Suite

Convertir la résolution raster dans arcGIS

Convertir la résolution raster dans arcGIS


Je dois analyser 8 couches raster, 5 d'entre elles ont une résolution de 0,5 degré et les trois autres ont une résolution de 0,05 degré.

Tout d'abord, dois-je rééchantillonner la résolution 5 à une résolution plus fine (0,05 degré) et si possible comment procéder.

Deuxièmement, s'il est préférable de rééchantillonner le 3 à la résolution des autres (0,5), quel outil dois-je utiliser pour le faire sans changer les valeurs du raster. Les 3 rasters à résolution fine sont des données de dénombrement du bétail.

J'utilise ArcGIS Desktop 10.2.


Pour réduire l'échelle à une résolution plus fine, vous pouvez modifier les paramètres environnementaux à 0,05 et diviser les rasters par dix, vérifiez simplement que vos rasters sont flottants et non des entiers. Dans le second cas, vous pouvez utiliser l'outil Agréger, qui additionne les pixels à l'aide d'un facteur dix.


Le rééchantillonnage d'un raster à une résolution plus fine est fondamentalement identique à la création de données. Si vous le faites, vous impliquez que vous avez plus de détails que vous n'en avez réellement.

Pour développer la réponse de @GianlucaF, il existe un outil appelé Resample que vous pouvez utiliser pour modifier vos rasters haute résolution pour qu'ils correspondent à ceux de 0,5 degré. Il existe un certain nombre de techniques différentes pour rééchantillonner. L'interpolation bilinéaire est probablement plus facile si vous avez des nombres, mais essayez également d'autres méthodes. Cela vous donnera les valeurs moyennes de vos cellules d'origine.


SUPERPOUVOIRS D'IMAGERIE : l'analyse raster étend l'utilisation de l'imagerie dans les SIG

Les images aériennes, par drones et satellites sont plus disponibles que jamais et peuvent ajouter des informations et un contexte précieux aux projets SIG. Cependant, avant les capacités d'analyse raster de la plate-forme ArcGIS, l'intégration de flux de travail d'imagerie massifs dans votre SIG pouvait être écrasante.

Esri a développé des capacités d'analyse raster afin que vous puissiez traiter rapidement de grandes collections d'images et extraire et partager des informations significatives pour l'aide à la décision critique. Les capacités d'ArcGIS Enterprise sont étendues avec ArcGIS Image Server configuré pour les rôles d'analyse raster et de services d'imagerie dynamique pour héberger le traitement et le stockage distribués. Dans cet environnement évolutif, vous pouvez implémenter un traitement d'image intensif en calculs qui était auparavant peu pratique, impossible ou d'un coût prohibitif.

Les analyses raster peuvent être exécutées localement pour utiliser pleinement votre serveur ArcGIS Image Server existant sur site. Cependant, l'utilisation des capacités de mise à l'échelle de Raster Analysis Server et Raster Image Server dans un environnement de cloud computing distribué optimise l'efficacité en exploitant la capacité de traitement et de stockage élastique des plateformes de cloud computing et de stockage telles qu'Amazon Web Services (AWS) et Microsoft Azure. Avec cette élasticité, vous pouvez augmenter ou réduire la capacité en fonction de la taille et de l'urgence des projets. Les tâches de traitement et d'analyse d'images qui prenaient auparavant des jours ou des semaines peuvent être réalisées en quelques minutes ou quelques heures, mettant ainsi à portée de main des projets d'imagerie incroyablement volumineux ou intimidants.

S'ATTAQUER À UN PROJET MONUMENTAL

La baie de Chesapeake est le plus grand estuaire des États-Unis. Pour soutenir la gestion et la conservation des bassins versants et des eaux pluviales de cette vaste zone, ainsi que pour réduire la pollution de la baie, la Chesapeake Conservancy, une organisation à but non lucratif, avait besoin de produire des cartes d'occupation du sol d'un mètre de résolution couvrant les 100 000 Bassin versant de la baie de Chesapeake.

Travaillant en partenariat avec l'Université du Vermont et WorldView Solutions, le Chesapeake Conservancy avait besoin de traiter plus de 20 téraoctets de données raster et de les classer en 12 types de couverture terrestre pour produire cet ensemble de données essentiel. Ce projet monumental a été achevé en utilisant des ressources de machines locales en 2016 après 10 mois.

Cependant, cet ensemble de données sur l'utilisation des terres doit être mis à jour fréquemment pour tenir compte de l'ajout annuel de 100 000 nouveaux résidents, des infrastructures de soutien, des services et des entreprises. Les coûts en dollars et en temps pour produire les mises à jour étaient trop élevés en utilisant les ressources de la machine locale. La Chesapeake Conservancy avait besoin d'un moyen de produire rapidement des mises à jour de manière semi-automatique.

La Chesapeake Conservancy effectue les mises à jour de la couverture terrestre à l'aide d'analyses raster dans le cloud, une méthodologie plus efficace et plus rentable. Les modèles de chaîne de traitement créés à l'aide d'ArcGIS Pro effectuent le prétraitement, la segmentation des images et la classification des arbres aléatoires. Les tâches sont soumises depuis ArcGIS Pro au portail, qui gère le traitement, le stockage et la publication distribués des résultats dans le cloud.

Avec ce système, vous pouvez appliquer des outils et des fonctions de traitement raster standard dans ArcGIS, créer des fonctions et des outils personnalisés et combiner plusieurs outils et fonctions dans des chaînes de traitement raster pour exécuter des algorithmes personnalisés sur de grandes collections de données raster. Les résultats sont stockés, publiés automatiquement et partagés dans toute votre entreprise.

Cette flexibilité de capacité de traitement et de stockage vous permet de respecter les délais de projet exigeants et les exigences de coûts serrées. Les ressources peuvent être augmentées pour répondre à une augmentation de la demande, puis libérées lorsqu'elles ne sont plus nécessaires.

Puissance, extensibilité et disponibilité

Pour permettre l'analyse raster, ArcGIS Image Server est configuré pour effectuer un calcul distribué dans un environnement de traitement et de stockage qui maximise la vitesse et l'efficacité du traitement. Les outils et fonctions intégrés couvrent le prétraitement, l'orthorectification et le mosaïquage, l'analyse par télédétection et une vaste gamme d'opérateurs mathématiques et trigonométriques. Ces fonctions traitent l'imagerie multispectrale et hyperspectrale, les données scientifiques multidimensionnelles traitant des problèmes de type cube de données et les données temporelles pour l'analyse de séries chronologiques.

Des chaînes de traitement d'analyse raster avancées peuvent être créées à partir des plus de 200 fonctions et outils disponibles prêts à l'emploi et enregistrées en tant que modèles de fonctions raster.

Vous pouvez écrire des fonctions personnalisées qui étendent les capacités analytiques de la plate-forme et déployer des algorithmes de traitement d'image personnalisés pour traiter des applications et des ensembles de problèmes uniques. Les développeurs peuvent créer des workflows de traitement de production à l'aide de l'API REST d'ArcGIS Enterprise, de l'API REST d'ArcGIS Server ou de l'API ArcGIS pour Python avec des objets de fonction raster à l'aide d'exemples de code disponibles sur le site Web ArcGIS for Developers (developers.arcgis.com) ou de scripts disponibles sur le site Web. Référentiel Esri sous le module arcgis.raster.functions sur GitHub.

Des chaînes de traitement personnalisées peuvent également être construites à l'aide de la fonction Python Raster qui vous permet d'écrire des algorithmes de traitement d'image en Python et de les exécuter dans un environnement distribué. (Voir github.com/Esri/raster-functions/wiki/PythonRasterFunction.)

L'analyse raster intègre le traitement et l'analyse des images avec le reste de la plate-forme ArcGIS, rationalisant et simplifiant la collaboration et le partage. Les utilisateurs de votre entreprise peuvent contribuer des données, des modèles de traitement et de l'expertise à un projet d'imagerie, et les résultats peuvent être partagés avec les individus, les services et les organisations de votre entreprise.

Supprimer les barrières

Le traitement efficace et puissant de grandes collections de données d'images et de données raster à l'aide de chaînes de traitement à forte intensité de calcul permet aux utilisateurs de traiter des projets et des tâches qui étaient auparavant hors de portée. Cela abaisse la barre pour les petites et moyennes entreprises, leur permettant d'entreprendre des projets qui étaient exclusivement l'apanage de grandes organisations bien dotées en ressources. Les ressources de traitement et de stockage limitées ne sont plus des obstacles pour les organisations qui souhaitent profiter des opportunités qui ont des exigences de traitement d'image et des délais de livraison exigeants.

L'élasticité dans le déploiement de l'analyse raster offre une évolutivité en termes de vitesse ainsi que de taille de jeu de données. Parfois, l'exigence est que les données soient traitées rapidement pour des applications telles que le soutien à la gestion des urgences, le traitement de données scientifiques multidimensionnelles à partir de capteurs ou la surveillance constante par des drones.

