Создание ЦМР в QGIS

[Михаил_Р]

Имеется шейп файл с оцифрованными горизонталями в виде полилиний, и присвоенными в атрибутах высотами. Как из этого сделать хотя бы ЦМР в QGIS? Требуется вообще карта экспозиции склонов. Заранее спасибо

[paleogis]

Имеется шейп файл с оцифрованными горизонталями в виде полилиний, и присвоенными в атрибутах высотами. Как из этого сделать хотя бы ЦМР в QGIS?

Вы смотрели справку QGIS, гуглили этот вопрос? И не нашли ответа?
То что Вы хотите сделать называется интерполяцией. На досуге почитайте практикум по картографии с основами топографии для географических факультетов педвузов, если не владеете базой.
В Qgis модуль интерполяции находиться в меню Растр\Анализ\Сетка ( интерполяция).

Требуется вообще карта экспозиции склонов

На форуме существует правило. Один вопрос- один ответ. Так что если хотите развивать тему морфометрического анализа рельефа, то создайте новую тему.
P.S. По секрету скажу что модуль отвечающий за анализ рельефа, находится в том же меню что и модуль интерполяции.

[ecolog]

Уточняющий вопрос
Не нашел в Qgis (версия 2.6) и Saga инструмент построения ЦМР по типу "Топо в растр" (вроде как это называется алгоритм Хатчинсона).
А он реализован вообще в этих ГИС? Или только в Арке?

[bim2010]

Задача о которой говорит Михаил_Р решается в ГИС SAGA.
В ГИС SAGA нет модуля интерполяции по линиям, так что все изолинии необходимо перевести в точки: Geoprocessing ==> Shapes ==> Conversion ==> Conver Lines to Points, а затем соединить все точечные векторные слои в один: Geoprocessing ==> Shapes ==> Construction ==> Merge Layers. Существует проблема построения цифровой модели рельефа (ЦМР) на основе горизонталей. В горизонталях рельефа точки с высотами "вытянуты" в линии. Большинство интерполяционных алгоритмов рассчитаны на равномерное (случайное или регулярное) распределение исходных точек на территории. В ГИС SAGA делал так: Geoprocessing ==> Spatial and Geostatistics ==> Kriging ==> Ordinary Kriging. Экспозицию поверхности (ASPECT) – угол по часовой стрелке между определенным направлением и проекцией уклона на горизонтальную плоскость, как и расчет других основных морфометрических характеристик делаем в ГИС SAGA: Geoprocessing ==> Terrain Analysis ==> Basic Terrain Analysis.

А делать "Топо в растр", не подготовив данные некорректно.

[ecolog]

А точно ординарный кригинг - лучший метод интерполяции для таких данных?

[ecolog]

-.

[bim2010]

Желательно использовать методы неточной интерполяции, когда получаемая поверхность рельефа не проходит через исходные точки. Интерполируя ЦМР, невозможно достичь более высокого пространственного разрешения, чем разрешение ЦМР до интерполяции. Фрактальность рельефа может оказывать влияние на результаты расчета морфометрических параметров. Существует подход, когда считаем рельеф масштабно зависимым объектом и не обсуждаем в этой связи фрактальные модели. При этом фрактальная составляющая рельефа может рассматриваться как высокочастотный шум. Fractals in physical geography.
Необходимо сначала подготовить данные, т.е. взять не только горизонтали, но и отметки высот, тальвеги, бровки, отметки урезов воды, батиметрию, все что имеет значение высот. Часть объектов имеет информацию не в абсолютных, а относительных высотах. Задача улучшения данных для построения ЦМР получается итерационной.Сначала строим ЦМР без точек с относительной высотой, затем используя например gdallocationinfo или плагин QGIS Point sampling tool пересчитываем относительные высоты в абсолютные.

