栅格数据

GeoTrellis 详细介绍

廉价感情. 提交于 2020-01-01 09:51:54
GeoTrellis 一、概述 GeoTrellis是一个高性能程序的地理数据处理引擎。 GeoTrellis是一个用Spark处理栅格数据的Scala库和框架。 GeoTrellis 能够非常快的读/写/操作栅格数据,他实现了很多的地图几何操作。支持渲染栅格数据为PNG格式,并且支持把栅格文件元信息保存为JSON格式,他致力于依赖网速实现栅格处理和提供大规模栅格的并行处理的REST服务接口。 二、模块及概念 三、数据输入 本地系统:GeoTiff,JPG,PNG,GeoJson(矢量),WKT/WKB(矢量),ShapeFile(矢量) 数据库:PostGIS(矢量) 分布式文件系统 : HDFS 其他:S3 ​ 四、数据存储/输出 NoSQL数据库 : HBase / Accumulo/ Cassandra 文件系统 : GeoTiff ,PNG/JPG ,GeoJson(矢量) 分布式文件 : HDFS 其他 : GeoMesa(矢量),GeoWave(矢量),S3 五、数据处理 5.1 三个分类 I/O : GeoTrellis 允许像在本地硬盘上读写数据那样用GeoTrellis处理数据。 处理:GeoTrellis 支持对栅格数据的多种操作,包括切割,采样,地图几何操作,渲染,矢栅转换,核密度等。 WEB服务:GeoTrellis提供了工具集帮助创建有用的

GIS入门进阶之016

混江龙づ霸主 提交于 2019-12-23 18:11:17
一、引言 栅格数据空间分析(What) 栅格数据结构简单、直观,点、线、面等地理实体采用同样的方式存储,便于快速执行叠加分析和各种空间统计分析。基于栅格数据的空间分析在ArcGIS 中占有重要地位,空间建模的基本过程也是通过栅格数据的空间分析进行的。 二、栅格数据的基础知识 · 栅格数据是由按行和列(或格网)组织的单元(或像素)矩阵组成的,每个单元都包含一个信息值。栅格数据一般分为两类:专题数据和图像数据。 专题数据的栅格值 表示某种测量值或某个特定现象的分类,如高程(值)、污染浓度或人口(数量)等; 图像数据的栅格值 表示诸如卫星图像或照片等的反射或发射的光或能量。 ArcGIS中的空间分析模块主要是针对专题栅格数据的。 1、栅格数据的组成 1.1 单元:单元是特定区域的方块,所有单元大小相投。单元以行和列的形式排列,组成了一个笛卡尔矩阵,每个单元有唯一的行列地址。 栅格数据表示内容的详细程度取决于栅格单元的大小。如果过大,则分析结果精度降低;如果过小,则会产生大量的冗余数据,并且计算速度降低。因此,选择合适的单元大小,对栅格数据的空间分析非常重要。 1.2 值:每个单元被分配一个特定的值以标识或描述单元归属的类或组,或所描述现象的大小或数量。空间分析模块既支持整型值,也支持浮点值。一般而言,分类数据用整型值表示最佳,连续表面则用浮点型值表示。 1.3 分区和区域

ArcGIS统计栅格像元值并转换为矢量图层

给你一囗甜甜゛ 提交于 2019-12-22 10:37:53
很多时候,我们需要得到矢量数据区域所对应栅格数据的像元统计值(求平均、求和等),然后将获得的统计值赋给矢量图层的属性表,在ArcGIS中操作如下:(PS:第一次写技术文章,望大家多多体谅与支持,么么哒) 1、栅格统计:统计栅格数据,按照需要(求和、求平均)用所需要的矢量数据(矢量目标图层)进行统计,(注:考虑到统计分析较为常见,第一步前期并未实例截图)。 2.栅格转矢量:将统计出栅格图层转换为矢量点图层:Raster to Point: 3.矢量点图层赋值:将第一步统计的栅格图层象元值赋给刚第二步转换的矢量点图层:Extract Values to Point: 4.图层空间关联:将第三步得到的带有栅格象元值属性的点图层与矢量目标图层(第一步统计用到的矢量图层)关联 :Spatial Join: 5.转换成功:在目标图层的属性表中既有栅格图层的象元值属性字段 来源: https://www.cnblogs.com/tysutopia/p/4429149.html

