GlobalMapper20 坡度坡向分析及信息提取

2023-10-13 17:10

本文主要是介绍GlobalMapper20 坡度坡向分析及信息提取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

0、先看图

image.png

image.png

一、几个概念:

坡度和坡向是两个重要的地形特征因子,在地形表面分析中起到重要作用。其中,坡度是地表面上某一点的切面和水平面所成的夹角,坡度值越大,地势越陡峭;坡度值越小,地势越平坦。而坡度变化的方向称为坡向,指每个像元到其相邻像元方向上值的变化率最大的下坡方向,表示地表面某一位置斜坡方向变化的量度。

 

坡度的百分数是指坡度的百分比法。

度bai百分比法是表示坡度最为常用的方法,即du两点的zhi高程差与其路程的百分比,其计算公式如下:坡度 = (高程差/路程)x100%

 

使用百分比表示时,即:i=h/l×100%

 

例如:坡度3% 是指路程每100米,垂直方向上升(下降)3米 ;1%是指路程每100米,垂直方向上升(下降)1米 。

 

二、操作流程

2.1 打开DEM

老生常谈:拖拽打开地形即可

image.png

2.2 坡度、坡向分析

双击地形图层,或者右键Options

image.png

设置:

注:随时可调整,调整后的图参考文章最开始放的两张图

image.png

2.3 查看结果

点击feature info按钮或者alt+p

image.png

和分析之前的像素信息对比,可以相互对比下

image.png

2.4 导出结果

坡度坡向分析结果的导出一般是用于可视化效果的图片(Tif图),当然记得图例

image.png

导出影像:

image.png

2.5 导出矢量信息

为什么导出矢量信息?矢量信息利于分析,多因素叠加

2.5.1 创建点位:

方法一:导入

已经有点位信息的直接导入(kml、shp)都可以

方法二:格网创建

创建Grid

image.png

设置起点,格网数量,格网间距

image.png

切记:一定要选择创建模式,中心点,相交点等

image.png

image.png

方法三:按像素创建

image.png

image.png

放大之后,会发现每个像素都有一个点

image.png

image.png

2.5.2为矢量要素赋值:

选中要素

image.png

 

image.png

再用feature info选中查看这个点位信息

已经发生了变化

image.png

2.5.3 导出

这里导出shp为例

image.png

打开属性表检查,每一个点位的坐标,坡度、坡向、坡度百分比信息都在了

image.png

 

这篇关于GlobalMapper20 坡度坡向分析及信息提取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/204701

相关文章

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3

python使用Akshare与Streamlit实现股票估值分析教程(图文代码)

《python使用Akshare与Streamlit实现股票估值分析教程(图文代码)》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1