当前位置: 首页 > news >正文

arcgis地形分析全流程

主要内容:DEM的获取与处理、高程分析、坡度分析、坡向分析、地形起伏度分析、地表粗糙度分析、地表曲率分析;

主要工具:镶嵌至新栅格、按掩膜提取、投影栅格、坡度、坡向、焦点统计

一  DEM的获取与处理

1.1 DEM是什么?

DEM(Digital Elevation Model,数字高程模型)是地球表面在特定投影平面上按照一定的水平间隔选择地面点的三维坐标集合,是通过有限的地形高程数据实现对地面地形的数字化模拟,其他如坡度、坡向及坡度变化率等地貌特性都可在DEM的基础上派生。

简而言之,通过网络获取免费的DEM数据是在城市规划中最快地进行地形分析出图的最佳选择。(emmmmm,感觉话有点说的太满了,加个前缀吧“就我所知”)

1.2 网络获取DEM数据

国内的小伙伴,最方便的方法应该是打开“地理空间数据云”网站。注册登录流程不赘述了,直接说怎么下载吧。

【第一步】打开“地理空间数据云”,点击“高级检索”;

图片

【第二步】点击“数据集”开始选择数据“DEM数字高程数据”,在选项中选择“GDEMV2 30M分辨率数字高程数据”;点击确定。(研究区域较大的话还是建议选择“SRTMDEMUTM 90M 分辨率数字高程数据产品”)

图片

GDEM与SRTM、V1与V2:

具体的介绍可以地理空间数据云的数据详细信息中自己看,城市与区域规划制图要考虑那么多吗?不需要。只要记着,GDEM是30米精度,SRTM是90米精度;GDEMV1与V2的区别在于,理论上,V2质量更好。理论上~

【第三步】选择下载区域:网站提供了五种数据搜索方式,请自行研究吧,数读菌一般用第一个“行政区”;对于今天的练习,我们选择“北京市——北京市——延庆县”(延庆已经改区了,这里还没及时更新);可以看到覆盖延庆全域的话,需要下载两景数据(emmmm我也不知道为什么这个量词是“景”,一直以来的习惯吧);点击表示下载的小箭头就可以直接下载了。

图片

1.3 DEM数据预处理

将下载的数据解压到适合的文件夹(别忘了在哪==不要在路径里出现中文,不要纯数字);打开ArcGis,加载解压后出现的两个文件“ASTGTM2_N40E115_dem.tif”和“ASTGTM2_N40E116_dem.tif”。可以看到窗口内的两景数据呈现的颜色会不一样,因为两个数据是按照各自的拉伸范围来渲染的。接下来的预处理就是要把这两个栅格给组合起来。

图片

拼接DEM:使用【镶嵌至新栅格】工具(依次打开【数据管理工具】——【栅格】——【栅格数据集】——【镶嵌至新栅格】),如下图所示设置:

图片

这里建议【输出位置】这边选择一个“文件地理数据库”,文件地理数据库可以命名成中文名,存在里面的文件也可以保存成中文名(包括栅格),我个人是习惯存在数据库里面的==只能说个人习惯吧。【空间参考】不选的话就是根据输入数据的空间坐标来,同理【像元大小】不定义的话就是输入数据的像元大小。【像素类型】建议选择与输入数据相同的,这边选择“16_BIT_SIGNED”(16 位有符号数据类型。取值范围为 -32,768 到 32,767)。波段数必须输入,输入1;其他默认。点击确定。

可以发现生成的“DEM拼接”就已经是一整块图了:

图片

二 高程分析

2.1 裁剪出研究范围

这一步可以通过事先准备的矢量要素把研究区域单独提取出来。

首先加载要素类“延庆区区划84”,加载后如下图所示,可以看到研究区域只占“DEM拼接”的一小部分。

图片

使用【按掩膜提取】工具实现提取操作:依次打开【Spatial Analyst 工具】——【提取分析】——【按掩膜提取】,如下设置。这边要注意,“输出栅格”如果不是保存在地理数据库中的话,就不能有中文。(中文这个问题,有的电脑上保存中文也没事,有的电脑中文就会报错==)

图片

为了清楚地看到结果,可以把“延庆区区划84”和“DEM拼接”的图层关掉。

图片

3.2 投影栅格

使用【投影栅格】工具对栅格“延庆DEM”进行投影。依次打开【数据管理工具】——【投影和变换】——【栅格】——【投影栅格】,如下设置,其中“地理(坐标)变换”可以不选。输出坐标系选择“WGS_1984_UTM_Zone_50N”(网络数据个人习惯性使用UTM)

