Czy są jakieś otwarte lub niedrogie narzędzia do wykrywania i wypełniania zlewów w DEM? ArcGIS Spatial Analyst jest po prostu poza moim zakresem cen.
Czy są jakieś narzędzia typu open source do wykrywania i wypełniania zlewów w DEM? [Zamknięte]
Odpowiedzi:
GRASS ma r.fill.dir, a jeszcze lepiej r.terraflow , który jest jednym z niewielu narzędzi hydrologicznych do pracy na ogromnych rastrach. Istnieje również TauDem , który obejmuje PitRemovedo napełniania.
Napisałem również oprogramowanie RichDEM, które ma wiele szybkich (czasem tysiące razy szybszych) algorytmów do wypełniania depresji i innych zastosowań hydrologicznych. Zobacz: richdem.readthedocs.io/en/latest/depression_filling.html
—
Richard
TauDem jest wieloplatformowy i działa dobrze w systemach Linux i OS X.
—
mankoff
@ dzięki dziękuję za aktualizację, to świetnie. Wcześniejsze wersje były tylko dla systemu Windows (wiem, że 3.1 było, ale być może także późniejsze wersje). Niestety strona pobierania nie zawiera odniesień do niej, ale widzę zawierającą ją PPA wraz z pakietem homebrew.
—
scw
SAGA ma kilka metod wypełniania
http://www.saga-gis.org/saga_modules_doc/ta_preprocessor/index.html
Wykrywanie płaskich
zlewów Odwadnianie Wykrywanie tras
Usuwanie
zlewów Wypełnianie zlewów (Planchon / Darboux, 2001)
Wypełnianie zlewów (Wang i Liu)
Wypełnianie zlewów XXL (Wang i Liu)
Zauważ, że metoda Planchon i Darboux (2001) daje takie same wyniki jak Wang i Liu (2006), tylko znacznie, znacznie wolniej. Nikt nie powinien korzystać z P&D, jeśli dostępna jest alternatywa. Barnes (2014), Zhou (2016) i Wei (2018) poprawiają szybkość Wang i Liu (2006), osiągając łącznie przyspieszenie 6 lub więcej.
—
Richard
Jest to dla mnie obszar aktywnych badań.
Możesz użyć algorytmu Priority-Flood zgodnie z opisem w tym artykule w czasopiśmie, który jest również dostępny w arXiv. Pozwala to wypełnić wgłębienia w czasie O (n log n) dla danych zmiennoprzecinkowych i O (n) dla danych całkowitych. Kod źródłowy jest dostępny tutaj .
Powyższy algorytm jest szeregowy i działa dobrze do około stu milionów komórek. Czasami jednak twoje zbiory danych są większe.
W tym artykule , również dostępnym na arXiv , opisano algorytm z doskonałym skalowaniem odpowiedni dla zestawów danych do biliona lub więcej komórek. Źródło jest dostępne tutaj .
Wszystkie powyższe elementy są teraz zawarte w opakowaniu Richarda Pythona . Dokumentacja z przykładami i ładnymi zdjęciami jest dostępna tutaj .
(Zastrzeżenie: Napisałem artykuły i kod wspomniany powyżej.)
Tak, jest. Nie testowałem jeszcze, ale przebiegłem wzrokiem przez kod źródłowy. To wydaje się być dobrym programem.
Landserf (darmowy) - Kliknij, aby przejść do strony głównej
Użyłem go i uwielbiam to.
Myślę też, że algorytmy są dużo dokładniejsze w Landserf niż w Arc, bardzo solidne matematyki i Jo Wood wymienia matematykę zastosowaną do jego analizy.