Suite

Produire des données SIG à partir d'une grande quantité de fichiers DEM ASCII ?

Produire des données SIG à partir d'une grande quantité de fichiers DEM ASCII ?


Je viens de recevoir une grande quantité de fichiers DEM ASCII. Au total 564 fichiers contenant chacun 40 000 données de points (22 560 000 points). Je voudrais convertir cela en un nuage de points en vue d'une interpolation en raster pour l'analyse et la sortie cartographique. J'ai à la fois ArcGIS Advanced et FME 2014 avec lesquels travailler. Je l'ai fait il y a quelques années et j'ai eu des problèmes d'importation dans Excel en raison de restrictions sur le nombre de lignes qu'Excel peut lire/écrire. Est-ce que quelqu'un fait ce genre de travail régulièrement et pourrait me conseiller sur les flux de travail appropriés pour produire des données raster à partir de ces fichiers, y compris le travail de préparation pour créer des données de nuage de points, ainsi que le processus d'interpolation pour créer des données raster réalistes et précises.

Le format des données est un point par ligne… malheureusement, chaque fichier a le nom de fichier écrit sur la ligne 1, et il y a d'autres données écrites dans les colonnes telles qu'un code pour la source de données ainsi que la pente (gon) et l'aspect (gon) .


Dans FME, cela dépendrait du format source précis.

Si, comme quelqu'un l'a suggéré dans les commentaires, le lidar ASCII est simplement une série de valeurs x,y,z, utilisez le lecteur de nuage de points XYZ et un enregistreur tel que LAS (ou le format de nuage de points que vous souhaitez).

Sinon en utilisant un raster Reader (format Esri ASCII Grid ?) puis utilisez le PointCloudCombiner transformateur. De l'aide :

PointCloudCombiner est souvent utilisé pour accumuler plusieurs nuages ​​de points en une seule entité de nuage de points, mais peut également convertir d'autres géométries en nuages ​​de points et les fusionner.

Les rasters seront convertis en nuages ​​de points comme suit :

  • Les composants x et y seront créés à partir des colonnes et des lignes.
  • La première bande numérique sélectionnée deviendra la composante z.
  • Les premières bandes sélectionnées avec des interprétations rouge/vert/bleu/gris deviendront les composants color_red/color_green/color_blue.
  • Les bandes sélectionnées supplémentaires seront également conservées. Si le groupe a un nom, le nom du composant sera le nom du groupe. Si la bande n'a pas de nom, le nom du composant sera bandN, où N est l'indice de bande.

Selon la source de vos fichiers DEM, vous pourrez peut-être utiliser l'outil DEM to Raster GP. Cet outil est spécifiquement destiné à l'importation de DEM USGS. Sinon, comme Jakub l'a mentionné ci-dessus, essayez ASCII to Raster.


Produire des données SIG à partir d'une grande quantité de fichiers DEM ASCII ? - Systèmes d'information géographique

Allez sur www.PANCROMA.com pour le logiciel de traitement d'images satellites PANCROMA, les données, les livres blancs et les vidéos. Rendez-vous sur www.TERRAINMAP.com pour consulter des articles de DEM et d'images satellite et des logiciels gratuits. Ferme cette fenêtre

Modèle d'élévation numérique gratuit (DEM) et liens de téléchargement de données satellite gratuits

Données satellitaires gratuites, imagerie satellitaire, modèles numériques d'élévation (MNE), cartes topographiques et liens logiciels gratuits.

Site de téléchargement DEM pour SRTM, GTOPO et plus.

Il s'agit du format de données USGS d'origine. Le format USGS ASCII DEM n'est pas particulièrement bon comme format de données car il est ASCII. Cela rend la taille du fichier plusieurs fois plus grande qu'un format binaire bien construit et rend le fichier plus difficile à traiter par machine. Cependant, il s'agit d'un format ASCII fixe, ce qui le rend plus facile à manipuler de cet aspect. Plus important encore, c'était le format DEM d'origine et il existait depuis si longtemps que de nombreuses applications pouvaient (et peuvent toujours) le gérer. C'est la norme de facto plain-vanilla pour le transfert de données entre différentes applications. Cependant, à ce stade, l'USGS a converti la plupart de ses données en différents formats (voir ci-dessous). Seuls les DEM à l'échelle 1:250 000 sont encore proposés par l'USGS dans ce format, disponible sur :

Le format de données SDTS DEM était la tentative de l'USGS de créer une nouvelle spécification de format de fichier. Le format SDTS est une structure autodescriptive extrêmement polyvalente capable de gérer une grande variété de types de données, produit une taille de fichier compacte et est théoriquement plus lisible par une machine que son prédécesseur. Il n'y avait qu'un seul problème : il a été totalement rejeté par la communauté des utilisateurs en tant que standard à cause de sa complication exceptionnelle.

Un DEM SDTS est composé de 18 fichiers distincts, organisés dans une structure des plus hostiles du point de vue du traitement. Près de la moitié des fichiers doivent être analysés individuellement afin d'obtenir simplement les données d'altitude. Le reste des fichiers regorge d'informations pour la plupart inutiles. L'écriture d'un lecteur de fichiers SDTS est donc une tâche ardue. Écrire un écrivain SDTS est pratiquement impossible et je ne connais personne qui l'a fait. L'échec a été si total que l'USGS n'a même pas terminé la conversion de ses données vers le nouveau format avant d'abandonner et d'adopter les nouveaux formats NED. Cependant, il n'y a rien de mal avec les données une fois que vous y avez accès. L'ensemble de données DEM des États-Unis au 1:24000 (7,5') 15 m et 30 m est disponible dans ce format. De nombreuses applications peuvent lire le format SDTS, donc l'utilisation de ces données ne pose généralement aucun problème. D'un point de vue technique, le NED est probablement supérieur. Ces données sont disponibles auprès de trois sources commerciales (mais gratuites) à l'adresse :

La tentative suivante de l'USGS a pris les données SDTS existantes et les a reformatées dans une structure de données qui a permis de sélectionner les données par boîte élastique à partir d'une interface graphique de carte de sorte que des DEM de toute taille arbitraire puissent être fournis à l'utilisateur. Les données sont ensuite proposées à l'utilisateur sous quatre formats, ArcGrid, BIL, TIFF et Grid Float. C'est OK, sauf que l'interface utilisateur est lente et maladroite. Le format des données est OK si vous utilisez des applications ESRI. Les autres sont un peu obscurs mais pas impossibles à gérer. Les données sont accessibles sur :

Les données DEM pour le Canada sont disponibles au format CDED, qui, bien qu'il ait sa propre spécification, est en grande partie identique au format USGS ASCII. Parfois, les lecteurs USGS DEM peuvent lire un fichier CDED, parfois ils se bloquent sur un seul champ de données. MicroDem peut généralement gérer les fichiers CDED. (Si quelqu'un rencontre des problèmes, faites-le moi savoir car certains de mes utilitaires de conversion peuvent ingérer CDED.) Les données CDED DEM à une résolution de 1:50 000 et 1:250 000 sont disponibles à partir de :

Meilleure source pour les données ASTER GDEM V2 et SRTM utilisant le serveur transparent.

Données DEM à grande échelle (1Km)

Le site NIMA Raster Roam était une source intéressante et éclectique de données DEM et d'images satellite. Ses offres ont été progressivement réduites au cours de l'année. Après avoir été complètement démonté pendant des années, il est au moins partiellement de retour. Vous pouvez toujours obtenir des données DTED et ONC et d'autres données, mais l'imagerie satellitaire de 10 m n'est pas disponible au moment de la rédaction de cet article.

Les données ASTER DEM ont fourni la première alternative haute résolution à DTED0. Bien que cet ensemble de données remarquable soit extrêmement utile en raison de sa résolution relativement élevée, il souffre de plusieurs inconvénients. Le plus important est le manque de couverture. Seule une petite fraction de la masse continentale de la terre est couverte par ASTER DEM. Le second est la qualité des données. De nombreux DEM ASTER ont de grandes zones de données manquantes. L'interface utilisateur n'est pas facile à naviguer. Et enfin le format de fichier. Les DEM ASTER sont disponibles au format HDF ou Geotiff. HDF est un format auto-descriptif (comme le SDTS ou les fichiers de formes) que très peu d'applications reconnaissent. Plus peut gérer geotiff, mais pas les I16 ou FP32 dans lesquels les DEM ASTER sont proposés. En conséquence, cela demande plus de travail que l'utilisateur occasionnel n'est prêt à en dépenser pour utiliser ces données. Néanmoins, il s'agit d'un ensemble de données extrêmement important qui se développe à mesure que de plus en plus d'utilisateurs demandent des DEM à la demande. Voir l'article. Ces données sont disponibles sur :

SRTM signifie Shuttle Radar Tomography Mission. STS99 a prolongé un long boom et a passé dix jours à cartographier une grande partie de la surface de la terre via une imagerie radar superposée, produisant les paires stéréo nécessaires pour une couverture DEM essentiellement mondiale. Une grande partie de ces données ont finalement été rendues publiques en 2003 et sont rapidement devenues proéminentes en raison de l'étendue de leur couverture et de leur résolution supérieure par rapport à DTED0. Lorsque les données du continent africain seront publiées, espérons-le, plus tard cette année, la majeure partie de la masse continentale de la terre sera cartographiée.

Les données SRTM DEM ne sont pas proposées au grand public en pleine résolution. Au lieu de cela, les données de 30 m sont moyennées à une résolution de 90 m. C'est nettement moins résolu qu'ASTER mais dix fois mieux que DTED0 ou GTOPO30. Les données sont au format binaire plat et sont extrêmement faciles à lire et à écrire. De nombreuses applications peuvent traiter ces données. À ce stade, l'ensemble de données n'est pas complètement traité et comporte des zones de données nulles, mais pas autant qu'ASTER. Remarque : n'utilisez pas ces données pour les DEM américains. Utilisez plutôt les produits NED ou SDTS de bien meilleure qualité.)

Données DEM de l'Alaska difficiles à trouver !

Le consurtium du CGIAR a corrigé les données SRTM.

Correction des DEM SRTM pour les zones montagneuses d'Asie centrale, de Chine, d'Europe, du Caucase, des Andes du nord et des Andes du sud de la page Web de Jonathan de Ferranti

Données du DEM de l'Équateur de la page Web du Dr Marc Souris.

Données du DEM autrichien de la page Web du gouvernement.

Données DEM danoises chez Kort & Matrikelstyrelsen .

Données DEM du Mexique de l'Instituto Nacional de Estadística, Geografía e Informítica.

Les données DEM pour l'Australie sont disponibles au format ER-Mapper, que BLACKART v3.92 et versions ultérieures peuvent lire. Ces données DEM de 9 secondes d'arc (250 m) sont disponibles auprès de :

La meilleure source de données bathymétriques mondiales semble être l'ensemble de données ETPO2 disponible auprès du NGDC. Les données sont disponibles sur CD pour 75 USD, mais une carte en ligne des tuiles est proposée qui vous permet de visualiser gratuitement les images en pleine résolution. Comme il est facile de capturer les images à l'écran, cela peut être considéré comme une source de données gratuite. Des données bathymétriques locales sont également disponibles à partir de sources très disparates. Consultez le site Web de la NOAA, mais il semble y avoir des tonnes de sources disparates. Les données GLOBE semblent être les meilleures pour intégrer les données de terrain à la bathymétrie.

Excellente source pour les cartes côtières des États-Unis.

Expérience scientifique d'imagerie haute résolution (HIRISE)

Altimètre laser de l'orbiteur de Mars (MOLA)

Les données de Mars Viking peuvent être obtenues à (grâce à un pointeur de Tony Standley):

Beaucoup d'excellentes informations

Il existe peut-être quelques autres sources de données DEM gratuites, mais je pense avoir couvert tous les types les plus utiles. Je serais certainement heureux de recevoir des pointeurs vers des sources gratuites supplémentaires et je les publierai si je les reçois.

Données et images satellitaires gratuites

Liste la plus complète d'images satellites gratuites sur le site Web de PANCROMA.

L'étalon-or pour les données mondiales.

excellente compilation de sources postée par Robin Wilson

C'est le meilleur site pour les débutants. Interface utilisateur simple, superbes images en vraies couleurs dans un format convivial (jpg). Il fournira même la carte de navigation aérienne NIMA correspondante et superposera votre image satellite. Inconvénients : couverture incomplète, beaucoup de nuages ​​dans de nombreuses images, obliquité élevée de la caméra pour de nombreuses images. Vaut vraiment le détour. (Absolument génial pour les écoliers et en fait destiné à ce public.) Voir l'article.

