PostGIS پیشرفته: از مبانی تا تحلیل جامع دسترسی شهری

در این درس یک مسیر کامل یادگیری PostGIS را طی می‌کنیم: از نصب و مفاهیم پایه تا تحلیل‌های پیشرفته برداری و رستری. همه‌چیز را با یک سناریوی واقعی «تحلیل دسترسی به پارک‌های شهری» پیش می‌بریم تا در پایان بتوانید پرس‌وجوهای فضایی دقیق، بهینه و قابل اتکا بنویسید.

سناریو و هدف تحلیل

سناریوی واقعی ما «اندازه‌گیری دسترسی شهروندان به فضاهای سبز شهری» است. داده‌های ورودی شامل:

• پارک‌ها و فضاهای سبز (Polygon)
• ساختمان‌ها یا مراکز جمعیتی (Point)
• محدوده شهر (Polygon)
• در صورت دسترس: رستر جمعیت (Grid با مقادیر عددی)

هدف‌ها:

• محاسبه نسبت مساحت تحت پوشش پارک‌ها با یک شعاع دسترسی مشخص (مثلاً 500 متر)
• شمارش ساختمان‌ها/جمعیت تحت پوشش
• شناسایی نواحی کم‌برخوردار و خوشه‌بندی آن‌ها برای برنامه‌ریزی

نصب و راه‌اندازی PostGIS

فعال‌سازی افزونه

-- اتصال به پایگاه‌داده هدف
\c citydb

-- فعال‌سازی PostGIS
CREATE EXTENSION IF NOT EXISTS postgis;

-- بررسی نسخه و اجزای فعال
SELECT postgis_full_version();

پیکربندی مقدماتی

• تنظیمات حافظه و Parallelism را بر اساس منابع سرور و حجم داده‌ها تنظیم کنید.
• برای بارگذاری‌های سنگین، work_mem و maintenance_work_mem را موقتاً افزایش دهید.
• برای پایگاه‌داده‌های بزرگ، استفاده از Partitioning (تعریف‌شده در PostgreSQL) به‌همراه ایندکس‌های GIST توصیه می‌شود.

مفاهیم پایه: Geometry، Geography، SRID و CRS

Geometry vs Geography

• geometry: مختصات روی یک صفحه تصویری. مناسب برای مساحت و فاصله در CRSهای تصویری؛ سریع‌تر و انعطاف‌پذیرتر.
• geography: مختصات روی کره زمین. برای فاصله‌های دقیق ژئودتیک روی WGS84 (SRID=4326). ساده‌تر اما نسبت به geometry کندتر و محدودتر.

SRID و تبدیل مختصات

• SRID نوع سیستم مختصات را مشخص می‌کند؛ مثال: 4326 (WGS84)، 32639 (UTM Zone 39N).
• تبدیل با ST_Transform انجام می‌شود؛ نوع هندسه و SRID باید سازگار باشد.

-- تبدیل نقطه از WGS84 به UTM 39N
SELECT ST_Transform(ST_SetSRID(ST_Point(51.4, 35.7), 4326), 32639);

نمایش‌های استاندارد هندسه

• WKT/WKB: قالب‌های متنی/باینری استاندارد برای انتقال هندسه.
• GeoJSON: خروجی مناسب برای اپلیکیشن‌های وب.

واردسازی داده و طراحی شِما

تعریف جدول‌ها با نوع هندسه

-- شِمای منطقی
CREATE SCHEMA IF NOT EXISTS urban;

-- پارک‌ها (Polygon، WGS84)
CREATE TABLE urban.parks (
  id BIGSERIAL PRIMARY KEY,
  name TEXT,
  geom geometry(Polygon, 4326) NOT NULL
);

-- ساختمان‌ها (Point، WGS84)
CREATE TABLE urban.buildings (
  id BIGSERIAL PRIMARY KEY,
  btype TEXT,
  geom geometry(Point, 4326) NOT NULL
);

-- محدوده شهر
CREATE TABLE urban.city_boundary (
  id BIGSERIAL PRIMARY KEY,
  name TEXT,
  geom geometry(Polygon, 4326) NOT NULL
);

واردسازی با ابزارها

• shp2pgsql: برای Shapefile
• ogr2ogr: برای فرمت‌های متعدد مانند GeoJSON، GeoPackage

# نمونه واردسازی GeoJSON به PostgreSQL با ogr2ogr
ogr2ogr -f PostgreSQL "PG:host=localhost dbname=citydb user=postgres password=***" \
  parks.geojson -nln urban.parks -nlt PROMOTE_TO_MULTI -lco GEOMETRY_NAME=geom -lco SPATIAL_INDEX=NONE

