Mais

Coleta de pixels usando GRASS GIS

Coleta de pixels usando GRASS GIS


tendo um mapa raster binário de pixels de interesse, uma rede rodoviária e um ponto de destino, meu objetivo é obter um mapa raster com pixels de rede tendo como valor o número de pixels de interesse que eles permitem atingir.

Você saberia como eu poderia usar as ferramentas GRASS GIS para fazer isso?

As etapas que prevejo são:

  • rasterizar a rede usandov.to.rast
  • calcular pixels de distância de interesse para a rede usandor.grow.distance,
  • calcular um mapa de direção comr.cost,
  • adicione o ponto de destino à rede comoperação v.net = conectar,
  • altere as direções das linhas de rede em direção ao alvo,
  • rasterizar a rede novamente usandov.to.rast use = dir,
  • sobrescrever o mapa de direção com pixels de direção de rede comr.mapcalc,
  • construir um gráfico direcionado a partir do mapa de direção,
  • defina um valor de 1 para nós que estão em pixels de interesse,
  • execute uma travessia do gráfico em direção ao destino, acumulando valores de nós.

Até agora, eu ainda não sei como reverter a direção das linhas ou construir o gráfico.


Para reverter a direção da linha, você pode ir com v.edit e o virar opção.


Usandor.watershed -scom células de interesse fornecido comofluxocom um distância para a rede mapa raster (der.grow.distance), obtive o mapa de acumulação respondendo às nossas questões.


O Mapa da Categoria

O tipo mais comum de mapa GIS e, em muitos aspectos, o mais simples é o mapa de categorias.

Um mapa de categorias permite visualizar a qual categoria cada local pertence. O exemplo abaixo mostra territórios de vendas, categorizados por concessionário. Olhando para a legenda, podemos ver rapidamente quais territórios de vendas pertencem a qual concessionário.

Um mapa de categorias mostrando os territórios de vendas de Tom, Dick e Harry

Vamos dar uma olhada nos bastidores

Um equívoco comum para aqueles que são novos em GIS, é que os mapas & mdash como o mapa de categorias acima & mdash são criados da mesma maneira que um designer gráfico pode criar uma ilustração, ou seja, começando com os contornos e clicando em cada área para mudar a cor com base em qual concessionário ele pertence.

Até certo ponto, é isso que está acontecendo, exceto que o GIS está fazendo o trabalho, e não você. Você vê que um GIS é orientado por dados e usamos regras para ditar a cor ou aparência de cada & ldquofeature & rdquo no mapa.

ALERTA DE JARGON: Recurso

No GIS, cada localização / coisa no mapa é genericamente chamada de & ldquofeature & rdquo. Portanto, quer estejamos mapeando estados, pontos de venda do Walmart ou rios, cada estado, canal ou rio do Walmart pode ser referido como uma & ldquofeature & rdquo.

As regras & mdash ou & ldquostyles & rdquo como as chamamos na linguagem GIS & mdash são baseadas em dados. Por exemplo, nossos dados têm a seguinte aparência:

Dados de vendas de território

Cada linha da tabela representa um elemento do mapa. Portanto, podemos dizer ao nosso GIS que queremos que todos os territórios de vendas pertencentes a Tom sejam vermelhos e nosso GIS obedecerá devidamente.

No futuro, se Tom ganhar mais territórios de vendas, não precisaremos tocar no mapa. Nós apenas mudamos o valor do dealer de um território para o nome de Tom & rsquos e o mapa irá se atualizar magicamente.

Atualize seus dados e o mapa será atualizado automaticamente!


Renderizando apenas uma fração específica de valores raster

Eu tenho um raster onde cada pixel tem um valor contínuo de 0-1. Gostaria de indicar quais 25% (por exemplo) da área correspondente ao raster contém os valores mais altos, ou seja, indicar onde os 25% principais dos valores estão localizados. É possível fazer isso de alguma forma simplesmente em Propriedades da camada usando QGIS?