Le meilleure source d'images satellites gratuites sur le web, et l'un des meilleurs sites Web partout spécialisée dans la couverture quasi mondiale Landsat TM, Landsat ETM, MODIS et autres. Cependant, le Landsat 7, MODIS et d'autres ensembles de données peuvent être intimidants pour les inexpérimentés, donc les débutants peuvent s'attendre à passer de nombreuses heures à produire des images à partir de ces données. Quelques-uns des problèmes à traiter : les données sont présentées dans plusieurs bandes couvrant les spectres électromagnétiques ir, visible et uv. Les données de bande sont contenues dans des fichiers dont chacun fait des dizaines de mégaoctets. La création d'images RVB en vraies couleurs demande un peu de travail et beaucoup de puissance de calcul. Cependant, il s'agit de l'un des ensembles de données les plus importants pour les chercheurs et aussi pour les modélisateurs de terrain. Voir l'article sur ce site.

Source pour Canadian Landsat 7 et de nombreux autres types de données SIG. Voir l'article.

ASTER GDEM et données ASTER L1A/L1B gratuites Voir le site Web de la NASA WIST

Données ASTER L1A/L1B gratuites, source de paires stéréo pour les DEM ASTER et un riche ensemble de données multispectrales. Malheureusement, uniquement aux États-Unis. Voir l'article.

Des images spectaculaires de couverture mondiale composées des bandes Landsat TM 7, 4 et 2. Ce ne sont pas des images en vraies couleurs mais vous n'avez pas besoin de les composer vous-même. Les données sont présentées au format MRSID, vous aurez donc besoin d'une application qui lit ce format, comme ArcExplorer (gratuit). Ce site disparaît périodiquement d'Internet. Voir l'article.

Ce site est censé être un index et un teaser pour les images pleine résolution spectaculaires (et spectaculairement chères, pour l'amateur) d'imagerie spatiale. Cependant, les images d'index n/b elles-mêmes sont impressionnantes et très bien présentées et semblent avoir une résolution d'environ 16 m. Voir l'article.

Le même site qui offre des données DEM DTED0 à 1 km offrait auparavant des images satellites étonnamment haute résolution mais anciennes. L'ensemble de données NIMA DOI 10m est, comme son nom l'indique, une imagerie n/b de résolution 10m pour une partie limitée du monde, principalement l'Europe du Sud et le Moyen-Orient. Ce site semble être considérablement cassé.

Plus de 500 000 images prises depuis la Station spatiale internationale, la navette spatiale et d'autres plates-formes. Voir l'article.

Application cliente intelligente intégrée pouvant accéder à Landsat, SRTM, USGS, MODIS et à d'autres données de télédétection. Hautement recommandé.

Landsat, SRTM, MODIS et d'autres données présentées avec une interface utilisateur à carte plate Blue Marble. Source d'une grande partie des données World Wind. Vous devrez creuser pour obtenir quoi que ce soit de celui-ci.

Cartes minérales ASTERpour l'ouest de l'Australie.

Données multispectrales ASTER traitées montrant les distributions minérales basées sur les données de réflectance traitées.

Cartes topographiques gratuites

Nouvelle source de cartes topographiques canadiennes. La couverture n'est pas encore complète, mais elle augmentera vraisemblablement à mesure que Ressources naturelles Canada complétera la collection.

Tout simplement la meilleure source cartographique pour les États-Unis.

Des années 40 mais toujours utile.

Cartes topographiques USGS gratuites au format .pdf pour tous les États-Unis.

Topos russes d'Afrique du Nord.

Topos russes d'Afrique australe.

Excellente source pour les topos russes.

Excellente source de cartes topographiques USGS de haute qualité.

Une autre source de cartes topographiques USGS.

Excellent répertoire pour les ressources cartographiques des États-Unis

Ce n'est pas réellement une source de cartes topographiques, mais l'une des listes les plus complètes d'agences de cartographie et de SIG des États-Unis. Ces agences sont souvent la meilleure source non seulement de cartes topographiques USGS gratuites pour leur état, mais souvent aussi pour des tonnes d'autres données précieuses telles que les DOQQ, les plats fiscaux, etc. Le site de l'Université de l'Oregon est l'une des meilleures listes.

Topos russes gratuits ! Pour tous les cartographes non américains à la recherche de topos gratuits, ce site peut vous aider. Couverture mondiale très incomplète et toute la collection n'est pas disponible en ligne. Cependant, c'est l'une des seules sources gratuites de topos russes sur Internet, et certainement la plus grande. Voir l'article

USGS Topos pour toute la frontière du Nevada et de la Californie.

Ce type est un vrai Indiana Jones qui a passé une bonne partie de sa vie à mener des études archéologiques en Israël et en Jordanie. Beaucoup d'informations très intéressantes sur son site, y compris une belle collection de cartes topographiques du Moyen-Orient que vous pouvez télécharger. Couverture très limitée, mais excellente source de cartes très inhabituelles, y compris des topos publiés par le Royal Jordanian Geographic Centre. Les cartes sont proposées en plusieurs formats, y compris avec et sans colliers. Voir le lien 'Lavant Topos'.

La compilation la plus complète des ressources SIG de l'État des États-Unis, y compris les sources de cartes topographiques.

Cartes de navigation aérienne pour une grande partie de l'Asie. Voir l'article.

Collection impressionnante, impressionnante et impressionnante de cartes topographiques numérisées pour toute l'Asie du Sud-Est. Le vétéran Jim Henthorn a fait un travail remarquable. Regarde ça, c'est génial.

Cartes topographiques gratuites au 1:1 000 000 pour tout le Canada.

Cartes topographiques du sud-est de la Pologne.

Quelques excellentes cartes d'alpinisme pour les chaînes du Pamir et de l'Hindu Kush. Langue tchèque.

Cartes topographiques autrichiennes. Site en langue allemande.

C'est comme ça que tu l'écris ? Ils parlent Francais.

Grande collection de cartes anciennes numérisées, lettres crylliques. Markus Hauser recherche une maison pour 30 Go de cartes numérisées du début du 20e siècle. Cela semble être un bon projet pour Perry Castaneda, Berkely ou autres. Si quelqu'un peut vous aider, contactez Markus à [email protected]

Excellente source de topos militaires russes pour l'Ukraine. J'espère que vous lisez le russe.

Cartes topographiques très détaillées et modernes pour toute la Catalogne en Espagne. Sélectionnez "FCFA Rouge". Espagnol.

En italien mais facile à naviguer

Quelques bonnes applications gratuites que tout modélisateur de terrain devrait avoir dans sa boîte à outils :

Google Earth Le champion poids lourd en titre des applications SIG. Rend tout le reste pratiquement obsolète. Vent du monde L'ancien champion poids lourd des applications SIG. 3DEM La meilleure application pour produire des superpositions. Superbes rendus 3D. MicroDem La meilleure application pour fusionner des DEM. Lit une assez grande variété de formats. OK pour le rendu 3D et les superpositions. Terragen La meilleure application pour les rendus de terrain photo réalistes. Lit uniquement son propre format .ter. (Plusieurs convertisseurs proposés sur ce site). Traceur de rayons POV-Ray Freeware. Créez des terrains à l'aide de l'utilitaire de champ de hauteur. Pas pour les âmes sensibles, les rendus sont créés à l'aide d'un langage de programmation de type C. Un peu comme la programmation en OpenGL mais beaucoup plus facile et très puissant. Attention : addictif. (Plusieurs convertisseurs proposés sur ce site). GEOTIFF4 Convertissez les formats ASTER DEM HDF et Geotiff en USGS ASCII, Terragen, flat binaray, etc. Écrit par un gars génial BLACKART Utile pour combler les trous dans vos DEM SRTM ou ASTER DEM. Également écrit par un gars formidable. ArcExplorer Nécessaire pour lire les DOQQ au format MRSID. Outil d'analyse d'images multispectrales. Geotrans NIMA Outil de transformation de coordonnées Geotrans. FRHED Le meilleur éditeur hexadécimal gratuit. Outil essentiel pour résoudre vos problèmes de données binaires


Produire des données SIG à partir d'une grande quantité de fichiers DEM ASCII ? - Systèmes d'information géographique

Greg Balco
Laboratoire d'isotopes cosmogéniques UW
Septembre 2001

Remarque : pour que ce document ait un sens, vous devez en savoir beaucoup sur les isotopes cosmogéniques et pas mal sur ARC/INFO et MATLAB. De plus, rien dans ce document n'est garanti de fonctionner. Ces informations sont présentées comme un guide pour les personnes qui essaient d'y parvenir elles-mêmes et non comme une méthode standard pour effectuer des calculs de taux de production. Les scripts référencés ci-dessous sont susceptibles de nécessiter des modifications de l'utilisateur pour travailler sur les données que vous souhaitez. Une version plus conviviale et plus complète pourrait suivre ultérieurement.

L'objet de cet exercice est de calculer la distribution géographique des taux de production d'isotopes cosmogéniques dans une zone, généralement un bassin versant, à l'aide de données de modèle numérique d'élévation (MNE). Il est nécessaire de le faire principalement dans le but de calculer les taux d'érosion à l'échelle du bassin à partir de mesures d'isotopes cosmiques sur les sédiments des cours d'eau, et il est également utile de pouvoir calculer le blindage topographique sans être réellement présent à un point particulier, au cas où quelqu'un aurait oublié de faire cette mesure sur le terrain.

Cela implique de calculer le taux de production de n'importe quel isotope pour un grand nombre de pixels dans un modèle numérique d'élévation.Ainsi, pour chaque pixel, nous devons connaître la latitude et l'altitude, pour corriger ces deux facteurs, et l'horizon, pour calculer le blindage topographique des rayons cosmiques entrants.

Le facteur de protection latitude/altitude est facile à calculer en utilisant une combinaison d'ARC/INFO et de MATLAB. Nous y parvenons comme suit :

1. Obtenez un DEM. La plupart des gens essaieront de le faire en utilisant un DEM USGS de 30 mètres. La première étape consiste à télécharger les DEM de la zone d'intérêt et à les assembler dans une grille ARC/INFO. De toute évidence, il est important que la zone de couverture soit suffisamment grande pour inclure tout ce qui est susceptible d'ombrager de manière significative les pixels d'intérêt. Disons que cette grille d'élévation s'appelle "elv".

2. Définir les bassins versants. Créez une autre grille désignant les pixels sur lesquels des calculs doivent être effectués. Par exemple, si vous aviez une couverture ponctuelle d'emplacements d'échantillons de sédiments de ruisseau (assurez-vous que les points sont réellement DANS le ruisseau défini sur le DEM. ) appelé « basinbottoms », exécutez les commandes suivantes dans GRID :
Vous avez maintenant une grille appelée wsheds dans laquelle les pixels sont numérotés en fonction des bassins versants définis par les identifiants utilisateur des points de la couverture de points.

3. Latitude. Vous avez maintenant besoin d'une grille contenant les latitudes de tous les pixels. Étant donné que les DEM de 30 mètres de l'USGS sont en coordonnées UTM, il s'agit d'une séquence assez élaborée de commandes GRID :

Droite. Nous avons maintenant une grille appelée "lat" qui contient les latitudes de tous les pixels des bassins versants que nous voulons analyser.

4. Correction latitude/altitude. Sortez d'ARC/INFO et entrez dans MATLAB pour effectuer la correction de latitude/altitude.

Il est plus facile d'obtenir des grilles ARC dans MATLAB en exportant des fichiers ASCII :
Utilisez ensuite l'éditeur de texte MATLAB pour supprimer les six premières lignes de chaque fichier texte (informations d'en-tête incluses par ARC). Dans MATLAB, chargez ces grilles :
Ensuite, utilisez le fichier m stone2000.m pour effectuer la correction de latitude/altitude. Vous aurez également besoin du fichier m stdatm.m .

Pour ce faire, exécutez la commande suivante dans MATLAB :
Lacorr est maintenant une variable MATLAB contenant le facteur de correction latitude/altitude pour chaque pixel d'intérêt. Enregistrez-le et revenez à ARC/INFO.

