怎么用gis提取二維內(nèi)澇需要的障礙物

用gis提取二維內(nèi)澇需要的障礙物的方法如下：

創(chuàng)新互聯(lián)長(zhǎng)期為1000多家客戶(hù)提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為乳源企業(yè)提供專(zhuān)業(yè)的成都網(wǎng)站設(shè)計(jì)、做網(wǎng)站，乳源網(wǎng)站改版等技術(shù)服務(wù)。擁有十余年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

1、打開(kāi)gis軟件。

2、輸入流向柵格數(shù)據(jù)。

3、輸入蓄積柵格數(shù)據(jù)。

4、點(diǎn)擊水文分析工具箱中的計(jì)算工具，即可提取出來(lái)二維內(nèi)澇需要的障礙物。

震害損毀建筑物信息的提取

面向?qū)ο蟮恼鸷p毀建筑物信息提取流程 “自上而下”分為三層，分別針對(duì)不同目標(biāo)對(duì)象特征，采取不同的分割尺度 ( 從大到小) ，從地類(lèi)光譜、形狀、紋理等屬性特征出發(fā)，建立各自的模糊判定規(guī)則，具有很強(qiáng)針對(duì)性; 同時(shí)面向?qū)ο蟮亩鄬哟畏诸?lèi)結(jié)構(gòu)體系能夠把上一層次中的未分類(lèi)的對(duì)象傳遞到下一層中作為輸入層，形成父、子對(duì)象關(guān)系，繼續(xù)信息提取和分類(lèi)操作，大大避免傳統(tǒng)像元分類(lèi)方法當(dāng)中錯(cuò)分和漏分現(xiàn)象的發(fā)生，并且層次結(jié)構(gòu)分明，在一定程度上提高了分類(lèi)的精度。具體思路如圖 5 －27 所示。

圖 5 －27 面向?qū)ο蟮恼鸷p毀建筑物信息提取方法

( 一) 數(shù)據(jù)源的選擇

Definiens 能夠根據(jù)實(shí)際的需要，整合不同的數(shù)據(jù) ( 柵格、矢量) 作為原始數(shù)據(jù)源參與分割。本節(jié)針對(duì)紫坪鋪鎮(zhèn)震害損毀建筑物提取的信息，將震后標(biāo)準(zhǔn)差異植被指數(shù) ( NDVI)影像和震后 QuickBird 影像的融合影像 ( 4 個(gè)波段) 作為輸入層導(dǎo)入軟件當(dāng)中。

( 二) 多尺度分割 ( Multi-resolution Segmentation)

采取 “自上而下，從大到小”的方式，首先分離出植被和水體信息，將 NDVI 影像的權(quán)重設(shè)為 3，其他影像權(quán)重設(shè)為 1，形狀因子設(shè)為 0. 3，緊致度因子設(shè)為 0. 6，分割尺度經(jīng)過(guò)多次試驗(yàn)后確定為 100，對(duì)影像進(jìn)行第一次分割，結(jié)果如圖 5 －28 所示。

圖 5 －28 不同尺度的影像分割結(jié)果 ( 從左到右分割尺度分別為 48、80、100)

( 三) 水體和植被信息的分割

首先，分離出影像中的水體和植被信息 ( 不屬于震害建筑物損毀范圍) ，經(jīng)過(guò)分析歸一化植被指數(shù) ( Normalized Difference Vegetation Index) 特性，確定水體和植被信息提取閾值 ( NDVI 均值) 分別為 0. 06 和 0. 5，從而建立植被和水體信息的提取規(guī)則: 多邊形對(duì)象 NDVI 均值 ( MEAN) 小于或等于 0. 06 為水體，大于 0. 06 的為非水體，處于兩者之間的對(duì)象則利用成員函數(shù)計(jì)算其隸屬度進(jìn)行分類(lèi) ( 圖 5 － 29) ; 對(duì)于植被，則采用 “布爾大于”的隸屬度函數(shù)，規(guī)定 NDVI 均值大于 0. 5 的對(duì)象判定為植被信息，小于或等于0. 5 的為非植被信息。然后把兩次分類(lèi)的結(jié)果合并取交集 ( 邏輯與) ，最后把對(duì)象分為三類(lèi)，結(jié)果如圖 5 －30 所示。

圖 5 －29 水體信息分類(lèi)的模糊隸屬度函數(shù)

