Mais

GDAL - criando vetor a partir de raster

GDAL - criando vetor a partir de raster


[RESOLVIDO] Bom dia! Estou olhando para gdal_contour ou gdal_polygonize.py para criar um arquivo de camada vetorial a partir de um arquivo raster. Posso criar o arquivo vetorial usando qualquer um dos métodos, mas ele fica de cabeça para baixo quando o ploto usando QGIS. Outra lista indica que isso tem a ver com o arquivo mundial.

Eu uso gdal_translate e gdalwarp ao transformar o raster original em lambert conformal em mercator esférico (para uso em OpenLayers) e entendo que o arquivo mundial pode ser criado usando um desses utilitários (provavelmente ao usar gdalwarp). No entanto, não tenho certeza sobre a próxima etapa usando um dos utilitários de varredura para vetor onde o arquivo de mundo entra em jogo. Eu também tenho que usar ogr2ogr? Eu apreciaria uma lista detalhada de etapas, pois a documentação da GDAL é um pouco confusa aqui.

Apenas para observar minhas etapas atuais são:

  1. Use gdal_translate para georreferenciar primeiro o raster original no formato Lambert conformal
  2. Use gdalwarp para reprojetar a imagem raster resultante em mercator esférico
  3. Use gdal_translate para criar um PNG em tamanho reduzido. Torna-se uma camada de imagem no OpenLayers.
  4. Use o utilitário raster para vetor no raster produzido na etapa 3.

Vejo onde -co para o arquivo world pode ser incluído em gdal_translate ou gdalwarp. E como eu disse, posso criar o arquivo vetorial uma vez que o raster original tenha sido transformado em mercator esférico. Realmente não está claro aqui como o arquivo mundial entra em jogo para o arquivo vetorial resultante na etapa 4, então a imagem ficará do lado direito para cima. Obrigado por qualquer ajuda!

[RESOLVIDO] Como Matthew perguntou e eu comentei, aparentemente fiquei confuso sobre a criação do arquivo mundial e em qual etapa fazer isso.

Mas, adicionando-co WORLDFILE = SIMna etapa 3 acima, criou um arquivo .wld para a imagem PNG resultante. Então usado gdal_contour criando um arquivo de forma e também gml, trouxe ambos para o QGIS para visualização, e agora estão do lado direito! Obrigado a todos que viram e ao Mateus que comentaram!


Desculpe pela demora em postar uma resposta. Como indiquei acima, adicionar -co WORLDFILE = YES na etapa 3 acima criou um arquivo .wld para a imagem PNG resultante. Em seguida, usei gdal_contour, trouxe para o QGIS e funcionou!


Fundamentos de Sistemas de Informação Geográfica: Teoria e Aplicações

Este curso apresenta um quadro para a compreensão e utilização da análise espacial e capacidades de modelagem dos principais tipos de sistemas de informação geográfica para melhor compreender os locais e o seu contexto. Os alunos planejam, descrevem, implementam e avaliam modelos GIS que reúnem o conhecimento do site e os dados digitais com a lógica e as operações dos sistemas de informação. Pré-requisito: Esta não é uma aula introdutória à computação. Os alunos devem ter experiência e se sentir à vontade para criar e organizar documentos digitais e manter backups de seus trabalhos. Assuntos abordados:

  • Introdução ao mapeamento com a interface ArcGISPara começar, apresentaremos os fundamentos do trabalho com ArcGIS 8.2 para fazer mapas e gerenciar dados.
  • Bancos de dados relacionais, teoria e aplicaçõesOs bancos de dados relacionais formam o núcleo da maioria dos sistemas de informação modernos. Os alunos aprenderão como usar tabelas de informações relacionadas para representar e explorar as relações entre entidades do mundo real.
  • GIS vetorial-relacional, teoria e aplicaçõesOs sistemas de informações geográficas de vetores estendem os bancos de dados relacionais para oferecer suporte a tipos de dados bidimensionais e seus relacionamentos. Os alunos aprenderão a modelar relacionamentos geográficos usando operações e transformações vetoriais-relacionais.
  • Raster GIS, teoria e aplicaçõesOs sistemas raster de informações geográficas representam o mundo como uma malha de locais ou superfícies. Esses sistemas apresentam ao analista um kit muito rico de funções & # 8212 map álgebra & # 8212 para modelar processos complexos como declive, custos de viagem e outros processos espaciais complexos.
  • Processamento de imagem GISScanners aerotransportados e baseados em satélite estão se tornando uma fonte muito importante de dados espaciais. Esses dispositivos fornecem imagens históricas e em tempo real muito detalhadas de lugares usando bandas precisamente calibradas do espectro eletromagnético. Os alunos aprenderão a teoria e os métodos de classificação de imagens multiespectrais em mapas de cobertura e mudança da terra.
  • Infraestrutura avançada para GIS & # 8211 Web e arquiteturas empresariaisManter o controle do mundo requer acesso a informações de várias agências e instituições. Os alunos aprenderão como as arquiteturas cliente-servidor são usadas para criar uma rede distribuída de conhecimento geográfico que se tornou conhecida como SIG Societal.

Trabalho do aluno e base da série: Haverá 6 exercícios de laboratório, que envolvem a construção e avaliação de mapas e modelos com ArcGIS8.2. Essas atribuições podem durar de quatro a seis horas por semana. Existem duas sessões de laboratório nas quais a ajuda estará disponível para essas tarefas, mas os alunos devem esperar dedicar algum tempo trabalhando nos exercícios fora da sala de aula. Cada laboratório envolverá o uso de GIS e vários parágrafos de comentários escritos. Haverá uma tarefa final em que os alunos elaborarão seu próprio projeto de análise GIS. O projeto final será devido no final da semana de provas. O projeto final valerá um terço da nota final. Horário da reunião: A turma se reunirá para palestras às quartas-feiras, das 9h às 11h. Duas sessões de laboratório acontecerão às quintas-feiras, das 11h às 12h30 e das 12h30 às 14h.


Introdução

A visualização de dados de movimento é útil em uma ampla variedade de aplicações de transporte. O cérebro humano desenvolveu proficiência no processamento de grandes quantidades de informações visuais para compreender o mundo (Bova, 2002). Isso, combinado com os avanços na disponibilidade de dados e recursos gráficos de computador, fez com que a visualização de dados se tornasse mais do que um extra opcional no planejamento de transporte. Cada vez mais, a visualização é fundamental para o planejamento urbano e o processo de desenvolvimento e implementação de políticas e intervenções baseadas em evidências (Appleton e Lovett, 2005 Pettit et al., 2013 Salter et al., 2009). Da mesma forma, a visualização eficaz possui um enorme potencial para o planejamento de transporte baseado em evidências.

É, portanto, surpreendente que não haja mais trabalho na pesquisa de transporte que se concentre explicitamente na visualização, com algumas exceções notáveis. Wood et al. (2010) apresentam uma série de inovações em métodos de visualização para grandes matrizes de origem-destino (OD). Os autores demonstram os benefícios de escalabilidade da ‘rasterização’ no nível da linha de desejo e os ilustram amplamente usando dados OD para padrões de deslocamento e migração nos EUA, uma técnica que construímos, mas no nível da rede rodoviária, neste artigo. Em outro artigo, Calvert et al. (2017) demonstram, com a ajuda de muitas figuras, novas maneiras de demonstrar a incerteza nos modelos de transporte no nível de segmentos rodoviários individuais. No entanto, esse trabalho é uma pequena proporção da quantidade total de pesquisa em transporte e ainda precisa se infiltrar no cerne da disciplina e do planejamento de transporte.

Os dois artigos mencionados acima são instrutivos em seu foco em dois níveis de dados fundamentais para a pesquisa em transporte. Em primeiro lugar, os dados de OD são normalmente derivados de pesquisas em grande escala e dispositivos passivos de coleta de dados, como telefones celulares. Em segundo lugar, os dados de nível de 'fluxo' são normalmente de dispositivos GPS, algoritmos de roteamento ou dispositivos de contagem de linha de tela em estradas. Os dados de fluxo são frequentemente suficientemente detalhados para identificar segmentos individuais de uma estrada, por exemplo, dividindo uma estrada em cada cruzamento em muitos segmentos de estrada. Essas fontes de dados de movimento são centrais para a pesquisa e modelagem quantitativa de transporte (Ortuzar e Willumsen, 2001). Portanto, é crucial ser capaz de visualizar os conjuntos de dados resultantes de maneiras que sejam facilmente compreensíveis e enfatizar a realidade subjacente que os dados representam.

