Sistem GIS berbasis raster apa yang benar-benar berfungsi?

GIS Raster seperti GRASS , ArcGIS / Spatial Analyst , dan Idrisi dapat melakukan serangkaian pemrosesan data dan prosedur analitis yang dikenal sebagai " peta aljabar ." Dalam lingkungan komputasi saat ini, menjadi biasa untuk memelihara raster 100.000.000 sel atau lebih dalam berbagai format berbeda dan untuk menuntut perhitungan yang relatif kompleks seperti viewsheds, watersheds, dan identifikasi terrain, serta kemampuan pemrosesan gambar.

Tampaknya banyak solusi open source, gratis, dan murah di luar sana. Tetapi yang mana yang benar-benar bertahan dalam praktik? Yaitu, mana yang dapat menangani kisi-kisi besar secara efisien, dapat dengan mudah mendapatkan data masuk dan keluar, yang bebas bug, dan menawarkan pelengkap penuh prosedur analitis? Apa saja jebakan atau batasan tersembunyi yang tidak Anda temukan sampai Anda menginvestasikan banyak waktu untuk mempelajari sistem ini? (Pertanyaan terakhir ini adalah salah satu yang tidak mudah dijawab dengan pencarian Web dan di mana saya berharap responden dapat memberikan saran yang berharga.)

Saya terutama tertarik pada solusi yang dapat diintegrasikan dengan baik dan bersaing dengan sistem komersial yang populer (tapi mahal) (yang berarti kompatibilitas Windows adalah penting).

Saya tidak dapat berbicara dengan SAGA atau beberapa sistem lainnya, tetapi saya telah menggunakan GRASS secara luas, termasuk untuk analisis skala global ~ 720M sel yang membutuhkan implementasi aljabar raster yang kuat dan operasi medan yang kompleks. (Sebagai tambahan, dengan penghentian ArcInfo , GRASS bisa dibilang adalah SIG yang paling lama dikembangkan).

Data dan alat GRASS dapat diakses dengan mudah melalui QGIS , yang menyediakan analog ArcUI GUI yang bagus. QGIS sendiri mendapatkan kemampuan analisis raster yang bagus, seperti plugin GDALTools , tetapi ini cukup baru dan tidak memiliki kematangan dan kedalaman GRASS itu sendiri.

Prospek lain adalah paket raster karena R : R memiliki basis pengguna yang besar, sumber metode yang mudah diakses, dan itu termasuk ujung tombak dari banyak teknik statistik. Namun, tidak ada alat pengolah gambar dan mungkin tidak cukup untuk jenis tugas yang Anda minati.

Terakhir, GDAL membentuk dasar yang kuat bagi banyak, jika bukan sebagian besar sistem GIS modern, dan memiliki implementasi yang sangat cepat dari banyak operasi aljabar peta umum. Ini dapat digunakan melalui antarmuka Python atau melalui C / C ++ langsung di saat-saat ketika abstraksi 'lapisan' terbukti tidak cukup.

Kami menggunakan campuran - dari Spatial Analyst, SAGA, Ermapper, sedikit GRASS, tetapi pada akhirnya kami cenderung pergi ke Geosoft - meskipun itu karena kami melakukan banyak pemrosesan perangkat tambahan geofisika. Spatial Analyst / ArcGIS baik karena Anda dapat dengan mudah memperluas fungsionalitas melalui toolbox / geoprocessing tetapi kami telah menemukan rutinitas pemrosesan Spatial Analyst yang sebenarnya sering bukan yang terbaik. Akhir-akhir ini kami telah membangun kotak alat untuk mengakses modul SAGA dari dalam ArcGIS sehingga kami dapat terus menggunakan fungsionalitas tanpa harus mengimpor / mengekspor - kotak alat memperhatikan semua yang diperlukan. Kami mungkin akan melihat melakukan hal serupa untuk mengakses fungsi GRASS juga

Anda sekarang dapat bekerja dan melakukan aljabar peta dengan raster ukuran hampir tak terbatas dalam database spasial dengan PostGIS. Saya pribadi bekerja dengan SRTM dan data iklim pada skala Kanada. Saya dapat melakukan persimpangan antara raster dan layer vektor dengan cara yang sangat cepat dan transparan. Saya juga bisa menggunakan seluruh rangkaian fungsi aljabar peta.

Manifold dengan Surface Tools sangat baik dalam hal mengimpor format dan menangani raster besar, analisis dapat dilakukan langsung antara pencocokan raster atau dengan proyeksi ulang implisit. Ada dukungan GPU untuk sejumlah fungsi raster, dan ada dukungan kuat untuk otomatisasi dengan berbagai bahasa scripting dan SQL. Harganya bagus di beberapa ratus AS.

Dokumen umum untuk Alat Permukaan:

http://www.georeference.org/doc/surface_tools.htm

Inilah daftar fungsi saat ini yang tersedia untuk dialog Surface Transform, yang menerima ekspresi khusus untuk melakukan perhitungan antara beberapa raster:

http://www.georeference.org/doc/transform_dialog_functions_and_operators.htm

Satu perangkap adalah bahwa ekspor "permukaan" (raster) tidak dapat dilakukan ke GeoTIFF (gambar bisa). Saya biasanya mengekspor ke SDTS dan mengonversinya ke GeoTIFF dengan GDAL. Pemetaan sistem koordinat dari dukungan Manifold (sendiri) dan sistem lain seperti keluarga GDAL tidak sempurna, tetapi masalah jarang terjadi.

Saya pernah mendengar tentang beberapa orang yang diam menggunakan SAGA. Tapi saya pribadi punya sedikit pengalaman dengannya.

http://www.saga-gis.org/en/index.html

Untuk artikel ini "Memperkirakan Suhu Permukaan Darat harian di lingkungan pegunungan dengan merekonstruksi data MODIS LST (teks lengkap PDF ) Saya telah memproses 11.000 gambar MODST LST dengan mudah dalam GRASS GIS, secara paralel pada kluster kami. Sangat menyenangkan karena hanya berfungsi.

kami menggunakan SAGA untuk memantau data dari laju dosis dan pengukuran spektrometri gamma (udara atau tanah, latar belakang alami, pembuangan tambang tua, dll.). Saya memiliki banyak modul yang berguna bagi kami dan kami sangat menikmatinya.

PS: karena keluaran peta SAGA memiliki keterbatasan, untuk peta yang lebih maju kami menggabungkannya dengan Quantum GIS.

Bicaralah untuk diri saya sendiri, saya bias dalam hal ini. Tapi saya kebanyakan menggunakan IDRISI untuk GIS raster. Sebagian besar karena IDRISI menawarkan alat paling komprehensif untuk analisis raster jika Anda membandingkannya dengan perangkat lunak GIS lainnya. Dari berbagai model statistik klasifikasi dan prediksi hingga analisis DAS dan biaya jarak, memiliki hampir semua yang kita butuhkan untuk analisis raster harian. Ini juga memiliki ekstensi untuk ArcGIS. Ini telah meningkatkan kemampuannya untuk menangani data besar. Namun, tidak ada perangkat lunak GIS yang benar-benar dapat menghitung jarak biaya 1000000 kali 1000000 dalam satu menit.