Un autre avantage important de cette capacité à évoluer rapidement est la capacité de surtension. Cela a toujours été un défi opérationnel pour les entrepreneurs et les prestataires de services. Les ressources et les coûts peuvent désormais être adaptés à des projets spécifiques. L'exploitation des ressources cloud permet à une organisation de répondre à des besoins de capacité aigus sans investissement en capital, coûts de maintenance ou risques élevés.

Lorsqu'une organisation remporte un projet, elle peut rapidement atteindre un niveau approprié au calendrier et au budget du projet, terminer le projet, puis libérer des ressources lorsqu'elles ne sont plus nécessaires. L'expérience d'estimation du temps et des coûts pour certains types de projets s'affinera au fil du temps, rendant une organisation plus compétitive et réduisant les risques et la responsabilité.

Analyse raster sous le capot

Le serveur d'images configuré pour le rôle d'analyse raster fournit des logiciels et des interfaces utilisateur pour organiser et gérer le traitement, le stockage et le partage des données d'images et raster, des cartes et d'autres informations géographiques sur une variété d'appareils. Ce système intégré gère la diffusion et le stockage des résultats sur site et derrière le pare-feu pour les déploiements classifiés, dans des environnements de traitement et de stockage cloud, ou dans un environnement hybride qui utilise une combinaison de locaux et de cloud.

La base de l'analyse raster est ArcGIS Enterprise, qui comprend un portail SIG d'entreprise, ArcGIS Data Store et ArcGIS Server, ainsi qu'un serveur d'images configuré pour l'analyse raster, un magasin de données raster et ArcGIS Web Adaptor. ArcGIS Enterprise intègre les composants du système d'analyse raster pour prendre en charge des workflows évolutifs et réels.

Faites évoluer vos puissantes capacités de traitement et de stockage en déployant ArcGIS Enterprise dans le cloud via AWS ou Microsoft Azure. Par exemple, vous pouvez augmenter ou diminuer automatiquement la capacité en fonction des conditions que vous définissez ou répartir automatiquement le trafic des applications sur plusieurs instances pour de meilleures performances. Esri facilite le déploiement en fournissant à Cloud Builder pour Microsoft Azure ou AWS CloudFormation des exemples de modèles pour configurer et déployer votre système dans le cloud.

Exécution d'une tâche d'analyse raster

À l'aide de l'interface utilisateur d'ArcGIS Pro ou de la visionneuse de carte Web, l'exécution de tâches d'analyse raster est simple. Vous soumettez simplement votre tâche, et la façon dont vous avez défini et configuré votre portail détermine la façon dont le traitement et le stockage sont répartis entre les serveurs, les instances et les magasins de données disponibles.

Le flux de travail d'analyse raster commence par la préparation de votre image et de vos données raster pour un traitement efficace. Cela implique d'enregistrer vos données et de les convertir en une version distribuée pour un traitement et un stockage optimisés et distribués, mais le stockage distribué n'est pas obligatoire. Les données sont converties au format Cloud Raster (CRF), un format en mosaïque optimisé pour les performances.

L'analyse raster fonctionnera avec vos données existantes, mais elle ne sera pas aussi efficace que lorsque vous utilisez des données optimisées. Des performances optimales sont obtenues lorsque vos données source ont été préparées et mises en scène dans le magasin de données. Des outils sont fournis pour convertir vos fichiers de données en une version distribuée des données, ce qui les optimise pour un traitement distribué efficace et le stockage des résultats publiés.

Développez, testez et optimisez les chaînes de traitement raster à l'aide des plus de 200 fonctions et outils d'ArcGIS Pro ou de la visionneuse de cartes Web. Avec l'éditeur de fonctions raster dans ArcGIS Pro, vous pouvez créer et tester de manière interactive une chaîne de traitement, prévisualiser les résultats et vérifier ces résultats dans un environnement de traitement dynamique. Avec ArcGIS Pro, vous pouvez également créer des fonctions personnalisées à l'aide de Python.

Lorsque vous êtes satisfait de votre chaîne de traitement, vous pouvez l'enregistrer en tant que modèle de traitement raster. Les modèles de traitement peuvent être partagés avec votre organisation via ArcGIS Enterprise. Une fois une chaîne de traitement optimisée, soumettez-la au portail ArcGIS qui gère la diffusion des traitements, le stockage et la publication automatique des résultats.

Vous soumettez une tâche de traitement d'analyse raster en spécifiant le portail et en nommant les couches d'image Web en sortie. Le travail est envoyé au serveur d'analyse raster pour un traitement distribué à l'aide de votre chaîne de traitement et des données raster préparées et stockées dans les référentiels de stockage de données raster.

La sortie raster du serveur d'analyse raster est automatiquement publié dans le magasin de données raster distribué, tandis que toute sortie vectorielle est publiée dans le magasin de données SIG. Étant donné que les résultats analytiques de votre tâche d'analyse raster sont automatiquement publiés, ils sont immédiatement disponibles pour votre entreprise pour un partage et une analyse plus approfondie.

Déploiement du serveur d'images

Le déploiement idéal d'Image Server avec analyse raster est composé de trois sites de serveurs (ou plus) qui remplissent les rôles principaux de serveur hôte de portail, de serveur d'analyse raster et de serveur d'hébergement d'images. Deux licences sont requises pour l'analyse raster : ArcGIS Enterprise et Image Server.

Le serveur d'hébergement est le serveur de votre portail pour l'administration et les opérations standard du portail, telles que la gestion et la distribution du traitement, le stockage et la publication des résultats sur les serveurs d'analyse raster, les serveurs d'images et les magasins de données. Il héberge également ArcGIS Data Store pour les données SIG et permet aux utilisateurs de publier des données et des cartes à un public plus large en tant que services Web.

Les travaux d'analyse raster sont traités par des serveurs d'images dédiés à l'analyse raster, composés d'un ou plusieurs serveurs, chacun avec plusieurs cœurs de traitement. Les tâches de traitement d'image et d'analyse raster sont réparties au niveau de la scène ou de la sous-scène selon les outils et fonctions utilisés. Image Server gère les résultats du traitement vers ArcGIS Data Store sur le serveur d'hébergement pour les produits de données d'entités ou vers le magasin de données raster pour les produits d'imagerie et de données raster. Le magasin de données raster peut être implémenté à l'aide d'un stockage de partage de fichiers distribué ou d'un stockage cloud tel qu'Amazon S3 ou Microsoft Azure Blob Storage.

Le serveur d'hébergement d'images héberge tous les services d'imagerie générés par le serveur d'analyse raster. Il inclut le magasin de données raster et renvoie les résultats demandés par les membres de votre entreprise.

Les modèles et les applications de configuration système attribuent les rôles des serveurs et des magasins de données et définissent également la structure des autorisations pour tous les utilisateurs de votre entreprise. Cela facilite une flexibilité optimale dans la configuration et la mise en œuvre de votre système d'analyse raster pour traiter des projets spécifiques. Plusieurs serveurs peuvent être mis à l'échelle pour le traitement et le stockage d'analyses raster selon les besoins.

Cette architecture peut être variée selon vos besoins et votre budget. Par exemple, le serveur d'hébergement d'images et le serveur d'hébergement peuvent être le même serveur. Les référentiels d'images peuvent être des lecteurs locaux sur les serveurs ArcGIS, déjà dans l'un des magasins de données du serveur, ou dans un référentiel cloud tel qu'un compartiment Amazon S3 où Amazon AWS héberge des référentiels d'images publiées et de données raster. (Pour obtenir les dernières informations sur la configuration d'ArcGIS Enterprise pour l'analyse raster, reportez-vous à l'aide en ligne d'ArcGIS Enterprise.)

Rendre possible ce qui était auparavant impossible

Étant donné que l'analyse raster est intégrée aux composants de la plate-forme ArcGIS et en tire parti, elle utilise le riche ensemble de capacités analytiques d'ArcGIS Desktop et optimise le traitement en répartissant le stockage et le traitement des rasters. Ces capacités créent un système puissant et distribué de traitement, de stockage et de partage de trames qui peut être mis à l'échelle pour s'adapter à tout projet ayant des exigences élevées.

Un changement de paradigme dans l'utilisation de l'imagerie s'est produit. Avec l'analyse raster, les organisations, grandes et petites, sont habilitées à gérer des projets avec des exigences diverses et exigeantes qui étaient auparavant impraticables en faisant évoluer les opérations de manière efficace et rentable.


Propriétés d'entrée

Entrée : chemin et nom des fichiers LAS ou du dossier contenant les fichiers LAS. Vous pouvez modifier cette valeur si l'entrée est déplacée. L'ajout à l'aide d'un dossier est recommandé pour de nombreux fichiers LAS.