Este artigo apresenta um novo método no campo de visualização de dados de transporte tanto no OD quanto no nível do segmento rodoviário. O objetivo é demonstrar as vantagens de uma visualização eficaz, não apenas para aumentar o apelo e a compreensão do público sobre dados e modelagem de transporte, mas também para informar diretamente o processo de tomada de decisão. A pesquisa foi aplicada a um aplicativo da web escalonável nacionalmente e links para mudanças nas abordagens de planejamento de transporte em resposta à "revolução dos dados". A natureza aplicada do trabalho é refletida em sua estrutura, que descreve o desafio de visualização criado por grandes conjuntos de dados de transporte (seção 'O desafio de visualização'), descreve os dados e métodos (seção 'Dados e métodos'), apresenta os resultados do trabalho e como eles avançam a utilidade dos dados de transporte (seção 'Resultados e discussão') e discute o produto final e os pontos fortes e as limitações da abordagem (seção 'Conclusões'). Na seção final, concluímos com observações sobre como os métodos podem ser usados ​​para apoiar práticas de planejamento de transporte mais sustentáveis ​​internacionalmente e sugerimos direções para pesquisas futuras.


OSGeo-Live ajuda novos usuários a encontrar rapidamente aplicativos GIS de qualidade em uma infinidade de opções. OSGeo-Live só aceita projetos de código aberto estabelecidos, e os usuários podem então verificar se o aplicativo funciona executando-o no OSGeo-Live. Este slide mostra a página de métricas do OpenHUB, que mostra o tamanho e a atividade da comunidade.

OSGeo-Live fornece um canal de produção e marketing, agregando valor a uma ampla gama de grupos de usuários.

Os desenvolvedores que empacotam e suportam o teste de seus aplicativos no OSGeo-Live fazem com que seus aplicativos sejam comercializados em conferências, workshops e na web.

Os redatores de documentos têm sua documentação revisada, traduzida em vários idiomas e publicada.

Os tradutores recebem documentação de origem de qualidade e podem ser publicados por meio das páginas da web da OSGeo.

Os organizadores da conferência dão as boas-vindas a apresentações que explicam a amplitude do código aberto geoespacial, muitas vezes tendo um VIP apresentando um derivado do OSGeo-Live durante as apresentações principais e agregando valor aos delegados dando um DVD ou USB OSGeo-Live.

Educadores geoespaciais e apresentadores de workshops usam a máquina virtual OGeo-Live ou USB estável para configurações práticas de sala de aula.

O que tudo leva à descoberta de arquitetos e desenvolvedores e, em seguida, incorporar software geoespacial de código aberto em seus projetos.


1.2 O que é QGIS?

QGIS é um programa de software GIS de código aberto dedicado. Tornou-se o programa de código aberto mais comumente usado para trabalhar com dados geográficos. Dados do mecanismo de busca do Google mostram que o QGIS está se tornando cada vez mais popular. O QGIS é ideal não apenas para aprender técnicas de GIS, mas também para usá-las na prática onde o licenciamento e o custo do software podem ser importantes. A Figura 1.1 mostra como a popularidade do QGIS ao longo do tempo se compara com o produto GIS ESRI ArcMap e o produto de planejamento de transporte, PTV Visum. 1


Registrar imagem

Registrar imagem aplica referência geoespacial às imagens importadas para a prancheta. O Register Image usa um sistema de coordenadas e coordenadas - inseridas manualmente ou carregadas de um arquivo de referência - para georreferenciar e dimensionar adequadamente uma imagem. Se o sistema de coordenadas de uma imagem corresponder a um dos dados vetoriais existentes, a imagem pode ser redimensionada e girada para se ajustar aos dados vetoriais. Se nenhum dado vetorial correspondente for encontrado no documento, uma nova visualização do MAP pode ser criada para armazenar as informações cartográficas da imagem para permitir a digitalização dos dados com posicionamento preciso.

