Viac

Ako znížiť hodnoty nadmorskej výšky DEM pomocou open source GIS sotwaru?

Ako znížiť hodnoty nadmorskej výšky DEM pomocou open source GIS sotwaru?


Som v QGIS nováčik, ale zaujímalo by ma, ako znížiť nadmorskú výšku dem DEM pomocou QGIS? Dokáže to QGIS? Alebo mi niekto z vás môže povedať nejaký open source softvér GIS, ktorý by to dokázal?


Pozrel by som sa na zdrojové údaje pre DEM. Bola to kopa bodov a lomiek, ktoré ste interpolovali? O koľko by ste chceli znížiť nadmorskú výšku? Je to konštantná hodnota na povrchu alebo iba v určitých oblastiach? Ak je to celý povrch a máte body v súbore .CSV alebo podobnom, jednoducho ho otvorte v programe Excel, z poľa nadmorskej výšky odpočítajte akúkoľvek hodnotu, o ktorú ho chcete zmenšiť, a potom povrch znova interpolujte. Ďalším prístupom je jednoducho vykonať operáciu algebry mapy, ak je to raster, odčítaním hodnôt mriežky, bez ohľadu na hodnotu, o ktorú chcete znížiť nadmorskú výšku. Viem o tom iba v programe ArcMap, ale tu sa o ňom môžete dozvedieť pre QGIS. Ak je to len časť povrchu, ktorú chcete znížiť nadmorskú výšku, použite QGIS na vytvorenie mnohouholníka a dodajte mnohouholníku atribút novej požadovanej nadmorskej výšky. Potom upravte DEM pomocou polygónu ako stopy, nad ktorou chcete zmeniť nadmorskú výšku. Nástroj, ktorý na to použijete, by mal byť schopný načítať z odtlačku stopy atribút nadmorskej výšky, ktorý ste mu dali. To samozrejme prinúti lietadlo v tejto výške. Ale hej, to je začiatok a nemôžete očakávať oveľa viac podrobností vzhľadom na vašu príliš krátku, narýchlo formulovanú otázku.


Nový prístup k geomorfologickému mapovaniu zosuvu pomocou softvéru Open Source v oblasti Olvera (Cadiz, Španielsko)

Tento príspevok predstavuje predbežné výsledky geomorfologického prieskumu oblasti Olvera (provincia Cadiz, Betic Ranges, Španielsko) a používanie softvéru Open Source (OS) pre geografický informačný systém (GIS) a systému na správu databáz (DBMS) na sprístupnenie a distribúcia zosuvných údajov cez web. Pri geomorfologickom prieskume boli v tejto oblasti identifikované rôzne tvary reliéfu, vrátane štruktúrnych, antropogénnych, fluviálnych, krasových a svahových. Väčšina svahových foriem je obzvlášť zložitých (od prevrátenia po rotačné sklzy a pády), existujú však aj menšie formy, ako sú toky trosiek a zosuvy bahna. Na správu geomorfologických údajov bol použitý open source GIS, ktorý obsahoval nasledujúce súčasti: QuantumGIS, systém pre automatizované geovedecké analýzy (SAGA), GIS a systém podpory analýzy geografických zdrojov (GRASS), generovanie GIS pre digitálny výškový model (DEM). Kľúčovým cieľom bolo sprístupniť údaje odvodené z projektu na webe. To sa dosiahlo pomocou programu MapServer, ktorý umožňuje reprezentáciu odvodených geopriestorových údajov pomocou programu pMapper poskytujúceho grafické webové rozhranie. Naša štúdia poukazuje na dynamiku procesov odtekajúcej erózie v Olveri odvodenú pomocou pokročilých počítačových mapovacích nástrojov. Výsledné mapové produkty a interpretácie sú dostupné prostredníctvom internetu. Doteraz boli vypracované odvodené mapy na zlepšenie údržby ciest a dopravy a výstavby novej infraštruktúry.

Toto je ukážka obsahu predplatného, ​​ku ktorému máte prístup prostredníctvom svojej inštitúcie.


Úvod

Digitálna analýza terénu

Podľa Hutchinsona a Gallanta (2000) terén hrá dôležitú úlohu pri regulácii zemského povrchu a atmosférických procesov. Pochopenie povahy terénu môže poskytnúť znalosti o povahe a veľkosti týchto procesov prostredníctvom topografickej analýzy a vizualizácie (Wilson 2012). Digitálna analýza terénu (DTA) je veda o kvantitatívnej analýze zemského povrchu, ktorá sa zaoberá zberom, analýzou, hodnotením a interpretáciou geografických informácií o prírodných a umelých vlastnostiach terénu (Zhou a Zhu 2013). Analýza zahŕňa odvodenie atribútov terénu z digitálnych údajov o nadmorskej výške (Wilson 2012 Zhou a Zhu 2013). K bežným atribútom terénu patrí nadmorská výška, sklon, aspekt, zakrivenie profilu a topografický index vlhkosti (Kemp et al. 2008 Wilson 2012 Zhang et al. 2012 Pakoksung a Takagi 2015). Tieto terénne atribúty sa používajú na opis morfológie krajiny a predpovedanie účinku terénu na environmentálne alebo ľudské procesy (Zhou a Zhu 2013). Podľa Behrensa a kol. (2010) terénne atribúty sa široko používajú na digitálne mapovanie pôdy, pretože reliéf je dôležitým faktorom pri tvorbe pôdy. Bajat a kol. (2011) ukázali, ako environmentálne faktory (vrátane nadmorskej výšky a svahu) ovplyvňujú zmenu populácie v južnom Srbsku. Dragićević a kol. (2015) poskytli prehľad o tom, ako nadmorská výška, aspekt, svah a ďalší topografický index ovplyvňujú výskyt zosuvu pôdy. Význam rôznych atribútov terénu je podrobne prediskutovaný na inom mieste (t.j. Wilson 2012).

Digitálny výškový model

Typickým vstupným údajom pre DTA je model Digital Elevation Model (DEM) (Qiming et al. 2008 Wilson 2012 Cheng et al. 2012). Podľa Li a kol. (2005), existujú tri spôsoby získavania údajov pre DTA: (1) prieskum terénu alebo priame meranie povrchu terénu pomocou totálnej stanice a globálneho systému určovania polohy (GPS) (2) kartografická digitalizácia existujúcich topografických máp a (3) používanie stereo páry leteckých (alebo vesmírnych) obrazov a fotogrametrických prístrojov. Medzi príklady DEM odvodených z vesmírnych snímok patrí misia raketoplánovej topografie (SRTM) (Farr et al. 2007) a pokročilý globálny model digitálnej elevácie (GDEM) prenášaný vesmírnou tepelnou emisiou a odrazovým rádiometrom (ASTER) (Abrams et al. 2015).

ASTER GDEM

Podľa Abramsa a kol. (Abrams et al. 2015), ASTER GDEM je najaktuálnejším, najkompletnejším a najvyšším priestorovým rozlíšením (30 m), digitálnym topografickým súborom údajov Zeme voľne dostupný (bezplatne) pre verejnosť (Abrams et al. 2015). Je to jeden z mnohých produktov ASTER, spoločného projektu amerického Národného úradu pre letectvo a vesmír (NASA) a japonského ministerstva hospodárstva, obchodu a priemyslu (METI). ASTER, pracujúci na terra satelite NASA, získava údaje (od marca 2000) na výrobu ďalších produktov, ako je napríklad databáza ASTER Emisivity Database (ASTER GED), ASTER Global Urban Area Map (AGURAM), ASTER Volcano Archive (AVA), ASTER Geoscience a globálne monitorovanie ľadu z vesmíru (GLIMS) (Abrams et al. 2015). Pred vydaním ASTER GDEM boli SRTM najkompletnejšie údaje DEM dostupné verejnosti (Abrams et al. 2015). Niekoľko výskumov použilo ASTER GDEM. Phillips a kol. 2011 použila terénnu charakteristiku odvodenú z ASTER GDEM spolu so snímkami WorldView a fuzzy logikou na modelovanie distribúcie mulín v Sermeq Avannarleq v západnom Grónsku. Gichamo a kol. (2012) výpis prierezu rieky Tisy v Maďarsku z ASTER GDEM. Kassab a kol. (2013) kombinujú ASTER GDEM s inými produktmi diaľkového pozorovania a vytvárajú ľadovcovú geomorfologickú mapu oblasti Dalijia Shan na severovýchodnej tibetskej plošine. Sar a kol. (2015) používajú ASTER GDEM spolu s ďalšími geopriestorovými údajmi na mapovanie rizika katastrofy ťažby vody v povodí rieky Keleghai v Indii. Mokarram a Hojati (2015) nedávno navrhli, že ASTER DEM je pri vymedzovaní drenážnej siete nadradený nad plošnými fotografiami.

Kvantový GIS

Quantum GIS (QGIS) (http://www.qgis.org/en/site/index.html) je bezplatný, open-source a užívateľsky prívetivý softvér GIS licencovaný pod licenciou GNU General Public License (http: // www .gnu.org/licenses/gpl-3.0.en.html) (Hugentobler 2008). Tento softvér je napísaný v jazyku C ++ a je založený na multiplatformovej knižnici C ++, ktorá mu umožňuje pracovať na rôznych operačných systémoch, ako sú Linux, Unix, Mac OS X a Windows (Hugentobler 2008). QGIS má okrem toho sadu funkcií analýzy terénu zo systému podpory geografických zdrojov (GRASS) (Neteler a Mitasova 2008 Neteler et al. 2012) a systému automatizovaných geovedeckých analýz (SAGA) GIS (Conrad et al. 2015). QGIS navyše poskytuje mechanizmus zásuvného modulu, ktorý umožňuje výskumným pracovníkom a vývojárom rozšíriť funkčnosť softvéru (Hugentobler 2008). Niekoľko vedcov prijalo používanie QGIS vo svojej štúdii. Mantovani a kol. (2010) skombinovali QGIS s WebGIS a vyvinuli zosuvné geomorfologické mapy pre oblasť Olvera v Cadiz, Španielsko. Yu a kol. (2015) integrujú QGIS s bayesovskou maximálnou entropiou (BME) na mapovanie koncentrácie častíc na celom Taiwane. Landuyt a kol. (2015) mapoval ekosystémové služby v belgskej kotline Grote Nete pomocou QGIS.

Softvér R.

Softvér R je bezplatné štatistické počítačové a grafické prostredie, ktoré beží na rôznych platformách UNIX, Windows a MacOS (Ihaka a Gentleman 1996 R Core Team 2014). Okrem štatistických výpočtov má R tiež veľký počet prispievaných balíkov alebo knižníc na spracovanie, analýzu a vizualizáciu priestorových údajov (Bivand et al. 2013). Balíky ako sp (Bivand a kol. 2013), rgdal (Bivand a kol. 2014), maptooly (Bivand a Lewin-Koh 2014), a rastrový (Hijmans 2014) sú bežné balíky R používané na spracovanie priestorových údajov.

Ostrov Marinduque

Marinduque je ostrovná provincia Filipín, ktorá sa nachádza asi 200 km južne od hlavného mesta krajiny (Manila) (obr. 1). Vďaka svojmu geometrickému tvaru a polohe je považovaný za srdce filipínskeho súostrovia (Salvacion a Magcale-Macandog 2015). Existuje šesť obcí, ktoré tvoria provinciu pokrývajúcu približne 96 000 hektárov pôdy (tabuľka 1).


Dostávajte najdôležitejšie informácie do svojej doručenej pošty každý týždeň.

V pracovnom živote sa často zaoberám geopriestorovými údajmi. Tieto údaje nesú nielen obvyklé druhy atribútov, ktoré vidíme každý deň, ale aj geografické atribúty, ako sú body, čiary, uzavreté oblasti, mnohouholníky a povrchy. Tieto údaje sa zvyčajne premietajú z údajov zemepisnej šírky, dĺžky a nadmorskej výšky do iných súradnicových systémov, aby sa uľahčila analýza a prezeranie.

Jedna z vecí, ktoré mi pri zaobchádzaní s geopriestorovými údajmi pripadá zvláštne, je, ako veľmi sú speňažené a viazané v obmedzujúcich licenčných zmluvách. Ak hľadáte „geopriestorové údaje“ pomocou svojho obľúbeného vyhľadávacieho nástroja, pravdepodobne sa vám zobrazí niekoľko stránok s prepojeniami na organizácie, ktoré predávajú údaje alebo vytvárajú a predávajú softvér na geopriestorovú analýzu a vizualizáciu, to všetko pod obmedzujúcim licencovaním. Ale ak sa ponoríte hlbšie, nájdete úžasné otvorené údaje a softvér s otvoreným zdrojovým kódom.

Väčšina ľudí, ktorí sa zaujímajú o otvorené dáta, open source a svet okolo nich, už o OpenStreetMap počulo. OpenStreetMap zahŕňa údaje z „občianskych mapovačov“ a poskytuje ich všetkým pod licenciou Open Data Commons Open Database License (ODbL).

Keď sa zaoberám geopriestorovými údajmi pri práci, zaujímam sa predovšetkým o analýzu interakcií medzi rôznymi údajovými položkami. Napríklad by som chcel vidieť, kde navrhované elektrické prenosové vedenie prechádza alebo prechádza v blízkosti malých vidieckych osád. Používam predovšetkým dva otvorené nástroje: QGIS, open source geografický informačný systém (GIS) a PostGIS, priestorové rozšírenie objektovo-relačnej databázy PostgreSQL. Pred niekoľkými týždňami som si všimol príspevok v zozname adries používateľov QGIS od Seána Lyncha, ktorý prevádzkuje novú, pre mňa otvorenú databázu, ktorá sleduje globálny odpad.

Seán žiadal o záujem kohokoľvek, kto si myslí, že odpadky môžu byť problémom, s ktorým by sa občianska veda mohla vysporiadať. Vyspovedal som Seána, aby som sa dozvedel viac o jeho práci.

Chris Hermansen: Stručne povedané, čo je OpenLitterMap?

Seán Lynch: OpenLitterMap je otvorený zdroj, interaktívna a prístupná databáza svetového odpadu a plastového znečistenia. Vyvíjame skúsenosti so zberom údajov, aby sme využili bezprecedentný potenciál zberateľov údajov (občianskych vedcov) na celom svete.

Takmer každý je vybavený smartfónom, výkonným zariadením, ktoré môže zhromažďovať údaje, ale zatiaľ tento nevídaný ľudský potenciál nevyužívame. Mapovanie vrhu je dôležitým katalyzátorom rozvoja vedy založenej na dave, pretože nielenže je znečistenie plastmi na celom svete všadeprítomné, ale vrh je ľahko identifikovateľný.

Vďaka svojmu množstvu a známosti sa odpadky stali témou, ktorú ľudia stále viac uznávajú ako environmentálny problém. Tieto faktory poskytujú mapovaniu vrhu pozoruhodne nízku bariéru vstupu, ktorá môže mnohých ľudí priviesť k zberu údajov a vedeckému procesu po prvýkrát. OpenLitterMap nie je len mapa alebo otvorená databáza svetového plastového znečistenia. Je to dôležitý katalyzátor, ktorý pomôže vybudovať schopnosť spoločnosti zhromažďovať údaje.

Inšpirovaní OpenStreetMap uplatňujeme rovnaké princípy crowdsourcingu a otvorených dát na znečistenie plastmi. Chceme, aby každý, kdekoľvek a kdekoľvek, mohol zdieľať údaje o odpadkoch a plastovom znečistení na uliciach, plážach a kdekoľvek inde, kde sa dajú nájsť plasty. Tieto mapy rozprávajú silné príbehy o plastovom znečistení vo veľmi miestnom a globálnom kontexte a ktokoľvek môže použiť naše otvorené údaje na zlepšenie vládnej politiky a rozšírenie zodpovednosti výrobcov. Akonáhle to bude vyvinuté, chceme integrovať mapovanie chemického znečistenia a vyvinúť zvýšenú kapacitu na monitorovanie biodiverzity. Na dosiahnutie tohto cieľa však svet potrebuje úvod do občianskej vedy, o ktorú sa usilujeme.

CH: Ako je OpenLitterMap „otvorený“?

SL: Od spustenia v roku 2017 sú naše údaje otvorene dostupné prostredníctvom licencie na otvorenú databázu. To zahŕňa GPS, časovú pečiatku, 120 preddefinovaných typov vrhu, 60+ firemných značiek, prítomnosť vrhu (vyzdvihnutého, stále tam) a úplnú adresu OpenStreetMap na každom mieste, kde bola fotografia urobená. Ktokoľvek si môže zadarmo stiahnuť naše údaje a použiť ich na akékoľvek účely, bez obmedzenia.

Nedávno sme spustili webovú aplikáciu (Laravel + Vue) a mobilnú aplikáciu (React Native) ako open source pod GPLv3. Spustenie kódu s otvoreným zdrojovým kódom došlo k oneskoreniu, pretože to bol môj prvý projekt v oblasti kódovania, a potreboval som nejaký čas na rozvoj schopností na správu projektu s otvoreným zdrojovým kódom. Odvtedy som pracoval na niekoľkých úlohách ako webový alebo full-stack developer, spustil som v2 mobilnej aplikácie a poškriabal povrch detekcie objektov. Čoskoro uvoľníme všetky cesty k súborom s obrázkami a OpenLitterAI pod rovnakou licenciou GPL. V súčasnosti v prehliadači vytvárame nástroj na označenie našich obrázkov ohraničovacími políčkami, z ktorých všetky budú vydané ako otvorený zdroj.