Types de retour — Une seule impulsion du capteur lidar peut être renvoyée plusieurs fois car elle se reflète sur des objets à différentes hauteurs sur ou au-dessus du sol, ce qui entraîne le retour des impulsions vers le capteur à des moments différents. Par conséquent, le type de retour peut être utilisé pour différencier les retours au sol des autres retours, tels que la canopée des arbres. Vous pouvez sélectionner une ou plusieurs valeurs de retour.

Types de classe : les classifications sont définies pour les points par le fournisseur des fichiers LAS. Vous pouvez sélectionner Tout pour ajouter tous les points quelle que soit leur classification, vous pouvez également en sélectionner plusieurs. Les types de classification (selon la spécification LAS 1.3) sont Tout, (0) Jamais classé, (1) Non classé, (2) Sol, (3) Végétation faible, (4) Végétation moyenne, (5) Végétation élevée, (6) Bâtiment, (7) point bas bruyant, (8) point clé modèle et (9) eau.

Types de données : définit la valeur à représenter lors de la génération de la surface.

  • Las Data Z : une valeur de hauteur (élévation) sera utilisée.
  • Intensité des données las — L'intensité est une mesure, collectée pour chaque point, de la force de retour de l'impulsion laser qui a généré le point. Il fait partie du cône de lumière qui est réfléchi vers l'avion. Sa valeur dépend de la partie du cône qui a été réfléchie (par exemple : toit—100 %, feuille—beaucoup moins) et de la réflectivité de la surface touchée. Si le cône heurte un miroir à un angle, rien ne revient. L'intensité est utilisée comme aide à la détection et à l'extraction d'entités, dans la classification des points lidar et comme substitut à l'imagerie aérienne lorsqu'aucune n'est disponible. Si vos données lidar incluent des valeurs d'intensité, vous pouvez en faire des images qui ressemblent à des photos aériennes en noir et blanc.

Syntaxe

La carte à convertir en KML.

Le bloc de données du document ArcMap à convertir en KML.

Le fichier KML à écrire. Ce fichier est compressé et aura une extension .kmz. Il peut être lu par n'importe quel client KML, y compris ArcGIS Explorer, ArcGlobe et Google Earth.

L'échelle à laquelle exporter chaque couche de la carte. Ce paramètre est important avec toute dépendance d'échelle, telle que la visibilité des calques ou le rendu dépendant de l'échelle. Si la couche n'est pas visible à l'échelle d'exportation, elle ne sera pas incluse dans le fichier KML créé. N'importe quelle valeur, telle que 1, peut être utilisée s'il n'y a pas de dépendances d'échelle.

Si vous exportez une couche qui doit être affichée sous forme de vecteurs 3D et que le paramètre is_composite est défini sur NO_COMPOSITE, vous pouvez définir ce paramètre sur n'importe quelle valeur, tant que vos entités n'ont pas de rendu dépendant de l'échelle.

Seuls des caractères numériques doivent être saisis, par exemple, saisissez 20000 comme échelle, pas 1:20000 ou 20000.

  • COMPOSITE — Ordonne au fichier KML de sortie de ne contenir qu'une seule image qui regroupe toutes les entités de cette carte en une seule image raster. Le raster est drapé sur le terrain en tant que KML GroundOverlay. Sélectionnez cette option pour réduire la taille du fichier KMZ de sortie. Lorsque vous cochez cette case, les entités et les couches individuelles du KML ne peuvent pas être sélectionnées. De plus, le paramètre suivant, is_vector_to_raster , est ignoré.
  • NO_COMPOSITE — Les couches sont renvoyées séparément dans le KML. Le fait que les couches soient toutes renvoyées sous forme de rasters ou sous forme d'un mélange de vecteurs et de rasters est déterminé par le paramètre suivant, is_vector_to_raster .
  • VECTOR_TO_RASTER — Convertit chaque couche vectorielle de la carte en une image raster distincte dans la sortie KML. Des couches raster normales sont également ajoutées à la sortie KML. Chaque couche raster KML en sortie est sélectionnable et sa transparence peut être ajustée dans certains clients KML.
  • VECTOR_TO_VECTOR — Conserve les couches vectorielles dans la carte en tant que vecteurs KML.

L'étendue géographique de la zone à exporter. Les limites du rectangle d'étendue doivent être spécifiées sous la forme d'une chaîne délimitée par des espaces de coordonnées géographiques WGS84 sous la forme gauche inférieure droite supérieure (xmin, ymin, xmax, ymax).

Taille de l'image renvoyée en pixels. Définit la résolution verticale et horizontale de tous les rasters dans le document KML de sortie. Utilisez ce paramètre avec le paramètre DPI pour contrôler la résolution de l'image de sortie.

Définit la résolution de périphérique pour tous les rasters dans le document KML de sortie. La résolution d'écran typique est de 96 dpi. Si les données à l'intérieur de votre carte prennent en charge une résolution élevée et que votre KML l'exige, envisagez d'augmenter la valeur. Utilisez ce paramètre avec le paramètre Taille de l'image pour contrôler la résolution de l'image de sortie.

  • ABSOLU — Utilisez les valeurs Z des entités lors de la création de KML. Les caractéristiques seront dessinées à l'intérieur des clients KML par rapport au niveau de la mer.
  • CLAMPED_TO_GROUND — Remplacez les valeurs Z dans vos entités et créez KML avec les entités fixées au sol. Les éléments seront drapés sur le terrain. Ce paramètre est utilisé pour les entités qui n'ont pas de valeurs Z. C'est la valeur par défaut.

Pourquoi utiliser la méthode de projection de la taille des cellules avec préservation de la résolution ?

Dans la méthode de « préserver la résolution », le même nombre de cellules carrées que dans l'étendue d'origine sont conservés dans l'étendue projetée. La taille de la cellule en sortie est calculée sur la base des rapports entre les surfaces de l'étendue projetée et l'étendue d'origine. Cette approche est basée sur la façon dont le logiciel Esri choisit actuellement une taille de cellule lors du passage d'un système de coordonnées d'image de caméra à un système géodésique (GCS ou PCS). Cette méthode calcule la taille moyenne d'une cellule carrée avec plus de précision pour toutes les combinaisons de GCS et PCS que la méthode par défaut « convertir les unités ».

Si les aires de l'étendue rectangulaire d'origine et de l'étendue projetée (conservant la forme) sont A0 et un1, alors les zones des cellules carrées, respectivement, sont, ca0 = Un0/n et ca1 = Un1/n

Étant donné que le nombre de cellules reste constant dans les deux cas, le rapport de l'aire d'étendue à l'aire de la cellule carrée est égal, A0/Californie0 = Un1/Californie1

et la taille de la cellule de sortie est CellSize_projected = √((A1/UNE0) * Californie0)

Dans cette méthode, le facteur de conversion de la taille des cellules est (A1/UNE0)

Examinons deux exemples pour voir comment la méthode « conserver la résolution » sélectionne une meilleure taille de cellule de sortie que « convertir les unités ».

Exemple 1:

Prenons un raster d'altitude (R_input), situé dans le Vermont (Figure 2), dans un PCS (NAD_1983_StatePlane_Vermont_FIPS_4400) et projetons-le vers un autre PCS (WGS 1984 World Mercator) en utilisant les méthodes de projection de taille de cellule par défaut, « convertir les unités » (R_out_CU) et « préserver la résolution » (R_out_PR). Ici, les deux références spatiales préservent la forme, où la référence spatiale d'entrée convient au niveau de l'état et la référence spatiale de sortie est adaptée au monde entier. Nous comparerons ensuite la distance géodésique entre les centres des cellules pour déterminer quelle méthode préserve plus précisément la distance géodésique.

Avant de comparer les distances géodésiques entre les deux méthodes, comprenons quelles sont les différentes manières dont un raster est projeté dans ArcGIS Pro. Lorsque vous ajoutez un raster à la carte dans ArcGIS Pro, la référence spatiale de la carte devient la même que la référence spatiale du raster. Par exemple, si la première couche ajoutée a un NAD_1983_StatePlane_Vermont_FIPS_4400 PCS, la carte aura la même référence spatiale et toutes les autres couches seront projetées à la volée pour correspondre à cette référence spatiale. Cette projection raster à la volée est destinée à une expérience d'affichage plus riche mais ne préserve pas la structure raster (différentes cellules peuvent avoir différentes tailles, rotations et distorsions projetées à la volée). Cependant, lorsque vous projetez un raster à l'aide de l'outil Projeter un raster ou en spécifiant l'environnement Système de coordonnées en sortie d'un outil de géotraitement, le raster est en fait projeté dans une nouvelle structure raster (chaque cellule est un rectangle identique dans la référence spatiale en sortie, avec des côtés parallèles aux axes du système de coordonnées). Lors de la mesure de la distance géodésique pour la comparaison des méthodes de projection de taille de cellule, il est recommandé d'utiliser le raster projeté réel au lieu du raster projeté à la volée.