O Register Image não tem a capacidade de transformar imagens de um sistema de coordenadas para outro. Use um produto como o Avenza Geographic Imager para transformar imagens.

Para usar o Registro de Imagem, as propriedades geoespaciais da imagem raster devem ser conhecidas. Alguns formatos de imagem raster armazenam a relação entre as coordenadas da imagem de origem (localização do pixel) e as coordenadas de referência do mundo real em um arquivo de referência associado, mas não salvam as informações do sistema de coordenadas (por exemplo, arquivo mundial TFW). O formato GeoTIFF comumente usado é incorporado com informações geográficas, como posição e sistema de coordenadas. Dependendo do formato da imagem, verifique a posição e o sistema de coordenadas das imagens com o provedor de dados antes de tentar usar esta ferramenta.

Registrar imagem pode ser usado em imagens não referenciadas espacialmente que já foram importadas para a prancheta usando o comando Inserir do Adobe Illustrator (Arquivo e Inserir) ou por meio de Importar como um tipo de recurso de imagem.

Ao colocar uma imagem, não use a opção Converter camadas em objetos. Ele tratará as imagens que podem ter várias camadas como objetos agrupados e impedirá que sejam registradas corretamente.

Usar uma imagem não nivelada incorporada com uma transparência existente pode resultar em registro incorreto.

Com uma imagem selecionada, clique no botão Registrar imagem na barra de ferramentas do MAPublisher ou no menu Objeto & gt MAPublisher & gt Registrar imagem.

Se a imagem for colocada em uma camada de mapa, o registro de imagem registra automaticamente a imagem usando o sistema de coordenadas da visualização de mapa que contém essa camada de mapa.

Se a imagem raster não foi importada para uma camada MAP, a caixa de diálogo Camada indefinida aparecerá. Escolha criar uma nova Visualização MAP com base na imagem ou adicione a imagem a uma Visualização MAP existente. Em ambos os casos, o tipo de recurso Imagem é o único disponível para raster. Recomenda-se usar o tipo de recurso Imagem para registro de imagem e para melhor gerenciamento de camada e fluxo de trabalho.

Ao criar uma nova Visualização MAP, o ponto de ancoragem e a escala são derivados das informações de registro (localização e tamanho da imagem). No caso de imagens GeoTIFF, o sistema de coordenadas MAP View é lido automaticamente do cabeçalho da imagem - para outros formatos de imagem, o sistema de coordenadas deve ser especificado manualmente no MAP View Editor após o processo de registro (veja mais informações em Especificar sistema de coordenadas )

Registro usando arquivo de referência

Para registrar uma imagem usando um arquivo de referência, clique no botão Carregar arquivo e navegue até a pasta que contém o arquivo. O arquivo de referência pode ter o mesmo nome da imagem, mas pode ter uma extensão diferente (IRP, TFW, TAB, RSF, ERS ou LGO). No caso do formato GeoTIFF, o próprio arquivo de imagem contém a imagem e os dados de referência e as necessidades a serem escolhidas para recuperar as informações de georreferenciamento.

Os valores contidos neste arquivo de referência são inseridos automaticamente nos parâmetros da imagem. Se o arquivo estiver no formato GeoTIFF, o sistema de coordenadas da imagem é lido e exibido em Sistema de Coordenadas do Arquivo de Referência - para outros formatos de arquivo, o sistema de coordenadas é deixado como desconhecido.

Para inserir manualmente os parâmetros da imagem, uma das seguintes combinações deve estar disponível em unidades de página ou unidades de mapa:

& # 8226 As coordenadas X e Y de um canto da imagem e o tamanho do pixel X e Y.

& # 8226 As coordenadas X e Y de um canto da imagem e o tamanho X e Y da imagem.