图片

图片

这里稍稍说一下“投影坐标系”之一的UTM(通用横轴墨卡托投影)。下面的图非常形象,可以看图理解:

图片

这张图上的一条一条就是所谓的“分度带”(UTM ZONE),也就是刚刚选择的“WGS_1984_UTM_Zone_50N”后面的“50N"的数字所代表的意义。“WGS 1984”坐标系的墨卡托投影分度带(UTM ZONE)选择方法如下:

(1)北半球地区,选择最后字母为“N”的带;
(2)可根据公式计算,带数=(经度整数位/6)的整数部分+31 如:延庆区经度范围115°44′—116°34′, 带数=115/6+31=50,选50N,即WGS 1984 UTM ZONE 50N。

2.3 高程分类

双击图层列表中”延庆DEM“图层名,打开【图层属性】对话框,选择【符号系统】选项卡,在左侧“显示”栏找到【已分类】,开始分类。分类的类别和间隔可以自行设置。【色带】自行选择看得顺眼的==

图片

分类结束后,在【布局视图】中添加指北针、比例尺、图例等就可以输出了。

图片

三 坡度分析

使用【坡度】工具进行坡度分析。依次打开【3D Analyst 工具】——【栅格表面】——【坡度】,如下设置。值得注意的是,这边输入栅格一定要是投影后的栅格

图片

图片

对坡度进行分类。分类方法同高程分析一样。我们这边就把分类划为:小于5度、5~10度、10~15度、15~20度、20~25度和大于25度六类。

图片

如果输入栅格是没有进行投影的DEM会是什么结果?

结果就是这样:

图片

所以干脆记得,干啥前都要投影==

四 坡向分析

使用【坡向】工具进行坡度分析。依次打开【3D Analyst 工具】——【栅格表面】——【坡向】,如下设置。

图片

图片

本文来源:数读城市

练习及海量数据下载:树谷资料库大全(2023年9月13日更新)

相关文章:

arcgis地形分析全流程

主要内容:DEM的获取与处理、高程分析、坡度分析、坡向分析、地形起伏度分析、地表粗糙度分析、地表曲率分析; 主要工具:镶嵌至新栅格、按掩膜提取、投影栅格、坡度、坡向、焦点统计 一 DEM的获取与处理 1.1 DEM是什么? DEM(D…...

mapper.xml中的sql标签

在MyBatis中&#xff0c;mapper.xml文件是用于定义数据库操作的映射文件&#xff0c;其中的<sql>标签用于定义可重用的SQL片段。这些SQL片段可以在<select>, <update>, <insert>, <delete>等操作中被引用&#xff0c;以避免在多个地方重复编写相…...

重启redis的步骤

要重启 Redis&#xff0c;需要使用以下步骤&#xff1a; 登录到您的服务器&#xff1a;使用 SSH 或其他远程访问方式登录到托管 Redis 的服务器。 停止 Redis 服务器&#xff1a;您可以使用以下命令停止 Redis 服务器&#xff1a; redis-cli shutdown 这将向 Redis 服务器发送…...

第二证券:如何选股票的龙头股?

在股票商场中&#xff0c;每个出资者的方针都是可以出资到那些未来可以表现出色并带领整个工作开展的龙头股。选股关于出资者来说非常要害&#xff0c;由于选股不妥或许会导致出资失利。那么&#xff0c;怎么选股票的龙头股呢&#xff1f;本文从多个角度进行剖析&#xff0c;协…...

【华为OD机考B卷 | 100分】统计监控、需要打开多少监控器(JAVA题解——也许是全网最详)

前言 本人是算法小白&#xff0c;甚至也没有做过Leetcode。所以&#xff0c;我相信【同为菜鸡的我更能理解作为菜鸡的你们的痛点】。 题干 OD&#xff0c;B 卷 100 分题目【OD 统一考试&#xff08;B 卷&#xff09;】 1. 题目描述 某长方形停车场每个车位上方都有一个监控…...

Python Django 详解(基础)

文章目录 1 概述1.1 安装 django1.2 创建 django 项目1.3 创建 app 2 启动 Django2.1 settings.py&#xff1a;注册 app2.2 view.py&#xff1a;URL和视图对应2.3 启动 Django2.4 访问 3 快速上手3.1 templates&#xff1a;html 模板3.2 static&#xff1a;静态文件3.3 模板语法…...

C语言内存函数

目录 memcpy(Copy block of memory)使用和模拟实现memcpy的模拟实现 memmove(Move block of memory)使用和模拟实现memmove的模拟实现: memset(Fill block of memory)函数的使用扩展 memcmp(Compare two blocks of memory)函数的使用 感谢各位大佬对我的支持,如果我的文章对你有…...