2 respostas

Se você deseja tentar usar GRASS-GIS, esta operação é simples. GRASS tem um módulo r.quantile para calcular quaisquer quantis de um mapa raster. O número padrão de quantis é quatro, então você obtém os primeiros 25%, os primeiros 50% (valor médio) e o quantil de 75%. A saída deste módulo é uma lista dos valores de quantis. Essa lista pode então ser "alimentada" em uma instrução r.reclass para obter o novo raster reclassificado com valor 1,2,3,4 representando cada um dos quatro quantis. Se você quiser apenas os 25% superiores, execute r.mapcalc no raster reclassificado para obter apenas esses pixels.

Veja como funciona a partir da linha de comando GRASS, supondo que eu tenha um raster chamado srtm30:

A expressão r.mapcalc acima irá definir todos os pixels no fundo 25 percentil para seus valores raster originais e todos os outros pixels serão NULL. Você pode ajustar isso às suas necessidades, é claro.

Respondido há 2 meses por Micha com 0 votos positivos

Para um método de propriedade de camada, você pode tentar o seguinte:

Na simbologia do seu conjunto raster, renderize o tipo para pseudocolor de banda única. Use o modo Quantile. Mude o número de classes para 4. Agora torne as 3 classes inferiores transparentes indo para as configurações de cor e ajustando a opacidade para 0%.


REFERÊNCIAS

  • Ehlschlaeger, C. (1989). Usando o algoritmo de pesquisa A T para desenvolver modelos hidrológicos a partir de dados digitais de elevação, Proceedings of International Geographic Information Systems (IGIS) Symposium '89, pp 275-281 (Baltimore, MD, 18-19 de março de 1989). URL: http://faculty.wiu.edu/CR-Ehlschlaeger2/older/IGIS/paper.html
  • Holmgren, P. (1994). Múltiplos algoritmos de direção de fluxo para modelagem de escoamento em modelos de elevação baseados em grade: Uma avaliação empírica.Processos Hidrológicos Vol 8 (4), pp 327-334. DOI: 10.1002 / hyp.3360080405
  • Montgomery, D.R., Foufoula-Georgiou, E. (1993). Representação de fonte de rede de canal usando modelos de elevação digital.Pesquisa de Recursos Hídricos Vol 29 (12), pp 3925-3934.

3 & # XA0 & # XA0 Conceitos fundamentais

Começamos revisando alguns conceitos básicos e, em seguida, desenvolvemos gradualmente alguns conceitos mais avançados.

    No colégio você aprendeu sobre Sistemas coordenados. Os exemplos incluem coordenadas cartesianas retangulares, coordenadas polares 2D, coordenadas polares esféricas, etc.

Em cartografia e geodésia, o sistema de coordenadas mais comum são as coordenadas polares esféricas: latitude, longitude e elevação.

Em cartografia e geodésia, a origem da latitude é convencionalmente o equador. A origem da longitude está geralmente a cerca de 100 metros do meridiano principal de Greenwich. A escolha sempre envolverá tradeoffs e uma certa dose de arbitrariedade, por causa de vários acidentes históricos e por causa da deriva continental.

Para alguns propósitos, é melhor medir a elevação em relação ao centro da Terra, mas mais comumente é conveniente medi-la em relação a alguns geóide. O geóide representa alguma noção de & # X201C nível médio do mar & # X201D em cada ponto do globo. O geóide deve ser uma superfície isopotencial gravitacional.

Em cartografia e geodésia, o datum geralmente inclui a escolha do geóide, o que é lógico, pois o geóide define a origem da elevação.

  • Um referencial (incluindo sistema de coordenadas e datum).
  • Uma escolha de unidades de medida (por exemplo, graus, radianos, metros ou qualquer outro).
  • Uma escolha de projeção cartográfica.

Observe o seguinte contraste:

Enquanto isso, há outro contraste muito diferente e muito importante a ser feito: um pacote GIS tem um back-end (para armazenar dados e fazer cálculos) e um front-end (para fazer mapas e exibi-los aos humanos).

Você não deseja executar a reprojeção de dados raster de um lado para outro desnecessariamente, porque é computacionalmente caro e mancha um pouco os dados.