[ecolog]

Ок, спасибо

[evge_myasnikov]

Задача о которой говорит Михаил_Р решается в ГИС SAGA.
В ГИС SAGA нет модуля интерполяции по линиям, так что все изолинии необходимо перевести в точки: Geoprocessing ==> Shapes ==> Conversion ==> Conver Lines to Points, а затем соединить все точечные векторные слои в один: Geoprocessing ==> Shapes ==> Construction ==> Merge Layers. Существует проблема построения цифровой модели рельефа (ЦМР) на основе горизонталей. В горизонталях рельефа точки с высотами "вытянуты" в линии. Большинство интерполяционных алгоритмов рассчитаны на равномерное (случайное или регулярное) распределение исходных точек на территории. В ГИС SAGA делал так: Geoprocessing ==> Spatial and Geostatistics ==> Kriging ==> Ordinary Kriging. Экспозицию поверхности (ASPECT) – угол по часовой стрелке между определенным направлением и проекцией уклона на горизонтальную плоскость, как и расчет других основных морфометрических характеристик делаем в ГИС SAGA: Geoprocessing ==> Terrain Analysis ==> Basic Terrain Analysis.

А делать "Топо в растр", не подготовив данные некорректно.

Уважаемый bim2010 !
Могли бы Вы подсказать, каким модулем получить grid-сетку из точек, часть из которых принадлежит изолинии рельефа (горизонтали рельефа), а часть точек является свободными от изолиний рельефа высотными отметками? Я пробовал применять для этой задачи модули "Natural neighbour", "Ordinary Kriging". В обоих случаях получилась плоскость (полученная интерполяцией точек, лежащих на одной горизонтали) с глубокими провалами (полученная интерполяцией точек, свободных от изолиний рельефа высотными отметками), что явно противоречит естественной форме рельефа с плавными переходами от точки к точке без явных провалов.

Заранее благодарю!

[Игорь Черниенко]

В обоих случаях получилась плоскость (полученная интерполяцией точек, лежащих на одной горизонтали) с глубокими провалами (полученная интерполяцией точек, свободных от изолиний рельефа высотными отметками)

А единицы измерения одинаковые?

Кстати, интерполировать из изолиний в растр в QGIS можно с помощью инструментов GRASS, например так:
Панель анализа->Команды GRASS->Инструменты обработки векторных данных->v.surf.rst.line

[Александр Мурый]

Скорее всего, для полноценной работы с модулями GRASS вам необходимо будет работать через "Инструменты GRASS". Но бОльшую часть можно сделать и через "Анализ данных".
Кроме модуля v.surf.rst (который наиболее приспособлен для интерполяции реального сложного рельефа, но не очень годен для изолиний), попробуйте также модуль r.surf.contour. Он принимает на вход растеризованные изолинии и точки (сведённые в одном растре).
Среди модулей SAGA обратите внимание на "B-spline approximation" и "Multilevel b-spline interpolation".
В самой QGIS есть встроенный модуль интерполяции растров, который может строить растры по изолиниям и точкам через TIN (использовать для этого IDW не рекомендуется).

[gamm]

А точно ординарный кригинг - лучший метод интерполяции для таких данных?

точно - нет. Но если убрать линейный/билинейный тренд, и использовать линейную вариограмму без nugget-effect, то получите полный аналог сплайна. Геологам такой результат всегда нравился.

что же касается задачи ТС (если это не задача нарисовать картинку), то нужно брать готовый рельеф (тот же SRTM), и интерполировать разность с точками и изолиниями. Восстановить рельеф из изолиний на равнинной местности (и попасть в гидросеть) очень тяжело, интерполяция мало помогает. Специальные методы есть в Сканексе и Арке, может еще где.

[bim2010]

А точно ординарный кригинг - лучший метод интерполяции для таких данных?

В целом, лучшая модель – это та модель, нормированная средняя ошибка которой близка к нулю, и которая характеризуется наименьшей среднеквадратичной ошибкой интерполяции, имеет значение средней стандартной ошибки близкое к среднеквадратичной ошибке вычислений, и нормированную среднеквадратичную ошибку близкую к единице.

