스트림 그라디언트를 결정하기위한 워크 플로우?


9

데이터가 진행되는 한 NHD .shp 파일, 10m DEM 및 일부 LIDAR 데이터로 작업하고 있습니다.

내 목표는 스트림 네트워크의 100m 세그먼트에 대한 기울기를 결정하는 것입니다.

이미이 작업을 수행 할 수는 있지만 특히 워크 플로우가 바람직하지 않은 것으로 예상합니다. 특히 분기 네트워크를 전혀 처리 할 수 ​​없기 때문입니다.

모두 이것에 관한 것이라면 어떤 단계를 사용 하시겠습니까?

또한 여기 에 문제에 대해 글을 올렸습니다. 여기 에서 내 목표가 무엇인지 설명하는 데 훨씬 더 나은 일을했다고 생각합니다.


가장 큰 문제는 데이터 세트를 등록하는 것입니다. 벡터 특징이 DEM으로부터 직접 도출되지 않는 한 벡터 스트림 특징이 DEM으로부터 식별 된 스트림과 일치하는 것은 드문 일이다. 일치하지 않으면 그라디언트가 사라질 수 있습니다. 예를 들어 물이 상류로 흘러가는 경우가 많습니다. "워크 플로우"의 일부로이 문제를 해결 하시거나 등록이 이미 수행되었다고 가정하십니까?
whuber

확실히 그것은 NHD 스트림 중심선을 DEM과 맞물 리려고 할 때 겪었던 문제 중 하나입니다. 두 데이터 세트를 등록 할 때 좋은 해결책이 있습니까?
Jacques Tardie

이전에는 LIDAR 데이터 자체에서 파생 된 스트림 네트워크를 사용했지만 다른 방법으로 알고 싶습니다.
Jacques Tardie

하천 중심선은 어떤 규모로 수집 되었습니까? 100m 세그먼트 길이가 너무 작은 것 같습니다. LIDAR에서 파생 된 스트림과 같은 결과가 데이터 관리자
Kirk Kuykendall

내가 사용하고있는 LIDAR 데이터는 BC의 Noah Snyder에서 가져온 것으로 1m DEM으로 처리되었습니다. 데이터는 원래 메인의 Narraguagas 유역에서 수집되었습니다. 당신은 100m까지 작을 수도 있습니다. 나는 하천에서 남은 댐의 위치를 ​​자동화하고 시도하기 위해 현실적으로 가능한 한 정확하게되기를 바 랐기 때문에 그런 훌륭한 규모를 찾고있었습니다. 커크,이 프로젝트를 마치면 USGS에 제출할 가치가 있는지 확인하기 위해 기꺼이 모든 것을 실행하겠습니다. 의견을 보내 주셔서 감사합니다.
Jacques Tardie

답변:


16

LIDAR DEM이 있다고 가정하면이 스트림에서 파생 된 스트림을 사용해야합니다. 완벽한 등록을 보장합니다.

아이디어의 요점은 세그먼트의 끝에서 표고로 평균 경사를 추정하는 것입니다.

가장 쉬운 절차 중 하나는 스트림 네트워크를 구성 요소의 분기되지 않은 아크로 "폭발"하는 것입니다. 거리를 기준으로 컬렉션을 "경로"레이어로 변환하여 "측정 가능"합니다. 이제 각 호에 대한 마일스톤 테이블 (예 : 100m 간격)을 기반으로 경로 "이벤트"모음을 생성하고 해당 이벤트 지점에서 DEM 고도를 추출하는 것이 간단합니다. 100m으로 나눈 각 호를 따른 고도의 연속적인 차이는 평균 세그먼트 기울기를 추정합니다.

다음 그림은 USGS 7.5 분 DEM (VA, Highland County, VA)의 유량 누적 분석에서 파생 된 하천의 호를 나타냅니다. 약 10km (6 마일)입니다.

DEM

수십 미터에 걸쳐 기울기 변화 (아주 작은 댐의 경우)로 표시 될 수있는 잔여 댐을 찾고 있으므로 더 작은 세그먼트를 사용하는 것이 좋습니다. 데이터 세트가 명확한 신호를 제공하기 위해 너무 거친 경우, 당신은 쉽게 (예 :의 스플라인 걸림 결합하는 형태의 그래프로 평균하거나, 이동에 의해 나중에 필터링 할 수 있습니다 상승을 하고 스플라인 차별화). 실제로이 방법을 사용하면 관심 변수가 기울기 가 아니라 표고 인 시계열 분석 영역으로 이동하여 짧은 레벨 섹션으로 구성된 패턴을 찾은 다음 갑자기 변경됩니다.

고도 대 이정표

이것은 묘사 된 스트림 세그먼트의 대부분 (모두는 아님)을 따라 100m 간격으로 관찰 된 DEM 고도의 도표입니다. (세포 화는 30m입니다.) 필요한 경우, 호의 방향이 일반적으로 왼쪽에서 오른쪽으로 감소하도록 방향이 조정되었습니다. (당신이 자세히 보면 내가 놓친 곳을 볼 수 있습니다 : 왼쪽에서 오른쪽으로 올라갑니다.)

