Mehr

Produzieren von GIS-Daten aus großen Mengen von ASCII-DEM-Dateien?

Produzieren von GIS-Daten aus großen Mengen von ASCII-DEM-Dateien?


Ich habe gerade eine große Menge ASCII-DEM-Dateien erhalten. Insgesamt 564 Dateien mit jeweils 40.000 Punktdaten (22.560.000 Punkte). Ich möchte dies in eine Punktwolke umwandeln, um zur Analyse und kartografischen Ausgabe in Raster zu interpolieren. Ich habe sowohl ArcGIS Advanced als auch FME 2014, mit denen ich arbeiten kann. Ich habe dies vor ein paar Jahren getan und hatte Probleme beim Importieren in Excel, da die Anzahl der Zeilen eingeschränkt war, die Excel lesen/schreiben kann. Macht jemand diese Art von Arbeit regelmäßig und könnte mich zu geeigneten Workflows beraten, um aus diesen Dateien Rasterdaten zu erzeugen, einschließlich der Vorarbeiten zur Erstellung von Punktwolkendaten, sowie des Interpolationsprozesses, um realistische und genaue Rasterdaten zu erstellen.

Das Datenformat ist ein Punkt pro Zeile… leider hat jede Datei den Dateinamen in Zeile 1 geschrieben und es werden andere Daten in die Spalten geschrieben wie ein Code für die Datenquelle sowie Steigung (gon) und Aspekt (gon) .


In FME würde es vom genauen Quellformat abhängen.

Wenn - wie jemand in den Kommentaren vorgeschlagen hat - das ASCII-Lidar einfach eine Reihe von x,y,z-Werten ist, dann verwenden Sie den Point Cloud XYZ Reader und einen Writer wie LAS (oder ein beliebiges Punktwolkenformat).

Ansonsten mit einem Raster-Reader (Esri ASCII Grid-Format?) und dann den PointCloudCombiner Transformator. Aus der Hilfe:

PointCloudCombiner wird häufig verwendet, um mehrere Punktwolken zu einem einzigen Punktwolken-Feature zu akkumulieren, kann aber auch andere Geometrien in Punktwolken konvertieren und diese zusammenführen.

Raster werden wie folgt in Punktwolken umgewandelt:

  • Die x- und y-Komponenten werden aus den Spalten und Zeilen erstellt.
  • Das erste ausgewählte numerische Band wird zur z-Komponente.
  • Die ersten ausgewählten Bänder mit Rot/Grün/Blau/Grau-Interpretationen werden zu den Komponenten color_red/color_green/color_blue.
  • Zusätzliche ausgewählte Bänder bleiben ebenfalls erhalten. Wenn das Band einen Namen hat, ist der Komponentenname der Bandname. Wenn das Band keinen Namen hat, lautet der Komponentenname bandN, wobei N der Bandindex ist.

Abhängig von der Quelle Ihrer DEM-Dateien können Sie möglicherweise das Werkzeug DEM to Raster GP verwenden. Dieses Tool dient speziell zum Importieren von USGS-DEMs. Versuchen Sie andernfalls, wie Jakub oben erwähnt hat, ASCII to Raster.


Produzieren von GIS-Daten aus großen Mengen von ASCII-DEM-Dateien? - Geografisches Informationssystem

Besuchen Sie www.PANCROMA.com für die PANCROMA-Satellitenbildverarbeitungssoftware, Daten, Whitepaper und Videos. Unter www.TERRAINMAP.com finden Sie Artikel zu DEM- und Satellitenbildern sowie kostenlose Software. Schließe dieses Fenster

Kostenloses digitales Höhenmodell (DEM) und kostenlose Satellitendaten-Download-Links

Kostenlose Satellitendaten, Satellitenbilder, digitale Höhenmodelle (DEMs), topografische Karten und kostenlose Softwarelinks.

DEM-Download-Site für SRTM, GTOPO und mehr.

Dies ist das ursprüngliche USGS-Datenformat. Das USGS ASCII DEM-Format ist als Datenformat nicht besonders gut, da es ASCII ist. Dies macht die Dateigröße um ein Vielfaches größer als ein gut konstruiertes Binärformat und erschwert die maschinelle Verarbeitung der Datei. Es handelt sich jedoch um ein festes ASCII-Format, was die Handhabung unter diesem Aspekt erleichtert. Noch wichtiger ist, dass es das ursprüngliche DEM-Format war und so lange existierte, dass viele Anwendungen damit umgehen konnten (und immer noch können). Es ist der De-facto-Plain-Vanilla-Standard für die Datenübertragung zwischen verschiedenen Anwendungen. Zu diesem Zeitpunkt hat die USGS jedoch die meisten ihrer Daten in verschiedene Formate konvertiert (siehe unten). Nur noch die DEMs im Maßstab 1:250.000 werden von der USGS in diesem Format angeboten, erhältlich unter:

Das SDTS DEM-Datenformat war der Versuch der USGS, eine neue Dateiformatspezifikation zu erstellen. Das SDTS-Format ist eine äußerst vielseitige, selbstbeschreibende Struktur, die eine Vielzahl von Datentypen verarbeiten kann, eine kompakte Dateigröße erzeugt und theoretisch besser maschinenlesbar ist als ihr Vorgänger. Es gab nur ein Problem: Es wurde von der Benutzergemeinschaft als Standard aufgrund seiner herausragenden Komplikation völlig abgelehnt.

Ein SDTS-DEM besteht aus 18 separaten Dateien, die vom Standpunkt der Verarbeitung aus in einer äußerst unfreundlichen Struktur angeordnet sind. Fast die Hälfte der Dateien muss einzeln geparst werden, um einfach an die Höhendaten zu kommen. Der Rest der Dateien ist randvoll mit meist nutzlosen Informationen. Das Schreiben eines SDTS-Dateilesers ist daher ein erheblicher Aufwand. Einen SDTS-Autor zu schreiben ist praktisch unmöglich und ich kenne niemanden, der das gemacht hat. Der Misserfolg war so total, dass die USGS nicht einmal die Konvertierung ihrer Daten in das neue Format abgeschlossen hat, bevor sie aufgegeben und die neuen NED-Formate übernommen hat. An den Daten ist jedoch nichts auszusetzen, sobald Sie sie erreicht haben. Der gesamte 1:24000 (7,5') 15m und 30m US-DEM-Datensatz ist in diesem Format verfügbar. Viele Anwendungen können das SDTS-Format lesen, daher ist die Verwendung dieser Daten im Allgemeinen kein Problem. Aus technischer Sicht ist der NED wahrscheinlich überlegen. Diese Daten sind aus drei kommerziellen (aber kostenlosen) Quellen erhältlich unter:

Der nächste Versuch der USGS nahm die vorhandenen SDTS-Daten und formatierte sie in eine Datenstruktur um, die es ermöglichte, die Daten per Gummibandbox von einer Karten-GUI so auszuwählen, dass dem Benutzer DEMs beliebiger Größe bereitgestellt werden konnten. Die Daten werden dem Nutzer dann in den vier Formaten ArcGrid, BIL, TIFF und Grid Float angeboten. Dies ist in Ordnung, außer dass die Benutzeroberfläche langsam und umständlich ist. Das Datenformat ist OK, wenn Sie ESRI-Anwendungen verwenden. Die anderen sind ein wenig undurchsichtig, aber nicht unmöglich zu handhaben. Die Daten sind abrufbar unter:

DEM-Daten für Kanada sind im CDED-Format verfügbar, das, obwohl es eine eigene Spezifikation hat, größtenteils mit dem USGS-ASCII-Format identisch ist. Manchmal können USGS DEM-Lesegeräte eine CDED-Datei lesen, manchmal hängen sie an einem einzelnen Datenfeld auf. MicroDem kann normalerweise mit CDED-Dateien umgehen. (Wenn jemand Probleme hat, lassen Sie es mich wissen, da einige meiner Konvertierungsprogramme CDED aufnehmen können.) CDED-DEM-Daten mit einer Auflösung von 1:50.000 und 1:250.000 sind erhältlich bei:

Beste Quelle für ASTER GDEM V2- und SRTM-Daten mit Seamless Server.

Grobe Skala (1 km) DEM-Daten

Die NIMA Raster Roam Site war früher eine interessante und vielseitige Quelle für DEM- und Satellitenbilddaten. Das Angebot wurde im Laufe des Jahres sukzessive eingeschränkt. Nachdem es jahrelang komplett abgebaut wurde, ist es zumindest teilweise wieder da. Sie können weiterhin DTED- und ONC- und andere Daten abrufen, aber die 10-m-Satellitenbilder sind zum Zeitpunkt dieses Schreibens nicht verfügbar.

ASTER DEM-Daten lieferten die erste hochauflösende Alternative zu DTED0. Obwohl dieser bemerkenswerte Datensatz aufgrund seiner relativ hohen Auflösung äußerst nützlich ist, leidet er an mehreren Nachteilen. Am bedeutendsten ist die fehlende Abdeckung. Nur ein kleiner Bruchteil der Landmasse der Erde wird von ASTER DEM bedeckt. Das zweite ist die Datenqualität. Viele ASTER-DEMs weisen große Bereiche mit fehlenden Daten auf. Die Benutzeroberfläche ist nicht einfach zu navigieren. Und zuletzt ist das Dateiformat. ASTER DEMs sind im HDF- oder Geotiff-Format verfügbar. HDF ist ein selbstbeschreibendes Format (wie SDTS oder Shapefiles), das nur sehr wenige Anwendungen erkennen. Mehr kann mit Geotiff umgehen, aber nicht die I16 oder FP32, in denen ASTER-DEMs angeboten werden. Daher ist mehr Arbeit erforderlich, als der Gelegenheitsnutzer aufwenden möchte, um diese Daten zu verwenden. Nichtsdestotrotz ist es ein äußerst wichtiger Datensatz und wird erweitert, da immer mehr Benutzer On-Demand-DEMs anfordern. Siehe den Artikel. Diese Daten sind verfügbar unter:

SRTM steht für Shuttle Radar Tomagraphy Mission. STS99 verlängerte einen langen Ausleger und verbrachte zehn Tage damit, einen Großteil der Erdoberfläche mittels überlappender Radarbilder zu kartieren, wodurch die Stereopaare erzeugt wurden, die für eine im Wesentlichen weltweite DEM-Abdeckung erforderlich sind. Viele dieser Daten wurden schließlich im Jahr 2003 der Öffentlichkeit zugänglich gemacht und haben sich aufgrund des Umfangs ihrer Abdeckung und der im Vergleich zu DTED0 überlegenen Auflösung schnell zu einer herausragenden Position entwickelt. Wenn die Daten des afrikanischen Kontinents hoffentlich noch in diesem Jahr veröffentlicht werden, wird der größte Teil der Landmasse der Erde kartiert.

SRTM-DEM-Daten werden der Öffentlichkeit nicht in voller Auflösung angeboten. Stattdessen werden die 30-m-Daten auf eine Auflösung von 90 m gemittelt. Dies ist deutlich weniger aufgelöst als ASTER, aber zehnmal besser als DTED0 oder GTOPO30. Die Daten liegen im flachen Binärformat vor und sind extrem einfach zu lesen und zu schreiben. Viele Anwendungen können diese Daten verarbeiten. An dieser Stelle ist der Datensatz noch nicht vollständig verarbeitet und hat Null-Datenbereiche, aber nicht so viele wie ASTER. Hinweis: Verwenden Sie diese Daten nicht für DEMs aus den USA. Verwenden Sie stattdessen die viel hochwertigeren NED- oder SDTS-Produkte.)

Schwer zu findende Alaska-DEM-Daten!

CGIAR consurtium korrigierte SRTM-Daten.

Korrigierte SRTM-DEMs für Berggebiete in Zentralasien, China, Europa, Kaukasus, nördlichen Anden und südlichen Anden von der Webseite von Jonathan de Ferranti

Equador DEM-Daten von der Webseite von Dr. Marc Souris.

Österreichische DEM-Daten von der Website der Regierung.

Dänische DEM-Daten bei Kort & Matrikelstyrelsen .

Mexiko DEM-Daten vom Instituto Nacional de Estad stica, Geograf a e Inform tica.

DEM-Daten für Australien sind im ER-Mapper-Format verfügbar, das BLACKART v3.92 und höher lesen kann. Diese 9 Bogensekunden (250 m) DEM-Daten sind verfügbar von:

Die beste Quelle für globale Bathymetriedaten scheint der vom NGDC erhältliche ETPO2-Datensatz zu sein. Die Daten sind auf CD für 75 US-Dollar erhältlich, es wird jedoch eine Online-Kachelkarte angeboten, mit der Sie die Bilder in voller Auflösung kostenlos anzeigen können. Da es einfach ist, die Bilder per Bildschirm aufzunehmen, kann dies als kostenlose Datenquelle gelten. Lokale bathymetrische Daten sind auch aus sehr unterschiedlichen Quellen verfügbar. Schauen Sie auf der NOAA-Website nach, aber es scheint Tonnen von unterschiedlichen Quellen zu geben. Die GLOBE-Daten scheinen die besten für die Integration von Geländedaten mit Bathymetrie zu sein.

Große Quelle für US-Küstenkarten.

Hochauflösendes bildgebendes Wissenschaftsexperiment (HIRISE)

Mars Orbiter Laser Altimetery (MOLA)

Daten von Mars Viking sind erhältlich unter (dank eines Hinweises von Tony Standley):

Viele tolle Informationen

Es gibt möglicherweise noch einige andere Quellen für kostenlose DEM-Daten, aber ich denke, ich habe alle nützlichsten Typen behandelt. Ich würde mich auf jeden Fall über Hinweise auf zusätzliche kostenlose Quellen freuen und werde sie bei Erhalt posten.

Kostenlose Satellitendaten und -bilder

Die umfassendste Liste kostenloser Satellitenbilder auf der PANCROMA-Website.

Der Goldstandard für globale Daten.

hervorragende Zusammenstellung von Quellen von Robin Wilson

Dies ist das beste seite für anfänger. Einfache Benutzeroberfläche, tolle Echtfarbenbilder in einem benutzerfreundlichen Format (jpg). Es liefert sogar die entsprechende NIMA-Flugnavigationskarte und überlagert Ihr Satellitenbild. Nachteile: unvollständige Abdeckung, viele Wolken in vielen Bildern, hohe Kameraneigung bei vielen Bildern. Reinschauen lohnt sich auf jeden Fall. (Absolut großartig für Schulkinder und tatsächlich an dieses Publikum gerichtet.) Siehe den Artikel.

