Perfil de elevación 10 km a cada lado de una línea

¿Cómo puedo obtener un perfil de elevación para una banda de terreno?

Se debe tener en cuenta la elevación más alta dentro de los 10 km (a cada lado de la línea definida).

Espero que mi pregunta sea clara. Muchas gracias por adelantado.

A continuación de los comentarios, aquí hay una versión que funciona con segmentos de línea perpendiculares. ¡Utilice con precaución ya que no lo he probado a fondo!

Este método es mucho más torpe que la respuesta de @ whuber, en parte porque no soy un buen programador y en parte porque el procesamiento de vectores es un poco falso. Espero que al menos te ayude a comenzar si los segmentos de línea perpendicular son lo que necesitas.

Deberá tener instalados los paquetes Shapely , Fiona y Numpy Python (junto con sus dependencias) para ejecutar esto.

#-------------------------------------------------------------------------------
# Name:        perp_lines.py
# Purpose:     Generates multiple profile lines perpendicular to an input line
#
# Author:      JamesS
#
# Created:     13/02/2013
#-------------------------------------------------------------------------------
""" Takes a shapefile containing a single line as input. Generates lines
    perpendicular to the original with the specified length and spacing and
    writes them to a new shapefile.

    The data should be in a projected co-ordinate system.
"""

import numpy as np
from fiona import collection
from shapely.geometry import LineString, MultiLineString

# ##############################################################################
# User input

# Input shapefile. Must be a single, simple line, in projected co-ordinates
in_shp = r'D:\Perp_Lines\Centre_Line.shp'

# The shapefile to which the perpendicular lines will be written
out_shp = r'D:\Perp_Lines\Output.shp'

# Profile spacing. The distance at which to space the perpendicular profiles
# In the same units as the original shapefile (e.g. metres)
spc = 100

# Length of cross-sections to calculate either side of central line
# i.e. the total length will be twice the value entered here.
# In the same co-ordinates as the original shapefile
sect_len = 1000
# ##############################################################################

# Open the shapefile and get the data
source = collection(in_shp, "r")
data = source.next()['geometry']
line = LineString(data['coordinates'])

# Define a schema for the output features. Add a new field called 'Dist'
# to uniquely identify each profile
schema = source.schema.copy()
schema['properties']['Dist'] = 'float'

# Open a new sink for the output features, using the same format driver
# and coordinate reference system as the source.
sink = collection(out_shp, "w", driver=source.driver, schema=schema,
                  crs=source.crs)

# Calculate the number of profiles to generate
n_prof = int(line.length/spc)

# Start iterating along the line
for prof in range(1, n_prof+1):
    # Get the start, mid and end points for this segment
    seg_st = line.interpolate((prof-1)*spc)
    seg_mid = line.interpolate((prof-0.5)*spc)
    seg_end = line.interpolate(prof*spc)

    # Get a displacement vector for this segment
    vec = np.array([[seg_end.x - seg_st.x,], [seg_end.y - seg_st.y,]])

    # Rotate the vector 90 deg clockwise and 90 deg counter clockwise
    rot_anti = np.array([[0, -1], [1, 0]])
    rot_clock = np.array([[0, 1], [-1, 0]])
    vec_anti = np.dot(rot_anti, vec)
    vec_clock = np.dot(rot_clock, vec)

    # Normalise the perpendicular vectors
    len_anti = ((vec_anti**2).sum())**0.5
    vec_anti = vec_anti/len_anti
    len_clock = ((vec_clock**2).sum())**0.5
    vec_clock = vec_clock/len_clock

    # Scale them up to the profile length
    vec_anti = vec_anti*sect_len
    vec_clock = vec_clock*sect_len

    # Calculate displacements from midpoint
    prof_st = (seg_mid.x + float(vec_anti[0]), seg_mid.y + float(vec_anti[1]))
    prof_end = (seg_mid.x + float(vec_clock[0]), seg_mid.y + float(vec_clock[1]))

