Welche rasterbasierten GIS-Systeme funktionieren wirklich?

Raster-GISes wie GRASS , ArcGIS / Spatial Analyst und Idrisi können eine Vielzahl von Datenverarbeitungs- und Analyseverfahren ausführen, die als " Kartenalgebra " bezeichnet werden . In der heutigen Computerumgebung ist es üblich, Raster mit 100.000.000 Zellen oder mehr in vielen verschiedenen Formaten zu verwalten und relativ komplexe Berechnungen wie Sichtfelder, Wasserscheiden und Geländeidentifikation sowie Bildverarbeitungsfunktionen anzufordern.

Es scheint, dass es viele Open-Source-, kostenlose und kostengünstige Lösungen gibt. Aber welche halten in der Praxis wirklich durch? Das heißt, welche können mit großen Gittern effizient umgehen, können Daten problemlos ein- und auslesen, sind relativ fehlerfrei und bieten eine vollständige Ergänzung der Analyseverfahren? Was sind die Gefahren oder versteckten Einschränkungen, die Sie erst entdecken, wenn Sie viel Zeit in das Erlernen dieser Systeme investiert haben? (Diese letzte Frage lässt sich mit der Websuche nicht leicht beantworten und ich hoffe, dass die Befragten wertvolle Ratschläge geben können.)

Ich bin besonders an Lösungen interessiert, die sich gut in die gängigen (aber teuren) kommerziellen Systeme integrieren lassen und mit diesen mithalten können (was bedeutet, dass Windows-Kompatibilität wichtig ist).

Ich kann nicht mit SAGA oder einigen anderen Systemen sprechen, aber ich habe GRASS ausgiebig verwendet, einschließlich für eine Analyse von ~ 720M-Zellen im globalen Maßstab, die robuste Implementierungen von Raster-Algebra und komplexen Terrain-Operationen erforderte. (Abgesehen davon ist GRASS mit der Einstellung von ArcInfo wohl das am längsten kontinuierlich entwickelte GIS).

Auf GRASS-Daten und -Tools kann problemlos über QGIS zugegriffen werden , das eine schöne analoge ArcView-GUI bietet. QGIS selbst gewinnt nette Funktionen zur Rasteranalyse , wie das GDALTools-Plugin . Diese sind jedoch recht neu und es fehlt ihnen die Reife und Tiefe von GRASS.

Eine weitere Perspektive ist das Rasterpaket für R : R mit einer großen Benutzeroberfläche, einer leicht zugänglichen Methodenquelle und den neuesten statistischen Techniken. Es fehlt jedoch an Bildverarbeitungswerkzeugen und ist möglicherweise nicht ausreichend für die Art von Aufgaben, an denen Sie interessiert sind.

Schließlich bildet GDAL eine solide Basis für viele, wenn nicht sogar für die meisten modernen GIS-Systeme und bietet eine sehr schnelle Implementierung vieler gängiger Kartenalgebraoperationen. Es kann über die Python-Schnittstelle oder direkt über C / C ++ in Zeiten verwendet werden, in denen sich die Abstraktion der Ebene als unzureichend herausstellt.

Wir verwenden eine Mischung - von Spatial Analyst, SAGA, Ermapper, ein bisschen GRASS, aber am Ende tendieren wir eher zu Geosoft - obwohl dies darauf zurückzuführen ist, dass wir eine Menge geophysikalischer Optimierungsprozesse durchführen. Spatial Analyst / ArcGIS ist gut, da Sie die Funktionalität problemlos durch die Toolboxes / Geoverarbeitung erweitern können. Wir haben jedoch festgestellt, dass die tatsächlichen Spatial Analyst-Verarbeitungsroutinen häufig nicht die besten sind. In letzter Zeit haben wir Toolboxes für den Zugriff auf SAGA-Module in ArcGIS erstellt, damit wir die Funktionalität weiterhin nutzen können, ohne importieren / exportieren zu müssen. Die Toolbox kümmert sich nach Bedarf um all dies. Wir werden wahrscheinlich versuchen, auf ähnliche Weise auf die GRASS-Funktionalität zuzugreifen