Refinamentos adicionais possíveis

Conclusão

Com um pouco de preparação, está dentro das capacidades de uma ferramenta GIS gratuita combinar as informações disponíveis na missão 080103 para construir uma área de pesquisa razoável que se encaixa de forma operacionalmente razoável. A área que ele aponta é pequena o suficiente para justificar o lançamento de um pequeno número de recursos lá, mesmo se o "conhecimento comum" empurra excessivamente a busca para as áreas consideradas mais prováveis.

Obviamente, o uso dessas ferramentas exigiria que a seção de planejamento tivesse acesso a um especialista técnico familiarizado com elas. Mas essas ferramentas estão disponíveis gratuitamente e são muito mais poderosas do que os "programas de mapeamento" comerciais comuns na base SAR. Eu recomendo fortemente que os gerentes de SAR cultivem um grupo de voluntários experientes em GIS para auxiliar no planejamento.


Um ambiente de trabalho para processamento digital de dados planetários e mapeamento usando ISIS e GRASS GIS

Desde o início da exploração planetária, o mapeamento tem sido fundamental para resumir as observações retornadas por missões científicas. O mapeamento baseado em sensor foi usado para destacar características específicas das superfícies planetárias por meio de processamento. O mapeamento interpretativo faz uso de observações instrumentais para produzir mapas temáticos que resumem as observações de dados reais em um tema específico. Os mapas geológicos, por exemplo, são mapas interpretativos temáticos que enfocam a representação de materiais e processos e seu tempo relativo. Os avanços tecnológicos dos últimos 30 anos nos permitiram desenvolver sistemas especializados onde o processo de mapeamento pode ser feito inteiramente no domínio digital. A disseminação de computadores em rede em uma escala global permitiu a rápida propagação de software e dados digitais de tal forma que cada pesquisador pode agora acessar recursos de mapeamento digital em seu desktop.

Os esforços para manter os dados das missões planetárias acessíveis à comunidade científica levaram à criação de arquivos digitais padronizados que facilitam o acesso a diferentes conjuntos de dados por softwares capazes de processar esses dados desde o nível bruto até o mapa projetado.

Os Sistemas de Informação Geográfica (GIS) foram desenvolvidos para otimizar o armazenamento, a análise e a recuperação de geodados ambientais baseados na Terra referenciados espacialmente desde a última década, esses programas de computador se tornaram populares entre a comunidade científica planetária, e os dados de missão recentes começam a ser distribuídos em formatos compatíveis com esses sistemas.

Dentre todos os sistemas desenvolvidos para a análise de dados planetários e espacialmente referenciados, criamos um ambiente de trabalho combinando duas suítes de software que possuem características semelhantes em seu design modular, seu histórico de desenvolvimento, sua política de distribuição e seu sistema de suporte. O primeiro, o software integrado para imageadores e espectrômetros (ISIS) desenvolvido pela United States Geological Survey, representa o estado da arte no processamento de dados de sensoriamento remoto planetário, desde o estado bruto não processado até o produto projetado no mapa. O segundo, o Sistema de Apoio à Análise de Recursos Geográficos (GRASS), é um Sistema de Informação Geográfica desenvolvido por uma equipe internacional de desenvolvedores e um dos principais projetos promovidos pela Open Source Geospatial Foundation (OSGeo). Trabalhamos para possibilitar o uso combinado desses sistemas de software ao longo da configuração de uma interface de usuário comum, a unificação da nomenclatura do sistema de referência cartográfica e a minimização da conversão de dados. Ambos os pacotes de software são distribuídos com licenças de código aberto gratuitas, bem como o código-fonte, scripts e arquivos de configuração apresentados a seguir. Neste artigo, descrevemos nosso trabalho feito para fundir esses ambientes de trabalho em um comum, onde o usuário se beneficia das funcionalidades de ambos os sistemas sem a necessidade de trocar ou transferir dados de um pacote de software para outro. Posteriormente, fornecemos um exemplo de seu uso no tratamento de dados planetários e na elaboração de um mapa geológico digital.

Destaques da Pesquisa

► ISIS permite processar dados de imageadores planetários e espectrômetros. ► GRASS GIS permite processar geodados e produzir mapas digitais temáticos. ► Desenvolvemos código de computador e scripts para permitir o uso combinado de ISIS e GRASS. ► Elaboramos um mapa geológico digital a partir de mosaicos, topografia e dados brutos. ► Os mapas geológicos digitais produzidos podem ser publicados em formatos de dados interoperáveis.