Das beste Quelle für kostenlose Satellitenbilder im Web, und eine der besten Websites irgendwo spezialisiert auf nahezu globale Landsat TM, Landsat ETM, MODIS und andere Abdeckungen. Landsat 7, MODIS und andere Datensätze können jedoch für Unerfahrene entmutigend sein, sodass Anfänger damit rechnen können, viele Stunden damit zu verbringen, Bilder aus diesen Daten zu erstellen. Einige der zu behandelnden Probleme: Die Daten werden in mehreren Bändern präsentiert, die die ir-, sichtbaren und UV-elektromagnetischen Spektren umfassen. Banddaten sind in Dateien enthalten, von denen jede mehrere zehn Megabyte groß ist. Das Erstellen von Echtfarben-RGB-Bildern erfordert ein wenig Arbeit und viel Rechenleistung. Dies ist jedoch einer der wichtigsten Datensätze für Forscher und auch für Geländemodellierer. Siehe den Artikel auf dieser Seite.

Quelle für Canadian Landsat 7 und viele andere Arten von GIS-Daten. Siehe den Artikel.

ASTER GDEM und kostenlose ASTER L1A/L1B-Daten Siehe die NASA WIST-Website

Kostenlose ASTER L1A/L1B-Daten, Quelle von Stereopaaren für ASTER-DEMs und ein reichhaltiger Multispektraldatensatz. Leider nur USA. Siehe den Artikel.

Spektakuläre Bilder der globalen Abdeckung, die aus den Landsat TM -Bändern 7, 4 und 2 bestehen. Dies sind keine Echtfarbenbilder, aber Sie müssen sie nicht selbst zusammenstellen. Die Daten werden im MRSID-Format dargestellt, daher benötigen Sie eine Anwendung, die dieses Format liest, z. B. ArcExplorer (kostenlos). Diese Seite verschwindet regelmäßig aus dem Internet. Siehe den Artikel.

Diese Site soll ein Index und ein Teaser für die spektakulären (und für Amateure spektakulär teuren) Space Imaging-Bilder in voller Auflösung sein. Die s/w-Indexbilder selbst sind jedoch beeindruckend und sehr gut präsentiert und scheinen eine Auflösung von etwa 16 m zu haben. Siehe den Artikel.

Dieselbe Site, die DTED0 1km DEM-Daten anbietet, bot früher einige überraschend hochauflösende, aber alte Satellitenbilder. Der NIMA DOI 10m-Datensatz ist, wie der Name schon sagt, s/w-Bilder mit einer Auflösung von 10m für einen begrenzten Teil der Welt, hauptsächlich Südeuropa und den Nahen Osten. Diese Seite scheint im Wesentlichen kaputt zu sein.

Über 500.000 Bilder von der Internationalen Raumstation, dem Space Shuttle und anderen Plattformen. Siehe den Artikel.

Integrierte Smart-Client-Anwendung, die auf Landsat, SRTM, USGS, MODIS und andere fernerfasste Daten zugreifen kann. Sehr empfehlenswert.

Landsat, SRTM, MODIS und andere Daten werden mit einer flachen Blue Marble-Benutzeroberfläche angezeigt. Quelle für einen Großteil der World Wind-Daten. Sie müssen etwas graben, um etwas aus diesem herauszuholen.

ASTER-Mineralkartenfür Westaustralien.

Verarbeitete multispektrale ASTER-Daten, die Mineralverteilungen basierend auf verarbeiteten Reflexionsdaten zeigen.

Kostenlose topografische Karten

Neue Quelle für topografische Karten von Canaidan. Die Abdeckung ist noch nicht abgeschlossen, aber vermutlich wird dies zunehmen, wenn Natural Resources Canada die Sammlung vervollständigt.

Einfach die beste Kartenquelle für die USA.

Aus den 1940er Jahren aber immer noch brauchbar.

Kostenlose USGS-Topokarten im .pdf-Format für alle USA.

Russischer Topos Nordafrikas.

Russischer Topos des südlichen Afrikas.

Tolle Quelle für russische Topos.

Große Quelle für hochwertige USGS-Topokarten.

Eine andere Quelle USGS-Topokarten.

Tolles Verzeichnis für USA-Mapping-Ressourcen

Dies ist eigentlich keine Quelle für topografische Karten, sondern eine der umfassendsten Auflistungen von US-amerikanischen Kartierungs- und GIS-Agenturen. Diese Agenturen sind oft die beste Quelle nicht nur für kostenlose topografische USGS-Karten für ihren Bundesstaat, sondern oft auch für Tonnen anderer wertvoller Daten wie DOQQs, Steuerschilder usw. Die Website der University of Oregon ist eine der besten Listen.

Kostenloser russischer Topos! Für alle Kartographen außerhalb der USA, die nach kostenlosen Topos suchen, kann diese Seite helfen. Sehr unvollständige Weltabdeckung und nicht die gesamte Sammlung ist online verfügbar. Dies ist jedoch eine der wenigen kostenlosen Quellen für russische Topos im Internet und sicherlich die größte. Siehe den Artikel

USGS Topos für die gesamte Grenze von Nevada und Kalifornien.

Dieser Typ ist ein echter Indiana Jones, der einen guten Teil seines Lebens damit verbracht hat, archäologische Studien in Israel und Jordanien durchzuführen. Viele sehr interessante Informationen auf seiner Website, einschließlich einer feinen Sammlung topografischer Karten des Nahen Ostens, die Sie herunterladen können. Sehr begrenzte Abdeckung, aber ausgezeichnete Quelle für sehr ungewöhnliche Karten, einschließlich Topos, die vom Royal Jordanian Geographic Centre veröffentlicht wurden. Die Karten werden in verschiedenen Formaten angeboten, auch mit und ohne Kragen. Siehe den Link 'Lavant Topos'.

Die umfassendste Zusammenstellung von GIS-Ressourcen der US-Bundesstaaten, einschließlich topografischer Kartenquellen.

Flugnavigationskarten für weite Teile Asiens. Siehe den Artikel.

Fantastische, fantastische, fantastische Sammlung gescannter topografischer Karten für ganz Südostasien. Veteran Jim Henthorn hat eine hervorragende Arbeit geleistet. Schau dir das an, es ist großartig.

Kostenlose 1:1.000.000 Topos-Karten für ganz Kanada.

Topographische Karten für Südostpolen.

Einige ausgezeichnete Bergsteigerkarten für die Pamir- und Hindukusch-Berge. Tschechische Sprache.

Österreichische topographische Karten. Deutschsprachige Seite.

Schreibt man das so? Sie sprechen Französisch.

Große Sammlung gescannter alter Karten, Cryllic-Buchstaben. Markus Hauser sucht ein Zuhause für 30 GB gescannte Karten aus dem frühen 20. Jahrhundert. Das scheint ein gutes Projekt für Perry Castaneda, Berkely oder dergleichen zu sein. Wenn jemand helfen kann, kontaktiere Markus unter [email protected]

Ausgezeichnete Quelle russischer Militärtopos für die Ukraine. Ich hoffe, Sie lesen Russisch.

Sehr detaillierte und moderne topografische Karten für ganz Katalonien in Spanien. Wählen Sie "CFAF-Rot". Spanisch.

Auf Italienisch, aber leicht zu navigieren

Einige gute kostenlose Anwendungen, die jeder Geländemodellierer in seinem Werkzeugkasten haben sollte:

Google Earth Der amtierende Schwergewichts-Champion der GIS-Anwendungen. Macht den Rest praktisch überflüssig. Weltwind Der ehemalige Schwergewichts-Champion der GIS-Anwendungen. 3DEM Die beste Anwendung zur Herstellung von Overlays. Tolle 3D-Renderings. MicroDem Die beste Anwendung zum Zusammenführen von DEMs. Liest eine ziemlich große Vielfalt an Formaten. OK für 3D-Rendering und Overlays. Terragen Die beste Anwendung für fotorealistische Geländedarstellungen. Liest nur sein eigenes .ter-Format. (Mehrere Konverter werden auf dieser Seite angeboten). POV-Ray Freeware-Raytracer. Erstellen Sie Terrains mit dem Höhenfeld-Dienstprogramm. Nichts für schwache Nerven, Renderings werden mit einer C-ähnlichen Programmiersprache erstellt. Ähnlich wie die Programmierung in OpenGL, aber viel einfacher und sehr leistungsfähig. Achtung: süchtig. (Mehrere Konverter werden auf dieser Seite angeboten). GEOTIFF4 Konvertiert ASTER DEM HDF- und Geotiff-Format in USGS ASCII, Terragen, Flat Binaray usw. Geschrieben von einem großartigen Typen BLACKART Nützlich zum Patchen von Löchern in Ihren SRTM DEMs oder ASTER DEMs. Auch geschrieben von einem tollen Typen. ArcExplorer Erforderlich zum Lesen von DOQQs im MRSID-Format. Multispec Multispektrales Bildanalyse-Tool. Geotrans NIMA Geotrans-Koordinatentransformationswerkzeug. FRHED Der beste kostenlose Hex-Editor. Unentbehrliches Tool zur Fehlerbehebung bei Problemen mit Binärdaten


Produzieren von GIS-Daten aus großen Mengen von ASCII-DEM-Dateien? - Geografisches Informationssystem

Greg Balco
UW Cosmogenic Isotope Lab
September 2001

Hinweis: Damit dieses Dokument Sinn macht, müssen Sie ziemlich viel über kosmogene Isotope und eine ganze Menge über ARC/INFO und MATLAB wissen. Außerdem wird für nichts in diesem Dokument in irgendeiner Weise garantiert, dass es funktioniert. Diese Informationen werden als Leitfaden für Personen präsentiert, die dies selbst erreichen möchten, und nicht als eine vorgefertigte Methode zur Berechnung der Produktionsrate. Die unten aufgeführten Skripts erfordern wahrscheinlich Benutzeränderungen, um an den gewünschten Daten zu arbeiten. Eine benutzerfreundlichere und verpackte Version kann zu einem späteren Zeitpunkt folgen.

Das Ziel dieser Übung besteht darin, die geografische Verteilung der kosmogenen Isotopenproduktionsraten in einem bestimmten Gebiet, normalerweise einer Wasserscheide, unter Verwendung von Daten des digitalen Höhenmodells (DEM) zu berechnen. Dies ist vor allem notwendig, um Erosionsraten im Beckenmaßstab aus kosmognischen Isotopenmessungen an Bachsedimenten zu berechnen, und es ist auch nützlich, die topografische Abschirmung berechnen zu können, ohne an einem bestimmten Punkt tatsächlich anwesend zu sein, falls jemand es vergessen hat Führen Sie diese Messung im Feld durch.

Dies beinhaltet die Berechnung der Produktionsrate eines beliebigen Isotops für eine große Anzahl von Pixeln in einem digitalen Höhenmodell.Daher müssen wir für jedes Pixel die Breite und Höhe kennen, um diese beiden Faktoren zu korrigieren, und den Horizont, um die topographische Abschirmung der einfallenden kosmischen Strahlung zu berechnen.

Der Breiten-/Höhen-Abschirmungsfaktor lässt sich mit einer Kombination aus ARC/INFO und MATLAB leicht berechnen. Dies erreichen wir wie folgt:

1. Holen Sie sich ein DEM. Die meisten Leute werden versuchen, dies mit einem 30-Meter-DEM von USGS zu tun. Der erste Schritt besteht darin, die DEMs des Interessenbereichs herunterzuladen und sie in einem ARC/INFO-Raster zusammenzufassen. Offensichtlich ist es wichtig, den Abdeckungsbereich groß genug zu gestalten, um alles aufzunehmen, was die interessierenden Pixel wahrscheinlich deutlich schattiert. Nehmen wir an, dieses Höhenraster wird "elv" genannt.

2. Definieren Sie Wasserscheiden. Erstellen Sie ein weiteres Raster, das die Pixel bezeichnet, für die Berechnungen durchgeführt werden müssen. Wenn Sie beispielsweise ein Punkt-Coverage von Bach-Sediment-Probenstandorten haben (stellen Sie sicher, dass sich die Punkte tatsächlich IN dem auf dem DEM definierten Bach befinden. ) namens "basinbottoms", geben Sie die folgenden Befehle in GRID ein:
Jetzt haben Sie ein Raster namens Wsheds, in dem die Pixel gemäß den durch die Benutzer-IDs der Punkte im Point-Coverage definierten Wasserscheiden nummeriert sind.

3. Breitengrade. Jetzt benötigen Sie ein Raster, das die Breitengrade aller Pixel enthält. Da USGS 30-Meter-DEMs in UTM-Koordinaten sind, ist dies eine ziemlich aufwendige Folge von GRID-Befehlen:

Richtig. Jetzt haben wir ein Raster namens "lat", das Breitengrade für alle Pixel in den Wasserscheiden enthält, die wir analysieren möchten.

4. Breiten-/Höhenkorrektur. Verlassen Sie ARC/INFO und rufen Sie MATLAB auf, um die Breiten-/Höhenkorrektur durchzuführen.

Es ist am einfachsten, ARC-Gitter in MATLAB zu übertragen, indem Sie ASCII-Dateien exportieren:
Verwenden Sie dann den MATLAB-Texteditor, um die ersten sechs Zeilen jeder Textdatei (von ARC enthaltene Kopfzeileninformationen) zu entfernen. Laden Sie in MATLAB diese Raster:
Verwenden Sie dann die m-Datei stone2000.m, um die Breiten-/Höhenkorrektur durchzuführen. Außerdem benötigen Sie die m-Datei stdatm.m .

Geben Sie dazu in MATLAB Folgendes aus:
Lacorr ist nun eine MATLAB-Variable, die den Breiten-/Höhen-Korrekturfaktor für jedes interessierende Pixel enthält. Speichern Sie es und gehen Sie zurück zu ARC/INFO.

5. Topographische Abschirmung. Als nächstes müssen wir die topografische Abschirmung für alle Pixel berechnen, an denen wir interessiert sind. Wenn Sie sich nur um ein Pixel kümmern, hier ist ein ARC/INFO AML-Skript zum Berechnen des Abschirmungsfaktors für einen einzelnen Punkt in einem DEM:

Wenn Ihnen alle Pixel in einer Wasserscheide wichtig sind, geht dies in MATLAB schneller. Denken Sie daran, dass dies ein sehr zeitaufwändiger Vorgang ist und für eine Wasserscheide von selbst mittlerer Größe viele Stunden Maschinenzeit erfordern kann.

