ভূখণ্ডের ব্যান্ডের জন্য আমি কীভাবে একটি উন্নত প্রোফাইল পেতে পারি?
10 কিলোমিটারের মধ্যে সর্বাধিক উচ্চতা (সংজ্ঞায়িত লাইনের প্রতিটি পাশে) আমলে নেওয়া উচিত।
আমি আশা করি আমার প্রশ্নটি পরিষ্কার হয়ে গেছে। আগাম অনেক ধন্যবাদ।
ভূখণ্ডের ব্যান্ডের জন্য আমি কীভাবে একটি উন্নত প্রোফাইল পেতে পারি?
10 কিলোমিটারের মধ্যে সর্বাধিক উচ্চতা (সংজ্ঞায়িত লাইনের প্রতিটি পাশে) আমলে নেওয়া উচিত।
আমি আশা করি আমার প্রশ্নটি পরিষ্কার হয়ে গেছে। আগাম অনেক ধন্যবাদ।
উত্তর:
মন্তব্যগুলি অনুসরণ করে, এখানে একটি সংস্করণ রয়েছে যা লম্ব লাইন বিভাগগুলির সাথে কাজ করে। আমি এটির পুরোপুরি পরীক্ষা না করায় সতর্কতার সাথে ব্যবহার করুন!
এই পদ্ধতিটি @ হুইবারের উত্তরের চেয়ে অনেক বেশি ছোঁয়াচে - আংশিক কারণ আমি খুব ভাল প্রোগ্রামার নই, এবং আংশিক কারণ ভেক্টর প্রসেসিংটি কিছুটা ত্রুটিপূর্ণ। আমি আশা করি কমপক্ষে লাইন বিভাগগুলি আপনার প্রয়োজন অনুসারে এটি কমপক্ষে আপনার শুরু করবে started
আপনার কাছে করতে হবে সুষম , Fiona, এবং Numpy এই চালানোর জন্য (তাদের নির্ভরতা সহ) পাইথন প্যাকেজ ইনস্টল করা নেই।
#-------------------------------------------------------------------------------
# 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()
নীচের চিত্রটি স্ক্রিপ্ট থেকে আউটপুট একটি উদাহরণ দেখায়। আপনি আপনার কেন্দ্র-লাইনটি উপস্থাপন করে এমন একটি শেফফাইলে খাওয়াবেন এবং লম্ব লাইনগুলির দৈর্ঘ্য এবং তাদের ব্যবধান উল্লেখ করুন। আউটপুটটি এই চিত্রটিতে লাল রেখাগুলি সহ একটি নতুন শেফফিল, যার প্রত্যেকটির একটি সম্পর্কিত বৈশিষ্ট্য রয়েছে যা প্রোফাইলের শুরু থেকে তার দূরত্ব নির্দিষ্ট করে।
@ হুবার মন্তব্যগুলিতে যেমন বলেছেন, একবার আপনি এই পর্যায়ে পৌঁছেছেন তখন তা মোটামুটি সহজ। আর্কম্যাপে আউটপুট যুক্ত করে নীচের চিত্রটি আরও একটি উদাহরণ দেখায়।
লম্ব লাইনগুলিকে শ্রেণিবদ্ধ রাস্টারে রূপান্তর করতে বৈশিষ্ট্য থেকে রাস্টার সরঞ্জামটি ব্যবহার করুন । আউটপুট শেফফাইলে রাস্টারটিকে ক্ষেত্র VALUE
হিসাবে সেট করুন Dist
। এছাড়াও টুল সেট মনে রাখবেন Environments
, যাতে Extent
, Cell size
এবং Snap raster
আপনার অন্তর্নিহিত DEM এর জন্য একই। আপনার লাইনগুলির রাস্টার উপস্থাপনা দিয়ে শেষ করা উচিত, এরকম কিছু:
অবশেষে, এই রাস্টারটিকে একটি পূর্ণসংখ্যার গ্রিডে রূপান্তর করুন ( ইন্ট সরঞ্জাম বা রাস্টার ক্যালকুলেটর ব্যবহার করে) এবং এটিকে জোনাল পরিসংখ্যানের জন্য ইনপুট অঞ্চল হিসাবে সারণী সরঞ্জাম হিসাবে ব্যবহার করুন । আপনার এভাবে আউটপুট টেবিলটি শেষ করা উচিত:
VALUE
এই টেবিলের ক্ষেত্র মূল প্রফাইল লাইন শুরু থেকে দূরত্ব দেয়। অন্যান্য কলামগুলি প্রতিটি সংক্রামকের মানগুলির জন্য বিভিন্ন পরিসংখ্যান (সর্বোচ্চ, গড় ইত্যাদি) দেয়। আপনি আপনার सारांश প্রোফাইল প্লট করতে এই টেবিলটি ব্যবহার করতে পারেন।
এনবি: এই পদ্ধতির সাথে একটি স্পষ্ট সমস্যা হ'ল, যদি আপনার মূল লাইনটি খুব কপিলভাবে হয় তবে ট্রান্সেকট লাইনগুলির কয়েকটি ওভারল্যাপ হতে পারে। আর্কজিআইএসের জোনাল পরিসংখ্যান সরঞ্জামগুলি ওভারল্যাপিং অঞ্চলগুলি নিয়ে কাজ করতে পারে না, সুতরাং যখন এটি ঘটে তখন আপনার ট্রান্সেকট লাইনগুলির মধ্যে একটি অপরটির চেয়ে বেশি অগ্রাধিকার গ্রহণ করবে। আপনি যা করছেন তার জন্য এটি সমস্যা হতে পারে বা নাও হতে পারে।
শুভকামনা!