Dans la figure 3, la taille de cellule du raster en entrée, R_input est de 30 mètres. C'est approximativement la même que sa distance géodésique au sol, que vous pouvez découvrir à l'aide de l'outil Mesurer dans ArcGIS Pro.

Lorsque le raster est projeté à l'aide des méthodes « convertir les unités », la taille de cellule projetée du raster en sortie, R_out_CU, reste à 30 mètres, mais 30 m dans WGS 1984 World Mercator est une distance beaucoup plus petite au sol, 21 mètres. Ainsi, la projection raster utilisant la méthode « convertir les unités » a inutilement augmenté la résolution du raster en sortie. Si nous avions projeté dans la direction opposée (à partir de WGS 1984 World Mercator), alors nous aurions perdu une quantité importante de données raster. Lorsque le même raster est projeté à l'aide de la méthode de « préserver la résolution », sa taille de cellule devient de 42 mètres et la distance géodésique au sol reste de 30 mètres, ce qui est identique à la distance géodésique du raster en entrée.

Exemple 2 :

Dans cet exemple, nous projetterons d'une zone UTM à sa zone adjacente, ce qui peut se produire lors du mosaïquage de nombreux DEM différents pour une zone plus grande (taille d'état). Dans la figure 4, prenons un raster (R_input2) dans WGS 1984 UTM Zone 11N et projetons-le sur sa zone adjacente WGS 1984 UTM Zone 12N, créant respectivement une sortie (R_out_CU2) et (R_out_PR2) pour 'convertir les unités' et 'préserver la résolution' . À partir de là, nous comparerons à nouveau la distance géodésique entre les centres des cellules pour déterminer quelle méthode préserve la distance géodésique avec plus de précision.

La taille de cellule pour le raster en entrée, R_input2 est de 30 mètres, ce qui correspond approximativement à la distance géodésique au sol dans cette zone. Lorsque le raster est projeté à l'aide de la méthode « convertir les unités », la taille de la cellule du raster en sortie, R_out_CU2 devient 30 mètres et la distance géodésique au sol devient d'environ 31 mètres. Lorsque le même raster est projeté à l'aide de la méthode de « préserver la résolution », sa taille de cellule devient 28,99 mètres et la distance géodésique au sol est de 30 mètres, ce qui est identique au raster en entrée.

Dans les deux exemples, la méthode « conserver la résolution » semble mieux préserver la distance géodésique au sol entre les centres des cellules que la méthode « convertir les unités ». D'autres combinaisons de références spatiales d'entrée et de sortie peuvent, bien sûr, montrer des différences entre les méthodes, mais dans l'ensemble, il est sûr de dire que la méthode « préserver la résolution » est une meilleure approche pour préserver la distance géodésique lors de la projection des jeux de données.

Une propriété importante de la méthode de « préserver la résolution » est que la taille de la cellule de sortie dépend de l'emplacement de l'ensemble de données. La même combinaison de références spatiales en entrée et en sortie produira une taille de cellule en sortie différente si le jeu de données raster en entrée se trouve à un emplacement géographique différent. Si vous devez utiliser une taille de cellule pour différents jeux de données raster (par exemple, pour le traitement de tuiles DEM adjacentes), spécifiez un jeu de données raster à utiliser comme source de taille de cellule lors de l'analyse raster des tuiles.

La prochaine fois que vous utiliserez un outil de géotraitement Spatial Analyst ou une commande python pour :

  • créer une sortie avec une référence spatiale différente de celle du jeu de données d'entrée,
  • utiliser des jeux de données d'entrée avec des références spatiales différentes,
  • spécifier une taille de cellule d'analyse à l'aide d'un jeu de données avec une référence spatiale différente,

faites attention à la taille de la cellule de sortie et envisagez d'utiliser les méthodes de préservation de la résolution ou du centre d'extension. Par défaut, la méthode de projection fera les « unités de conversion », qui existaient dans les versions précédentes d'ArcGIS, mais comme nous l'avons vu, cette méthode peut augmenter ou diminuer inutilement la résolution de vos précieuses données raster.

Ressources additionnelles


Ces utilitaires sont conçus pour extraire et traiter des informations à partir de fichiers d'entrée préparés et de fichiers de sortie générés par MODFLOW, le modèle tridimensionnel d'écoulement des eaux souterraines de l'U.S. Geological Survey.

  • GRID2GRIDFLOW lit un fichier de sortie binaire MODFLOW de termes de flux cellule par cellule pour une grille de modèle (source) et convertit les valeurs de flux en valeurs de flux d'entrée pour une grille de modèle (cible) différente. La discrétisation spatiale et temporelle des deux modèles peut différer.

Quatre utilitaires de conversion raster extraient des matrices de données bidimensionnelles sélectionnées dans des fichiers d'entrée et de sortie MODFLOW et les écrivent dans des fichiers texte pouvant être importés dans un format raster du système d'information géographique ArcGIS :

  • CBC2RASTER extrait les données de flux de contraintes sélectionnées à partir d'un fichier de sortie binaire MODFLOW de flux cellule par cellule.
  • DIS2RASTER extrait les données d'altitude de cellule d'un fichier de discrétisation MODFLOW.
  • MFBIN2RASTER extrait les données du tableau à partir d'un fichier de sortie binaire MODFLOW de tête ou de rabattement.
  • MULT2RASTER extrait les données du tableau à partir d'un fichier de multiplicateur MODFLOW.

Information

Cinq utilitaires MODFLOW compilés pour.

Documentation

Programmes associés

Point de contact pour Five MODFLOW Utilities -- Ned Banta

Département américain de l'Intérieur | Commission géologique des États-Unis
[une erreur s'est produite lors du traitement de cette directive] URL : https://water.usgs.gov
[une erreur s'est produite lors du traitement de cette directive] Coordonnées de la page : (aucun)
Dernière modification de la page : lundi 12 décembre 2016 14:37:26 EST


ToArcGISRasterList Méthode

Crée un raster ArcGIS à partir de chaque image CoastWatch POES AVHRR répertoriée dans deux listes parallèles, où la première liste spécifie les fichiers contenant les images et la seconde spécifie les variables qui représentent les images.

Classer:CoastWatchAVHRR
Utilisation prévue :Recommandé pour les appelants externes
COM :Exposé en tant que méthode ToArcGISRasterList de la classe COM GeoEco.CoastWatchAVHRR
ArcGIS :Non exposé en tant qu'outil de géotraitement ArcGIS
Type de méthode :Méthode de classe

Usage

CoastWatchAVHRR.ToArcGISRasterList( CoastWatchFileList , variableList , outputRasterList [ , skipMaskingForGraphicsVariable [ , skipCloudMaskingForCloudVariable [ , masqueTerre [ , cloudMaskFileList [ , nuageVariable [ , sunZenithFileList [ , sunZenithVariable [ , utilisezDayCloudTest1 [ , utilisezDayCloudTest2 [ , utilisezDayCloudTest3 [ , utilisezDayCloudTest4 [ , utilisezDayCloudTest5 [ , utilisezDayCloudTest6 [ , utilisezDayCloudTest7 [ , maskWhenDayCloudMaskExceeds [ , useNightCloudTest1 [ , useNightCloudTest2 [ , useNightCloudTest3 [ , useNightCloudTest4 [ , useNightCloudTest5 [ , useNightCloudTest6 [ , useNightCloudTest7 [ , maskWhenNightCloudMaskExceeds [ , minNuageuxVoisins [ , ProjectedCoordinateSystem [ , géographiqueTransformation [ , technique de rééchantillonnage [ , projectedCellSize [ , point d'inscription [ , découpageRectangle [ , mapAlgèbreExpression [ , construire des pyramides [ , sauterExistant [ , écraserExistant [ , chemin de base ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] ] )

Arguments

Liste des chemins des fichiers CoastWatch POES AVHRR CWF ou HDF.

Seuls les fichiers CoastWatch POES AVHRR sont pris en charge. D'autres fichiers CoastWatch, tels que ceux de la série de satellites GOES, seront ignorés et un avertissement sera signalé.