# اصلاح هندسه‌های ناسالم پس از واردسازی
psql -d citydb -c "UPDATE urban.parks SET geom = ST_MakeValid(geom);"

ایندکس‌ها و بهینه‌سازی پرس‌وجو

ایندکس GIST و اعمال آن

-- ایجاد ایندکس‌های مکانی
CREATE INDEX parks_gix ON urban.parks USING GIST (geom);
CREATE INDEX buildings_gix ON urban.buildings USING GIST (geom);
CREATE INDEX city_boundary_gix ON urban.city_boundary USING GIST (geom);

-- بهبود آمار برای برنامه‌ریز پرس‌وجو
VACUUM ANALYZE urban.parks;
VACUUM ANALYZE urban.buildings;
VACUUM ANALYZE urban.city_boundary;

الگوهای کارای پرس‌وجو

• اولویت با فیلترهای bounding box: عملگر && پیش از توابع سنگین
• Subdivide برای هندسه‌های بسیار بزرگ: ST_Subdivide
• اجتناب از cast غیرضروری بین geography و geometry

-- فیلتر سریع با bounding box و سپس تست دقیق
SELECT p.id, b.id
FROM urban.parks p
JOIN urban.buildings b
  ON p.geom && b.geom
WHERE ST_DWithin(ST_Transform(p.geom, 32639), ST_Transform(b.geom, 32639), 500);

پرس‌وجوهای فضایی ضروری

SELECT b.id, p.name
FROM urban.buildings b
JOIN urban.parks p
  ON ST_Within(b.geom, p.geom);

اندازه‌گیری و تحلیل‌های برداری

مساحت و پوشش

-- تبدیل به CRS تصویری قبل از محاسبه مساحت/فاصله
WITH boundary AS (
  SELECT ST_Transform(geom, 32639) AS geom FROM urban.city_boundary WHERE name = 'Tehran'
), parks_utm AS (
  SELECT ST_Transform(ST_MakeValid(geom), 32639) AS geom FROM urban.parks
), parks_union AS (
  SELECT ST_Union(geom) AS geom FROM parks_utm
), buffer500 AS (
  SELECT ST_Union(ST_Buffer(geom, 500)) AS geom FROM parks_union
)
SELECT 
  ST_Area(ST_Intersection(b.geom, buffer500.geom)) / ST_Area(b.geom) AS coverage_ratio
FROM boundary b, buffer500;

تجمیع و ساده‌سازی

-- ساده‌سازی مرزهای بافر برای نمایش سریع‌تر
UPDATE urban.parks
SET geom = ST_SimplifyPreserveTopology(geom, 0.0001)
WHERE name IS NOT NULL;

خوشه‌بندی نقاط کم‌برخوردار

-- شناسایی ساختمان‌های خارج از محدوده بافر 500 متر
WITH parks_utm AS (
  SELECT ST_Transform(geom, 32639) AS geom FROM urban.parks
), bufs AS (
  SELECT ST_Union(ST_Buffer(geom, 500)) AS geom FROM parks_utm
), bld_utm AS (
  SELECT id, ST_Transform(geom, 32639) AS geom FROM urban.buildings
), underserved AS (
  SELECT b.* FROM bld_utm b
  WHERE NOT ST_Contains((SELECT geom FROM bufs), b.geom)
)
SELECT cluster_id, COUNT(*) AS n, ST_Centroid(ST_Collect(geom)) AS centroid
FROM (
  SELECT (ST_ClusterDBSCAN(geom, eps := 300, minpoints := 10)) OVER () AS cluster_id, geom
  FROM underserved
) c
GROUP BY cluster_id
ORDER BY n DESC;

تحلیل رستری در PostGIS

PostGIS مجموعه‌ای از توابع رستری برای برش، آمارگیری و هم‌پوشانی با هندسه‌ها دارد. در سناریوی ما، می‌توان رستر جمعیت را با بافر پارک‌ها تقاطع داد تا جمعیت تحت پوشش برآورد شود.

-- فرض: جدول pop_raster با ستون rast (یک باند)، CRS همخوان با 32639
-- برآورد جمعیت تحت پوشش بافر 500 متر
WITH bufs AS (
  SELECT ST_Union(ST_Buffer(ST_Transform(geom, 32639), 500)) AS geom
  FROM urban.parks
), clips AS (
  SELECT ST_Clip(r.rast, 1, bufs.geom, true) AS rast
  FROM pop_raster r, bufs
  WHERE ST_Intersects(r.rast, bufs.geom)
)
SELECT SUM((ST_SummaryStats(rast, true)).sum) AS served_population
FROM clips;

