Přednáška 4 1GIS2 Pokročilé aplikace digitálních modelů terénu, rastrová algebra, rastrové modelování FŽP UJEP.

Prezentace na téma: "Přednáška 4 1GIS2 Pokročilé aplikace digitálních modelů terénu, rastrová algebra, rastrové modelování FŽP UJEP."— Transkript prezentace:

1 Přednáška 4 1GIS2 Pokročilé aplikace digitálních modelů terénu, rastrová algebra, rastrové modelování FŽP UJEP

2 Rastrové analýzy Analýzy spojitosti (konektivity)
zajímají nás funkční vztahy na rozhraních elementárních ploch( pixelů), prostorové šíření jevů na zájmovém území př.: proudové analýzy, analýzy viditelnosti, analýzy časové dostupnosti, cenové povrchy... Analýzy kontextu (kontiguity) zajímají nás funkční vztahy, podobnost sousedících ploch vytváření spojitých oblastí obsahujících funkčně příbuzné plochy př.: řízená, neřízená klasifikace, reklasifikace dat Rastrová algebra spojování výsledků dílčích analýz do jednoho funkčního celku př.: erozní modely, předpovědi výskytu nerostných surovin, výběr vhodných lokalit pro výstavbu, zemědělské využití... Vložte mapu země.

3 Analýzy spojitosti – přímá viditelnost
výpočet přímé viditelnosti (Line of Sight) princip spočívá ve výpočtu postupného šíření paprsku z místa pozorovatele postupně na všechny body v rastru. obvykle se uchovávají v dočasně vytvářených rastrech data o výšce paprsku nad terénem a výškovém úhlu stanoveném první překážkou další definované parametry: výška v místě pozorovatele, cíle (např. výška antény, ...) úhlová výseč z místa pozorovatele (např. směrovost antény) minimální, maximální výškový úhel (např. parametry mincovního dalekohledu ) min. a max. rádius (např. výkon vysílače, vysílací stín...)

4 Analýzy spojitosti – přímá viditelnost
vstupní data – DTM (rastr nebo TIN) + umístění pozorovatele (bod, linie, polygon) výstupní data – podle komplexnosti modulu rastr s hloubkou 1 bit (je vidět není vidět) nebo vyšší (výškový úhel pod kterým je cíl vidět, minimální výška nad překážkou...) aplikace: umístění vysílačů, rozhleden, návrh tur. tras., urbanistické studie, návrhy dopravních komunikací... odvozené aplikace – šíření hluku ... – nutné doplnit další faktory, např. závislost na vzdálenosti (inverzně kvadraticky)

5 Analýzy spojitosti – sluneční záření
roční suma přijaté energie optimální výškový úhel pro příjem maximálního množství energie v závislosti na zem. poloze poměr energie vegetačního období k celému roku, etc...

6 Analýzy spojitosti – sluneční záření
modely: SolarFlux (ArcINFO), Solei (IDRISI), SRAD, r.sun (GRASS) parametry modelů se obecně liší, obecně jsou používány mimo jiné tyto: výška, expozice, sklon (z DMT) datum, časový interval -> odvozením zenitový úhel a azimut slunce – astronomické výp. parametry atmosféry – ztráty, rozptyl, refrakce... aplikace: zemědělství – optimální výběr lokality v závislosti na náročnosti plodiny energetika – výběr optimální lokality pro fotovoltaické elektrárny...

7 Analýzy spojitosti – hydrologické modelování
určování povodí (odtokových pánví, oblastí) určování rozvodí směr proudění, akumulace srážek, délka proudu analýza vsakovacích oblastí kapacity odtoku ... Základním nástrojem pro většinu dalších analýz je směr proudění (flow direction) – praktický příklad z ArcGIS: směr proudění

8 Hydrologické modelování
Směr proudění směr proudění maximální změna výšky ve směru proudění DMT

9 Hydrologické modelování
odtokové oblasti (dílčí povodí) - Basins rozvodí Watershed na základě směru proudění vygenerování linií rozvodí a rozdělení území do jednotlivých odtokových oblastí chyby v DMT – zdánlivě bezodtoké oblasti, nesmyslné odtokové oblasti digitální ortofoto, stínovaný reliéf, odtokové oblasti

10 Hydrologické modelování
Akumulace lze vytvořit schéma hydrologické sítě včetně modelovaných průtoků

11 Hydrologické modelování
Délka toku vzdálenost konkrétního místa k ústí (resp.odtoku ze zájmové oblasti) měřený podél vodního toku

12 Modelování morfologické struktury reliéfu
Pracujeme s pojmy: Sklon svahu Orientace svahu (expozice) Gradient (směr největšího spádu) Normálová křivost křivost normálového řezu bodě A(x,y) jako průsečnici plochy s rovinou obsahující normálu N k topografické ploše a tečny n ke spádnici, tak že rovina řezu je kolmá na tečnou rovinu k topografické ploše v daném bodě A(x,y). Horizontální křivost Poloměr horizontální křivost R_k je svislým průmětem poloměru normálové křivosti do roviny horizontálního řezu. Právě s pomocí hodnoty normálové křivosti můžeme charakterizovat jednotlivé morfometrické formy georeliéfu. Tyto formy jsou od sebe odděleny inflexními body. Pokud je normální křivost > 0, pak forma je konvexní (vypouklá) a pokud normální křivost < 0, tak je forma konkávní (dutá).

13 Modelování morfologické struktury reliéfu
využití - automatizované členění zájmové oblasti na jednotlivé morfologické tvary atd...

