Comment puis-je obtenir un profil d'altitude pour une bande de terrain?
L'élévation la plus élevée dans un rayon de 10 km (de chaque côté de la ligne définie) doit être prise en compte.
J'espère que ma question est claire. Merci beaucoup d'avance.
Comment puis-je obtenir un profil d'altitude pour une bande de terrain?
L'élévation la plus élevée dans un rayon de 10 km (de chaque côté de la ligne définie) doit être prise en compte.
J'espère que ma question est claire. Merci beaucoup d'avance.
Réponses:
À la suite des commentaires, voici une version qui fonctionne avec des segments de ligne perpendiculaires. Veuillez utiliser avec prudence car je ne l'ai pas testé à fond!
Cette méthode est beaucoup plus maladroite que la réponse de @ whuber - en partie parce que je ne suis pas un très bon programmeur et en partie parce que le traitement vectoriel est un peu un problème. J'espère que cela vous permettra au moins de commencer si vous avez besoin de segments de ligne perpendiculaires.
Vous aurez besoin d'avoir les packages Shapely , Fiona et Numpy Python installés (ainsi que leurs dépendances) pour exécuter ceci.
#-------------------------------------------------------------------------------
# Name: perp_lines.py
# Purpose: Generates multiple profile lines perpendicular to an input line
#
# Author: JamesS
#
# Created: 13/02/2013
#-------------------------------------------------------------------------------
""" Takes a shapefile containing a single line as input. Generates lines
perpendicular to the original with the specified length and spacing and
writes them to a new shapefile.
The data should be in a projected co-ordinate system.
"""
import numpy as np
from fiona import collection
from shapely.geometry import LineString, MultiLineString
# ##############################################################################
# User input
# Input shapefile. Must be a single, simple line, in projected co-ordinates
in_shp = r'D:\Perp_Lines\Centre_Line.shp'
# The shapefile to which the perpendicular lines will be written
out_shp = r'D:\Perp_Lines\Output.shp'
# Profile spacing. The distance at which to space the perpendicular profiles
# In the same units as the original shapefile (e.g. metres)
spc = 100
# Length of cross-sections to calculate either side of central line
# i.e. the total length will be twice the value entered here.
# In the same co-ordinates as the original shapefile
sect_len = 1000
# ##############################################################################
# Open the shapefile and get the data
source = collection(in_shp, "r")
data = source.next()['geometry']
line = LineString(data['coordinates'])
# Define a schema for the output features. Add a new field called 'Dist'
# to uniquely identify each profile
schema = source.schema.copy()
schema['properties']['Dist'] = 'float'
# Open a new sink for the output features, using the same format driver
# and coordinate reference system as the source.
sink = collection(out_shp, "w", driver=source.driver, schema=schema,
crs=source.crs)
# Calculate the number of profiles to generate
n_prof = int(line.length/spc)
# Start iterating along the line
for prof in range(1, n_prof+1):
# Get the start, mid and end points for this segment
seg_st = line.interpolate((prof-1)*spc)
seg_mid = line.interpolate((prof-0.5)*spc)
seg_end = line.interpolate(prof*spc)
# Get a displacement vector for this segment
vec = np.array([[seg_end.x - seg_st.x,], [seg_end.y - seg_st.y,]])
# Rotate the vector 90 deg clockwise and 90 deg counter clockwise
rot_anti = np.array([[0, -1], [1, 0]])
rot_clock = np.array([[0, 1], [-1, 0]])
vec_anti = np.dot(rot_anti, vec)
vec_clock = np.dot(rot_clock, vec)
# Normalise the perpendicular vectors
len_anti = ((vec_anti**2).sum())**0.5
vec_anti = vec_anti/len_anti
len_clock = ((vec_clock**2).sum())**0.5
vec_clock = vec_clock/len_clock
# Scale them up to the profile length
vec_anti = vec_anti*sect_len
vec_clock = vec_clock*sect_len
# Calculate displacements from midpoint
prof_st = (seg_mid.x + float(vec_anti[0]), seg_mid.y + float(vec_anti[1]))
prof_end = (seg_mid.x + float(vec_clock[0]), seg_mid.y + float(vec_clock[1]))
# Write to output
rec = {'geometry':{'type':'LineString', 'coordinates':(prof_st, prof_end)},
'properties':{'Id':0, 'Dist':(prof-0.5)*spc}}
sink.write(rec)
# Tidy up
source.close()
sink.close()
L'image ci-dessous montre un exemple de la sortie du script. Vous introduisez un fichier de formes représentant votre ligne médiane et spécifiez la longueur des lignes perpendiculaires et leur espacement. La sortie est un nouveau fichier de formes contenant les lignes rouges de cette image, chacune ayant un attribut associé spécifiant sa distance depuis le début du profil.