Zuerst müssen Sie einige weitere Raster aus ARC in MATLAB holen, insbesondere Raster, die die x- und y-Koordinaten jedes Pixels enthalten. Dies ist in MATLAB möglich, wenn Sie wissen, wie Ihr Höhengitter georeferenziert ist, aber in ARC ist dies einfacher. Geben Sie in GRID Folgendes aus:
Ein weiteres Gitter ist ebenfalls erforderlich. Die meisten Pixel im Bild liegen nicht auf Kammlinien und tragen nicht wesentlich zur topographischen Abschirmung der meisten anderen Punkte bei. Bei der Abschirmungsberechnung für jedes Pixel betrachten wir zwei Gruppen anderer Pixel in der Landschaft: eine Pixel in der Nähe des interessierenden Pixels und zwei Pixel auf Kammlinien. Wir blasen alle anderen Pixel weg. Dies verkürzt die Ausführungszeit erheblich. Die "Gratlinien"-Pixel werden am einfachsten erhalten, indem nur die Pixel verwendet werden, die einen Flussakkumulationswert von Null haben:
Dann exportieren Sie sie:
Nun zurück zu MATLAB. Laden Sie die x- und y-Koordinatenraster, das Höhenraster, das Firstlinien-Rasterraster und das Raster mit Wasserscheiden-Bezeichnern. Hier ist eine m-Datei zur Berechnung der topografischen Abschirmung für jedes Pixel.

Dies führt zu einer oder mehreren Matrizen, die Abschirmfaktoren für jedes interessierende Pixel enthalten.

6. Gesamtisotopenproduktionsrate. Als letztes müssen Sie all dies zu einem Raster zusammenfügen, das die Produktionsrate in allen Pixeln anzeigt. Laden Sie die Abschirmungs- und Lat/Alt-Korrekturmatrizen in MATLAB und führen Sie Folgendes aus:
Hier ist ein Beispiel:


Produzieren von GIS-Daten aus großen Mengen von ASCII-DEM-Dateien? - Geografisches Informationssystem

Orthophoto-Bilder wurden erstmals vor über 30 Jahren erstellt. Es bietet die Vorteile eines herkömmlichen Kartenprodukts, aber im Gegensatz zur herkömmlichen Karte kann das Orthofoto tatsächliche Bodenmerkmale und keine kartografischen Darstellungen dieser Merkmale anzeigen. Bis vor 5 oder 6 Jahren wurde das Orthofoto mit einer Kombination aus optischer und digitaler Verarbeitung erstellt. Die digitale Orthofotografie ist in erster Linie aufgrund der zunehmenden Verfügbarkeit leistungsfähigerer Computer zu erschwinglicheren Preisen zu einer kommerziellen Produktionsrealität geworden. Unabhängig von der Konstruktionsmethode müssen vier grundlegende Operationen oder Korrekturen an der vertikalen Standardluftaufnahme vorgenommen werden, um das Orthofoto zu erstellen. Die erste Korrektur ist die Standardisierung des Maßstabs über das Bild. Die zweite Korrektur beinhaltet das Entfernen der Reliefverschiebung, um das Gelände an seiner wahren Position zu positionieren. Die dritte Operation beinhaltet die Zuweisung von X- und Y-Koordinatenwerten an das Bild. Die letzte Aufgabe umfasst die radiometrischen oder tonalen Anpassungen, damit das Bild mit benachbarten Bildern verschmelzen kann. Der Schlüssel zum Verständnis des Orthofotos ist zunächst das Verständnis der geometrischen Eigenschaften konventioneller vertikaler Luftaufnahmen, da diese die Quelle aller Orthofotos sind.

Aufnahme von Luftbildern

Herkömmliche Luftbildaufnahmen werden im Hochformat mit sehr spezialisierten Kameras und Objektiven aufgenommen. In kreiselstabilisierten Halterungen montiert, richten diese Kameras direkt nach unten auf die Erdoberfläche und zeichnen ihre Bilder in Fluglinien auf. Innerhalb der Fluglinie überlappt jedes nachfolgende Foto den vorherigen Bildrahmen zwischen 60 % und 80 %. Der Überlappungsbereich zwischen den beiden aufeinanderfolgenden Bildern ermöglicht eine Stereo-(3-D-)Betrachtung des gemeinsamen Bereichs und die anschließende Erfassung des digitalen Höhenmodells (DEM). Wenn mehr als eine Fluglinie erforderlich ist, um das interessierende geografische Gebiet abzudecken, werden zusätzliche Fluglinien mit einer Verdoppelung (Sidelap) zwischen 20 % und 30 % zwischen den Fluglinien geflogen. Diese Überlappung zwischen Fluglinien erlaubt keine Stereoansicht zwischen Fluglinien oder DEM-Erfassung. Sein einziger Zweck besteht darin, sicherzustellen, dass es im Zielbereich keine Lücken gibt, die oft als "Datenferien" bezeichnet werden.

Jedes einzelne Luftbild ist 9 Quadratzoll groß. An den Seiten jedes Rahmens (und bei einigen Kameras in den Ecken) befinden sich Kalibrierungspunkte, die als Passermarken bezeichnet werden. Durch das Zeichnen von Linien zwischen gegenüberliegenden Passermarken definiert der Schnittpunkt zweier Linien die Mitte des Fotos. Dieser Punkt wird Hauptpunkt genannt. Wenn das Foto ein echtes vertikales Foto ist, stellt dieser Punkt auch den Punkt auf dem Boden direkt unter der Kamera zum Zeitpunkt der Aufnahme dar. Dieser Punkt wird Nadir genannt. Abbildung 1. veranschaulicht die Position der Passermarken, des Hauptpunktes und des Tiefpunkts für ein echtes vertikales Bild.

Skalierungsunterschiede

Der Maßstab dieser Bilder variiert über das Foto proportional zur Höhe der Kamera über dem Boden. Unter Verwendung der Mitte des Fotos als Basisbezugspunkt wird Gelände in niedrigerer Höhe (weiter von der Kamera entfernt) in einem kleineren Maßstab dargestellt und Gelände in höherer Höhe in einem größeren Maßstab. Eine Überprüfung von Abbildung 2. veranschaulicht diese Tatsache und veranschaulicht die einfache Geometrie und ähnliche Dreiecke, die für diese Berechnung verwendet wurden. Bei der Konstruktion des Orthophotos werden alle Maßstabsschwankungen beseitigt und das Bild wird mit konstantem Maßstab dargestellt.

Entlastungsverschiebung

Reliefverschiebung ist eine Verzerrung, die die räumliche Genauigkeit des Bildes beeinflusst. Einfach gesagt, Punkte, die höher als der Nadir sind, werden von der Mitte des Fotos nach außen verschoben und Punkte mit niedrigerer Höhe werden von ihrer wahren Position nach innen verschoben. Unter erneuter Bezugnahme auf 2 wird die geometrische Verschiebung sowohl eines Hügels als auch einer Grube in Bezug auf den Nadir veranschaulicht. Die radiale Natur dieser Verschiebung ist in Abbildung 1 dargestellt, wo der Fahnenmast vom Nadir nach außen verschoben ist. In diesem letzteren Beispiel befindet sich die Spitze des Fahnenmastes auf einer höheren Höhe als die Höhe am Nadir. Die Reliefverschiebung des Geländes wird während der Orthophoto-Entwicklung entfernt, so dass die Hügel und Täler an ihrer wahren Position erscheinen. Die Reliefverschiebung von Fahnenmasten, Gebäuden, Bäumen und anderen ähnlichen Merkmalen bleibt auf dem Bild, da die Ober- und Unterseite der Objekte dieselbe X- und Y-Koordinate auf dem Boden einnehmen. Dieses Artefakt der Reliefverschiebung kann einige Bildverzerrungen oder Täuschungen verursachen, insbesondere entlang der Verbindungsstelle zwischen Orthofotoblättern. Auch wenn sie manchmal störend sind, sind die meisten keine Mängel im Bildprodukt.

Digitale Orthophoto-Generierung

Die Erstellung digitaler Orthofotografie beginnt mit einer sorgfältigen Planung und endet schließlich mit dem finalen Bildprodukt. Der Maßstab des Ausgabeprodukts bestimmt den Maßstab, in dem die ursprüngliche Luftbildaufnahme aufgenommen wird. Für die Vermont-Daten ist der endgültige Produktmaßstab als 1:5.000 definiert. Bei diesem Maßstabsprodukt wird die Originalfotografie im Nennmaßstab 1:30.000 erworben. Zur Vorbereitung eines Fluges müssen Bodenkontrollpunkte identifiziert oder eingerichtet und denkmalgeschützt werden, damit sie auf dem Film gesehen und aufgezeichnet werden können. X-, Y- und Z-Werte für diese Punkte sind bekannt. Diese Punkte bilden die Grundlage für die Steuerung und Koordinatenzuordnung durch ein Verfahren der Aerotriangulation. Mehrere kommerzielle Firmen verbessern jetzt die Bodenkontrolle durch den Einsatz von luftgestütztem GPS und unterstützen die Datenerfassung von Bodenstationen. Diese neue Ergänzung des Kontrollprozesses ist vielversprechend. Dieser Kontrollprozess bildet die Grundlage für den Abschluss eines der 4 zuvor definierten Schritte/Korrekturen.

Sobald die Fotografie aufgenommen und die notwendigen Triangulationsberechnungen abgeschlossen sind, ist die Fotografie bereit für die digitale Höhenmodellsammlung. Dieses digitale Höhenmodell bildet die Grundlage für die Korrektur von Maßstabsunterschieden in den Luftbildern aufgrund von Höhenänderungen. Es wird auch verwendet, um die Entlastungsverschiebung im Gelände zu entfernen. Die Höhendaten werden mit einem analytischen Stereoplotter gesammelt, um die Fotografie in 3D anzuzeigen und eine repräsentative Stichprobe von Höhenpunkten zu sammeln, die das Relief des Gebiets beschreiben. Die Menge und Art der im DEM erfassten Informationen kann variieren. Dieses Thema sollte für den GIS-Manager von erheblichem Interesse sein und wird später in diesem Papier erörtert.

Wenn die DEM-Sammlung komplett ist, kann die Fotografie gescannt und in ein digitales Bild umgewandelt werden. Im Idealfall wird aus einem Luftbild ein komplettes Orthofoto erstellt. Der Bereich sollte aus dem mittleren Bereich des Originalfotos stammen, um Linsenverzerrungen an den Rändern des Fotos zu minimieren. Fotos werden mit einer sehr hohen Auflösung gescannt, um eine hohe Bildqualität im Endprodukt zu gewährleisten. Während des Scanvorgangs können dem digitalen Orthofoto Defekte von Schmutz und Flusen hinzugefügt werden, die die Qualität des Endprodukts beeinträchtigen. Darüber hinaus werden Kratzer in der Originalfotografie, die bei optischen Vergrößerungen normalerweise minimiert würden, deutlich erfasst und beim Scanvorgang erhalten, sodass sie im Endprodukt deutlich sichtbar sind.

Die eigentliche Orthofoto-Erstellung ist ein computerbasierter Prozess, der das gerasterte Luftbild mit dem DEM verbindet. Dieser Prozess ermöglicht es der Software, die Pixel des gescannten Luftbilds neu zu positionieren, um die Auswirkungen von Reliefverschiebungen und Geländehöhenunterschieden zu beseitigen. Mit richtig positionierten Pixeln und zugeordneten X- und Y-Koordinatenwerten ist das Orthofoto zur Ansicht bereit. Das resultierende Bild weist nun über das gesamte Bild einen konstanten Maßstab auf. Es bleibt nur die Korrektur der Tonunterschiede zwischen den Bildern, um den Vorgang abzuschließen.

Radiometrische Korrekturen können erforderlich sein, um Ton- oder Farbunterschiede zwischen Orthobildern zu glätten, um die Gesamtbildqualität zu verbessern. Die Pixelhelligkeitswerte liegen zwischen 0 und 255 und in einigen Fällen können Anpassungen der Lokalisierung erforderlich sein. Wenn die Fotografie kurz vor der Rückkehr der Blätter in die Bäume geflogen wird, kann es schwierig sein, Bilder zwischen den Fluglinien abzugleichen, die an verschiedenen Daten aufgenommen wurden. Auch Unterschiede in der Tageszeit, zu der die Fotografie aufgenommen wird, können den radiometrischen Abgleich zwischen digitalen Bildern behindern.

Fragen der Produktverbesserung und Qualitätskontrolle

Der Empfänger neuer digitaler Orthofotos sollte eine gründliche Überprüfung des gelieferten Produkts planen. Qualitätsprobleme lassen sich in zwei große Kategorien unterteilen. Der erste ist die räumliche Genauigkeit und der zweite die Bildqualität. Die räumliche Genauigkeit bezieht sich auf die Position der Pixelelemente in Bezug auf ihre wahre Position auf der Erdoberfläche. Die Bildqualität berücksichtigt Fehler und Tonunterschiede sowohl innerhalb als auch zwischen den Blättern. Abbildung 3. ist eine Kopie des ersten Bewertungsbogens, der in Vermont verwendet wurde, um gelieferte digitale Orthobilder zu überprüfen

Räumliche Genauigkeit

Nationale Standards für die Genauigkeit von Karten lassen sehr zu wünschen übrig, wenn es um die Beurteilung der räumlichen Genauigkeit der fertigen Orthophoto-Basiskarte geht. In Bezug auf die horizontale Genauigkeit besagen die National Map Accuracy Standards: „1. gemessen am Veröffentlichungsmaßstab für Karten im Veröffentlichungsmaßstab 1:20.000 oder kleiner, 1/50 Zoll. Diese Genauigkeitsgrenzen gelten in jedem Fall nur für Positionen von wohldefinierten Punkten.“ (US Bureau of the Budget, herausgegeben am 10. Juni 1941, revidiert am 26. April 1943, revidiert am 17. Juni 1947) Bei einzelnen Orthophoto-Pixelgrößen von weniger als einem halben Meter kann die Bildqualität sehr wohl auf eine höhere Genauigkeit als das Bild hindeuten kann unterstützen. Viele Faktoren beeinflussen die räumliche Genauigkeit. Einer dieser Faktoren ist die DEM. Viele Hersteller von Orthofotos sammeln ihre Höhendaten nur in einem systematischen Raster. Auf diese Weise gesammelte Punkte werden oft als Massenpunkte bezeichnet. Während dies dem resultierenden Produkt ermöglichen kann, minimale Genauigkeitsstandards zu erfüllen, wird das Sammeln zusätzlicher Punkte und Linien die Qualität des Endprodukts verbessern und ein DEM mit mehr Nutzen für den GIS-Benutzer erzeugen. Wenn Sie auf Hügelkuppen, Klippen oder Gruben nicht zumindest Punkte sammeln, werden Fehler eingeführt. Durch das Sammeln eines DEM mit einer Kombination von Massenpunkten, Bruchlinien und signifikanten Punkten kann ein nützlicheres Produkt erhalten werden. Das DEM sollte auch als separates Produkt bewertet werden, das innerhalb der GIS-Umgebung bei der Entwicklung von Gelände- und anderen Kartenschichten von großem Nutzen sein wird.

