Suite

Créer une mémoire tampon autour de cellules raster particulières à l'aide d'ArcGIS for Desktop ?


Je voudrais dessiner des tampons de 100 m autour de cellules raster particulières (surfaces artificielles) dans ma couche raster LandCover dans ArcMap10.2. L'outil Buffer ne fonctionne qu'avec un polygone et l'outil Développer plante toujours tout ArcMap, car il y a trop de données, je pense. C'est probablement parce que l'outil d'expansion veut créer des tampons autour de chaque cellule raster de 100x100m, si je comprends bien. Cependant, de nombreuses cellules, affichant des surfaces artificielles, sont côte à côte, je ne veux donc qu'un tampon autour de ces groupes de cellules et non autour de chaque cellule. Est-ce que quelqu'un sait comment je peux faire ça ?


Vous pouvez utiliser Développer pour mettre en mémoire tampon les "zones" raster qui représentent des valeurs spécifiques dans le raster.

Valeur des tampons 10 par 3 cellules Expand("landcover", 3, [10])


Vous pouvez utiliser l'outil de distance euclidienne, voir :

http://resources.arcgis.com/en/help/main/10.2/index.html#//009z0000001p000000


J'ai donc résolu mon problème en convertissant mes données raster en polygone, en dessinant un tampon autour avec l'outil Tampon, puis en les reconvertissant en raster.


OutRas = KernelDensity (InPts, Aucun, 30)

Des valeurs plus élevées du paramètre de rayon de recherche produisent un raster de densité plus lisse et plus généralisé. Des valeurs plus petites produisent un raster qui affiche plus de détails.

Seuls les points ou portions d'une ligne qui tombent dans le voisinage sont pris en compte dans le calcul de la densité. Si aucun point ou section de ligne ne se trouve dans le voisinage d'une cellule particulière, cette cellule se voit attribuer NoData.

Si les unités de facteur d'échelle de l'unité de surface sont petites par rapport aux entités (distance entre les points ou longueur des sections de ligne, selon le type d'entité), les valeurs en sortie peuvent être petites. Pour obtenir des valeurs plus grandes, sélectionnez le facteur d'échelle de l'unité de surface pour les unités plus grandes (par exemple, kilomètres carrés contre mètres carrés).

Pour ArcGIS 10.2.1 et versions ultérieures, le rayon de recherche par défaut (bande passante) est calculé en fonction de la configuration spatiale et du nombre de points d'entrée. Cette approche corrige les valeurs aberrantes spatiales (les points d'entrée qui sont très éloignés du reste) afin qu'elles ne rendent pas le rayon de recherche déraisonnablement grand.

Des valeurs très grandes ou très petites dans le champ Population peuvent donner des résultats qui peuvent sembler peu intuitifs. Si la moyenne du champ de population est bien supérieure à 1 (par exemple, comme pour les populations de villes), le rayon de recherche par défaut peut être très petit, ce qui entraîne de petits cercles autour des points d'entrée. Si la moyenne du champ de population est bien inférieure à 1, la bande passante calculée peut sembler déraisonnablement grande. Dans ces cas, vous voudrez peut-être entrer votre propre rayon de recherche.

Les calculs de densité dépendent de calculs précis de distance et de surface. Il est recommandé d'utiliser dans la plupart des cas la méthode GEODESIC. La méthode PLANAR peut être appropriée si l'analyse doit être effectuée sur une zone locale avec une projection qui maintient avec précision la distance et la zone correctes. Voir En savoir plus sur les systèmes de coordonnées géographiques et projetées pour déterminer les projections appropriées.

Voir Environnements d'analyse et Spatial Analyst pour plus de détails sur les environnements de géotraitement qui s'appliquent à cet outil.


Éléments d'information géographique

Certains principes universels constituent la base de la façon dont les systèmes SIG représentent, fonctionnent, gèrent et partagent l'information géographique. L'objectif de cette rubrique est de vous fournir une base solide pour comprendre ces concepts clés et la manière dont ArcGIS les utilise.

Comme une carte, un SIG est basé sur des couches. Et comme les couches d'une carte, les jeux de données SIG représentent des collections d'entités individuelles avec leurs emplacements et formes géographiques ainsi que des informations descriptives stockées sous forme d'attributs.

Il existe quatre types fondamentaux de représentations géographiques :

  • Entités (collections ou points, lignes et polygones)
  • Les attributs
  • Imagerie
  • Surfaces continues (telles que l'élévation)

Tout le comportement riche du SIG pour représenter et gérer l'information géographique est basé sur ces types fondamentaux.


Caractéristiques - Points, lignes et polygones

Les caractéristiques géographiques sont des représentations de choses situées sur ou près de la surface de la terre. Les caractéristiques géographiques peuvent se produire naturellement (comme les rivières et la végétation), peuvent être des constructions (comme des routes, des pipelines, des puits et des bâtiments) et peuvent être des subdivisions de terres (comme des comtés, des divisions politiques et des parcelles de terrain).

Bien qu'il existe un certain nombre de types supplémentaires, les entités géographiques sont le plus souvent représentées sous forme de points, de lignes et de polygones.

Les points définissent des emplacements discrets d'entités géographiques trop petits pour être représentés sous forme de lignes ou de zones, tels que des emplacements de puits, des poteaux téléphoniques et des jauges de cours d'eau. Les points peuvent également représenter des emplacements tels que des emplacements d'adresses, des coordonnées GPS ou des sommets montagneux.

