Чи є відкриті джерела чи недорогі інструменти для виявлення та заповнення раковин на DEM? Простірний аналітик ArcGIS просто вийшов із мого цінового діапазону.
Чи є інструменти з відкритим кодом для виявлення та заповнення раковин на DEM? [зачинено]
Відповіді:
GRASS має r.fill.dir і ще краще, r.terraflow , який є одним з небагатьох інструментів гідрології для роботи над масовими растрами. Також є TauDem , який включає PitRemoveв себе заповнення.
Я також написав програмне забезпечення RichDEM, яке має різноманітні швидкі (іноді тисячі разів швидші) алгоритми заповнення депресії та інші гідрологічні програми. Дивіться: richdem.readthedocs.io/en/latest/depression_filling.html
—
Річард
TauDem є крос-платформою і прекрасно працює на Linux та OS X.
—
mankoff
@mankoff дякую за оновлення, це чудово. Раніші версії були лише для Windows (я знаю, 3.1 був, але, можливо, і пізніших версій). На жаль, сторінка для завантаження не містить посилань на неї, але я бачу вміст, що містить її, разом із пакетом домашнього перекладу.
—
scw
SAGA має кілька методів заливки
http://www.saga-gis.org/saga_modules_doc/ta_preprocessor/index.html
Мийки з плоским виявленням каналізаційного каналу Виявлення
раковини
Заповнення раковин (Planchon / Darboux, 2001)
Заповнення раковин (Wang & Lu)
Заповнення раковин XXL (Wang & Liu)
Зауважимо, що метод Planchon & Darboux (2001) дає ті ж результати, що і Wang & Liu (2006), просто набагато, набагато повільніше. Ніхто не повинен використовувати P&D, якщо є альтернатива. Барнс (2014), Чжоу (2016) та Вей (2018) покращують швидкість Ван та Лю (2006), колективно досягаючи 6-кратної та більше швидкості.
—
Річард
Це насправді область активних досліджень для мене.
Ви можете використовувати алгоритм Priority-Flood, як описано в цій статті журналу, яка також доступна в arXiv. Це дозволяє заповнити поглиблення в час O (n log n) для даних з плаваючою комою та O (n) час для цілих даних. Вихідний код доступний тут .
Вищенаведений алгоритм є послідовним і працює добре до ста мільйонів клітин або близько того. Однак іноді ваші набори даних є більшими.
Ця стаття , також доступна на arXiv , описує алгоритм з відмінним масштабуванням, що підходить для наборів даних до трильйона і більше комірок. Джерело доступне тут .
Все вищесказане тепер включено в обгортку Python RichDEM . Документація з прикладами та гарними картинками доступна тут .
(Відмова: я написав статті та код, згаданий вище.)
Так, є. Я ще не тестував, але я провів очі через вихідний код. Здається, хороша програма.
Landserf (безкоштовно для використання) - Клацніть для переходу на головну сторінку
Я ним користувався і люблю.
Я також думаю, що алгоритми набагато точніші в Ландсерфі, ніж у Arc, використовуються дуже дуже тверді математики, і Джо Вуд перераховує математику, що використовується для його аналізу.