Jak obliczyć średnie nachylenie w siatce?

To jest właściwie dwuczęściowe pytanie:

1. Jakie metody obliczania średniego nachylenia według jednostki (powiedzmy km²) dla danego obszaru? Czy są jakieś specjalne wymagania dotyczące danych - jak dodatkowe informacje oprócz pomiarów wysokości?
2. Które GIS typu open source implementują metody przydatne do obliczania średniego nachylenia na siatce (np. Plik TIF)?

Pierwsze podejście polega na obliczeniu nachylenia rastra. Jeśli szukasz oprogramowania typu open source, szczególnie do obliczeń rastrowych, prawie zawsze sugeruję GRASS. W takim przypadku szukasz r.slope.aspect, aby obliczyć raster nachylenia.

W tym momencie masz dwie opcje. Jeśli szukasz średniego nachylenia w promieniu ² km wyśrodkowanego na określonym punkcie, możesz wypróbować r.neighbours ze średnią metodą na wyjściu ze zbocza. Alternatywnie możesz spróbować wykonać próbkę r., Aby zwiększyć liczbę komórek rastrowych do ² km , a średnie nachylenie na km ² byłoby większe w całym zestawie danych.

O ile mi wiadomo, nie ma specjalnych wymagań poza ciągłym rastrem - chociaż mógłbym spróbować wyciąć / wypełnić raster, aby go najpierw wygładzić.

Mam nadzieję że to pomoże!

Musisz wiedzieć coś o znaczeniu, metodzie akwizycji i przetwarzaniu pomiarów wysokości, ponieważ obliczenia nachylenia są dość wrażliwe na rozdzielczość. Otrzymasz niższe średnie nachylenia, zwykle z grubszą rozdzielczością lub gdy wartości komórek są rzędnymi średnimi komórkowymi, a nie rzędnymi punktowymi. W szczególności, jeśli twoja siatka została przetworzona przez jakąkolwiek procedurę ponownej próbkowania, zmieni to nachylenie (czasami dramatycznie). Zauważ też, że średnie nachylenie w obrębie regionu nie jest takie samo jak nachylenie oparte na porównywalnej średniej wysokości w tym samym regionie: ten pierwszy będzie co najmniej tak duży jak drugi i może być znacznie większy. Jako skrajny przykład, średnie nachylenie na głęboko naciętych płaskowyżach Zachodniej Wirginii jest wysokie, odzwierciedlając nierówny teren,

Edytować

Kilka lat temu uzyskałem trzy DEM tego samego obszaru (w Idaho) przy rozdzielczości 30m, rozdzielczości 10m i zestawie danych LIDAR (rozdzielczość około 1m) i porównałem ich rozkłady nachylenia. Oto jedna grafika z tego badania:

Pokazuje, że wraz ze wzrostem rozdzielczości rośnie odsetek obszarów o dużym nachyleniu. Zmiana z 30 m na LIDAR jest znacząca: średnie nachylenie wzrasta o około 10 stopni. Ten wykres nagradza również bliższe spojrzenie: widać niewielkie zmiany w obszarach o niskim nachyleniu. Najwyraźniej nierówne obszary o dużym nachyleniu w LIDAR DEM są wygładzane w DEM 10 i 30 m, gdzie stają się obszarami o średnim nachyleniu. Naprawdę ekstremalne nachylenia (powyżej 75 stopni) pojawiają się tylko w zestawie danych LIDAR. Chociaż mogą pojawić się pytania, który z tych zestawów danych jest bliższy „prawdzie”, wyraźnie wnioski, które wyciągamy na temat rozkładów nachylenia, będą się różnić w zależności od rozdzielczości.