Die vielleicht beste Möglichkeit, die räumliche Genauigkeit abzutasten, ist die Verwendung des Global Positioning System oder GPS. Da die nationalen Standards für die Kartengenauigkeit angeben, dass sie nur für deutlich sichtbare Punkte gelten, ist es wichtig, die Punkte sorgfältig auszuwählen. Wenn DEM-Punkte entlang der Hauptverkehrsstraßen aufgenommen wurden, wird die Wahrscheinlichkeit eines Fehlers im Bild stark reduziert. Es sollte in Erwägung gezogen werden, Punkte abseits von großen Straßenkreuzungen zu finden. Andere gut sichtbare Punkte wie Schwimmbadecken, Plätze in Parks und andere Orte helfen dabei, die Genauigkeit des Bildes zu gewährleisten. Durch Auftragen der Punkte aus der GPS-Sammlung auf das digitale Bild ist es dann möglich, die Differenz zwischen dem Bild und dem GPS-Punkt zu messen. Neben der Überprüfung der absoluten Differenz zwischen diesen Orten sollte auch die Richtung der Abweichung notiert werden, um die Möglichkeit eines systematischen Fehlers zu testen.

Da die meisten digitalen Orthophoto-Mapping-Projekte große Gebiete abdecken, ist es möglicherweise nicht möglich, GPS-Messungen für jedes digitale Bild vorzunehmen. Als Alternative könnte der Bewerter erwägen, andere digitale Daten innerhalb des GIS zu verwenden, um nach Fehlern zu suchen. In der Vermont-Auswertung lag das Straßennetz in einem ARC-Abdeckungsformat vor und wurde während der visuellen Qualitätsprüfung durchgängig auf das digitale Orthofoto gezeichnet. Auf diese Weise konnte nach verdächtigen Stellen gesucht werden, die später mit GPS-Messungen überprüft werden konnten. Abbildung 3. veranschaulicht ein Beispiel.

Einige räumliche Fehler sind bei der ersten Überprüfung der Bilder sehr offensichtlich. Andere sind subtiler. Abbildung 4. veranschaulicht ein grobes Beispiel für einen räumlichen Fehler zwischen zwei Blättern.

Abbildung 4. weist auch auf Ausrichtungsprobleme zwischen digitalen Bildern hin. Diese Fehler treten am deutlichsten entlang linearer Merkmale auf. In subtilen Ausrichtungsfällen rechtfertigt der Fehler möglicherweise keine Zurückweisung aufgrund der Kriterien für die nationale Kartengenauigkeit, jedoch kann die visuelle Qualität der Karte so stark beeinträchtigt sein, dass die Wiederherstellung eines oder beider Bilder gerechtfertigt sein kann.

In Abbildung 5 ist der Fehler viel subtiler und muss sorgfältig ausgewertet werden.

Das Bild in Abbildung 5 ist ein Wassertank. und ein Teil des Tanks ist an der Verbindungsstelle mit dem Bild nach Süden abgeschnitten. Eine sorgfältige Überprüfung ergab schließlich, dass ein Teil des Geländes fehlte, jedoch wurde ein Teil der Spitze des fehlenden Wasserturms durch Reliefverschiebung abgeschnitten. Da sich Punkte, die höher als der Nadir sind, herauslehnen, ist diese Art der Verzerrung möglicherweise kein räumlicher Fehler, sondern eher ein optisches Artefakt der Originalfotografie. Ähnliche Verzerrungen werden entlang von Blattkanten gefunden, die hohe Gebäude abbilden. Auch Hochbrücken können eine Fehler- oder Verzerrungsquelle sein. Durch Verschieben des Geländes unter der Brücke, um Entlastungsverschiebungen zu beseitigen, kann die tatsächliche Brücke nicht mehr mit der Verbindungsautobahn ausgerichtet erscheinen. In diesen Fällen ist es erforderlich, das Bild anzupassen, um die Brücke wieder in Ausrichtung mit der Straße zu bewegen, um ein optisch ansprechendes Bild zu erzeugen.

Bildqualität

Probleme der Bildqualität können in zwei Kategorien eingeteilt werden. Das erste sind natürlich vorkommende Anomalien und das zweite sind vom Menschen verursachte Fehler. Beispiele für natürliche Qualitätsminderungsfaktoren sind Spiegelreflexionen von Gewässern und tiefe Schatten, die durch niedrige Sonnenwinkel verursacht werden. Abbildung 6. veranschaulicht mehrere qualitätsmindernde Merkmale.

Der helle Fleck im oberen Bild in Abbildung 6 wird durch spiegelnde Reflexion von einem Wasserkörper verursacht. Dieses natürlich auftretende Phänomen tritt auf, wenn der Einfallswinkel des auf die glatte Wasseroberfläche auftreffenden Sonnenlichts dem Reflexionswinkel bis zur Kamera entspricht. Die Tonunterschiede zwischen den Bildern sind ziemlich minimal, können aber reduziert werden. Die dicke schwarze Linie zwischen den Bildern zeigt einen Mangel an Daten und wäre das Ergebnis eines Bedienungsfehlers.

Kratzer können in mehreren Stufen in die Bildproduktion eintreten. Der erste kann während der Luftbildaufnahme auftreten. Diese Art von Kratzern kommt vom Filmtransportmechanismus, wenn die Filmrolle in der Kamera bewegt wird. Diese Kratzer verlaufen geradlinig durch das Bild in Richtung der Fluglinie. Diese Kratzer werden beim Scannen des Fotos aufgenommen und erscheinen auf dem digitalen Bild. Abbildung 7. veranschaulicht diese Art von Kratzer.

Andere Kratzer können durch unsachgemäße Handhabung der Fotografie vor dem Scannen entstehen. Diese Kratzer sind oft kühner und störender. Abbildung 8. veranschaulicht einen solchen Kratzer.

Auch Schmutz und Flusen können in das Orthobild eingearbeitet werden, wenn diese vor dem Scannen nicht sorgfältig entfernt werden.Im Allgemeinen erscheinen die Schmutzflecken als dunkle Flecken auf dem Bild und können oft mit kleinen Gewässern verwechselt werden. Abbildung 9. zeigt ein digitales Orthofoto mit einem großen Schmutzstück, das in das Bild eingescannt wurde.

Fusseln und Haarteile erscheinen normalerweise als graue oder weiße Flecken oder Wellenlinien. Auch diese, wie die Schmutzflecken, werden während des Scanvorgangs in das digitale Bild eingearbeitet. Abbildung 10. veranschaulicht ein Beispiel.

Schatten und die Tageszeit können eine ansonsten hervorragende Bildgrundlage erheblich beeinträchtigen. Dieses Problem wird verschlimmert, wenn benachbarte Fluglinien an den äußersten Enden des Flugfensters geflogen werden. Im schlimmsten Fall wird die westliche Linie am frühen Morgen und das östliche Bild am späten Nachmittag geflogen. Diese Situation sollte vermieden werden. Abbildung 11. veranschaulicht das Erscheinungsbild von Bildern, die bei diesen Extremen geflogen wurden.

Empfehlungen für die Überprüfung digitaler Orthophoto-Bilder

Die Überprüfung der digitalen Bilder umfasst eine räumliche Genauigkeitsstichprobe im Feld mit GPS.

Um die digitalen Bilder ordnungsgemäß auf Fehler und Mängel zu überprüfen, benötigt der Prüfer Kopien der Originalfotos auf dem Computerbildschirm. Ein Handobjektiv und ein Stereoskop sind während dieses Überprüfungsprozesses ebenfalls nützlich. Es ist wichtig, den Umfang der vertraglich vereinbarten Bilder während dieses Überprüfungsprozesses zu berücksichtigen. Die grundlegende Überprüfung sollte auf dem Bildschirm mit der vertraglich vereinbarten Auflösungsskala durchgeführt werden. Das Heranzoomen über diesen Punkt hinaus, um Fehler zu finden, ist dem Orthofotohersteller gegenüber nicht fair.

Empfehlungen für die DEM-Daten

Das DEM kann in den TIN- und GRID-Programmen von Esri verwendet werden, um Oberflächenpräsentationen zu entwickeln. Wenn Bruchlinien für Gewässer, Straßen und Bäche aufgezeichnet werden, können diese Linien verwendet werden, um Abdeckungen zu erstellen, die genau mit dem digitalen Orthofoto übereinstimmen. In Vermont haben wir uns dafür entschieden, das DEM in einem ASCII-Dateiformat zu erhalten, da diese Informationen von vielen Personen angefordert werden können, nicht nur von ArcInfo-Benutzern. Jeder Punkt enthält 5 Informationen und kommt auf einer einzigen Zeile. Zusätzlich zu den X-, Y- und Z-Werten wird jedem Punkt eine Codenummer für seinen Feature-Typ zugewiesen, die im Befehl ARC GENERATE verwendet werden kann, und eine Codenummer, die den repräsentierten Feature-Typ repräsentiert. Eine Beispielzeile in der DEM-Datei würde wie folgt aussehen:

Die folgende Tabelle veranschaulicht und identifiziert die verschiedenen Codes und ihre Bedeutungen.

Die Umwandlung dieser ASCII-Datei in ein ARC-Punkt-Coverage ist mit der ARCVIEW2-Software von ERSI besonders einfach. Da die Datei eine durch Kommas getrennte ASCII-Datei ist, kann sie von ARCVIEW gelesen und in eine Tabelle umgewandelt werden. Vor dem Einbinden dieser Datei sollte der Benutzer die Datei zunächst in einen Editor bringen und eine durch Kommas getrennte Zeile am Anfang der Datei platzieren. Diese Zeile sollte die Feld- oder Elementnamen enthalten, die in der Punktattributtabellendatei der zukünftigen Punkt-Coverages gewünscht werden. Ein Beispiel wird unten gezeigt, wobei dieselbe Beispieldatenzeile von oben verwendet wird.

Nachdem die Datei mit der Option xxx in ARCVIEW2 eingelesen wurde, kann diese Datei mit der Option "EVENT THEME HINZUFÜGEN" im Menü ANSICHT in eine Ansicht umgewandelt werden. Der letzte Schritt für ARCVIEW besteht darin, dieses Ereignisthema in eine Shape-Datei zu konvertieren. Sowohl pcARC als auch Host-ARC können diese Shape-Datei in ein Punkt-Coverage konvertieren. An dieser Stelle können die Punkte erneut ausgewählt und in verschiedene Abdeckungen oder Funktionen zur weiteren Verwendung umgewandelt werden.

ZUSAMMENFASSUNG

Das digitale Orthofoto und das dazugehörige DEM werden ordnungsgemäß gesammelt und geliefert und stellen eine bedeutende Ergänzung zu einem geografischen Informationssystem dar. Zusätzlich zur Verbesserung der visuellen Anzeige von Informationen kann diese Basiskarte direkt verwendet werden, um die Position von Features für die Verwendung im GIS hinzuzufügen oder zu korrigieren. Durch den Verzicht auf kartografische Darstellungen der Realität können exakte Gebäudestandorte oder Deckungstypen direkt vom Computerbildschirm korrekt abgebildet werden. Abbildung 12 veranschaulicht die Verwendung des digitalen Orthofotos als Hintergrund für eine Vektordarstellung von Eigentumsgrenzen und dem Straßennetz der Gemeinde.

Eine solche Anzeige kann in 911 und anderen Routing-Anforderungen, Community-Planung und einer Vielzahl anderer Anwendungen verwendet werden. Ebenso wichtig ist das DEM, das zunächst zur Korrektur des Originalfotos verwendet wird. Seine Lebensdauer geht über die Orthophotographie hinaus und kann in der topographischen Analyse und Anzeige verwendet werden. Darüber hinaus ermöglicht eine neue Software dem Eigentümer des DEM jetzt, diese Informationen auf neue Fotografien anzuwenden, um Orthofotos zu erstellen. Während dieser Vorgang sehr rechenintensiv ist, sind mit 3rd. Softwarepakete von Parteien. Der Schlüssel zu all diesen Möglichkeiten liegt in einem informierten GIS-Manager und einem starken QA/QC-Prozess, um die Bildqualität sicherzustellen.


4.3 GIS-Datenmodellierung

4.3.1 Datenmodelle

Die reale Welt ist zu komplex für unser unmittelbares und direktes Verständnis. Geografische Variation in der realen Welt ist unendlich komplex, je genauer wir hinschauen, desto mehr Details sehen wir, fast grenzenlos bräuchte es eine unendlich große Datenbank, um die reale Welt präzise zu erfassen, Daten müssen irgendwie auf eine endliche und überschaubare Menge reduziert werden um ein Prozess der Generalisierung oder Abstraktion, geografische Variation muss in Form von diskreten Elementen oder Objekten dargestellt werden die Regeln, die verwendet werden, um echte geografische Variation in diskrete Objekte umzuwandeln, ist das Datenmodell (Tomlin Dana und Klinkenberg Brian, 1999 und Star, J.L. und J.E. Estes, 1990).

Ein Datenmodell ist eine konzeptionelle Idee, im Gegensatz zur tatsächlichen Speicherung der Daten im Computer, der Datenstruktur. Tsichritzis und Lochovsky (1977) definieren ein Datenmodell als "einen Satz von Richtlinien für die Darstellung der logischen Organisation der Daten in einer Datenbank. bestehend oder benannte logische Dateneinheiten und die Beziehungen zwischen ihnen."