5. Blindage topographique. Ensuite, nous devons calculer le blindage topographique pour tous les pixels qui nous intéressent. Si vous ne vous souciez que d'un pixel, voici un script ARC/INFO AML pour calculer le facteur de blindage pour un seul point dans un DEM :

Si vous vous souciez de tous les pixels d'un bassin versant, il est plus rapide de le faire dans MATLAB. Gardez à l'esprit qu'il s'agit d'une opération très longue et qu'elle peut nécessiter de nombreuses heures de temps machine pour un bassin versant de taille même modérée.

Tout d'abord, vous devez extraire quelques grilles supplémentaires d'ARC dans MATLAB, en particulier des grilles contenant les coordonnées x et y de chaque pixel. Cela peut être fait dans MATLAB si vous savez comment votre grille d'altitude est géoréférencée mais est plus facile à faire dans ARC. Dans GRID, lancez :
Une grille supplémentaire est également requise. La plupart des pixels de l'image ne se trouvent pas sur des lignes de crête et ne contribueront pas de manière significative au blindage topographique de la plupart des autres points. Dans le calcul du blindage pour chaque pixel, nous considérons deux groupes d'autres pixels dans le paysage : un, les pixels proches du pixel d'intérêt, et deux, les pixels sur les lignes de crête. Nous soufflons tous les autres pixels. Cela réduit considérablement le temps d'exécution. Les pixels de la "ligne de crête" sont le plus facilement obtenus en ne prenant que les pixels qui ont une valeur d'accumulation de flux de zéro :
Ensuite, exportez-les :
Revenons maintenant à MATLAB. Chargez les grilles de coordonnées x et y, la grille d'altitude, la grille de criblage des lignes de crête et la grille avec les identificateurs de bassin versant. Voici un fichier m pour calculer le blindage topographique pour chaque pixel.

Il en résulte une ou plusieurs matrices contenant des facteurs de blindage pour chaque pixel d'intérêt.

6. Taux de production totale d'isotopes. La dernière chose à faire est d'assembler tout cela dans une grille montrant le taux de production dans tous les pixels. Chargez les matrices de blindage et de correction lat/alt dans MATLAB et procédez comme suit :
Voici un exemple:


Produire des données SIG à partir d'une grande quantité de fichiers DEM ASCII ? - Systèmes d'information géographique

L'imagerie orthophotographique a été produite pour la première fois il y a plus de 30 ans. Elle offre les avantages d'un produit cartographique conventionnel, mais contrairement à la carte traditionnelle, l'orthophoto est capable d'afficher des caractéristiques réelles du sol, et non des représentations cartographiques de ces caractéristiques. Jusqu'à il y a 5 ou 6 ans, l'orthophoto était créée en utilisant une combinaison de traitement optique et numérique. L'orthophotographie numérique est devenue une réalité de production commerciale principalement en raison de la disponibilité accrue d'ordinateurs plus puissants à des prix plus abordables. Quelle que soit la méthode de construction, quatre opérations ou corrections de base doivent être appliquées à la photographie aérienne verticale standard pour produire l'orthophoto. La première correction est la standardisation de l'échelle à travers l'image. La deuxième correction consiste à supprimer le déplacement du relief pour positionner le terrain à son emplacement réel. La troisième opération implique l'attribution de valeurs de coordonnées X et Y à l'image. La tâche finale implique les ajustements radiométriques ou tonaux pour permettre à l'image de se fondre avec les images voisines. La clé pour comprendre l'orthophoto est d'abord de comprendre les propriétés géométriques de la photographie aérienne verticale conventionnelle, puisque c'est la source de toute l'imagerie orthophoto.

Acquisition de photos aériennes

La photographie de cartographie aérienne traditionnelle est acquise dans un format vertical à l'aide d'appareils photo et d'objectifs très spécialisés. Montées dans des montures gyrostabilisées, ces caméras sont dirigées directement vers la surface de la terre et enregistrent leurs images dans les lignes de vol. Dans la ligne de vol, chaque photo successive chevauche le cadre de l'image précédente de 60 à 80 %. La zone de chevauchement entre les deux trames successives permet une visualisation stéréo (3-D) de la zone en commun et la collecte ultérieure du modèle numérique d'élévation (MNE). Lorsque plus d'une ligne de vol est nécessaire pour couvrir la zone géographique d'intérêt, des lignes de vol supplémentaires sont utilisées avec entre 20 % et 30 % de duplication (sidelap) entre les lignes de vol. Ce chevauchement entre les lignes de vol ne permet pas la visualisation stéréo entre les lignes de vol ou la collecte DEM. Son seul but est de s'assurer qu'il n'y a pas de lacunes, souvent appelées « congés de données » dans la zone cible.

Chaque photo aérienne individuelle mesure 9 pouces carrés. Sur les côtés de chaque image (et sur certaines caméras dans les coins) se trouvent des points d'étalonnage appelés repères. En traçant des lignes entre des repères opposés, l'intersection de deux lignes définira le centre de la photographie. Ce point est appelé le point principal. Si la photographie est une vraie photo verticale, ce point représente également le point au sol directement sous l'appareil photo au moment de l'exposition. Ce point est appelé le nadir. La figure 1. illustre l'emplacement des repères, du point principal et du nadir pour une image verticale vraie.

Différences d'échelle

L'échelle de cette imagerie variera sur la photo proportionnellement à la hauteur de la caméra au-dessus du sol. En utilisant le centre de la photo comme point de référence de base, le terrain situé à une altitude inférieure (plus éloigné de la caméra) sera représenté à une plus petite échelle et le terrain à une altitude plus élevée sera représenté à une plus grande échelle. Un examen de la figure 2. illustre ce fait et illustre la géométrie simple et les triangles similaires utilisés pour effectuer ce calcul. Lors de la construction de l'orthophoto, toutes les fluctuations d'échelle sont supprimées et l'image est présentée à une échelle constante.

Déplacement de secours

Le déplacement du relief est une distorsion qui affecte la précision spatiale de l'image. En termes simples, les points qui sont plus élevés que le nadir sont déplacés vers l'extérieur du centre de la photographie et les points qui sont plus bas en élévation sont déplacés vers l'intérieur par rapport à leur position réelle. En se référant à nouveau à la figure 2. le déplacement géométrique à la fois d'une colline et d'une fosse par rapport au nadir est illustré. La nature radiale de ce déplacement est illustrée à la figure 1. où le mât est déplacé vers l'extérieur du nadir. Dans ce dernier exemple, le sommet du mât est à une élévation plus élevée que l'élévation au nadir. Le déplacement du relief du terrain est supprimé pendant le développement de l'orthophoto, ainsi les collines et les vallées apparaîtront à leur véritable emplacement. Le déplacement en relief des mâts de drapeau, des bâtiments, des arbres et d'autres éléments similaires restera sur l'image puisque le haut et le bas des objets occupent les mêmes coordonnées X et Y au sol. Cet artefact de déplacement du relief peut provoquer des distorsions d'image ou des illusions, en particulier le long de la jointure entre les feuilles d'orthophoto. Bien que parfois dérangeants, la plupart ne sont pas des défauts du produit d'image.

Génération d'orthophoto numérique

La création d'orthophotographie numérique commence par une planification minutieuse et se termine finalement par le produit d'image final. L'échelle du produit de sortie déterminera l'échelle à laquelle la photographie aérienne originale sera acquise. Pour les données du Vermont, l'échelle du produit final est définie comme 1:5 000. Pour ce produit à l'échelle, la photographie originale est acquise à une échelle nominale de 1:30 000. En préparation d'un vol aérien, des points de contrôle au sol doivent être identifiés ou établis et des monuments afin qu'ils puissent être vus et enregistrés sur le film. Les valeurs X, Y et Z pour ces points sont connues. Ces points constituent la base du contrôle et de l'affectation des coordonnées par un processus d'aérotriangulation. Plusieurs entreprises commerciales améliorent maintenant le contrôle au sol grâce à l'utilisation d'un GPS aéroporté et à la collecte de données par station au sol. Ce nouvel ajout au processus de contrôle est très prometteur. Ce processus de contrôle fournit les bases pour la réalisation de l'une des 4 étapes/corrections définies précédemment.

Une fois la photographie acquise et les calculs de triangulation nécessaires terminés, la photographie est prête pour la collection de modèles altimétriques numériques. Ce modèle numérique d'élévation constituera la base de la correction des différences d'échelle dans l'imagerie aérienne dues aux changements d'élévation. Il sera également utilisé pour supprimer le déplacement du relief dans le terrain. Les données d'élévation sont collectées à l'aide d'un traceur stéréo analytique pour visualiser la photographie en 3D et collecter un échantillon représentatif de points d'élévation qui décriront le relief de la zone. La quantité et le type d'informations recueillies dans le DEM varieront. Cette question devrait être d'un intérêt considérable pour le gestionnaire de SIG et est discutée plus loin dans cet article.

Une fois la collection DEM complète, la photographie est prête à être numérisée et convertie en une image numérique. Dans la situation idéale, une photographie aérienne sera utilisée pour créer une orthophoto entière. La zone doit provenir de la partie centrale de la photographie originale pour minimiser toute distorsion de l'objectif près des bords de la photo. Les photographies sont numérisées à une très haute résolution pour assurer une haute qualité d'image dans le produit final. C'est au cours du processus de numérisation que des défauts de saleté et de peluches peuvent être ajoutés à l'image orthophotographique numérique nuisant à la qualité du produit final. De plus, toutes les rayures sur la photographie originale qui seraient normalement minimisées lors des agrandissements optiques seront clairement capturées et préservées lors du processus de numérisation, ce qui les rendra clairement visibles dans le produit final.

La création d'orthophoto proprement dite est un processus informatique qui marie la photographie aérienne tramée avec le DEM. Ce processus permet au logiciel de repositionner les pixels de la photo aérienne numérisée pour supprimer les effets du déplacement du relief et des différences d'élévation du terrain. Avec les pixels correctement positionnés et les valeurs de coordonnées X et Y associées attribuées, l'orthophoto est prête à être visualisée. L'image résultante est maintenant à une échelle constante sur l'ensemble de l'image. Seule la correction des différences de tons entre les images reste pour terminer le processus.

Des corrections radiométriques peuvent être nécessaires pour lisser les différences de tons ou de couleurs entre les orthoimages afin d'améliorer la qualité globale de l'image. Les valeurs de luminosité des pixels sont comprises entre 0 et 255 et dans certains cas, des ajustements de localisation peuvent être nécessaires. Si la photographie est prise juste avant le retour des feuilles dans les arbres, il peut être difficile de faire correspondre les images entre les lignes de vol, enregistrées à des dates différentes. Les différences dans l'heure de la journée à laquelle la photographie est acquise peuvent également entraver l'équilibrage radiométrique entre les images numériques.

Problèmes d'amélioration des produits et de contrôle de la qualité

Le destinataire de nouvelles images orthophotographiques numériques doit prévoir de procéder à un examen approfondi du produit livré. Les problèmes de qualité se répartissent en deux grandes catégories. Le premier est la précision spatiale et le second est la qualité de l'image. La précision spatiale fait référence à l'emplacement des éléments de pixels en référence à leur emplacement réel sur la face de la terre. La qualité de l'image prend en compte les défauts et les différences de tons à la fois au sein des feuilles et entre elles. La figure 3. est une copie de la feuille d'évaluation initiale utilisée au Vermont pour examiner les images ortho numériques livrées

Précision spatiale

Les normes nationales de précision des cartes laissent beaucoup à désirer lorsqu'il s'agit d'évaluer la précision spatiale de la carte de base d'orthophotos complétée. En ce qui concerne la précision horizontale, les normes nationales de précision des cartes stipulent que « 1. Précision horizontale : pour les cartes à des échelles de publication supérieures à 1:20 000, pas plus de 10 % des points testés doivent présenter une erreur de plus de 1/30 pouce, mesurée à l'échelle de publication pour les cartes à des échelles de publication de 1:20 000 ou moins, 1/50 de pouce. Ces limites de précision s'appliquent dans tous les cas aux positions de points bien définis uniquement. » (Bureau du budget des États-Unis, publié le 10 juin 1941, révisé le 26 avril 1943, révisé le 17 juin 1947) Avec des orthophotos individuelles de moins d'un demi-mètre, la qualité de l'image peut très bien suggérer une précision supérieure à celle de l'image peut soutenir. De nombreux facteurs affecteront la précision spatiale. L'un de ces facteurs est le DEM. De nombreux producteurs d'orthophotos ne collectent leurs données d'élévation que dans une grille systématique. Les points collectés de cette manière sont souvent appelés points de masse. Bien que cela puisse permettre au produit résultant de répondre aux normes de précision minimales, la collecte de points et de lignes supplémentaires améliorera la qualité du produit final et produira un MNT avec plus d'utilité pour l'utilisateur du SIG. Ne pas collecter au moins des points au sommet des collines, des falaises ou des fosses introduira des erreurs. En collectant un MNT avec une combinaison de points de masse, de lignes de rupture et de points significatifs, un produit plus utile peut être obtenu. Le DEM devrait également être évalué en tant que produit distinct qui aura une utilité significative dans l'environnement SIG dans le développement de couches de terrain et d'autres cartes.