    # Write to output
    rec = {'geometry':{'type':'LineString', 'coordinates':(prof_st, prof_end)},
           'properties':{'Id':0, 'Dist':(prof-0.5)*spc}}
    sink.write(rec)

# Tidy up
source.close()
sink.close()

La imagen a continuación muestra un ejemplo de la salida del script. Se alimenta en un archivo de forma que representa su línea central y especifica la longitud de las líneas perpendiculares y su espaciado. El resultado es un nuevo archivo de forma que contiene las líneas rojas en esta imagen, cada una de las cuales tiene un atributo asociado que especifica su distancia desde el inicio del perfil.

Como ha dicho @whuber en los comentarios, una vez que hayas llegado a esta etapa, el resto es bastante fácil. La imagen a continuación muestra otro ejemplo con la salida agregada a ArcMap.

Use la herramienta Característica a ráster para convertir las líneas perpendiculares en un ráster categórico. Configure el ráster VALUEpara que sea el Distcampo en el archivo de forma de salida. Asimismo, recuerda a configurar la herramienta Environmentsde manera que Extent, Cell sizey Snap rasterson los mismos que para su DEM subyacente. Debería terminar con una representación ráster de sus líneas, algo como esto:

Finalmente, convierta este ráster en una cuadrícula entera (usando la herramienta Int o la calculadora ráster), y úselo como zonas de entrada para la herramienta Estadística zonal como tabla . Debería terminar con una tabla de salida como esta:

El VALUEcampo en esta tabla proporciona la distancia desde el inicio de la línea de perfil original. Las otras columnas dan varias estadísticas (máximo, promedio, etc.) para los valores en cada transecto. Puede usar esta tabla para trazar su perfil de resumen.

NB: Un problema obvio con este método es que, si su línea original es muy ondulada, algunas de las líneas transectas pueden superponerse. Las herramientas de estadísticas zonales en ArcGIS no pueden tratar con zonas superpuestas, por lo que cuando esto suceda, una de sus líneas de transecto tendrá prioridad sobre la otra. Esto puede o no ser un problema para lo que estás haciendo.

¡Buena suerte!

La elevación más alta dentro de los 10 km es el valor máximo de vecindad calculado con un radio circular de 10 km, por lo tanto, solo extraiga un perfil de esta cuadrícula máxima de vecindad a lo largo de la trayectoria.

Ejemplo

Aquí hay un DEM sombreado con una trayectoria (línea negra que va de abajo hacia arriba):

Esta imagen mide aproximadamente 17 por 10 kilómetros. Elegí un radio de solo 1 km en lugar de 10 km para ilustrar el método. Su amortiguador de 1 km se muestra delineado en amarillo.

El máximo de vecindario de un DEM siempre se verá un poco extraño, ya que tenderá a aumentar su valor en puntos donde un máximo (una cima de la colina, tal vez) cae un poco más allá de 10 km y otro máximo a una elevación diferente llega a menos de 10 km . En particular, las cimas de las colinas que dominan su entorno contribuirán a círculos perfectos de valores centrados en el punto de elevación máxima local:

Más oscuro es más alto en este mapa.

Aquí hay una gráfica de los perfiles del DEM original (azul) y el máximo del vecindario (Rojo):

Se calculó dividiendo la trayectoria en puntos regularmente espaciados a 0.1 km de distancia (comenzando en el extremo sur), extrayendo las elevaciones en esos puntos y haciendo un diagrama de dispersión unido de los triples resultantes (distancia desde el comienzo, elevación, elevación máxima). El espaciado de puntos de 0.1 km se eligió para que sea sustancialmente más pequeño que el radio del búfer, pero lo suficientemente grande como para hacer que el cálculo se realice rápidamente (fue instantáneo).

Tuve el mismo problema y probé la solución de James S, pero no pude lograr que el GDAL funcionara con Fiona.

Luego descubrí el algoritmo SAGA "Cross Profiles" en QGIS 2.4, y obtuve exactamente el resultado que quería y supongo que también está buscando (ver más abajo).