4.3.2 Datenbank

Wir erstellen "Modelle" der Realität, die eine gewisse Ähnlichkeit mit ausgewählten Aspekten der realen Welt haben sollen. Aus diesen "Modellen" werden Datenbanken erstellt, um die Natur und den Status dieser Realität zu kennen (DeMers, 1997, Modarres, 1998).

Das geografische Informationssystem (GIS) hat zwei unterschiedliche Nutzungsmöglichkeiten – die erste in Bezug auf das Abfragen und Erhalten von Informationen und die zweite in Bezug auf die integrierte analytische Modellierung. Diese beiden Fähigkeiten hängen jedoch vom Kern des GIS ab – der Datenbank, die organisiert wurde. Die Bedeutung der GIS-Datenbank ergibt sich aus der Tatsache, dass die Datenelemente der Datenbank eng miteinander verknüpft sind und daher für eine einfache Integration und Auffindbarkeit strukturiert werden müssen.

Auch die GIS-Datenbank muss den unterschiedlichen Anforderungen der Anwendungen gerecht werden. Im Allgemeinen muss eine ordnungsgemäße Datenbankorganisation Folgendes gewährleisten (Kroenke, 1995 Healey, 1991 NCGIA, 1990): Flexibilität im Design, um sich an die Bedürfnisse verschiedener Benutzer anzupassen, einen kontrollierten und standardisierten Ansatz für die Dateneingabe und -aktualisierung, ein System von Validierungsprüfungen zur Aufrechterhaltung der Integrität und Konsistenz der Datenelemente, ein Sicherheitsniveau zur Minimierung von Schäden an den Daten, Minimierung der Redundanz bei der Datenspeicherung.

Die Datenbank ist zentral für das GIS und enthält zwei Haupttypen von Daten. Tatsächlich gibt es zwei Datenbanken (je nach System mehr oder weniger eng integriert): eine räumliche Datenbank, die Standortdaten enthält und die Geographie der Erdoberflächenmerkmale (Form, Position) beschreibt, und eine Attributdatenbank, die bestimmte Merkmale der räumlichen Merkmale.

Die räumliche Datenbank

Die in der räumlichen Datenbank enthaltenen Informationen werden in Form von digitalen Koordinaten gehalten, die die räumlichen Merkmale beschreiben. Dies können Punkte (zB Gebäude), Linien (zB Straßen) oder Polygone (zB Landkreise) sein. Normalerweise werden die verschiedenen Datensätze als separate Layer gespeichert, die auf verschiedene Weise zur Analyse oder Kartenerstellung kombiniert werden können.

Die Attributdatenbank

Die Attributdatenbank ist von konventionellerer Art und enthält Daten, die Merkmale oder Qualitäten der räumlichen Merkmale beschreiben, wobei die gleichen Beispiele wie im vorhergehenden Absatz verwendet werden, Anzahl der Personen im Gebäude.

4.3.2.1 Das kartografische Anzeigesystem

Das kartographische Anzeigesystem ist das kartenerzeugende Werkzeug. Es ermöglicht dem Benutzer, notwendige Elemente wie räumliche Merkmale und Attribute aus der Datenbank zu extrahieren und schnell Kartenausgaben auf dem Bildschirm oder anderen Geräten wie elektrostatischen Hochgeschwindigkeitsplottern oder einfacheren Stiftplottern, Laserdruckern oder Grafikdateien zu erstellen in gängigen Formaten.

4.3.2.2 Das Datenbankverwaltungssystem

Das Datenbankmanagementsystem wird für die Erstellung, Pflege und den Zugriff auf die GIS-Datenbank verwendet. Das System enthält die Funktionen des traditionellen relationalen Datenbankverwaltungssystems (RDBMS) sowie eine Vielzahl anderer Dienstprogramme zur Verwaltung der geografischen Daten. Das traditionelle Datenbankverwaltungssystem ermöglicht es, komplexe Abfragen zu stellen und statistische Zusammenfassungen und tabellarische Berichte von Attributdaten zu erstellen. Es bietet dem Benutzer auch die Möglichkeit, Kartenanalysen durchzuführen, wobei oft Elemente aus vielen Schichten kombiniert werden (Eastman 1992).

Ein leistungsfähiges, relationales DBMS ist ein unverzichtbarer Bestandteil eines GIS für den Umgang mit großen Informationsmengen. Es kann sehr nützliche Ergebnisse liefern, aber ein GIS muss über einen anderen Satz von Werkzeugen verfügen, um Daten basierend auf ihren räumlichen Eigenschaften analysieren zu können. Dieser Werkzeugsatz entspricht dem geografischen Analysesystem. Innerhalb von GIS steht eine Vielzahl von Analysewerkzeugen zur Verfügung, die die Fähigkeiten herkömmlicher DBMS um die Fähigkeit erweitern, Daten basierend auf ihren räumlichen Eigenschaften zu analysieren. Details siehe DBMS

4.3.3 Dateneingabe

Die Dateneingabe- und Datenausgabefunktionen sind die Mittel, mit denen ein GIS mit der Außenwelt kommuniziert. Die Dateneingabe ist der Vorgang, bei dem Daten in eine computerlesbare Form kodiert und in die GIS-Datenbank geschrieben werden. Die Dateneingabe umfasst drei Hauptschritte: Datenerfassung, Bearbeiten und Bereinigen, Geokodierung die späteren beiden Schritte werden auch genannt Datenvorverarbeitung (DeMers, 1998 und Hazelton, 1999).

Datenerfassung . Ein GIS kann die Informationen in einer Karte nicht analysieren, wenn die Daten nicht bereits in digitaler Form vorliegen, die der Computer erkennen kann. DeMers (1998) gibt Methoden zum Einlesen von Daten in das GIS an, Karten können digitalisiert werden (mit der Computermaus von Hand nachverfolgt), um die Koordinaten der Kartenmerkmale zu sammeln, elektronische Scangeräte können auch verwendet werden, um Kartenlinien und -punkte in digitale umzuwandeln Informationen, Felduntersuchungen, Feldinventur, Tastatureingabe, Photogrammetrie, automatisierte Konvertierung, Datenübersetzung und Fernerkundung.

Erfassen von räumlichen Daten : Wir können Daten kaufen, stehlen, über das Internet herunterladen oder selbst sammeln. Letztendlich musste es jemand von außerhalb eines Computers sammeln und hineinbringen. Es ist der Prozess des „Ins Innere bekommen“, den wir als Akquisition bezeichnen.

Registrierung und Verzug, Bevor Daten in GIS verwendet werden können, sollten Karten und Bilder geometrisch entzerrt werden. Der Prozess beginnt mit der Registrierung der Rohkarten und Bilder auf bekannte (Kontroll-)Koordinaten. Der Registrierungsdatensatz wird dann verwendet, um die Karte oder das Bild, das einer Berichtigung bedarf, zu verzerren (oder zu geokorrigieren). Der letztere Schritt wird auch als Gummifolie bezeichnet.

Kartenprojektion . Die Kartenprojektion ist ein grundlegender Aspekt der Kartenerstellung. Eine Kartenprojektion ist im Wesentlichen ein geometrisches Modell, das die Positionen von Merkmalen auf der Erdoberfläche in entsprechende Positionen auf einer zweidimensionalen Karte umwandelt. Es ist unmöglich, ein Sphäroid perfekt auf eine Ebene zu projizieren, aber einige Projektionen können die Form beibehalten, während andere Fläche, Entfernung oder Richtung beibehalten. Für unterschiedliche Kartentypen werden unterschiedliche Projektionen verwendet, da jede Projektion für bestimmte Anwendungen besonders geeignet ist.

4.3.4 Datenmodi

Phänomene in der realen Welt können in drei "Modi" beobachtet werden, nämlich räumlich, zeitlich und thematisch (Modarres, 1998). Der räumliche Modus befasst sich mit der Variation von Ort zu Ort, der zeitliche Modus befasst sich mit der Variation von Zeit zu Zeit (von einer Schicht zur anderen) und der thematische Modus befasst sich mit der Variation von einem Merkmal zum anderen (von einer Schicht zur anderen).

Alle messbaren oder beschreibbaren Eigenschaften der Welt können in einen dieser Modi fallen, d.h. Ort, Zeit und Thema (Modarres, 1998). Eine erschöpfende Beschreibung aller drei Modi ist jedoch mit der heutigen Technik nicht möglich. Daher halten wir beim Beobachten von Phänomenen der realen Welt in der Realität normalerweise einen Modus "fest", variieren einen auf "gesteuerte" Weise und "messen" den dritten. Mit einer Volkszählung könnten wir beispielsweise eine Zeit festlegen (z. B. 1999), den Standort mithilfe von Volkszählungszonen kontrollieren und ein Thema wie den Prozentsatz der Personen mit Hochschulbildung messen.

Bei der Durchführung einer räumlichen Analyse liefert das Festhalten der Geografie und die unterschiedliche Zeit Längsdaten, während das Festhalten der Zeit und die unterschiedliche Geografie ein Kreuz ergeben-Schnittdaten.

4.3.5 Die Natur geografischer Daten

Die geographische Position (räumlicher Standort) eines räumlichen Objekts wird durch 2-, 3- oder 4-dimensionale Koordinaten in einem geografischen Bezugssystem (z. B. Breiten- und Längengrad) dargestellt.

Attribute sind beschreibende Informationen zu bestimmten räumlichen Objekten. Sie haben oft keine direkte Information über die räumliche Lage, können aber mit von ihnen beschriebenen räumlichen Objekten verknüpft werden. Daher ist es oft, Attribute " . zu nennennicht-räumlich" oder "aräumlich"Informationen (Modarres, 1998).

Die räumliche Beziehung gibt die Wechselbeziehung zwischen räumlichen Objekten an (z. B. Richtung von Objekt B in Bezug auf Objekt A, Abstand zwischen Objekt A und B, ob Objekt A von Objekt B umschlossen ist usw.).

Time zeichnet den Zeitstempel der Datenerfassung auf, gibt die Lebensdauer der Daten an und identifiziert die Standort- und Attributänderung von räumlichen Objekten (Modarres, 1998).

Darstellungsdaten (Modellierung): Nachdem die Daten erfasst wurden, müssen sie in die Datenbank aufgenommen werden. Modellierung ist der Prozess der Darstellung der realen Welt in einer Computerumgebung. Dafür gibt es zwei grundlegende Ansätze (Wege), entweder Raster oder Vektor. Ein Rastermodell sagt, was überall an jedem Ort in der vom GIS abgedeckten Region passiert, und ein Vektormodell sagt, wo alles vorkommt, es gibt jedem Objekt einen Standort.

4.3.6 Die Wahl zwischen Raster- oder Vektor-GIS

Bei der Wahl zwischen den beiden GIS-Systemen ist das umstrittenste Thema die Verarbeitungsgeschwindigkeit (Recheneffizienz) und die geometrische Integrität. Vector GIS erfasst geografische Merkmale anhand von Punkten, Linien und Polygonen, um die Grenzen von Punkt-, Linien- und Flächenmerkmalen zu identifizieren. Das alternative Verfahren, das Gitterformat, teilt den Bereich in Gitterzellen mit regelmäßiger oder einheitlicher Größe, wobei jede Zelle mit einem numerischen Wert codiert ist, um die Charakteristik der bestimmten Zelle zu kennzeichnen. Der konzeptionelle Hauptunterschied zwischen Vektor- und Raster-GIS besteht darin, dass Vektor-GIS Informationen über Grenzen speichert und Innenräume impliziert, während das Raster-GIS Informationen über das Innere von Flächen-Features speichert und Grenzen impliziert. Berry (1987) stellte fest, dass die Datenstruktur von Vektor-GIS Schwierigkeiten bereitet, wenn sie für fortgeschrittene analytische Operationen verwendet wird. Generell gilt Vektor-GIS als am besten geeignet für die bestandsorientierte Verarbeitung (Berry, 1987) oder wenn Präzision bei der Messung von Formen, Größen und Attributen gefordert ist (ESRI, 1991a, ESRI, 1998). Andererseits ist Raster-GIS "am besten für die analyseorientierte Verarbeitung" (Berry, 1987). Sie ist insbesondere dann nützlich, wenn das untersuchte Phänomen am besten durch eine kontinuierliche Fläche dargestellt wird (Chrisman, 1997, DeMers, 1997). In einer solchen Situation basiert jeder Ort auf der Oberfläche auf den Eigenschaften eines Ortes relativ zu einem bekannten Fixpunkt einer ausströmenden Quelle (ESRI, 1991a). Als solches eignet es sich von Natur aus für die Modellierung von Phänomenen, bei denen der Ort und seine Umgebung wichtiger sind als die geometrische Beschaffenheit des Objekts. Chrisman (1994) warnte jedoch davor, dass das Sprichwort "Raster ist schneller, aber Vektor ist Korrektor" bis zu einem gewissen Grad wahr ist, es jedoch unter bestimmten Umständen verringert werden kann. Er wies darauf hin, dass "die analytische Methode für die Überlagerung nicht allzu unterschiedlich ist" zwischen den beiden GIS-Typen. Raster-GIS hat Nachteile. Es werden große Datenmengen verwendet, Netzwerkverbindungen sind schwer herzustellen und die Projektionstransformation ist zeitaufwändig. Andere Nachteile, die von Burrough (1986) festgestellt wurden, waren die Notwendigkeit, große Zellen zu verwenden, um das Datenvolumen zu reduzieren, was zu einem Informationsverlust führte, und die Grobheit von Rasterkarten.

Weitere Informationen finden Sie unter ArcView GIS für vektorbasiertes GIS und IDRSI für Windows-Demo für rasterbasiertes GIS

4.3.7 Vektor

Vector Systeme bauen auf der Prämisse auf, dass wir nur die wesentlichen Punkte erfassen und bearbeiten müssen. Wenn an einem Ort nichts von Bedeutung ist, zeichnen Sie nichts auf. Nicht alle Orte im Raum werden referenziert, und viele werden einfach indirekt referenziert, da sie sich innerhalb eines Polygons befinden. Die Datenstruktur unterstützt unregelmäßige Objekte und eine sehr hohe Auflösung. Uns interessieren die Grenzen zwischen Objekten mindestens ebenso sehr wie die Objekte selbst, oft sogar noch mehr. Wir benötigen eine präzise Darstellung von linearen Objekten, und diese Notwendigkeit überschreibt andere Anforderungen an die Oberflächen- und Flächenmodellierung aller außer der einfachsten Art. Präzision ist das Schlagwort in Vektor-GIS, zusammen mit der expliziten Darstellung der räumlichen Beziehung.