Peut-être que la meilleure façon d'échantillonner la précision spatiale est d'utiliser le système de positionnement global ou le GPS. Étant donné que les normes nationales de précision des cartes indiquent qu'elles ne s'appliquent qu'aux points clairement visibles, il est important de sélectionner les points avec soin. Si des points DEM ont été pris le long des routes principales, la probabilité d'une erreur sur l'image est considérablement réduite. Il faudrait envisager de trouver des points éloignés des principales intersections routières. D'autres points clairement visibles tels que des coins de piscine, des sites dans des parcs et d'autres endroits contribueront à assurer l'exactitude de l'image. En reportant les points de la collection GPS sur l'image numérique, il est alors possible de mesurer la différence entre l'image et le point GPS. En plus de vérifier la différence absolue entre ces emplacements, la direction de tout écart doit également être notée pour tester la possibilité d'une erreur systématique.

Étant donné que la plupart des projets d'orthophotocartographie numérique couvrent de vastes zones, il peut ne pas être possible d'effectuer des lectures GPS pour chaque image numérique. Comme alternative, l'évaluateur pourrait envisager d'utiliser d'autres données numériques dans le SIG pour rechercher les erreurs. Dans l'évaluation du Vermont, le réseau routier était disponible dans un format de couverture ARC et était systématiquement dessiné au-dessus de l'orthophoto numérique lors de la vérification de la qualité visuelle. De cette façon, il était possible de rechercher des zones suspectes qui pourraient ensuite être vérifiées avec des lectures GPS. La figure 3. illustre un exemple.

Certaines erreurs spatiales sont très évidentes lorsque l'imagerie est examinée pour la première fois. D'autres sont plus subtils. La figure 4. illustre un exemple brut d'erreur spatiale entre deux feuilles.

La figure 4. souligne également les problèmes d'alignement entre les images numériques. Ces erreurs sont plus évidentes le long des caractéristiques linéaires. Dans les cas d'alignement subtils, l'erreur peut ne pas justifier le rejet en raison des critères de précision de la carte nationale, mais la qualité visuelle de la carte peut être compromise à un point tel que la recréation d'une ou des deux images peut être justifiée.

Dans la figure 5., l'erreur est beaucoup plus subtile et doit être soigneusement évaluée.

L'image de la figure 5. est un réservoir d'eau. et une partie du réservoir est coupée au niveau du joint avec l'image au sud. Un examen attentif a finalement révélé qu'une partie du terrain manquait, cependant, une partie du sommet du château d'eau manquant a été coupée par le déplacement de secours. Étant donné que les points plus élevés que le Nadir se penchent, ce type de distorsion peut ne pas être une erreur spatiale, mais plutôt un artefact optique de la photographie originale. Des distorsions similaires seront trouvées le long des bords des feuilles qui représentent des bâtiments de grande hauteur. Les ponts hauts peuvent également être une source d'erreur ou de distorsion. En déplaçant le terrain sous le pont pour supprimer le déplacement du relief, le pont réel peut sembler désaligné avec l'autoroute de connexion. Dans ces cas, il est nécessaire d'ajuster l'image pour ramener le pont dans l'alignement de la route afin de produire une image optiquement agréable.

Qualité d'image

Les problèmes de qualité d'image peuvent être regroupés en deux catégories. La première est constituée d'anomalies naturelles et la seconde d'erreurs induites par l'homme. Des exemples de facteurs naturels de réduction de la qualité sont la réflectance spéculaire des plans d'eau et les ombres profondes causées par les faibles angles du soleil. La figure 6. illustre plusieurs caractéristiques dégradant la qualité.

Le point lumineux sur l'image supérieure de la figure 6. est causé par la réflectance spéculaire d'un plan d'eau. Ce phénomène naturel se produit lorsque l'angle d'incidence de la lumière du soleil frappant la surface lisse de l'eau est égal à l'angle de réflexion jusqu'à la caméra. Les différences de tons entre les images sont assez minimes, mais peuvent être réduites. La ligne noire épaisse entre les images illustre un manque de données et serait le résultat d'une erreur de l'opérateur.

Les rayures peuvent entrer dans la production de l'image à plusieurs étapes. Le premier peut survenir lors de l'acquisition de la photo aérienne. Ces types de rayures proviennent du mécanisme de transport du film lorsque le rouleau de film est déplacé dans l'appareil photo. Ces rayures s'étendent en lignes droites à travers l'image dans la direction de la ligne de vol. Ces rayures seront ramassées lors de la numérisation de la photo et apparaîtront sur l'image numérique. La figure 7. illustre ce type de rayure.

D'autres rayures peuvent être causées par une mauvaise manipulation de la photographie avant la numérisation. Ces rayures sont souvent plus audacieuses et plus perturbatrices. La figure 8. illustre une telle rayure.

La saleté et les peluches peuvent également être incorporées dans l'image ortho si elles ne sont pas soigneusement éliminées avant la numérisation.En général, les taches de saleté apparaissent comme des taches sombres sur l'image et peuvent souvent être confondues avec de petits plans d'eau. La figure 9. illustre une orthophoto numérique avec un gros morceau de saleté numérisé dans l'image.

Les peluches et les cheveux apparaissent généralement sous forme de taches grises ou blanches ou de lignes ondulées. Ceux-ci aussi, comme les taches de saleté, sont incorporés dans l'image numérique pendant le processus de numérisation. La figure 10. illustre un exemple.

Les ombres et l'heure de la journée peuvent nuire considérablement à une base d'images par ailleurs excellente. Ce problème est exacerbé lorsque des lignes de vol adjacentes sont parcourues aux extrémités de la fenêtre de vol. Dans le pire des cas, la ligne ouest est survolée tôt le matin et l'image orientale est survolée en fin d'après-midi. Cette situation doit être évitée. La figure 11. illustre l'apparence de l'imagerie volée à ces extrêmes.

Recommandations pour l'examen de l'imagerie orthophotographique numérique

L'examen de l'imagerie numérique impliquera un échantillonnage de précision spatiale sur le terrain avec GPS.

Pour examiner correctement l'imagerie numérique à la recherche d'erreurs et de défauts, l'examinateur devra disposer de copies de la photographie originale sur l'écran de l'ordinateur. Une loupe et un stéréoscope sont également utiles pendant ce processus d'examen. Il est important de tenir compte de l'échelle de l'imagerie contractée au cours de ce processus d'examen. L'examen de base doit être effectué sur l'écran à l'échelle de résolution contractée. Zoomer au-delà de ce point pour trouver des défauts n'est pas juste pour le producteur d'orthophotos.

Recommandations pour les données DEM

Le DEM peut être utilisé dans les programmes TIN et GRID d'Esri pour développer des présentations de surface. Si des lignes de rupture sont enregistrées pour les plans d'eau, les routes et les cours d'eau, ces lignes peuvent être utilisées pour créer des couvertures qui correspondent exactement à l'orthophoto numérique. Au Vermont, nous avons choisi de recevoir le DEM dans un format de fichier ASCII, car cette information peut être demandée par de nombreuses personnes, pas seulement les utilisateurs d'ArcInfo. Chaque point contient 5 informations et se présente sur une seule ligne. En plus des valeurs X, Y et Z, chaque point se voit attribuer un numéro de code pour son type d'entité qui pourrait être utilisé dans la commande ARC GENERATE et un numéro de code qui représente le type d'entité représenté. Un exemple de ligne dans le fichier DEM apparaîtrait comme suit :

Le tableau ci-dessous illustre et identifie les différents codes et leurs significations.

La conversion de ce fichier ASCII en une couverture de points ARC est particulièrement facile avec l'utilisation du logiciel ARCVIEW2 d'ERSI. Étant donné que le fichier est un fichier ASCII délimité par des virgules, il peut être lu et converti en un tableau par ARCVIEW. Avant d'incorporer ce fichier, l'utilisateur doit d'abord importer le fichier dans un éditeur et placer une ligne délimitée par des virgules en haut du fichier. Cette ligne doit contenir les noms de champ ou d'élément souhaités dans le futur fichier de table attributaire de points de couvertures de points. Un exemple est montré ci-dessous en utilisant la même ligne de données d'exemple ci-dessus.

Une fois le fichier lu dans ARCVIEW2 à l'aide de l'option xxx, ce fichier peut être converti en une vue en utilisant l'option "AJOUTER UN THÈME D'ÉVÉNEMENT" du menu VUE. La dernière étape pour ARCVIEW consiste à convertir ce thème d'événement en un fichier Shape. pcARC et l'ARC hôte peuvent tous deux convertir ce fichier Shape en une couverture de points. À ce stade, les points peuvent être re-sélectionnés et convertis en diverses couvertures ou fonctionnalités pour une utilisation ultérieure.

RÉSUMÉ

Correctement collectées et livrées, l'orthophoto numérique et son DEM associé représentent un ajout important à un système d'information géographique. En plus d'améliorer l'affichage visuel des informations, ce fond de carte peut être utilisé directement pour ajouter ou corriger l'emplacement d'entités à utiliser dans le SIG. En évitant l'utilisation de représentations cartographiques de la réalité, les emplacements exacts des bâtiments ou les types de couverture peuvent être correctement cartographiés directement à partir de l'écran de l'ordinateur. La figure 12 illustre l'utilisation de l'orthophoto numérique comme toile de fond d'un affichage vectoriel des limites de propriété et du réseau routier communautaire.

Un tel affichage peut être utilisé dans le 911 et d'autres exigences de routage, la planification communautaire et une foule d'autres applications. Tout aussi important est le DEM qui est initialement utilisé pour corriger la photo originale. Sa durée de vie s'étend au-delà de l'orthophotographie et peut être utilisée dans l'analyse et l'affichage topographiques. De plus, un nouveau logiciel permet désormais au propriétaire du DEM d'appliquer ces informations à de nouvelles photographies pour produire des images orthophotographiques. Bien que cette opération soit très gourmande en calculs, la mise à jour localisée sur le poste de travail SIG est désormais possible avec 3rd. progiciels de fête. La clé de toutes ces opportunités réside dans le gestionnaire SIG informé et dans un processus AQ/CQ solide pour garantir le maintien de la qualité de l'image.


4.3 Modélisation des données SIG

4.3.1 Modèles de données

Le monde réel est trop complexe pour notre compréhension immédiate et directe. La variation géographique dans le monde réel est infiniment complexe, plus nous regardons de près, plus nous voyons de détails, presque sans limite, il faudrait une base de données infiniment grande pour capturer le monde réel avec précision, les données doivent en quelque sorte être réduites à une quantité finie et gérable en un processus de généralisation ou d'abstraction, la variation géographique doit être représentée en termes d'éléments ou d'objets discrets les règles utilisées pour convertir la variation géographique réelle en objets discrets est le modèle de données (Tomlin Dana et Klinkenberg Brian, 1999 et Star, J.L. et J.E. Estes, 1990).

Un modèle de données est une idée conceptuelle, par opposition à la manière dont les données sont réellement stockées dans l'ordinateur, qui est la structure des données. Tsichritzis et Lochovsky (1977) définissent un modèle de données comme « un ensemble de directives pour la représentation de l'organisation logique des données dans une base de données. consistant ou ayant nommé des unités logiques de données et les relations entre elles."

4.3.2 Base de données

Nous créons des « modèles » de la réalité destinés à présenter une certaine similitude avec certains aspects du monde réel. Des bases de données sont créées à partir de ces « modèles » comme une étape fondamentale pour connaître la nature et le statut de cette réalité (DeMers, 1997 Modarres, 1998).