Primeiro, escolha as unidades a serem usadas para inserir os parâmetros, fazendo uma seleção na lista suspensa Unidades. Em seguida, clique no canto apropriado do gráfico para indicar o ponto de colocação da imagem e insira as coordenadas X e Y para este local nos campos adjacentes. Em seguida, defina o tamanho do pixel ou o tamanho efetivo do mapa. O tamanho do pixel é o valor de um único pixel no conjunto de unidades. O tamanho efetivo do mapa é o tamanho X e Y de toda a imagem no conjunto de unidades. Definir uma das opções atualizará a outra de acordo.

O MAPublisher Register Image suporta o registro de imagens com pixels não quadrados.

Ao registrar imagens GeoTIFF, uma mensagem de aviso será exibida se o sistema de coordenadas da imagem não corresponder ao sistema de coordenadas da Visualização MAPA selecionado. Ao registrar imagens fora do formato GeoTIFF durante a criação de uma nova Visualização MAP, o sistema de coordenadas da Visualização MAP deve ser especificado no Editor de Visualização MAP para finalizar o georreferenciamento.

Desde que o sistema de coordenadas, localização e tamanho da imagem raster estejam corretos, a imagem será dimensionada e registrada. Quando os dados vetoriais correspondentes estiverem disponíveis, a imagem se ajustará à arte. A ferramenta MAP Location pode ser usada para verificar as posições.

Imagens raster não podem ser transformadas em outro sistema de coordenadas. Se os dados vetoriais forem transformados através do MAP View Editor Execute a função Coordinate System Transformation após a imagem ter sido registrada, a imagem terá que ser transformada externamente (com Avenza Geographic Imager, por exemplo) e registrada novamente no MAPublisher.

As imagens registradas serão dimensionadas e giradas junto com os dados vetoriais, mas não automaticamente. Depois que os dados vetoriais foram redimensionados ou girados usando o MAP View Editor, Register Image deve ser usado para aplicar as informações de referência da imagem. No caso de um registro manual, é recomendável usar a função Exportar imagem antes de aplicar as alterações aos dados vetoriais (consulte o próximo parágrafo). Desta forma, registrar novamente a imagem é apenas uma questão de carregar um arquivo de referência.

Formatos de referência de imagem georreferenciada com suporte

Arquivo mundial (tfw, tifw, wld, eww, jgw, jpw, pgw, sdw, eww, blw, dmw)

Os arquivos mundiais contêm a relação afim entre as coordenadas da imagem de origem (localizações de pixels) e as coordenadas de referência do mundo real (latitude / longitude ou outras unidades de coordenadas do mundo real). Os arquivos mundiais simplesmente contêm uma relação calculada entre as coordenadas da imagem de origem e as coordenadas de referência e não as informações completas do ponto de referência. Os arquivos mundiais não suportam o armazenamento de informações do sistema de coordenadas.

Arquivo de relatório de imagem IRP (irp)

Os arquivos de relatório de imagem IRP são arquivos de relatório ASCII que indicam as coordenadas dos quatro cantos do arquivo raster e o tamanho do pixel em unidades terrestres para permitir o georreferenciamento da imagem em outros programas de processamento de imagem, CAD ou GIS.

Os formatos de arquivo MapInfo Table salvam as informações completas da lista de pontos de referência para que possam ser carregados novamente no futuro. Os arquivos MapInfo TAB suportam o armazenamento de informações do sistema de coordenadas.

As projeções com suporte ao salvar o sistema de coordenadas estão listadas abaixo:

Área igual de Lambert Azimuthal *

Hotine Oblique Mercator 1pt

Mercator transversal estereográfico

* Os sistemas de coordenadas que usam esta projeção não serão armazenados ao salvar o arquivo de referência.

Arquivo de referência do Blue Marble (rsf)

O arquivo de configurações de referência do Blue Marble salva as informações completas da lista de pontos de referência para que possam ser carregadas novamente no futuro. Em um arquivo de referência do Blue Marble, a primeira linha contém a versão do formato do arquivo (não deve ser confundida com a versão do software) e o número total de pontos no arquivo. As linhas restantes contêm, em cada linha, o ID do ponto, o pixel x (linha), o pixel y (coluna), o valor z (elevação) que é geralmente 0,00, seguido pelas coordenadas do solo expressas como latitude ou norte (Y ), Longitude ou Leste (X) e Elevação (Z). O último valor indica se o ponto descrito nessa linha está incluído na solução, 0 = não incluído e 1 = incluído. Os arquivos de referência do Blue Marble suportam o armazenamento de informações do sistema de coordenadas (todos são suportados).