Mit PostGIS können Sie jetzt mit Rastern nahezu unbegrenzter Größe in einer räumlichen Datenbank arbeiten und Kartenalgebra erstellen. Ich arbeite persönlich mit SRTM- und Klimadaten in der Größenordnung von Kanada. Ich kann sehr schnell und transparent Schnittpunkte zwischen Raster- und Vektorebenen erstellen. Ich kann auch eine ganze Reihe von Kartenalgebra-Funktionen verwenden.

Manifold with Surface Tools ist sehr gut in Bezug auf den Import von Formaten und die Verarbeitung großer Raster. Die Analyse kann direkt zwischen übereinstimmenden Rastern oder mit impliziter Neuprojektion durchgeführt werden. Es gibt GPU-Unterstützung für eine Reihe von Rasterfunktionen und eine starke Unterstützung für die Automatisierung mit einer Vielzahl von Skriptsprachen und SQL. Der Preis liegt gut bei ein paar hundert US.

Allgemeines Dokument für Oberflächenwerkzeuge:

http://www.georeference.org/doc/surface_tools.htm

Hier ist die aktuelle Liste der Funktionen, die für das Dialogfeld "Flächentransformation" verfügbar sind, in dem benutzerdefinierte Ausdrücke zum Ausführen von Berechnungen zwischen mehreren Rastern akzeptiert werden:

http://www.georeference.org/doc/transform_dialog_functions_and_operators.htm

Ein Nachteil ist, dass der Export von "Oberflächen" (Raster) nicht in GeoTIFF (Bilder können) erfolgen kann. Normalerweise exportiere ich nach SDTS und konvertiere das mit GDAL nach GeoTIFF. Die Zuordnung von Koordinatensystemen aus Manifolds (eigenem) Support und anderen Systemen wie der GDAL-Familie ist nicht perfekt, aber Probleme sind ziemlich selten.

Ich habe gehört, dass ein paar Leute SAGA benutzen. Aber ich persönlich habe sehr wenig Erfahrung damit.

http://www.saga-gis.org/en/index.html

Für diesen Artikel "Schätzen der täglichen Landoberflächentemperaturen in bergigen Umgebungen mit rekonstruierten MODIS LST-Daten ( PDF im Volltext ) Ich habe 11.000 MODIS LST-Bilder problemlos in GRASS GIS parallel auf unserem Cluster verarbeitet. Ein großer Spaß, da es einfach funktioniert.

Wir verwenden SAGA zur Überwachung von Daten aus Dosisraten- und Gammaspektrometriemessungen (in der Luft oder am Boden, natürlicher Hintergrund, alte Minendeponien usw.). Ich habe viele nützliche Module für uns und wir genießen es sehr.

PS: Da die SAGA-Kartenausgabe ihre Grenzen hat, kombinieren wir sie für fortgeschrittenere Karten mit Quantum GIS.

Sprechen Sie für mich selbst, ich bin in diesem Fall voreingenommen. Aber ich benutze IDRISI hauptsächlich für Raster-GIS. Vor allem, weil IDRISI die umfassendsten Tools für die Rasteranalyse bietet, wenn Sie es mit anderer GIS-Software vergleichen. Von verschiedenen statistischen Klassifizierungs- und Vorhersagemodellen bis hin zur Analyse von Wassereinzugsgebieten und Kostenabständen bietet es so ziemlich alles, was wir für die tägliche Rasteranalyse benötigen. Es gibt auch eine Erweiterung für ArcGIS. Die Fähigkeit, große Datenmengen zu verarbeiten, wurde verbessert. Allerdings kann noch keine der GIS-Software wirklich eine Kostendistanz von 1000000 mal 1000000 in einer Minute berechnen.