Рождественский А.В., Лобанова А.Г. Методические рекомендации по определению расчетных гидрологических характеристик при отсутствии данных гидрометрических наблюдений.
Государственный Гидрологический институт, СПб, Изд-во Нестор-История, 2009, 193 с.
стр 166 и далее.
Издания государственного гидрологического института
P.V. Arun A comparative analysis of different DEM interpolation methods
Chen Hu Comparison of the interpolation methods on digital terrain models
HURST, PAMELA J., M.A. A Comparison of Interpolation Methods for Estimating Mountaintop Removal
COMPARISONS BETWEEN DIFFERENT INTERPOLATION TECHNIQUES
СРАВНЕНИЕ ЦИФРОВЫХ МОДЕЛЕЙ РЕЛЬЕФА, ПОЛУЧЕННЫХ С ТОПОГРАФИЧЕСКИХ КАРТ МАСШТАБА 1:50000, 1:100000 И 1:200000 С ЦМР SRTM
О.О.Замирец С.М. Андреев Геостатистическое исследование структуры пространственных данных цифровых моделей рельефа
Методы интерполяции в ArcGIS.
Выделение водоразделов в Whitebox GAT
An introduction to Whitebox GAT for raster/LiDAR applications

Каким модулем получить grid-сетку из точек, часть из которых принадлежит изолинии рельефа (горизонтали рельефа), а часть точек является свободными от изолиний рельефа высотными отметками?

Например: cтроим ЦМР с разрешением 20 м на основе ординарного кригинга с радиусом поиска в окрестности 500 м от 30 до 100 точек, модель вариограммы 4-й степени, выходящей из нуля. Границы ЦМР округлить до ближайших значений кратных 20: Geoprocessing ==> Spatial and Geostatistics ==> Kriging ==> Ordinary Kriging. Определяем условия поиска точек высот для каждой ячейки ЦМР. Подбираем оптимальную модель для экспериментальной вариограммы. Определяем геометрию регулярной сети (границы и размер ячеек ЦМР).

[gamm]

для рельефа лучший метод тот, который воспроизводит основные морфологические и морфометрические характеристики. Использование полинома как модели вариограммы недопустимо, поскольку не гарантирует положительной определенности ковариационной матрицы, без чего кригинг становится генератором случайных чисел. Не говоря о том, что с уклоном, направлением потоков, кривизной будут проблемы.

[bim2010]

Приведу в качестве примера физическую карту, построенную на основе горизонталей с использованием Ordinary Kriging SAGA GIS. Для сравнения - эта же территория SRTM и ASTER GDEM. В TIN-модели, построенной по горизонталям, хорошо заметна грубая ячеистая структура. Сама TIN-поверхность наводит на содержательные размышления по поводу возможности адекватно отразить геоморфологическое строение обширных районов используя преобразования для всей территории сразу. «Естественные границы» - полезный инструмент «расслоения» поля высот на ступени, притом что корректность «расслоения может быть проверена на специальной гистограмме с помощью «среднего квадратического отклонения», что позволяет остановиться на некоем «идеальном» числе классов – не слишком большом, но и не слишком грубом. Так можно предположить, что для парка с четырьмя формами четвертичных поверхностей (моренные возвышенности, водно-ледниковые холмы, озерно-ледниковые плато и речные долины), каждая из которых может быть дифференцирована «внутри» класса на привершинные (основные) поверхности, верхние и нижние части склонов (или пойма, надпойменная терраса, коренной склон) нелишними и логичными будут как минимум 12 классов. Но на TIN-поверхности также очень заметно, что если западная и южная гряда отразились моделью весьма адекватно, также как и (предположительно) обозначились удовлетворительно уровни равнинных плато (озерно-ледниковых равнин) с нарушающими их водно-ледниковыми холмами-зандрами, то массив моренной возвышенности на юго-востоке выглядит чересчур монолитным. Невозможность адекватно отразить ступенями всю территорию парка отражена и на закладке с гистограммой классификатора, где отчетливо выделяются две пирамиды столбцов водораздельная и долинно-речная. Очевидно, что эта проблема может быть решена только разбиением единого поля высот (файла) на области – фреймы с каждым из которых придется работать отдельно. Фреймы можно подобрать по карте таким образом, чтобы в пределах фрейма оказывался один тип четвертичной поверхности (скажем моренные возвышенности или водно-ледниковые равнины). Тогда результатом классификации «естественные границы» будут реальные четвертичные геоморфологические поверхности, высоту которых (граничные значения) при желании можно указать и вручную.
Надо упоминать что по TIN-поверхности очень легко могут быть построены профили рельефа, которые как раз и облегчают понимание общего геоморфологического строения местности и позволяют более корректно определиться с высотными ступенями. По результирующей поверхности можно пройтись фильтром, чтобы сгладить артефакты (например с помощью ANUDEM). Полностью от артефактов избавиться не получится. Многое зависит от самого рельефа - обычно лучше всего получаются участки сильнорасчлененного рельефа.

