소프트웨어 eCognition을 사용하여 LIDAR DTM을 사용하여 도랑을 추출하려고하지만 실제로 "워크 플로에서 LiDAR 파생 DTM을 사용한 도랑 네트워크 추출 및 수 문지형 학적 특성화"라는 제목의 워크 플로를 기반으로 한 논문이 실제로는 어려움을 겪고 있습니다. ' eCognition에 입력 된 자세한 규칙 세트가 없습니다.
나는 당신들 중 누가 농업 지형이나 도로와 함께 도시 환경에서 도랑을 추출하는 방법을 알고 있는지 묻고 싶습니다.
또는 그러한 작업이나 프로젝트를 수행하지 않은 사람은 누구든지 도랑을 추출 할 수있는 밝은 아이디어를 가질 수 있습니다.
답변:
나는 1m LiDAR 파생 농업 경관의 DEM에서 도랑을 매핑해야했습니다. 적합한 워크 플로를 마련하는 것은 확실히 어려운 작업입니다. 도랑 네트워크를 성공적으로 추출 할 수있는 능력은 여러 가지 요인에 따라 다릅니다. 예를 들어 길가의 도랑에만 관심이 있습니까? 그렇다면 제방 위의 도로 (일반적으로 농업 환경에서와 같이)이며 정확한 도로 벡터 파일이 있습니까 (이 작업에 중요 할 수 있음)? 또는 현장 배수 도랑에 관심이 있습니까? 원시 LiDAR 포인트 클라우드 또는 보간 된 DEM이 있습니까? 나중에 가지고 있다면 불행히도 LiDAR DEM에서 표면 거칠기 때문에 일반적으로 수행되는 평활화 필터를 적용하지 않는 것이 중요합니다. 운수 나쁘게, 1m DEM에서 3 x 3 평균 필터를 사용하여 저지대 도로변을 쉽게 제거 할 수 있습니다. LiDAR 점 구름이있는 경우, 가장 가까운 이웃 보간법을 사용하여 DEM 그리드를 보간하는 것이 좋습니다 (높은 점 밀도 가정). IDW와 같은 표면 거칠기는 증가하지만 도랑을 더 잘 보존 할 것이기 때문입니다. .
이제 도로 벡터가 있고 도로변 도랑에만 관심이 있다고 가정하면 다음과 같은 워크 플로를 사용할 수 있습니다.
평균 고도차 필터를 수행하십시오. 이 작업에 사용한 오픈 소스 GIS 화이트 박스 지리 공간 분석 도구 에는 말 그대로이 워크 플로에 이상적인 'DFME (Difference From Mean Elevation)'라는 도구가 있습니다. 그러나 어떤 이유로 Whitebox를 사용할 수없는 경우 기존 평균 필터 (박스 카 필터)를 수행하고 원래 DEM에서 결과를 뺍니다 ( '하이 패스'필터도 사용 가능). 필터 크기를 실험해야 할 수도 있습니다.이 크기는 도랑 피쳐의 너비에 따라 다르지만 도랑보다 약간 넓어야합니다. 내 데이터의 경우 DFME 도구의 '검색 환경 크기'매개 변수를 5 개의 셀로 설정하여 11 x 11 필터를 만듭니다.
DFME 값이 '낮은'모든 그리드 셀을 추출하려면 DFME 래스터를 임계 값으로 설정해야합니다. 다시 말하지만, 이는 데이터, 특히 DEM 내의 도랑 깊이에 따라 달라집니다. 간단히 [낮은 셀] = [DFME] <(-0.15)의 표현과 함께 화이트 박스 래스터 계산기를 사용했습니다. 임계 값에서 해당 '0.15'매개 변수의 단위는 DEM의 z- 단위와 동일합니다. 이것은 효과적으로 말해서, 주변 환경에서 최소 15cm (내 DEM이 미터 단위)에있는 모든 그리드 셀을 제공하십시오.
도로 벡터와 도로변을 포함하기에 충분한 넓은 도로 마스크를 만들도록 도로 벡터를 버퍼링하십시오. 이것은 도로의 너비에 따라 다릅니다. 넓은 부지가있는 경우 실제로 여러 도로 폭이있을 수 있습니다. 예를 들어 주요 도로는 일반적으로 보조 도로보다 넓습니다. 제 경우에는 10m의 도로 완충기가 잘 작동했습니다.
출력 래스터가 해상도와 범위를 도출 할 기본 이미지로 DFME 또는 DEM을 사용하여이로드 버퍼 다각형을 래스터로 변환합니다. DEM 사이트보다 더 광범위한 벡터로드 네트워크가있는 경우이 프로세스 속도를 높이기 위해로드 버퍼를 래스터 그리드의 레이어 풋 프린트로 미리 클리핑하고 싶을 수도 있습니다. 벡터-래스터 변환의 작동 방식에 따라로드 버퍼 래스터의 값을 도로의 경우 1, 다른 모든 경우의 0으로 다시 할당 할 수 있습니다. 다시, 래스터 계산기가 유용 할 수 있습니다.
최종 부울로드 버퍼 래스터에 임계 값 DFME 이미지를 곱하십시오.
당신이 정말로 고급 스러우면 길가의 도랑으로 멋진 얇은 선 네트워크를 만들기 위해 5 단계에서 나온 래스터에 선 희석 알고리즘을 적용하고 싶을 것입니다.
아래 이미지에서 도로변 배수로 네트워크는 검은 색으로 표시되며 DFME 이미지 위에 오버레이되어 DEM의 언덕 모양이 투명하게 보입니다. 나는이 경우 합리적으로 잘 작동한다고 생각하지만 다시 한 번 약간의 지느러미와 다양한 매개 변수로 놀아야합니다.
길가의 도랑에 관심이없는 것으로 밝혀지면 Whitebox에는 Map Gully Depth라는 도구가 있으며 데이터 및 조경에 따라이 작업에 사용할 수 있습니다. 사용하기가 쉽지 않으므로이 경로를 사용하기로 결정하면 이메일을 보내 주시면 기꺼이 안내해 드리겠습니다. 주요 문제는 하천과 달리 농경지의 도랑이 물을 운반하는 것만 큼 임시 물 저장을 위해 많이 사용되기 때문에 표면 흐름 패턴 (예 : 흐름 축적 이미지)을 사용하여 도랑을 매핑하는 것이 어렵다는 것입니다. 일반적으로 자연 스트림에서 찾을 수있는 그라디언트는 없습니다. 그럼에도 불구하고, 나는 화이트 박스에서 도랑을 통한 배수를 개선하는 데 사용될 수있는 함몰 위반 알고리즘을 개발했으며, 이는 현장 도랑을 매핑하는 데에도 유용 할 수 있습니다.