Les lignes représentent la forme et l'emplacement d'objets géographiques trop étroits pour être représentés sous forme de zones (comme les axes de rues et les cours d'eau). Les lignes sont également utilisées pour représenter des entités qui ont une longueur mais pas de surface, telles que les courbes de niveau et les limites administratives. (Les contours sont intéressants, comme vous le lirez plus loin, car ils offrent l'une des nombreuses alternatives pour représenter des surfaces continues.)

Les polygones sont des zones fermées (figures à plusieurs côtés) qui représentent la forme et l'emplacement d'entités homogènes telles que les états, les comtés, les parcelles, les types de sols et les zones d'utilisation des terres. Dans l'exemple ci-dessous, les polygones représentent des parcelles.

  • Les routes sont affichées en fonction de leur classe de route (par exemple, des symboles linéaires représentant des autoroutes divisées, des rues principales, des rues résidentielles, des routes non pavées et des sentiers).
  • Les cours d'eau et les plans d'eau sont dessinés en bleu pour indiquer l'eau.
  • Les rues de la ville sont étiquetées avec leur nom et souvent des informations sur la plage d'adresses.
  • Les symboles de points et de lignes spéciaux indiquent des caractéristiques spécifiques telles que les voies ferrées, les aéroports, les écoles, les hôpitaux et les installations spéciales.

Dans un SIG, les attributs descriptifs sont gérés dans des tableaux, qui sont basés sur une série de concepts de bases de données relationnelles simples et essentielles. Une base de données relationnelle fournit un modèle de données simple et universel pour le stockage et l'utilisation des informations d'attribut. Les SGBD sont intrinsèquement ouverts car leur simplicité et leur flexibilité permettent la prise en charge d'un large éventail d'applications. Les concepts relationnels clés comprennent

  • Les données descriptives sont organisées en tableaux.
  • Les tableaux contiennent des lignes.
  • Toutes les lignes d'un tableau ont les mêmes colonnes.
  • Chaque colonne a un type tel qu'un entier, un nombre décimal, un caractère, une date, etc.
  • Une série de fonctions relationnelles et d'opérateurs (SQL) est disponible pour opérer sur les tables et leurs éléments de données.

L'illustration ci-dessous montre deux tables et comment leurs enregistrements peuvent être liés les uns aux autres à l'aide d'un champ commun. Dans l'exemple, la table de classes d'entités des parcelles est liée à la table des propriétaires via le champ commun d'ID de propriété.

L'imagerie aérienne est une structure de données matricielle obtenue à partir de divers capteurs embarqués dans des satellites et des avions. L'imagerie est gérée comme un type de données raster composé de cellules organisées dans une grille de lignes et de colonnes. En plus de la projection cartographique, le système de coordonnées d'un jeu de données raster comprend sa taille de cellule et une coordonnée de référence (généralement le coin supérieur gauche ou inférieur gauche de la grille).

Ces propriétés permettent à un jeu de données raster d'être décrit par une série de valeurs de cellule commençant dans la ligne supérieure gauche. Chaque emplacement de cellule peut être automatiquement localisé à l'aide de la coordonnée de référence, de la taille de la cellule et du nombre de lignes et de colonnes.

Les sources d'images typiques comprennent des caméras capables de capturer des photographies aériennes qui peuvent être géoréférencées et corrigées à des emplacements au sol (comme l'orthophotographie numérique).

L'imagerie est également utilisée pour collecter des données dans les parties visible et non visible du spectre électromagnétique. Un système est le scanner multispectral embarqué dans les satellites LANDSAT qui enregistre des images dans sept bandes (ou plages) le long du spectre électromagnétique. Les mesures pour chaque bande sont enregistrées dans une grille séparée. L'empilement de sept grilles constitue une image multibande.

Une surface décrit une occurrence qui a une valeur pour chaque point de la terre. Par exemple, l'altitude de la surface est une couche continue de valeurs pour l'altitude du sol au-dessus du niveau moyen de la mer pour toute l'étendue du jeu de données. D'autres exemples de types de surface incluent les précipitations, la concentration de pollution et les représentations souterraines des formations géologiques.

La représentation de surface est quelque peu difficile. Avec des jeux de données continus, il est impossible de représenter toutes les valeurs pour tous les emplacements. Diverses alternatives existent pour représenter des surfaces à l'aide d'entités ou de rasters. Voici quelques exemples d'alternatives pour la représentation de surface :

Lignes de contour —Les isolignes représentent des emplacements ayant une valeur égale, tels que les contours d'élévation.

Bandes de contour —Les zones où la valeur de surface se situe dans une plage spécifiée, telles que les bandes de précipitations annuelles moyennes comprises entre 25 CM et 50 CM par an.

Jeux de données raster —Matrice de cellules où chaque valeur de cellule représente une mesure de la variable continue. Par exemple, les modèles numériques d'élévation (MNE) sont fréquemment utilisés pour représenter l'élévation de la surface.

Couches TIN —A Triangulated Irregular Network (TIN) est une structure de données permettant de représenter les surfaces sous la forme d'un réseau connecté de triangles. Chaque nœud triangulaire a une coordonnée x,y et une valeur z ou de surface.

Les représentations raster et TIN peuvent être utilisées pour estimer la valeur de surface pour n'importe quel emplacement à l'aide de l'interpolation.


Relations spatiales et comportement

En plus des types de données simples décrits ci-dessus, les entités SIG participent souvent à des relations avec d'autres entités et valeurs attributaires conservées dans des tableaux séparés. Voici quelques exemples de relations spatiales et d'attributs.

    Certaines entités linéaires sont connectées. Par exemple, des segments de rue se connectent dans un réseau routier, des canalisations dans un réseau d'eau, des lignes de cours d'eau dans un réseau hydroélectrique, etc.