Máme tiež otvorený kanál Slack a pokúšame sa hodinu organizovať týždenný hovor Zoom, kde diskutujeme o inom aspekte aplikácie, ktorá je v daný týždeň aktuálna. Tiež sme práve spustili diskusie na GitHub, kde prediskutujeme všetky aspekty platformy. Radi by sme počuli vaše nápady a nápady na to!

CH: Kedy bol OpenLitterMap prvýkrát k dispozícii?

SL: Výskum pre OpenLitterMap sa začal v roku 2008, keď ma počas štúdia geografie na univerzite zoznámili s GIS. Chcel som použiť GIS na mapovanie, komunikáciu a riešenie problémov nelegálneho skládkovania v mojej komunite. V roku 2013 ma počas magisterského štúdia GIS predstavil OpenStreetMap a rozhodol som sa použiť rovnaké princípy crowdsourcingu a otvorených dát aj na znečistenie plastov. Po absolvovaní druhého magisterského štúdia v prímorskom a morskom prostredí som vyvinul metodológiu OpenLitterMap FOSS4G a potom som sa začal učiť kódovať.

Web OpenLitterMap.com bol konečne spustený ako webová aplikácia 15. apríla 2017 a mobilné aplikácie nasledovali v rokoch 2019 (v1.0) a 2020 (v2.0). Napriek tomu, že sme vo výrobe, máme veľa práce.

CH: Kto sú užívatelia OpenLitterMap?

SL: Aj keď som neprofiloval našich používateľov, hovoril som so širokým spektrom rôznych typov ľudí, ktorí používajú našu aplikáciu. Patria sem predovšetkým vysokoškoláci, dobrovoľníci po práci, starší dôchodcovia, mladí pedagógovia a ľudia, ktorých znepokojuje len neistý stav životného prostredia.

Nedávno sa k hnutiu pridal aj náš prvý firemný sponzor, ktorý svojej globálnej pracovnej sile poskytol pol dňa so svojimi rodinami, aby vyzdvihli odpadky a zaznamenali ich pozitívny vplyv na životné prostredie. Nechali sme tím inžinierov starostlivo preškrabať živé ploty a kríky a každú fotografiu starostlivo označiť so 100% presnosťou.

Nedávno sme spustili naše prvé video z kampane, ktoré predstavuje OpenLitterMap, ktorý snáď otvorí dvere mnohým ľuďom, ktorí sú nováčikom v oblasti zberu údajov, našich spoločných otvorených hodnôt a občianskej vedy. Budúci rok by sme radi predstavili OpenLitterMap školám a začali by sme rozrastať globálnu armádu otvorených zberateľov dát, ale občianska veda nie je v súčasnej dobe ani zďaleka pripravená to dosiahnuť.

CH: Ako ste začali s mapovaním?

SL: Môj záujem o mapovanie sa stal oficiálnym v deň, keď som bol predstavený GIS. Simulácia a schopnosť ovládať údaje z reálneho sveta v počítači bola výkonná technológia a kariéra, v ktorej som sa chcel ovládať. Vyzeralo to ako videohra využívajúca údaje z reálneho sveta a s hrami som mal veľa skúseností. „Možno by som nejako mohol skĺbiť svoj záujem o hry s GIS? Tu by som mohol mať konkurenčnú výhodu,“ pomyslel som si. Napriek tomu, že v deň, keď som bol predstavený GIS, môj záujem prešiel od digitálnych hier k digitálnej vede, moje skúsenosti s digitálnymi mapami začali dávno predtým. V skutočnosti prvá televízia, ktorú som nevidel, bola mapa Super Mario Bros World-1, keď som mal štyri roky, a odvtedy som bol závislý!

CH: Ako ste sa začali zaujímať o mapovanie vrhu?

SL: V prvom ročníku na univerzite, počas štúdia geografie, bola naša kohorta predstavená GIS. Povzbudilo nás, aby sme premýšľali o spôsoboch jeho použitia a o projekte pre posledný rok. Každý deň, keď som kráčal po škole a jazdil na bicykli, videl som túto oblasť blízko môjho bydliska, ktorú sužovalo vyhadzovanie odpadu, odpadky, zhorené autá a asociálne správanie. Chcel som použiť GIS na vloženie týchto údajov na mapu, pretože som veril, že s mapami bude významný vzdelávací materiál a efektívne riešenie problémov s údajmi. Miestna komunita zvolala radu už roky a absolútne sa s tým nič nerobilo. Chcel som dať ľuďom hlas a schopnosť vytvárať geografické informácie o miestnych problémoch a zvýšiť ich hlas a schopnosť obhajovať zmenu v rozdeľovaní zdrojov v spoločnosti.

Akonáhle som začal premýšľať o mapovaní skládok, rýchlo som si uvedomil, že všade je „mikro-vrh“. Po vysokej škole som cestoval a cvičil som sa ako potápač v Thajsku. Nadviazal som silný osobný vzťah s oceánom a od skúsenejších potápačov som počul, ako sa útesy v priebehu času menili. S využitím svojich znalostí z geografie som extrapoloval do budúcnosti a uvidel som ponurý obraz. Napriek tomu, že znečisťovanie plastmi v tej dobe nebolo aktuálnym problémom, potápačská komunita si dobre uvedomovala, že ide o obrovský problém. Na pláž sa z ničoho nič pravidelne vyplavovali obrovské hromady odpadkov a my sme robili týždenné a niekedy aj denné upratovania nad a pod vodou.

Vrátil som sa domov, aby som získal magisterský titul v GIS, aby som získal mapovacie schopnosti, vtedy som začal čítať o občianskej vede a plastovom znečistení.Absolútne zdesený rozsahom znečistenia, ktoré vtedy ešte zhoršovalo nedostatočné povedomie verejnosti, som začal viac čítať o globálnom znečistení.

V deň, keď ma predstavili OpenStreetMap, som kráčal domov s telefónom v ruke a uvidel som kus odpadu. Neveril som, že pre mňa neexistuje jednoduchý a efektívny spôsob, ako vložiť tieto údaje na mapu a zdieľať ich rovnakým spôsobom ako OpenStreetMap. Len tak sa zrodil OpenLitterMap.

CH: Existujú ďalšie skupiny, ktoré sa zameriavajú na monitorovanie vrhu?

SL: Áno, je ich veľa a niekto by mal skutočne napísať nezávislú recenziu na otvorenosť, interoperabilitu a kompromisy medzi rôznymi platformami. Občanskú vedu tradične vykonávali inštitúcie. Napriek tomu, že inštitúcie budú pri výskume veľkou pomocou, neverím, že inštitúcie niekedy vyvinú skúsenosti so zberom údajov, ktoré umožnia občianskej vede dosiahnuť plný potenciál. Ak by mohli, bol by už vyvinutý, ale inštitúcie nevybudovali Xbox, Snapchat ani sociálne médiá, tak prečo by si niekto myslel, že má dobrú pozíciu na rozvoj občianskej vedy? Aj keď inštitúcie zvyčajne zdieľajú rovnaké otvorené hodnoty, čiastočne preto, že výskumní pracovníci sú už pohodlne financovaní, nemajú rovnakú snahu alebo ambíciu, akú môžu priniesť tieto externé inštitúcie.

Na trh prichádzajú rôzne súkromne vyvinuté aplikácie odpadkov. Pretože nemajú rovnakú úroveň nepretržitého financovania, mnohí hľadajú spôsoby, ako speňažiť a využiť svoje údaje. Bohužiaľ to zvyčajne znamená, že obmedzujú prístup k údajom o znečistení, čo má zásadnú nevýhodu v ochrane znečisťujúcich odvetví a súčasného stavu. Keďže mapovanie vrhu má malú prekážku vstupu, mnoho ľudí je v zbere údajov úplne nových a nespochybňuje účinnosť toho, kto má prístup k týmto údajom, a dôsledky obmedzenia prístupu k údajom o znečistení.

Toto bola pre mňa prekvapivo obrovská bariéra. [Musíme] nielen vzdelávať ľudí, že vaše zariadenie je skutočne výkonné, a môže byť použité na vytvorenie paradigmatického posunu v spôsobe, akým môže spoločnosť vytvárať geografické znalosti, ale musíme urobiť ešte jednu míľu a vzdelávať nováčikov v oblasti zhromažďovania údajov o otvorených zásadách a prečo by údaje o znečistení mali byť dostupné pre každého, nielen pre vlády a korporácie. Verím, že čím viac je niečo znečistené, tým otvorenejšie by údaje mali byť. Absolútne by sme sa chceli vyhnúť scenáru, v ktorom sú údaje o znečistení uzamknuté v silách obmedzených výlučne na hlavné svetové znečisťujúce odvetvia. Je smutné, že toto je trend posledných rokov, pretože uzavreté platformy sú podporované a oslavované a otvorené nie.

Ďalším veľkým problémom inštitucionálneho výskumu je, že 99% financií je k dispozícii iba na mikroplasty a morský odpad. V zásade sa nerobí nič, aby sa vytvorili poznatky o priemere 900 ton plastov pred morom, ktoré každú hodinu prúdia do oceánov.

CH: Čo by mohlo urobiť vašu komunitu úspešnejšou?

SL: Potrebujeme viac údajov, viac vývojárov a čo je najdôležitejšie, potrebujeme viac ľudí v našej komunite! Potrebujeme oveľa viac údajov na zlepšenie modelovania OpenLitterAI, čo výrazne uľahčí používanie našej aplikácie a zníži prekážku vstupu oveľa ďalej. Potrebujeme viac vývojárov, ktorí by pomohli zlepšiť náš softvér. Bolo by naozaj pekné nájsť nejaké finančné prostriedky na to, aby niekto pracoval aj na čiastočný úväzok na posúdení a zlúčení žiadostí o stiahnutie a pracoval na niektorých ďalších prvkoch, ako je grafický dizajn, videografia a sociálne médiá.

Najdôležitejšie zo všetkých je vybudovať našu komunitu a zvýšiť schopnosť spoločnosti zhromažďovať údaje. Rovnako ako zberatelia údajov potrebujeme, aby ľudia robili svoje veci na sociálnych médiách. Musíme vo svete post-COVID organizovať viac akcií zhromažďovania údajov a potrebujeme lepšiu integráciu s univerzitami, školami a miestnymi samosprávami. Boli by sme radi, keby si ľudia stiahli našu aplikáciu, znížili svoje očakávania a vyskúšali to! Ak zdieľate rovnaké hodnoty softvéru s otvoreným zdrojovým kódom a jeho schopnosti demokratizovať vedu o plastovom znečistení, boli by sme radi, keby ste sa pozreli na náš kód alebo sa k nám pripojili na chate v diskusiách Slack alebo Twitter alebo GitHub.

Rovnako ako OpenStreetMap vytvoril globálnu komunitu dobrovoľníkov mapujúcich svetové ulice a mestskú infraštruktúru so zdieľanými otvorenými hodnotami, chceme dosiahnuť podobný výsledok a zmapovať znečisťovanie odpadkami a plastmi v týchto uliciach otvoreným a prístupným spôsobom. Mapovanie vrhu má mimoriadne nízku bariéru vstupu, ktorá sa bude naďalej znižovať a bude otvárať dvere zberu údajov a vedeckej účasti potenciálne veľkému počtu ľudí, čo z neho robí dôležitý katalyzátor rozvoja vedy založenej na dave. Aby bola táto geografická renesancia spravodlivejšia, demokratickejšia a transparentnejšia, naliehavo potrebujeme ľudí, ktorí zdieľajú naše hodnoty otvorenosti, aby pomohli vzdelávať veľký počet ľudí, ktorí sú v zbere údajov úplne noví, o tom, prečo nielen potrebujeme mapovať, ale aj prečo potrebujeme zdieľať údaje (o znečistení) a podporovať rozvoj softvéru s otvoreným zdrojovým kódom a otvorených komunít. Dúfam, že sa k nám pripojíte a pomôžete nám zmapovať svetové znečistenie plastmi a nasmerovať budúce smerovanie OpenLitterMap.

CH: Aké druhy vplyvov podľa vás OpenLitterMap.com prinesie?

SL: Ani jedno mesto alebo dokonca univerzitný kampus nemá zmapovaný vrh. Ak spolupracuje veľa ľudí, môže to trvať niekoľko minút. Akonáhle je aplikácia oveľa užívateľsky príjemnejšia a ľudia sú motivovaní a radi sa zúčastňujú, mohli by sme rýchlo vybudovať miestne, regionálne a medzinárodné kapacity na veľmi rýchly zber obrovských množín údajov.

Budovanie schopnosti spoločnosti zhromažďovať údaje je jedným z dôležitých vplyvov. Ďalšou možnosťou je zvýšiť hlas miestnych ľudí, ktorí potrebujú lepší prístup k službám. Pôvodným motivátorom pre mňa bolo zvýšenie viditeľnosti nezákonného skládkovania v mojej komunite. Miestni ľudia sa roky pokúšali kontaktovať mesto a nič sa s tým nerobilo. Chcem dať ľuďom možnosť vytvárať geografické informácie a zlepšiť rozdeľovanie zdrojov v spoločnosti. To môže tiež zvýšiť rozsah zodpovednosti výrobcov. Ak sa nový obchod otvorí alebo dôjde k zmene v politike, ako je zákaz fajčenia alebo sa cez noc zmenia spotrebiteľské preferencie - alebo zrazu miliardy ľudí denne používajú jednorazové rúška, ako môžeme obhajovať a úspešne nájsť dôležitejšie spôsoby, ako riadiť meniace sa druhy odpadu? Myslím si, že tu existuje značný priestor na zlepšenie, ktoré je možné dosiahnuť iba splnomocnením spoločnosti na zber a zdieľanie údajov.

Verím, že o niekoľko rokov sa výroba obrovských globálnych súborov údajov stane novým normálom. Snažím sa zaistiť, aby otvorené zásady boli ústredným prvkom tejto zmeny paradigmy. Tieto údaje môžu mať hlboké miestne, ale aj medzinárodné dôsledky. V súčasnej dobe niektoré z najlepších vied o plastovom znečistení charakterizujú túto globálnu epidémiu ako problém prevažne oceánov alebo morí. Niektorí autori uvádzajú, že deväť až desať riek v Ázii je zodpovedných za približne 90% plastového odpadu vstupujúceho do oceánov. Aj keď tieto údaje môžu byť správne, aj keď autori uznávajú, že s týmito závermi existuje veľká neistota z dôvodu nedostatku údajov (o ktorých sa v médiách nikdy nehovorí), neverím, že tieto výsledky vhodne charakterizujú súčasný antropologický vrh, ktorý je všade .

Musíme vybudovať nový model chápania a porovnávania plastového znečistenia, ktorý má dôležitý, ale oveľa menej dobre pochopený miestny kontext. Musíme predovšetkým zistiť, ako plast pochádza z pevniny a ako končí v oceáne. Aby sme to dosiahli, musíme zlepšiť viditeľnosť pred morských a suchozemských charakteristík plastového znečistenia.

Pre väčšinu ľudí sa odpadky stali normálnymi a neviditeľnými. Zapadlo to do pozadia nášho života. Globálne znečistenie by však nemalo byť normálne a nie je ani zďaleka prijateľné. Nakoniec sa chcem uistiť, že sa nikto už nikdy nebude pozerať na ulice rovnakým spôsobom. Ak vezmete do úvahy, kedy bola aplikácia Google Earth prvýkrát vydaná, každý si mohol prvýkrát priblížiť svoj vlastný domov z vesmíru. Ak dokážeme zmapovať odpadky okolo domov a komunít ľudí, bude to veľmi silný príbeh o plastovom znečistení v našich záhradách a silný príbeh môže zmeniť naše vnímanie plastového znečistenia z problému „mimo“ na extrémne lokálny. . Choďte von alebo v mnohých prípadoch stačí otvoriť okno. Je to vsade

CH: Kde sa môžu zaujímaví čitatelia dozvedieť viac?

SL: Naše aktualizácie a informačné kanály môžete sledovať na sociálnych sieťach @openlittermap a máme niekoľko videí na YouTube, ktoré vyhľadávajú program OpenLitterMap. Nedávno sme spustili naše prvé video z kampane a nové demo video o tom, ako používať našu aplikáciu. Dúfam, že vás táto práca bude zaujímať a stanete sa súčasťou našej komunity open source. Boli by sme veľmi radi, keby ste sa k nám pridali.


Všade okolo GIS

ANN
Aproximate Nearest Neighbors (ANN) je knižnica napísaná v programovacom jazyku C ++, ktorá podporuje presné aj približné vyhľadávanie najbližších susedov v priestoroch rôznych rozmerov.

Modul škálovateľného poľa rasdaman („správca rastrových údajov“) ponúka agilné analytické služby na rozsiahlych časopriestorových rastroch („datacubes“), ako sú 2D satelitné obrazové mapy, 3D x/y/t obrazové časové rady a x/y/z geofyzikálne údaje voxel a údaje o počasí a oceáne 4D x/y/z/t. Rasdaman sa vyznačuje flexibilitou, výkonom, škálovateľnosťou, bezpečnosťou a podporou otvorených štandardov. Jeho dotazovací jazyk, ktorý je plánom pre dátové kocky ISO Array SQL a OGC, poskytuje paradigmu „akýkoľvek dotaz, kedykoľvek“. Používatelia môžu zostať vo svojej komfortnej zóne známych klientov, akými sú OpenLayers, NASA WebWorldWind, QGIS, ArcGIS, python a R. Vďaka svojim funkciám federácie rasdaman umožňuje distribuované spracovanie dotazov a voľne kombinuje obrovské dátové trubice, ktoré sa nachádzajú kdekoľvek vo federácii.