14 Modelování morfologické struktury reliéfu
příklad implementace v ArcGIS Spatial Analyst: A = [(Z1 + Z3 + Z7 + Z9) / 4 - (Z2 + Z4 + Z6 + Z8) / 2 + Z5] / L4 B = [(Z1 + Z3 - Z7 - Z9) /4 - (Z2 - Z8) /2] / L3 C = [(-Z1 + Z3 - Z7 + Z9) /4 + (Z4 - Z6)] /2] / L3 D = [(Z4 + Z6) /2 - Z5] / L2 E = [(Z2 + Z8) /2 - Z5] / L2 F = (-Z1 + Z3 + Z7 - Z9) / 4L2 G = (-Z4 + Z6) / 2L H = (Z2 - Z8) / 2L I = Z5 Z = Ax ²y ² + Bx ²y + Cxy ² + Dx ² + Ey ² + Fxy + Gx + Hy + I hodnota pixelu je rovna druhé derivaci povrchu DMT aplikace: určování morfologických tvarů, analýza kvality DMT

15 Modelování morfologické struktury reliéfu
digitální model terénu byl s největší pravděpodobností vygenerován z vrstevnic a vzhledem ke skokovým změnám morfologie lze usuzovat na nepříliš kvalitní výběr metody a jejích parametrů....

16 Modelování plošné kvantity jevu
Zájmové území se rozdělí na pravidelný grid o zadaném rozlišení, pro každou buňku gridu se zvolenou metodou vypočte průměrná hodnota jevu připadající na tuto buňku. Příklad: plošně vyjádřená hustota obyvatel v ČR na základě bodové vrstvy obcí s počtem obyvatel. (pro přehlednost doplněno proporčním symbolem)

17 Vzdálenostní analýzy nejjednodušší případ: modelování přímé vzdálenosti k centrům pro většinu úkolů nepříliš praktické výsledkem rastr udávající v definovaných jednotkách vzdálenost k nejbližšímu centru ( v případě bodů) nebo nejbližšímu bodu na útvaru (v případě linií nebo ploch) vedlejším výsledkem směr k nejbližšímu centru, alokace (=Thiessenova teselace) příklad: vzdálenost, směr a alokační oblasti letišť v ČR

18 Analýzy spojitosti vzdálenostní analýzy, aplikace cenových povrchů
jaká je nejkratší vzdušná vzdálenost mezi dvěma místy jaká je dojezdová vzdálenost k nejbližší nemocnici které oblasti jsou nejhůře pokryté záchrannou službou modelování vhodnosti lokality, predikce výskytu kde je nejvhodnější lokalita pro novou školu, nákupní centrum, skládku... kde mám za daných podmínek největší pravděpodobnost výskytu konkrétního rostlinného druhu modelování šíření látek v ovzduší, vodě... obsah znečištění NOx, O3, ... geostatistika pokročilé interpolace dat generalizace zonální analýzy

19 ...srovnej s Voronoi diagramy...
Vzdálenostní analýzy Za jak dlouho dojedu do nejbližšího centra? Do kterého centra mám nejblíž? Jakým směrem to je do nejbližšího centra? ...srovnej s Voronoi diagramy...

20 Vzdálenostní analýzy – princip výpočtu
princip výpočtu vzdálenosti do konkrétního bodu: vzdálenost „přes hranu“ 1 vzdálenost „úhlopříčně“ 2 kterým směrem je nejbližší centrum (1° - 360°; 0 je rezervovaná hodnota) do kterého centra to mám nejblíž

21 Aplikace cenových povrchů (cost surface)
cenový povrch = vyjádření ceny za kterou lze projít přes plochu dané buňky oblasti bez dat (NULL <> 0) slouží jako neprostupná bariéra vzdálenostní analýzy, časová dostupnost – jako hodnoty pixelů se volí čas (t= s/v); po silnici lze jet rychlostí 90 km/h, 10 metrů projedu za .... směr pro cestu zpět do centra

22 Modelování vhodnosti lokality, predikce výskytu
kombinace několika faktorů bodové ohodnocení každého faktoru rastrovou algebrou vypočtený rastr s vhodně zadanými váhami jednotlivých parametrů výběr místa pro výstavbu RD: využití půdy nadmořská výška blízkost školy blízkost nákupních center .... v konečném kroku potřeba využít rastrovou algebru

23 Rastrová algebra výpočty se provádění po jednotlivých buňkách rastrů
základní algebraické operace + + logické operátory (AND, OR, NOT...) + relační operátory (<, >, =, <>, ...) + základní mat. funkce (goniometrické, logaritmy, zaokrouhlení,...) pokud mají rastry různé rozlišení, interně se během výpočtu převzorkují Které oblasti v rastru mají nadmořskou výšku mezi 50 a 1000 m?

24 Generalizace obvykle finální krok po provedené klasifikaci
začištění výsledu analýzy vhodné před statistickým vyhodnocením, interpretací, prezentací dat opatrně, můžete znehodnotit výsledek

25 Další dodatečné úpravy rastrů
rozdělení na spojité oblasti s unikátním ID „vytažení“ izočar ze rastru obsahujícího spojitá data

26 Další dodatečné úpravy rastrů
vytvoření obalové zóny v rastrové reprezentaci skeletizace – „vytažení“ kostry, nezbytné před automatickou vektorizací

27 Další dodatečné úpravy rastrů
vyhlazení průběhu hranic (smooth) na ukázkovém obrázku se zjednoduší průběh hranic a vyplní oblasti bez dat nahrazení hodnotou, která se nejčastěji vyskytuje v okolí pixelu (shrink) – na příkladu se nahradí pixely s hodnotou 5 hodnota expanduje do nejbližšího okolí (expand)–na příkladu se pixely s hodnotou 5 rozšíří do svého okolí ...atd...