O arquivo de cabeçalho ER Mapper é um arquivo ASCII que descreve os dados raster no arquivo de dados. Todo o arquivo de cabeçalho contém informações sobre a fonte de dados e está contido no bloco DatasetHeader. Existem dois sub-blocos obrigatórios, o bloco CoordinateSpace (para definir o espaço de coordenadas e localização) e o bloco RasterInfo (para definir as características dos dados no arquivo de dados que o acompanha). O bloco RasterInfo pode conter vários sub-blocos opcionais. Para definir completamente as informações de coordenadas em um arquivo de cabeçalho ER Mapper, você precisa incluir os seguintes dados: datum, projeção, tipo de coordenada, unidades, dimensões X e Y para o tamanho da célula, valores da célula de registro X e Y, coordenadas da célula de registro e possivelmente nulo valor da célula. As informações de coordenadas são freqüentemente, mas nem sempre, fornecidas para o canto superior esquerdo de uma imagem. Estes seriam os valores das células de registro X e Y de 0,0 e 0,0.

Para a maioria das projeções, as coordenadas de registro são inseridas como leste e norte, o tipo de coordenada será & quotEN & quot, e as unidades serão metros (ou ocasionalmente pés). Se você estiver usando latitude e longitude, a projeção é geodésica, o tipo de coordenada será & quotLL & quot e as dimensões X e Y para o tamanho da célula serão em graus decimais.

Os arquivos ER Mapper suportam o armazenamento de um número limitado de sistemas de coordenadas predefinidos. Verifique os detalhes do sistema de coordenadas para garantir que o identificador ER Mapper exista como o emissor do sistema de coordenadas a ser salvo. O arquivo ainda será exportado, porém o sistema de coordenadas não será salvo com o arquivo de referência.

Os arquivos de referência do ER Mapper não suportam imagens giradas. Ao tentar exportar um arquivo de referência com uma imagem girada, o ER Mapper não será listado.

Os arquivos ListGeo são arquivos de texto que contêm as informações de metadados GeoTIFF (ou tags), que podem ser lidos e também usados ​​como entrada para outros programas.

O Tagged Image File Format (TIF ou TIFF) é um formato de arquivo gráfico raster comum e um dos formatos de imagem geoespaciais mais comuns que você provavelmente encontrará. Muitas imagens geográficas raster de sistemas GIS são armazenadas neste formato. Um GeoTIFF é um arquivo TIFF com informações geográficas incorporadas, como posição e escala em coordenadas mundiais, sistema de coordenadas ou uma lista explícita de pontos de controle de solo.

A única maneira de diferenciar uma imagem TIFF regular de uma imagem GeoTIFF referenciada é abri-la em um aplicativo de software de imagem espacial (como Avenza Geographic Imager).

Ao contrário de outros formatos de imagem geograficamente referenciados discutidos nesta seção, GeoTIFFs não requerem um arquivo de referência separado. Ao registrar uma imagem GeoTIFF no MAPublisher, o mesmo nome de arquivo deve ser selecionado na caixa de diálogo Carregar Arquivo - as informações de georeferência necessárias estão contidas no cabeçalho do arquivo.

As projeções com suporte ao salvar o sistema de coordenadas estão listadas abaixo:


GRASS GIS fornece processamento raster, vetorial e geoespacial poderoso. Inclui ferramentas para modelagem espacial, visualização de dados raster e vetoriais, gerenciamento e análise de dados geoespaciais e processamento de imagens aéreas e de satélite. Ele também oferece a capacidade de produzir gráficos de apresentação sofisticados e mapas impressos.

Inclui mais de 400 módulos de análise integrados e 100 módulos e caixas de ferramentas fornecidos pela comunidade.