Le système d'information géographique (SIG) a deux capacités d'utilisation distinctes - la première se rapportant à l'interrogation et à l'obtention d'informations et la seconde se rapportant à la modélisation analytique intégrée. Cependant, ces deux capacités dépendent du cœur du SIG - la base de données qui a été organisée. L'importance de la base de données SIG provient du fait que les éléments de données de la base de données sont étroitement liés et doivent donc être structurés pour une intégration et une récupération faciles.

La base de données SIG doit également répondre aux différents besoins des applications. En général, une organisation de base de données appropriée doit garantir ce qui suit (Kroenke, 1995 Healey, 1991 NCGIA, 1990) : une flexibilité dans la conception pour s'adapter aux besoins des différents utilisateurs, une approche contrôlée et standardisée de la saisie et de la mise à jour des données, un système des contrôles de validation pour maintenir l'intégrité et la cohérence des éléments de données, un niveau de sécurité pour minimiser les dommages aux données, minimiser la redondance dans le stockage des données.

La base de données est au cœur du SIG et contient deux principaux types de données. Il existe en fait deux bases de données (plus ou moins étroitement intégrées selon les systèmes) : il existe une base de données spatiale, contenant des données de localisation et décrivant la géographie des caractéristiques de la surface terrestre (forme, position), et une base de données d'attributs, contenant certaines caractéristiques des caractéristiques spatiales.

La base de données spatiale

Les informations contenues dans la base de données spatiales sont conservées sous la forme de coordonnées numériques, qui décrivent les caractéristiques spatiales. Il peut s'agir de points (par exemple, un bâtiment), de lignes (par exemple, des routes) ou de polygones (par exemple, des districts administratifs). Normalement, les différents ensembles de données seront conservés sous forme de couches distinctes, qui peuvent être combinées de différentes manières pour l'analyse ou la production de cartes.

La base de données d'attributs

La base de données d'attributs est d'un type plus conventionnel, elle contient des données décrivant les caractéristiques ou les qualités des caractéristiques spatiales, en utilisant les mêmes exemples que dans le paragraphe précédent, le nombre de personnes dans le bâtiment.

4.3.2.1 Le système d'affichage cartographique

Le système d'affichage cartographique est l'outil de production de la carte. Il permet à l'utilisateur d'extraire les éléments nécessaires de la base de données, tels que les caractéristiques et attributs spatiaux, et de produire rapidement des sorties cartographiques sur l'écran ou d'autres appareils, tels que des traceurs électrostatiques à grande vitesse ou des traceurs à stylo plus simples, des imprimantes laser ou des fichiers graphiques dans des formats populaires.

4.3.2.2 Le système de gestion de base de données

Le système de gestion de base de données est utilisé pour la création, la maintenance et l'accès à la base de données SIG. Le système intègre les fonctions traditionnelles du système de gestion de bases de données relationnelles (SGBDR), ainsi qu'une variété d'autres utilitaires pour gérer les données géographiques. Le système de gestion de base de données traditionnel permet de poser des requêtes complexes et de produire des résumés statistiques et des rapports tabulaires de données d'attributs. Il offre également à l'utilisateur la possibilité d'effectuer des analyses cartographiques, en combinant souvent des éléments de plusieurs couches (Eastman 1992).

Un SGBD relationnel puissant est un élément indispensable d'un SIG pour gérer de grandes quantités d'informations. Il peut fournir des résultats très utiles, mais un SIG doit disposer d'un autre ensemble d'outils pour lui donner la capacité d'analyser les données en fonction de leurs caractéristiques spatiales. Cet ensemble d'outils correspond au système d'analyse géographique. Une variété d'outils analytiques sont disponibles dans le SIG, étendant les capacités du SGBD traditionnel pour inclure la capacité d'analyser les données en fonction de leurs caractéristiques spatiales. Pour plus de détails voir SGBD

4.3.3 Saisie des données

Les fonctions d'entrée et de sortie des données sont les moyens par lesquels un SIG communique avec le monde extérieur. La saisie des données est la procédure d'encodage des données sous une forme lisible par ordinateur et d'écriture des données dans la base de données SIG. La saisie des données comprend trois étapes principales : la capture des données, l'édition et le nettoyage, le géocodage, les deux dernières étapes sont également appelées prétraitement des données (DeMers, 1998 et Hazelton, 1999).

Capture de données . Un SIG ne peut pas analyser les informations d'une carte, si les données ne sont pas déjà sous forme numérique, que l'ordinateur peut reconnaître. DeMers (1998) donne des méthodes pour obtenir des données dans le SIG, les cartes peuvent être numérisées (tracées à la main avec une souris d'ordinateur) pour collecter les coordonnées des caractéristiques de la carte, des appareils de numérisation électroniques peuvent également être utilisés pour convertir les lignes et les points de la carte en numérique information, enquête sur le terrain, inventaire sur le terrain, saisie au clavier, photogrammétrie, conversion automatisée, traduction de données et télédétection.

Acquisition de données spatiales : Nous pouvons acheter des données, les voler, les télécharger sur Internet ou les collecter nous-mêmes. En fin de compte, quelqu'un a dû le récupérer à l'extérieur d'un ordinateur et le faire entrer. C'est le processus de « l'entrer à l'intérieur » que nous appelons acquisition.

Enregistrement et gauchissement, Avant que les données puissent être utilisées dans le SIG, les cartes et les images doivent être rectifiées géométriquement. Le processus commence par l'enregistrement des cartes et des images brutes à des coordonnées (de contrôle) connues. L'enregistrement d'enregistrement est ensuite utilisé pour déformer (ou géorectifier) ​​la carte ou l'image nécessitant une rectification. Cette dernière étape est également connue sous le nom de feuille de caoutchouc.

Projection cartographique . La projection cartographique est un aspect fondamental de la cartographie. Une projection cartographique est essentiellement un modèle géométrique qui transforme les emplacements des caractéristiques sur la surface de la Terre en emplacements correspondants sur une carte bidimensionnelle. Il est impossible de projeter parfaitement un sphéroïde sur un plan, mais certaines projections peuvent préserver la forme, tandis que d'autres préservent la zone, la distance ou la direction. Différentes projections sont utilisées pour différents types de cartes car chaque projection est particulièrement appropriée pour certains usages.

4.3.4 Modes de données

Les phénomènes du monde réel peuvent être observés selon trois « modes », à savoir, spatial, temporel et thématique (Modarres, 1998). Le mode spatial traite de la variation d'un endroit à l'autre, le mode temporel traite de la variation dans le temps (d'une tranche à l'autre) et le mode thématique traite de la variation d'une caractéristique à une autre (une couche à une autre).

Toutes les propriétés mesurables ou descriptibles du monde peuvent être considérées comme tombant dans l'un de ces modes, à savoir. lieu, temps et thème (Modarres, 1998). Cependant, une description exhaustive des trois modes n'est pas possible avec la technologie d'aujourd'hui. Par conséquent, en réalité, lors de l'observation de phénomènes du monde réel, nous maintenons généralement un mode "fixe", en modifions un de manière "contrôlée" et "mesurer" le troisième. Par exemple, en utilisant un recensement de la population, nous pourrions fixer une heure (par exemple, 1999), contrôler l'emplacement à l'aide des zones de recensement et mesurer un thème tel que le pourcentage de personnes ayant fait des études supérieures.

Tout en entreprenant une analyse spatiale, maintenir la géographie fixe et le temps variable donne des données longitudinales tout en maintenant le temps fixe et la géographie variable donne des données croisées.-données de section.

4.3.5 La nature des données géographiques

La position géographique (emplacement spatial) d'un objet spatial est présentée par des coordonnées à 2, 3 ou 4 dimensions dans un système de référence géographique (par exemple, latitude et longitude).

Les attributs sont des informations descriptives sur des objets spatiaux spécifiés. Ils n'ont souvent aucune information directe sur la localisation spatiale mais peuvent être liés aux objets spatiaux qu'ils décrivent. Par conséquent, il est souvent d'appeler les attributs "non spatial" ou "aspatial" des informations (Modarres, 1998).

La relation spatiale spécifie l'interrelation entre les objets spatiaux (par exemple, la direction de l'objet B par rapport à l'objet A, la distance entre les objets A et B, si l'objet A est entouré par l'objet B, etc.).

Le temps enregistre l'horodatage de l'acquisition des données, spécifie la durée de vie des données et identifie le changement d'emplacement et d'attribut des objets spatiaux (Modarres, 1998).

Données de représentation (modélisation) : Une fois les données saisies, elles doivent être mises dans la base de données. La modélisation est le processus de représentation du monde réel dans un environnement informatique. Il existe deux approches (manières) fondamentales pour cela, soit raster, soit vectorielle. Un modèle raster raconte ce qui se passe partout à chaque endroit de la région couverte par le SIG et Un modèle vectoriel dit où tout se passe, il donne un emplacement à chaque objet.

4.3.6 Le choix entre un SIG raster ou vectoriel

Lors du choix entre les deux systèmes SIG, la question la plus controversée est liée à la vitesse de traitement (efficacité de calcul) et à l'intégrité géométrique. Le SIG vectoriel capture des caractéristiques géographiques au moyen de points, de lignes et de polygones pour identifier les limites des caractéristiques ponctuelles, linéaires et surfaciques. La méthode alternative, le format de grille, divise la zone en cellules de grille de taille régulière ou uniforme, chaque cellule étant codée avec une valeur numérique pour désigner la caractéristique de la cellule particulière. La principale différence conceptuelle entre le SIG vectoriel et raster est que le SIG vectoriel stocke des informations sur les limites et implique des intérieurs, tandis que le SIG raster stocke des informations sur l'intérieur des entités surfaciques et implique des limites. Berry (1987) a noté que la structure de données du SIG vectoriel crée des difficultés lorsqu'il est utilisé pour des opérations analytiques avancées. En général, le SIG vectoriel est considéré comme le plus approprié pour le traitement orienté inventaire (Berry, 1987) ou lorsque la précision est exigée dans la mesure des formes, des tailles et des attributs (ESRI, 1991a, ESRI, 1998). D'un autre côté, le SIG raster est "le meilleur pour le traitement orienté analyse" (Berry, 1987). En particulier, elle est utile lorsque le phénomène étudié est mieux représenté par une surface continue (Chrisman, 1997, DeMers, 1997). Dans une telle situation, chaque emplacement sur la surface est basé sur les caractéristiques d'un emplacement par rapport à un point fixe connu d'une source émanant (ESRI, 1991a). En tant que tel, il est intrinsèquement adapté à la modélisation de phénomènes dans lesquels l'emplacement et son environnement sont plus importants que la composition géométrique de l'objet. Chrisman (1994), cependant, a averti que si l'adage « le raster est plus rapide, mais le vecteur est correcteur » est vrai dans une certaine mesure, il peut être diminué dans certaines circonstances. Il a souligné que "la méthode analytique de superposition n'est pas si différente" entre les deux types de SIG. Le SIG raster présente des inconvénients. De gros volumes de données sont utilisés, les liaisons réseau sont difficiles à établir et la transformation des projections prend du temps. Parmi les autres inconvénients notés par Burrough (1986), citons la nécessité d'utiliser des cellules de grande taille pour réduire les volumes de données, entraînant une perte d'informations, et la grossièreté des cartes matricielles.

Pour plus de détails, voir ArcView GIS for Vector based GIS et IDRISI for Windows Demo for Raster based GIS

4.3.7 Vecteur

Les systèmes vectoriels sont construits sur le principe que nous n'avons besoin d'enregistrer et de traiter que les points essentiels. S'il n'y a rien d'important à un endroit, n'enregistrez rien. Tous les emplacements dans l'espace ne sont pas référencés, et beaucoup sont simplement référencés indirectement, comme étant à l'intérieur d'un polygone. La structure de données prend en charge les objets irréguliers et la très haute résolution. Nous nous intéressons au moins autant aux frontières entre les objets qu'aux objets eux-mêmes, souvent plus. Nous avons besoin d'une représentation précise des objets linéaires, et ce besoin l'emporte sur d'autres besoins de modélisation de surface et de surface, sauf le plus simple. La précision est le mot d'ordre dans le SIG vectoriel, ainsi que l'explicitation des relations spatiales.

