Jakie systemy GIS oparte na rastrach naprawdę działają?

Rastrowe GIS, takie jak GRASS , ArcGIS / Spatial Analyst i Idrisi, mogą wykonywać bogaty zestaw procedur przetwarzania danych i procedur analitycznych zwanych luźno „ algebrą map ”. W dzisiejszym środowisku komputerowym powszechne staje się utrzymywanie rastrów o wartości 100 000 000 komórek lub więcej w wielu różnych formatach i wymaganie stosunkowo skomplikowanych obliczeń, takich jak widoki, zacieki i identyfikacja terenu, a także możliwości przetwarzania obrazu.

Wydaje się, że istnieje wiele otwartych, bezpłatnych i niedrogich rozwiązań typu open source. Ale które z nich naprawdę wytrzymują w praktyce? To znaczy, które z nich mogą efektywnie obsługiwać duże sieci, mogą łatwo wprowadzać i wyprowadzać dane, są w miarę wolne od błędów i oferują pełny zestaw procedur analitycznych? Jakie są pułapki lub ukryte ograniczenia, których nie odkryłeś, dopóki nie zainwestowałeś dużo czasu w naukę tych systemów? (Na to ostatnie pytanie nie można łatwo odpowiedzieć przy wyszukiwaniu w sieci i mam nadzieję, że respondenci mogą udzielić cennych porad).

Szczególnie interesują mnie rozwiązania, które zarówno dobrze integrują się, jak i konkurują z popularnymi (ale drogimi) systemami komercyjnymi (co oznacza, że ​​ważna jest kompatybilność z Windows).

Nie mogę rozmawiać z SAGA ani niektórymi innymi systemami, ale intensywnie korzystałem z GRASS, w tym do globalnej analizy komórek ~ 720M, która wymagała solidnych implementacji algebry rastrowej i złożonych operacji terenowych. ( Nawiasem mówiąc , wraz z wycofaniem ArcInfo , GRASS jest prawdopodobnie najdłuższym stale rozwijanym GIS).

Dostęp do danych i narzędzi GRASS można łatwo uzyskać za pośrednictwem QGIS , który zapewnia przyjemny analog ArcView GUI. Sam QGIS zyskuje ładne możliwości analizy rastrowej, takie jak wtyczka GDALTools , ale są one całkiem nowe i nie mają dojrzałości i głębi samego GRASS.

Inną perspektywą jest pakiet rastrowy dla R : R ma dużą bazę użytkowników, źródło metod jest łatwo dostępne i obejmuje najnowocześniejsze techniki statystyczne. Brakuje jednak narzędzi do przetwarzania obrazu i może nie być wystarczający do zadań, którymi jesteś zainteresowany.

Wreszcie, GDAL stanowi solidną podstawę wielu, jeśli nie najbardziej nowoczesnych systemów GIS i ma bardzo szybkie implementacje wielu popularnych operacji algebry map. Może być używany przez interfejs Pythona lub przez bezpośrednie C / C ++ w czasach, gdy abstrakcja „warstwy” okazuje się niewystarczająca.

Używamy mieszanki - od Spatial Analyst, SAGA, Ermapper, trochę GRASS, ale w końcu wybieramy Geosoft - choć dzieje się tak dlatego, że wykonujemy wiele przetwarzania poprawek geofizycznych. Spatial Analyst / ArcGIS jest dobry, ponieważ możesz łatwo rozszerzyć funkcjonalność za pomocą zestawów narzędzi / geoprzetwarzania, ale okazało się, że rzeczywiste procedury przetwarzania Spatial Analyst często nie są najlepsze. Ostatnio stworzyliśmy zestawy narzędzi, aby uzyskać dostęp do modułów SAGA z poziomu ArcGIS, abyśmy mogli nadal korzystać z tej funkcji bez konieczności importowania / eksportowania - zestaw narzędzi zajmuje się tym wszystkim w razie potrzeby. Prawdopodobnie przyjrzymy się zrobieniu czegoś podobnego, aby uzyskać dostęp do funkcji GRASS

Teraz możesz pracować i wykonywać algebrę map za pomocą rastrów o niemal nieograniczonym rozmiarze w przestrzennej bazie danych z PostGIS. Osobiście pracuję z danymi SRTM i danymi klimatycznymi w skali Kanady. Potrafię przecinać warstwy rastrowe i wektorowe w bardzo szybki i przejrzysty sposób. Mogę również użyć całego zestawu funkcji algebry map.

Kolektor z narzędziami powierzchniowymi jest bardzo dobry pod względem importowania formatów i obsługi dużych rastrów, analiza może być przeprowadzona bezpośrednio między dopasowanymi rastrami lub z niejawną reprojektacją. Istnieje obsługa GPU dla wielu funkcji rastrowych oraz silne wsparcie dla automatyzacji z różnymi językami skryptowymi i SQL. Cena jest dobra w kilkuset USA.

Dokument ogólny dotyczący narzędzi powierzchniowych:

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

Oto aktualna lista funkcji dostępnych w oknie dialogowym Transformacja powierzchni, która akceptuje wyrażenia niestandardowe w celu wykonywania obliczeń między wieloma rastrami:

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

Jedną z pułapek jest to, że eksportu „powierzchni” (rastrów) nie można wykonać w GeoTIFF (obrazy mogą). Zwykle eksportuję do SDTS i przekonwertuję to do GeoTIFF za pomocą GDAL. Odwzorowanie układów współrzędnych z (własnego) wsparcia Manifolda i innych układów, takich jak rodzina GDAL, nie jest idealne, ale problemy występują dość rzadko.

Słyszałem o cichej kilka osób korzystających z SAGA. Ale ja osobiście mam z tym bardzo małe doświadczenie.

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

W tym artykule „Szacowanie dziennych temperatur powierzchni ziemi w środowisku górzystym na podstawie zrekonstruowanych danych MODIS LST (pełny tekst PDF ) Z łatwością przetworzyłem 11 000 obrazów MODIS LST w GRASS GIS, równolegle w naszym klastrze. Świetna zabawa, ponieważ to po prostu działa.

używamy SAGA do monitorowania danych z pomiarów dawki i pomiarów spektrometrii gamma (w powietrzu lub na ziemi, naturalne tło, stare hałdy itp.). Mam wiele przydatnych modułów i bardzo nam się to podoba.

PS: ponieważ wyjście mapy SAGA ma swoje ograniczenia, w przypadku bardziej zaawansowanych map łączymy je z Quantum GIS.

Mów za siebie, w tym przypadku jestem stronniczy. Ale używam głównie IDRISI do rastrowego GIS. W dużej mierze dlatego, że IDRISI oferuje najbardziej kompleksowe narzędzia do analizy rastrowej, jeśli porównasz ją z innym oprogramowaniem GIS. Od różnych modeli statystycznych klasyfikacji i prognoz do zlewni i analizy odległości kosztów - ma prawie wszystko, czego potrzebujemy do codziennej analizy rastrowej. Ma także rozszerzenie do ArcGIS. Poprawił swoją zdolność do obsługi dużych danych. Jednak żadne oprogramowanie GIS tak naprawdę nie jest w stanie obliczyć odległości od 1000000 do 1000000 w ciągu minuty.