BEAM
BEAM je sada nástrojov na prezeranie, analýzu a spracovanie údajov diaľkového snímania.

Kolekcia Matlab od Berila Sirmacka
Táto kolekcia obsahuje kódy matlabu pre aktívny tvar rastúceho 2D boxu, prispôsobenie boxu podľa hodnoty intenzity, detekciu tieňov a funkcie invariantné pre farby pre detekciu objektu (cesty).

CIMES
Balík programov na určenie geometrie vrchlíka a režimov slnečného žiarenia prostredníctvom polguľových fotografií.

CLASlite
Monitorovanie odlesňovania tropických lesov a degradácie lesov pomocou satelitov môže byť každodennou aktivitou neodborníkov, ktorí podporujú ochranu životného prostredia, lesné hospodárstvo a rozvoj politiky v oblasti zdrojov. Prostredníctvom rozsiahleho pozorovania potrieb používateľov sme vyvinuli CLASlite na pomoc vládam, mimovládnym organizáciám a akademickým inštitúciám s mapovaním a monitorovaním lesov pomocou satelitných snímok vo vysokom rozlíšení.

Súbor nástrojov odolnosti voči klíme
K dispozícii sú nástroje, ktoré vám pomôžu zvládnuť riziká a príležitosti súvisiace s klímou a pomôžu vám pri budovaní odolnosti voči extrémnym udalostiam.

CloudCompare
Softvér na spracovanie 3D mračna bodov a ôk.

Kódy Devis Tuia
Súbor nástrojov aktívneho vzdelávania MATLAB pre klasifikáciu snímok diaľkového snímania vrátane: poloprehľadného zarovnania rozdeľovača multimodálnych snímok diaľkového snímania, metódy aktívnej sady, optimálneho transportu regulovaného triedou (python).

DORIS
Inštitút pre pozorovanie Zeme a vesmírne systémy Delft na Technickej univerzite Delft vyvinul procesor Interferometric Synthetic Aperture Radar (InSAR) s názvom Doris (objektovo orientovaný radarový interferometrický softvér Delft).
Interferometrické produkty a konečné produkty, ako sú digitálne výškové modely a výtlakové mapy, je možné generovať pomocou tohto softvéru z údajov Single Look Complex. Údaje zo satelitov ERS, ENVISAT, JERS a RADARSAT je možné spracovať pomocou softvéru Doris.

Zbožňuj
Automatizované prostredie DORIS (adore) je sada bash skriptov, ktoré uľahčujú používanie softvéru DORIS spoločnosti TU-DELFT. ADORE je skratka pre Automated DORIS Environment. Je to vývoj, ktorý sa začal na geodetickej skupine University of Miami, aby pomohol výskumníkom ľahko vytvárať interferogramy. Rovnako ako DORIS je to projekt s otvoreným zdrojovým kódom a je dodávaný s rovnakou licenciou. ADORE sa pokúša poskytnúť efektívne používateľské rozhranie na generovanie interferogramov pomocou systému DORIS a má niekoľko ďalších funkcií na zobrazenie a export výsledkov a analýzu časových radov.

ESMF
Earth System Modeling Framework (ESMF) je softvér na vytváranie a spájanie modelov počasia, klímy a súvisiacich modelov.

FDO
Objekty údajových funkcií:
FDO Data Access Technology je API na manipuláciu, definovanie a analýzu geopriestorových informácií bez ohľadu na to, kde sú uložené. FDO používa model založený na poskytovateľovi na podporu rôznych zdrojov geopriestorových údajov, kde každý poskytovateľ spravidla podporuje konkrétny formát údajov alebo úložisko údajov.

FMAPS
Databáza a grafické rozhranie, ktoré podporuje operácie a spracovanie a výskum GIS a diaľkového snímania.

FÚZIA
Softvérová sada na konverziu, analýzu a zobrazenie údajov LIDAR/IFSAR.

FWTools
FWTools je sada open source binárnych súborov GIS pre Windows (win32) a
Systémy Linux (x86 32bit) produkoval Frank Warmerdam. Súpravy sú navrhnuté tak, aby ich koncoví používatelia mohli ľahko nainštalovať a začať používať. Žiadne hádanie sa s budovaním zo zdroja alebo zbieranie veľa navzájom prepojených balíkov. FWTools obsahuje OpenEV, GDAL, MapServer, PROJ.4 a OGDI, ako aj niektoré podporné komponenty.

GCTP
General Cartographic Transformation Package (GCTP) je systém softvérových rutín navrhnutých tak, aby umožňovali transformáciu párov súradníc z jednej projekcie mapy na druhú. GCTP je štandardný počítačový softvér používaný Národnou mapovacou divíziou na výpočty projekcie máp od roku 1998.

GDAL/OGR
GDAL je prekladateľská knižnica pre rastrové geopriestorové dátové formáty. Ako knižnica predstavuje jediný abstraktný dátový model volajúcej aplikácii pre všetky podporované formáty. Dodáva sa tiež s radom užitočných nástrojov pre príkazový riadok na preklad a spracovanie údajov. Súvisiaca knižnica OGR (ktorá sa nachádza v zdrojovom strome GDAL) poskytuje podobnú schopnosť pre vektorové údaje o jednoduchých funkciách.

GDL
GNU Data Language (GDL) je bezplatný/libre/open source inkrementálny kompilátor kompatibilný s IDL a do určitej miery aj s PV-WAVE. Spolu s rutinami knižnice slúži ako nástroj na analýzu a vizualizáciu údajov v takých odboroch, akými sú astronómia, geovedy a lekárske zobrazovanie.

GEOMS2
GEOMS2 je softvér na modelovanie geostatistiky a geovied. Poskytuje rozhranie pre mriežkové (sieťové), bodové, povrchové a dátové (nie priestorové) objekty. Má 3D prehliadač a 2D grafy pomocou známych Python motorov Mayavi a Matplotlib. Má niekoľko funkcií na manipuláciu s vašimi údajmi a tiež poskytuje jednorozmernú a viacrozmernú analýzu.

Geometrické nástroje
Knižnica zdrojových kódov pre výpočty v oblasti matematiky, grafiky, analýzy obrazu a fyziky. Motor tiež podporuje vysokovýkonné výpočty pomocou programovania GPU na všeobecné účely (GPGPU). SIMD kód je k dispozícii aj pomocou Intel Streaming SIMD Extensions (SSE).

GeoSieť
GeoNetwork je katalógová aplikácia na správu priestorovo odkazovaných zdrojov. Poskytuje výkonné funkcie na úpravu metadát a vyhľadávanie, ako aj interaktívny prehliadač webových máp. V súčasnosti sa používa v mnohých iniciatívach týkajúcich sa priestorovej dátovej infraštruktúry po celom svete.

GEOS
GEOS (Geometry Engine - Open Source) je port C ++ programu Java Topology Suite (JTS). Cieľom je zahrnúť kompletnú funkcionalitu JTS v jazyku C ++. To zahŕňa všetky jednoduché funkcie OpenGIS pre priestorové predikátové funkcie a priestorové operátory SQL, ako aj špecifické funkcie topológie rozšírené o JTS.

GeoServer
GeoServer je softvérový server založený na jazyku Java, ktorý umožňuje užívateľom prezerať a upravovať geopriestorové údaje. GeoServer využíva otvorené štandardy stanovené Open Geospatial Consortium (OGC) a umožňuje veľkú flexibilitu pri vytváraní máp a zdieľaní údajov.

GeoTools
GeoTools je knižnica kódov Java s otvoreným zdrojovým kódom (LGPL), ktorá poskytuje štandardné metódy pre manipuláciu s geopriestorovými údajmi, napríklad na implementáciu geografických informačných systémov (GIS). Knižnica GeoTools implementuje špecifikácie Open Geospatial Consortium (OGC) tak, ako sú vyvíjané.

GEOTRANS
MSP (Mensuration Services Program) GEOTRANS (Geographic Translator) je aplikačný program, ktorý vám umožní ľahko prevádzať geografické súradnice medzi širokou škálou súradnicových systémov, projekcií máp a podkladov. GEOTRANS beží v prostrediach Microsoft Windows, LINUX a UNIX a od MSP GEOTRANS 3.4 je teraz k dispozícii aplikácia pre Android.

GeoPy
GeoPy uľahčuje vývojárom nájsť súradnice adries, miest, krajín a pamiatok na celom svete pomocou geokodérov tretích strán a ďalších zdrojov údajov, ako sú wiki.

GMT
GMT (Generic Mapping Tools) je open source zbierka asi 80 nástrojov príkazového riadka na manipuláciu so súbormi geografických a karteziánskych údajov (vrátane filtrovania, prispôsobovania trendov, mriežky, projektovania atď.) A na vytváranie postskriptových ilustrácií od jednoduchých grafov x-y. Prostredníctvom vrstevnicových máp na umelo osvetlené povrchy a 3D perspektívnych zobrazení pridávajú doplnky GMT ďalších 40 špecializovanejších a pre disciplínu špecifických nástrojov. GMT podporuje viac ako 30 projekcií a transformácií máp a dodáva sa s podpornými údajmi, ako sú pobrežie GSHHG, rieky a politické hranice.

GMTSAR
GMTSAR je otvorený zdrojový systém spracovania InSAR určený pre používateľov oboznámených s nástrojmi Generic Mapping Tools (GMT). Kód je napísaný v jazyku C a kompiluje sa na akomkoľvek počítači, kde sú nainštalované GMT a NETCDF.

TRÁVA
GRASS GIS, bežne označovaný ako GRASS (Geographic Resources Analysis Support System), je bezplatný a otvorený zdrojový balík geografického informačného systému (GIS), ktorý sa používa na správu a analýzu geopriestorových údajov, spracovanie obrazu, tvorbu grafiky a máp, priestorové modelovanie a vizualizácia.

GSLIB
GSLIB je skratka pre Geostatistical Software LIBrary. Tento názov bol pôvodne použitý pre zbierku geostatistických programov vyvinutých na Stanfordskej univerzite za posledných 15 rokov.

Gstat
Geostatistická knižnica v C. Pozri R-Gstat.

R-Gstat
Implementuje rutiny pre priestorové a časopriestorové geostatistické modelovanie, predikciu a simuláciu vrátane: variogramového modelovania jednoduchého, bežného a univerzálneho bodového alebo blokového (ko) krigovania, sekvenčného gaussovského alebo indikátorového (ko) simulačného variogramu a variogramového grafu obslužných funkcií.

GSTL
GsTL je knižnica C ++, ktorá poskytuje komplexnú sadu nástrojov a algoritmov pre geostatistiku. Medzi poskytnuté algoritmy patria:
Kriging: jednoduché kriging (SK), bežné kriging (OK) a kriging s trendom (KT)
Cokriging: jednoduché alebo bežné, buď pomocou úplného systému cokriging, alebo jedného z modelov Markov MM1 alebo MM2
Sekvenčná simulácia: Gaussova simulácia, simulácia indikátora alebo simulácia štatistiky viacerých bodov,
Simulácia P-poľa.
Objektovo založené simulačné techniky a simulované žíhanie v súčasnosti nie sú zahrnuté.

gvSIG
gvSIG je geografický informačný systém (GIS), to znamená desktopová aplikácia navrhnutá na zachytávanie, ukladanie, manipuláciu, analýzu a nasadzovanie akýchkoľvek referenčných geografických informácií s cieľom vyriešiť komplexné problémy so správou a plánovaním. gvSIG je známy tým, že má užívateľsky prívetivé rozhranie a má prístup k najbežnejším formátom, vektorovým aj rastrovým. Obsahuje širokú škálu nástrojov na prácu s geografickými informáciami (dotazovacie nástroje, vytváranie rozložení, geoprocesing, siete atď.), Ktoré robia z gvSIG ideálny nástroj pre používateľov pracujúcich v pozemskej oblasti.

ILWIS
Integrovaný informačný systém o zemi a vode, ILWIS, užívateľsky najpríjemnejší integrovaný softvér na svete s funkciami rastrového spracovania na prácu so vzdialene snímanými satelitnými snímkami a možnosťami vektorového spracovania na vytváranie vektorových máp a nespočetných schopností priestorového modelovania. Vďaka plne integrovanému rastrovému a vektorovému prístupu a užívateľskej prívetivosti je obzvlášť vhodný pre manažérov prírodných zdrojov, terénnych vedcov, biológov, ekológov atď., Ako aj pre pedagógov.

Analýza obrazu, klasifikácia a detekcia zmien v diaľkovom snímaní
Toto je zbierka kódov v ENVI/IDL a Pythone, ktorá sprevádza knihu s rovnakým názvom. Túto zbierku napísal Morton J. Candy v roku 2014 a predstavuje techniky používané pri spracovaní digitálnych snímok diaľkového snímania. Zdôrazňuje vývoj a implementáciu štatisticky motivovaných techník založených na dátach. Autor to dosahuje úzkym prepojením teórie, algoritmov a počítačových kódov. Materiál je samostatný a je ilustrovaný mnohými príkladmi programovania

Kniha sa zaoberá multispektrálnymi a polarimetrickými technikami analýzy radarového obrazu spôsobom, ktorý objasňuje rozdiely a paralely, a zdôrazňuje dôležitosť výberu vhodných štatistických metód. Každá kapitola je ukončená cvičeniami, z ktorých niektoré sú malými programovacími projektmi, ktoré majú ilustrovať alebo odôvodniť predchádzajúci vývoj, takže tento samostatný text je ideálny pre samoštúdium alebo použitie v triede.

ImageMagick
ImageMagick je softvérový balík na vytváranie, úpravu, skladanie alebo prevádzanie bitmapových obrázkov. Dokáže čítať a zapisovať obrázky v rôznych formátoch (viac ako 100) vrátane DPX, EXR, GIF, JPEG, JPEG-2000, PDF, PNG,
Postscript, SVG a TIFF. Pomocou programu ImageMagick môžete meniť veľkosť, prevracať, zrkadliť, otáčať, skresľovať, strihať a transformovať obrázky, upravovať farby obrázkov, používať rôzne špeciálne efekty alebo kresliť text, čiary, mnohouholníky, elipsy a Bézierove krivky.

iNVT
Súprava nástrojov iLab Neuromorphic Vision C ++ (iNVT, vyslovované ako „vynález“) je komplexný súbor tried C ++ na vývoj neuromorfných modelov videnia. Neuromorfné modely sú počítačové neurovedecké algoritmy, ktorých architektúra a funkcia sú inšpirované biologickými mozgami. Súprava nástrojov iLab Neuromorphic Vision C ++ obsahuje nielen základné triedy pre obrázky, neuróny a oblasti mozgu, ale aj plne vyvinuté modely, ako je náš model vizuálnej pozornosti zdola nahor a Bayesovského prekvapenia.

ITK
Súbor nástrojov segmentácie a registrácie Národnej knižnice medicíny (ITK). ITK je open-source multiplatformový systém, ktorý vývojárom poskytuje rozsiahlu sadu softvérových nástrojov na analýzu obrazu. ITK, vyvinutá pomocou extrémnych metodík programovania, využíva špičkové algoritmy na registráciu a segmentáciu viacrozmerných údajov.

Kódy José Gómez-Dansa
Tento výskumník z University College London má k dispozícii množstvo balíkov, vrátane: Väzieb Pythonu pre model odrazivosti vrchlíka PROSAIL Pomocné moduly na riešenie pozorovaní satelitného diaľkového snímania pre eoldas_ng Nástroj na sťahovanie údajov EO z archívov Gaussovské emulátory procesu v Pythone Verzia pythonu modelu ekosystému DALEC Experiment asimilácie údajov s modelom ekosystému DALEC Nástroj asimilácie údajov pre krajinu Nástroj EO na sťahovanie údajov MODIS z úložiska USGS Generovanie jednoduchého časovo náročného diagramu senzorov diaľkového snímania Projekt modelu radiačného prenosu na zistenie vplyvu vegetácie štruktúra na signáli TOC SIF Analýza údajov 2stream RT modelu MERIS Algoritmy optimalizácie založené na gradiente v simulácii dynamiky uhlíka, dusíka a vody v Pythone v dennom časovom kroku Model SPA (Soil-Plant-Atmosphere) spoločnosti MWilliams et al. Knižnica sledovania lúča Pythonu Systém asimilácie údajov o Zemi Zeme (EO-LDAS) Väzby Pythonu pre polodiskrétny RT model Gobrona a kol. Simultánna stochastická aproximácia porúch Pythonov kód Morrris, Campolongo a ďalší prístup k analýze citlivosti modelov Ovládač pythonu na spustenie modelu JULES.

KNIME
KNIME je modulárne výpočtové prostredie, ktoré umožňuje jednoduché vizuálne zostavenie tokov spracovania, interaktívnu analýzu údajov a spracovanie údajov. Umožňuje tiež integráciu údajov a prediktívnu analýzu, čo uľahčuje úsilie spojené s predbežným spracovaním, štatistickou analýzou a modelovaním.

