Wcześniej musiałem mapować rowy z 1 m DEM pochodzących z krajobrazu rolniczego DEM. Opracowanie odpowiedniego przepływu pracy z pewnością jest trudnym zadaniem. Twoja zdolność do skutecznego wyodrębnienia sieci rowów będzie zależeć od wielu czynników. Na przykład, czy interesują Cię tylko rowy przydrożne? Jeśli tak, to czy drogi znajdują się na nasypach (jak to zwykle bywa w warunkach rolniczych) i czy masz dokładny plik wektorowy drogi (może to mieć kluczowe znaczenie dla tego zadania)? A może interesują Cię również rowy melioracyjne? Czy masz surową chmurę punktów LiDAR, czy tylko interpolowaną DEM? Jeśli masz później, bardzo ważne jest, aby nie stosować żadnego filtru wygładzającego, co niestety jest zwykle wykonywane z LiDAR DEM z powodu ich nadmiernej chropowatości powierzchni przed analizą. Niestety, nisko położony przydrożny rów można łatwo usunąć za pomocą filtra średniego 3 x 3 w 1 m DEM. Jeśli masz chmurę punktów LiDAR, zaleciłbym interpolację siatki DEM za pomocą schematu interpolacji Nearest Neighbor (przy założeniu wysokiej gęstości punktów), ponieważ chociaż zwiększy to chropowatość powierzchni w porównaniu z czymś takim jak IDW, lepiej zachowa rowy .
Teraz, zakładając, że masz wektor drogi i że jesteś zainteresowany tylko rowami przydrożnymi, oto przepływ pracy, którego możesz użyć:
Wykonaj filtr różnicy wysokości od średniej. W otwartych źródłach GIS Whitebox Geospatial Analysis Tools , których użyłem do tego zadania, istnieje dosłownie narzędzie o nazwie „Różnica od średniej wysokości” (DFME), które jest idealne do tego przepływu pracy. Jeśli jednak z jakiegoś powodu nie możesz korzystać z Whitebox, wykonaj tradycyjny filtr średni (filtr skrzynkowy) i odejmij wynik od oryginalnego DEM (można również zastosować filtr „górnoprzepustowy”). Być może będziesz musiał poeksperymentować z wielkością filtra, która będzie zależeć od szerokości twoich cech rowu, ale powinna być nieco szersza niż rowy. Dla moich danych ustawiam parametr „Search Neighborhood Size” narzędzia DFME na 5 komórek, co tworzy filtr 11 x 11.
Musisz wyzerować raster DFME, aby wyodrębnić wszystkie komórki siatki o „niskiej” wartości DFME. Znowu będzie to zależeć od twoich danych, a zwłaszcza od głębokości rowów w twoim DEM. Po prostu użyłem do tego kalkulatora rastrowego Whitebox, z wyrażeniem [niskie komórki] = [DFME] <(- 0,15). Jednostki tego parametru „0,15” w progu są takie same jak jednostki Z twojego DEM. To skutecznie mówi, daj mi wszystkie komórki siatki, które leżą co najmniej 15 cm (mój DEM jest w metrach) poniżej ich otoczenia.
Buforuj wektor drogi, tak aby tworzył maskę drogi, która jest wystarczająco szeroka, aby obejmowała drogę i rowy przydrożne. Będzie to zależeć od szerokości twojej drogi. Jeśli masz rozległy teren, może istnieć wiele szerokości dróg, np. Główne drogi są zwykle szersze niż drogi drugorzędne. W moim przypadku bufor drogowy o długości 10 m działał dobrze.
Konwertuj ten wielokąt bufora drogowego na raster, używając DFME lub DEM jako obrazu podstawowego, z którego raster wyjściowy wyprowadzi swoją rozdzielczość i zasięg. Możesz wcześniej przyciąć bufor drogowy do śladu warstwy siatki rastrowej, aby przyspieszyć ten proces, jeśli masz bardziej rozległą wektorową sieć dróg niż strona DEM, co miało miejsce w moim przypadku. W zależności od tego, jak działa konwersja wektora do rastra, być może zmieniono wartość w buforze drogowym raster na 1 dla dróg i 0 dla wszystkiego innego. Ponownie kalkulator rastrowy może być do tego przydatny.
Pomnóż swój końcowy raster buforu drogowego przez swój progowy obraz DFME.
Jeśli jesteś naprawdę elegancki, możesz zastosować algorytm przerzedzania linii do rastra wynikający z kroku 5, aby stworzyć ładną sieć cienkich linii rowów przydrożnych.
Na poniższym zdjęciu sieć rowów przydrożnych jest pokazana na czarno, nałożona na obraz DFME, a odcień DEM jest przezroczysty. Myślę, że w tym przypadku działało to całkiem dobrze, ale znowu wymaga nieco finezji i zabawy z różnymi parametrami.
Jeśli okaże się, że nie interesują Cię tylko rowy przydrożne, to w Whitebox znajduje się narzędzie o nazwie Map Gully Depth, które może być wykorzystane do tego zadania w zależności od twoich danych i krajobrazu. Jest trudny w użyciu, więc daj mi e-mail, jeśli zdecydujesz się wybrać tę trasę, a ja chętnie udzielę wskazówek. Głównym problemem jest to, że trudno jest zastosować wzorce przepływu powierzchniowego (np. Obrazy akumulacji przepływu) do mapowania rowów, ponieważ w przeciwieństwie do strumieni, rowy w warunkach rolniczych są wykorzystywane zarówno do tymczasowego magazynowania wody, jak i do transportu wody. Na ogół nie mają gradientów, które można znaleźć w naturalnych strumieniach. Niemniej jednak opracowałem algorytm naruszenia depresji w Whitebox, który może być użyty do poprawy drenażu przez rowy, co może być również przydatne do mapowania rowów w polu.