4.3.7.1 Die Vektoransicht der Welt (Vektormodell)

Ein vektorbasiertes System zeigt grafische Daten (repräsentiert) als Punkte, Linien oder Kurven oder Bereiche mit Attributen an. Kartesische Koordinaten (d. h. x und ja) und Rechenalgorithmen der Koordinaten definieren Punkte in einem Vektorsystem. Linien oder Bögen sind eine Reihe von geordneten Punkten. Flächen oder Polygone werden auch als geordnete Punktlisten gespeichert, aber indem die Anfangs- und Endpunkte zum gleichen Knoten gemacht werden, wird die Form geschlossen und definiert. Topologische Modelle definieren die Konnektivität vektorbasierter Systeme. Vektorsysteme haben eine sehr hohe Auflösung (weniger als oder gleich 0,001 Zoll) und die grafische Ausgabe ähnelt handgezeichneten Karten. Dieses System funktioniert gut mit Azimuten, Entfernungen und Punkten, erfordert jedoch komplexe Datenstrukturen und ist weniger kompatibel mit Fernerkundungsdaten. Vektordaten erfordern weniger Computerspeicherplatz und das Aufrechterhalten topologischer Beziehungen ist in diesem System einfacher. Digitale Liniendiagramme (DLG) und TIGER-Dateien sind Beispiele oder Vektordaten (Koeln et al. 1994 und Huxhold 1991).

4.3.7.2 Topologie

Die explizite Natur der Beziehungen in Vektor-GIS erfordert Topologie . Es ermöglicht auch eine viel einfachere Analyse dieser Art von Beziehungen, insbesondere der Konnektivität zwischen Standorten (Punkten), die mit Linien durchgeführt wird.

Wenn eine Karte gedehnt und verzerrt wird, ändern sich einige ihrer Eigenschaften, darunter: Entfernungen, Winkel, relative Nähe, andere Eigenschaften bleiben konstant, darunter: Flächen bleiben Flächen, Linien bleiben Linien und Punkte bleiben Punkte Nachbarschaften und andere Beziehungen, z in" werden "Kreuze" (sich schneidende Bögen) beibehalten. Genau genommen sind topologische Eigenschaften solche, die nach der Verzerrung unverändert bleiben.

Eine räumliche Datenbank wird oft als "topologisch" bezeichnet, wenn eine oder mehrere der folgenden Beziehungen berechnet und gespeichert wurden Verbundenheit von Bögen an Schnittpunkten, Geordneter Satz von Bögen, die jede Polygongrenze bilden, Nachbarschaftsbeziehungen zwischen Bereichen. Im Allgemeinen bedeutet "topologisch", dass bestimmte Beziehungen gespeichert werden, was die Daten für verschiedene Arten von räumlicher Analyse nützlicher macht.

Weitere Informationen zur vektorbasierten GIS-Verarbeitung finden Sie unter ArcView GIS

4.3.8 Raster

Rastersysteme basieren auf der Prämisse, dass an allen Points of Interest etwas ist, daher werden wir für jeden Standort etwas aufnehmen. Der betrachtete Platz wird durch eine reguläre Datenstruktur erschöpft. Es geht nicht um die Grenzen zwischen Objekten, sondern um die Objekte selbst, ihr Inneres oder die Phänomene, die sie darstellen.

4.3.8.1 Die Rasteransicht der Welt (Rastermodell)

Ein rasterbasiertes System zeigt, lokalisiert und speichert (repräsentiert) grafische Daten unter Verwendung einer Matrix oder eines Gitters von Zellen (Quadrate, Rechtecke, Pixel oder Bildelemente). Eine eindeutige Referenzkoordinate repräsentiert jedes Pixel entweder an einer Ecke oder im Schwerpunkt. Jeder Zelle oder jedem Pixel sind wiederum diskrete Attributdaten zugeordnet (Chrisman, 1997). Die Fläche eines Pixels definiert die räumliche Auflösung, mit der Objekte dargestellt werden, dh die Auflösung der Rasterdaten hängt von der Pixel- oder Rastergröße ab und kann von einem Submeter bis zu vielen Kilometern variieren. Ein kleiner Bereich bedeutet hohe Auflösung. Auf den Standort des geografischen Objekts wird Bezug genommen, indem die Zeilen- und Spaltennummer angegeben wird, die das Pixel einnimmt. Jedem Pixel ist ein Wert zugeordnet, der für den Benutzer durchschnittlich voll ist (Tomlin, 1990 und Chrisman, 1997).

Da diese Daten zweidimensional sind, speichern GIS verschiedene Informationen wie Bevölkerungsalter, Geschlecht, Kriegszustand, ethnische Zugehörigkeit oder andere Daten in verschiedenen Layern Layer sind funktionsbezogene Kartenelemente. Rasterdaten erfordern im Allgemeinen weniger Verarbeitung als Vektordaten, verbrauchen jedoch mehr Computerspeicherplatz. Das Scannen von entfernten Sensoren auf Satelliten speichert Daten im Rasterformat. Digitale Geländemodelle (DTM) und digitale Höhenmodelle (DEM) sind Beispiele für Rasterdaten (Köln et al 1994 und Huxhold 1991).

4.3.8.2 Raster-Datenstruktur

Wenn eine Karte einen sehr großen Bereich abdeckt, bedeutet dies, dass wir eine Datei mit Millionen Zellen haben. Einige der Bereiche können die gleichen Merkmale aufweisen, daher gibt es viel Redundanz, d. h. viele der Zellen enthalten das gleiche Ventil. Es gibt Methoden, die verwendet werden, um die Größe der Datei zu reduzieren (Datenkomprimierungsmethoden) (Heywood, 1998 DeMers, 1998 Clarke, 1997 Chrisman, 1997 (Hazelton, 1999). Dazu gehören:

Quadtree : Die Quadtree-Datenkomprimierungsmethode bietet eine kompakte Rasterdarstellung mit einem Raster mit variabler Größe. Große Zellen werden in Bereichen mit geringen Details verwendet, während kleine Zellen in Bereichen mit hohen Details verwendet werden. Quadtrees werden konstruiert, indem ein Nichthomogener in 4 Quadranten unterteilt wird. Wenn einer der 4 Quadranten nicht homogen ist, wird er weiter in 4 Unterquadranten unterteilt usw., bis jeder unterteilte Quadrant homogene Daten enthält oder die kleinste Zellteilung erreicht ist.

Lauflängencodierung (RLE): In RLE werden homogene Zellen um eine Reihe als eine Gruppe gespeichert, die als "RUN" bekannt ist, anstatt wiederholte Ventile zu speichern, wird ein einzelner Wert zusammen mit der Länge und Position des RUN gespeichert. RLE kann als Speichermethode effizienter sein als das einfache Einfügen von Daten in ein Array, da Werte oft in Durchläufen über mehrere Zellen hinweg auftreten. Dies ist eine Form der räumlichen Autokorrelation – eine Tendenz, dass nahe Dinge ähnlicher sind als entfernte Dinge. Die Daten werden paarweise eingegeben, zuerst Lauflänge, dann Wert. Zwei Verfahren sind beteiligt/verwendet: Standard-Lauflängencodierung und Wertdruckcodierung.

4.3.8.3 Erstellen eines Rasters

Wenn man in Betracht zieht, ein Raster über eine topologische Karte zu legen, können demografische Rasterdaten (z. Wenn Sie fertig sind, hat jede Zelle einen codierten Wert. Geben Sie dann Werte für andere demografische Merkmale an, jedoch auf anderen Ebenen. In den meisten Fällen werden die Werte, die jeder Zelle im Raster zugewiesen werden sollen, in eine Datei geschrieben, oft in ASCII codiert. Eine solche Datei kann manuell unter Verwendung einer Textverarbeitungsdatenbank oder eines Tabellenkalkulationsprogramms oder halbautomatisch erstellt werden. Sie werden dann normalerweise in das GIS importiert, damit das Programm die Daten für seine spezifischen Verarbeitungsanforderungen neu formatieren kann. Es gibt mehrere Methoden zum Erstellen von Raster-Datenbanken.

Zelle für Zelle Eintrag , wo wir jede Schicht Zelle für Zelle direkt eingeben, ist am einfachsten. Die Dateneingabe kann innerhalb des GIS oder in eine ASCII-Datei zum Importieren erfolgen. Jedes GIS-Paket hat jedoch spezifische Anforderungen und der Prozess ist normalerweise mühsam und zeitaufwändig

Rasterdigitalisierung. In diesem speziellen Fall werden demografische Daten konvertiert, indem demografische Daten eines bestimmten Merkmals ausgewählt und dann mit dem Mauszeiger verfolgt werden, sodass der Wert beim Passieren in den darunter liegenden Zellen aufgezeichnet wird. Dies ist mühsam, aber besser als vollständig manuell. Dieser Ansatz wird als „Rasterbearbeitung“ bezeichnet.

Vektordigitalisierung . Eine andere Form der Digitalisierung besteht darin, die von uns aufgezeichneten Informationen als Punkte, Linien und Polygone zu speichern. Dies sind die grundlegenden Darstellungen von räumlichen Objekten, die wir in einem GIS verwenden. Diese können in jedem geeigneten Format gespeichert und später in ein Raster-Coverage umgewandelt werden, ein Vorgang, der als „Rasterisierung“ bezeichnet wird. IDRISI nimmt seine Daten auf diesem Wege auf, wenn sie digitalisiert werden sollen, obwohl es mehrere andere Möglichkeiten hat, insbesondere die Datenkonvertierung aus anderen Formaten

4.3.8.4 Kartenebenen

Die Daten für ein Gebiet können als Kartensatz oder Layer visualisiert werden. Ein Kartenlayer ist ein Datensatz, der ein einzelnes Merkmal für jeden Standort innerhalb eines begrenzten geografischen Gebiets beschreibt. Für jeden Standort innerhalb einer einzelnen Ebene ist nur eine Information verfügbar – mehrere Informationseinheiten erfordern mehrere Ebenen (Tomlin, 1990, Chrisman, 1997 und Hazelton, 1999).

Typische Rasterdatenbanken enthalten bis zu hundert Layer. Jede Schicht (die auch als Matrix, Gitter, Raster oder Array bezeichnet werden kann) enthält typischerweise Hunderte oder Tausende von Zellen. Die wichtigsten Eigenschaften einer Schicht sind ihre Auflösung, Orientierung und Zone(n).

Auflösung: Im Allgemeinen kann die Auflösung als die minimale lineare Dimension der kleinsten geographischen Raumeinheit definiert werden, für die Daten aufgezeichnet werden. Im Rastermodell sind die kleinsten Einheiten im Allgemeinen rechteckig, oft quadratisch (gelegentlich haben Systeme Sechsecke oder Dreiecke verwendet). Diese kleinsten Einheiten werden als Zellen bezeichnet. Hohe Auflösung bezieht sich auf Raster mit kleinen Zellenabmessungen. Das bedeutet viele Details, viele Zellen, große Raster, mit kleinen Zellen.

Orientierung: Dies ist der Winkel zwischen dem geographischen Norden und der Richtung, die durch die Spalten des Rasters definiert wird.

Zonen: Jede Zone einer Kartenebene ist ein Satz zusammenhängender Orte, die denselben Wert aufweisen. Ein Raster-Layer wird codiert, indem für jedes der Komponenten-Features ein Pixel angegeben wird. Die Gesamtzahl der gespeicherten Werte ist das Produkt aus der Anzahl der Zeilen und Spalten. Die Größe einer Rasterdatei hängt also von der Größe des abzubildenden Bereichs und der Zellauflösung ab. Die Hauptkomponenten einer Zone sind ihr Wert und ihre Position(en). Wert ist das Datenelement, das in einer Schicht für jede Zelle gespeichert ist. Zellen in derselben Zone haben denselben Wert. Werte können als „Hooks“ verwendet werden, um den räumlichen Standort der Immobilie (den Standort der Zelle) mit den Attributdaten in der Datenbank zu verbinden. Beispielsweise könnte ein Zellenwert für eine Haushaltskennung verwendet werden, um Zugriff auf eine sehr große Datenmenge über die anderen Mitglieder desselben Haushalts wie Alter, Geschlecht usw. zu erhalten. Dies ist mehr als leicht in der Zelle gespeichert werden könnte. Der Wert in einer Zelle kann auch ein boolescher Wert sein, d. h. er ist entweder „wahr“ oder „falsch“, 1 oder 0. Dies wird häufig als Ergebnis einer Analyse oder Suche verwendet, bei der Zellen, die alle Kriterien erfüllen, einen Wert von 1 gegeben, während alle anderen mit 0 codiert sind. Dies vereinfacht das Finden der Antwort. Der Standort wird durch ein geordnetes Koordinatenpaar (Reihen- und Spaltennummern) identifiziert, das den Standort jeder geografischen Raumeinheit im Raster, d. h. der Zelle, eindeutig identifiziert. Normalerweise ist auch die wahre geografische Lage einer oder mehrerer Ecken des Rasters bekannt. Es sollte möglich sein, von einem externen Koordinatensystem, wie Breiten- und Längengrad, UTM-Koordinaten, in die Zeilen-Spalten-Positionen innerhalb des GIS umzuwandeln.

4.3.9 Rasterdatenverarbeitung

Rasterdaten zeichnen räumliche Informationen in einem regelmäßigen Raster oder einer Matrix auf, die als Satz von Zeilen und Spalten organisiert ist. Jede Zelle innerhalb dieses Rasters enthält eine Zahl, die ein bestimmtes geografisches Merkmal darstellt.

Rasterdaten werden häufig, aber nicht ausschließlich, verwendet, um Informationen über geografische Merkmale zu speichern, die sich über eine Oberfläche kontinuierlich ändern, wie Höhe, Reflexion, Grundwassertiefe usw. Bilddaten sind eine Form von Rasterdaten, in denen jede Zelle oder jedes Pixel eine Wert, der von einem optischen oder elektronischen Gerät aufgezeichnet wurde.

