Esistono strumenti open source o economici per rilevare e riempire i pozzi su un DEM? ArcGIS Spatial Analyst è appena fuori dalla mia fascia di prezzo.
Esistono strumenti open source per rilevare e riempire i sink su un DEM? [chiuso]
Risposte:
GRASS ha r.fill.dir e, meglio ancora, r.terraflow , che è uno dei pochi strumenti di idrologia per lavorare su raster enormi. C'è anche TauDem , che include PitRemoveper il riempimento.
Ho anche scritto un software, RichDEM, che ha una varietà di algoritmi veloci (a volte migliaia di volte più veloci) per il riempimento della depressione e altre applicazioni idrologiche. Vedi: richdem.readthedocs.io/en/latest/depression_filling.html
—
Richard
TauDem è multipiattaforma e funziona bene su Linux e OS X.
—
mankoff
@mankoff grazie per l'aggiornamento, è fantastico. Le versioni precedenti erano solo Windows (lo so 3.1, ma forse anche versioni successive). Sfortunatamente la pagina di download non include riferimenti ad essa, ma vedo un PPA che lo contiene, insieme a un pacchetto homebrew.
—
scw,
SAGA ha diversi metodi di riempimento
http://www.saga-gis.org/saga_modules_doc/ta_preprocessor/index.html
Lavelli di rilevamento piatti Rilevamento del
percorso di drenaggio
Rimozione dei lavandini
Riempi i lavandini (Planchon / Darboux, 2001)
Riempi i lavandini (Wang & Liu)
Riempi i lavandini XXL (Wang & Liu)
Si noti che il metodo Planchon & Darboux (2001) produce gli stessi risultati di Wang & Liu (2006), molto, molto più lentamente. Nessuno dovrebbe usare P&D se è disponibile un'alternativa. Barnes (2014), Zhou (2016) e Wei (2018) migliorano la velocità di Wang & Liu (2006), raggiungendo collettivamente un 6x o più di accelerazione.
—
Richard,
Questa è in realtà un'area di ricerca attiva per me.
È possibile utilizzare l'algoritmo Priority-Flood come descritto in questo articolo di giornale, disponibile anche su arXiv. Ciò consente di riempire le depressioni nel tempo O (n log n) per i dati in virgola mobile e nel tempo O (n) per i dati interi. Il codice sorgente è disponibile qui .
L'algoritmo precedente è seriale e funziona bene fino a un centinaio di milioni di celle. A volte, tuttavia, i set di dati sono più grandi.
Questo articolo , disponibile anche su arXiv , descrive un algoritmo con un ridimensionamento eccellente adatto a set di dati fino a un trilione o più di celle. La fonte è disponibile qui .
Tutto quanto sopra è ora incluso nel wrapper Python di RichDEM . La documentazione, con esempi e belle immagini, è disponibile qui .
(Dichiarazione di non responsabilità: ho scritto gli articoli e il codice sopra menzionati.)
Sì, c'è. Non ho ancora testato, ma ho guardato attraverso il codice sorgente. Sembra un buon programma.
Landserf (gratuito da usare) - Fai clic su Vai a Home page
L'ho usato e lo adoro.
Penso anche che gli algoritmi siano molto più precisi in Landserf che in Arc, con matematica molto solida usata e Jo Wood elenca la matematica usata per la sua analisi.