Apresentações

GRASS GIS: O que há de novo?

  • Descrição: GRASS GIS é um software de análise geoespacial e sensoriamento remoto com o objetivo de fornecer aos seus usuários uma ferramenta completa. GRASS GIS é open source, o que o torna gratuito para usar, mas também, para os mais aventureiros, hackeavel. Esta palestra dará uma visão geral do que a comunidade GRASS GIS oferece ao público e destacará as últimas adições ao GRASS GIS. Isso inclui melhorias na importação e manipulação de formatos de dados vetoriais, incluindo conjuntos de dados confusos, recursos estendidos do Python e manipulação mais fácil de dados nativos. Algoritmos para interpolação, radiação solar, fluxo de água e transporte de sedimentos agora vêm em versões paralelizadas, enquanto todas as operações de varredura agora se beneficiam de novos algoritmos de compressão. A lista de novos algoritmos inclui agrupamento de pontos, limpeza de topologia vetorial, suporte para análise de rede, detecção de formas e formas, segmentação e aglomeração de imagens, correções atmosféricas para mais satélites e álgebra temporal. Os recursos experimentais disponíveis para download agora incluem casco côncavo, álgebra vetorial, classificação de nuvem de ponto no solo, fusão e combinação DEM, classificação baseada em objeto, tratamento de dados Sentinel e visualização de fator de visão do céu.
  • Palestrante: Vaclav Petras, NCSU Center for Geospatial Analytics
  • Autores: Vaclav Petras, Doug Newcomb (USFWS), Corey White (NCSU Center for Geospatial Analytics)
  • Materiais: slides

GRASS GIS: Primeiros passos

  • Descrição: GRASS GIS é um software para análise geoespacial e sensoriamento remoto. Ele vem com recursos que cobrem um amplo espectro de tópicos, desde análise de rede até hidrologia de superfície. Em muitos aspectos, GRASS GIS é semelhante a outros pacotes GIS, mas também vem com vários conceitos exclusivos, como região computacional, linha de comando integrada, localizações e conjuntos de mapas. Eles vêm com vantagens elogiadas por usuários avançados, mas, ao mesmo tempo, esses conceitos muitas vezes parecem estranhos para aqueles que estão acostumados com outros softwares GIS. No entanto, por mais de 30 anos, analistas de GIS e RS tiveram motivos para aprender GRASS GIS muitas vezes por conta própria. As razões incluem a amplitude de funcionalidade, compatibilidade de longo prazo e a natureza de código aberto do GRASS GIS. Para GRASS GIS, ser open source significa mais do que apenas escapar das taxas de licença recorrentes. O desenvolvimento do GRASS GIS é caracterizado pelo alto envolvimento de usuários interessados ​​no processo de desenvolvimento lado a lado com programadores e cientistas. Esta sessão tem como objetivo fornecer uma base para a autoaprendizagem do GRASS GIS e será útil se você já tentou executar o GRASS GIS ou se está apenas verificando.
  • Palestrante: Vaclav Petras, NCSU Center for Geospatial Analytics
  • Autores: Vaclav Petras, Corey White (NCSU Center for Geospatial Analytics), Doug Newcomb (USFWS)
  • Materiais: slides

Navegando no cenário geoespacial de software de código aberto

  • Descrição: O código aberto significa grátis? É gratuito, libre ou de código aberto? Posso usar comercialmente? Qual software escolher? Por onde começar a aprender sobre software de código aberto geoespacial? Eu tenho que usar o Linux? Devo compartilhar meus dados online? Tenho que começar a programar? Se você está se perguntando sobre alguma dessas questões ou está apenas curioso sobre software de código aberto em geral, esta palestra é para você. Esta palestra o ajudará a entender o ecossistema e a comunidade de software de código aberto geoespacial e, adicionalmente, fornecerá uma visão geral das ferramentas disponíveis e dará dicas sobre como escolher entre elas.
  • Palestrante: Vaclav Petras, NCSU Center for Geospatial Analytics
  • Autores: Vaclav Petras, Corey White (NCSU Center for Geospatial Analytics), Randal Hale (North River Geographic Systems, Inc)
  • Relevância para GRASS GIS: GRASS GIS foi usado em exemplos de tickets, commits e outros conceitos de código aberto. Também foi incluído nas visões gerais do software disponível.
  • Materiais: slides