4.3.7.1 La vue vectorielle du monde (modèle vectoriel)

Un système vectoriel affiche des données graphiques (représentent) sous forme de points, de lignes ou de courbes, ou de zones avec des attributs. Coordonnées cartésiennes (c'est-à-dire X et oui) et les algorithmes de calcul des coordonnées définissent des points dans un système vectoriel. Les lignes ou les arcs sont une série de points ordonnés. Les zones ou les polygones sont également stockés sous forme de listes ordonnées de points, mais en faisant des points de début et de fin le même nœud, la forme est fermée et définie. Les modèles topologiques définissent la connectivité des systèmes vectoriels. Les systèmes vectoriels sont capables d'une résolution très élevée (inférieure ou égale à 0,001 pouce) et la sortie graphique est similaire aux cartes dessinées à la main. Ce système fonctionne bien avec les azimuts, les distances et les points, mais il nécessite des structures de données complexes et est moins compatible avec les données de télédétection. Les données vectorielles nécessitent moins d'espace de stockage informatique et le maintien des relations topologiques est plus facile dans ce système. Les graphiques linéaires numériques (DLG) et les fichiers TIGER sont des exemples ou des données vectorielles (Koeln et al 1994 et Huxhold 1991).

4.3.7.2 Topologie

La nature explicite des relations dans le SIG vectoriel nécessite une « topologie », elle permet également une analyse beaucoup plus facile de ces types de relations, en particulier la connectivité entre les emplacements (points), qui se fait avec des lignes.

Si une carte est étirée et déformée, certaines de ses propriétés changent, notamment : les distances, les angles, les proximités relatives, d'autres propriétés restent constantes, notamment : les zones restent des zones, les lignes restent des lignes et les points restent des points Adjacences et autres relations, telles que "is contenus in", les "crosses" (arcs sécants) sont conservés. Strictement, les propriétés topologiques sont celles qui restent inchangées après distorsion.

Une base de données spatiale est souvent appelée "topologique" si une ou plusieurs des relations suivantes ont été calculées et stockées Connectivité des arcs aux intersections, Ensemble ordonné d'arcs formant chaque limite de polygone, Relations de contiguïté entre les zones. En général, "topologique" implique que certaines relations sont stockées, ce qui rend les données plus utiles pour divers types d'analyse spatiale.

Pour plus de détails sur le traitement SIG basé sur des vecteurs, voir ArcView GIS

4.3.8 Raster

Les systèmes raster sont construits sur le principe qu'il y a quelque chose à tous les points d'intérêt, nous allons donc enregistrer quelque chose pour chaque emplacement. L'espace considéré est épuisé par une structure de données régulière. Le souci n'est pas tant avec les frontières entre les objets qu'avec les objets eux-mêmes, leurs intérieurs, ou les phénomènes qu'ils représentent.

4.3.8.1 La vue raster du monde (modèle raster)

Un système basé sur une trame affiche, localise et stocke (représente) des données graphiques en utilisant une matrice ou une grille de cellules (carrés, rectangles, pixels ou élément d'image). Une coordonnée de référence unique représente chaque pixel soit à un coin, soit au centre de gravité. À son tour, chaque cellule ou pixel se voit attribuer des données d'attributs discrètes (Chrisman, 1997). La surface d'un pixel définit la résolution spatiale à laquelle les objets sont représentés, c'est-à-dire que la résolution des données raster dépend de la taille du pixel ou de la grille et peut varier d'un sous-mètre à plusieurs kilomètres. Une petite zone signifie une haute résolution. L'emplacement de l'objet géographique est désigné en spécifiant le numéro de ligne et de colonne occupé par le pixel. Chaque pixel est associé à une valeur, qui est en moyenne pleine pour l'utilisateur (Tomlin, 1990 et Chrisman, 1997).

Étant donné que ces données sont bidimensionnelles, les SIG stockent diverses informations telles que l'âge de la population, le sexe, le statut martial, l'ethnicité ou d'autres données dans différentes couches. Les couches sont des caractéristiques cartographiques fonctionnellement liées. En règle générale, les données raster nécessitent moins de traitement que les données vectorielles, mais elles consomment plus d'espace de stockage informatique. Les capteurs à distance de balayage sur les satellites stockent les données au format raster. Les modèles numériques de terrain (MNT) et les modèles altimétriques numériques (DEM) sont des exemples de données raster (Koeln et al 1994 et Huxhold 1991).

4.3.8.2 Structure de données raster

Si une carte couvre une très grande surface, cela signifie que nous aurons un fichier avec des millions de cellules. Certaines zones peuvent avoir les mêmes caractéristiques, il y a donc beaucoup de redondance, c'est-à-dire que de nombreuses cellules contiennent la même valve. Il existe des méthodes qui sont utilisées pour réduire la taille du fichier (méthodes de compactage des données) (Heywood, 1998 DeMers, 1998 Clarke, 1997 Chrisman, 1997 (Hazelton, 1999) qui incluent :

Arbre quaternaire : La méthode de compression de données Quadtree fournit une représentation raster compacte à l'aide d'une grille de taille variable. Les grandes cellules sont utilisées dans les zones peu détaillées tandis que les petites cellules sont utilisées dans les zones très détaillées. Les quadtrees sont construits en subdivisant un non homogène en 4 quadrants. Si l'un des 4 quadrants n'est pas homogène, il est ensuite subdivisé en 4 sous-quadrants et ainsi de suite jusqu'à ce que chaque quadrant subdivisé contienne des données homogènes ou que la plus petite division cellulaire soit atteinte.

Encodage de la longueur d'exécution (RLE) : Dans RLE, les cellules homogènes autour d'une rangée sont stockées sous forme de groupe appelé "RUN" plutôt que de stocker des vannes répétées, une seule valeur est stockée avec la longueur et l'emplacement du RUN. RLE peut être plus efficace en tant que méthodologie de stockage que de simplement placer des données dans un tableau, car les valeurs apparaissent souvent dans des exécutions sur plusieurs cellules. C'est une forme d'auto-corrélation spatiale - une tendance pour les choses proches à être plus similaires que les choses distantes. Les données sont saisies sous forme de paires, d'abord la longueur de la séquence, puis la valeur. Deux méthodes sont impliquées/employées : le codage de longueur de série standard et le codage d'impression de valeur.

4.3.8.3 Création d'un raster

En considérant la pose d'une grille sur une carte topologique, des données démographiques raster (par exemple, l'ethnicité) peuvent être créées en codant chaque cellule avec une valeur qui représente l'ethnicité qui représente le mieux le groupe ethnique dans la zone de cette cellule. Une fois terminé, chaque cellule aura une valeur codée. Donnez ensuite des valeurs pour d'autres caractéristiques démographiques, mais sur d'autres couches. Dans la plupart des cas, les valeurs qui doivent être affectées à chaque cellule du raster sont écrites dans un fichier, souvent codé en ASCII. Un tel fichier peut être créé manuellement à l'aide d'une base de données de traitement de texte ou d'un tableur ou il peut être créé de manière semi-automatique. Il est ensuite normalement importé dans le SIG afin que le programme puisse reformater les données pour ses besoins de traitement spécifiques. Il existe plusieurs méthodes pour créer des bases de données raster.

Entrée cellule par cellule , où l'on procède à la saisie directe de chaque couche, cellule par cellule, est la plus simple. La saisie des données peut être effectuée dans le SIG ou dans un fichier ASCII pour l'importation. Cependant, chaque progiciel SIG aura des exigences spécifiques et le processus est normalement fastidieux et chronophage

Numérisation raster. Dans ce cas particulier, les données démographiques sont converties en sélectionnant les données démographiques d'une caractéristique spécifique, puis en les traçant avec le pointeur de la souris, de sorte que la valeur soit enregistrée dans les cellules sous-jacentes au fur et à mesure que nous passons. C'est fastidieux, mais c'est mieux que de le faire totalement manuellement, cette approche est appelée "édition de trame".

Numérisation vectorielle . Une autre forme de numérisation consiste à stocker les informations que nous enregistrons sous forme de points, de lignes et de polygones. Ce sont les représentations fondamentales des objets spatiaux que nous utilisons dans un SIG. Ceux-ci peuvent être stockés dans n'importe quel format pratique, puis convertis en couverture raster, un processus appelé « rastérisation ». L'IDRISI récupère par ce moyen ses données, si elles doivent être saisies par numérisation, bien qu'il dispose de plusieurs autres moyens, notamment la conversion des données à partir d'autres formats

4.3.8.4 Couches de la carte

Les données d'une zone peuvent être visualisées sous la forme d'un ensemble de cartes ou de couches. Une couche cartographique est un ensemble de données décrivant une caractéristique unique pour chaque emplacement dans une zone géographique délimitée. Un seul élément d'information est disponible pour chaque emplacement dans une seule couche – plusieurs éléments d'information nécessitent plusieurs couches (Tomlin, 1990, Chrisman, 1997 et Hazelton, 1999).

Les bases de données raster typiques contiennent jusqu'à une centaine de couches. Chaque couche (qui peut également être appelée matrice, réseau, raster ou tableau) contient généralement des centaines ou des milliers de cellules. Les caractéristiques les plus importantes d'une couche sont sa résolution, son orientation et ses zones.

Résolution: En général, la résolution peut être définie comme la dimension linéaire minimale de la plus petite unité d'espace géographique pour laquelle des données sont enregistrées. Dans le modèle raster, les plus petites unités sont généralement rectangulaires, souvent carrées (parfois, les systèmes ont utilisé des hexagones ou des triangles). Ces plus petites unités sont appelées cellules. La haute résolution fait référence aux rasters avec de petites dimensions de cellule. Cela signifie beaucoup de détails, beaucoup de cellules, de grands rasters, avec de petites cellules.

Orientation: Il s'agit de l'angle entre le nord géographique et la direction définie par les colonnes du raster.

Zones : Chaque zone d'une couche cartographique est un ensemble d'emplacements contigus qui présentent la même valeur. Une couche raster est codée en spécifiant un pixel pour chacune des entités composant. Le nombre total de valeurs stockées est le produit du nombre de lignes et de colonnes. Ainsi, la taille d'un fichier raster dépend de la taille de la zone à cartographier et de la résolution de la cellule. Les principaux composants d'une zone sont sa valeur et ses emplacements. La valeur est l'élément de données stocké dans une couche pour chaque cellule. Les cellules d'une même zone ont la même valeur. Les valeurs peuvent être utilisées comme des « crochets » pour connecter l'emplacement spatial de la propriété (l'emplacement de la cellule) avec les données d'attribut dans la base de données. Par exemple, une valeur de cellule pour un identifiant de ménage pourrait être utilisée pour accéder à une très grande quantité de données sur les autres membres du même ménage comme l'âge, le sexe, etc. C'est plus que ce qui pourrait être facilement stocké dans la cellule. La valeur d'une cellule peut également être une valeur booléenne, ce qui signifie qu'elle est « vrai » ou « faux », 1 ou 0. Ceci est couramment utilisé comme résultat d'une analyse ou d'une recherche, où les cellules qui répondent à tous les critères sont étant donné une valeur de 1, tandis que tous les autres sont codés avec 0. Cela simplifie le processus de recherche de la réponse. L'emplacement est identifié par une paire ordonnée de coordonnées (numéros de ligne et de colonne) qui identifient sans ambiguïté l'emplacement de chaque unité d'espace géographique dans le raster, c'est-à-dire la cellule. Habituellement, l'emplacement géographique réel d'un ou de plusieurs coins du raster est également connu. Il devrait être possible de passer d'un système de coordonnées externes, comme la latitude et la longitude, les coordonnées UTM, aux emplacements des lignes et des colonnes dans le SIG.

4.3.9 Traitement des données raster

Les données raster enregistrent les informations spatiales dans une grille ou une matrice régulière organisée en un ensemble de lignes et de colonnes. Chaque cellule de cette grille contient un nombre représentant une caractéristique géographique particulière.

Les données raster sont couramment, mais pas exclusivement, utilisées pour stocker des informations sur les caractéristiques géographiques qui varient en continu sur une surface, telles que l'altitude, la réflectance, les profondeurs des eaux souterraines, etc. Les données image sont une forme de données raster dans lesquelles chaque cellule ou pixel stocke un valeur enregistrée par un appareil optique ou électronique.

Les données raster dépendent fortement de la résolution de la grille régulière dans laquelle elles sont enregistrées. La taille des cellules de la grille est fixe, de sorte que lorsque vous zoomez sur les données raster affichées sur une vue, vous finirez par voir la forme des cellules.