Tous les types d'entités d'informations géographiques, de rasters et d'attributs peuvent participer aux relations spatiales et attributaires. Dans un SIG, de telles relations sont modélisées à l'aide de types de données étendus tels que des topologies et des réseaux. De plus, certaines relations spatiales peuvent être découvertes et identifiées en appliquant une série d'opérateurs spatiaux aux objets géographiques. Par exemple, vous pouvez créer des zones tampons d'une distance donnée autour d'entités, puis effectuer une superposition de polygones avec un autre jeu de données pour identifier les relations entre les couches de données dans votre SIG.


Create_viewshed¶

arcgis.raster.analytics. create_viewshed ( input_elevation_surface , input_observer_features , optimise_for = Aucun , maximum_viewing_distance = Aucun , maximum_viewing_distance_field = Aucun , minimum_viewing_distance = Aucun , minimum_viewing_distance_field = Aucun , view_distance_is_3d = Aucun , observers_elevation = Aucun , observers_elevation_field = Aucun , observateurs_height = Aucun , observers_height_field = Aucun , target_height = Aucun , target_height_field = Aucun , above_ground_level_output_name = Aucun , nom_sortie = Aucun , contexte = aucun , * , gis = Aucun , futur = Faux , ** kwargs ) ¶

La fonction vous permet d'exécuter une analyse raster sur un déploiement de serveur distribué.

La description

Couche d'imagerie requise. Surface d'altitude en entrée pour le calcul du champ de vision.

Couche d'entités requise. Les caractéristiques des emplacements des observateurs en entrée.

Chaîne facultative. Choisissez la méthode d'optimisation à utiliser pour calculer le champ de vision.

Ce paramètre propose deux méthodes : VITESSE et PRÉCISION.

dict. facultatif. Il s'agit d'une distance de coupure où le calcul des zones visibles s'arrête. Au-delà de cette distance, on ne sait pas si les points d'analyse et les autres objets peuvent se voir.

Unités prises en charge : Mètres | Kilomètres | pieds | Chantiers | Milles

Chaîne facultative. Fournissez un champ qui spécifie la distance d'observation maximale pour chaque observateur. Vous pouvez utiliser n'importe quel champ numérique des entités ponctuelles d'observation en entrée.

La valeur contenue dans le champ doit être dans la même unité que l'unité XY de la surface d'altitude en entrée.

dict. facultatif. C'est une distance où commence le calcul des zones visibles.

Unités prises en charge : Mètres | Kilomètres | pieds | Chantiers | Milles

Chaîne facultative. Fournissez un champ qui spécifie la distance d'observation minimale pour chaque observateur.

Vous pouvez utiliser n'importe quel champ numérique des entités ponctuelles d'observation en entrée. La valeur contenue dans le champ doit être dans la même unité que l'unité XY de la surface d'altitude en entrée.

Bool facultatif. Spécifiez si les paramètres d'entrée minimum_viewing_distance et maximum_viewing_distance sont mesurés de manière tridimensionnelle ou bidimensionnelle.

Si True, les distances de visualisation sont mesurées en 3D.

Si False, les distances de visualisation sont mesurées en 2D. C'est la valeur par défaut.

dict. facultatif. Spécifiez l'altitude de vos emplacements d'observation.

Unités prises en charge : Mètres | Kilomètres | pieds | Chantiers | Milles

Chaîne facultative. Fournissez un champ qui spécifie l'altitude pour les observateurs.

Vous pouvez utiliser n'importe quel champ numérique des entités ponctuelles d'observation en entrée. La valeur contenue dans le champ doit être dans la même unité que l'unité Z de la surface d'altitude en entrée.

dict. facultatif. La hauteur au-dessus du sol des emplacements de vos observateurs.

Unités prises en charge : Mètres | Kilomètres | pieds | Chantiers | Milles

Chaîne facultative. Fournissez un champ qui spécifie la hauteur des observateurs. Vous pouvez utiliser n'importe quel champ numérique des entités ponctuelles d'observation en entrée.

La valeur contenue dans le champ doit être dans la même unité que l'unité Z de la surface d'altitude en entrée.

dict. facultatif. Entrez la hauteur des structures, ou des personnes au sol, utilisée pour établir la visibilité.

Unités prises en charge : Mètres | Kilomètres | pieds | Chantiers | Milles

Chaîne facultative. Fournissez un champ qui spécifie la hauteur des cibles. Vous pouvez utiliser n'importe quel champ numérique des entités ponctuelles d'observation en entrée.

La valeur contenue dans le champ doit être dans la même unité que l'unité Z de la surface d'altitude en entrée.

Optionnel. S'il n'est pas fourni, un service d'imagerie est créé par la méthode et utilisé comme raster de sortie au-dessus du niveau du sol.

Vous pouvez transmettre un élément de service d'imagerie existant de votre SIG pour l'utiliser à la place.

Alternativement, vous pouvez transmettre le nom du service d'image de sortie au-dessus du niveau du sol qui doit être créé par cette méthode pour être utilisé comme sortie pour l'outil. Une RuntimeError est levée si un service de ce nom existe déjà

Optionnel. S'il n'est pas fourni, un service d'imagerie est créé par la méthode et utilisé comme raster en sortie.

Vous pouvez transmettre un élément de service d'imagerie existant de votre SIG pour l'utiliser à la place.