YOLOv1学习与总结

牧云@^-^@ 提交于 2019-12-21 08:52:20
https://blog.csdn.net/hrsstudy/article/details/70305791 You Only Look Once:Unified, Real-Time Object Detection 作者提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要是通过 region proposal 产生大量的可能包含待检测物体的 potential bounding box,再用分类器去判断每个 bounding box里是否包含有物体,以及物体所属类别的 probability或者 confidence,如R-CNN,Fast-R-CNN,Faster-R-CNN等。 YOLO不同于这些物体检测方法,它将物体检测任务当做一个 regression 问题来处理,使用一个神经网络,直接从一整张图像来预测出bounding box 的坐标、box中包含物体的置信度和物体的probabilities。因为YOLO的物体检测流程是在一个神经网络里完成的,所以可以 end to end 来优化物体检测性能。 YOLO检测物体的速度很快,标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。网络较小的版本Fast YOLO在保持mAP是之前的其他实时物体检测器的两倍的同时,检测速度可以达到155 FPS。 相较于其他的state-of-the

陆地与波浪演示程序(第七章内容)

旧城冷巷雨未停 提交于 2019-12-04 11:58:14
7.7、陆地与波浪演示程序 在本小节中,我们将展示如何构建“陆地与波浪”演示程序: 构建一个三角形栅格(grid),并通过将其中的顶点设置到不同的位置来创建 地形 再构建一个三角形栅格(grid),通过动态的改变其顶点高度来创建 波浪 此示例还会 针对不同的常量缓冲区来切换所使用的根描述符 ,这可以让我们不需要设置CBV描述符堆 7.7.1、生成栅格顶点 为了生成地形和波浪,我们首先要构建三角形栅格(grid),这里我们不进行详细的数学分析,直接给出结论: \[ 在xz平面上,第i行、第j列栅格顶点的坐标可以表示为:v = [-0.5w + j*dx, 0.0f, 0.5d - i*dz] \] 其中w为栅格的总宽度(宽),dx为每一个小四边形的宽度,d为栅格的总深度(长),dz为每一个小四边形的深度, (其实可以把栅格理解成一个由许多小四边形组成的大四边形) 下面是生成栅格顶点的代码: /* ** Summary:生成栅格顶点 ** Parameters: ** width:栅格的宽度 ** depth:栅格的深度 ** m:行数 ** n:列数 ** Return:栅格的网格数据 */ GeometryGenerator::MeshData GeometryGenerator::CreateGrid(float width, float depth, uint32 m,

FME中的栅格数据操作之六――转换器RasterExpressionEvaluator的用法(二)

匿名 (未验证) 提交于 2019-12-03 00:38:01
原文发布时间:2010-04-20 作者:毛毛虫 这个例子是一个中心线提取示例: 对于一些相当好的栅格类型(或并不是十分糟糕的栅格)例如,使用GIS包从矢量数据产生的栅格。如果源矢量数据丢失,我们可以尝试矢量化栅格数据。 下面是一个Google Maps图片(png格式): 下面是提取道路的过程,如下: 使用转换器RasterCellCoercer把栅格转换为点图层,使用PointOnRasterValueExtractor提取栅格单元格的相关波段信息,后面连续添加三个ListIndexer、AttributeCopier转换器, 设置如下: 提取R、G、B三个波段的信息。 通过对源栅格数据中的分析,得出道路点(灰色)的R、G和B相当接近,我们使用ExpressionEvaluator转换器设置下列表达式来判断: (abs(@Value(_red)-@Value(_green))<=3?1:0)&&(abs(@Value(_red)-@Value(_blue))<=3)?1:0 这个表达式的意思是G和B波段跟R波段相差小于等于三时结果为1,否则结果为0。 提取出道路(带有道路标注)的图示为: 类似的得出黄色道路(这个表达式是说对于黄色的部分,G波段很接近R波段,而蓝色波段要明显的小于B波段)计算的表达式为: (abs(@Value(_red)-@Value(_green))<=4

