Профиль высоты 10 км с каждой стороны линии

Как я могу получить профиль высоты для полосы местности?

Наибольшая высота в пределах 10 км (на каждой стороне определенной линии) должна быть принята во внимание.

Я надеюсь, что мой вопрос ясен. Заранее большое спасибо.

Исходя из комментариев, вот версия, которая работает с перпендикулярными отрезками. Пожалуйста, используйте с осторожностью, поскольку я не проверил это полностью!

Этот метод гораздо более неуклюжий, чем ответ @ whuber - отчасти потому, что я не очень хороший программист, а отчасти потому, что обработка векторов - это нечто вроде ошибки. Я надеюсь, что по крайней мере вы начнете, если вам нужны перпендикулярные отрезки.

Для этого вам нужно установить пакеты Shapely , Fiona и Numpy Python (вместе с их зависимостями).

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

На рисунке ниже показан пример вывода из скрипта. Вы вводите шейп-файл, представляющий вашу центральную линию, и указываете длину перпендикулярных линий и их расстояние. На выходе получается новый шейп-файл, содержащий красные линии на этом изображении, с каждым из которых связан атрибут, определяющий его расстояние от начала профиля.

Как сказал @whuber в комментариях, как только вы дойдете до этого этапа, все остальное будет довольно просто. На рисунке ниже показан другой пример с выходом, добавленным в ArcMap.

Используйте инструмент Feature to Raster для преобразования перпендикулярных линий в категориальный растр. Установите растр VALUEв качестве Distполя в выходном шейп-файле. Кроме того, помните , чтобы установить инструмент Environmentsтак , что Extent, Cell sizeи Snap rasterтакие же , как для базового DEM. Вы должны получить растровое представление ваших строк, что-то вроде этого:

Наконец, преобразуйте этот растр в целочисленную сетку (используя инструмент Int или растровый калькулятор) и используйте его в качестве входных зон для Zonal Statistics как инструмента Table . Вы должны получить выходную таблицу, подобную этой:

VALUEПоле в этой таблице дает расстояние от начала исходной линии профиля. Другие столбцы дают различную статистику (максимум, среднее и т. Д.) Для значений в каждом трансекте. Вы можете использовать эту таблицу для построения вашего итогового профиля.

NB. Одна очевидная проблема этого метода заключается в том, что если исходная линия очень волнистая, некоторые из линий разреза могут перекрываться. Инструменты зональной статистики в ArcGIS не могут работать с перекрывающимися зонами, поэтому, когда это происходит, одна из ваших линий разреза будет иметь приоритет над другой. Это может или не может быть проблемой для того, что вы делаете.

Удачи!

Наибольшее превышение в пределах 10 км является максимальным значением окрестности, вычисленным с круговым радиусом 10 км, поэтому просто извлеките профиль этой сетки максимума окрестности вдоль траектории.

пример

Вот высотная матрица с траекторией (черная линия, идущая снизу вверх):

Это изображение примерно 17 на 10 километров. Я выбрал радиус всего 1 км, а не 10 км, чтобы проиллюстрировать метод. Его 1-километровый буфер показан обведенным желтым цветом.

Максимум окрестности матрицы высот всегда будет выглядеть немного странно, потому что он будет стремиться подскочить в значениях в точках, где один максимум (возможно, вершина холма) падает чуть более 10 км, а другой максимум на другой высоте находится в пределах 10 км. , В частности, вершины холмов, которые доминируют в их окружении, будут создавать совершенные круги ценностей, центрированные в точке локального максимального подъема:

Темнее выше на этой карте.

Вот график профилей исходной матрицы высот (синий) и максимума окрестности (красный):

Он был рассчитан путем деления траектории на равномерно расположенные точки на расстоянии 0,1 км (начиная от южной оконечности), извлечения возвышений в этих точках и составления объединенной диаграммы рассеяния из получаемых троек (расстояние от начала, превышение, максимальное превышение). Расстояние между точками в 0,1 км было выбрано существенно меньшим, чем радиус буфера, но достаточно большим, чтобы вычисление прошло быстро (оно было мгновенным).

У меня была та же проблема, и я попробовал решение Джеймса С., но не смог заставить GDAL работать с Фионой.

Затем я обнаружил алгоритм SAGA "Cross Profiles" в QGIS 2.4 и получил именно тот результат, который мне нужен, и который, я полагаю, вы тоже ищете (см. Ниже).

Для всех, кто заинтересован, вот модифицированная версия кода JamesS, создающая перпендикулярные линии, используя только библиотеки numpy и osgeo. Благодаря JamesS, его ответ мне сегодня очень помог!

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()