호 16의 표고 대 이정표

이 호 16 (지도 상단의 긴 선분)의 세부 사항은 스트림이 DEM에 완벽하게 등록되지 않은 경우 얻을 수있는 것을 보여줍니다. 그럼에도 불구하고, 풀앤 드롭 특성을 제안하는 세그먼트는 특히 마일스톤 1800 (세그먼트에 따른 미터), 4000, 4600 및 6500 이후에 쉽게 식별됩니다. 그것).

여기에서 사용 된 100m 샘플링 간격이 400-500 미터 길이의 훨씬 작은 특징을 식별하기에 충분하지 않다는 것을 알 수 있습니다. 따라서 작은 잔존 댐을 찾으려면 LIDAR DEM에서 약 10-25m 간격으로 샘플링하는 것이 좋습니다.

BTW, 이런 종류의 작업에있어서 ​​스트림 세그먼트를 "너무 작게"만드는 것은 짧은 길이도 아니고 큰 셀도 아니다. "너무 작음"은 예상 경사를 어떻게 사용할지 그리고 이러한 추정치가 얼마나 불확실한 지에 달려 있습니다. 일부 작업의 경우 10m 그리드에서 10m 간격으로 그라디언트를 추정하는 것이 좋습니다.


훌륭한 분석 +1. 해당 NHD 플로우 라인의 리치 코드를 Lidar DEM에서 파생 된 스트림 라인에 적용하는 방법에 대한 제안 사항이 있습니까?
Kirk Kuykendall

@Kirk 터프하고 지각적인 질문입니다. 나는 분석에서 그것을 다루는 것을 의식적으로 피했다! 이 사이트에서 GPS 트랙을 비교하는 것에 대한 최근의 일부 질문은 비슷한 문제와 관련이 있으며 유용한 해결책을 제시합니다. 답은 두 세트의 (폴리 라인) 데이터가 어떻게 일치하는지에 부분적으로 달려 있습니다. 작은 차이는 자동으로 감지하고 수정하기 쉽습니다. 차이가 클수록 일치하는 세그먼트를 찾는 데 도매 오류가 발생할 수 있습니다.
whuber

@whuber gps 추적 문제와 달리 DEM을 활용할 수있는 것 같습니다. NHD 흐름 선의 한 지점에 물을 부어 넣으면 Lidar DEM을 통해 Lidar에서 생성 된 폴리 라인 (NHD의 흐름 선에 해당)으로 흘러야하는 것처럼 보입니다. 물론 완벽한 자동화는 여전히 불가능하지만 DEM이 작업을 더 쉽게 할 수있는 것처럼 보입니다. 꼰 스트림이 가장 큰 고통 일 것 같습니다.
Kirk Kuykendall

@ Kirk 나는 DEM을 악용하는 것에 대해 특별히 의견을 작성했지만 추측적이고 잘못 될 수 있기 때문에 삭제했습니다. 즉, 귀하의 아이디어가 현명하다고 생각하지만 구현하려면 약간의 연구가 필요합니다. 문제는 NHD 선이 일반적으로 LIDAR DEM의 골벽 사이에서 앞뒤로 튀어 나와서 각 NHD 세그먼트와 해당 LIDAR 파생 세그먼트 간의 흐름 관계를 지속적으로 변경한다는 것입니다. 이는 악용 될 수 있어야 하지만, 효율적이고 정확하게 수행하는 방법이 문제입니다.
whuber

@ whuber 캐서린 콜브 (Katherine Kolb)가 곧 NHD 워크숍 에서이 논문을 발표하는 것을 본다 . 토론을 온라인으로 전환 할 수 있다면 좋을 것입니다. 예산 삭감이 주어지면 취소되는 서류가 많이있을 것입니다. 그래서 그들은 늦게 들어간 논문 (nudge-nudge)을 기꺼이 받아 들일 수 있습니다.
Kirk Kuykendall

1

나는 끝 부분에 수 문학 분석을하고 있으며 흐름 방향 래스터를 만들 때 나는 당신의 게시물을 기억했습니다. 이것은 어둠 속에서 찌르지 만 ArcGIS 10에는 출력 드롭 래스터를 생성하는 옵션이 있습니다. 어떻게 든 문제를 해결하는 데 사용할 수 있는지 궁금합니다.

드롭 래스터 방송 백분율로 표시 셀의 중심 사이의 경로 길이의 흐름 방향을 따라 각 셀에서 고도의 최대 변화율.


0

Jakub의 대답은 좋은 답변입니다. 각 셀은 추가 라인 분할이 필요하지 않기 때문입니다. 스트림 래스터를 해당 스트림 래스터를 따라 흐름 축적과 결합하면 스트림을 따라 거리를 얻은 다음 y 축에서 경사를 그래프로 표시하고 x 축에서 스트림 거리를 그래프로 표시 할 수 있습니다. 대각선 거리도 고려해야하지만 유클리드 방향을 사용하면 문제가 해결 될 수 있습니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.