Rasterdaten hängen stark von der Auflösung des regulären Rasters ab, in dem sie aufgezeichnet werden. Die Größe der Zellen im Raster ist festgelegt. Wenn Sie also Rasterdaten vergrößern, die in einer Ansicht angezeigt werden, sehen Sie schließlich die Form der Zellen.

Bei der räumlichen Raster-GIS-Analyse müssen die Daten vor der Analyse vorbereitet werden, um die Konsistenz zwischen den Layern sicherzustellen. Daten müssen manchmal manipuliert werden, damit sie mit den anderen Daten im GIS "passen". Die Analyse mehrerer Schichten beinhaltet den Vergleich von Zellenwerten entsprechender Zellen in den mehreren Schichten. Im Rasterformat gespeicherte Daten können auf drei Arten bearbeitet werden: Transformationen, Attributbearbeitung und Zellenneuzuordnung.

Transformieren Rasterdaten beinhalten die Manipulation der Koordinaten des Rasters, sie ermöglichen es Rasterdaten, andere Datensätze abzugleichen, auch als Registrierung oder Entzerrung bekannt und häufig verwendet, um Rasterdaten wie digitale Bilder auf vorhandenen Karten zu registrieren

Die beteiligten Schritte umfassen: Erhalten von Koordinaten für identifizierbare Merkmale wie Straßenkreuzungen, Lokalisieren von Merkmalen auf dem Bild und Zuweisen neuer Koordinaten und Ausführen eines Korrekturprogramms zum "Verzerren" des Bildes.

Attributbearbeitung umfasst das Aktualisieren der Datenbankstruktur oder der Werte für eine Raster-GIS-Datenschicht, das Hinzufügen/Löschen/Ändern von Datensätzen und Feldern, das Aktualisieren von Zelldatenwerten, das Hinzufügen neuer Beziehungstabellen usw.

Zellen-Neuzuordnung ist ein allgemeiner Begriff zur Beschreibung verschiedener Funktionen wie Klassifizierung (Reduzierung der Anzahl eindeutiger Werte in einem Datensatz), Generalisierung, Glättung usw. Beinhaltet das Ändern der Zellwerte für eine gesamte Datenschicht basierend auf einem Satz vordefinierter Regeln

Weitere Informationen zur rasterbasierten GIS-Verarbeitung finden Sie in der IDRSI für Windows-Demo

4.3.10 Demografische Daten in Raster

In der demographischen Datensammlung werden Beobachtungen auf Flächensegmente bezogen, die durch Rasterzellen dargestellt werden, in diesem Fall ist das Raster ein Zellenraster.

Für die Darstellung demografischer Daten in Raster-Geometrie wird ein Raster als eine Sammlung von Zellen betrachtet, die das Terrain in einem regelmäßigen Raster abdecken, und die Raster-Elemente werden als in Zeilen und Spalten geordnet betrachtet. Bei der Nummerierung dieser Zeilen und Spalten wird die Position jedes Elements durch die Position der Indizes i für die Spaltennummer und j für die Zeile die Nummer angegeben.

Diese Indizes sind über ein Koordinatensystem mit Koordinatenpositionen verknüpft. Die Zellengröße (Δx Spalte, Δy Zeile) definiert die Auflösung des Rasters und die Größe des Zellenrasters wird durch die Koordinatenwerte der unteren linken Ecke der unteren Zelle und der oberen rechten Ecke des obere rechte Zelle. Aus den Koordinaten lassen sich die Indizes (i, j) berechnen (siehe Abbildung unten). Auch Koordinaten werden aus den Indizes durch Anwendung dieser Regeln in umgekehrter Weise berechnet (Molenaar, 1998)

Zuletzt geändert ZEIT @ "d MMMM yyyy" 19. Oktober 2000 von Wadembere, M.I.


Kapitel 3 DEM-Produktionsmethoden und -quellen

Dieses Kapitel gibt einen Überblick über die Datenquellen des digitalen Höhenmodells (DHM), ihre Verarbeitungsanforderungen, ihre Vor- und Nachteile und ihre Anwendungen. Es gibt drei Quellen für DEM-Daten: (1) Bodenvermessungstechniken: die genaue Vermessung von Punktpositionen. Das Kapitel diskutiert die traditionellen und High-Tech-Bodenvermessungstechniken. (2) Vorhandene topografische Karten: Die Ableitung von Höhenlinien, Bächen, Seen und Höhenpunkten aus gedruckten topografischen Karten. Es konzentriert sich auf die Digitalisierung und das halbautomatische Scannen, um Rasterbilder von topografischen Karten in Vektoren umzuwandeln. (3) Fernerkundung: Die Interpretation von Bilddaten, die von Flugzeug- oder Satellitenplattformen erfasst wurden. Besonderes Augenmerk wird dabei auf: (i) Photogrammetrische/Stereo-Verfahren (ii) Laser und (iii) Radar gelegt. In diesem Kapitel werden jede dieser Quellen der Reihe nach und die gebräuchlichsten DEM-Produkte, die daraus abgeleitet werden, erörtert. Datenquellen und Verarbeitungsmethoden zur Generierung von DEMs haben sich in den letzten Jahrzehnten rasant entwickelt – von der Bodenvermessung über passive Methoden der Fernerkundung bis hin zum Aufkommen aktiver Sensoren wie LiDAR und RADAR. Höhere Genauigkeit, mehr Details und eine größere und schnellere Flächenabdeckung, jedoch zu geringeren Kosten, waren eine natürliche Folge dieser neuen Technologien.


Geografisches Informationssystem

Geographisches Informationssystem (GIS) ist ein Computersystem zum Erfassen, Speichern, Analysieren, Verwalten und Präsentieren von standortbezogenen Daten, die oft als Geodaten bezeichnet werden. Räumliche Daten können viele verschiedene Dinge darstellen, von unseren Adresspunkten bis hin zu Straßenlinien oder unseren Landbesitzpolygonen. Dies sind einige Beispiele für Daten, die ein GIS sammelt und verwaltet, um genaue Karten für eine intelligentere Entscheidungsfindung bereitzustellen.


Verarbeitete GIS-Daten

Die verarbeiteten Daten stehen im ESRI Shape Vektorformat (Verwaltungsgrenzen, besiedelte Orte, Übertragungsleitungen) oder als ASCII GRID in 1 km Auflösung zur Verfügung. Das räumliche Bezugssystem der verarbeiteten Daten ist das „ETRS Lambert Azimuthal Equal Area“ wie unten beschrieben.

ETRS Lambert Azimutal Equal Area

Die Referenzsysteme der Quelldaten unterscheiden sich in der Regel vom Zielsystem eines angewandten Modells. Globale Schichten (z. B. gerasterte Bevölkerung, Topografie, globale Landbedeckung) sind in geografischen Koordinaten verfügbar, während nationale Institute das für ihre regionalen oder nationalen Anwendungen am besten geeignete kartografische und Referenzsystem verwenden und durch ihre eigenen Vorschriften zu Geodaten definiert sind (z. B. Uganda häufig verwendet das Referenzsystem, das durch die folgenden Parameter gegeben ist: Projektion: Universal Transverse Mercator (UTM), Zone: 36, Referenzellipsoid: Clarke 1880, Datum: Arc 1960).

Zur Weiterentwicklung, Aufbereitung und Analyse von Prozessen folgten auf das Data Mining von Quellinformationen zahlreiche Operationen der Geodatenharmonisierung und -integration. Um die räumliche Kompatibilität der verschiedenen Datenquellen zu gewährleisten, wurden alle ursprünglichen thematischen Layer in ein vordefiniertes metrisches räumliches Bezugssystem überführt.

Da sich das modellierte Gebiet (afrikanischer Kontinent) über mehrere Verwaltungsregionen und Länder erstreckt, war es notwendig, ein gemeinsames Bezugssystem festzulegen. Für georeferenzierte Informationen des AFRETEP-Projekts ein Koordinatenreferenzsystem, das häufig in Modellen des Mittelmeerraums, Afrikas und Südwestasiens verwendet wird [Huld et al., 2005] und das auch den europäischen Standards entspricht [Annoni et al., 2001] gewählt wurde.

Die angewandte ETRS Lambert Azimuthal Equal Area Projektion ist durch folgende Parameter gekennzeichnet:

Projektionsname: ETRS_LAEA
Projektionstyp: Lambert Azimuthal Equal Area
Sphäroid: GRS80
Datum: WGS84
Radius der Referenzkugel: 6378137
Einheiten: Meter
Länge des Projektionszentrums: 18° 00' 00"
Breite des Projektionszentrums: 00° 00' 00"
Falscher Osten: 4321000.0
Falscher Nordwert: 3210000.0

SOZIOÖKONOMISCHE DATENSCHICHTEN

Verwaltungsgebiete, Grenzen und Namen

Der georeferenzierte Datensatz der Verwaltungseinheiten des Projekts Map Library (Map Maker Trust, Schottland) bildet einen wesentlichen Bestandteil bei der Entwicklung unseres Modells. Der gesamte afrikanische Datensatz wurde überprüft und aktualisiert, um die Grenzen bis Januar 2007 widerzuspiegeln. Der Grenzstatus und die administrativen Namen wurden anhand verschiedener Informationsquellen überprüft [Map Library, 2007]. Der eigentliche Polygonsatz ist zu einer Verschmelzung anderer gemeinfreier Datensätze geworden.

Laden Sie die Formdatei herunter :
afretep_etrs_countries.zip (

Bevölkerung

Die "Gridded Population of the World: Future Estimates" [CIESIN, FAO, CIAT]-Daten mit UN-bereinigten Bevölkerungszahlen und Dichtegittern im Arc/Info GRID-Format bildeten die Hauptquelle für Bevölkerungsschätzungen. Die Rasterdaten liegen bei 2,5 Bogenminuten (

4650 m) Bevölkerungsdichten und Bevölkerungszahlen mit Auflösung im Jahr 2005, angepasst an die UN-Gesamtzahlen. Die Quelldaten werden in geographischen Koordinaten mit Dezimalgrad basierend auf dem World Geodetic System Sphäroid von 1984 (WGS84) gespeichert und wurden projiziert (ETRS Lambert 18,0) und neu abgetastet (1000 m), was die geschätzte Bevölkerungszahl in jeder Zelle darstellt in 1km Auflösung.

Laden Sie die 1-km-Rasterdaten herunter :
afretep_etrs_1km_popdens.zip (

Notiz: Ein gerasterter Datensatz zur Gesamtbevölkerung wird vom AfriPop-Projekt bereitgestellt.
Link zur neuesten Karte und Daten: http://www.worldpop.org.uk/

Bevölkerte Orte

Lokalität und Name von Punktobjekten (z. B. besiedelte Orte, Verwaltungszentren, Kirchen, Schulen, Militärstützpunkte) waren aus dem Datensatz der Kartenbibliothek ohne Bevölkerungsinformationen verfügbar. Der Layer der Städte aus dem ESRI-Datensatz [ESRI, 2006] mit den geschätzten Bevölkerungsklassen wurde zusätzlich bearbeitet.

Die von CIESIN, Columbia University, bereitgestellte Datenbank über menschliche Siedlungen ist die Quelle für die Karte afrikanischer Städte und Städte mit einer Bevölkerung von 1.000 oder mehr. Das Projekt Global Rural-Urban Mapping Project, Version 1 (GRUMPv1) hat ebenfalls die oben beschriebenen gerasterten Bevölkerungsdaten hervorgebracht.

Laden Sie die Formdatei herunter :
afretep_etrs_populated.zip (

Notiz: Ein gerasterter Datensatz zur Gesamtbevölkerung (nicht nur Städte) wird vom AfriPop-Projekt bereitgestellt.
Link zur neuesten Karte und Daten: http://www.worldpop.org.uk/

Netzwerkinfrastruktur

Die Hauptquelle der angewandten afrikanischen Netzwerkinfrastruktur war die GIS-Datenbank der Africa Infrastructure Country Diagnostic (AICD), einem innovativen Wissensprogramm zur Verbesserung des öffentlichen Verständnisses der Infrastruktursituation Afrikas. Die AICD-Datenbank bietet länderübergreifende Daten zur Netzinfrastruktur für neun wichtige Sektoren: Luftverkehr, Informations- und Kommunikationstechnologie (IKT), Bewässerung, Häfen, Energie, Eisenbahn, Straßen, Wasser und Abwasser.

Die Datenbank umfasst 24 Länder: Benin, Burkina Faso, Kamerun, Kap Verde, Tschad, Demokratische Republik Kongo, Elfenbeinküste, Äthiopien, Ghana, Kenia, Lesotho, Madagaskar, Malawi, Mosambik, Namibia, Niger, Nigeria, Ruanda, Senegal, Südafrika, Sudan, Tansania, Uganda und Sambia (April 2010). Auf der Website [AICD, 2009] der AICD wurden nur gemeinfreie Daten eingestellt, daher stehen für unsere aktuelle Studie nicht alle in der Datenbank verfügbaren Layer in GIS-Form zur Verfügung.

Aus der AICD-Datenbank wurden zwei thematische Ebenen angewendet:
Energie: Kraftwerke (Punktobjekte), Übertragungsnetz (lineare Objekte)
Transport: Straßen (lineare Objekte)

Die Quelle der namibischen Infrastrukturdaten (Verteilstationen des nationalen Stromnetzes entlang des nationalen Stromnetzes und Stromkraftwerke) war der Digital Atlas of Namibia, der vom ACACIA-Projekt (Arid Climate, Adaptation and Cultural Innovation in Africa) veröffentlicht wurde [ACACIA, 2009 ]. Die Attributdaten geben die Kapazität der Übertragungsleitungen an.

Laden Sie die Formdatei herunter :
afretep_etrs_transmission.zip (

Reisezeit zu Großstädten: Eine globale Karte der Erreichbarkeit

Die Zugänglichkeit ist definiert als die Reisezeit zu einem interessanten Ort mit Land- (Straße/Offroad) oder Wasser (schiffbarer Fluss, See und Ozean). Diese Zugänglichkeit wird unter Verwendung eines Kosten-Entfernungs-Algorithmus berechnet, der die "Kosten" des Reisens zwischen zwei Orten auf einem regelmäßigen Rastergitter berechnet. Im Allgemeinen werden diese Kosten in Zeiteinheiten gemessen und ein die Kosten darstellendes Rastergitter wird oft als Reibungsfläche bezeichnet. Die Reibfläche enthält Informationen über das Verkehrsnetz und umweltpolitische und politische Faktoren, die die Reisezeiten zwischen den Standorten beeinflussen [Nelson, 2008]. Die Quelldaten sind in geographischer Projektion mit einer Auflösung von 30 Bogensekunden. Das Format ist ein ganzzahliges Arc/Info GRID-Format mit Pixelwerten, die Minuten der Reisezeit darstellen [Nelson, 2008].