读取HDF或者NetCDF格式的栅格数据

匿名 (未验证) 提交于 2019-12-03 00:21:02
作者:阿振 邮箱:tanzhenyugis@163.com 博客: https://blog.csdn.net/theonegis/article/details/80089375 修改时间:2018-05-25 声明:本文为博主原创文章,转载请注明原文出处 HDF HDF(Hierarchical Data Format)由NCSA(National Center for Supercomputing Applications)设计提出,官方对其定义是:HDF5 is a unique technology suite that makes possible the management of extremely large and complex data collections. HDF supports n-dimensional datasets and each element in the dataset may itself be a complex object. HDF是对HDF数据模型,数据格式以及HDF库API等一系列技术的总称. HDF的最新版本是HDF5. HDF数据模型基于组(groups)和数据集(datasets)概念:如果把HDF数据比作磁盘,那么组相当于文件夹,数据集相当于文件。组和数据集都有用户自定义的属性(attributes).

栅格镶嵌前先设置NODATA值

匿名 (未验证) 提交于 2019-12-03 00:11:01
DEM数据分幅成果,无效区域是-9999.0,直接做镶嵌,重叠区域选择了平均值,结果发现很多接边处出现了-4999.0的值,原因在于没设置分幅影像的NODATA值。 DEM镶嵌重叠区一般不宜选择最大值,因为有时会产生很明显的过渡不均匀。 用arcgis-栅格工具-编辑栅格属性,就可以设置NODATA值。 来源:博客园 作者: 护羊犬 链接:https://www.cnblogs.com/geosnoob/p/11589709.html

python gdal 读取栅格数据

匿名 (未验证) 提交于 2019-12-02 22:51:30
1.gdal包简介 gdal是空间数据处理的开源包,其支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括Arc/Info ASCII Grid(asc),GeoTiff (tiff),Erdas Imagine Images(img),ASCII DEM(dem) 等格式。 2.安装gdal包 (1)通过此链接查找并下载gdal包: https://www.lfd.uci.edu/~gohlke/pythonlibs/#pygame (根据自己的系统及python版本选择对应的gdal包) (2)在dos命令行下切换到包所在的文件夹,并运行pip install 包名进行安装。 3.读取栅格数据 #导入gdal包 from osgeo import gdal #导入numpy包(支持高维数组和矩阵运算,也提供了许多数组和矩阵运算的函数) import numpy as np #打开文件 dataset=gdal.Open("fdem.tif") #栅格矩阵的列数 im_width = dataset.RasterXSize #栅格矩阵的行数 im_height = dataset.RasterYSize #波段数 im_bands = dataset.RasterCount #仿射矩阵,左上角像素的大地坐标和像素分辨率。 #共有六个参数,分表代表左上角x坐标

CSS Grid栅格布局

被刻印的时光 ゝ 提交于 2019-12-02 15:13:34
CSS 网格布局(Grid Layout) 是CSS中最强大的布局系统。 这是一个二维系统,这意味着它可以同时处理列和行,不像 flexbox 那样主要是一维系统。 你可以通过将CSS规则应用于父元素(成为网格容器)和该元素的子元素(网格元素),来使用网格布局。 引言 CSS网格布局(又名“网格”)是一个二维的基于网格的布局系统,其目的只在于完全改变我们设计基于网格的用户界面的方式。 CSS一直用来布局网页,但一直都不完美。 一开始我们使用table 做布局,然后转向浮动、定位以及inline-block,但所有这些方法本质上都是 Hack 的方式,并且遗漏了很多重要的功能(例如垂直居中)。 Flexbox的出现在一定程度上解决了这个问题,但是它的目的是为了更简单的一维布局,而不是复杂的二维布局(Flexbox和Grid实际上一起工作得很好)。 只要我们一直在制作网站,我们就一直在为解决布局问题不断探索, 而Grid是第一个专门为解决布局问题而生的CSS模块。 有两个东西,启发我写这篇指南。 第一个是雷切尔·安德鲁(Rachel Andrew)的书为 CSS Grid布局准备 。 这本书对网格布局做了彻底、清晰的介绍,也是是整篇文章的基础,我强烈建议你购买并阅读他的书。 我的另一个重要灵感是 Chris Coyier的Flexbox完全指南 ,当需要查阅 flexbox