Construção de conjuntos de dados QL2 LiDAR no nível da paisagem para avaliação de habitat de espécies no leste da Carolina do Norte

  • Descrição: em resposta ao furacão Matthew, o estado da Carolina do Norte fez parceria com o USGS para realizar uma coleção LiDARdata atualizada para os padrões 3DEP QL2. Este esforço de coleta de dados gerou até agora 360 bilhões de pontos de dados LiDAR de retorno múltiplo em 59 condados no leste da Carolina do Norte. Usando GRASSGIS de 64 bits nativos no Ubuntu Linux, as alturas do dossel da floresta e outras métricas estruturais foram geradas em uma grade de 6.096 m (20 pés) de conjuntos de dados LAZ LiDAR do condado e agregados a 3,5 bilhões de camadas raster de pixel denotando alturas de dossel, distorção do valor do ponto Z, ponto relativo densidade em 1-3m e 3-7m, e pegadas de construção. Essas camadas de dados foram comparadas a 25m de observações de pontos de espécies de pássaros de interesse para o USFWS no leste da Carolina do Norte, polígonos de Unidade Hidrológica (HU) de 12 dígitos do USGS e resolução de 30m 2011 Conjunto de dados de cobertura de terra nacional (NLCD). Foram observadas diferenças na estrutura da vegetação entre as espécies de pássaros, assim como diferenças geográficas na estrutura do pica-pau-de-cara-roxa (Picoides borealis) no sudeste da Carolina do Norte. As estatísticas agregadas de vegetação e construção foram geradas para as Unidades Hidrológicas (HU) de 12 dígitos para uso na avaliação de habitat de espécies aquáticas. Estatísticas resumidas para porcentagens de área florestal, não florestal e de construção para cada classe NLCD de 2011 para o leste da Carolina do Norte foram geradas para mostrar o nível de concordância entre NLCD e a classificação de dados LiDAR.
  • Palestrante: Doug Newcomb (USFWS)
  • Autores: Doug Newcomb (USFWS), Vaclav Petras (NCSU Center for Geospatial Analytics)

Nova ferramenta de código aberto para modelagem de pragas de plantas e disseminação de patógenos

As doenças e pragas das plantas ameaçam diretamente a produção de alimentos e a produção de materiais à base de plantas e também podem influenciar o comércio agrícola e industrial em uma área após o estabelecimento das zonas de quarentena necessárias. Compreender o potencial de propagação de pragas e patógenos é, portanto, crucial para proteger a economia e a segurança alimentar. Apresentamos um novo software para modelar a propagação de pragas e patógenos em uma paisagem. O núcleo do modelo é implementado como uma biblioteca C ++ por motivos de desempenho, enquanto os usuários do modelo podem escolher entre uma variedade de interfaces convenientes. Nós fornecemos um pacote R e um módulo GRASS GIS. O pacote R fornece integração com a ferramenta estatística bem conhecida R e o GRASS GIS fornece o módulo com interface gráfica do usuário, interface Python e ferramentas de pré-processamento e visualização. O modelo, bem como todas as suas dependências e integrações, são de código aberto. Isso remove quaisquer barreiras de licenciamento para a aplicação do modelo e nos dá a oportunidade de colaborar abertamente no aprimoramento do modelo. Também abre oportunidades para que o modelo seja examinado não apenas pela tradicional revisão por pares de publicações científicas, mas também por uma revisão realizada por qualquer pessoa interessada em usar o modelo.