LAS
Land Analysis System (LAS) je systém analýzy obrazu, ktorý je navrhnutý tak, aby prijímal, manipuloval a analyzoval digitálne obrazové údaje a poskytoval užívateľovi široké spektrum funkcií a štatistické nástroje na analýzu obrazu. Je navrhnutý tak, aby podporoval výskum a produkciu diaľkového prieskumu zeme, spracovania obrazu a geografických informačných systémov (GIS). LAS poskytuje flexibilný rámec pre vývoj algoritmov, ako aj spracovanie a analýzu obrazových údajov.

LASTools
Existujú nástroje na prevod z/do ASCII alebo Shapefiles, na prezeranie, riedenie, kontúrovanie, spájanie, filtrovanie, trianguláciu TIN, rastrovanie DEM, vytváranie hraničných polygónov, ... Plus LASLib na čítanie a zápis LIDARU zo a do štandardného LAS alebo komprimovaného LAZ .

Matlab Hyperspectral Toolbox
Súbor nástrojov má byť stručným archívom súčasných najmodernejších algoritmov využívania na účely učenia a výskumu. Sada nástrojov bude obsahovať funkcie pre: zisťovanie cieľov, generovanie mapy hojnosti materiálov (MAM), spektrálne zmiešavanie, automatizované spracovanie, zisťovanie zmien, vizualizáciu, čítanie / zápis súborov (.rfl, .asd atď.).

Server MapServer
MapServer je open source platforma na publikovanie priestorových údajov a interaktívnych mapovacích aplikácií na web. MapServer bol pôvodne vyvinutý v polovici 90. rokov na univerzite v Minnesote a je vydávaný pod licenciou MIT a funguje na všetkých hlavných platformách (Windows, Linux, Mac OS X). MapServer nie je plnohodnotným systémom GIS a ani o to neusiluje.

Micmac
Automatický výpočet korešpondencie medzi dvoma podobnými obrázkami je problém, ktorý sa vyskytuje v mnohých podmienkach pri geometrickom spracovaní obrázkov. To je obzvlášť prípad v oblasti mapovania, kde má obrázok hodnotu od okamihu, kedy môžete na informácie, ktoré obsahuje, geograficky odkazovať. Cieľom softvéru MicMac je poskytnúť jednotné riešenie na riešenie väčšiny týchto problémov. Všeobecná stratégia používaná spoločnosťou MicMac je prístup s viacerými rozlíšeniami a pri danom rozlíšení je prístupom minimalizácia energetickej funkcie kombináciou dátového výrazu a apriori znalostí o pravidelnosti.

MMM-Py
Národný úrad pre oceán a atmosféru (NOAA) pravidelne vyrába národné mozaiky s 3D radarovým odrazom prostredníctvom svojho systému Multi-Radar/Multi-Sensor (MRMS). Tieto mozaiky sú úžasné na analýzu a výskum búrok a zrážok, ale sú distribuované v podivných formátoch, ktoré sa NOAA neustále mení. Niekedy si len chcete prečítať súbor a urobiť zápletku! Na to slúži MMM-Py. S ním si môžete prečítať akúkoľvek verziu radarovej mozaiky MRMS, minulú alebo súčasnú, a môžete analyzovať, vykresľovať, podsekovať a vytvárať vlastné mozaiky, ktoré MMM-Py môže neskôr prehltnúť. MMM-Py je bezplatný a otvorený zdroj. Je schopný vytvárať údaje a analýzy pripravené pre publikácie, ale môže tiež vytvárať rýchle prehľady, aby ste si mohli pozrieť chladnú búrku, ktorá sa práve stala.

POHYBUJE sa
MOVES (Simulátor emisie motorových vozidiel) Úrad pre dopravu a kvalitu vzduchu EPA (OTAQ) vyvinul simulátor emisií vozidla MOtor (MOVES). Tento nový systém modelovania emisií odhaduje emisie pre mobilné zdroje pokrývajúce široký rozsah znečisťujúcich látok a umožňuje analýzu vo viacerých mierkach. MOVES v súčasnosti odhaduje emisie z osobných, nákladných a motocyklových zosilňovačov. V budúcich vydaniach plánujeme pridať možnosť modelovania nediaľničných mobilných zdrojov.

PANI
MRS je sada kódov MATLAB, ktorá je sprievodcom knihy Mikrovlnný radar a rádiometrické diaľkové snímanie, vydanej spoločnosťou Ulaby a Long, publikovanej v roku 2013. Balíček obsahuje kódy na výpočet mnohých rôznych vecí vrátane dielektrických konštánt vody, ľadu a vegetácie a tiež radarové a rádiometrické reakcie modelov vegetácie a atmosféry. Stránka má aj online verzie kódov, ktoré poskytujú grafy na základe vstupov používateľov.

Grafika NCAR
NCAR Graphics je softvérový balík založený na Fortran a C na vedeckú vizualizáciu:
Obrysové grafy, XY grafy, Vektorové grafy, Zjednodušené grafy, Trojuholníkové siete, Mapy počasia, Histogramy, Povrchy/Rovinné povrchy, Mapy.

NCL
NCAR Command Language je interpretovaný jazyk navrhnutý špeciálne pre analýzu a vizualizáciu vedeckých dát.

Súbor nástrojov NeoGeography
NASA Ames Stereo Pipeline je sada nástrojov pre automatickú geodéziu a stereogrammetriu zosilňovačov navrhnutých na spracovanie planetárnych snímok zachytených z orbitálnych a pristátých robotických prieskumníkov na iných planétach. Súvisiace nástroje sú súčasťou súpravy nástrojov NeoGeography Toolkit.

HNIEZDO
The Next ESA SAR Toolbox (NEST) je ESA open source súbor nástrojov pod licenciou GNU GPL na čítanie, spracovanie, analýzu a vizualizáciu ESA (ERS-1/2, ENVISAT, SENTINEL-1) a ďalších vesmírnych (TerraSAR-X, RADARSAT 1-2, COSMO-SkyMed, JERS-1, ALOS PALSAR) Údaje SAR spracované na úroveň 1 alebo vyššiu.

netCDF
netCDF je sada softvérových knižníc a samopopisujúcich, na stroji nezávislých dátových formátov, ktoré podporujú vytváranie, prístup a zdieľanie vedeckých dát orientovaných na pole. Konvencie pre metadáta klímy a prognózy (CF) sú navrhnuté tak, aby podporovali spracovanie a zdieľanie súborov netCDF. Konvencie definujú metadáta, ktoré poskytujú konečný popis toho, čo údaje predstavujú, a priestorové a časové vlastnosti údajov.

NLSAR
Non-Local framework for (Pol) (In) SAR denoising. NL-SAR je všeobecná metóda, ktorá buduje rozšírené nelokálne štvrte na deenizáciu amplitúdových, polarimetrických a/alebo interferometrických obrazov SAR. Tieto susedstvá sú definované na základe podobnosti pixelov vyhodnotenej viackanálovým porovnaním záplat. Vykonáva sa niekoľko nelokálnych odhadov a najlepší z nich sa vyberie lokálne na vytvorenie jedného obnoveného obrazu s dobrým zachovaním radarových štruktúr a diskontinuít.

OGDI
OGDI je rozhranie Open Geographic Datastore. OGDI je aplikačné programovacie rozhranie (API), ktoré používa štandardizované prístupové metódy na prácu v spojení so softvérovými balíkmi GIS (aplikácia) a rôznymi geopriestorovými dátovými produktmi. OGDI používa architektúru klient/server na uľahčenie šírenia geopriestorových dátových produktov cez akúkoľvek sieť TCP/IP a prístup orientovaný na vodiča, ktorý uľahčuje prístup k viacerým geopriestorovým dátovým produktom/formátom.

OpenCV
OpenCV (Open Source Computer Vision Library) bola postavená tak, aby poskytovala spoločnú infraštruktúru pre aplikácie počítačového videnia a urýchlila používanie strojového vnímania v komerčných produktoch. Knižnica má viac ako 2 500 optimalizovaných algoritmov, ktoré obsahujú komplexný súbor klasických aj najmodernejších algoritmov počítačového videnia a strojového učenia.

OpenEV
OpenEV je softvérová knižnica a aplikácia na prezeranie a analýzu rastrových a vektorových geopriestorových údajov.

OpenGTS
OpenGTS („Open GPS Tracking System“) je prvý dostupný open source projekt navrhnutý špeciálne na poskytovanie webových sledovacích služieb GPS pre „flotilu“ vozidiel.

OpenLayers
OpenLayers uľahčuje umiestnenie dynamickej mapy na akúkoľvek webovú stránku. Dokáže zobrazovať dlaždice a značky máp načítané z akéhokoľvek zdroja. OpenLayers bol vyvinutý s cieľom ďalej využívať geografické informácie všetkých druhov. OpenLayers je úplne zadarmo, JavaScript s otvoreným zdrojovým kódom, vydávaný pod dvojčlennou licenciou BSD (tiež známou ako FreeBSD).

OpenStreetMap
OpenStreetMap je databáza priestorových údajov z celého sveta vrátane niekoľkých knižníc a programov na využitie údajov.

Opticks
Opticks je rozšíriteľná softvérová platforma na diaľkové snímanie a analýzu snímok, ktorá je bezplatný a otvorený zdroj. Ak vás zaujíma, môžete sa dozvedieť o histórii spoločnosti Opticks. Ak ste použili komerčné nástroje ako: ERDAS IMAGINE, RemoteView, ENVI alebo SOCET GXP, musíte Opticks vyskúšať. Na rozdiel od iných konkurenčných nástrojov môžete do Opticks pridať možnosti vytvorením rozšírenia. Opticks ponúka najpokročilejšie možnosti rozšírenia zo všetkých ostatných nástrojov diaľkového prieskumu na trhu.

Orfeo Toolbox
Orfeo Toolbox je knižnica C ++ na spracovanie obrazu s diaľkovým snímaním s vysokým rozlíšením. Je vyvinutý spoločnosťou CNES v rámci programu ORFEO. Je založený na lekárskej knižnici spracovania obrazu ITK a ponúka konkrétne funkcie pre spracovanie obrazu na diaľku vo všeobecnosti a najmä pre obrázky s vysokým priestorovým rozlíšením. K dispozícii sú cielené algoritmy pre optické obrazy s vysokým rozlíšením (SPOT, Quickbird, Worldview, Landsat, Ikonos), hyperspektrálne senzory (Hyperion) alebo SAR (TerraSarX, ERS, Palsar).

OSSIM
OSSIM je výkonná sada geopriestorových knižníc a aplikácií používaných na spracovanie snímok, máp, terénu a vektorových údajov. Softvér sa aktívne vyvíja od roku 1996 a je nasadený v mnohých súkromných, federálnych a civilných agentúrach.

PolSARPro
Cieľom polarimetrického nástroja na spracovanie a vzdelávanie údajov SAR je uľahčiť prístupnosť a využitie viacpolarizovaných súborov údajov SAR.

PostGIS
PostGIS pridáva podporu pre geografické objekty do objektovo-relačnej databázy PostgreSQL. V skutočnosti PostGIS „priestorovo umožňuje“ server PostgreSQL, čo mu umožňuje používať ho ako backendovú priestorovú databázu pre geografické informačné systémy (GIS), podobne ako ESRI SDE alebo rozšírenie Oracle Spatial. PostGIS dodržiava OpenGIS „Špecifikácia jednoduchých funkcií pre SQL“ a bol certifikovaný ako kompatibilný s profilom „Typy a funkcie“.

PPB
Pravdepodobný filter založený na opravách. Túto prácu dosiahol Charles Deledalle pod dohľadom Florence Tupina a Loïca Denisa. Cieľom bolo prispôsobiť filter Non-Local means (NL means) filtrom SAR. Potom bol navrhnutý účinný filter, ktorý je schopný vyrovnať sa s gaussovským šumom, viacrozmernými obrazmi a najmä s rôznymi existujúcimi obrázkami SAR.

Proj4
PROJ.4 je knižnica na prevádzanie konverzií medzi kartografickými projekciami. Knižnica je založená na práci Geralda Evendena z USGS, ale v súčasnosti je projektom OSGeo, ktorý spravuje Frank Warmerdam.

PROSAIL
Kombinovaný model optických vlastností listov PROSPECT a model obojsmernej odrazivosti vrchlíka SAIL, tiež označovaný ako PROSAIL, sa používa asi šestnásť rokov na štúdium spektrálnej a smerovej odrazivosti vrchlíka v slnečnej doméne. PROSAIL sa tiež používa na vývoj nových metód získavania biofyzikálnych vlastností vegetácie. Spája spektrálnu variáciu odrazivosti vrchlíka, ktorá súvisí hlavne s biochemickými obsahmi listov, s jej smerovou variáciou, ktorá súvisí predovšetkým s architektúrou vrchlíka a kontrastom pôdy a vegetácie. Toto prepojenie je kľúčové pre simultánny odhad biofyzikálnych/štruktúrnych premenných vrchlíka pre aplikácie v poľnohospodárstve, fyziológii rastlín a ekológii v rôznych mierkach. Vďaka svojmu jednoduchému použitiu, všeobecnej robustnosti a konzistentnej validácii laboratórnymi/poľnými/vesmírnymi experimentmi sa PROSAIL za tie roky stal jedným z najobľúbenejších nástrojov radiačného prenosu.

PulseWaves
Najnovšia verzia PulseWaves je 0,3 (revízia 11) a je k dispozícii knižnica DLL na zápis a čítanie (vrátane ukážkových programov). Priečinok PulseTools tiež obsahuje prvých šesť PulseTools pulseinfo.exe, pulseview.exe, pulse2pulse.exe, pulsezip.exe, pulsesort.exe a pulseextract.exe dokáže analyzovať rôzne formáty LiDAR s plným priebehom (napr. LVIS, LAS 1.3 FWF, GeoLas Waveform a PulseWaves).

QuantumGIS
QGIS je užívateľsky príjemný Open Source Geographic Information System (GIS) licencovaný pod licenciou GNU General Public License. QGIS je oficiálnym projektom Open Source Geospatial Foundation (OSGeo). Beží na systémoch Linux, Unix, Mac OSX, Windows a Android a podporuje množstvo vektorových, rastrových a databázových formátov a funkcií.

RadarsatLib
Knižnica pythonu na spracovanie, kalibráciu a filtrovanie údajov RAR RADARSAT-2 SAR.

RAMADDA
Či už pracujete v laboratóriu, na poli alebo v kancelárii, váš tím sa pravdepodobne topí v mori dokumentov, informácií a údajov. RAMADDA vám pomôže zorganizovať vaše digitálne aktíva a poskytne hlbokú podporu pre správu, analýzu a vizualizáciu takmer akéhokoľvek druhu údajov.


Náhodné lesy
Náhodné lesy sú súborovou vzdelávacou metódou na klasifikáciu (a regresiu), ktorá funguje tak, že v čase výcviku zostaví množstvo rozhodovacích stromov a vydá triedu, ktorá je spôsobom výstupu tried podľa jednotlivých stromov. Algoritmus na vyvolanie náhodného lesa vyvinul Leo Breiman a Adele Cutler a „Random Forests“ je ich ochranná známka. Termín pochádza z lesov náhodného rozhodovania, ktoré prvýkrát navrhol Tin Kam Ho z Bell Labs v roku 1995. Metóda kombinuje Breimanovu „vrecovú“ myšlienku a náhodný výber funkcií, ktoré nezávisle zaviedli Ho a Amit a Geman za účelom vytvorenia zbierky. rozhodovacích stromov s kontrolovanou odchýlkou.

POTKAN
Radar Tools (alebo RAT) je výkonný softvérový nástroj s otvoreným zdrojovým kódom na spracovanie údajov diaľkového snímania SAR.

RITSAR
Súbor nástrojov na spracovanie obrazu syntetického radaru (SAR) pre Python.
Aktuálne možnosti zahŕňajú modelovanie fázovej histórie pre zbierku bodových cieľov, ako aj spracovanie fázových dejín pomocou polárneho formátu, spätnej projekcie a algoritmov omega-k. Automatické zaostrovanie je možné vykonať aj pomocou algoritmu fázového gradientu. Aktuálna verzia môže pracovať s údajmi AFRL Gotcha a DIRSIG, ako aj so súborom údajov poskytovaným spoločnosťou Sandia.

RivWidth
RivWidth poskytuje nepretržité meranie šírky rieky extrahovanej z binárnych masiek zaplavenej oblasti odvodenej pomocou diaľkovo snímaných snímok alebo iného zdroja. Napísané v programe Exelis VIS IDL.

R-Landsat
Balíček R na rádiometrickú a topografickú korekciu satelitných snímok. Na spracovanie Landsat alebo iných multispektrálnych satelitných snímok. Obsahuje možnosti relatívnej normalizácie, rádiometrickej korekcie na základe obrazu a topografickej korekcie.

ROI_PAC
PACkage Repeat Orbit Interferometry PACkage sa používa na spracovanie radarových údajov o syntetickej apertúre a na vytváranie diferenciálnych interferogramov. Balíček spravujú vedci z JPL a Caltech v spolupráci s členmi vedeckej komunity.

RSGISLib
Softvérová knižnica Remote Sensing a GIS (RSGISLib) je zbierka nástrojov na spracovanie súborov údajov diaľkového snímania a GIS.K nástrojom sa pristupuje pomocou väzieb Pythonu alebo rozhrania XML.