Com mais de 30 anos de desenvolvimento contínuo, GRASS é o maior e mais antigo GIS de código aberto disponível. É capaz de fazer análises muito poderosas, mas pode não ser tão simples de começar quanto outras ofertas com foco mais no visualizador de geodados. Muitos projetos de código aberto fazem uso dos algoritmos do GRASS.


Ao longo deste projeto, aprendi que as estatísticas espaciais requerem testes de hipóteses claros para avançar claramente em um processo espacial. Mais especificamente, aprendi sobre análises espaciais no ArcMap e como poderia utilizar cálculos de vizinhos mais próximos para avaliar padrões de distribuição. Além disso, agora tenho um melhor entendimento dos padrões de distribuição espacial e como eles são avaliados, como agrupamento versus distribuições aleatórias versus distribuições igualmente dispersas. Para obter mais análise e limpeza de dados, também aprendi como aplicar meu conhecimento iniciante de ANOVAs e, em seguida, exibir os resultados relacionados às relações espaciais (distâncias) usando histogramas e outras exibições gráficas no R Studio.

Informações de contato: esta postagem foi escrita por Alexa Kownacki, Ph.D. em Wildlife Science. Estudante da Oregon State University. Twitter: @lexaKownacki

GDAL - criando vetor a partir de raster - Sistemas de Informação Geográfica

Este repositório hospeda o código subjacente à Geocomputação com R, um livro de Robin Lovelace, Jakub Nowosad e Jannes Muenchow.

A versão online do livro é desenvolvida em http://geocompr.robinlovelace.net/. Planejamos publicar a cópia impressa do livro na CRC Press em 2018.

Encorajamos contribuições em qualquer parte do livro, incluindo:

  • Melhorias no texto, por ex. esclarecer frases pouco claras, corrigir erros de digitação (consulte a orientação de Yihui Xie).
  • Alterações no código, por exemplo para fazer as coisas de forma mais eficiente.
  • Sugestões de conteúdo (consulte o rastreador de problemas do projeto e a pasta de trabalho em andamento para capítulos no pipeline).

Consulte our_style.md para ver o estilo do livro.

Para facilitar a reprodutibilidade, este livro também é um pacote. Instalá-lo a partir do GitHub garantirá que todas as dependências para compilar o livro estejam disponíveis em seu computador (você precisa devtools):

Você precisa de uma versão recente das bibliotecas GDAL, GEOS, Proj.4 e UDUNITS instaladas para que funcione em Mac e Linux. Veja o sf README do pacote para obter informações sobre isso.

Depois que as dependências forem instaladas, você deverá ser capaz de construir e visualizar uma versão local do livro com:

Para reduzir as dependências do livro, scripts a serem executados com pouca frequência para gerar entradas para o livro são executados na criação deste README.

Os pacotes adicionais necessários para isso podem ser instalados da seguinte forma:

Com essas dependências adicionais instaladas, você deve ser capaz de executar os seguintes scripts, que criam figuras de entrada para o livro:

Nota: o arquivo .Rproj é configurado para construir um site e não uma única página. Para reproduzir este README, use o seguinte comando:

Uma indicação do progresso do livro ao longo do tempo é ilustrada abaixo (a ser atualizado quase todas as semanas à medida que o livro avança).

Estatísticas do livro: número estimado de páginas por capítulo ao longo do tempo.

Para citar os pacotes usados ​​neste livro, usamos o código da Efficient R Programming:

Isso gera arquivos .bib e .csv contendo os pacotes. A corrente de pacotes usados ​​pode ser lida da seguinte forma:

Outras citações são armazenadas online usando Zotero e baixadas com:

Se você gostaria de adicionar referências, por favor use Zotero, junte-se ao grupo aberto adicione sua citação à biblioteca aberta geocompr.


Referências

Appelhans, Tim, Florian Detsch, Christoph Reudenbach e Stefan Woellauer. 2018. Mapview: visualização interativa de dados espaciais em R. https://CRAN.R-project.org/package=mapview.

Bivand, Roger. 2017 ClassInt: Escolha intervalos de classe univariados. https://CRAN.R-project.org/package=classInt.

Bivand, Roger S., Edzer Pebesma e Virgilio Gomez-Rubio. 2013 Análise de dados espaciais aplicada com R, segunda edição. Springer, NY. http://www.asdar-book.org/.