  • Palestrante: Vaclav Petras, NCSU Center for Geospatial Analytics
  • Autores: Vaclav Petras, Chris Jones, Anna Petrasova, Devon Gaydos, Kellyn Montgomery, Ross K. Meentemeyer
  • Materiais: slides

Citizen Science - Processando dados LiDAR em casa para comparar com o NLCD

  • Descrição: Um exemplo de ciência cidadã que você pode reproduzir em casa agora. Cidadão privado processa dados abertos usando software de código aberto. As classificações dos dados LiDAR foram processadas usando GRASS GIS em um computador em casa e comparadas com o NLCD.
  • Palestrante: Doug Newcomb

Geo For All: Combinando REA, Dados Abertos e FOSS na Educação GIS

  • Descrição: Nos últimos anos, houve um amadurecimento do software geoespacial de código aberto e uma convergência de recursos educacionais abertos (REA) e dados abertos para o ensino e aprendizagem da ciência da informação geográfica. Esta apresentação se concentrará na transição de um curso introdutório de GIS do uso de software proprietário e textos caros para um curso de GIS de código aberto usando REA e dados abertos. Software de código aberto, como QGIS, GRASS e a linguagem de programação estatística R serão cobertos, assim como a iniciativa “Geo For All” da Open Source Geospatial Foundation (OSGeo). A apresentação também abordará as maneiras pelas quais uma transição para REA e código aberto estão tendo um impacto positivo nos resultados dos alunos na educação GIS em uma pequena faculdade de artes liberais, bem como como o curso aberto de GIS está sendo usado para impulsionar adoção mais ampla de recursos educacionais abertos em toda a instituição.
  • Palestrante: David Abernathy, Warren Wilson College
  • Relevância para GRASS GIS: GRASS GIS é ensinado através do plugin de processamento QGIS e também diretamente em classes mais avançadas.

Criando Cenários de Urbanização com o Modelo FUTURES

Descrição: A simulação do cenário de crescimento urbano é uma ferramenta poderosa para explorar os impactos das mudanças no uso do solo devido à urbanização e seus efeitos na paisagem. Apresentamos FUTURES (FUTure Urban - Regional Environment Simulation), que é uma estrutura de modelagem de mudanças de terras baseada em patch, estocástica e multinível. Este modelo, que antes era fechado e inacessível, agora está integrado a uma plataforma geoespacial de código aberto. Descreveremos nossa motivação para lançar este projeto como código aberto e as vantagens de integrá-lo ao GRASS GIS. Em seguida, mostraremos como os profissionais de GIS podem começar a usar essa ferramenta para capacitar os planejadores a tomar decisões informadas. O modelo FUTURES possui uma interface gráfica do usuário, ferramentas de pré-processamento e está disponível em todos os principais sistemas operacionais. Além do modelo em si, oferecemos tutoriais online gratuitos e conjuntos de dados de amostra para que os usuários em potencial possam experimentar o modelo e explorar seu potencial.


QGIS Tutorial II: dos dados ao mapa & # 8211 preparando a visualização dos dados

Neste tutorial, gostaria de mostrar a você como criar um mapa topográfico e analisar dados topográficos usando dados SRTM e QGIS disponíveis gratuitamente, incluindo alguma manipulação de dados. Esta é a primeira parte que explica como obter dados, remover valores ausentes, explorar o relevo e alterar a representação de cores de um arquivo TIF obtido pelo USGS.



Atenção! Este é um tutorial detalhado. Se desejar informações especiais, vá para a seção desejada:

Objetivo

p align = & # 8221justify & # 8221> Uma base para várias etapas analíticas é a superfície da terra. Nós diferenciamos, portanto, a superfície e a elevação como edifícios, cobertura de árvores e outros elementos criam sua própria superfície, que é mais alta do que a elevação terrestre. Vamos visualizar um modelo de quase elevação obtido pela missão topográfica do radar Shuttle em um mapa.

O que você precisa

Esforço de tempo

Etapa 1 - baixar dados, instalar plug-in

Precisamos baixar alguns dados do USGS. Na maioria dos casos, uso landcover.org. Basta pesquisar o local desejado (geralmente uso o caminho e as linhas que podem ser calculados e são melhores para lembrar) e usar os blocos SRTM WRS-2:

seleções para dados SRTM de landcover.org

Usei a versão B preenchida e preenchida da minha área. Você também pode baixar o conjunto de dados de exemplo diretamente (copyright University of Maryland, mas e uma licença CC ?!).