Vous pouvez également transmettre le nom du service d'imagerie de sortie qui doit être créé par cette méthode pour être utilisé comme sortie pour l'outil. Une RuntimeError est levée si un service de ce nom existe déjà

context contient des paramètres supplémentaires qui affectent l'exécution de la tâche.

le paramètre de contexte écrase les valeurs définies via le paramètre arcgis.env

Cette fonction a les paramètres suivants :

  • Etendue (étendue) : une zone de délimitation qui définit la zone d'analyse.

    Exemple:

    <“extent”: <“xmin”: -122.68, “ymin”: 45.53, “xmax”: -122.45, “ymax”: 45.6, “spatialReference”: <“wkid”: 4326>>>

  • Référence spatiale en sortie (outSR) : le raster en sortie sera projeté dans la référence spatiale en sortie.

    Exemple:

    <« outSR » : >

  • Raster d'accrochage (snapRaster) : le raster en sortie aura ses cellules alignées avec le raster d'accrochage spécifié.

    Exemple:

    <‘snapRaster’: <‘url’: ‘<image_service_url>’>>

  • Masque (masque) : Seules les cellules entrant dans le masque d'analyse seront prises en compte dans l'opération.

    Exemple:

    <“mask”: <“url”: “<image_service_url>”>>

  • Taille de cellule (cellSize) : le raster en sortie aura la résolution spécifiée par la taille de cellule.

    Exemple:

    <'cellSize' : <'x' : 11>> ou <'cellSize' : <'url' : <image_service_url>>> ou

  • Méthode de rééchantillonnage (resamplingMethod) : le raster en sortie sera rééchantillonné selon la méthode spécifiée. Les valeurs prises en charge sont les suivantes : bilinéaire, la plus proche, cubique.

    Exemple:

Objet SIG facultatif. Si non spécifié, la connexion actuellement active est utilisée.

Paramètre de mot clé uniquement. Booléen facultatif. Si True, le résultat sera un objet GPJob et les résultats seront renvoyés de manière asynchrone.

Paramètre de mot clé uniquement. Str ou dict en option. Crée un dossier dans le portail, s'il n'existe pas, avec le nom de dossier donné et conserve la sortie dans ce dossier. Le dictionnaire renvoyé par gis.content.create_folder() peut également être transmis en entrée.

Paramètre de mot clé uniquement. Booléen facultatif. Dans ArcGIS Online, le service d'imagerie en sortie par défaut pour cette fonction serait une couche d'imagerie en mosaïque.

Pour créer une couche d'imagerie dynamique en sortie sur ArcGIS Online, définissez le paramètre tile_only sur False. Cette option de création d'une couche d'imagerie dynamique est disponible uniquement pour les organisations qui font partie du programme Early Adopter (EAP) dans la version ArcGIS Image 9.1.

La fonction n'honorera pas le paramètre tile_only dans ArcGIS Enterprise et générera une couche d'imagerie dynamique par défaut.

tuple nommé avec les valeurs de nom étant :

  • output_raster

  • output_above_ground_level_raster (généré si la valeur est spécifiée pour above_ground_level_output_name)


Créer une mémoire tampon autour de cellules raster particulières à l'aide d'ArcGIS for Desktop ? - Systèmes d'information géographique

Ермины одуле (131)

C'est une collection de fichiers dans un dossier qui peut stocker, interroger et gérer des données spatiales et non spatiales. Il se compose de classes d'entités, d'un jeu de données d'entité, d'un jeu de données raster, de tables non spatiales et de boîtes à outils

Types de relations :
Un par un
Plusieurs-à-Un

Objectif:
Trouver l'entité la plus proche, ce qu'il y a à l'intérieur d'un polygone, outil de mesure

Inclure des éléments cartographiques :
Cadre de carte, légende, indicateur d'échelle, annotation, indicateur de direction, grilles et graticulaire

Erreur écologique : évitez de faire des inférences sur un membre d'un groupe sur la base des données agrégées du groupe (par exemple, ce n'est pas parce que vous avez un revenu moyen donné que vous savez comment il est distribué dans le quartier)

Exemple : Dans le laboratoire 4, les impacts ont été classés en trois sous-types (entier court) : Impact routier=1, Impact ferroviaire=2, les deux=3

En d'autres termes, il s'agit toujours de simples classes d'entités, mais cela décrit leur relation spatiale.

Les entités partagées entre les classes d'entités peuvent être gérées à l'aide de la topologie. Les nœuds, les arêtes et les faces et leurs relations les uns avec les autres et leurs caractéristiques peuvent être efficacement découverts et assemblés. Son incorporation fournit un mécanisme pour effectuer des contrôles d'intégrité sur les données associées pour aider à valider et maintenir de meilleures représentations des caractéristiques


Application au SIG (2)

- Le système de coordonnées géographiques n'est pas projeté. Il utilise lat/long.
- Le système de coordonnées projetées utilise les coordonnées x-y au lieu de lat/long.

Projection Lambert - contient la longitude du méridien central, la latitude d'origine, la latitude du parallèle sud, la latitude du parallèle nord, la fausse est/nord.

Transverse-mercator - adaptation de la projection mercator qui sont à la fois deux aspects différents d'une même construction mathématique. Utilisé pour l'avion d'état. Longitude du méridien central, latitude d'origine, fausse abscisse/nord. **

UTM - (mercator transversal universel) un système de coordonnées projetées qui divise le monde en 60 zones nord et sud, de 6 degrés de large. **

Mercator - projection cartographique cylindrique où longitude du méridien central, latitude de la vraie échelle, fausse abscisse/nord. **

Fichier mondial (.tfw) - six lignes de code qui vous indiquent les pas x et y et les coordonnées xy de la cellule en haut à gauche.
(fichier mondial TIFF) contient l'emplacement, l'échelle et la rotation d'une carte stockée sous forme d'image TIFF
- utilisé pour enregistrer l'emplacement mondial d'une photographie aérienne par satellite

choses à considérer lors de la projection des choses :
- distance entre les points
- préservation des formes et des angles

Il existe trois types de projections :
- oblique, équatorial, transversal, cylindrique (glisse la terre à travers un cylindre creux), conique (cône)


Aperçu du cours

En raison de ses diverses applications et de ses multiples types de données, l'apprentissage des SIG peut prendre plusieurs cours.