Dans l'analyse spatiale raster SIG, les données doivent être préparées avant l'analyse pour assurer la cohérence entre les couches. Les données devront parfois être manipulées pour qu'elles "correspondent" aux autres données du SIG. L'analyse de plusieurs couches implique la comparaison des valeurs de cellules des cellules correspondantes dans les différentes couches. Les données stockées au format raster peuvent être manipulées de trois manières principales : transformations, édition d'attributs et remappage de cellules.

Transformer les données raster impliquent la manipulation des coordonnées de la grille, elles permettent aux données raster de correspondre à d'autres ensembles de données, également appelées enregistrement ou rectification, et couramment utilisées pour enregistrer des données raster telles que des images numériques sur des cartes existantes

Les étapes impliquées comprennent : l'obtention des coordonnées d'entités identifiables telles que les intersections de routes, la localisation d'entités sur l'image et l'attribution de nouvelles coordonnées, et l'exécution d'un programme de rectification pour « déformer » l'image.

Édition d'attributs implique la mise à jour de la structure ou des valeurs de la base de données pour une couche de données SIG raster, l'ajout/la suppression/la modification d'enregistrements et de champs, la mise à jour des valeurs de données de cellule, l'ajout de nouvelles tables de relation, etc.

Remappage de cellules est un terme général pour décrire plusieurs fonctions telles que la classification (réduire le nombre de valeurs uniques dans un ensemble de données), la généralisation, le lissage, etc. Implique la modification des valeurs de cellule pour une couche de données entière en fonction d'un ensemble de règles prédéfinies

Pour plus de détails sur le traitement SIG basé sur des trames, voir IDRISI pour Windows Demo

4.3.10 Données démographiques en Raster

Dans la collecte de données démographiques, les observations sont référées à des segments de zone, qui sont représentés par des cellules raster dans ce cas, le raster est un raster de cellules.

Pour la représentation des données démographiques dans la géométrie raster, un raster est considéré comme un ensemble de cellules qui couvrent le terrain dans une grille régulière et les éléments raster sont considérés comme ordonnés en lignes et en colonnes. Numérotant ces lignes et colonnes, la position de chaque élément est précisée par la position des indices i pour le numéro de colonne et j pour la ligne le numéro.

Ces indices sont liés à des positions de coordonnées via un système de coordonnées. La taille de cellule (colonne Δx , ligne Δy ) définit la résolution du raster et la taille du raster de cellule est définie par les valeurs de coordonnées du coin inférieur gauche de la cellule inférieure et du coin supérieur droit de la cellule en haut à droite. Les indices (i, j) peuvent être calculés à partir des coordonnées (voir figure ci-dessous). Les coordonnées sont également calculées à partir des indices en appliquant ces règles en sens inverse (Molenaar, 1998)

Dernière modification HEURE @ "d MMMM aaaa" 19 octobre 2000 par Wadembere, M. I.


Chapitre 3 Méthodes et sources de production de DEM

Ce chapitre donne un aperçu des sources de données du modèle numérique d'élévation (MNE), de leurs exigences de traitement, de leurs avantages, de leurs inconvénients et de leurs applications. Il existe trois sources de données DEM : (1) Techniques de levé au sol : le levé précis de l'emplacement des points. Le chapitre traite des techniques traditionnelles et de haute technologie d'enquête au sol. (2) Cartes topographiques existantes : Dérivation des courbes de niveau, des cours d'eau, des lacs et des points d'élévation à partir de cartes topographiques imprimées. Il se concentre sur la numérisation et la numérisation semi-automatique pour convertir les images matricielles de cartes topographiques en vecteurs. (3) Télédétection : L'interprétation des données d'images acquises à partir de plates-formes aéroportées ou satellitaires. Ici, une attention particulière est accordée aux : (i) méthodes photogrammétriques/stéréo (ii) laser et (iii) radar. Le chapitre traite successivement de chacune de ces sources et des produits DEM les plus courants qui en sont dérivés. Les sources de données et les méthodes de traitement pour générer des DEM se sont développées rapidement au cours des dernières décennies - des levés au sol aux méthodes passives de télédétection, et plus récemment à l'émergence de capteurs actifs, tels que LiDAR et RADAR. Des niveaux de précision plus élevés, plus de détails et une couverture de surface plus grande et plus rapide, mais à moindre coût, ont été une conséquence naturelle de ces nouvelles technologies.


Systèmes d'information géographique

Le système d'information géographique (SIG) est un système informatique conçu pour capturer, stocker, analyser, gérer et présenter des données basées sur la localisation, souvent appelées données spatiales. Les données spatiales peuvent représenter de nombreuses choses différentes, de nos points d'adresse aux lignes de rue ou à nos polygones de propriété foncière. Ce sont quelques exemples de données qu'un SIG collecte et gère dans le but de fournir des cartes précises pour une prise de décision plus intelligente.


Données SIG traitées

Les données traitées sont disponibles au format vectoriel ESRI Shape (limites administratives, lieux habités, lignes de transmission) ou au format ASCII GRID en résolution 1 km. Le système de référence spatiale des données traitées est le "ETRS Lambert Azimuthal Equal Area" comme décrit ci-dessous.

ETRS Lambert aire égale azimutale

Les systèmes de référence des données sources sont généralement différents du système cible d'un modèle appliqué. Les couches mondiales (par exemple, population maillée, topographie, couverture terrestre mondiale) sont disponibles en coordonnées géographiques, tandis que les instituts nationaux utilisent le système cartographique et de référence le plus approprié pour leurs applications régionales ou nationales, et défini par leurs propres réglementations sur les données spatiales (par exemple, l'Ouganda, fréquemment utilise le système de référence donné par les paramètres suivants : Projection : Universal Transverse Mercator (UTM), Zone : 36, Ellipsoïde de référence : Clarke 1880, Datum : Arc 1960).

Afin d'approfondir les processus de développement, d'édition et d'analyse, l'exploration de données d'informations sources a été suivie de nombreuses opérations d'harmonisation et d'intégration des géodonnées. En assurant la compatibilité spatiale des différentes sources de données, toutes les couches thématiques originales ont été transformées en un système de référence spatial métrique prédéfini.

L'aire modélisée (continent africain) s'étendant sur plusieurs régions administratives et pays, il a été nécessaire de préciser un référentiel commun. Pour les informations géo-référencées du projet AFRETEP un référentiel de coordonnées fréquemment appliqué dans les modèles du bassin méditerranéen, d'Afrique et d'Asie du Sud-Ouest [Huld et al., 2005] et qui correspond également aux normes européennes [Annoni et al., 2001] a été choisi.

La projection azimutale égale de surface appliquée ETRS Lambert est caractérisée par les paramètres suivants :

Nom de la projection : ETRS_LAEA
Type de projection : Lambert azimutal à aire égale
Sphéroïde : GRS80
Référence : WGS84
Rayon de la sphère de référence : 6378137
Unités : mètres
Longitude du centre de projection : 18° 00' 00"
Latitude du centre de projection : 00° 00' 00"
Fausse abscisse : 4321000.0
Fausse ordonnée : 3210000.0

COUCHES DE DONNÉES SOCIO-ÉCONOMIQUES

Zones administratives, limites et noms

L'ensemble de données géoréférencées des unités administratives du projet Map Library (Map Maker Trust, Ecosse) constitue une composante essentielle dans le développement de notre modèle. L'ensemble des données africaines a été examiné et mis à jour pour refléter les limites en janvier 2007. Le statut des limites et les noms administratifs ont été vérifiés par rapport à diverses sources d'information [Map Library, 2007]. L'ensemble de polygones actuel est devenu une fusion d'autres ensembles de données disponibles dans le domaine public.

Télécharger le fichier de forme :
afretep_etrs_countries.zip (

Population

Les données "Gridded Population of the World: Future Estimates" [CIESIN, FAO, CIAT] contenant des chiffres de population ajustés par l'ONU et des grilles de densité au format Arc/Info GRID ont fourni la principale source pour les estimations de population. Les données raster sont à 2,5 minutes d'arc (

4650 m) densités de population et dénombrements de population en 2005, ajustés pour correspondre aux totaux de l'ONU. Les données sources sont stockées en coordonnées géographiques de degrés décimaux sur la base du sphéroïde du système géodésique mondial de 1984 (WGS84) et ont été projetées (ETRS Lambert 18,0) et rééchantillonnées (1000 m) représentant le nombre estimé de population dans chaque cellule dans Résolution de 1 km.

Télécharger les données maillées à 1 km :
afretep_etrs_1km_popdens.zip (

Noter: Un ensemble de données maillées sur la population totale est fourni par le projet AfriPop.
Lien vers la carte et les données les plus récentes : http://www.worldpop.org.uk/

Lieux habités

La localité et le nom des objets ponctuels (par exemple, les lieux habités, les centres administratifs, les églises, les écoles, les bases militaires) étaient disponibles à partir de l'ensemble de données de la bibliothèque cartographique sans informations sur la population. La couche des villes de l'ensemble de données ESRI [ESRI, 2006] avec les classes de population estimée a été traitée en plus.

La base de données sur les établissements humains fournie par le CIESIN, Columbia University est la source de la carte des villes africaines et des villes de 1 000 habitants ou plus. Le projet Global Rural-Urban Mapping Project, Version 1 (GRUMPv1) a également produit les données démographiques maillées décrites ci-dessus.

Télécharger le fichier de forme :
afretep_etrs_populated.zip (

Noter: Un ensemble de données maillées sur la population totale (pas seulement les villes) est fourni par le projet AfriPop.
Lien vers la carte et les données les plus récentes : http://www.worldpop.org.uk/

Infrastructure de réseau

La principale source d'infrastructure de réseau appliquée en Afrique était la base de données SIG de l'Africa Infrastructure Country Diagnostic (AICD), un programme de connaissances innovant visant à améliorer la compréhension du public de la situation des infrastructures en Afrique. La base de données AICD fournit des données transnationales sur l'infrastructure du réseau pour neuf grands secteurs : transport aérien, technologies de l'information et de la communication (TIC), irrigation, ports, électricité, chemins de fer, routes, eau et assainissement.

La base de données couvre 24 pays : Bénin, Burkina Faso, Cameroun, Cap Vert, Tchad, République démocratique du Congo, Côte d'Ivoire, Éthiopie, Ghana, Kenya, Lesotho, Madagascar, Malawi, Mozambique, Namibie, Niger, Nigéria, Rwanda, Sénégal, Afrique du Sud, Soudan, Tanzanie, Ouganda et Zambie (avril 2010). Seules les données du domaine public ont été placées sur le site [AICD, 2009] de l'AICD, par conséquent, toutes les couches disponibles dans la base de données ne sont pas disponibles sous forme SIG pour notre étude actuelle.

Deux couches thématiques ont été appliquées à partir de la base de données AICD :
Puissance : Centrales électriques (objets ponctuels), Réseau de transport (objets linéaires)
Transport : Routes (objets linéaires)

La source des données sur les infrastructures namibiennes (stations de distribution du réseau électrique national le long du réseau électrique national et centrales électriques) était l'Atlas numérique de la Namibie publié par le projet ACACIA (Arid Climate, Adaptation and Cultural Innovation in Africa) [ACACIA, 2009 ]. Les données d'attribut indiquent la capacité des lignes de transmission.

Télécharger le fichier de forme :
afretep_etrs_transmission.zip (

Temps de trajet vers les grandes villes : une carte mondiale de l'accessibilité

L'accessibilité est définie comme le temps de trajet jusqu'à un lieu d'intérêt par voie terrestre (route/hors route) ou par voie d'eau (rivière navigable, lac et océan). Cette accessibilité est calculée à l'aide d'un algorithme coût-distance qui calcule le « coût » du déplacement entre deux emplacements sur une grille raster régulière. Généralement, ce coût est mesuré en unités de temps et une grille matricielle représentant le coût est souvent appelée surface de friction. La surface de friction contient des informations sur le réseau de transport et les facteurs environnementaux et politiques qui affectent les temps de trajet entre les emplacements [Nelson, 2008]. Les données sources sont en projection géographique avec une résolution de 30 secondes d'arc. Le format est un format Arc/Info GRID d'entiers avec des valeurs de pixels représentant les minutes de temps de trajet [Nelson, 2008].