No site QGIS, certifique-se de ter instalado o QGIS corretamente e de ter o plugin GRASS habilitado:

Plugin GRASS habilitado no QGIS (1.8 para Ubuntu)

Você pode encontrar algumas dicas sobre como habilitar GRASS para QGIS no Mac. Em máquinas Windows, deve ser fácil devido ao instalador autônomo.

Preparando dados

Após descompactar os dados, devemos começar com a preparação dos dados no QGIS / GRASS. Você pode perguntar por que eu & # 8217 não estou usando o QGIS apenas para este mapa topográfico, visto que ele tem uma ferramenta chamada & # 8220Terrain Analysis Plugin & # 8221 para isso. Resposta curta: qualidade dos dados. Como você adicionou o raster ao seu projeto, você pode ver algo assim:

conjunto de dados raster sem contraste devido a valores ausentes registrados como & # 8220-32768 & # 8221

p align = & # 8221justify & # 8221> Usando a ferramenta de informação, você verá que as áreas pretas dentro e fora da cena real são pixels com o valor & # 8220-32768 & # 8221 que é o menor valor possível no inteiro sem sinal Intervalo de 16 valores que é [-32768, 32768]. Como é possível exibir 256 tipos diferentes de cinza, todos os valores importantes só podem ser mostrados em prob. dez tipos de cinza. Portanto, precisamos definir este registro para um valor ausente como & # 8220null & # 8221 ou & # 8220NoData & # 8221. Se você não fizer isso e calcular a inclinação, obterá planícies amplas em torno de sua área de interesse e pode esquecer tudo o que começa com estatísticas de palavras & # 8230

Agora o GRASS entra em jogo. GRASS tem uma função chamada r.null.val que converte números em valores & # 8220null & # 8221. Mas usar GRASS é um pé no saco da primeira vez: você precisa definir uma área de trabalho com antecedência.

  • Vamos para Plugins-> GRASS-> Novo Mapset
  • defina uma pasta para armazenar os resultados e seus dados
  • criar um local (no meu caso, Mongólia)
  • agora defina a projeção para seu projeto GRASS. Adoro as zonas UTM, por isso escolhi EPSG: 32648 (WGS 84 UTM Zona 48 N)
  • definir uma área de interesse para trabalhar: cada processo é espacialmente & # 8220limitado & # 8221 para aquela região por padrão. Você pode escolher a Mongólia, se não tiver certeza sobre as coordenadas
  • escolha um nome de mapset que seja específico do usuário e defina de alguma forma o seu próprio projeto

Estamos quase prontos para limpar nossos dados, mas como última etapa, precisamos importar nossa imagem SRTM para o projeto GRASS. Usar Plugins-> GRASS-> Abrir ferramentas GRASS e use a Lista de Módulos para encontrar a função r.in.gdal. Agora escolha seu arquivo tif SRTM para a importação e escolha um nome para o conjunto de dados importado:

encontre a função r.in.gdal nos módulos

Adicione seu raster ao seu local de trabalho por Plugins-> GRASS-> Adicionar Camada Raster GRASS.
A última etapa preparatória é alterar o valor & # 8220-32768 & # 8221 para & # 8220noData & # 8221. Portanto, pesquise a função r.null.val na Lista de Módulos como fizemos para a importação. selecione seu conjunto de dados (SRTM para mim) e digite o valor & # 8220-32768 & # 8221 como o valor que representa & # 8220noData & # 8221. Não se esqueça de restringir a área de trabalho ao próprio tif ativando o & # 8220 botão região & # 8221: . Agora aproveite o primeiro momento especial:


aumento de contraste devido à limpeza da imagem

Mapa: processamento de dados

Para o mapa, é melhor ter um bom efeito visual e criar algumas informações fáceis de consumir. Portanto, uma ideia é criar um efeito pseudo-3D para representar informações de altura. Isso é chamado de relevo sombreado e dá uma ideia sobre a forma de montanhas, vales e encostas.
Procure o módulo de relevo sombreado na caixa de ferramentas GRASS e selecione o conjunto de dados SRTM processado como entrada (não se esqueça de restringir a região como feito acima também) e um nome para sua saída. Altere os parâmetros para azimute & # 8220315 & # 8221 e altitude & # 822045 & # 8221 para aumentar o efeito visual, pressione executar e adicione a saída ao mapa depois. Se você ver alguma falha informando que o QGIS não foi capaz de abrir o raster, este recurso em gis.stackexchange resolveu o problema no meu caso. No final, abra as propriedades da camada de relevo sombreado clicando com o botão direito no nome da camada e altere a transparência global para 50% ou um valor de sua escolha. Certifique-se de que a camada de relevo sombreada esteja acima da camada SRTM.