Première classe : Construire et partager des cartes

Vous apprendrez à construire des cartes à l'aide de données SIG telles que celles ci-dessus.

Vous découvrirez comment utiliser le SIG pour l'analyse exploratoire des données géographiques.

Vous apprendrez également à exporter vos cartes dans un certain nombre de formats tels que PDF ou Google Earth, afin qu'elles puissent être partagées avec d'autres qui ne disposent pas de ce logiciel SIG.

Les données ont été préparées (référencées géographiquement) à l'avance afin que vous puissiez vous concentrer sur les compétences générales requises pour les utiliser.

Les données géographiques sont souvent ne pas prêt à l'emploi, et dans les cours suivants, vous apprendrez à utiliser ces différents formats.

Seconde classe: Cartographie des données de nom de lieu

Vous apprendrez à cartographier des données à partir de tables qui utilisent des noms pour des emplacements géographiques.

Cela comprend les données du recensement et les données sur les adresses postales.

Dans ces tableaux simples, les informations sur chaque région géographique se trouvent sur une seule ligne, à savoir. son nom et ses données d'attribut.

Ce type de données peut être référencé géographiquement en l'associant à des données préparées existantes.

Troisième classe: Mappage des données de coordonnées

Vous découvrirez les références spatiales géographiques et la façon dont le globe est projeté sur des cartes plates sur des écrans d'ordinateur et du papier.

Au cours du processus, vous apprendrez à cartographier un autre format tabulaire courant pour les données géographiques qui utilise des coordonnées X-Y telles que la latitude et la longitude.

Les données collectées par un récepteur du système de positionnement global (GPS) sont dans ce format.

Ce type de données peut être référencé géographiquement en l'associant à des descriptions de sa référence spatiale (i.e. comment son système de coordonnées est orienté dans l'espace).

Quatrième cours : mappage de données raster

Vous découvrirez les caractéristiques de base des rasters, qui représentent une grille régulière de données couvrant la surface de la Terre. Les exemples incluent des photos aériennes ou satellite, des cartes numérisées et des modèles d'élévation numériques.

Leur régularité et leur couverture permettent d'utiliser des rasters dans les calculs pour déterminer des caractéristiques telles que les bassins versants et les régions de terre où l'eau coule en descendant et à travers un emplacement particulier (généralement l'embouchure d'un ruisseau ou d'une rivière).

Vous apprendrez également à géoréférencer des cartes papier numérisées, qui fournissent encore beaucoup d'informations sur notre monde lorsqu'elles sont introduites dans un SIG, elles peuvent être superposées à d'autres données à des fins de comparaison.

Cinquième cours : édition de données cartographiques et de géostatistiques

Les cartes numérisées incluent généralement des caractéristiques que vous souhaitez peut-être extraire, par ex. maisons, routes, limites de propriété, etc. Avec les outils d'édition vectorielle ArcGIS&rsquos, ces entités peuvent être tracées dans de nouveaux ensembles de données SIG.

Les outils d'édition vous permettent également de travailler avec des données vectorielles existantes pour les transformer de différentes manières, par ex. fusionner ou diviser des polygones, remodeler des lignes, etc.

La géostatistique est l'application des statistiques à la caractérisation et à la modélisation de données géographiquement distribuées. Elle repose sur le constat que les lieux ont généralement des caractéristiques similaires, ce qui implique qu'ils ne sont pas indépendants les uns des autres.


Emplacement et taille optimaux des installations de bioénergie utilisant le système d'information géographique

La biomasse est une ressource renouvelable géographiquement dépendante qui peut être utilisée pour la production de carburants et de produits chimiques. Cette étude développe une méthodologie pour déterminer les emplacements appropriés, les tailles optimales et le nombre d'installations à base de biomasse pour une région particulière grâce à l'optimisation des coûts de transport qui est appliquée pour localiser les usines de bouletage dans la province de l'Alberta. La méthodologie comprend également le calcul de la taille et du coût optimaux locaux de la production de granulés en tenant compte du réseau routier et de la biomasse spatialement variée. Différentes contraintes et facteurs environnementaux pour l'implantation d'installations basées sur la biomasse sont analysés pour dériver un modèle d'aptitude des terres. Selon le modèle d'emplacement-allocation, 13 usines pourraient être construites dans la province de l'Alberta avec des coûts de transport de l'ordre de 21 à 33 $ la tonne. Les coûts unitaires déterminés localement des usines de bouletage varient entre 108 et 121 $ avec des capacités optimales de l'usine de 150 000 à 250 000 tonnes par an.

Points forts

► Une méthodologie est développée intégrant le SIG avec des modèles technico-économiques pour l'installation de bioénergie. ► Cette intégration est utilisée pour déterminer la taille et l'emplacement optimaux des installations de bioénergie. ► Treize usines pourraient être construites en Alberta avec des coûts de transport de 21 à 33 $ la tonne. ► La capacité optimale de l'usine de bouletage est de l'ordre de 150 000 à 250 000 tonnes par an.