【Docker】Docker-compose及Consul多容器编排工具

使用一个Dockerfile模版文件可以定义一个单独的应用容器&#xff0c;当需要定义多个容器时就需要编排 docker swarm&#xff08;管理跨节点&#xff09; 编排工具——docker compose Dockerfile可以让用户管理一个单独的应用容器&#xff1b;而Compose则允许用户在一个模板&…...

Unity网络同步方案帧同步和状态同步

网络同步方案 介绍开始我们使用的状态同步&#xff08;实时状态同步&#xff09;后来采用的帧同步 状态同步优点缺点 帧同步顺序执行追帧重连优点缺点 总结 这两年做的都是帧同步和状态同步的项目&#xff0c;正好最近有时间总结一下什么是帧同步和状态同步&#xff0c;之前在做…...

【Monorepo实战】pnpm+turbo+vitepress构建公共组件库文档系统

Monorepo架构可以把多个独立的系统放到一起联调&#xff0c;本文记录基于pnpm > workspace功能&#xff0c;如何构建将vitepress和组件库进行联调&#xff0c;并且使用turbo进行任务顺序编排。 技术栈清单&#xff1a; pnpm 、vitepress 、turbo 一、需求分析 1、最终目标…...

CentOS 编译安装Redis

一、编译配置hiredis.h C来操作redis数据库。通过hiredis接口来实现&#xff0c;目前只能在Linux环境使用。 下载hiredis.h hiredis的下载地址为&#xff1a;https://github.com/redis/hiredis 解压并编译hiredis [rootlocalhost source_code]# pwd /usr/local/source_…...

可拓展的低代码全栈框架

尽管现在越来越多的人开始对低代码开发感兴趣&#xff0c;但已有低代码方案的局限性仍然让大家有所保留。其中最常见的担忧莫过于低代码缺乏灵活性以及容易被厂商锁定。 显然这样的担忧是合理的&#xff0c;因为大家都不希望在实现特定功能的时候才发现低代码平台无法支持&…...

C++11 智能指针

目录 智能指针 异常导致执行流乱跳 智能指针解决问题 auto_ptr unique_ptr sharded_ptr weak_ptr 智能指针 由于C11引入异常之后&#xff0c;执行流乱跳&#xff0c;所以导致之前 malloc/new 的空间很容易没有被释放&#xff0c;导致内存泄露问题。 所以这时候&#x…...

二、WebGPU阶段间变量(inter-stage variables)

二、WebGPU阶段间变量&#xff08;inter-stage variables&#xff09; 在上一篇文章中&#xff0c;我们介绍了一些关于WebGPU的基础知识。在本文中&#xff0c;我们将介绍阶段变量&#xff08;inter-stage variables&#xff09;的基础知识。 阶段变量在顶点着色器和片段着色…...

【Linux】31个普通信号

文章目录 1.每种信号的含义2.两种不能被忽略的信号3.两种不能被捕捉的信号 1.每种信号的含义 信号编号信号名信号含义1SIGHUP如果终端接口检测到一个连接断开&#xff0c;则会将此信号发送给与该终端相关的控制进程&#xff0c;该信号的默认处理动作是终止进程。2SIGINT当用户…...

Mac电脑交互式原型设计 Axure RP 8汉化最新 for mac

Axure RP 8是一款专业且快速的原型设计工具&#xff0c;主要用于定义需求、规格、设计功能和界面。这款工具主要适用于用户体验设计师、交互设计师、业务分析师、信息架构师、可用性专家和产品经理等职业。 Axure RP 8的主要特性包括能够快速设计出应用软件或Web网站的线框图、…...

在线免费无时长限制录屏工具 - 录猎在线版

需要录屏的小伙伴注意啦&#xff0c;想要长时间录制又不想花钱的&#xff0c;可以看下这款在线版录屏软件 —— 录猎在线版&#xff0c;一个录屏软件所需要的基本功能它都有&#xff0c;设置录制范围、录制的声音来源、摄像头也能录制的。同时它是支持Windows和Mac系统的&#…...

c语言文件操作详解:fgetc,fputc,fgets,fputs,fscanf,,fprintf,fread,fwrite的使用和区别

前言&#xff1a;在对于c语言的学习中&#xff0c;我们为了持续使用一些数据&#xff0c;为了让我们的数据可以在程序退出后仍然保存并且可以使用&#xff0c;我们引入了文件的概念和操作&#xff0c;本文旨在为大家分享在文件操作中常用的输入输出函数的使用方式和技巧&#x…...