Les fichiers compressés dans un format de compression pris en charge seront automatiquement décompressés. Les archives (par exemple .zip ou .tar) doivent contenir exactement un fichier, qui ne doit pas se trouver dans un sous-répertoire.

variableListe

Type Python :liste de unicode
Longueur minimale:0

Liste des noms des variables à extraire des fichiers correspondants. Au moment d'écrire ces lignes, le programme CoastWatch était connu pour avoir publié des fichiers avec ces variables :

Veuillez consulter la documentation de CoastWatch pour plus d'informations sur ces variables. En général, la plupart des utilisateurs sont intéressés par la variable "sst", qui est la température de surface de la mer estimée, et la variable "cloud", qui est un masque de bits indiquant quels tests de nuages ​​ont échoué pour ce pixel. Une valeur de 0 pour la variable cloud indique que tous les tests cloud ont réussi et CoastWatch a une grande confiance dans la validité de la valeur SST pour ce pixel.

outputRasterList

Type Python :liste de unicode
Longueur minimale:0

Liste des rasters en sortie à créer.

skipMaskingForGraphicsVariable

Type Python :bool
Valeur par défaut: Vrai

Si True et que la variable graphique est en cours de conversion, les options de masque restantes seront ignorées et aucun masquage ne sera effectué. Le raster en sortie affichera la variable graphique dans toute son étendue non masquée. Si False, ou si une autre variable est en cours de conversion, le masquage sera effectué.

skipCloudMaskingForCloudVariable

Type Python :bool
Valeur par défaut: Vrai

Si True et que la variable de nuage est en cours de conversion, les options de masque de nuage seront ignorées et aucun masquage de nuage ne sera effectué (bien que d'autres options de masque seront utilisées). Si False, ou si une autre variable est en cours de conversion, les options de masque de nuage seront utilisées.

masqueTerre

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels classés comme terrestres par la variable graphique CoastWatch seront masqués.

La variable graphique est obtenue en appelant le programme cwgraphics de CoastWatch Utilities sur le fichier d'entrée. J'ai observé que ce programme ne produit pas toujours un masque de terrain 100% identique à la variable graphique contenue dans le fichier d'entrée. Par exemple, lorsque j'ai exécuté cwgraphics sur 2005_108_1841_n16_er.hdf, j'ai remarqué que plusieurs pixels, principalement près des bords des images, différaient de ceux obtenus en visualisant la variable graphique dans 2005_108_1841_n16_er.hdf à l'aide du programme cdat.

Je ne connais pas la raison de cet écart. Ma théorie est que le programme cwgraphics ne lit pas du tout la variable graphique du fichier d'entrée. Au lieu de cela, il ne lit que l'étendue géographique, puis produit un nouveau masque terrestre à partir de sa base de données dans le répertoire d'installation de CoastWatch Utilities. Les versions plus récentes de CoastWatch Utilities peuvent inclure des masques terrestres mis à jour qui diffèrent de ceux utilisés par CoastWatch dans le passé. Mais ce n'est qu'une théorie. Dans tous les cas, l'écart semble être assez insignifiant et ne devrait pas affecter la plupart des utilisateurs.

cloudMaskFileList

Type Python :liste de unicode ou alors Rien, ou alors Rien
Valeur par défaut:Rien
Longueur minimale:0

Liste des chemins des fichiers CoastWatch POES AVHRR CWF ou HDF qui contiennent les masques de nuages ​​pour les fichiers d'entrée.

Si vous omettez ce paramètre, cet outil essaiera à la place d'obtenir le masque de nuage à partir du fichier CoastWatch d'entrée. Cela se produira également lorsque vous spécifiez un champ pour ce paramètre, mais qu'une ligne donnée contient NULL pour ce champ. Si aucun masque de nuage ne peut être obtenu à partir du fichier utilisé, le masquage de nuage ne sera pas effectué.

Si vous ne traitez que des HDF, vous pouvez probablement omettre ce paramètre. Les HDF contiennent généralement toutes les variables pour un passage de satellite donné, y compris le masque de nuage, il n'est donc pas nécessaire de l'obtenir à partir d'un fichier différent. Si vous traitez des CWF, vous devez spécifier un champ pour ce paramètre si vous souhaitez que le masquage des nuages ​​soit effectué. Si vous traitez à la fois des HDF et des CWF, le champ peut contenir NULL pour les HDF.

Les fichiers compressés dans un format de compression pris en charge seront automatiquement décompressés. Les archives (par exemple .zip ou .tar) doivent contenir exactement un fichier, qui ne doit pas se trouver dans un sous-répertoire.

nuageVariable

Type Python :unicode ou alors Rien
Valeur par défaut: tu "nuage"
Longueur minimale:1

Nom de la variable CoastWatch à extraire du fichier de masque de nuage et à utiliser comme masque de nuage (par exemple, "cloud").

L'implémentation actuelle de cet outil a été conçue pour fonctionner sur le masque de nuage CLAVR 8 bits représenté par la variable "cloud" dans les fichiers CoastWatch. Il n'a pas été conçu pour fonctionner sur la variable "cloudx", qui est un nouveau masque de nuage expérimental CLAVR-x disponible dans les récents fichiers HDF de CoastWatch. Néanmoins, si vous souhaitez opérer sur la variable cloudx, vous pouvez la spécifier à la place de cloud et choisir les options de masque appropriées à la place.

sunZenithFileListe

Type Python :liste de unicode ou alors Rien, ou alors Rien
Valeur par défaut:Rien
Longueur minimale:0

Liste des chemins des fichiers CoastWatch POES AVHRR CWF ou HDF qui contiennent les images du zénith solaire des nuages ​​(c'est-à-dire la variable "sun_zenith") pour les fichiers d'entrée.

Si vous omettez ce paramètre, cet outil essaiera à la place d'obtenir l'image du zénith solaire à partir du fichier CoastWatch d'entrée. Cela se produira également lorsque vous spécifiez un champ pour ce paramètre, mais qu'une ligne donnée contient NULL pour ce champ.

Si vous ne traitez que des HDF, vous pouvez probablement omettre ce paramètre. Les HDF contiennent généralement toutes les variables pour un passage de satellite donné, y compris le zénith solaire (lorsque le soleil est au-dessus de l'horizon), il n'est donc pas nécessaire de l'obtenir à partir d'un fichier différent. Si vous traitez des CWF, vous devez spécifier un champ pour ce paramètre si vous souhaitez que le masquage des nuages ​​soit effectué et que vous traitez des images avec une heure de scène jour/nuit. Si vous traitez à la fois des HDF et des CWF, le champ peut contenir NULL pour les HDF.

Les fichiers compressés dans un format de compression pris en charge seront automatiquement décompressés. Les archives (par exemple .zip ou .tar) doivent contenir exactement un fichier, qui ne doit pas se trouver dans un sous-répertoire.

Selon Peter Hollemans, chercheur de CoastWatch, lorsque l'heure de la scène d'une image est "le jour", tous les pixels du masque de nuage utilisent des tests de nuage de jour, et quand il fait "nuit", tous les pixels utilisent des tests de nuage de nuit. Lorsque l'heure de la scène est "jour/nuit", la décision des tests à utiliser est basée sur le zénith solaire pour ce pixel.

Selon Peter, pour les fichiers HDF CoastWatch, les pixels avec un zénith solaire > 80 degrés utilisent les tests de nuages ​​nocturnes, et <= 80 utilisent les tests de nuages ​​diurnes. Cet outil met en œuvre cette logique.Si vous spécifiez que le masquage des nuages ​​doit être effectué pour une image jour/nuit mais qu'aucune image du zénith solaire n'est disponible, cet outil supposera que des tests de nuages ​​nocturnes ont été utilisés pour chaque pixel et un avertissement sera émis. Pour une raison quelconque, CoastWatch produit occasionnellement des images jour/nuit sans sun_zenith ou d'autres variables présentes dans les images diurnes. Si je me souviens bien, Peter a dit qu'il est prudent de supposer pour ces images que tous les pixels sont nocturnes.

L'image du zénith solaire est ignorée pour les heures de scène autres que "jour/nuit" (par exemple "jour" ou "nuit").

Après quelques recherches, je trouve que les pixels du masque de nuage près de la ligne du zénith solaire à 80 degrés sont problématiques, pour deux raisons :

  • Selon Peter, la ligne de coupure du zénith solaire <= 80 ne va pas s'aligner parfaitement avec le passage des tests de nuages ​​diurnes aux tests nocturnes car les angles du zénith solaire sont arrondis au 0,01 le plus proche lorsqu'ils sont écrits dans le fichier HDF, donc quelques pixels avec les valeurs de 80,003 par exemple seront arrondies à 80 même si elles ont subi un traitement avec les tests de nuages ​​nocturnes. Peter a déclaré: "Je suppose que c'est le défaut du stockage des données d'angle dans HDF sous forme d'entiers mis à l'échelle (cette décision était principalement due à des problèmes de taille de fichier)."
  • Le basculement entre les tests de jour et les tests de nuit ne se manifeste pas par une transition nette dans les pixels du masque de nuage. Les pixels diurnes ne semblent pas s'appuyer proprement sur les pixels nocturnes. Au contraire, une bande de pixels avec des valeurs étranges sépare les deux de manière irrégulière. Peter a déclaré : « La transition apparente entre les tests de jour et de nuit est liée aux fonctions de voisinage. Les tests d'uniformité utilisent une boîte 2x2 de valeurs de données à droite et en dessous d'une valeur donnée dans le tableau pour vérifier qu'une condition est vraie, et le les résultats du test d'uniformité marquent tous les pixels de la case 2x2 avec les résultats du test, que tous ces pixels soient de jour ou de nuit. Le jour et la nuit ont des tests d'uniformité, de sorte que les résultats des tests d'uniformité à la limite jour/nuit sont mélangés Le mélange est généralement acceptable car les résultats sont destinés à être utilisés pour le masquage SST et non pour l'évaluation du type de nuage et le mélange ne se produit que dans des conditions nuageuses, pas des conditions SST claires."