spc
, তবে স্থানান্তরগুলি ছোট করে। পরিবর্তে, আপনার ট্রান্সভার্স ডাইরেক্ট ভেক্টরকে স্বাভাবিক করতে হবে (এর উপাদানগুলিকে ভেক্টরের দৈর্ঘ্য অনুসারে ভাগ করুন) এবং তারপরে ট্রান্সেক্টের কাঙ্ক্ষিত ব্যাসার্ধের দ্বারা এটি গুণিত করুন।
10 কিলোমিটারের মধ্যে সর্বাধিক উচ্চতা হ'ল প্রতিবেশী সর্বাধিক মানটি একটি বৃত্তাকার 10 কিলোমিটার ব্যাসার্ধের সাথে গণনা করা হয়, সুতরাং ট্র্যাজেক্টোরির সাথে এই পাড়ার সর্বাধিক গ্রিডের একটি প্রোফাইল বের করুন।
এখানে একটি ট্রাজেক্টোরির সাথে একটি পাহাড়ধারী ডিইএম রয়েছে (নীচে থেকে উপরের দিকে কালো রেখা চলছে):
এই চিত্রটি প্রায় 17 বাই 10 কিলোমিটার। পদ্ধতিটি বর্ণনা করার জন্য আমি 10 কিলোমিটারের পরিবর্তে মাত্র 1 কিমি ব্যাসার্ধ বেছে নিয়েছি। এর 1 কিলোমিটার বাফারটি হলদে বর্ণিত দেখানো হয়েছে।
একটি ডিইএমের সর্বাধিক পাড়াটি সর্বদা কিছুটা অদ্ভুত দেখায়, কারণ এটি এমন একটি স্থানে মানের ঝাঁপিয়ে পড়বে যেখানে একটি সর্বাধিক (একটি পাহাড়ের শীর্ষ, সম্ভবত) মাত্র 10 কিলোমিটারের বাইরে এবং অন্য একটি সর্বোচ্চ উচ্চতায় 10 কিলোমিটারের মধ্যে আসে comes । বিশেষত, পাহাড়ের চূড়াগুলি যা তাদের চারপাশে আধিপত্য বিস্তার করে স্থানীয় সর্বাধিক উচ্চতার বিন্দুতে কেন্দ্র করে মানগুলির নিখুঁত বৃত্তগুলিকে অবদান রাখবে:
এই মানচিত্রে গাark় রঙ বেশি।
মূল ডিইএম (নীল) এবং পার্শ্ববর্তী সর্বাধিক (লাল) এর প্রোফাইলগুলির একটি প্লট এখানে রয়েছে:
এটি ট্রাজেক্টোরিটি নিয়মিত ব্যবধানে 0.1 কিলোমিটার দূরে (দক্ষিণে টিপ থেকে শুরু করে) পয়েন্টগুলিতে বিভক্ত করে, সেই বিন্দুগুলিতে উচ্চতা আহরণ করে এবং ফলস্বরূপ ত্রিভুজের (প্রথম থেকে উচ্চতা, সর্বাধিক উচ্চতা দূরত্ব) ভাগ করে নেওয়া হয় ter ০.০ কিমি পয়েন্টের ব্যবধানটি বাফার ব্যাসার্ধের তুলনায় যথেষ্ট ছোট হতে বেছে নেওয়া হয়েছিল তবে গণনাটি দ্রুত চালিত করার জন্য এটি যথেষ্ট বড় ছিল (এটি তাত্ক্ষণিক ছিল)।
আমার একই সমস্যা ছিল এবং জেমস এস এর সমাধান চেষ্টা করেছিলাম, তবে জিওএলএল ফিয়োনার সাথে কাজ করতে পারিনি।
তারপরে আমি কিজিআইএস ২.৪-এ সাগা অ্যালগরিদম "ক্রস প্রোফাইলগুলি" আবিষ্কার করেছিলাম এবং ঠিক আমার যে ফলাফলটি চেয়েছিল তা পেয়েছি এবং আমি মনে করি যে আপনিও খুব সন্ধান করছেন (নীচে দেখুন)।
আগ্রহী যে কারও জন্য, এখানে জেমস কোডের একটি সংশোধিত সংস্করণ রয়েছে কেবলমাত্র নম্পি এবং অসজিও লাইব্রেরি ব্যবহার করে লম্ব লাইন তৈরি করা। জেমসকে ধন্যবাদ, তার উত্তর আমাকে আজ অনেক সাহায্য করেছে!
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()