圖 5 －30 水體和植被信息提取結(jié)果

( 四) 臨時(shí)簡(jiǎn)易房信息的提取

將第一層中的未分類(lèi)別 ( 城市區(qū)域)作為輸入層，進(jìn)行第二次分割，提取其中的臨時(shí)簡(jiǎn)易房信息。臨時(shí)簡(jiǎn)易房特征是具有固定的形狀，為正規(guī)長(zhǎng)方形，容易分辨;屋頂呈藍(lán)綠色，又稱(chēng) “綠篷房”，和植被有些相似; 結(jié)構(gòu)和紋理結(jié)果均勻，表現(xiàn)為同質(zhì)性。根據(jù)以上三個(gè)特征，選取 80 為第二次分割的尺度，建立如下的判定規(guī)則:

1 ) 對(duì) 象 的 長(zhǎng) 寬 比， 計(jì)算 公式 為 式( 5 － 7) ，其中 eig1( S) 、eig2( S) 分別為協(xié)方差矩陣的特征值，S 為對(duì)象矢量化后各點(diǎn)的坐標(biāo)組成的協(xié)方差矩陣，w 為對(duì)象寬度，l 為對(duì)象長(zhǎng)度，γ 為對(duì)象的長(zhǎng)寬比，

退化廢棄地遙感信息提取研究

，A 為對(duì)象的面積。經(jīng)過(guò)分析，設(shè)置判定規(guī)則 γ≥1. 28。

退化廢棄地遙感信息提取研究

2) 對(duì)象的亮度指該對(duì)象包含的所有像元點(diǎn)亮度的平均值。設(shè)定判定規(guī)則 Brightness ＞290。

3) 灰度共生矩陣同質(zhì)性。如果對(duì)象紋理同質(zhì)性越強(qiáng)，這個(gè)值就越高，其計(jì)算公式如下:

退化廢棄地遙感信息提取研究

式中:i為行數(shù);j為列數(shù);Pi，j為i行j列的標(biāo)準(zhǔn)化值;N為總的行數(shù)或列數(shù)，范圍為［0，90］。經(jīng)過(guò)分析，設(shè)定臨時(shí)簡(jiǎn)易房的GLCMHomogeneity＞0.18。

將以上三個(gè)模糊判定規(guī)則進(jìn)行邏輯交集運(yùn)算，得到臨時(shí)簡(jiǎn)易房信息提取結(jié)果，如圖5 － 31 所示。

圖 5 －31 分割尺度為 80 的臨時(shí)簡(jiǎn)易房信息提取結(jié)果

( 五) 震害損毀建筑物信息的提取

損毀的建筑物特征一般有: ① 形狀不規(guī)則，由于建筑物受到破壞甚至倒塌，其原來(lái)規(guī)則的形狀特征已經(jīng)改變; ② 與鄰近的地物相比，失去協(xié)調(diào)性，對(duì)于完全倒塌的建筑來(lái)說(shuō)，白色的瓦礫顯得特別顯眼，與周?chē)牡匚镄纬珊軓?qiáng)烈的對(duì)比; ③ 建筑物的損壞或者倒塌使其原有的均勻紋理特征發(fā)生變化。根據(jù)以上震害損毀建筑物的特征，對(duì)上一層中未分類(lèi)別進(jìn)行第三次多尺度分割，對(duì)于損毀建筑物信息選擇 48 作為分割尺度，建立如下模糊判定規(guī)則:

1) 形狀指數(shù)。形狀指數(shù)描述的是一個(gè)對(duì)象邊界的光滑程度，當(dāng)一個(gè)對(duì)象的邊界越規(guī)則，其形狀指數(shù)值就越小，當(dāng)邊界組成正方形時(shí)，形狀指數(shù)為 1; 反之，邊界越不規(guī)則，形狀指數(shù)值就越大。所以形狀指數(shù)能夠很好地體現(xiàn)出震害損毀建筑物的形狀破壞情況。經(jīng)過(guò)對(duì)損毀建筑物的分析，設(shè)置判定規(guī)則為 Shape Index ＞2. 8。

2) 灰度差異向量 ( GLDV) 。灰度差異向量是灰度共生矩陣 ( GLCM) 對(duì)角線(xiàn)上元素的和，它顯示了對(duì)象與相鄰區(qū)域像元絕對(duì)差異發(fā)生率。灰度差異向量對(duì)比度 ( GLDVContrast) 反映了對(duì)象與周邊對(duì)象的差異量，值越大，差異就越大。在面向?qū)ο蟮倪b感影像分類(lèi)方法當(dāng)中，灰度差異向量對(duì)比度比灰度共生矩陣對(duì)比度更加適合于在有層次關(guān)系的對(duì)象域中使用，能夠更加突出建筑物的形狀特征，提高對(duì)比度的差異，所以本節(jié)選擇灰度差異向量對(duì)比度建立判定規(guī)則，設(shè)置判定規(guī)則為 GLDV Contrast ＞780。

