは複数重ねることが出来ます。 図形の色を変えてみよう(スタイルを重ねる)
58.
58 「+」ボタンでスタイルの部品(シンボルといいます) を追加できます。 「オフセット」などを使って、表示を設定します。 図形の色を変えてみよう(スタイルを重ねる)
59.
59 図形の色を変えてみよう(データで分類する) 建物を「種別(type)」で分類してみます。
60.
60 分類する前に、どのデータで分類できるか確認します。 レイヤを右クリックし、 「属性テーブルを開く」を選択します。 「type」が建物の種別。 これで分類できそうです。文字化けしている場合は、レイヤを追加 するときのエンコードが間違っています 「UTF-8」で読み込みなおしてください 図形の色を変えてみよう(データで分類する)
61.
61 「分類された」を選択します。 レイヤ名をダブルクリックで、 プロパティを開きます。 「カラム」で「type」を選択します。 「type」のデータで分類するということです。 標準的なスタイルを設定します。 「分類」ボタンで、データを分類します。 図形の色を変えてみよう(データで分類する)
62.
62 必要であれば、凡例を変更します。 「OK」ボタンをクリックすると、分類された スタイルが設定されます。 図形の色を変えてみよう(データで分類する)
63.
63 分類されたGISのスタイルは、属性データを使って設定され ています。 つまり、属性データが変われば、色も変わります。 属性テーブルを開いて、 「海の駅ぷらっと江差」を選択して、 ボタンをクリックします。 選択した地物に地図が移動します。 属性データで選択した地物は、地図でも選択さ れて黄色(選択色)になります。 図形の色を変えてみよう(属性データの変更)
64.
64 ボタンをクリックし、 編集モードにします。 データの変更は、編集モードにしないと 出来ません。 「type」を「shop」に変更します。 データの変更は、編集モードにしないと 出来ません。 ボタンをクリックし、 編集モードを終了します。 データは保存します。 ボタンをクリックすると、 すべての選択が解除されます。 属性データを変更します。 図形の色を変えてみよう(属性データの変更)
65.
65 「shop」の色に変わりました。 図形の色を変えてみよう(属性データの変更)
66.
66 地図からの属性データの変更 レイヤを選択して、 編集モードにします。 ボタンをクリックします。 編集したい地物を 選択します。 地物情報が開いたら、「地物情報フォーム」ボタンを クリックし、フォームを開き、データを編集します。 図形の色を変えてみよう(地図から属性データの変更)
67.
67 例えば「type」を「shop」に変更すると、 色が自動で変わります。 データの編集が終わったら、 編集モードを終了しておきます。 ずーと編集モードのまま地図操作をしてしまう場合があるので、 常に確認して下さい。 編集モードではレイヤのアイコンにペンが 表示されます。 図形の色を変えてみよう(地図から属性データの変更)
68.
68 ラベルを表示する
69.
69 ラベルを表示する(ラベルとは) 地図に表示している「名称」などの文字のことを 「ラベル」といいます。
70.
70 ラベルを表示する(ラベルとは) 「ラベル」は属性データを使って表示します。
71.
71 ラベルを表示する(ラベルの表示方法) 建物のラベルを表示してみます。 レイヤプロパティを表示して、 「ラベル」を選択します。 「ラベル」にチェックを付けて、「name」を 選択します。 「OK」ボタンをクリックすると、 ラベルが表示できます。
72.
72 ラベルを表示する(文字の縁取り) 文字の縁取りを設定します。(バッファ) レイヤプロパティ→ラベルの「バッファ」を選択 します。 「テキスト縁取り描画」にチェックして、 縁取りの幅、色を選択します。
73.
73 ラベルを表示する(文字の表示位置) 文字の表示位置を設定します。(配置) レイヤプロパティ→ラベルで「配置」を選択し 表示位置を選択します。
74.
74 今日はここまで 今日の内容で質問があれば、 ぜひお願いします。 使い方でわからないことがあれば、 「QGIS初心者掲示板」で質問してください。
75.
75 使い方でわからないことがあれば、 「QGIS初心者掲示板」で質問してください。
Download now