Gamm не могу согласится с тем, что вы пишете в этом посте. Gamm вы заблуждаетесь по поводу Ordinary Kriging. Выше я привел часть статей и материалов, в которых выполнен анализ различных методов интерполяции при построении ЦМР (в т.ч. Kriging). А что конкретно предлагаете? Как конкретно называется метод, который вы предлагаете? Вы предлагаете взять SRTM и построить ЦМР в Whitebox GAT. Но ведь SRTM не есть ЦМР, так как описывает не топографическую поверхность, а некую поверхность, состоящую из фрагментов рельефа собственно земной поверхности, строений, растительного покрова и пр. На мой взгляд, полученный вами результат = инфографика.В этом посте я говорил уже о проблемах SRTM. В SRTM нет информации севернее 60 и южнее 54 широты, а также океанов. Т.е. севернее Санкт-Петербурга нет информации. Убрать лес из SRTM – нетривиальная задача. Мне не известно ее решение в открытых ГИС, которое было бы последовательно описано и могло быть воспроизведено. Да, есть работы John C. Gallant
Vegetation offset removal

Vegetation offset removal
The radar used for the SRTM DSM does not penetrate vegetation, so areas with a high tree density are visible in the DSM as raised patches. Lower and less dense vegetation including crops do not appear to cause any offset.
The treatment of vegetation offsets to produce the DEM relies heavily on Landsatbased mapping of woody vegetation to define where the offsets are likely to occur. The mapped extents of woody vegetation were adjusted using an edge-matching process to better represent the extents of areas affected by vegetation offsets in the SRTM DSM. Vegetation treatment was undertaken across about 40% of One second SRTM Derived Digital Elevation Models User Guide v1.0.3 Page 18 of 84 Australia. The extent of treatment as shown in Figure 7 below is provided as an
ancillary dataset. The tree offsets are treated by detecting affected areas, measuring the height offset around the edges, interpolating the height offset across the tree vegetated areas and subtracting the offset from the DSM (Figure . The heights of the offsets are estimated by measuring height differences across the boundaries of the vegetation patches. The method provides good estimates of the offsets in flat landscapes with well-mapped vegetation boundaries. The effect of sloping terrain is accounted for in the estimation of the offsets, but the results are less reliable in hilly terrain where the mapped vegetation extents do not match the extents of vegetation offsets as seen by the SRTM instrument. The estimation of the vegetation offsets can also be under- or over-estimated if vegetation and topographic patterns coincide, such as trees on hilltops or dune ridges, or in inset floodplains or swamps. The height offsets at vegetation edges are interpolated within vegetation patches to estimate the effects within the patches. The best results tend to be in small patches such as remnant tree patches. In continuously forested areas with few edges for estimating the offsets the heights are likely to be less reliable, and there is no information at all on variations of the height offset within continuous forests. The removal of vegetation has been quite effective overall but there are many areas that contain either untreated or incompletely treated vegetation effects such as the area shown in Figure 9.

David Lemon Building a 1” DEM for Australia Dr David Lemon Research Stream Leader – Water Informatics Sep-tember 2008 Water for a Healthy Country.
https://grasswiki.osgeo.org/wiki/Contour_lines_to_DEM
http://nyalldawson.net/2013/03/coming-s ... or-layers/
https://whiteboxgeospatial.wordpress.co ... alization/