Comme @whuber l'a dit dans les commentaires, une fois arrivé à ce stade, le reste est assez facile. L'image ci-dessous montre un autre exemple avec la sortie ajoutée à ArcMap.
Utilisez l' outil Entité vers raster pour convertir les lignes perpendiculaires en un raster catégoriel. Définissez le raster VALUE
comme Dist
champ dans le fichier de formes en sortie. Rappelez - vous aussi de mettre l'outil de Environments
telle sorte que Extent
, Cell size
et Snap raster
sont les mêmes que pour votre DEM sous - jacente. Vous devriez vous retrouver avec une représentation raster de vos lignes, quelque chose comme ceci:
Enfin, convertissez ce raster en une grille entière (à l'aide de l' outil Int ou de la calculatrice raster) et utilisez-le comme zones d'entrée pour l' outil Statistiques zonales en tant que tableau . Vous devriez vous retrouver avec une table de sortie comme celle-ci:
Le VALUE
champ de ce tableau indique la distance depuis le début de la ligne de profil d'origine. Les autres colonnes donnent diverses statistiques (maximum, moyenne, etc.) pour les valeurs de chaque transect. Vous pouvez utiliser ce tableau pour tracer votre profil de résumé.
NB: Un problème évident avec cette méthode est que, si votre ligne d'origine est très ondulée, certaines des lignes de transect peuvent se chevaucher. Les outils de statistiques zonales dans ArcGIS ne peuvent pas traiter les zones qui se chevauchent, donc lorsque cela se produit, l'une de vos lignes de transect aura la priorité sur l'autre. Cela peut ou non être un problème pour ce que vous faites.
Bonne chance!
spc
, mais les virages raccourcissent les déplacements. Au lieu de cela, vous devez normaliser le vecteur de direction transversale (diviser ses composants par la longueur du vecteur), puis multiplier cela par le rayon souhaité du transect.
L'élévation la plus élevée à moins de 10 km est la valeur maximale du quartier calculée avec un rayon circulaire de 10 km, il suffit donc d'extraire un profil de cette grille maximale du quartier le long de la trajectoire.
Voici un DEM ombragé avec une trajectoire (ligne noire allant de bas en haut):
Cette image mesure environ 17 kilomètres sur 10. J'ai choisi un rayon de seulement 1 km au lieu de 10 km pour illustrer la méthode. Son tampon de 1 km est illustré en jaune.
Le maximum de voisinage d'un DEM sera toujours un peu étrange, car il aura tendance à augmenter de valeur aux points où un maximum (un sommet de colline, peut-être) tombe juste au-delà de 10 km et un autre maximum à une altitude différente vient juste à moins de 10 km . En particulier, les sommets qui dominent leur environnement contribueront à des cercles de valeurs parfaits centrés au point d'élévation maximale locale:
Plus sombre est plus haut sur cette carte.
Voici un tracé des profils du DEM d'origine (bleu) et du maximum de voisinage (rouge):
Il a été calculé en divisant la trajectoire en points régulièrement espacés à 0,1 km de distance (en commençant à la pointe sud), en extrayant les élévations à ces points et en faisant un nuage de points joint des triplets résultants (distance depuis le début, l'élévation, l'élévation maximale). L'espacement des points de 0,1 km a été choisi pour être sensiblement plus petit que le rayon du tampon mais suffisamment grand pour que le calcul se fasse rapidement (il était instantané).