16:00
Jednoduchý, škálovateľný, skriptový vedecký procesor na meranie (S4PM) je systém na vysoko automatizované spracovanie vedeckých údajov. Je to hlavný procesor v Centre Goddard Earth Sciences Data and Information Services Center (GES DISC). Okrem toho, že je škálovateľný až do veľkých spracovateľských systémov, ako je GES DISC, je tiež škálovateľný až do malých, špeciálne spracovateľských reťazcov. .

SAGA
SAGA je skratka pre System for Automated Geoscientific Analyses. Je to softvér GIS (Geographic Information System) a bol navrhnutý tak, aby umožňoval jednoduchú a efektívnu implementáciu priestorových algoritmov. Ponúka komplexný, rastúci súbor geovedeckých metód a poskytuje ľahko prístupné používateľské rozhranie s mnohými možnosťami vizualizácie.

SDTS
Štandard priestorového prenosu údajov alebo SDTS je robustný spôsob prenosu priestorových údajov odkazovaných na Zem medzi odlišnými počítačovými systémami s potenciálom bez straty informácií. Je to štandard prenosu, ktorý zahŕňa filozofiu samostatných prenosov, tj priestorové údaje, atribúty, georeferencie, správu o kvalite údajov, slovník údajov a ďalšie podporné metadáta, ktoré sú súčasťou prenosu.

Sentinel-1 Toolbox
SENTINEL-1 Toolbox (S1TBX) pozostáva zo zbierky nástrojov na spracovanie, čítačiek a zapisovačov dátových produktov a zobrazovacej a analytickej aplikácie na podporu veľkého archívu údajov z misií ESA SAR vrátane SENTINEL-1, ERS-1 & amp 2 a ENVISAT , ako aj údaje SAR tretích strán od spoločností ALOS PALSAR, TerraSAR-X, COSMO-SkyMed a RADARSAT-2. Rôzne nástroje na spracovanie bolo možné spustiť nezávisle od príkazového riadka a tiež ich integrovať do grafického používateľského rozhrania. Sada nástrojov obsahuje nástroje na kalibráciu, konverziu škvŕn, polarimetriu a interferometriu.

SNAP
SNAP je aplikačná platforma ESI SentiNel. Obsahuje množstvo balíkov nástrojov na spracovanie údajov z rôznych platforiem, ako sú misie Sentinel a SMOS. Tu je k dispozícii zdrojový kód a tu sú k dispozícii binárne inštalátory pre rôzne platformy.

SGEMS
Stanford Geostatistical Modeling Software (SGeMS) je počítačový balík s otvoreným zdrojovým kódom na riešenie problémov zahŕňajúcich priestorovo súvisiace premenné. Poskytuje odborníkom na geostatistiku užívateľsky prívetivé rozhranie, interaktívnu 3-D vizualizáciu a široký výber algoritmov.

Tvarovo
Shapely je balík Python s licenciou BSD na manipuláciu a analýzu rovinných geometrických objektov. Je založený na široko nasadených knižniciach GEOS (motor PostGIS) a JTS (z ktorých je GEOS portovaný).

SOP
SAR Ocean Processor je bezplatný softvér na extrakciu morského vetra, vĺn a prúdu z údajov SAR. Softvér bol kódovaný v jazyku ANSI-C a je dodávaný „tak, ako je“, čo znamená, že autor tohto programu nepreberá žiadnu zodpovednosť za jeho kvalitu ani presnosť. V súčasnosti ako vstup používa iba údaje Radarsat-1 SLC (Single-Look Complex). Výstup je navrhnutý tak, aby bol ľahko dostupný pomocou programu ERMapper. SOP by sa mohol ďalej rozvíjať tak, aby pracoval s rôznymi druhmi údajov SAR, alebo by mohol byť kompatibilný s iným softvérom na spracovanie údajov s diaľkovým prieskumom na základe úprimných požiadaviek používateľa alebo prostredníctvom kooperatívnych prác, ako je vývoj algoritmov, kódovanie programu alebo získavanie in situ údaje.

SoPI
El Software Processing Processing (SoPI) of Comision Nacional de Actividades Espaciales (CONAE) of usuario un entorno of trabajo tipo System of Informacion de Geográfica (SIG) para el processamiento of dataosientens of sensores remotos.

SpatiaLite
SpatiaLite je open source knižnica, ktorá rozširuje jadro relačnej databázy SQLite o podporu plnohodnotných schopností priestorového SQL. SQLite je vo svojej podstate jednoduchý a ľahký.

Spectral Python (SPy)
Spectral Python (SPy) je čistý modul Pythonu na spracovanie hyperspektrálnych obrazových údajov. Má funkcie na čítanie, zobrazovanie, manipuláciu a klasifikáciu hyperspektrálnych snímok. Dá sa použiť interaktívne z príkazového riadka Pythonu alebo pomocou skriptov Pythonu.

StarSpan
StarSpan je navrhnutý tak, aby spájal rastrové a vektorové svety priestorovej analýzy pomocou rýchlych algoritmov na extrakciu úrovne pixelov z geometrických prvkov (body, čiary, polygóny). StarSpan generuje databázy extrahovaných hodnôt pixelov (z jedného alebo sady rastrových obrázkov), spojených s databázovými atribútmi z vektorových súborov. To umožňuje užívateľovi vykonávať štatistickú analýzu údajov pixelov vs. atribútov v mnohých existujúcich balíkoch a môže výrazne urýchliť školenie a testovanie klasifikácie. V dokumentácii nájdete ďalšie podrobnosti o príkazoch, operáciách a možnostiach.

SWAP
SWAP (pôda, voda, atmosféra a rastlina) simuluje transport vody, rozpustených látok a tepla v nenasýtených/nasýtených pôdach. Model je navrhnutý tak, aby simuloval tokové a transportné procesy na úrovni poľa, počas vegetačného obdobia a pre dlhodobé časové rady. Ponúka široké spektrum možností riešenia výskumných aj praktických otázok v oblasti poľnohospodárstva, vodného hospodárstva a ochrany životného prostredia.

Roj
Swarm je názov simulačného balíka modelovania s otvoreným zdrojovým kódom na báze agentov, ktorý je užitočný na simuláciu interakcie agentov (sociálnych alebo biologických) a ich vznikajúceho kolektívneho správania. Swarm bol pôvodne vyvinutý v Santa Fe Institute v polovici 90. rokov minulého storočia a od roku 1999 ho udržiava nezisková skupina Swarm Development Group.

TopoGrabber
Aj keď bol program TopoGrabber vytvorený s ohľadom na topografiu s vysokým rozlíšením a údaje o využití krajiny, je možné ho použiť na získanie akýchkoľvek dostupných údajov USGS v akomkoľvek dostupnom formáte.

VLAK
Sada nástrojov na zníženie atmosférického hluku InSAR. Jedna z hlavných výziev pri spracovaní InSAR sa týka atmosférických oneskorení, najmä troposférických oneskorení. Dnes sa používajú rôzne korekčné metódy na základe pomocných údajov, vrátane GNSS, modelov počasia (napr. ECMWF ERA-I, WRF, NARR atď.), Údajov spektrometra (MERIS a MODIS) alebo kombinácií rôznych zdrojov. Na odhadnutie troposférických oneskorení zo samotných radarových údajov existujú alternatívne metódy. Miera úspešnosti rôznych techník závisí od viacerých faktorov, ako je časové a priestorové rozlíšenie, oblačnosť, kontaminácia signálu, miestna topografia atď. Ďalej uvádzame súbor nástrojov MATLAB, ktoré je možné použiť na korekciu troposférických oneskorení v údajoch InSAR.

Tucumã
Súbor nástrojov na časopriestorovú analýzu obrazu diaľkového snímania.
Sada nástrojov sa skladá zo štyroch hlavných komponentov:
1) správca získavania údajov (DAM), ktorý podporuje vyhľadávanie v časových radoch na základe sekvencií obrázkov.
2) retriever časových radov (TSR), nástroj na podporu vyhľadávania časových radov na základe funkcií podobnosti časových radov.
3) klasifikátor založený na genetickom programovaní (GPC), nástroj, ktorý implementuje rámec GP na podporu objavovania funkcií podobnosti časových radov pre problémy binárnej klasifikácie.
4) nedávno navrhnutý nástroj na analýzu časových radov založený na metóde „prestávky pre aditívnu sezónu a trend“ (BFAST), tzv. BFAST prieskumník (BE).

uDig
Cieľom uDig je poskytnúť kompletné riešenie Java pre prístup k údajom GIS pre počítače, úpravy a prezeranie.

VLFeat
Open source knižnica VLFeat implementuje obľúbené algoritmy počítačového videnia špecializujúce sa na porozumenie obrazu a extrakciu a párovanie miestnych funkcií. Algoritmy zahŕňajú Fisher Vector, VLAD, SIFT, MSER, k-means, hierarchické k-means, aglomeračné informačné prekážky, superpixely SLIC, superpixely s rýchlym posunom, rozsiahle školenia SVM a mnoho ďalších.

VTP
Cieľom VTP je podporiť vytváranie nástrojov na jednoduchú výstavbu akejkoľvek časti skutočného sveta v interaktívnej 3D digitálnej forme. Tento cieľ bude vyžadovať synergickú konvergenciu polí CAD, GIS, vizuálnej simulácie, prieskumu a diaľkového prieskumu. VTP zhromažďuje informácie a sleduje pokrok v oblastiach, ako je procedurálna tvorba scény, extrakcia funkcií a algoritmy vykresľovania v reálnom čase. VTP zapisuje a podporuje sadu softvérových nástrojov vrátane interaktívneho runtime prostredia (VTP Enviro). Nástroje a ich zdrojový kód sú voľne zdieľané, aby pomohli urýchliť prijatie a vývoj potrebných technológií.

VOSK
Waveletova analýza registrácie obrazu.
Nástroj na kvantitatívnu analýzu rôznych n-rozmerných (n-D) techník registrácie obrazu. Sériu podprogramov „C“, ktoré obsahujú knižnicu WAIR, je možné ľahko začleniť do programov špecifických pre používateľovu stránku a prispôsobiť ich konkrétnym potrebám.

Nástroje geopriestorovej analýzy Whitebox
Projekt Whitebox GAT je vzrušujúci nový open-source projekt GIS napísaný v Jave. Whitebox je filozofický prístup ku geomatike ako balík GIS/Remote Sensing.


Úvod

Pri riešení globálnych a regionálnych výziev v oblasti degradácie pôdy, potravinovej bezpečnosti, nedostatku vody a zmeny klímy sú nevyhnutné presné a aktualizované geopriestorové informácie o pôde [1, 2]. Tieto problémy priamo súvisia s funkciami pôdy, najmä s poľnohospodárskou produktivitou, stratou biodiverzity a zásobovaním vodou [3]. Vytváranie presných a spoľahlivých pôdnych máp je nepostrádateľné v manažmente povodia [4, 5], manažmente pastvin a krajinnej ekológii [6].

Tradičný proces prieskumu pôdy je únavne ťažké rýchlo a presne aktualizovať. S týmto procesom sú spojené značné obmedzenia. Po prvé, významné zmeny environmentálnych podmienok nie sú ľahko pozorovateľné, najmä pri súčasnom spracovaní niekoľkých premenných, a po druhé, celý proces sa musí zopakovať pre každú aktualizáciu, vďaka ktorej sú aktualizácie prieskumu pôdy veľmi neefektívne [7]. Konvenčný prieskum pôdy prispôsobuje manuálny postup vytvárania polygónovej mapy pôdy, pričom bez počítačového prístupu nemožno mapu rýchlo a presne aktualizovať, pretože je potrebné zopakovať celý výrobný postup [7]. Táto metóda je časovo náročná, vyžaduje si množstvo pôdnych vzoriek a je nákladná [8]. Geografické informačné systémy (GIS) môžu tento problém prekonať aplikáciou digitálneho mapovania pôdy (DSM). DSM odhaduje vlastnosti pôdy stanovením vzájomných vzťahov medzi vlastnosťami pôdy a environmentálnymi premennými odvodenými predovšetkým z digitálneho výškového modelu (DEM) a diaľkovo snímaných obrazov [8, 9]. Smer DSM teda smeruje k generovaniu dynamických a replikovateľných geopriestorových informácií o pôde [10].

Algoritmy GIS boli prispôsobené na efektívnu techniku ​​priestorovej interpolácie v inventároch pozemkových zdrojov [11, 12] pri riešení obmedzenia tradičného prieskumu pôdy. GIS je nástroj na vstup, spracovanie, analýzu a výstup údajov. Hrá významnú úlohu v priestorovom rozhodovaní, ktoré zahŕňa zber informácií pre DSM. GIS môže vykonávať niekoľko úloh pomocou priestorových aj atribútových údajov a môže integrovať rôzne geografické technológie, ako napríklad Global Positioning System (GPS) a Remote Sensing (RS). GIS integruje priestorovú a geostatistickú analýzu a efektívnu správu, ukladanie a získavanie geografických údajov [8, 9, 13]. GIS ako nástroj teda hrá významnú úlohu pri implementácii systému podpory priestorového rozhodovania na báze počítača.

Pomalý pokrok v poľnohospodárskej výrobe a neustále sa zvyšujúca populácia na Filipínach vyžadujú použitie tohto počítačového systému na podporu rozhodovania. Filipínske ministerstvo poľnohospodárstva stále používa viac ako 40 rokov staré informácie o pôde vo svojich programoch na zmiernenie zmeny klímy a územnom pláne [14]. Úrad pre pôdu a vodné hospodárstvo stále používa tradičnú metódu prieskumu pôdy a ešte len implementuje DSM [15]. Vzhľadom na tieto obrovské výzvy je naliehavo potrebné aktualizovať pôdne mapy v poľnohospodárskych oblastiach v krajine pomocou modernej technológie DSM.

Ako väčšina parametrických testov, viacnásobná lineárna regresia (MLR) vyžaduje normálne distribuované a homoscedastické premenné [16, 17]. Pri analýze údajov a záveroch je užitočné, že závislé aj nezávislé premenné, ktoré sú veľmi skreslené [17, 18] a kde sa štandardné odchýlky medzi premennými výrazne líšia [16], by sa mali transformovať na normálne alebo takmer normálne rozdelenie [19]. V tejto štúdii boli teda všetky premenné transformované tak, aby spĺňali podmienky pre normálne alebo takmer normálne rozdelenie, minimálnu chybu a nestranný odhad [20].

Táto štúdia sa preto zamerala na vytvorenie vzťahov medzi frakciami textúry vrchnej vrstvy pôdy (hlina, piesok a bahno) a environmentálnymi premennými aplikáciou a porovnaním MLR, bežného krigingu (OK), jednoduchého krigingu (SK) a univerzálneho krigingu (Spojené kráľovstvo) pomocou transformovaných údajov. integrácia používania bezplatného a open source softvéru (FOSS) spoločností R, System for Automated Geoscientific analyses (SAGA) GIS a QGIS.

Táto štúdia predstavuje úspešný prístup v systéme DSM pomocou FOSS, ktoré majú z hľadiska nákladov najlepšiu výhodu, a môžu ich prispôsobiť všetci používatelia GIS z rozvojových krajín, ako sú Filipíny. Dosiahnutá metodika môže viesť k hodnotnému výsledku pri dosahovaní komplexnejšieho plánu využívania pôdy, pretože získané výsledky sú užitočné pre manažment povodia, najmä pre ekologické, hydrologické a modelovanie vhodnosti pre plodiny.


Úvod

Ľudia s rozhodovacími právomocami sa všade obávajú o bezpečnosť svojich ľudí pred katastrofami, počas nich a po nich. Povodne prekonávajú tieto katastrofy a ich vplyv na ľudské životy a ekonomiku je dobre zdokumentovaný v literatúre (Alaghmand a Abdullah 2010 Duan et al. 2016 Luino et al. 2016). Napríklad nedávna správa Úradu OSN pre zníženie rizika katastrof (UNDRR, predtým UNISDR) odhalila, že povodne postihli v rokoch 1995 až 2015 2,3 miliardy ľudí a zabili 157 000 ľudí (Flood List 2018). Vzhľadom na dopad povodní na ľudí a ekonomiku bolo na celom svete vyvinutých mnoho povodňových nástrojov na pomoc pri predpovedaní a hodnotení, ako napríklad Globálny systém informovania o povodniach (GloFAS) Európskej komisie pre núdzové riadenie Copernicus a v USA, Hazus program. GloFAS poskytuje predpovede povodní na základe predpovedí počasia a hydrologického modelovania (GloFAS 2020). Obsahuje globálny súbor údajov o denných prietokoch do rieky, model odtoku z pevniny (HTESSEL) a model smerovania rieky (LISFLOOD) (van der Kniff et al. 2010). Podrobnejšie informácie o GloFAS nájdete v článku Harrigan et al. (2020). Americká federálna agentúra pre mimoriadne situácie (FEMA) vyvinula program Hazards United States (Hazus), ktorý má pomôcť pri odhadovaní potenciálnych strát pri zemetrasení, záplavách a hurikánoch. Program využíva GIS na odhad fyzických, ekonomických a sociálnych dôsledkov katastrof (FEMA 2020). Stredisko FEMA povodňových máp (MSC) poskytuje interaktívne mapy týkajúce sa nebezpečenstva/rizika povodní na podporu národného programu ochrany pred povodňami (NFIP). Podrobnosti o tom, ako sa generujú povodňové mapy, nájdete v dokumente Wright (2014). Britská agentúra pre životné prostredie okrem toho poskytuje interaktívne mapy, ktoré zobrazujú riziká povodní z riek, povrchových vôd a nádrží (Britská agentúra pre životné prostredie 2020). Alexander a kol. (2011) vyvinuli nástroj geografického informačného systému (GIS), ktorý pomáha koncovým používateľom aktívne sa zapájať do vytvárania povodňových máp a procesov hodnotenia. Tento nástroj uľahčuje diskusiu medzi koncovými používateľmi/profesionálmi a vývojármi. Obsahuje možnosti hodnotenia nebezpečenstva povodní, hodnotenia zraniteľnosti a hodnotenia rizík. Ďalšie iniciatívy v oblasti mapovania povodňových nebezpečenstiev nájdete v Prinos (2008) a Van Alphen a Passchier (2007).