3) 灰度共生矩陣熵 ( GLCM Entropy) 。灰度共生矩陣熵描述的是對(duì)象的紋理均勻程度。當(dāng)對(duì)象的紋理越均勻時(shí)，灰度共生矩陣熵值就越大; 反之，當(dāng)紋理緊密或者稀疏時(shí)，灰度共生矩陣熵值就越小。經(jīng)過(guò)反復(fù)比較，多次分析，最后確定 GLCM Entropy≤4. 1。

綜合以上三個(gè)判定規(guī)則，進(jìn)行 “邏輯與”運(yùn)算，得到震害損毀建筑物提取結(jié)果，如圖5 － 32 所示。

( 六) 兩種方法的比較

從方法原理、目視效果和精度評(píng)價(jià)三個(gè)方面對(duì)基于像元技術(shù)和面向?qū)ο蠹夹g(shù)的震害損毀建筑物的信息提取結(jié)果進(jìn)行比較。

1. 方法原理

傳統(tǒng)的基于像元的信息提取方法是一種基于光譜特征的統(tǒng)計(jì)方法，根據(jù)像元點(diǎn) ( 像元) 光譜統(tǒng)計(jì)的特征值來(lái)對(duì)影像進(jìn)行分類(lèi)或信息提取。像元是最基本的操作單位，所利用的特征信息一般只有光譜信息 ( 方差、協(xié)方差、均值、亮度、熵等) ，既沒(méi)有考慮相鄰像元之間的關(guān)聯(lián)，也沒(méi)能利用到高分辨率遙感影像中豐富的形狀、紋理、空間拓?fù)潢P(guān)系等信息。隨著遙感影像分辨率的不斷提高，單個(gè)像元所包含的信息量越來(lái)越少，對(duì)單個(gè)像元進(jìn)行孤立的分析與分類(lèi)沒(méi)有多大的實(shí)際意義，這就給傳統(tǒng)的基于像元的信息提取和分類(lèi)方法帶來(lái)了很大的難題和挑戰(zhàn)，在一定程度上影響了這種方法的應(yīng)用。

面向?qū)ο蟮男畔⑻崛》椒ㄊ请S著高分辨率遙感影像技術(shù)不斷發(fā)展而提出的一種新方法，與基于像元的信息提取方法有著本質(zhì)的區(qū)別，其不是對(duì)單個(gè)孤立像元進(jìn)行分類(lèi)，而是對(duì)具有同質(zhì)性像元所組成的多邊形對(duì)象進(jìn)行分析和操作。對(duì)象除了包含基本的光譜信息外，還包括形狀、紋理、位置、上下文關(guān)系等有用的特征信息。該方法能夠利用比較全面的對(duì)象特征，彌補(bǔ)了基于像元的信息提取和分類(lèi)方法中特征信息單一的缺點(diǎn)，是對(duì)傳統(tǒng)遙感信息提取和分類(lèi)方法的一次技術(shù)革新。

2. 目視效果

從基于像元的信息提取結(jié)果來(lái)看，其中分布有許多細(xì)碎的小斑塊，即所謂的 “胡椒鹽效應(yīng)”，嚴(yán)重影響視覺(jué)效果，并且在一定程度上影響結(jié)果的實(shí)際應(yīng)用，如果將提取結(jié)果矢量化后，不通過(guò)人工修改，很難達(dá)到入庫(kù)要求。產(chǎn)生 “胡椒鹽效應(yīng)”的主要原因是高分辨率遙感影像局部異質(zhì)性大，未充分考慮像元之間的上下文關(guān)系，這是傳統(tǒng)基于像元分類(lèi)方法的局限性 ( 曹寶等，2006) 。

圖 5 －32 震害損毀建筑物信息提取結(jié)果 ( 分割尺度 48)

從面向?qū)ο蟮奶崛〗Y(jié)果來(lái)看，它的抗噪聲能力比較強(qiáng)，能有效避免 “胡椒鹽效應(yīng)”，并且含有豐富的語(yǔ)義信息 ( 游麗萍，2007) ，分類(lèi)后的影像也更易于理解，其結(jié)果能夠直接矢量化入庫(kù)，方便遙感數(shù)據(jù)與 GIS 數(shù)據(jù)的相互結(jié)合。從目視效果來(lái)看，面向?qū)ο蟮奶崛〗Y(jié)果更適合人類(lèi)視覺(jué)的要求。