مثال جامع گام‌به‌گام: دسترسی به پارک‌های شهری

گام 1: آماده‌سازی و پاک‌سازی

-- 1) اطمینان از اعتبار هندسه‌ها
UPDATE urban.parks      SET geom = ST_MakeValid(geom);
UPDATE urban.city_boundary SET geom = ST_MakeValid(geom);

-- 2) ایندکس‌های مکانی
CREATE INDEX IF NOT EXISTS parks_gix       ON urban.parks USING GIST (geom);
CREATE INDEX IF NOT EXISTS buildings_gix   ON urban.buildings USING GIST (geom);
CREATE INDEX IF NOT EXISTS boundary_gix    ON urban.city_boundary USING GIST (geom);

گام 2: تعریف ناحیه مطالعه

-- انتخاب محدوده هدف (مثلاً تهران)
WITH tehran AS (
  SELECT ST_Transform(geom, 32639) AS geom FROM urban.city_boundary WHERE name = 'Tehran'
)
SELECT ST_Area(geom) AS area_m2 FROM tehran;

گام 3: محاسبه بافرهای دسترسی

WITH parks_utm AS (
  SELECT ST_Transform(geom, 32639) AS geom FROM urban.parks
), bufs AS (
  SELECT ST_Union(ST_Buffer(geom, 500)) AS geom FROM parks_utm
), city AS (
  SELECT ST_Transform(geom, 32639) AS geom FROM urban.city_boundary WHERE name = 'Tehran'
)
SELECT ST_Area(ST_Intersection(city.geom, bufs.geom)) / ST_Area(city.geom) AS coverage_ratio
FROM city, bufs;

گام 4: شمارش ساختمان‌های تحت پوشش

WITH bld AS (
  SELECT id, ST_Transform(geom, 32639) AS geom FROM urban.buildings
), bufs AS (
  SELECT ST_Union(ST_Buffer(ST_Transform(geom, 32639), 500)) AS geom FROM urban.parks
)
SELECT COUNT(*) AS served_buildings
FROM bld
WHERE ST_Contains((SELECT geom FROM bufs), bld.geom);

گام 5: شناسایی شکاف‌ها و خوشه‌بندی

WITH bld AS (
  SELECT id, ST_Transform(geom, 32639) AS geom FROM urban.buildings
), bufs AS (
  SELECT ST_Union(ST_Buffer(ST_Transform(geom, 32639), 500)) AS geom FROM urban.parks
), underserved AS (
  SELECT b.* FROM bld b WHERE NOT ST_Contains((SELECT geom FROM bufs), b.geom)
)
SELECT cluster_id, COUNT(*) AS n
FROM (
  SELECT (ST_ClusterKMeans(geom, k := 10)) OVER () AS cluster_id, geom
  FROM underserved
) t
GROUP BY cluster_id
ORDER BY n DESC;

خروجی‌گرفتن و یکپارچه‌سازی با اپلیکیشن‌ها

خروجی GeoJSON برای وب

-- تولید GeoJSON از بافرهای دسترسی
WITH bufs AS (
  SELECT ST_Union(ST_Buffer(ST_Transform(geom, 32639), 500)) AS geom
  FROM urban.parks
)
SELECT ST_AsGeoJSON(geom, 6) AS geojson
FROM bufs;

نمایش سریع با Envelope یا Simplify

SELECT ST_AsGeoJSON(ST_SimplifyPreserveTopology(geom, 5.0))
FROM some_large_layer;

خطاهای رایج و رفع اشکال

-- خطای SRID ناسازگار
SELECT ST_DWithin(a.geom, b.geom, 500)
FROM layer_a a JOIN layer_b b ON true;
-- راه‌حل: یکسان‌سازی SRID
SELECT ST_DWithin(ST_Transform(a.geom, 32639), ST_Transform(b.geom, 32639), 500)
FROM layer_a a JOIN layer_b b ON true;

-- رفع Invalid Geometry
UPDATE urban.parks SET geom = ST_MakeValid(geom)
WHERE NOT ST_IsValid(geom);

جمع‌بندی و مسیر ادامه

در این درس از مفاهیم پایه PostGIS تا تحلیل‌های برداری و رستری و یک مثال جامع شهری پیش رفتیم. اکنون می‌توانید داده‌های مکانی را وارد کنید، ایندکس بسازید، پرس‌وجوهای کارا بنویسید و خروجی مناسب برای اپلیکیشن‌ها تهیه کنید. برای پیشروی، تمرین با داده‌های واقعی شهر خود، آزمون پارامترهای خوشه‌بندی، و ترکیب با ابزارهای مسیر‌یابی (مانند کتابخانه‌های اختصاصی شبکه جاده‌ای) پیشنهاد می‌شود.