Zásah povodní je evidentný v nebezpečných oblastiach, kde niekedy dochádza k silným dažďom. V suchých oblastiach, ako sú Spojené arabské emiráty (SAE), nie je riziko také vysoké, ale došlo k rozšíreniu takéhoto rizika do nových oblastí v mestách, ktoré sa stali dlažbou nepriepustné (menšia infiltrácia, slabá absorpcia, menej vegetácia, viac odtoku). Navyše mestá na úpätí hôr v SAE, ako sú Fujairah, Ras Al Khaimah a Al Ain, sú viac vystavené bleskovým povodniam, napríklad povodniam Al Ain (1982, 1988, 1990, 1993), povodni Al Qurayah ( 1995) a povodne Šarm (1997, 2009). To viedlo mnohých vedcov k uskutočneniu štúdií týkajúcich sa bleskových povodní v SAE. Al-Shamsei (1993) uskutočnil štúdiu o prívalových povodniach v Al Aine a vygeneroval mapu oblasti náchylnej na povodne na základe podnebia, geomorfológie a hydrauliky. Výsledky odhalili veľké škody na budovách a farmách. Al Murshidi (2012) uskutočnil štúdiu o hodnotení bleskových povodní pomocou geografického informačného systému (GIS) v Dibba Fujairah. Jeho štúdia použila viackriteriálnu rozhodovaciu analýzu GIS a použila tri parametre na generovanie mapy oblasti náchylnej na záplavy: vzdialenosť k vypúšťacím kanálom, nadmorská výška a sklon. Môžu byť začlenené ďalšie parametre, ako je využitie pôdy, pôda a geológia, spolu s topografickým indexom vlhkosti (TWI), indexom topografickej polohy (TPI) a číslom krivky (CN). Zahrnutie viacerých faktorov posilňuje model oblasti ohrozenej povodňami. Predchádzajúce štúdie súvisiace s mapovaním povodňového potenciálu uskutočnené v SAE (Al Murshidi 2012 Al-Shamsei 1993) však neoverili svoje výstupné modely. V literatúre tak vzniká medzera, ktorú sa táto štúdia snaží vyplniť.

Štúdia uskutočnená spoločnosťou Forkuo (2011) ukázala, ako je možné vytvárať mapy indexov povodňových rizík integráciou satelitných obrazových údajov ASTER s GIS. Keďže mapy záplavových oblastí nie sú k dispozícii, diaľkové snímanie je účinným nástrojom na sledovanie výskytu povodní a identifikáciu hydrogeologických nastavení. V dôsledku zvýšeného počtu satelitov je teraz väčšia šanca vystopovať zaplavené oblasti. Quirós a Gagnon (2020) validovali mapy povodňových rizík pomocou open-source optických a radarových satelitných snímok. Použili normalizovaný rozdielový vegetačný index (NDVI) založený na princípoch, že voda absorbuje energiu v červenom páse a že čistá voda má zápornú hodnotu NDVI ( - 1), a preto sa na spracovanom satelitnom obrázku javí ako čierna. V mnohých prípadoch však záplavové oblasti nemusia byť zachytené satelitmi kvôli časovému rozlíšeniu, povahe povodne (povodeň spôsobená bleskovými povodňami trvá niekoľko hodín), veľkosti zaplavenej oblasti alebo oblačnosti (Quirós a Gagnon 2020). Preto možno správy z novín použiť na vystopovanie zaplavených oblastí. Na overenie máp povodňových oblastí boli použité známe povodňové polohy. Napríklad Azizat a Omar (2018) použili na modelovanie povodňového nebezpečenstva šesť faktorov vrátane zrážok, nadmorskej výšky, vzdialenosti od drenážnej siete, textúry pôdy, geológie a erózie. Hodnotili povodňovú mapu pomocou frekvenčného pomeru, štatistického indexu a Poissonových metód a výsledky modelu overili pomocou 23 známych povodňových polôh zaznamenaných v rokoch 2013, 2014 a 2015. Poloha bodov bola skontrolovaná s vysokými a veľmi vysokými rizikovými zónami , a bolo vypočítané percento bodov. Zistili, že oblasti s častým výskytom povodní sa nachádzajú v blízkosti drenážnych sietí.

Periyasamy a kol. (2018) použil na modelovanie povodňového nebezpečenstva osem parametrov vrátane zrážok, svahu, drenáže, pôdy, geologických štruktúr, litológie, geomorfológie a využívania krajiny.Overili svoj výstup modelového nebezpečenstva na základe zaznamenaných povodní, ktoré postihli dediny v rokoch 1996 až 2014. Výstup odhalil, že študijná oblasť bola zaplavená hlavne z dvoch dôvodov: po meteorologických udalostiach, ako sú intenzívne a dlhotrvajúce zrážky, a vo vode hladina v pobrežných a ústí riek. Getahun a Gebre (2015) použili šesť parametrov na modelovanie povodňového ohrozenia v povodí rieky Awash v Etiópii. Boli to sklon, nadmorská výška, zrážky, hustota drenáže, využitie pôdy a typ pôdy. Samanta a kol. (2016) použil štyri parametre na generovanie máp povodňového ohrozenia v oblasti okolo rieky Markham, Papua Nová Guinea. Boli to nadmorská výška, sklon, vzdialenosť od rieky a využitie zeme. Vo všeobecnosti neexistuje konsenzus o počte parametrov, ktoré sú potrebné na generovanie máp povodňového ohrozenia, a to závisí od mnohých faktorov, ako je dostupnosť údajov, geografická poloha študovanej oblasti (podnebie) a dôležitosť faktora. V tejto štúdii boli najdôležitejšími identifikovanými faktormi nadmorská výška, sklon, využitie krajiny, pôda a geológia spojená s TWI, TPI a CN. Váha pre každý faktor bola stanovená pomocou AHP.

AHP je metóda viackriteriálneho rozhodovania (MCDM) (Saaty 1980). Poskytuje rámec, ktorý dokáže zvládnuť rôzne pohľady na komplexný problém rozhodovania (Carver 1991 Estoque 2012 Ho 2008 Malczewski 1999 Samanta et al. 2016). AHP pozostáva z troch hlavných úrovní. Úroveň 1 je cieľom, zatiaľ čo úroveň 2 (kritériá/podkritériá) a úroveň 3 (alternatívy/možnosti) obsahujú šesť potrebných krokov na dosiahnutie tohto cieľa (Papaioannou et al. 2015). V AHP sú viacnásobné párové porovnania založené na štandardizovanej porovnávacej škále deviatich úrovní (Ouma a Tateishi 2014). AHP má výhodu v tom, že umožňuje hierarchickú štruktúru kritérií, ktorá používateľom poskytuje lepšie zameranie na konkrétne kritériá a podkritériá pri prideľovaní váh (Ishizaka a Labib 2011 Saaty 1980). Táto metóda pomáha odhaľovať a naprávať logické nezrovnalosti a umožňuje „preklad“ subjektívnych názorov, ako sú preferencie alebo pocity, do merateľných numerických vzťahov (Goepel 2018). Vďaka týmto výhodám sa AHP používa v GIS na zlepšenie rozhodovacích procesov (Estoque 2012 Samanta et al. 2016). Podstatný výskum bol vykonaný na kombinácii AHP a GIS pre povodňové štúdie (Dash and Sar 2020 Kazakis et al. 2015 Ouma and Tateishi 2014 Papaioannou et al. 2015 Stefanidis and Stathis 2013).

Napriek tomu, že diaľkové snímanie a GIS sú zdrojom údajov a vizualizácie, chýbajú im podrobné informácie o vplyvoch/škodách povodní na ľudské životy a hospodárstvo. Historicky ľudia používali rôzne ďalšie zdroje, ako napríklad správy z novín, povodňové značky, správy očitých svedkov, fotografie, súkromné ​​denníky, súkromné ​​listy, balvanové depozity, mestské záznamy, historické kompilácie, záznamy zo súdov, obrazy a sekundárne zdroje (Benson 1950 Helley a Lamarche 1973 Tropeano a Turconi 2004). V Taliansku Luino a kol. (2016) zdôraznili, že správne územné plánovanie na prevenciu a zmiernenie geo-hydrologického rizika nemôže ignorovať množstvo informácií, ktoré je možné získať z historického výskumu. Zhromaždili historické záznamy vrátane tisícov článkov z národných a miestnych novín od roku 1800 do roku 2016 a vygenerovali databázu GIS. Aj táto štúdia používa na zostavenie modelu noviny. Predchádzajúce štúdie v SAE nezahŕňali noviny ako zdroj údajov na vyplnenie medzery v chýbajúcich informáciách o povodniach. Noviny obsahujú cenné informácie o udalostiach (čo, kde, kedy, ako, koho sa to týka) v často prehliadanom a relatívne neznámom časovom období v histórii. Rozptýlia informácie pre širokú verejnosť a poskytujú účinné varovania ako jeden z najdôležitejších nástrojov ochrany verejnosti pred prírodnými nebezpečenstvami (Luino et al. 2018 Trimble 2008 Zhang 2010).

Kombinácia novinových údajov s GIS je účinný nástroj. Napríklad Yagoub a Jalil (2014) použili GIS na zmapovanie 220 vzorkovaných požiarnych udalostí v Sharjah v Spojených arabských emirátoch. Incidenty boli extrahované z novín (2002 až 2012), geokódované a použité s váženou analýzou prekrytia na navrhnutie nových vhodných miest pre hasičské stanice. V Spojenom kráľovstve Taylor a kol. (2015) pomocou novín obohatil Národnú databázu zosuvov o 111 zosuvných udalostí. Abascal-Mena a kol. (2013) použili službu Geoparsing Web Service (Yahoo! Placemaker Web Service) a eXtensible Markup Language (XML) na extrakciu geografických súradníc z online neštruktúrovaných dokumentov a ich prepojenie s obrázkom podobným mape za účelom vizualizácie textových informácií. Geoparsing ponúka možnosť premeny textových dokumentov na geopriestorové databázy. Správy z geokódovacích novín o povodňových udalostiach v prostredí GIS môžu pridať ďalšie informácie k staniciam na meranie dažďa (Escobar a Demeritt 2014). Použitie novinových správ na obohatenie údajov o povodniach je v literatúre evidentné. Tarhule (2005) pomocou novín preskúmal povahu povodňových udalostí v saharskom regióne Nigeru. Escobar a kol. (2016) využili databázu digitálnych novín Nexis (LexisNexis 2018) na vybudovanie 25-ročného archívu povodní v Spojenom kráľovstve. Hľadali údaje pomocou dátumu, regiónu, kľúčových slov a typu publikácie. Výsledky vyhľadávania je potom možné filtrovať a stiahnuť na analýzu. Napriek tomu, že sa databáza osvedčila pri podobných projektoch (napr. Taylor a kol. 2015), bohužiaľ neobsahuje správy o povodňových udalostiach v SAE.

Nedávne experimenty použili údaje získané z davu (Brisaboa et al. 2010 Kutija et al. 2014) a prieskumy po udalostiach (Borga et al. 2011) na zhromaždenie dôkazov o povodňových dopadoch. Davu/údajom sociálnych médií však chýba úplnosť, konzistentnosť a autorizované referencie. Noviny sú preto považované za spoľahlivejšie zdroje, aj keď s určitými obmedzeniami (Newby a Hardy 2018 Porter a Evans 2020), vrátane chýb a nezrovnalostí spôsobených nesprávne nahlásenými udalosťami, nespoľahlivými zdrojmi alebo politickými šikanami a zaujatosťami. To je možné minimalizovať dvojitou kontrolou vo viac ako jednom denníku a použitím kvantitatívnych údajov z iných zdrojov (napr. Zaznamenané zrážky meteorologických staníc). Medzi ďalšie problémy, ktoré vznikajú pri používaní novín, patrí dostupnosť starých archívov v tlačenej forme. Ručné vyhľadávanie novín s dlhými záznamami je únavný a časovo náročný proces.

Hlavným cieľom tejto štúdie bolo preskúmať správy z novín o prívalových povodniach uverejnené v piatich novinách SAE v období 2000 - 2018. Kľúčovou zložkou cieľa bola automatizácia procesu získavania povodňových informácií zo správ novín pomocou metódy dolovania textu. Druhým cieľom bolo identifikovať potenciálne záplavou ohrozené oblasti na základe multikriteriálnej analýzy (MCA) (Belton a Stewart 2002 Malczewski 2006) a použiť povodňové udalosti hlásené novinami ako validáciu pre oblasti náchylné na povodne. Táto mapa oblastí ohrozených povodňami by mohla plánovačom miest pomôcť pri navrhovaní pravidiel, aby sa zabránilo rozvoju v oblastiach ohrozených povodňami (OSN 2010). Cieľom mapy oblastí náchylných na záplavy nie je zastaviť katastrofu, ale poukázať na možné záplavové oblasti, ktoré môžu mať vplyv na spoločnosť a hospodárstvo.

Tento článok má nasledujúcu štruktúru: Sekt. 2 poskytuje informácie o študijnej oblasti, údajoch a metodológii, sekcia. 3 rieši výsledky a odd. 4 poskytuje všeobecný záver a odporúčania.


8.3. Základy OpenEV

OpenEV má množstvo jednoduchých a komplexných nástrojov. Mnoho pokročilých nástrojov bolo navrhnutých s ohľadom na rastrové údaje, ale základné sady nástrojov a ovládacie prvky obsahujú mnoho funkcií potrebných na rýchlu vizualizáciu rastrových aj vektorových údajov.

8.3.1. Priblíženie

Jedna z prvých vecí, ktoré budete chcieť urobiť, je priblížiť určité časti mapy. Existuje niekoľko spôsobov, ako to urobiť. Prvým je použitie tlačidiel plus a mínus na paneli s nástrojmi zobrazenia. Ikony sú lupa s a + a - symbol v nich. Klikanie + priblíži do stredu obrazovky a klikne - oddialenie od stredu obrazovky.

Efektívnejším spôsobom je použiť nástroj Priblíženie, ktorý vám umožní presunúť obdĺžnik na obrazovku a priblížiť túto časť mapy. Ak chcete zapnúť nástroj priblíženia, vyberte v ponuke Úpravy panel s nástrojmi Upraviť a potom v zozname vyberte položku Priblížiť, ako ukazuje obrázok 8-6.

Obrázok 8-6. Aktivácia nástroja na priblíženie

Teraz sa môžete vrátiť do zobrazenia a kliknutím a podržaním ľavého tlačidla myši ho priblížiť. Môžete tiež potiahnuť obdĺžnik okolo časti obrazovky a nechať ho priblížiť priamo na dané miesto. Ak to chcete urobiť, kliknite a podržte ľavé tlačidlo myši a potom myš presuňte na iné miesto. Sledujte, ako sa objaví obdĺžnikové pole priblíženia, ako na obrázku 8-7. Keď pole pokryje požadovanú oblasť, pustite tlačidlo myši.

Oddialenie je možné vykonať aj niekoľkými spôsobmi. Ako už bolo spomenuté, môžete použiť tlačidlo priblíženia a oddialenia, ale môžete tiež podržať pravé tlačidlo myši a pomaly oddialiť. Ďalšou vhodnou metódou je tlačidlo Fit All Layers na paneli nástrojov hlavného zobrazenia. Toto tlačidlo je obdĺžnik so štyrmi vnútornými šípkami smerujúcimi k rohom obdĺžnika, ako je znázornené na obrázku 8-8. Kliknutím na toto tlačidlo sa oddialite tak, že uvidíte všetky údaje vo všetkých vrstvách.

Ak používate tento nástroj a zistíte, že už nevidíte svoje údaje, je to pravdepodobne preto, že jedna alebo viac vrstiev je v inej projekcii mapy. Ak poznáte vrstvu, odstráňte ju z okna Vrstvy a znova skúste prispôsobiť všetky vrstvy. Neexistuje žiadny nástroj, ktorý by vás vrátil do predchádzajúceho rozsahu sledovania.

Obrázok 8-7. Vyberte oblasť pomocou nástroja na priblíženie
Obrázok 8-8. Panel s nástrojmi OpenEV ukazujúci na tlačidlo Fit All Layers

8.3.2. Posúvanie

Mnoho programov na mapovanie pracovnej plochy má funkciu tzv ryžovanie. Toto je spôsob posúvania alebo posúvania mapy, aby ste sa mohli pozerať na rôzne časti bez toho, aby ste museli oddiaľovať a potom znova späť. Túto úlohu zohrávajú posúvače v zobrazení. Ak sa za okrajmi zobrazenia nachádzajú údaje mapy, môžete posúvať posúvač alebo kliknúť na šípku na koncoch posúvačov. Tým sa dostanete do oblasti, ktorú hľadáte, bez zmeny mierky alebo veľkosti prvkov mapy.