J'ai eu le même problème et j'ai essayé la solution de James S, mais je n'ai pas réussi à faire fonctionner le GDAL avec Fiona.
J'ai ensuite découvert l'algorithme SAGA "Cross Profiles" dans QGIS 2.4, et j'ai obtenu exactement le résultat que je voulais et que je suppose que vous recherchez aussi (voir ci-dessous).
Pour toute personne intéressée, voici une version modifiée du code JamesS créant des lignes perpendiculaires en utilisant uniquement les bibliothèques numpy et osgeo. Grâce à JamesS, sa réponse m'a beaucoup aidé aujourd'hui!
import osgeo
from osgeo import ogr
import numpy as np
# ##############################################################################
# User input
# Input shapefile. Must be a single, simple line, in projected co-ordinates
in_shp = r'S:\line_utm_new.shp'
# The shapefile to which the perpendicular lines will be written
out_shp = r'S:\line_utm_neu_perp.shp'
# Profile spacing. The distance at which to space the perpendicular profiles
# In the same units as the original shapefile (e.g. metres)
spc = 100
# Length of cross-sections to calculate either side of central line
# i.e. the total length will be twice the value entered here.
# In the same co-ordinates as the original shapefile
sect_len = 1000
# ##############################################################################
# Open the shapefile and get the data
driverShp = ogr.GetDriverByName('ESRI Shapefile')
sourceShp = driverShp.Open(in_shp, 0)
layerIn = sourceShp.GetLayer()
layerRef = layerIn.GetSpatialRef()
# Go to first (and only) feature
layerIn.ResetReading()
featureIn = layerIn.GetNextFeature()
geomIn = featureIn.GetGeometryRef()
# Define a shp for the output features. Add a new field called 'M100' where the z-value
# of the line is stored to uniquely identify each profile
outShp = driverShp.CreateDataSource(out_shp)
layerOut = outShp.CreateLayer('line_utm_neu_perp', layerRef, osgeo.ogr.wkbLineString)
layerDefn = layerOut.GetLayerDefn() # gets parameters of the current shapefile
layerOut.CreateField(ogr.FieldDefn('M100', ogr.OFTReal))
# Calculate the number of profiles/perpendicular lines to generate
n_prof = int(geomIn.Length()/spc)
# Define rotation vectors
rot_anti = np.array([[0, -1], [1, 0]])
rot_clock = np.array([[0, 1], [-1, 0]])
# Start iterating along the line
for prof in range(1, n_prof):
# Get the start, mid and end points for this segment
seg_st = geomIn.GetPoint(prof-1) # (x, y, z)
seg_mid = geomIn.GetPoint(prof)
seg_end = geomIn.GetPoint(prof+1)
# Get a displacement vector for this segment
vec = np.array([[seg_end[0] - seg_st[0],], [seg_end[1] - seg_st[1],]])
# Rotate the vector 90 deg clockwise and 90 deg counter clockwise
vec_anti = np.dot(rot_anti, vec)
vec_clock = np.dot(rot_clock, vec)
# Normalise the perpendicular vectors
len_anti = ((vec_anti**2).sum())**0.5
vec_anti = vec_anti/len_anti
len_clock = ((vec_clock**2).sum())**0.5
vec_clock = vec_clock/len_clock
# Scale them up to the profile length
vec_anti = vec_anti*sect_len
vec_clock = vec_clock*sect_len
# Calculate displacements from midpoint
prof_st = (seg_mid[0] + float(vec_anti[0]), seg_mid[1] + float(vec_anti[1]))
prof_end = (seg_mid[0] + float(vec_clock[0]), seg_mid[1] + float(vec_clock[1]))
# Write to output
geomLine = ogr.Geometry(ogr.wkbLineString)
geomLine.AddPoint(prof_st[0],prof_st[1])
geomLine.AddPoint(prof_end[0],prof_end[1])
featureLine = ogr.Feature(layerDefn)
featureLine.SetGeometry(geomLine)
featureLine.SetFID(prof)
featureLine.SetField('M100',round(seg_mid[2],1))
layerOut.CreateFeature(featureLine)
# Tidy up
outShp.Destroy()
sourceShp.Destroy()