diferença entre um relevo sombreado e não sombreado

Agora você deve se perguntar: Onde obtenho cores para minhas alturas? Existe outro módulo no GRASS que cria uma tabela de cores usando algumas regras. Portanto, use o módulo r.colors.table para criar uma tabela de cores de sua escolha:

imagem classificada por cores de dados de altura usando GRASS

Por último, mas não menos importante, prepare a camada para a criação do mapa: altere o título na guia Geral da camada SRTM, pois serve como um item de legenda e altere o rótulo das classes na guia do mapa de cores nas propriedades.


Abordagem determinística da susceptibilidade a deslizamentos de terra usando sistemas de informação geográfica: aplicação à cidade de Breaza, Romênia

O estudo é uma abordagem baseada em determinística sobre a susceptibilidade a deslizamentos. O objetivo do artigo é criar mapas de suscetibilidade quantitativos unindo o modelo de estabilidade de declive infinito de uma dimensão com um GIS baseado em raster (ILWIS) e levando em consideração a distribuição espacial dos parâmetros de entrada. Uma área sujeita a escorregamentos, com geologia e geomorfologia homogênea relativa, localizada no setor subcarpático do rio Prahova, Romênia, foi selecionada para o estudo. São frequentes os problemas causados ​​por deslizamentos de terra ativos na área estudada, principalmente em anos de forte precipitação, muitas vezes causando destruição de casas e estradas situadas nas encostas (1992, 1997 e 2005). Levantamentos detalhados cobrindo um período de 7 anos forneceram os dados de entrada necessários sobre os parâmetros de declive, componentes hidrológicos e contexto geotécnico. Duas simulações foram usadas: uma em condições de solo seco e outra em condições de solo totalmente saturado. Um terceiro teste foi baseado no nível do lençol freático mapeado no verão de 2008. Análises detalhadas foram focadas principalmente em deslizamentos de terra para comparar os resultados previstos com os resultados reais usando medições de campo. O modelo é muito adequado para uso em GIS raster porque pode calcular a instabilidade da inclinação com base em pixels, cada célula raster sendo considerada individualmente. A desvantagem do modelo são os dados altamente detalhados dos parâmetros de entrada. Apesar dessa desvantagem, em conclusão, a utilidade dos modelos de estabilidade de taludes em larga escala foi enfatizada sob condições de planície de falha infinitamente altas e homogeneidade litológica.

Esta é uma prévia do conteúdo da assinatura, acesso por meio de sua instituição.


Referências

  • Gebbert, S., Pebesma, E. (2014). Um SIG temporal para modelagem ambiental baseada em campo. Modelagem Ambiental e Software, 53, 1–12. DOI
  • Gebbert, S., Pebesma, E. (2017). A estrutura temporal GRASS GIS. International Journal of Geographical Information Science 31, 1273-1292. DOI
  • Neteler, M., Bowman, M.H., Landa, M. e Metz, M. (2012): GRASS GIS: um GIS de código aberto multiuso. Modelagem Ambiental e Software, 31: 124-130 DOI
  • Neteler, M., Mitasova, H. (2008): GIS de código aberto: uma abordagem GRASS GIS. Terceira edição. ed. Springer, Nova York. Site do livro

Última alteração: 20/08/2018 15:14


Grande gerenciamento e análise de geodados usando GRASS GIS Workshop na FOSS4G 2018 por Veronica Andreo, Marco Ciolli, Luca Delucchi e Markus Neteler é licenciado sob uma Licença Internacional Creative Commons Attribution-ShareAlike 4.0 - Graças a Vaclav Petras para o estilo.


Assista o vídeo: GRASS GIS Tutorial 001 Download and Installation . GRASS Tutorial. GRASS Practical