Peter a dit qu'il ne savait pas ce qui était fait pour les fichiers CWF jour/nuit de CoastWatch. J'en ai examiné quelques-uns de la région du Nord-Est, et il est apparu qu'ils sont également passés des tests de nuages ​​diurnes aux tests nocturnes au milieu de l'image. Mais le site de distribution de la NOAA (http://www.class.noaa.gov) ne semblait avoir des CWF contenant la variable sun_zenith que pour des dates postérieures à la fin de 1999.

Peter a mentionné que le programme cwangles de CoastWatch Utilities pouvait calculer le zénith solaire, mais les valeurs ne seraient qu'approximatives car le programme supposait que tous les pixels étaient obtenus par le capteur au même moment. J'ai essayé cette approche, mais la ligne du zénith solaire à 80 degrés ne correspondait pas à la ligne où les tests de nuages ​​semblaient basculer. Pour cette raison, je ne pense pas que les fichiers CWF jour/nuit seront utilisables pour les utilisateurs qui souhaitent utiliser certains tests cloud et en ignorer d'autres.

sunZenithVariable

Type Python :unicode ou alors Rien
Valeur par défaut: u'sun_zenith'
Longueur minimale:1

Nom de la variable CoastWatch à extraire du fichier de zénith solaire et à utiliser comme image de zénith solaire (par exemple "sun_zenith").

useDayCloudTest1

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test de nuage brut réfléchissant CLAVR-1 (bit 1 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Selon Peter Hollemans, chercheur de CoastWatch, le même test CLAVR-1 est utilisé pour les fichiers CWF et HDF, mais pour les fichiers HDF, les seuils CLAVR-x sont utilisés à la place des seuils CLAVR-1.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest2

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test d'uniformité de réflectance CLAVR-1 (bit 2 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Selon Peter Hollemans, chercheur de CoastWatch, le même test CLAVR-1 est utilisé pour les fichiers CWF et HDF, mais pour les fichiers HDF, les seuils CLAVR-x sont utilisés à la place des seuils CLAVR-1.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest3

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test de nuage du rapport de réflectance CLAVR-1 (bit 3 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Selon Peter Hollemans, chercheur de CoastWatch, le même test CLAVR-1 est utilisé pour les fichiers CWF et HDF, mais pour les fichiers HDF, les seuils CLAVR-x sont utilisés à la place des seuils CLAVR-1.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest4

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test d'albédo du canal 3 du CLAVR-1 (bit 4 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif, et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest5

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test d'uniformité thermique CLAVR-1 (bit 5 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest6

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test CLAVR-1 Four Minus Five (bit 6 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useDayCloudTest7

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels diurnes qui ont échoué au test de nuage thermique brut CLAVR-1 (bit 7 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

maskQuandDayCloudMaskExceeds

Type Python :entier ou alors Rien
Valeur par défaut:Rien
Valeur minimum: 0

Si une valeur est fournie, les pixels diurnes avec une valeur de masque de nuage supérieure à cette valeur seront masqués.

Le masque de nuage CoastWatch est un masque de bits, où chaque bit représente la réussite (0) ou l'échec (1) d'un test de nuage CLAVR donné. Ainsi, les valeurs de masque de nuage ne sont PAS destinées à être interprétées comme une plage, comme un spectre, où 0 représente "très clair" et 255 représente "très nuageux". Néanmoins, certains utilisateurs de cet outil ont déterminé que pour leur étude, le meilleur compromis entre la minimisation de l'erreur SST et la minimisation du nombre de pixels masqués par les nuages ​​était obtenu en masquant tous les pixels où le masque de nuage dépassait une certaine valeur. Cette option a été implémentée spécifiquement pour ces utilisateurs et n'est pas recommandée pour une utilisation générale. Si vous utilisez cette option, veillez à étudier de nombreuses images de masque de nuage avant de sélectionner une valeur.

Si une valeur est fournie à la fois pour ce paramètre et pour les bits de test cloud spécifiés par les paramètres précédents, tous ces paramètres seront effectifs. En d'autres termes, un pixel nuageux peut être masqué en échouant à un test de nuage spécifique, ou en dépassant la valeur minimale du masque de nuage, ou les deux. .

Ce paramètre est ignoré pour les pixels nocturnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage. Pour plus d'informations sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest1

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test de nuage thermique brut CLAVR-1 (bit 1 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest2

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test d'uniformité thermique CLAVR-1 (bit 2 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest3

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test CLAVR-1 Uniform Low Stratus (bit 3 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest4

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test CLAVR-1 Four Minus Five (bit 4 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif, et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest5

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test CLAVR-1 Cirrus (bit 5 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest6

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test d'albédo du canal 3B CLAVR-x (bit 6 du masque de nuage) seront masqués. Si False, ce test cloud sera ignoré.

Selon Peter Hollemans, chercheur de CoastWatch, ce test n'a pas été utilisé pour les fichiers CWF de CoastWatch et le bit 6 sera donc toujours à 0, indiquant le succès, pour les pixels du masque de nuage nocturne CWF.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

useNightCloudTest7

Type Python :bool
Valeur par défaut: Vrai

Si True, les pixels nocturnes qui ont échoué au test d'uniformité d'albédo du canal 3B CLAVR-x (bit 7 du masque de nuage) seront masqués. Si False, ce test de cloud sera ignoré.

Selon Peter Hollemans, chercheur de CoastWatch, ce test n'a pas été utilisé pour les fichiers CWF de CoastWatch et donc le bit 7 sera toujours à 0, indiquant le succès, pour les pixels du masque de nuage nocturne CWF.

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage.

Dans les masques de cloud CoastWatch, le bit 1 est le bit le moins significatif et une valeur de 0 pour un bit indique que le test de cloud a réussi, tandis que 1 indique qu'il a échoué. Pour plus de détails sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

maskQuandNuitNuageMaskExceeds

Type Python :entier ou alors Rien
Valeur par défaut:Rien
Valeur minimum: 0

Si une valeur est fournie, les pixels nocturnes avec une valeur de masque de nuage supérieure à cette valeur seront masqués.

Le masque de nuage CoastWatch est un masque de bits, où chaque bit représente le succès (0) ou l'échec (1) d'un test de nuage CLAVR donné. Ainsi, les valeurs de masque de nuage ne sont PAS destinées à être interprétées comme une plage, comme un spectre, où 0 représente "très clair" et 255 représente "très nuageux". Néanmoins, certains utilisateurs de cet outil ont déterminé que pour leur étude, le meilleur compromis entre la minimisation de l'erreur SST et la minimisation du nombre de pixels masqués par les nuages ​​était obtenu en masquant tous les pixels où le masque de nuage dépassait une certaine valeur. Cette option a été implémentée spécifiquement pour ces utilisateurs et n'est pas recommandée pour une utilisation générale. Si vous utilisez cette option, veillez à étudier de nombreuses images de masque de nuage avant de sélectionner une valeur.

Si une valeur est fournie à la fois pour ce paramètre et pour les bits de test de nuage spécifiés par les paramètres précédents, tous ces paramètres seront effectifs. En d'autres termes, un pixel nuageux peut être masqué en échouant à un test de nuage spécifique, ou en dépassant la valeur minimale du masque de nuage, ou les deux. .

Ce paramètre est ignoré pour les pixels diurnes. Pour une discussion sur la façon dont les pixels sont classés comme diurnes ou nocturnes, veuillez consulter la documentation du paramètre de fichier de masque de nuage. Pour plus d'informations sur les tests cloud, veuillez consulter la documentation CoastWatch et CLAVR.

minNuageuxVoisins

Type Python :entier ou alors Rien
Valeur par défaut:Rien
Valeur minimum: 1

Nombre minimum de voisins qu'un pixel nuageux doit avoir pour que ce pixel soit masqué.

Vous pouvez utiliser cette option pour ignorer les pixels nuageux isolés qui ne sont pas regroupés. Par exemple, si vous spécifiez la valeur 1, les pixels nuageux seront ignorés et ne seront pas utilisés dans le processus de masquage à moins qu'au moins un de leurs huit voisins ne soit également nuageux.

Si un voisin n'est pas nuageux mais qu'il est masqué pour une autre raison (par exemple, c'est la terre), il ne compte pas comme étant nuageux.