Télécharger le 1km quadrillé Les données:
afretep_etrs_1km_traveltime.zip (

Coûts estimés de l'électricité [Euro/kWh] fournie par un groupe électrogène diesel, 2010

La base de données des prix internationaux du diesel pour 2008 et 2010 dans les pays africains [S. Ebert et al., 2009, GTZ] a été traité pour d'autres études sur l'évaluation des solutions énergétiques en Afrique rurale et la cartographie des coûts d'électrification de la production solaire et diesel distribuée par rapport à l'extension du réseau [Szabó et al. 2011]. En fonction des taxes/subventions nationales, les valeurs moyennes nationales se situaient entre 8 centimes d'euro (Libye) et 113 centimes d'euro (Malawi).

Télécharger le 1km quadrillé Les données:

Carte des prix internationaux du diesel, 2010

La base de données GTZ des prix internationaux du diesel est également disponible pour 2010 [Armin Wagner, 2011, GTZ]. La carte et les données SIG ci-dessous montrent les prix de détail du diesel (cents EUR par litre) à la mi-novembre 2010 sur la base des données GTZ. Plus d'infos : https://www.giz.de/expertise/html/4282.html

En fonction des taxes/subventions nationales, les valeurs moyennes nationales variaient entre 10 centimes d'euro (Libye) et 124 centimes d'euro (République centrafricaine).

Télécharger le fichier de forme :
afretep_etrs_diesel_gtz2010.zip (

Carte des coûts estimés de production d'électricité

Le coût de production d'électricité calculé pour un système PV hors réseau de 15 kWc en Afrique varie de 0,2 à 0,55 EUR/kWh. De grandes différences géographiques peuvent être observées : certaines des régions les plus favorables avec de faibles coûts ont une densité de population très faible (par exemple le Sahara avec 0-15 personnes/km2) tandis que d'autres sont relativement densément peuplées (par exemple la Tanzanie, l'Afrique du Sud avec 30-100 personnes /km2).

Plus d'informations :
Système d'Information Géographique Photovoltaïque (PVGIS), Évaluation Géographique de la Ressource Solaire et Performance de la Technologie Photovoltaïque
Huld T., Šúri M., Dunlop E., Albuisson M, Wald L (2005). Intégration de la base de données HelioClim-1 dans PVGIS pour estimer le potentiel électrique solaire en Afrique. Actes de la 20e conférence et exposition européenne sur l'énergie solaire photovoltaïque, 6-10 juin 2005, Barcelone, Espagne.

Télécharger le 1km quadrillé Les données:
afretep_etrs_pv_eurkwh_2010.zip (

COUCHES DE DONNÉES GÉOGRAPHIQUES PHYSIQUES

Modèle d'élévation numérique

La Shuttle Radar Topography Mission (SRTM) a obtenu des données d'élévation à une échelle quasi mondiale (entre N60 et S57 degrés) pour générer la base de données topographique numérique haute résolution la plus complète de la Terre. Le projet était une entreprise conjointe de la NASA, de la US National Geospatial-Intelligence Agency (NGA) et des agences spatiales allemande et italienne, et a volé en février 2000. Il a utilisé des antennes radar doubles pour acquérir des données radar interférométriques (IFSAR), traitées pour données topographiques numériques à une résolution de 1 arc-sec [Farr et al., 2007]. Selon l'accord NASA-NGA sur la distribution des données, les données SRTM ont été publiées en 3 secondes d'arc (

90 m) résolution pour les zones en dehors des États-Unis et pleine résolution 1 arc-sec (

30 m) pour la superficie des États-Unis. Les données SRTM en tant que base de données topographique publique peuvent être obtenues via Internet. Outre les données d'élévation, la documentation et les références appropriées sont également disponibles. Le « jeu de données SRTM de la plus haute qualité » est disponible sur le site Internet du Consortium for Spatial Information (CGIAR-CSI) : http://srtm.csi.cgiar.org. Les données SRTM ont été traitées (projetées et rééchantillonnées ETRS Lambert 18,0 - 500 m, 1000 m) et appliquées pour la modélisation du terrain (pente moyenne estimée).

Téléchargez le traité Les données:
afretep_etrs_500m_srtm.zip (

172 Mo) - Actuellement indisponible !

Téléchargez les données sources :
CGIAR-CSI - http://srtm.csi.cgiar.org (Lien vers la base de données mondiale du Consortium for Spatial Information)

Réseau fluvial

La couverture africaine de deux bases de données mondiales sur les débits et les réseaux fluviaux avait été traitée et analysée dans l'étude sur les ressources énergétiques pico- et mini-hydrauliques.

Les couches de données de la carte vectorielle (VMap0) au 1:1 million sur les eaux intérieures et les cours d'eau pour l'Afrique ont fourni les informations géographiques de base sur les différentes masses d'eau (polygones et polylignes). La description hydrographique stockée des caractéristiques (pérenne/permanente, non pérenne/intermittente/variable) a constitué la base de la première délimitation des segments fluviaux potentiellement appropriés pour la production d'électricité à l'aide de systèmes pico et mini-hydro.

Compte tenu des caractéristiques et des limites techniques des données VMAP0, un ensemble de données hydrographiques supplémentaires conçu pour des applications à l'échelle continentale et mondiale a été impliqué dans l'étude
HydroSHEDS est basé sur des données altimétriques haute résolution SRTM. Le produit cohérent du projet HydroSHEDS offre une suite d'ensembles de données géoréférencées (vecteur et raster) à différentes échelles, y compris les réseaux fluviaux, les limites des bassins versants, les directions de drainage et les accumulations de débit. La résolution appliquée était de 3 secondes d'arc (environ 90 mètres à l'équateur).

Les données sources représentaient tous les écoulements descendants linéaires comme des « cours d'eau » où le bassin versant en amont était de plus de 1 000 cellules (environ 8 km2 à l'équateur). Lors de notre traitement et de notre analyse SIG, la taille réelle des bassins versants avait été calculée en kilomètres carrés sur la base de l'emplacement géographique (latitude) des cellules appartenant à chaque bassin. Les métadonnées des stations de jaugeage (taille du bassin versant et débit annuel moyen) de la Global Runoff Database du Global Runoff Data Center ont été utilisées comme données de contrôle.

Sur la base de la description de près de 8000 stations dans le monde et des données fluviales mentionnées, des segments fluviaux remplissant les critères suivants ont été sélectionnés comme emplacements potentiels de mini-systèmes hydroélectriques :

- rivière permanente (info : VMAP0)
- pente de la rivière ou pente de surface le long de la rivière > 1 % (dérivé de SRTM30)
- taille du bassin versant > 100 km2 (calcul basé sur HydroSHEDS)
- débit moyen annuel > 4 m3/s (GRDC)

Les données SIG traitées ont été analysées plus avant en calculant les coûts d'installation du système.

Téléchargez les données sources :
Données VMap0 au format ESRI (Description et prêt à télécharger)
CGIAR-CSI - http://srtm.csi.cgiar.org (Lien vers la base de données mondiale du Consortium for Spatial Information)
Centre de données mondial sur les eaux de ruissellement (lien vers la base de données mondiale sur les eaux de ruissellement)
HydroSHEDS (Lien vers les pages USGS HydroSHEDS)

Couverture terrestre

La base de données Global Land Cover 2000 (GLC2000) [GEM, 2003] a été choisie pour modéliser l'occupation du sol. L'objectif général du GLC2000 était de fournir une base de données harmonisée sur l'occupation du sol couvrant l'ensemble du globe pour l'an 2000 à la Convention internationale sur les changements climatiques, la Convention sur la lutte contre la désertification, la Convention de Ramsar et le Protocole de Kyoto. Le projet GLC2000 a utilisé le système de classification de la couverture terrestre (LCCS) de la FAO qui diffère des classes appliquées dans CORINE. Les données sources sont définies par des coordonnées géographiques (Lat/Lon, WGS84). La résolution spatiale est

1km à l'équateur (0,00833 degrés décimaux). Les données sources ont été projetées et rééchantillonnées dans le référentiel commun (ETRS Lambert 18,0 - 1000 m).

Téléchargez les données sources :
Global Land Cover 2000 - Produits (Lien vers le projet Global Land Cover 2000)


Abstrait

La prévision et la présentation des conditions météorologiques et marines de manière intégrée sont d'une importance primordiale dans de nombreux domaines d'intérêt, y compris les opérations offshore. Les énormes ensembles de données générés à partir de systèmes de prévision météorologique et maritime en cours d'exécution présentent un défi en termes de traitement et de présentation efficace de ces données. Cet article présente une méthode d'optimisation d'énormes ensembles de données météorologiques et marines pour une utilisation efficace par le SIG, la création de cartes météorologiques et marines automatiques, et une carte interactive pour interroger toutes les données météorologiques et marines intégrées nécessaires à des emplacements géographiques sélectionnés. Cette application réduit considérablement le temps de traitement des données et les complexités liées à la présentation d'ensembles de données aussi volumineux. Copyright © 2012 Société Royale de Météorologie


Comment fonctionne l'impression 3D

Il existe une variété d'imprimantes maintenant disponibles. Les bons types à connaître sont FModélisation des dépôts (FDM) utilisée, Stéréolithographie (SLA) et Frittage laser sélectif (SLS). Chacun utilise des méthodes différentes pour construire un objet en déposant du matériau une couche à la fois.

  • FDM est l'une des imprimantes les plus courantes et a été utilisée pour tous les modèles présentés ici. Ce type d'imprimante est alimenté par une bobine de matériau, chauffée à la bonne température et posée sur la couche précédente. Le plastique fusionne avec lui-même pour former une seule pièce. Il existe une variété de matériaux qui peuvent être utilisés, du plastique au bois et aux composites métalliques. Des supports sont souvent ajoutés pour faciliter les sections en surplomb.
  • SLA utilise une piscine de résine liquide qui est ensuite soigneusement exposée à la lumière pour durcir la résine selon le motif souhaité. Le modèle est soulevé hors du bain de résine au fur et à mesure que chaque couche est ajoutée. Il est plus rapide que le FDM car il peut faire une seule couche en une seule fois, plutôt que d'avoir à déplacer la buse pour tracer l'ensemble de l'objet, mais l'odeur de la résine peut être désagréable et le processus de durcissement est plus compliqué.
  • SLS est similaire au SLA en ce sens qu'il utilise de la lumière, ou des lasers en particulier, pour construire chaque couche, mais ils sont dans un pool de poudre au lieu de résine liquide. Le laser fusionne les particules ensemble, puis une nouvelle couche de puissance est glissée sur le dessus, et elle est à nouveau fusionnée. La polyvalence et la durabilité du produit fini sont impressionnantes, et toute poudre qui n'est pas fondue peut être réutilisée.

Il existe un éventail de documentation sur les imprimantes, le matériel et les méthodes d'impression 3D, YouTube est une excellente ressource pour en savoir plus. L'essentiel à retenir est que les imprimantes 3D créent des objets physiques en les construisant couche par couche.


Le jeu de données raster en entrée peut être n'importe quel jeu de données raster valide.

La structure du fichier ASCII se compose d'informations d'en-tête contenant un ensemble de mots-clés, suivis de valeurs de cellule dans l'ordre des lignes principales.

Le format du fichier en général est :

Les définitions des mots-clés sont les suivantes :

NCOLS et NROWS sont le nombre de colonnes et de lignes dans le raster défini par le fichier ASCII.

XLLCORNER et YLLCORNER sont les coordonnées du coin inférieur gauche de la cellule inférieure gauche.

CELLSIZE est la taille de cellule du raster.

NODATA_VALUE est la valeur qui doit représenter les cellules NoData.

Dans le flux de données des valeurs de cellule, la ligne 1 des données est le haut du raster, la ligne 2 est juste en dessous de la ligne 1, et ainsi de suite.

Un exemple de fichier raster ASCII est :

NODATA_VALUE est la valeur du fichier ASCII qui représentera les cellules NoData dans le raster en entrée. Cette valeur est normalement réservée aux cellules dont la vraie valeur est inconnue.

La fin de chaque ligne de données du raster se termine par un caractère de retour chariot dans le fichier.

Les rasters entiers et à virgule flottante peuvent être convertis en un fichier raster ASCII.

Cet outil n'écrit l'origine que dans le coin inférieur gauche de la cellule inférieure gauche. L'outil ASCII vers raster prend également en charge l'origine comme centre de la cellule inférieure gauche.