Para cualquiera que esté interesado, aquí hay una versión modificada del código JamesS que crea líneas perpendiculares utilizando solo bibliotecas numpy y osgeo. ¡Gracias a JamesS, su respuesta me ayudó mucho hoy!

import osgeo
from osgeo import ogr
import numpy as np

# ##############################################################################
# User input

# Input shapefile. Must be a single, simple line, in projected co-ordinates
in_shp = r'S:\line_utm_new.shp'

# The shapefile to which the perpendicular lines will be written
out_shp = r'S:\line_utm_neu_perp.shp'

# Profile spacing. The distance at which to space the perpendicular profiles
# In the same units as the original shapefile (e.g. metres)
spc = 100

# Length of cross-sections to calculate either side of central line
# i.e. the total length will be twice the value entered here.
# In the same co-ordinates as the original shapefile
sect_len = 1000
# ##############################################################################

# Open the shapefile and get the data
driverShp = ogr.GetDriverByName('ESRI Shapefile')
sourceShp = driverShp.Open(in_shp, 0)
layerIn = sourceShp.GetLayer()
layerRef = layerIn.GetSpatialRef()

# Go to first (and only) feature
layerIn.ResetReading()
featureIn = layerIn.GetNextFeature()
geomIn = featureIn.GetGeometryRef()

# Define a shp for the output features. Add a new field called 'M100' where the z-value 
# of the line is stored to uniquely identify each profile
outShp = driverShp.CreateDataSource(out_shp)
layerOut = outShp.CreateLayer('line_utm_neu_perp', layerRef, osgeo.ogr.wkbLineString)
layerDefn = layerOut.GetLayerDefn() # gets parameters of the current shapefile
layerOut.CreateField(ogr.FieldDefn('M100', ogr.OFTReal))

# Calculate the number of profiles/perpendicular lines to generate
n_prof = int(geomIn.Length()/spc)

# Define rotation vectors
rot_anti = np.array([[0, -1], [1, 0]])
rot_clock = np.array([[0, 1], [-1, 0]])

# Start iterating along the line
for prof in range(1, n_prof):
    # Get the start, mid and end points for this segment
    seg_st = geomIn.GetPoint(prof-1) # (x, y, z)
    seg_mid = geomIn.GetPoint(prof)
    seg_end = geomIn.GetPoint(prof+1)

    # Get a displacement vector for this segment
    vec = np.array([[seg_end[0] - seg_st[0],], [seg_end[1] - seg_st[1],]])    

    # Rotate the vector 90 deg clockwise and 90 deg counter clockwise
    vec_anti = np.dot(rot_anti, vec)
    vec_clock = np.dot(rot_clock, vec)

    # Normalise the perpendicular vectors
    len_anti = ((vec_anti**2).sum())**0.5
    vec_anti = vec_anti/len_anti
    len_clock = ((vec_clock**2).sum())**0.5
    vec_clock = vec_clock/len_clock

    # Scale them up to the profile length
    vec_anti = vec_anti*sect_len
    vec_clock = vec_clock*sect_len

    # Calculate displacements from midpoint
    prof_st = (seg_mid[0] + float(vec_anti[0]), seg_mid[1] + float(vec_anti[1]))
    prof_end = (seg_mid[0] + float(vec_clock[0]), seg_mid[1] + float(vec_clock[1]))

    # Write to output
    geomLine = ogr.Geometry(ogr.wkbLineString)
    geomLine.AddPoint(prof_st[0],prof_st[1])
    geomLine.AddPoint(prof_end[0],prof_end[1])
    featureLine = ogr.Feature(layerDefn)
    featureLine.SetGeometry(geomLine)
    featureLine.SetFID(prof)
    featureLine.SetField('M100',round(seg_mid[2],1))
    layerOut.CreateFeature(featureLine)

# Tidy up
outShp.Destroy()
sourceShp.Destroy()