Bivand, Roger e Colin Rundel. 2017 Rgeos: Interface para Geometry Engine - Open Source ('Geos'). https://CRAN.R-project.org/package=rgeos.

Bivand, Roger, Tim Keitt e Barry Rowlingson. 2018. Rgdal: Ligações para a Biblioteca de Abstração de Dados 'Geospatial'. https://CRAN.R-project.org/package=rgdal.

Bivand, Roger, Jakub Nowosad e Robin Lovelace. 2018. SpData: conjuntos de dados para análise espacial. https://CRAN.R-project.org/package=spData.

Brewer, Cynthia A., Geoffrey W. Hatchard e Mark A. Harrower. 2003. “ColorBrewer in Print: A Catalog of Color Schemes for Maps.” Cartografia e Ciência da Informação Geográfica 30 (1). Taylor e Francis: 5-32. doi: 10.1559 / 152304003100010929.

Bugayevskiy, Lev M e John Snyder. 2013 Projeções de mapas: um manual de referência. CRC Press.

Canters, Frank e Hugo Decleir. 1989. O mundo em perspectiva: um diretório de projeções de mapas mundiais. John Wiley & amp Sons.

Giraud, Timothée e Nicolas Lambert. 2017 Cartografia: Cartografia Temática. https://CRAN.R-project.org/package=cartography.

Hengl, Tomislav. 2017 PlotKML: Visualização de objetos espaciais e espaço-temporais no Google Earth. https://CRAN.R-project.org/package=plotKML.

Jovanović, Velibor. 1984. Matematička Kartografija. VGI.

Kilibarda, Milão. 2017 PlotGoogleMaps: traçar dados espaciais ou espaço-temporais no Google Maps. https://R-Forge.R-project.org/projects/ plotgooglemaps /.

Lovelace, Robin, Jakub Nowosad e Jannes Muenchow. 2018. “Geocomputação com R.”

McIlroy, Doug, Ray Brownrigg, Thomas P Minka e Roger Bivand. 2017 Mapproj: projeções de mapas. https://CRAN.R-project.org/package=mapproj.

Pebesma, Edzer. 2012. “spacetime: Spatio-Temporal Data in R.” Journal of Statistical Software 51 (7): 1–30. http://www.jstatsoft.org/v51/i07/.

Pebesma, Edzer e Roger Bivand. 2018. Sp: Classes e métodos para dados espaciais. https://CRAN.R-project.org/package=sp.

Perpinan Lamigueiro, Oscar e Robert Hijmans. 2018. RasterVis: Métodos de Visualização para Dados Raster. https://CRAN.R-project.org/package=rasterVis.

Shea, K. Stuart e Robert B McMaster. 1989. “Cartographic Generalization in a Digital Environment: When and How to Generalize.” Em Proceedings Auto-Carto, 9:56–67.

Sievert, Carson, Chris Parmer, Toby Hocking, Scott Chamberlain, Karthik Ram, Marianne Corvellec e Pedro Despouy. 2018. Plotly: Crie gráficos interativos da Web por meio de 'Plotly.js'.

Snyder, John Parr. 1987. Projeções de mapa - um manual de trabalho. Vol. 1395. US Government Printing Office.

Sumner, Michael D. 2016. Gratícula: Linhas Meridionais e Paralelas para Mapas. https://CRAN.R-project.org/package=graticule.

Vasilev, Stanislav. 2006. “SOBRE os Sinais Cartográficos.” Anais da Conferência da 1ª Feira Internacional de Geodésia, Cartografia, Navegação e Geoinformática GEOS 2006.

Wickham, Hadley e Winston Chang. 2016 Ggplot2: Crie visualizações de dados elegantes usando a gramática de gráficos. https://CRAN.R-project.org/package=ggplot2.

Wickham, Hadley e Garrett Grolemund. 2016 R para ciência de dados: importar, organizar, transformar, visualizar e modelar dados. “O’Reilly Media, Inc.”


Assista o vídeo: Python GIS - Introduction and Installation of GDAL and OGR