3. 精度評(píng)價(jià)

由于條件限制，本研究并沒(méi)有獲得研究區(qū)紫坪鋪鎮(zhèn)地震損毀建筑物的相關(guān)參考圖件，因此，首先通過(guò)人工目視解譯方法，采用手工描繪的手段，在震后 0. 6m QuickBird DOM影像中勾繪 ( 分類(lèi)) 一些典型的損毀建筑物作為精度評(píng)價(jià)的參考標(biāo)準(zhǔn)，總共分類(lèi)出 3782個(gè)損毀建筑物像元點(diǎn)。然后以這些像元點(diǎn)作為參考標(biāo)準(zhǔn)，生成隨機(jī)樣本，采用誤差矩陣法對(duì)震害損毀建筑物信息提取的結(jié)果進(jìn)行精度評(píng)價(jià)，其主要評(píng)價(jià)指標(biāo)包括生產(chǎn)者精度、用戶(hù)精度、總體精度和 Kappa 系數(shù)。

經(jīng)過(guò)統(tǒng)計(jì)分析得到，手工描繪的參考損毀建筑物總像元數(shù)為 3782 個(gè); 面向?qū)ο蠓椒ㄖ刑崛〉降膿p毀建筑物總像元數(shù)為 3845 個(gè)，其中正確分類(lèi)個(gè)數(shù)為 3563 個(gè); 基于像元方法提取到的損毀建筑物總像元數(shù)為 3883 個(gè)，其中正確分類(lèi)個(gè)數(shù)為 3132 個(gè)。兩種方法的精度評(píng)價(jià)結(jié)果如表 5 －13 所示。

表 5 －13 兩種方法精度評(píng)價(jià)結(jié)果

精度評(píng)價(jià)結(jié)果顯示，面向?qū)ο蟮男畔⑻崛》椒ǖ目傮w精度為 90. 38%，Kappa 系數(shù)為0. 8684，而基于像元的信息提取方法的總體精度為 76. 84% ，Kappa 系數(shù)為 0. 7269。由此可見(jiàn)，面向?qū)ο蟮男畔⑻崛》椒▽?duì)震害損毀建筑物的提取精度明顯高于傳統(tǒng)基于像元的信息提取方法，根本的原因在于面向?qū)ο蟮男畔⑻崛》椒ㄍㄟ^(guò)對(duì)高分辨率遙感影像的分割，將相鄰的具有同質(zhì)性光譜特征的像元合并到一起組成多邊形對(duì)象，然后充分利用對(duì)象的光譜、形狀、紋理、位置、上下文關(guān)系等各方面的屬性特性綜合分析，建立判斷規(guī)則，有效地避免了 “同物異譜，同譜異物”現(xiàn)象以及 “胡椒鹽效應(yīng)”，明顯提高了高分辨率遙感影像信息提取的精度。

gis中怎么提取自己所需要的區(qū)域

gis中提取自己所需要的區(qū)域這樣做：

1、點(diǎn)擊“開(kāi)始”，“ArcGIS”，“ArcMap”，啟動(dòng)ArcMap程序。

2、選擇“空白地圖”模板，點(diǎn)擊“確定”，創(chuàng)建一個(gè)空白地圖。

3、點(diǎn)擊ArcMap菜單欄的“添加數(shù)據(jù)”，打開(kāi)添加數(shù)據(jù)對(duì)話(huà)框。

4、選擇要添加的數(shù)據(jù)，點(diǎn)擊“添加”，將shapefile文件添加到空白地圖。

5、同樣使用添加數(shù)據(jù)功能，在空白地圖上添加局部區(qū)域范圍線(xiàn)。

6、打開(kāi)ArcMap的工具箱，選擇“工具箱”，“系統(tǒng)工具箱”，“AnalysisTools.tbx”，“提取”，“裁剪”，打開(kāi)要素裁剪界面。

7、在要素裁剪界面，選擇輸入要素，就是要被裁剪的圖層，這里選擇添加的shapefile文件，選擇裁剪要素，就是用來(lái)裁剪shapefile的范圍線(xiàn)，選擇輸出結(jié)果的存儲(chǔ)位置，點(diǎn)擊“確定”，開(kāi)始裁剪要素。

8、等待要素裁剪完成，完成后裁剪結(jié)果會(huì)自動(dòng)添加到地圖上，這樣就截取了自己所需要的區(qū)域了。