Cette option est ignorée lorsque le masquage des nuages ​​n'est pas effectué.

ProjectedCoordinateSystem

Type Python :unicode ou alors Rien
Valeur par défaut:Rien
Longueur minimale:1

Nouveau système de coordonnées vers lequel projeter le raster.

Le raster ne peut être projeté dans un nouveau système de coordonnées que si la projection d'origine est définie. Une erreur sera générée si vous spécifiez un nouveau système de coordonnées sans définir le système de coordonnées d'origine.

L'outil ArcGIS Project Raster est utilisé pour effectuer la projection. La documentation de cet outil recommande de spécifier également une taille de cellule pour le nouveau système de coordonnées.

J'ai remarqué que pour certains systèmes de coordonnées, l'outil ArcGIS 9.2 Project Raster semble couper le raster projeté dans une mesure arbitraire trop petite. Par exemple, lors de la projection d'une image globale de chlorophylle MODIS Aqua de 4 km en coordonnées géographiques vers Lambert_Azimuthal_Equal_Area avec un méridien central de -60 et une latitude d'origine de -63, l'image résultante est tronquée pour ne montrer qu'un quart de la planète. Ce problème ne se produit pas lorsque Project Raster est appelé de manière interactive à partir de l'interface utilisateur d'ArcGIS, il se produit uniquement lorsque l'outil est appelé par programmation (la méthode ProjectRaster_management du géoprocesseur). Ainsi, vous ne le verrez peut-être pas lorsque vous utilisez Project Raster vous-même, mais cela peut arriver lorsque vous utilisez des outils MGET qui appellent Project Raster dans le cadre de leurs opérations de géotraitement.

Si vous rencontrez ce problème, vous pouvez le contourner comme ceci :

  • Tout d'abord, exécutez cet outil sans spécifier de nouveau système de coordonnées, pour obtenir le raster dans le système de coordonnées d'origine.
  • Dans ArcCatalog, utilisez l'outil Projeter un raster pour projeter le raster dans le nouveau système de coordonnées. Vérifiez que tout le raster est présent, qu'il n'a pas été découpé dans une mesure trop petite.
  • Dans ArcCatalog, recherchez l'étendue du raster projeté en cliquant dessus avec le bouton droit dans l'arborescence du catalogue, en sélectionnant Propriétés et en faisant défiler jusqu'à Etendue.
  • Maintenant, avant d'exécuter l'outil MGET qui projette le raster, définissez le paramètre d'environnement Etendue sur les valeurs que vous avez recherchées. Si vous appelez l'outil MGET de manière interactive à partir d'ArcCatalog ou d'ArcMap, cliquez sur le bouton Environnements dans la boîte de dialogue de l'outil, ouvrez Paramètres généraux, modifiez la liste déroulante Étendue sur "Comme spécifié ci-dessous" et saisissez les valeurs que vous avez recherchées. Si vous l'invoquez à partir d'un modèle de géotraitement, cliquez avec le bouton droit sur l'outil dans le modèle, sélectionnez Créer une variable, À partir de l'environnement, Paramètres généraux, Étendue. Cela placera l'étendue en tant que variable dans votre modèle, attachée à l'outil MGET. Ouvrez la variable Etendue, remplacez-la par "Comme spécifié ci-dessous" et saisissez les valeurs que vous avez recherchées. Si vous appelez l'outil MGET par programme, vous devez définir la propriété Extent du géoprocesseur sur les valeurs que vous avez recherchées. Veuillez consulter la documentation ArcGIS pour plus d'informations à ce sujet et les paramètres d'environnement en général.
  • Exécutez l'outil MGET. L'étendue du raster doit maintenant être de la bonne taille.

Une méthode de transformation utilisée pour convertir entre le système de coordonnées d'origine et le nouveau système de coordonnées.

Ce paramètre est une nouvelle option introduite par ArcGIS 9.2. Vous devez disposer d'ArcGIS 9.2 pour utiliser ce paramètre.

Ce paramètre n'est nécessaire que lorsque vous spécifiez que le raster doit être projeté dans un nouveau système de coordonnées et que ce nouveau système utilise un système de référence différent du système de coordonnées d'origine, ou qu'il existe une autre différence entre les deux systèmes de coordonnées qui nécessite une transformation. Pour déterminer si une transformation est nécessaire, je recommande la procédure suivante :

  • Tout d'abord, exécutez cet outil sans spécifier de nouveau système de coordonnées, pour obtenir le raster dans le système de coordonnées d'origine.
  • Ensuite, utilisez l'outil ArcGIS 9.2 Project Raster sur le raster pour le projeter dans le système de coordonnées souhaité. Si une transformation géographique est nécessaire, cet outil vous en demandera une. Notez le nom exact de la transformation que vous avez utilisée.
  • Enfin, si une transformation était nécessaire, saisissez le nom exact dans cet outil, réexécutez-le et vérifiez que le raster a été projeté comme vous le souhaitez.

Algorithme de rééchantillonnage à utiliser pour projeter le raster d'origine dans un nouveau système de coordonnées. L'outil ArcGIS Project Raster est utilisé pour effectuer la projection et accepte les valeurs suivantes :

  • NEAREST - interpolation du voisin le plus proche
  • BILINAIRE - interpolation bilinéaire
  • CUBIC - convolution cubique

Vous devez spécifier l'un de ces algorithmes pour projeter vers un nouveau système de coordonnées. Une erreur sera générée si vous spécifiez un nouveau système de coordonnées sans sélectionner d'algorithme.

TailleCellule projetée

Type Python :flotter ou alors Rien
Valeur par défaut:Rien

La taille de cellule du système de coordonnées projeté. Bien que ce paramètre soit facultatif, pour obtenir les meilleurs résultats, la documentation ArcGIS vous recommande de toujours le spécifier lors de la projection dans un nouveau système de coordonnées.

point d'enregistrement

Type Python :unicode ou alors Rien
Valeur par défaut:Rien
Longueur minimale:1
Doit correspondre à l'expression régulière : ([-+]?[0-9]*.?[0-9]+([eE][-+]?[0-9]+)?)s+([-+]?[0- 9]*.?[0-9]+([eE][-+]?[0-9]+)?)

Les coordonnées x et y (dans l'espace de sortie) utilisées pour l'alignement des pixels.

Ce paramètre est une nouvelle option introduite par ArcGIS 9.2. Vous devez disposer d'ArcGIS 9.2 pour utiliser ce paramètre. Il est ignoré si vous ne spécifiez pas que le raster doit être projeté dans un nouveau système de coordonnées.

découpageRectangle

Type Python :unicode ou alors Rien
Valeur par défaut:Rien
Longueur minimale:1
Doit correspondre à l'expression régulière : ([-+]?[0-9]*.?[0-9]+([eE][-+]?[0-9]+)?)s+([-+]?[0- 9]*.?[0-9]+([eE][-+]?[0-9]+)?)s+([-+]?[0-9]*.?[0- 9]+([eE][-+]?[0-9]+)?)s+([-+]?[0-9]*.?[0-9]+([eE][- +]?[0-9]+) ?)

Rectangle auquel le raster doit être découpé.

Si un système de coordonnées projetées a été spécifié, le découpage est effectué après la projection et les coordonnées du rectangle doivent être spécifiées dans le nouveau système de coordonnées. Si aucun système de coordonnées projetées n'a été spécifié, les coordonnées doivent être spécifiées dans le système de coordonnées d'origine.

L'outil ArcGIS Clip est utilisé pour effectuer le clip. Le rectangle de découpage doit être transmis à cet outil sous la forme d'une chaîne de quatre nombres séparés par des espaces. L'interface utilisateur ArcGIS formate automatiquement la chaîne correctement lors de l'appel de cet outil à partir de l'interface utilisateur ArcGIS, vous n'avez pas à vous soucier du format. Mais lorsque vous l'invoquez par programmation, veillez à fournir une chaîne correctement formatée. Les numéros sont ordonnés GAUCHE, BAS, DROITE, HAUT. Par exemple, si le raster se trouve dans un système de coordonnées géographiques, il peut être découpé à 10 W, 15 S, 20 E et 25 N avec la chaîne :

Des nombres entiers ou décimaux peuvent être fournis.

mapAlgèbreExpression

Type Python :unicode ou alors Rien
Valeur par défaut:Rien
Longueur minimale:1
Longueur maximale:4000

Mapper l'expression d'algèbre à exécuter sur le raster.

ATTENTION: Le générateur de modèle de géotraitement ArcGIS peut supprimer de manière aléatoire et silencieuse la valeur de ce paramètre. Il s'agit d'un bogue dans ArcGIS. Avant d'exécuter un modèle que vous avez enregistré, ouvrez cet outil et vérifiez que la valeur du paramètre existe toujours.