Section trois : Analyse de proximité

Semblables à l'analyse de superposition appliquée aux jeux de données vectorielles et raster, les outils d'analyse de proximité sont conçus pour examiner les relations de distribution spatiale entre les jeux de données , en répondant à des questions telles que : « À quelle distance se trouve cette entité par rapport à cette autre entité ? » « Combien de maisons appartiennent à ce district particulier de protection contre les incendies ? » « Quelle est la zone de livraison la plus rentable en fonction de nos frais de livraison ? » et "Combien de temps faut-il pour conduire de Denver à la station de ski d'Eldora ?". En combinaison avec les outils de superposition, les outils trouvés dans la boîte à outils d'analyse de proximité constituent la majorité des outils que les techniciens SIG utilisent par projet.

7.3.1 : Outils de proximité vectorielle

Comme nous l'avons fait pour les outils d'analyse de superposition, nous allons jeter un œil à quelques exemples d'outils d'analyse de proximité, non pas dans le but de mémoriser le fonctionnement de chaque outil, mais plutôt pour mieux comprendre la catégorie de ces outils. En comprenant les catégories d'outils, vous êtes mieux préparé à utiliser des outils qui ne sont pas spécifiquement présentés en classe.

Amortir

Buffer est l'un des outils les plus faciles à comprendre et l'un des plus couramment utilisés. C'est un moyen rapide et facile de déterminer à la fois si et combien/nombreux d'entités se trouvent à une certaine distance d'une autre entité. Par exemple, si vous essayez de déterminer combien de maisons se trouvent à moins de 10 miles d'une baie d'ambulance, vous pouvez utiliser une combinaison de tampon et sélectionner par emplacement pour répondre à la question.

L'outil Tampon fonctionne avec une couche d'entrée et une "distance tampon" définie, mesurant à partir de chaque entité la distance désignée, marquant un point, puis connectant tous les points ensemble, créant une nouvelle couche de sortie de polygone (qui, comme tous les outils du SIG , doit être renommé avant l'exécution de l'outil.).

Figure 7.4 : Le fonctionnement interne de l'outil Tampon
Fonctionnalité d'entrée. Dans ce cas, une entité linéaire.Mesurez à partir de chaque sommet la distance désignée.
« Connectez les points » pour produire la nouvelle couche de polygones de sortieL'outil Tampon est disponible pour les points, les polylignes et les polygones.

À proximité et Générer une table à proximité

Une question courante que nous posons dans les SIG est « Qu'est-ce qui est proche de quoi ? », et souvent plus précisément, « Combien d'unités linéaires représente une entité par rapport à une autre ? ». Alors que Buffer trouve toutes les entités qui se trouvent à une distance des entités en entrée, à moins que nous n'utilisions l'outil de mesure pour mesurer et enregistrer manuellement la distance, nous connaissons les distances exactes entre ces entités. L'outil Près comparera deux couches et créera une nouvelle couche en sortie, complétée par un nouveau champ dans la table attributaire exprimant la distance exacte entre les entités (désignée en utilisant le FID des entités en entrée et à proximité). L'outil Près a une limitation en ce sens qu'il ne peut trouver que l'entité la plus proche dans un autre jeu de données, ce qui signifie qu'il existe une relation un à un dans la couche en sortie. En revanche, Générer une table proche peut trouver la distance entre toutes les entités en entrée et en sortie. Étant donné que l'outil Générer une table proche trouve autant de distances, la sortie n'est pas une couche, mais plutôt une table, car le résultat sous forme de couche serait obstrué et déroutant. Le tableau permet à l'utilisateur d'examiner le FID de la couche d'entrée et les entités de la couche proche et de trouver les distances qu'ils recherchent. Une fois qu'ils ont les données sous forme de tableau, ils sont en mesure d'utiliser leurs compétences SQL dans cette table et de trouver le ou les FID des entités qu'ils recherchent, en ramenant ces FID à la couche d'entités. L'outil Générer une table proche peut être plus puissant que l'outil Proche, mais le résultat demande un peu plus de travail.

À mesure que nous apprenons comment fonctionnent davantage d'outils de géotraitement, nous pouvons commencer à développer un flux de travail, une série d'outils utilisés pour répondre à la question spatiale qui se pose. Pour trouver toutes les maisons dans un rayon de 10 milles d'une baie d'ambulance, la première étape du flux de travail consisterait à tamponner toutes les baies à 10 milles, créant ainsi la couche de polygone de sortie. Pour éliminer toutes les maisons en dehors de cette zone tampon de 10 milles, nous pourrions découper (section suivante en face de "Effacer", section précédente) la couche Maisons, puis utiliser l'outil Générer une table proche pour déterminer la distance exacte entre la baie d'ambulance et les maisons .

Utilisez Proche pour calculer les distances exactes entre les entités proches et en entrée.

Créer une couche d'itinéraire

Jusqu'à présent, dans notre exemple de workflow de baie d'ambulance/maison, nous avons tamponné les baies d'ambulance à 10 miles, produit la couche de polygone tampon, découpé la couche de maisons pour inclure uniquement les maisons à l'intérieur de la zone tampon de 10 miles et déterminé la distance exacte entre chaque restant à la maison et la baie d'ambulance.

Disons que vous avez trouvé une maison de retraite dans la zone tampon qui reçoit plusieurs appels par semaine vers une baie d'ambulance particulière à différents moments de la journée. La table attributaire indique également les temps de réponse, et vous remarquez que lorsque l'ambulance répond à 9h00 et à 17h00, le temps de réponse est de 14 minutes, contre 14h00 lorsque le temps de réponse n'est que de 9 minutes. Sachant que les minutes sauvent des vies, vous avez décidé de déterminer s'il existe un itinéraire plus rapide que l'ambulance peut emprunter à certains moments de la journée. (Bon sang, parce que vous êtes un génie des SIG, vous décidez d'analyser les temps de trajet pour toutes les minutes de la journée et de fournir une analyse du meilleur itinéraire à votre superviseur. Est-ce que j'entends « promotion » ?)