Laden Sie das 1km-Raster herunter Daten:
afretep_etrs_1km_traveltime.zip (

Geschätzte Stromkosten [Euro/kWh] geliefert von einem Dieselgenerator, 2010

Die Datenbank der internationalen Dieselpreise für 2008 und 2010 in afrikanischen Ländern [S. Ebert et al., 2009, GTZ]. 2011]. Abhängig von den nationalen Steuern/Subventionen lagen die nationalen Durchschnittswerte zwischen 8 Eurocent (Libyen) und 113 Eurocent (Malawi).

Laden Sie das 1km-Raster herunter Daten:

Karte der internationalen Dieselpreise, 2010

Die GTZ-Datenbank der internationalen Dieselpreise ist auch für 2010 verfügbar [Armin Wagner, 2011, GTZ]. Die Karte und die GIS-Daten unten zeigen die Endverbraucherpreise für Diesel (Cent/Liter) Mitte November 2010 auf Basis der GTZ-Daten. Mehr Infos: https://www.giz.de/expertise/html/4282.html

Abhängig von den nationalen Steuern/Subventionen lagen die nationalen Durchschnittswerte zwischen 10 Eurocent (Libyen) und 124 Eurocent (Zentralafrikanische Republik).

Laden Sie die Formdatei herunter :
afretep_etrs_diesel_gtz2010.zip (

Karte der geschätzten Stromgestehungskosten

Die berechneten Stromgestehungskosten für eine 15kWp netzferne PV-Anlage in Afrika reichen von 0,2 bis 0,55 EUR/kWh. Große geografische Unterschiede sind zu beobachten: Einige der günstigsten Regionen mit geringen Kosten haben eine sehr geringe Bevölkerungsdichte (zB Sahara mit 0-15 Personen/km2), während andere relativ dicht besiedelt sind (zB Tansania, Südafrika mit 30-100 Personen /km2).

Weitere Informationen:
Photovoltaik-Geografisches Informationssystem (PVGIS), Geografische Bewertung der Sonnenressourcen und Leistung der Photovoltaik-Technologie
Huld T., Šuri M., Dunlop E., Albuisson M, Wald L (2005). Integration der HelioClim-1-Datenbank in PVGIS zur Abschätzung des Solarstrompotenzials in Afrika. Proceedings of 20th European Photovoltaic Solar Energy Conference and Exhibition, 6.-10. Juni 2005, Barcelona, ​​Spanien.

Laden Sie das 1km-Raster herunter Daten:
afretep_etrs_pv_eurkwh_2010.zip (

PHYSIKALISCHE GEOGRAPHISCHE DATENSCHICHTEN

Digitales Höhenmodell

Die Shuttle Radar Topography Mission (SRTM) erhielt Höhendaten auf einer nahezu globalen Skala (zwischen N60 und S57 Grad), um die umfassendste hochauflösende digitale topografische Datenbank der Erde zu erstellen. Das Projekt war ein gemeinsames Vorhaben der NASA, der US-amerikanischen National Geospatial-Intelligence Agency (NGA) sowie der deutschen und italienischen Weltraumbehörde und flog im Februar 2000. Es nutzte duale Radarantennen zur Erfassung interferometrischer Radardaten (IFSAR), die zu digitale topografische Daten mit einer Auflösung von 1 Bogensekunde [Farr et al., 2007]. Gemäß der NASA-NGA-Vereinbarung zur Datenverteilung wurden die SRTM-Daten in 3 Bogensekunden veröffentlicht (

90 m) Auflösung für Gebiete außerhalb der Vereinigten Staaten und volle Auflösung 1 Bogensekunde (

30 m) für das Gebiet der Vereinigten Staaten. Die SRTM-Daten als öffentliche topografische Datenbank können über das Internet bezogen werden. Neben den Höhendaten stehen auch die entsprechenden Dokumentationen und Referenzen zur Verfügung. Der „hochwertigste SRTM-Datensatz“ ist auf der Website des Consortium for Spatial Information (CGIAR-CSI) verfügbar: http://srtm.csi.cgiar.org. Die SRTM-Daten wurden verarbeitet (projiziert und neu abgetastet ETRS Lambert 18,0 - 500 m, 1000 m) und für die Geländemodellierung (geschätzte mittlere Steigung) verwendet.

Laden Sie die . herunter verarbeitet Daten:
afretep_etrs_500m_srtm.zip (

172 Mb) - Derzeit nicht verfügbar!

Laden Sie die Quelldaten herunter:
CGIAR-CSI - http://srtm.csi.cgiar.org (Link zur globalen Datenbank des Consortium for Spatial Information)

Flussnetz

Die afrikanische Abdeckung zweier globaler Fluss- und Flussnetzdatenbanken wurde in der Studie zu Pico- und Mini-Wasserkraftressourcen verarbeitet und analysiert.

Die 1:1-Millionen-Vektorkarte (VMap0) Inland Water and Water Course-Datenlayer für Afrika lieferte die grundlegenden geographischen Informationen zu verschiedenen Wasserkörpern (Polygone und Polylinien). Die gespeicherte hydrographische Merkmalsbeschreibung (perennial/permanent, non-perennial/intermitting/fluktuating) bildete die Grundlage für die erste Abgrenzung potenziell geeigneter Flussabschnitte für die Stromerzeugung mit Pico- und Mini-Hydro-Systemen.

Unter Berücksichtigung der Eigenschaften und technischen Grenzen der VMAP0-Daten wurde ein zusätzlicher hydrographischer Datensatz für Anwendungen im kontinentalen und globalen Maßstab in die Studie einbezogen
HydroSHEDS basiert auf hochauflösenden Höhendaten SRTM-Daten. Das konsistente Produkt des HydroSHEDS-Projekts bietet eine Reihe von georeferenzierten Datensätzen (Vektor und Raster) in verschiedenen Maßstäben, einschließlich Flussnetzwerken, Grenzen von Wassereinzugsgebieten, Entwässerungsrichtungen und Abflussakkumulationen. Die angewendete Auflösung betrug 3 Bogensekunden (ca. 90 Meter am Äquator).

Die Quelldaten stellten alle linearen Abflüsse als „Flusslauf“ dar, wobei das flussaufwärts gelegene Einzugsgebiet mehr als 1000 Zellen umfasste (ca. 8 km2 am Äquator). Während unserer GIS-Verarbeitung und -Analyse wurde die tatsächliche Größe der Wasserscheiden in Quadratkilometern basierend auf der geografischen Lage (Breite) der Zellen berechnet, die zu jedem Becken gehören. Als Kontrolldaten wurden die Metadaten der Messstationen (Einzugsgebietsgröße und mittlerer Jahresabfluss) aus der Global Runoff Database des Global Runoff Data Center verwendet.

Basierend auf der Beschreibung von fast 8000 Stationen weltweit und den erwähnten Flussdaten wurden Flussabschnitte, die die folgenden Kriterien erfüllen, als potenzielle Standorte für Mini-Hydro-Systeme ausgewählt:

- permanenter Fluss (Info: VMAP0)
- Flussgefälle oder Oberflächengefälle entlang des Flusses > 1 % (abgeleitet von SRTM30)
- Einzugsgebietsgröße > 100 km2 (Berechnung basierend auf HydroSHEDS)
- mittlerer jährlicher Abfluss > 4 m3/s (GRDC)

Die verarbeiteten GIS-Daten wurden weiter analysiert, um die Kosten der Systeminstallation zu berechnen.

Laden Sie die Quelldaten herunter:
VMap0-Daten im ESRI-Formformat (Beschreibung und zum Download bereit)
CGIAR-CSI - http://srtm.csi.cgiar.org (Link zur globalen Datenbank des Consortium for Spatial Information)
Global Runoff Data Center (Link zur Global Runoff Database)
HydroSHEDS (Link zu den USGS HydroSHEDS-Seiten)

Landbedeckung

Zur Modellierung der Landbedeckung wurde die Datenbank Global Land Cover 2000 (GLC2000) [GEM, 2003] gewählt. Das allgemeine Ziel des GLC2000 war die Bereitstellung einer harmonisierten Landbedeckungsdatenbank, die den ganzen Globus für das Jahr 2000 der Internationalen Klimakonvention, der Konvention zur Bekämpfung der Wüstenbildung, der Ramsar-Konvention und dem Kyoto-Protokoll abdeckt. Im GLC2000-Projekt wurde das Land Cover Classification System (LCCS) der FAO verwendet, das sich von den in CORINE verwendeten Klassen unterscheidet. Die Quelldaten werden durch geografische Koordinaten (Lat/Lon, WGS84) definiert. Die räumliche Auflösung beträgt

1km am Äquator (0,00833 Dezimalgrad). Die Quelldaten wurden projiziert und in das gemeinsame Referenzsystem (ETRS Lambert 18,0 - 1000 m) neu abgetastet.

Laden Sie die Quelldaten herunter:
Global Land Cover 2000 - Produkte (Link zum Global Land Cover 2000 Project)


Abstrakt

Die integrierte Vorhersage und Darstellung von Wetter- und Meeresbedingungen ist in vielen Interessengebieten, einschließlich Offshore-Betrieb, von größter Bedeutung. Riesige Datensätze, die aus laufenden Wetter- und Meeresvorhersagesystemen generiert werden, stellen eine Herausforderung in Bezug auf die effiziente Verarbeitung und Darstellung dieser Daten dar. Dieser Beitrag präsentiert eine Methode zur Optimierung riesiger meteorologischer und mariner Datensätze für die effektive Nutzung durch GIS, die Erstellung automatischer meteorologischer und mariner Karten und einer interaktiven Karte zur Abfrage aller erforderlichen integrierten meteorologischen und marinen Daten an ausgewählten geografischen Standorten. Diese Anwendung reduziert die Datenverarbeitungszeit und die Komplexität bei der Präsentation solch riesiger Datensätze erheblich. Copyright © 2012 Royal Meteorological Society


So funktioniert 3D-Druck

Mittlerweile gibt es eine Vielzahl von Druckern. Gut zu wissen sind Fgebrauchte Ablagerungsmodellierung (FDM), Stereolithographie (SLA) und Selektives Lasersintern (SLS). Jeder verwendet unterschiedliche Methoden, um ein Objekt zu bauen, indem Material eine Schicht nach der anderen abgeschieden wird.

  • FDM ist einer der gängigsten Drucker und wurde für alle hier gezeigten Modelle verwendet. Diese Art von Drucker wird mit einer Materialspule versorgt, auf die richtige Temperatur erhitzt und auf die vorherige Schicht gelegt. Der Kunststoff verschmilzt mit sich selbst zu einem einzigen Stück. Es gibt eine Vielzahl von Materialien, die verwendet werden können, von Kunststoff bis hin zu Holz- und Metallverbundwerkstoffen. Stützen werden oft hinzugefügt, um bei überhängenden Abschnitten zu helfen.
  • SLA verwendet einen flüssigen Harzpool, der dann vorsichtig dem Licht ausgesetzt wird, um das Harz im gewünschten Muster auszuhärten. Das Modell wird beim Auftragen jeder Schicht aus dem Harzbad gehoben. Es ist schneller als FDM, weil es eine einzelne Schicht in einem Schuss herstellen kann, anstatt die Düse bewegen zu müssen, um das gesamte Objekt zu verfolgen, aber der Geruch des Harzes kann unangenehm sein und der Aushärtungsprozess ist komplizierter.
  • SLS ähnelt SLA darin, dass es Licht oder speziell Laser verwendet, um jede Schicht aufzubauen, aber sie befinden sich in einem Pulverpool anstelle von flüssigem Harz. Der Laser verschmilzt die Partikel miteinander, dann wird eine neue Energieschicht darüber gewischt, und diese wird wieder verschmolzen. Die Vielseitigkeit und Haltbarkeit des fertigen Produkts ist beeindruckend, und alle nicht geschmolzenen Pulver können wiederverwendet werden.

Es gibt eine Reihe von Dokumentationen zu den Druckern, Materialien und Methoden für den 3D-Druck. YouTube ist eine großartige Ressource, um mehr zu erfahren. Das Wichtigste ist, dass 3D-Drucker physische Objekte erstellen, indem sie sie Schicht für Schicht aufbauen.


Das Eingabe-Raster-Dataset kann ein beliebiges gültiges Raster-Dataset sein.

Die Struktur der ASCII-Datei besteht aus Header-Informationen, die eine Reihe von Schlüsselwörtern enthalten, gefolgt von Zellwerten in Zeilen-Major-Reihenfolge.

Das Dateiformat im Allgemeinen ist:

Die Definitionen der Schlüsselwörter sind wie folgt:

NCOLS und NROWS sind die Anzahl der Spalten und Zeilen im Raster, die von der ASCII-Datei definiert werden.

XLLCORNER und YLLCORNER sind die Koordinaten der unteren linken Ecke der unteren linken Zelle.

CELLSIZE ist die Zellengröße des Rasters.

NODATA_VALUE ist der Wert, der NoData-Zellen darstellen soll.

Im Datenstrom der Zellenwerte befindet sich Zeile 1 der Daten oben im Raster, Zeile 2 befindet sich direkt unter Zeile 1 und so weiter.

Ein Beispiel für eine ASCII-Rasterdatei ist:

NODATA_VALUE ist der Wert in der ASCII-Datei, der Zellen darstellt, die NoData im Eingabe-Raster sind. Dieser Wert ist normalerweise für diejenigen Zellen reserviert, deren wahrer Wert unbekannt ist.

Das Ende jeder Datenzeile aus dem Raster wird mit einem Wagenrücklaufzeichen in der Datei abgeschlossen.

Sowohl Ganzzahl- als auch Gleitkomma-Raster können in eine ASCII-Rasterdatei konvertiert werden.

Dieses Werkzeug schreibt nur den Ursprung als die untere linke Ecke der unteren linken Zelle. Das Werkzeug ASCII in Raster unterstützt auch den Ursprung als Zentrum der unteren linken Zelle.


Schau das Video: ArcGIS tutorials, conversion tools, from Raster to