8.3.3. Farebné motívy

Pravdepodobne nechcete vždy zobrazovať všetky funkcie vrstvy mapy pomocou rovnakej farby. Napríklad vrstva ciest obsahuje dve rôzne triedy ciest. Možno budete chcieť ukázať každú triedu inou farbou a inou hrúbkou čiary cesty. Alebo možno nebudete chcieť ukázať jednu z tried vôbec.

Tieto cestné údaje obsahujú atribút, ktorý vám hovorí, akú triedu predstavujú jednotlivé segmenty riadkov. Ak chcete použiť hodnoty tohto poľa na iné zafarbenie čiar, môžete použiť tlačidlo Klasifikovať na paneli s nástrojmi, ktoré je znázornené na obrázku 8-9. Je to tlačidlo s písmenom C vo vnútri.

Obrázok 8-9. Tlačidlo klasifikácie OpenEV

Kliknite na toto tlačidlo, ale nezabudnite v okne Vrstvy vybrať vrstvu, ktorú chcete klasifikovať (napr. Cesty). Zobrazí sa okno Klasifikácia vrstvy (pozri obrázok 8-10), ktoré pre vás predstavuje základnú sadu tried.

Obrázok 8-10. Klasifikácia vrstvy pomocou atribútu funkcie

Pre údaje o cestách používa predvolene atribút LENGTH, pretože je to prvý atribút. Prepnite rozbaľovací zoznam v pravom hornom rohu okna na iné pole a zistite, ako za behu obnoví klasifikáciu. Zmeňte toto nastavenie na atribút ROAD_CLASS. Výsledkom je niekoľko hodnôt v zozname, ako je znázornené na obrázku 8-11.

Obrázok 8-11. Klasifikácia podľa cestnej triedy

Predvolená metóda klasifikácie týchto hodnôt nie je vhodná, pretože používa rozsah hodnôt. Existujú iba dve triedy ciest: celočíselné čísla 4 a 5. Spôsob fungovania klasifikátora môžete zmeniť kliknutím na tlačidlo preklasifikovať. Zmeňte Typ na Diskrétne hodnoty a stlačte OK. To dáva každej odlišnej hodnote v poli ROAD_CLASS inú farbu, ako je znázornené na obrázku 8-12.

Obrázok 8-12. Rozdelenie ciest do dvoch cestných tried

Všimnite si, ako sa zdá, že existujú niektoré hlavné cesty (trieda 4) a vedľajšie cesty (trieda 5). Farby pre každú triedu môžete meniť, kým nebudete spokojní. Kliknutím na tlačidlo Použiť nakreslíte cesty pomocou týchto farieb, ako je znázornené na obrázku 8-13. Nezabudnite, že ak je jedna z farieb čierna, nezobrazí sa na čiernom pozadí v zobrazovacom okne.

Obrázok 8-13. Použitie farebných motívov pomocou atribútu triedy cesty

V klasifikátore je k dispozícii niekoľko ďalších možností. Praktický je predvolený súbor farebných rámcov v rozbaľovacom zozname v okne Klasifikácia vrstvy, ktorý je znázornený na obrázku 8-14.

Môžete rýchlo klasifikovať, reklasifikovať a nastavovať rôzne farebné motívy. Stačí vybrať položku z rozbaľovacieho zoznamu Farebné rampy a kliknúť na položku Použiť. Nepáči sa ti to? Zmeňte to a znova použite. Ak máte vo svojej klasifikácii iba niekoľko hodnôt, tieto farebné rampy nebudú také hodnotné, ale sú obzvlášť užitočné pre rastrové údaje. Keď ste s výsledkami spokojní, zatvorte okno klasifikácie stlačením tlačidla OK.

Obrázok 8-14. Výber farebnej rampy na klasifikáciu funkcií

V niektorých prípadoch nemusia vektorové vrstvy po použití farebnej rampy správne kresliť. Riešením je odstrániť vrstvu a potom ju znova pridať.

8.3.4. Načítava sa raster

Pridanie rastrovej vrstvy môže byť často jednoduchšie ako pridanie vektorových tém, pretože bežné rastrové formáty sú zvyčajne jeden súbor s už priradenými farbami. Rastr použitý v tomto prípade je súbor údajov o krajinnej pokrývke, ktorý pokrýva Zem, ale v tomto prípade je zameraný na oblasť Itasca County, Minnesota. Obrázok si môžete stiahnuť z webovej stránky O'Reilly tejto knihy na adrese http://www.oreilly.com/catalog/webmapping.

Toto je obrázok GeoTiff, známy tiež ako súbor TIFF. The .tif prípona je bežnou príponou názvu súboru. Pridajte obrázok do zobrazenia OpenEV výberom položky Otvoriť súbor a prehliadaním súborového systému vyhľadajte súbor súbor landcover.tif. Dvakrát kliknite na názov súboru alebo stlačte tlačidlo OK. Všimnite si, že vrstva je pridaná do zoznamu v okne Vrstvy, ale momentálne nie je na mape viditeľná (vráťte sa k tomuto bodu). Automaticky sa stane najvyššou vrstvou. Vyberte vrstvu zo zoznamu a použite šípku nadol v spodnej časti okna vrstvy. Táto vrstva sa presunie naspodok, aby sa vektorové údaje (body letiska) zobrazili na vrchu druhej vrstvy, keď bude pripravená.

Ak kliknete pravým tlačidlom myši na vrstvu v zozname vrstiev, existuje niekoľko možností na výber a zmenu, rovnako ako pri vektorových údajoch, ale možnosti sú veľmi odlišné. Karta Všeobecné je jedinou podobnosťou. Niektoré karty slúžia len na informáciu, iné zmenia spôsob zobrazenia rastra.

8.3.5. Reprojektovanie údajov tak, aby zodpovedali inej vrstve

Aj keď stlačíte tlačidlo priblíženia Všetkých vrstiev, neuvidíte vrstvu krajinnej pokrývky, pretože množina údajov z dielne a množina údajov o krajine nie sú v rovnakej projekcii mapy. Toto je bežný problém pri získavaní údajov navrhnutých pre kraj alebo región a ich použití na globálnej mape.

V tomto prípade sú súbory údajov z dielne v projekcii UTM. Rastr krajinnej pokrývky nie je premietaný a používa geografické súradnice, konkrétne zemepisné šírky a dĺžky merané v stupňových jednotkách. Ďalšie informácie o projekciách máp sú k dispozícii v prílohe A.

OpenEV sám o sebe nemá schopnosť reprojektovať dátové vrstvy. Nástroje uvedené v kapitolách 3 a 7 je možné použiť na reprojektovanie vrstvy, aby ju OpenEV mohol zobrazovať tak, ako chcete.

Táto kapitola pojednáva o mapových projekciách, ale ukazuje iba jeden príklad ich použiteľnosti v reálnom svete. Podrobnejšie vysvetlenia a príklady projekcií máp nájdete v prílohe A.

V tomto prípade ogr2ogr (zavedený v kapitole 2) sa používa na reprojektovanie alebo transformáciu súradníc letiskových údajov z jedného priestorového referenčného systému do druhého:

Tento príkaz má štyri časti. Prvá časť je parameter, ktorý určuje názov výstupnej množiny údajov. V tomto prípade vytvorí priečinok s názvom shp_geo vložiť preložené súbory do.

V ďalšej časti je uvedené, aké budú vstupné údaje. ogr2ogr číta na letiskách.shp množina údajov a konkrétne vrstva letísk v tomto tvarovom súbore.

Ďalšia časť začínajúca na -t_srs určuje, aký cieľový (alebo výstupný) priestorový referenčný systém (t_srs) vložiť údaje do. Bez zachádzania do podrobností je projekcia nastavená pomocou +proj =, na výstup údajov do latlong súradnice.

Záverečná časť -s_srs definuje, čo je zdrojový priestorový referenčný systém (s_srs) je. Pretože airports.shp Súbor neobsahuje informácie o projekcii, musíte vedieť, čo to je, a špecifikovať ho tu. Toto povoľuje ogr2ogr vypočítať, akú transformáciu použiť. V tomto prípade, +proj = utm +zóna = 15, projekcia je UTM a zóna UTM je 15.

Toto sú najzákladnejšie nastavenia projekcie a budú pre vás fungovať, ale mali by ste si uvedomiť, že na presnejšie popísanie vašich údajov bude možno potrebné zadať viac podrobností o projekcii, ako je nulový bod, elipsoid alebo jednotky.

Pri zadávaní projekcií môžete použiť skratku kódu EPSG. Ide o celočíselné čísla. Môžete to urobiť pomocou +init nastavenie, nie +proj. Môžete napríklad zadať:

pre UTM, projekcia zóny 15 a:

pre súradnicový systém lat/long.

Pokračujte v tomto cvičení prevodu pre všetky ostatné súbory údajov z dielne (tj. ctyrdln3.shp), aby ste ich mohli použiť vo svojej mape. Jednoducho zmeňte názvy zdrojových a cieľových množín údajov/vrstiev v priečinku ogr2ogr príkazový príklad.

Pridajte novovytvorený súbor shp_geo/airports.shp súbor do zobrazenia. Ak chcete rýchlo vidieť ich polohu, odstráňte zo zobrazenia starú vrstvu letísk založených na UTM a potom kliknutím na tlačidlo Prispôsobiť všetky vrstvy oddialite zobrazenie na celú Zem. Priblížte si USA a zistite, kde letiská spadajú. Nachádzajú sa okolo -93,54 E, 47,53 N stupňov. Možno bude potrebné zmeniť veľkosť alebo prefarbiť symboly bodov letiska tak, aby boli viditeľné v hornej časti obrázku, ako na obrázku 8-15. Teraz sa ukazuje, že tieto miesta sú na vrchu obrázku krajinnej pokrývky v severnej Minnesote, pretože sú obe v rovnakej projekcii mapy. Obrázok 8-16 zobrazuje mapu priblíženú k oblasti.

8.3.6. Vytvorenie 3D zobrazenia

OpenEV dokáže vykresľovať jednoduché 3D perspektívy údajov. To sa vykonáva pomocou dvoch vstupných vrstiev. Jeden obrázok ukazuje výškový povrch, ktorý sa často nazýva digitálny výškový model alebo DEM, kde tmavé až svetlé farby predstavujú nízke až vysoké nadmorské výšky. Ďalšou vstupnou vrstvou je obrázok, ktorý by ste chceli preložiť cez DEM. Možno to považovať za list prehodený cez basketbal, kde lopta predstavuje výškový model.

Získanie alebo vytvorenie týchto dvoch vrstiev môže byť únavné a frustrujúce. Na to, aby to fungovalo, potrebujete údaje zafarbené konkrétnym spôsobom. Obrázky tiež musia mať zodpovedajúce priestorové referenčné systémy, aby sa geograficky prekrývali. Existuje aj niekoľko možností, ktoré pri nesprávnom zadaní môžu priniesť nepresné alebo nepoužiteľné výsledky.

8.3.6.1 Príprava modelu digitálnej nadmorskej výšky

Prvý obrázok, ktorý potrebujete, je DEM. Ak nemáte tento druh obrázku, nemôžete vytvoriť užitočnú 3D perspektívu svojich údajov. Ak sú vašou cieľovou aplikáciou Spojené štáty, je k dispozícii veľa súborov údajov DEM. V OpenEV ich možno často používať bez akejkoľvek konverzie údajov.

Obrázok 8-15. Obrázok krajinnej pokrývky so všeobecnou polohou letísk zobrazenou čiernou hviezdou

Tu je niekoľko stránok, ktoré majú k dispozícii množiny údajov o nadmorskej výške:

GTOPO: Globálny model digitálnej nadmorskej výšky

SRTM: Globálne pokrytie misiou Shuttle Radar Topography Mission

USGS DEM: Digitálne výškové modely pre USA

Americké národné geofyzikálne dátové centrum: Rôzne typy údajov

Obrázok použitý v tomto prípade sa nazýva hibbing-w a bol stiahnutý vo formáte údajov USGS DEM z http://edcsgs9.cr.usgs.gov/glis/hyper/guide/1_dgr_demfig/states/MN.html.

Obrázok 8-16. Priblížené na letiská s obrázkom krajinnej pokrývky zobrazeným na pozadí

Tento formát obrázka môžu čítať aplikácie založené na OpenEV a GDAL. Pridajte obrázok do normálneho zobrazenia OpenEV a uvidíte, že obrázok je v odtieňoch sivej, niekedy sa označuje aj ako čiernobiely (aj keď to nie je technicky správne). Keď prepnete do režimu 3D, čierna farba predstavuje najnižšie nadmorské výšky vo vašom modeli a biela predstavuje najvyššie nadmorské výšky.

The hibbing-w obrázok je dobrým príkladom plynulého postupu odtieňov od čiernej po bielu, ako je znázornené na obrázku 8-17 (v normálnom 2D režime). To je ideálne. DEM, ktorý má veľmi obmedzený farebný gradient s ostrými kontrastmi, vytvára robustný a nerealisticky vyzerajúci povrch. V konečnom dôsledku by to bolo zbytočné, pokiaľ by ste nechceli neprirodzený vzhľad.

Obrázok 8-17. Obrázok DEM pre časť Minnesoty, USA
8.3.6.2 Príprava obrazu rúška

Ďalší obrázok, ktorý potrebujete, sa nazýva obrázok zakrytia. Je prekrytý alebo prehodený na vrchole DEM. Samotný povrch DEM nie je viditeľný, okrem videnia tvarov a obrysov obrazu rúška, ktorý na neho leží.

Na DEM je možné uložiť akýkoľvek obrázok, ale nie je to také jednoduché, ako to znie. Aby ste dosiahli zmysluplné výsledky, musíte splniť niekoľko prísnych požiadaviek.

Veľkosti alebo rozsahy rúška a obrazu DEM sa musia zhodovať alebo súradnicové systémy musia byť zhodné a navzájom sa prekrývať. Môžete mať DEM s vysokým rozlíšením a obraz závesu s nižším rozlíšením, ale obraz závesu musí dopadnúť na vrch DEM, aby sa správne zobrazil.

Jeden zo spôsobov, ako zaistiť, aby bol váš obrázok závesu užitočný, je mať k dispozícii výstupné snímky OpenEV vášho DEM a prikryť obrázok do nových súborov. V tomto prípade sú obrázky zakrytia a DEM vytvorené zapnutím rôznych vrstiev a ich vytlačením do nových obrázkov TIFF.

Začnite načítaním OpenEV obrázkom DEM a niektorými dátovými vrstvami dielne. Nezabudnite použiť údaje v lat/long súradniciach popísaných vyššie, aby zodpovedali projekcii DEM.

Teraz, keď sú všetky vrstvy okrem DEM vypnuté, priblížte obrázok. Ak chcete urobiť snímku tohto DEM, použite príkaz Tlač v ponuke Súbor. V okne Tlač nastavte nasledovné:

Obrázok 8-18 ukazuje, ako vložiť tieto hodnoty do okna tlače.

Obrázok 8-18. Tlač mapy DEM do súboru s obrázkom

Keď stlačíte tlačidlo Tlačiť, OpenEV prevezme obsah zobrazenia a odošle ho do nového súboru s obrázkom, ktorý zadáte. To isté sa urobí pri vytváraní obrazu rúška.

Hlavnou vecou, ​​ktorú by ste mali mať pri vytváraní obrazu z rúška, je nepohybovať sa v zobrazení. Nepribližujte ani neodďaľujte zobrazenie, ale pozerajte sa stále na to isté miesto, ktoré bolo použité na tlač obrázka DEM. Zapnite rôzne vrstvy: vodu, cesty a napríklad obrázok krajinnej pokrývky, ako je znázornené na obrázku 8-19. Potom vykonajte rovnaký tlačový proces ako predtým, súbor sa zavolá zmenou nastavenia súboru drape.tif namiesto dem.tif. Ak je to možné, prepnite typ výstupu na farbu.

Obrázok 8-19. Použitie okna tlače na výstup obrazu závesu
8.3.6.3 Spustenie 3D zobrazenia

Teraz ste pripravení skombinovať obrázky DEM a závesov a vytvoriť tak 3D perspektívu. V ponuke Súbor vyberte položku Nový pohľad a vytvorte nový pracovný priestor bez zatvorenia zobrazenia 1. Potom v tomto novom zobrazení vyberte položku Otvoriť 3D v ponuke Súbor. Zobrazí sa nové okno (pozri obrázok 8-20), ktoré vás vyzve, aby ste vybrali dva rôzne obrázky: DEM v hornom poli výberu a obrázok Drape v dolnom. Nájdite obrázky, ktoré ste vytvorili predtým, a zadajte ich do polí na výber názvu súboru. Nechajte ostatné možnosti s predvolenými nastaveniami a stlačte tlačidlo OK.

Obrázok 8-20. Vytvorenie 3D zobrazenia

OpenEV potom vytvorí predvolenú perspektívu vášho 3D zobrazenia, ako je znázornené na obrázku 8-21.

Pozadie je čierne a farebný obraz závesu je zobrazený s poklesmi a hrbolčekmi, ktoré sú zospodu v súlade s DEM. Teraz sa môžete pohybovať po obrázku a tiež zvýšiť alebo vyrovnať DEM.