En conjonction avec d'autres, Make Route Layer utilisera une variété d'entrées telles que les flux de trafic, le temps de trajet par segment (section de route indépendante des autres sections, telle qu'un changement de limite de vitesse ou un changement de nombre de voies dans la même direction ) et l'heure de la journée pour calculer le meilleur itinéraire3 . Après votre analyse, vous découvrez que l'ambulance peut facilement gagner des minutes de temps de trajet pendant les pics de trafic si elle coupe juste un pâté de maisons plus tôt. Bon travail! Merci, SIG.

Lorsque vous branchez une adresse dans l'unité de navigation GPS de votre choix et que les instructions pas à pas renvoient une option pour "le plus rapide" ou "le plus court", ce sont deux types différents de Make Feature Route que le logiciel calcule pour vous. Parfois, l'itinéraire est le même quel que soit le temps ou la distance, et parfois ils ne le sont pas.

Autres outils de proximité vectorielle

OutilCe qu'il faitIllustration
AmortirCrée de nouvelles données d'entités avec des limites d'entités à une distance spécifiée des entités en entrée
À proximitéAjoute des champs attributaires à une classe d'entités ponctuelles contenant la distance, l'identifiant d'entité, l'angle et les coordonnées de l'entité ponctuelle ou linéaire la plus proche
Générer une table procheCalcule les distances et autres informations de proximité entre les entités d'une ou plusieurs classes d'entités ou couches. Contrairement à l'outil Near, qui modifie l'entrée, Generate Near Table écrit les résultats dans une nouvelle table autonome et prend en charge la recherche de plusieurs entités proches.
Sélectionner par emplacementSélectionne les entités d'une classe d'entités cible à une distance donnée (ou à l'aide d'autres relations spatiales) des entités en entrée
Créer des polygones de ThiessenCet outil est utilisé pour diviser la zone couverte par les entités ponctuelles en entrée en zones Thiessen ou proximales. Ces zones représentent des zones complètes où tout emplacement dans la zone est plus proche de son point d'entrée associé que de tout autre point d'entrée.
Créer la couche d'installation la plus procheCrée une couche d'analyse de réseau d'installations la plus proche et définit ses propriétés d'analyse. Une couche d'analyse de l'installation la plus proche est utile pour déterminer l'installation ou les installations les plus proches d'un incident en fonction d'un coût de réseau spécifié.
Créer une couche d'itinéraireCrée une couche d'analyse de réseau d'itinéraires et définit ses propriétés d'analyse. Une couche d'analyse d'itinéraire est utile pour déterminer le meilleur itinéraire entre un ensemble d'emplacements de réseau en fonction d'un coût de réseau spécifié.

7.3.2 : Outils de proximité raster

Bien que la plupart des outils de proximité raster dépassent le cadre d'une classe GIS 101, nous les aborderons de manière générale. Le premier concept à comprendre lorsque nous examinons les outils de proximité raster, comme mentionné ci-dessus, les rasters sont une série de cellules de grille de taille identique et régulièrement espacées, ce qui permet d'exécuter des outils de proximité supplémentaires en fonction du fait qu'ils ont cette structure prédéterminée. Si chaque cellule est identique, la distance entre chaque cellule de centre à centre sera également identique (et la même que la longueur d'un côté du pixel).

Pour illustrer cette idée, regardons un raster avec une définition de résolution spatiale de 30 mètres. Si chaque cellule mesure 30 mètres de côté, la distance entre le centre d'une cellule et le centre de la cellule adjacente sera également de 30 mètres. Si nous essayons d'appliquer cette relation supposée aux entités vectorielles adjacentes, cela ne peut pas être fait, car les entités vectorielles n'ont pas à exister dans une relation géométrique définie. Même si votre couche vectorielle ressemble à une couche raster, l'hypothèse ne peut toujours pas être faite.

Figure 7.7 : Examen de la structure raster
La structure de base d'un fichier spatial raster permet de faire des hypothèses qui ne seraient pas possibles autrement avec des fichiers spatiaux vectoriels.

Distances euclidiennes

Les Éléments, en tant que série de 13 livres de géométrie écrits par Euclide d'Alexandrie en 300 avant notre ère, utilise une série d'axiomes, ou une déclaration ou une proposition qui est considérée comme établie, acceptée ou manifestement vraie, comme base de tous les théorèmes établis , ou une proposition générale non évidente mais prouvée par une chaîne de raisonnement . These theorems create the base for all the ideas presented in the series, including Euclidean distance.

Euclidean distance is best understood by defining it as “the shortest distance between two points in a straight line”. We established in Chapter Two that our understanding of place and location in the world is based upon geographic coordinates and the Cartesian Coordinate System, and if we add Euclidean distance and use the distance formula, we see the familiar Pythagorean Theorem. The short version of the story is Pythagoras defined the theory and Euclid proved it and then applied it to distance on a two dimensional plane and the three dimensional world.

Figure 7.8: Euclidean Distance and The Pythagorean Theorem
Euclidean Distance is most easily defined as the distance between two points is a straight line. The Pythagorean Theorem states that in regards to a triangle, Short Side A squared (the value times itself) plus Short Side B squared equals Long Side C squared (the hypotenuses or the angled side).

