Gibt es Open Source- oder kostengünstige Tools zum Erkennen und Befüllen von Senken auf einem DEM? ArcGIS Spatial Analyst liegt gerade außerhalb meiner Preisspanne.
Gibt es Open Source-Tools zum Erkennen und Befüllen von Senken auf einem DEM? [geschlossen]
Antworten:
GRASS hat r.fill.dir und noch besser r.terraflow , eines der wenigen hydrologischen Werkzeuge, die an massiven Rastern arbeiten. Es gibt auch TauDem , das PitRemovezum Füllen enthält.
Ich habe auch eine Software geschrieben, RichDEM, die eine Vielzahl schneller (manchmal tausende Male schnellerer) Algorithmen zum Füllen von Depressionen und andere hydrologische Anwendungen enthält. Siehe: richdem.readthedocs.io/en/latest/depression_filling.html
—
Richard
TauDem ist plattformübergreifend und funktioniert gut unter Linux und OS X.
—
Mankoff
@mankoff danke für das Update, das ist großartig. Frühere Versionen waren nur Windows (ich weiß, dass 3.1 war, aber vielleicht auch spätere Versionen). Leider enthält die Download-Seite keine Verweise darauf, aber ich sehe eine PPA, die sie enthält, zusammen mit einem Homebrew-Paket.
—
Scw
SAGA hat mehrere Füllmethoden
http://www.saga-gis.org/saga_modules_doc/ta_preprocessor/index.html
Flache Detektionsspüle
Entwässerungsroute Detektionsspüle
Entfernung
Füllspülen (Planchon / Darboux, 2001)
Füllspülen (Wang & Liu)
Füllspülen XXL (Wang & Liu)
Beachten Sie, dass die Methode von Planchon & Darboux (2001) die gleichen Ergebnisse liefert wie Wang & Liu (2006), nur viel, viel langsamer. Niemand sollte P & D verwenden, wenn eine Alternative verfügbar ist. Barnes (2014), Zhou (2016) und Wei (2018) verbessern die Geschwindigkeit von Wang & Liu (2006) und erreichen gemeinsam eine 6-fache oder höhere Beschleunigung.
—
Richard
Dies ist eigentlich ein Bereich aktiver Forschung für mich.
Sie können den Priority-Flood-Algorithmus verwenden, wie in diesem Zeitschriftenartikel beschrieben, der auch auf arXiv verfügbar ist. Auf diese Weise können Sie Vertiefungen in der Zeit O (n log n) für Gleitkommadaten und in der Zeit O (n) für ganzzahlige Daten füllen . Der Quellcode ist hier verfügbar .
Der vorstehende Algorithmus ist seriell und funktioniert bis zu etwa hundert Millionen Zellen. Manchmal sind Ihre Datensätze jedoch größer.
Dieser Artikel , der auch auf arXiv verfügbar ist , beschreibt einen Algorithmus mit hervorragender Skalierung, der für Datensätze mit bis zu einer Billion oder mehr Zellen geeignet ist. Quelle ist hier verfügbar .
All dies ist jetzt im Python-Wrapper von RichDEM enthalten . Eine Dokumentation mit Beispielen und schönen Bildern finden Sie hier .
(Haftungsausschluss: Ich habe die oben genannten Artikel und den Code geschrieben.)
Ja, das gibt es. Ich habe noch nicht getestet, aber ich habe meine Augen durch den Quellcode gezogen. Es scheint ein gutes Programm zu sein.
Landserf (kostenlos) - Klicken Sie hier, um zur Startseite zu gelangen
Ich habe es benutzt und liebe es.
Ich denke auch, dass die Algorithmen in Landserf viel genauer sind als in Arc, sehr, sehr solide Mathematik und Jo Wood listet die Mathematik auf, die für seine Analyse verwendet wird.