Harmony装饰器

1、装饰器 装饰器是用于装饰类、结构、方法以及变量&#xff0c;并赋予其特殊的含义。如&#xff1a; Component表示自定义组件Entry表示该自定义组件为入口组件State表示组件中的状态变量&#xff0c;状态变量变化会触发UI刷新。 2 、语法范式 Builder/BuilderParam&#…...

如何加快Chrome谷歌浏览器下载速度?

用Chrome打开chrome://flags/...

React 第五十五节 Router 中 useAsyncError的使用详解

前言 useAsyncError 是 React Router v6.4 引入的一个钩子&#xff0c;用于处理异步操作&#xff08;如数据加载&#xff09;中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误&#xff1a;捕获在 loader 或 action 中发生的异步错误替…...

C++实现分布式网络通信框架RPC(3)--rpc调用端

目录 一、前言 二、UserServiceRpc_Stub 三、 CallMethod方法的重写 头文件 实现 四、rpc调用端的调用 实现 五、 google::protobuf::RpcController *controller 头文件 实现 六、总结 一、前言 在前边的文章中&#xff0c;我们已经大致实现了rpc服务端的各项功能代…...

label-studio的使用教程(导入本地路径)

文章目录 1. 准备环境2. 脚本启动2.1 Windows2.2 Linux 3. 安装label-studio机器学习后端3.1 pip安装(推荐)3.2 GitHub仓库安装 4. 后端配置4.1 yolo环境4.2 引入后端模型4.3 修改脚本4.4 启动后端 5. 标注工程5.1 创建工程5.2 配置图片路径5.3 配置工程类型标签5.4 配置模型5.…...

多模态商品数据接口:融合图像、语音与文字的下一代商品详情体验

一、多模态商品数据接口的技术架构 &#xff08;一&#xff09;多模态数据融合引擎 跨模态语义对齐 通过Transformer架构实现图像、语音、文字的语义关联。例如&#xff0c;当用户上传一张“蓝色连衣裙”的图片时&#xff0c;接口可自动提取图像中的颜色&#xff08;RGB值&…...

【Web 进阶篇】优雅的接口设计:统一响应、全局异常处理与参数校验

系列回顾&#xff1a; 在上一篇中&#xff0c;我们成功地为应用集成了数据库&#xff0c;并使用 Spring Data JPA 实现了基本的 CRUD API。我们的应用现在能“记忆”数据了&#xff01;但是&#xff0c;如果你仔细审视那些 API&#xff0c;会发现它们还很“粗糙”&#xff1a;有…...

【Zephyr 系列 10】实战项目:打造一个蓝牙传感器终端 + 网关系统(完整架构与全栈实现)

🧠关键词:Zephyr、BLE、终端、网关、广播、连接、传感器、数据采集、低功耗、系统集成 📌目标读者:希望基于 Zephyr 构建 BLE 系统架构、实现终端与网关协作、具备产品交付能力的开发者 📊篇幅字数:约 5200 字 ✨ 项目总览 在物联网实际项目中,**“终端 + 网关”**是…...

今日科技热点速览

&#x1f525; 今日科技热点速览 &#x1f3ae; 任天堂Switch 2 正式发售 任天堂新一代游戏主机 Switch 2 今日正式上线发售&#xff0c;主打更强图形性能与沉浸式体验&#xff0c;支持多模态交互&#xff0c;受到全球玩家热捧 。 &#x1f916; 人工智能持续突破 DeepSeek-R1&…...

什么是Ansible Jinja2

理解 Ansible Jinja2 模板 Ansible 是一款功能强大的开源自动化工具&#xff0c;可让您无缝地管理和配置系统。Ansible 的一大亮点是它使用 Jinja2 模板&#xff0c;允许您根据变量数据动态生成文件、配置设置和脚本。本文将向您介绍 Ansible 中的 Jinja2 模板&#xff0c;并通…...

Reasoning over Uncertain Text by Generative Large Language Models

https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829 1. 概述 文本中的不确定性在许多语境中传达,从日常对话到特定领域的文档(例如医学文档)(Heritage 2013;Landmark、Gulbrandsen 和 Svenevei…...

深度学习水论文:mamba+图像增强

&#x1f9c0;当前视觉领域对高效长序列建模需求激增&#xff0c;对Mamba图像增强这方向的研究自然也逐渐火热。原因在于其高效长程建模&#xff0c;以及动态计算优势&#xff0c;在图像质量提升和细节恢复方面有难以替代的作用。 &#x1f9c0;因此短时间内&#xff0c;就有不…...