Euclidean Distances and GIS

Once we have established that the assumed structure of any raster image in the GIS is defined by cells being a square measurement and thus the geometric center of each cell to it’s right angle neighbor is equal to that same measurement (that is to say, raster pixels are equal in height, width, and center-to-center), and we understand that Euclidean distance is just the measured distance between two points in a geometric coordinate system (or in GIS, a geographic coordinate system) we can begin to apply the two ideas to raster proximity analysis tools.

Euclidean Distance, Euclidean Allocation, and Euclidean Direction Tools

Since we know that raster layers can show features such as building, roads, rivers, etc, we can measure from a given feature all the other cells in the image. The Euclidean Distance tool set is used for just this purpose. After defining the feature from which to measure, the tool uses the known cell measurement and returns a new raster layer with a measurement value associated with each cell.

Use the Euclidean Distance tool to find the distance from a feature (or features) to other places in the image.

Use the Euclidean Allocation tool to assign all the cells in a raster to features based on closest proximity.

In other words, the distance of all the cells in a raster is measured from all the designated features in the same raster. Cells are then assigned to a feature based on the shortest distances, or closest proximity.

If a distance is defined in the Euclidean Allocation tool (vs. allowing the tool to just do its thing), it is analogous to the vector buffer tool.

Use the Euclidean Direction tool to find the direction of each cell from a feature (or features) in a raster

Cost Distance

Cost Distance is used to find the cost of travel over a distance, whether that cost is time, fuel, or money. For example, if you are put in charge of finding the delivery area for the mom ‘n pop pizza shop where you work, you can use the cost distance tool to solve your spatial problem. If the delivery fee is $2.50 and you need to pay your driver’s gas and still make a small profit, the cost distance tool will create a series of area where the fee is most profitable, marginally profitable, break even, and not profitable. Overlaying this output onto a streets layer will visually define the area for you and your order takers.

Other Raster Proximity Analysis Tools

Calculates the distance to the nearest source for each cell.

Gives each cell the identifier of the closest source.

Calculates the direction to the nearest source for each cell.

Calculates the distance to the nearest source for each cell, minimizing cost specified in a cost surface.

Gives each cell the identifier of the closest source, minimizing cost specified in a cost surface.

Calculates the least-cost path from a source to a destination, minimizing cost specified in a cost surface.

Identifies for each cell the neighboring cell that is on the least-cost path from a source to a destination, minimizing cost specified in a cost surface.

Calculates the distance to the nearest source for each cell, minimizing horizontal cost specified in a cost surface, as well as the terrain-based costs of surface distance and vertical travel difficulty specified by a terrain raster and vertical cost parameters.

Gives each cell the identifier of the closest source, minimizing horizontal cost specified in a cost surface, as well as the terrain-based costs of surface distance and vertical travel difficulty specified by a terrain raster and vertical cost parameters.

Identifies for each cell the neighboring cell that is on the least-cost path from a source to a destination, minimizing horizontal cost specified in a cost surface, as well as the terrain-based costs of surface distance and vertical travel difficulty specified by a terrain raster and vertical cost parameters

Calculates the sum of accumulative cost for two input cost distance rasters. The cells below a given threshold value define an area, or corridor, between sources where the two costs are minimized.

Calculates the length of line features across a surface, accounting for terrain.


The ArcGIS Software

The ArcGIS software that Amherst College provides has made "desktop GIS" a reality.

Geographic Information Systems have been around for more than forty years, but have become increasingly accessible as computing power has increased.

Amherst College has one of the best GIS available, the Arc products from Environmental Systems Research Institute.

Their newest software, , has made GIS significantly easier than it was even a few years ago.

ArcGIS consists of three primary programs:

  • : create, view, and manipulate maps (shown).
  • : view and organize the various pieces of data that go into making a map.
  • : convert data from one format to another and perform many types of geographic analyses.

There are also a large number of extensions, for example for spatial or three-dimensional analysis.

Anyone with a Windows computer can install the free program (available from the Software (K:) drive), allowing them to view "published maps" produced by ArcGIS.

ArcGIS is available on all Windows computers in most campus computer labs, as well as on classroom projection computers.

In particular, there is a GIS computer classroom where faculty members can teach students about GIS or other subjects applying GIS, and give them a chance to work on projects with the latest hardware and software.

Faculty and staff can install ArcGIS on any College-provided Windows computer, from the Software (K:) drive.

Laptop (off-network) installation of ArcGIS requires a hardware key.

Free one-year licenses are also available for students taking GIS-related courses or programs visit this ESRI web site for more information.

Contact Academic Technology Services for more information or assistance.


2 réponses 2

Here's a quick hack that replaces NA values that are not NA through all provided rasters. Any cell that is NA in all provided rasters will remain NA . (I'm assuming, btw, that all rasters are the same size . )

I'll make some even-simpler data. I'm choosing to store them in a list, since that makes this solution significantly easier to read (I think), but also much easier to extend to as many rasters as you need.

I'll create two types of NA in this data: one that is in both (and should be ignored), and one that is in one only (and should be replaced with 0):

Rasters internally (as you likely know) are just numeric vectors, so I'll map which indices are NA for each one.

Knowing that, we can find the indices that are common to all. There might be something easier than this, but it works (and is readable):

Now we just remove all indices that are present in all:

Now we just re-iterate over the rasters and this list of indices-to-be-replaced:

This does not necessarily address your issue of sparse-matrices growing too big, but this is almost certainly better than the global replace-all- NA in your question.


Voir la vidéo: Zone tampon Arcmap (Octobre 2021).