Existe-t-il des outils open source ou peu coûteux pour détecter et remplir les puits sur un DEM? ArcGIS Spatial Analyst est juste hors de ma fourchette de prix.
Existe-t-il des outils open source pour détecter et remplir les puits sur un DEM? [fermé]
Réponses:
GRASS a r.fill.dir et mieux encore, r.terraflow , qui est l'un des rares outils d'hydrologie à travailler sur des rasters massifs. Il y a aussi TauDem , qui comprend PitRemovepour le remplissage.
J'ai également écrit un logiciel, RichDEM, qui a une variété d' algorithmes rapides (parfois des milliers de fois plus rapides) pour le remplissage de la dépression et d'autres applications hydrologiques. Voir: richdem.readthedocs.io/en/latest/depression_filling.html
—
Richard
TauDem est multiplateforme et fonctionne très bien sur Linux et OS X.
—
mankoff
@mankoff merci pour la mise à jour, c'est super. Les versions antérieures étaient uniquement Windows (je sais que la version 3.1 l'était, mais peut-être aussi les versions ultérieures). Malheureusement, la page de téléchargement ne contient pas de références, mais je vois un PPA le contenant, ainsi qu'un package homebrew.
—
scw
SAGA a plusieurs méthodes de remplissage
http://www.saga-gis.org/saga_modules_doc/ta_preprocessor/index.html
Évier de détection plat Drainage Route Détection
Élimination de l'évier
Remplir les éviers (Planchon / Darboux, 2001)
Remplir les éviers (Wang et Liu)
Remplir les éviers XXL (Wang et Liu)
Il est à noter que la méthode Planchon et Darboux (2001) produit les mêmes résultats que Wang et Liu (2006), juste beaucoup, beaucoup plus lentement. Personne ne devrait utiliser P&D si une alternative est disponible. Barnes (2014), Zhou (2016) et Wei (2018) améliorent la vitesse de Wang & Liu (2006), atteignant collectivement une accélération de 6 fois ou plus.
—
Richard
C'est en fait un domaine de recherche active pour moi.
Vous pouvez utiliser l'algorithme Priority-Flood comme décrit dans cet article de journal, qui est également disponible sur arXiv. Cela vous permet de remplir les dépressions en temps O (n log n) pour les données à virgule flottante et en temps O (n) pour les données entières. Le code source est disponible ici .
L'algorithme précédent est en série et fonctionne bien jusqu'à une centaine de millions de cellules. Parfois, cependant, vos ensembles de données sont plus volumineux.
Cet article , également disponible sur arXiv , décrit un algorithme avec une excellente mise à l'échelle adapté aux ensembles de données pouvant atteindre un billion ou plus de cellules. La source est disponible ici .
Tout ce qui précède est maintenant inclus dans le wrapper Python de RichDEM . La documentation, avec des exemples et de jolies photos, est disponible ici .
(Avertissement: j'ai écrit les articles et le code mentionnés ci-dessus.)
Oui, il y en a. Je n'ai pas encore testé, mais j'ai parcouru mes yeux à travers le code source. Cela me semble un bon programme.
Landserf (gratuit à utiliser) - Cliquez pour aller à la page d'accueil
Je l'ai utilisé et je l'adore.
Je pense également que les algorithmes sont beaucoup plus précis dans Landserf que dans Arc, des mathématiques très très solides utilisées et Jo Wood énumère les mathématiques utilisées pour son analyse.