L'expression est exécutée une fois que le raster converti est projeté et découpé (si ces options sont spécifiées). Utilisez la chaîne inputRaster sensible à la casse pour représenter le raster sur lequel vous souhaitez maintenant effectuer une algèbre cartographique. Par exemple, pour convertir le raster en raster d'entiers et ajouter 1 à toutes les cellules, utilisez cette expression :

La chaîne inputRaster est sensible à la casse. Avant d'exécuter l'expression d'algèbre de carte, la chaîne est remplacée par le chemin d'accès à un raster temporaire qui représente le raster généré. L'expression finale doit comporter moins de 4 000 caractères, sinon ArcGIS signalera une erreur.

L'outil ArcGIS Single Output Map Algebra est utilisé pour exécuter l'expression d'algèbre cartographique. Vous devez disposer d'une licence pour l'extension ArcGIS Spatial Analyst afin d'effectuer l'algèbre cartographique.

La syntaxe de l'algèbre cartographique peut être très pointilleuse. Voici quelques conseils qui vous aideront à réussir avec cet outil :

  • Avant d'utiliser cet outil, créez et testez votre expression d'algèbre cartographique à l'aide de l'outil ArcGIS Single Output Map Algebra. Collez ensuite l'expression dans cet outil et modifiez-la pour utiliser la variable inputRaster plutôt que la valeur de test que vous avez utilisée avec Single Output Map Algebra.
  • Si vous développez votre expression directement dans cet outil, commencez par une expression très simple. Vérifiez qu'il fonctionne correctement, ajoutez-en un peu et vérifiez à nouveau. Répétez ce processus jusqu'à ce que vous ayez construit l'expression complète.
  • Séparez toujours les opérateurs mathématiques des chemins raster à l'aide d'espaces. Dans l'exemple ci-dessus, l'opérateur / contient un espace de chaque côté. Suivez ce modèle. Dans certaines circonstances, ArcGIS ne parviendra pas à traiter les expressions d'algèbre raster qui ne séparent pas les chemins raster des opérateurs utilisant des espaces. Le message d'erreur signalé n'indique généralement pas qu'il s'agit du problème, et le retrouver peut être très frustrant.

Si True, des pyramides seront créées pour le raster, ce qui améliorera sa vitesse d'affichage dans l'interface utilisateur d'ArcGIS.

sauterExistant

Type Python :bool
Valeur par défaut: Faux

Si True, la conversion sera ignorée pour les rasters en sortie qui existent déjà.

écraserExistant

Type Python :bool
Valeur par défaut: Faux

Si True et skipExisting ont la valeur False, les rasters en sortie existants seront écrasés.

chemin de base

Type Python :unicode ou alors Rien
Valeur par défaut:Rien
Longueur minimale:1
Longueur maximale:255
Doit exister :Non

Chemin de base à ajouter aux chemins relatifs.

Si l'un des chemins d'entrée (ou les chemins de sortie, si cette méthode a des sorties) contenus dans les listes sont des chemins relatifs, ils seront convertis en chemins absolus avant le traitement, comme suit :


SIG pour le stockage et l'analyse combinés des données provenant des mesures de déformation par télédétection par radar terrestre et à synthèse d'ouverture dans l'extraction de la houille

Dans cet article, nous démontrons les capacités de notre développement logiciel basé sur ArcGIS qui comprend un système de base de données adapté et un outil SIG pour le stockage, l'analyse combinée et la visualisation des données de nivellement et des mesures de déformation du radar à ouverture synthétique (SAR) interférométrique. Les données d'images de télédétection prétraitées sont stockées avec des métadonnées qui incluent toutes les routines et paramètres de traitement. Cela permet la reproduction et la traçabilité de toutes les étapes de transformation. La surveillance de la déformation est prise en charge par la recherche et la sélection de données sur la base d'une variété de critères. Une boîte à outils méthodes permet des analyses spatio-temporelles de points, de lignes et de zones (par exemple, les bassins de subsidence) de manière graphique.

Faits saillants de la recherche

► Logiciel basé sur ArcGIS pour le stockage et l'analyse des mesures de déformation par télédétection terrestre et radar. ► Données de télédétection stockées avec les paramètres de traitement pour la reproduction et la traçabilité du traitement. ► Suivi des déformations pris en charge par la découverte de données sur la base de critères variables. ► Une boîte à outils permet des analyses graphiques spatio-temporelles des entités ponctuelles, linéaires et surfaciques.


Base de connaissances


Cet article décrit le processus d'importation de données IMS ASCII, en résolutions 1, 4 et 24 km dans ArcGIS. Cet article a été produit à l'aide d'ArcMap v10.5. Pour les données de résolution de 24 km, il existe à la fois des versions compressées et non compressées des données. Pour les données compressées, veuillez suivre toutes les étapes ci-dessous. Pour les données décompressées, téléchargez le fichier IMS_24km_Unpacked_to_Packed.txt contenant le code Python au bas de cette page. Remplacez l'extension par .py et utilisez le script pour convertir en forme compressée prête pour ArcGIS, puis suivez les étapes 5 à 8. Les étapes à suivre nécessitent l'utilisation de l'utilitaire de ligne de commande « Sed » inclus dans les environnements de type Unix. Si vous utilisez une machine Windows, vous pouvez installer « Sed for Windows » via SourceForge : http://gnuwin32.sourceforge.net/packages/sed.htm

  1. Décompressez le fichier *.asc.gz que vous avez téléchargé depuis notre FTP
  2. Dans l'éditeur de texte de votre choix, ouvrez le fichier *.asc et supprimez les informations d'en-tête de sorte que seul le tableau de données numériques reste. Assurez-vous qu'il n'y a pas d'espace ou de ligne blanche au début du document. Enregistrez votre nouveau tableau de données sous le nom *_stripped.asc.
  3. Ouvrez une fenêtre de ligne de commande/terminal dans le même répertoire que votre tableau de données sans en-tête et exécutez la commande sed suivante pour insérer un espace blanc entre chaque entier du tableau :

sed 's/.<1>/& /g' nom de fichier_strip.asc > nouveaunom de fichier.asc

    Ouvrez votre nouveaunom de fichier.asc et ajoutez des informations d'en-tête aux cinq premières lignes du fichier. Les informations d'en-tête dépendront de la résolution de fichier avec laquelle vous travaillez (voir le tableau 4 de la documentation IMS) :
      Pour des données de résolution de 24 km, sous forme compressée

    NCOLS 24576
    NROWS 24576
    XLLCORNER -12288000.0
    YLLCORNER -12288000.0
    TAILLE CELLULE 1000.0

    Voici un exemple à quoi devrait ressembler le fichier .asc de 24 km (emballé) une fois les étapes 1 à 4 terminées.

    Maintenant, enregistrez votre fichier comme vous préférez.

    1. Pour les données de 24 km :
      1. Système de coordonnées en sortie : ajouter un système de coordonnées -> Nouveau -> Système de coordonnées projetées
      2. Général -> Nom : 'Système de coordonnées IMS 24 km'
      3. Nom > projeté (liste déroulante) : Polar_Stereographic_Variant_B
      4. Définir le parallèle standard = 60 et la longitude d'origine = -80
      5. Système de coordonnées géographiques -> "Modifier. "
      6. "Ajouter un système de coordonnées :" > Nouveau système de coordonnées géographiques
      7. Nom: 'IMS_24km_Système de coordonnées géographiques'
      8. Définissez Datum sur <custom> et Sphéroïde sur <custom>
      9. Définissez les axes Smi majeur et Semi mineur sur : 6371200
      10. Aplatissement inverse = 0
      11. Appliquer toutes les modifications
      1. Système de coordonnées en sortie : ajouter un système de coordonnées -> Nouveau -> Système de coordonnées projetées
      2. Général -> Nom : 'Système de coordonnées IMS xxkm'
      3. Nom : Polar_Stereographic_Variant_B
      4. Définir le parallèle standard = 60 et la longitude d'origine = -80

      Exemple de sortie du déballé à emballé 24 km conversion


      Comment puis-je ouvrir un fichier STN ?

      Vous avez besoin d'un logiciel adapté comme ArcGIS pour ouvrir un fichier STN. Sans logiciel approprié, vous recevrez un message Windows "Comment veux-tu ouvrir ce fichier ?" ou alors "Windows ne peut pas ouvrir ce fichier" ou une alerte Mac/iPhone/Android similaire. Si vous ne parvenez pas à ouvrir votre fichier STN correctement, essayez de faire un clic droit ou d'appuyer longuement sur le fichier. Cliquez ensuite sur "Ouvrir avec" et choisissez une application. Vous pouvez également afficher un fichier STN directement dans le navigateur : .Faites simplement glisser le fichier sur cette fenêtre de navigateur et déposez-le.


      Voir la vidéo: Change Projection - Coordinate System in ArcMap