8.3.6.4 Navigácia v 3D zobrazení

Ovládacie prvky na navigáciu v 3D zobrazení nie sú vždy ľahko použiteľné, ale postačujú na získanie rýchlej perspektívy vašich údajov. Navigácia v 3D zobrazení nie je práve naj

Obrázok 8-21. Predvolené 3D zobrazenie modelu

intuitívne, ak ste v koncepte nový. Majte na pamäti, že OpenEV sleduje niekoľko vecí o vašom 3D modeli a vašej polohe. Pohľad funguje ako fotoaparát, ktorý vyžaduje, aby ste sa pozerali cez hľadáčik. Fotoaparát sa vždy pozerá na predmet, v tomto prípade 3D model, z určitého miesta v priestore. V predvolenom nastavení je kamera umiestnená vyššie ako model a nie priamo nad ňou. Konkrétna časť modelu je v strede pohľadu a kamera je naklonená do určitého uhla.

Rovnako ako v normálnom 2D zobrazení priblížite model podržaním ľavého tlačidla myši. Miesto, kde ukazuje kurzor, je irelevantné. Vždy sa priblíži k stredu pohľadu.

Pohybom myši a podržaním ľavého tlačidla myši sa fotoaparát otáča horizontálne aj vertikálne. Tu môže byť navigácia trochu zložitejšia. Ak pri otáčaní fotoaparátu na zlomok sekundy zastavíte, OpenEV okamžite začne znova približovať.

Ak chcete fotoaparát pustiť nahor a nadol alebo ho posunúť doľava alebo doprava, podržte pri ťahaní ľavým tlačidlom myši kláves Ctrl (CTRL). Opäť si uvedomte, že priblíženie sa začne, ak sa prestanete hýbať a budete naďalej držať stlačené ľavé tlačidlo myši.

Existuje niekoľko ďalších ovládacích prvkov klávesnice, ktoré vykonávajú rovnaké úlohy ako príkazy myši. Strana hore/O stranu nižšie priblíženie/oddialenie. Lisovanie Smena pritom to robí zoom rýchlejšie. Tlačidlá šípok na klávesnici posúvajú fotoaparát nahor/nadol a doľava/doprava. The Domov kláves vás vráti do pôvodného 3D zobrazenia. To je obzvlášť užitočné, ak sa stratíte alebo sa ešte len učíte navigovať.

Je možné zistiť presnú polohu kamery a manuálne ju zmeniť nastavením súradníc kamery. Je to užitočné, ak chcete scénu znovu vytvoriť neskôr. Ak to chcete urobiť, použite možnosti 3D polohy, ktoré sa nachádzajú v ponuke Upraviť. Ako je vidieť na obrázku 8-22, uvádza polohu X, Y a Z vašej kamery, ako aj to, kde sa kamera pozerá na model v strede vášho pohľadu. Tieto hodnoty polohy sa vzťahujú na riadky a stĺpce pixelov. Môžete zmeniť ktorúkoľvek z týchto hodnôt a zobrazenie sa aktualizuje. Jednoducho zmeňte hodnotu a do ďalšieho poľa stlačte kláves Enter alebo Tab.

Každý 3D model má nastavenie faktora mierky výšky alebo Z. Toto je množstvo, ktoré je DEM vertikálne natiahnuté, čo mu dodáva 3D vzhľad. Ostatné aplikácie a kartografické procesy označujú tento typ nastavenia ako vertikálne preháňanie. Predvolená hodnota v programe OpenEV je 1,0 a je nastavená v okne Open 3D pred spustením 3D zobrazenia. Ak je nastavenie príliš nízke, váš model bude vyzerať plochý, ak je príliš vysoký, váš model bude vyzerať zubatý alebo nezmyselný. Toto nastavenie je možné zmeniť pri prezeraní 3D modelu pomocou plus + alebo mínus - kľúče. Ich kombinácia s klávesom Shift vám umožní rýchlo zvýšiť alebo znížiť faktor mierky. Na obrázku 8-22 je faktor mierky Z znížený, aby krajina vyzerala realistickejšie.


Modelovanie búrkovej vody a zvládanie povodňových katastrof pomocou softvéru s otvoreným zdrojovým kódom

Geopriestorové údaje slúžia ako vstup do softvéru pre hydraulickú simuláciu, a preto je možné simulované výsledky ďalej prenášať späť do systému GIS na grafické znázornenie potenciálnych zón ohrozených povodňami v reálnom svete. Spoľahlivé, rozsiahle a kvalitné údaje sú pri zvládaní povodňových katastrof veľmi dôležité. Súčasný rozsah geopriestorových údajov dostupných v mestských miestnych orgánoch nepostačuje na podrobné a presné hodnotenie zraniteľnosti voči povodniam. Okrem klimatických a meteorologických údajov je životne dôležitá aj podrobná úroveň kritickej infraštruktúry a súvisiace informácie, ktoré budú integrované do platformy GIS.

Úvod:

Väčšina indickej populácie žije v mestských oblastiach, ktoré sú často náchylné na záplavy. Tieto záplavy postihujú veľký počet ľudí, majetku a ich život. Posúdenie správania sa mestských záplav musí mať najvyššiu prioritu, pretože k záplavám dochádza veľmi rýchlo v dôsledku hustej urbanizácie. Vysoké intenzívne zrážky v dôsledku rýchlej zmeny klímy predstavujú veľkú hrozbu pre inžinierov a urbanistov na celom svete a z toho vyplývajúce záplavy mestských oblastí z hodiny na dni. Výsledkom rýchlej urbanizácie je zasahovanie prírodných jazier a drenážnych kanálov, ktoré spôsobujú vážne záplavy. Ďalej sa zhoršuje kvôli absencii riadneho a neúčinného kanalizačného systému. Z tohto dôvodu je dosah rozsiahly, vrátane narušenia komunikačnej siete, poškodenia občianskej vybavenosti, sťahovania obyvateľstva, zhoršovania kvality vody a rizika epidémií. Nedávne záplavy v Bombaji a Chennai sa ukázali ako otvorené oči pre verejnosť a vládu.

Tento článok poukazuje na kľúčové vstupy potrebné na simuláciu a hodnotenie správania sa mikroúrovňových mestských povodí dažďovej vody. Je dôležité generovať rozsiahlu databázu na platforme GIS s cieľom zistiť oblasti ohrozené povodňami vzhľadom na rôzne búrkové udalosti. Jedným z hlavných cieľov štúdie je využiť softvér s otvoreným zdrojovým kódom v doménach GIS, Remote Sensing a Hydraulics na generovanie životne dôležitých geopriestorových súborov údajov, ako sú mestské povodia, modely digitálnych výšok na rôznych úrovniach, pôda, využitie zeme, sieť dažďových vôd a súvisiace zložky, zrážky a odtok atď.

Pre navrhovanú štúdiu sú vybrané povodia zo Zóny 1 Greater Visakhapatnam Municipal Corporation (GVMC). GVMC má jurisdikčnú oblasť 515 km štvorcových. Geografická rozloha zóny 1 je 117 metrov štvorcových. Mesto má strategickú polohu v strede cesty, medzi Kalkatou a Chennai. Mesto je z hľadiska počtu obyvateľov prvou najväčšou mestskou aglomeráciou v štáte Andhra Pradesh. Keďže ide o pobrežné mesto, každý rok od augusta do decembra zažívajú silné dažde. Vzhľadom na povahu terénu a topografické podmienky dažďová voda zozbieraná z kopcov a povodí prúdi oveľa vyššou rýchlosťou a prúdi cez nevycvičené hlavné odtoky, než sa dostane k moru. Priemerné ročné zrážky v GVMC sú 1 100 mm.

Obr. 1: Študijná oblasť (zóna 1 GVMC)

Geopriestorová databáza pre povodňové modelovanie:

Nedávny pokrok v geopriestorových technológiách a nástrojoch v spojení so satelitnými snímkami diaľkového snímania s veľmi vysokým rozlíšením, pozemskými a pozemnými prieskumnými metódami, ako sú fotogrametria, LIDAR a DGPS, pomáha pri zachytávaní, integrácii a modelovaní rozsiahlych veľmi presných súborov údajov predstavujúcich všetky kľúčové vstupy. Existuje mnoho softvéru s otvoreným zdrojovým kódom na spracovanie a analýzu údajov zozbieraných z rôznych nástrojov a rôznych platforiem.

Zoznam softvéru s otvoreným zdrojovým kódom, ktorý sa používa na štúdium, začína od vytvárania súborov údajov až po simuláciu a modelovanie, je uvedený nižšie.

  • SAGA: SAGA (Systém automatických geovedeckých analýz) je softvér na digitálne spracovanie obrazu s otvoreným zdrojovým kódom, ktorý dokáže spracovať satelitné snímky a vytvárať tematické mapy v rôznych formátoch. Tento softvér je tiež schopný generovať digitálne výškové modely z obrysových a iných údajov topografického prieskumu. Podporuje niekoľko nástrojov na analýzu povodí a povodí na stanovenie hydrologických charakteristík. SAGA tiež poskytuje nástroj na výpočet vzdialeností pozemného toku do riečnej alebo kanálovej siete na základe rastrových dátových súborov DEM a informácií o kanálovej sieti.
  • QGIS: Quantum GIS je softvér s otvoreným zdrojovým kódom GIS, ktorý podporuje svoje funkcie pre množstvo rastrových a vektorových dátových formátov. Tento softvér uľahčuje import údajov zachytených z prieskumov elektronických totálnych staníc, systému DGPS (Differential Global Positioning System) a LIDAR (Light Detection and Ranging). Ponúka tiež topografickú analýzu, vytváranie DEM, mapy sklonu, aspektu a zobrazenia. Pomáha vytvárať, vizualizovať, dotazovať sa a analyzovať všetky uvedené štyri etapy geopriestorových údajov. Ponúka tiež georeferencovanie, prekrývajúcu analýzu, susedské operácie, geoprocesor a nástroje na správu databáz.
  • EPA SWMM: EPA SWMM je otvorený zdrojový model manažmentu búrkovej vody (SWMM), ktorý sa široko používa a je účinný pri analýze povodí mestských dažďových vôd a ich súčastí. Tento model vykonáva simuláciu jednorazových a nepretržitých zrážok. Štatistickú analýzu je možné vykonať z údajov o dlhodobých zrážkach a z výstupu z kontinuálnej simulácie. SWMM je možné použiť na posúdenie problému s odtokom z miest alebo navrhované možnosti zníženia. Podporuje tiež rovnice dynamického smerovania toku na presnú simuláciu stojatej vody, slučkových spojení, nabíjania a tlakového toku. Simulované výsledky vo forme databázy je možné prepojiť s funkciami mapy GIS a vizualizovať tak povodňové scenáre s odkazom na geopriestorovú databázu.

Pred, počas a po povodni existujú štyri fázy vytvárania geopriestorovej databázy na splnenie cieľov štúdie na hodnotenie, zmierňovanie a manažment. Sú to tieto:

  • Vytvorenie geopriestorovej databázy na simuláciu siete dažďových vôd
  • Vytvorenie geopriestorovej databázy pre bezpečné mapovanie a mapovanie príležitostí
  • Vytvorenie geopriestorovej databázy na mapovanie sociálnych a zdrojov
  • Geopriestorová databáza na mapovanie rizík a zraniteľností

Tabuľka 1 uvádza nevyhnutné vstupy a softvér na spracovanie:

Tabuľka 1: Vrstvy GIS a softvér s otvoreným zdrojovým kódom

Pracovný tok: Obrázok 2 ukazuje priebeh postupu pre vytvorenie databázy GeoSpatial, ktorá pozostáva zo spracovania satelitných údajov s riadiacimi bodmi DGPS, digitalizácie a generovania databázy základne a ďalších dôležitých vrstiev pre modelovanie a simuláciu povodní. Obrázok 3 zobrazuje tok procesu pre import, simuláciu, modelovanie a mapovanie oblastí ohrozených povodňami pre rôzne návratové obdobia. Na obr. 4 a 5 je možné vidieť rôzne úlohy zahrnuté vo všetkých fázach analýzy správania sa pri záplavách.

Obr: -2 Úlohy v diaľkovom snímaní a GIS

Obr: -3 Kroky v EPA SWMM, SAGA a GIS pre povodňové modelovanie

Obr: -4 Geo priestorová databáza v QGIS a v EPA SWMM pre modelovanie povodní

Obr: -5 Analýza sklonu a mriežky v SAGA

Závery:

Softvér GIS efektívne funguje ako nástroj na rozhodovanie v procese zmierňovania povodní a manažmentu. Je schopný vytvárať, ukladať, analyzovať a modelovať veľké množstvo rôznych súborov údajov z procesu diaľkového snímania, modelovania klímy a hydraulickej simulácie. Použitie kombinácie softvéru s otvoreným zdrojovým kódom pomáha študentom a akademickým pracovníkom vykonávať výskum nielen v oblasti zmierňovania povodní a modelovania, ale tiež sa zameriava na multidisciplinárne oblasti. Tieto nástroje sú robustné a flexibilné a sú schopné pracovať s veľkými množinami údajov a môžu vykonávať mnoho funkcií bez ďalších nákladov. Je žiaduce mať integrovaný prístup, ktorý uznáva komplexnosť mestského drenážneho systému a prepojiteľnosť jeho prvkov a parametrov, ako je využitie krajiny/pokrytie krajiny, pôda, charakteristiky povodia, sklon, prírodný a človekom vytvorený drenážny systém, zásobovanie vodou, kanalizácia a odpadová voda, opätovné použitie vody atď. V súčasnej dobe je štúdia v štádiu vývoja geopriestorových údajov a vyžaduje presné údaje o nadmorskej výške povrchu zeme, povrchu a podpovrchových odtokov.

  • D.J.Surani, G.V.Dihora 2015. Preskúmanie aplikácie GIS v plánovaní a projektovaní systému distribúcie vody, IJSRD, zv. 3, číslo 01.
  • LA du Plessis, MF Viljoen, 1999. Stanovenie výhod opatrení na zmiernenie povodní v dolnej časti rieky Orange: aplikácia GIS, Water SA, zv. 25 č. 2.
  • Yongwon Seo, Junshik Hwang a Seong Jin Noh, 2015. Analýza mestských drenážnych sietí pomocou Gibbsovho modelu: Prípadová štúdia v Soule, Južná Kórea, Water 2015, 7, 4129-4143.
  • Bryan Ellis, Christophe Viavattene, Michael Revitt, Christian Peters a Heiko Seiker, 2009. Modelový prístup na podporu riadenia rizík povodní a znečistenia extrémnych udalostí v systémoch odvodnenia mestskej dažďovej vody, 4. vedecké stretnutie SWITCH, DELFT, Holandsko.
  • Brivio, P.A., R. Colombo, M. Maggi a R. Tomas, 2002. Integrácia údajov diaľkového snímania a gis na presné mapovanie zaplavených oblastí. Int. J. Remote Sens., 23: 429-441.
  • Dams, J., O. Batelaan, J. Nossent a J. Chormanski, 2009. Stratégia k zlepšeniu hydrologického modelu
  • parametrizácia v urbanizovaných povodiach pomocou máp odvodených nepriepustných máp povrchových krytov. Zborník z medzinárodnej konferencie o mestskej vode, Heverlee, Belgicko, s: 15-19.
  • Uddin, K. a B. Shrestha, 2011. Hodnotenie povodní a škôd spôsobených povodňami pomocou diaľkového prieskumu: prípadová štúdia zo Sunsari v Nepále. Zborník z 3. medzinárodnej konferencie o vodnom a povodňovom manažmente.
  • Riadenie mestských povodní-Národné usmernenia pre manažment katastrof

Simulácia scenára krajinnej pokrývky krajiny pomocou open source GIS pre mesto Warangal, Telangana, India

Geografický informačný systém (GIS) a diaľkový prieskum zeme sa stali nevyhnutnými nástrojmi pri zisťovaní zmien využívania krajiny (LULC), ktoré sú spojené s ich súvisiacimi hnacími faktormi. Využitie satelitných snímok uľahčilo interpretáciu vysoko urbanizovaného mesta Warangal, ktoré v posledných desaťročiach zažilo v LULC veľa zmien. Tento článok pojednáva o schopnosti integrácie bunkových automatov (CA) a simulačného modulu 2D simulácie využívania krajiny na Markovovom reťazci v spojení s technikami GIS. Alkov algoritmus Markov sa používa na kalibráciu a optimalizáciu zvážením LULC vhodnej sady obrázkov pre roky 2004, 2006 a 2018. Prechodná zmena LULC z jednej triedy do druhej je simulovaná pomocou umelej neurónovej siete (ANN), zatiaľ čo simulácia bunkových automatov sa vykonáva s cieľom predpovedať vierohodnú budúcnosť LULC na rok 2052 po validácii modelu pomocou LULC roku 2018. Analýza viacnásobných máp LULC naznačila, že biofyzikálne a sociálno-ekonomické faktory výrazne ovplyvnili nárast vybudovaných zatiaľ čo pokles poľnohospodárstva v roku 2052. Na záver je možné povedať, že táto technika je silným nástrojom na monitorovanie a modelovanie zmien krajinnej pokrývky. Poskytujú sa ďalšie návrhy pre vládnych úradníkov na efektívnu tvorbu politiky a ochranu zdrojov zeme.

Toto je ukážka obsahu predplatného, ​​ku ktorému máte prístup prostredníctvom svojej inštitúcie.