Profil ketinggian 10 km di setiap sisi garis

Bagaimana saya bisa mendapatkan profil ketinggian untuk pita medan?

Ketinggian tertinggi dalam 10 km (di setiap sisi dari garis yang ditentukan) harus diperhitungkan.

Saya harap pertanyaan saya jelas. Terima kasih banyak sebelumnya.

Sebagai lanjutan dari komentar, inilah versi yang bekerja dengan segmen garis tegak lurus. Silakan gunakan dengan hati-hati karena saya belum mengujinya secara menyeluruh!

Metode ini jauh lebih kikuk daripada jawaban @ whuber - sebagian karena saya bukan programmer yang sangat baik, dan sebagian karena pemrosesan vektor sedikit faff. Saya harap ini setidaknya akan membantu Anda jika segmen garis tegak lurus adalah yang Anda butuhkan.

Anda harus memiliki Shapely , Fiona dan Numpy Python paket diinstal (bersama dengan dependensi mereka) untuk menjalankan ini.

#-------------------------------------------------------------------------------
# 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()

Gambar di bawah ini menunjukkan contoh output dari skrip. Anda memberi makan di shapefile yang mewakili garis tengah Anda, dan menentukan panjang garis tegak lurus dan jaraknya. Outputnya adalah shapefile baru yang berisi garis merah pada gambar ini, yang masing-masing memiliki atribut terkait yang menentukan jaraknya dari awal profil.

Seperti yang dikatakan @whuber dalam komentar, begitu Anda sampai pada tahap ini sisanya cukup mudah. Gambar di bawah ini menunjukkan contoh lain dengan output ditambahkan ke ArcMap.

Gunakan alat Feature to Raster untuk mengubah garis tegak lurus menjadi raster kategorikal. Atur raster VALUEuntuk menjadi Distbidang dalam shapefile keluaran. Juga ingat untuk mengatur alat Environmentsitu Extent, Cell sizedan Snap rastersama dengan DEM Anda yang mendasarinya. Anda harus berakhir dengan representasi raster dari baris Anda, sesuatu seperti ini:

Terakhir, konversikan raster ini ke kisi integer (menggunakan alat Int atau kalkulator raster), dan gunakan sebagai zona input untuk Statistik Zonal sebagai alat Tabel . Anda harus berakhir dengan tabel output seperti ini:

The VALUElapangan di tabel ini memberikan jarak dari awal garis profil asli. Kolom lain memberikan berbagai statistik (maksimum, rata-rata dll.) Untuk nilai-nilai dalam setiap transek. Anda dapat menggunakan tabel ini untuk memplot profil ringkasan Anda.

NB: Satu masalah yang jelas dengan metode ini adalah bahwa, jika jalur asli Anda sangat goyah, beberapa garis transek mungkin tumpang tindih. Alat statistik zona di ArcGIS tidak dapat menangani zona yang tumpang tindih, jadi ketika ini terjadi salah satu jalur transek Anda akan diutamakan daripada yang lain. Ini mungkin atau mungkin bukan masalah bagi apa yang Anda lakukan.

Semoga berhasil!

Ketinggian tertinggi dalam 10 km adalah nilai maksimum lingkungan dihitung dengan radius 10 km melingkar, jadi cukup ekstrak profil grid maksimum lingkungan ini di sepanjang lintasan.

Contoh

Berikut adalah DEM hillshaded dengan lintasan (garis hitam berjalan dari bawah ke atas):

Gambar ini sekitar 17 kali 10 kilometer. Saya memilih radius hanya 1 km daripada 10 km untuk menggambarkan metode ini. Buffer 1 km ditunjukkan dengan warna kuning.

Maksimum lingkungan DEM akan selalu terlihat sedikit aneh, karena akan cenderung melonjak nilainya di titik-titik di mana satu maksimum (puncak bukit, mungkin) jatuh tepat di atas 10 km dan maksimum lain di ketinggian yang berbeda hanya berjarak 10 km . Secara khusus, puncak bukit yang mendominasi lingkungan mereka akan berkontribusi lingkaran nilai sempurna yang berpusat pada titik ketinggian maksimum lokal:

Gelap lebih tinggi di peta ini.

Berikut adalah plot profil DEM asli (biru) dan maksimum lingkungan (Merah):

Itu dihitung dengan membagi lintasan menjadi titik-titik yang berjarak secara teratur pada jarak 0,1 km (mulai dari ujung selatan), mengekstraksi ketinggian pada titik-titik itu, dan membuat sebaran gabungan dari tripel yang dihasilkan (jarak dari awal, ketinggian, ketinggian maksimum). Jarak titik 0,1 km dipilih untuk secara substansial lebih kecil dari jari-jari penyangga tetapi cukup besar untuk membuat perhitungan berjalan cepat (itu instan).

Saya memiliki masalah yang sama dan mencoba solusi James S, tetapi tidak dapat membuat GDAL bekerja dengan Fiona.

Kemudian saya menemukan algoritma SAGA "Cross Profiles" di QGIS 2.4, dan mendapatkan hasil yang saya inginkan dan saya kira Anda juga sedang mencari (lihat di bawah).

Bagi siapa pun yang tertarik, berikut ini adalah versi modifikasi dari kode JamesS yang membuat garis tegak lurus menggunakan pustaka numpy dan osgeo saja. Berkat JamesS, jawabannya sangat membantu saya hari ini!

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()