Suite

Comment exporter des milliers d'entités de PostGIS vers un seul fichier GeoJSON ?


Je sais comment exporter une entité à partir d'une base de données PostGIS en utilisant ogr2ogr :

$ogr2ogr -f GeoJSON out.json "PG:host=localhost dbname=xxx user=xxx password=xxx" -sql 'select id, county, wkb_geometry des villes où id=47927526'

Cela produit un joli fichier GeoJSON avec une seule fonctionnalité. Mais comment puis-je exécuter cette requête pour des milliers d'identifiants et produire un seul fichier ?

Actuellement, mon approche consiste à produire de nombreux fichiers GeoJSON et à les coller tous ensemble, mais je me demande s'il existe un meilleur moyen?


Il existe, oui, une combinaison de row_to_json, array_to_json, array_agg et ST_AsGeoJSON. Je me rends compte, en relisant votre question, que vous avez demandé une approche ogr2ogr, mais vu que votre source est Postgis, j'ai pensé que vous pourriez apprécier une approche pure Postgres/Postgis. J'ai utilisé cette approche avec Google Maps, donc cela fonctionne bien si vous devez créer GeoJSON dynamiquement, ce qui serait plus délicat avec ogr2ogr.

SELECT row_to_json(featcoll) FROM (SELECT 'FeatureCollection' Comme type, array_to_json(array_agg(feat)) Comme caractéristiques FROM (SELECT 'Feature' Comme type, ST_AsGeoJSON(tbl.geom)::json Comme géométrie, row_to_json((SELECT l FROM (SELECT id, prop1, prop2,… ) As l) ) As properties FROM your_table As tbL WHERE st_intersects(geom, st_setsrid(st_makebox2d(st_makepoint(x1, y1),st_makepoint(x2, y2)), srid)) ) As feat ) Comme featcoll;

où il y a une clause where facultative avec un ST_Intersects. Dans la requête interne, vous pouvez ajouter à Select id, prop1, etc, pour obtenir une liste de toutes les propriétés que vous souhaitez voir apparaître dans la sortie GeoJSON.

L'idée originale pour cela vient de ce blog BostonGIS

ÉDITER: Si vous avez Postgres 9.4 ou supérieur, utilisez la réponse de @dbaston. C'est tellement plus propre.


Utiliser les capacités SQL, en particulierDANSau lieu de traiter chaque GeoJSON après votre requête SQL.

Ton

$ogr2ogr -f GeoJSON out.json "PG:host=localhost dbname=xxx user=xxx password=xxx" -sql 'select id, county, wkb_geometry des villes où id=47927526'

serait

$ogr2ogr -f GeoJSON out.json "PG:host=localhost dbname=xxx user=xxx password=xxx" -sql 'select id, county, wkb_geometry des villes où id IN (47927526, 47927527, 47927528, 47927529,… )'

Je suppose que si vous fournissez des milliers d'identifiants, ils proviennent d'une autre table. Donc une autre alternative pourrait être d'utiliserREJOINDREMot-clé SQL pour les obtenir. Voir la documentation sur http://www.gdal.org/ogr_sql.html


Comment exporter des milliers d'entités de PostGIS vers un seul fichier GeoJSON ? - Systèmes d'information géographique

Les trucs et astuces ici sont orientés vers la cartographie BYOD (bring your down data) et OpenStreetMap de manière oblique.

La cartographie de présentation et la cartographie d'inventaire de base sont au centre de nos préoccupations. L'analyse spatiale est abordée brièvement mais n'est pas l'objectif principal. Ce site suppose que le SIG OpenSource signifie principalement : PostGIS en tant que magasin de données spatiales et Mapnik en tant que moteur de rendu, un langage de style Mappy CSS comme Cascadenik ou Carto pour configurer les couches et leur apparence. L'interactivité est brièvement évoquée. En fait, l'intégration des actifs de tuiles résultantes est brièvement abordée.

Vous cherchez plutôt un aperçu d'OSM ? Consultez le site Switch2osm.

Logiciels - Installez des logiciels critiques et des liens vers des didacticiels.

Données - Téléchargez les données OSM et Natural Earth.

Exemple de workflow - Démarrez un projet, importez des données, exportez des données, créez des tuiles.

Cartographie Web = API + tuiles - Les cartes glissantes sur le Web se composent de deux parties : des tuiles d'images qui composent la carte et un cadre d'API qui assemble les tuiles et gère le panoramique et le zoom interactifs.

Pourquoi aller à l'open source geo - Lisez ce que dit la communauté.

Exemples de cartes - De jolies tuiles de fond de carte et des cartes interactives convaincantes.

Lorsque les tuiles ne suffisent pas - Utilisez votre feuille de style de carte Web pour restituer des images raster plus grandes et exporter au format PDF, EPS et SVG.

Tutoriels - De Dymo, PostGIS, à Imposm.

Style de carte - Colorez les caractéristiques de votre carte à l'aide de cascadenik ou de carto, car le XML Mapnik brut est infernal.

Rendu des tuiles de carte - Une fois que vous avez fini de concevoir votre carte, vous aurez besoin de rendre des dizaines de milliers de minuscules fichiers image, des centaines et des milliers de mégaoctets.

Tuiles d'hébergement - Publiez vos tuiles pour que les autres puissent les voir. Amazon S3, EC2, CloudFront, votre propre serveur, MapBox.com, etc.

Étiquettes de carte - Conseils pour l'étiquetage des entités.

Style Hub - Feuilles de style et icônes prédéfinies pour dessiner des données OSM et Natural Earth.

Ajout d'interactivité - grilles UTF-8 + cartes vectorielles de tuiles hybrides

Votre carte est-elle efficace ? - Jetez un regard critique sur votre travail, évaluez-le avec une rubrique cohérente et demandez : « Ma carte est-elle géniale ? »

Échelles/zooms de la carte, systèmes de coordonnées - Les cartes Web ont 20 échelles prédéfinies, apprenez ces niveaux de « zoom » et leurs équivalents à l'échelle naturelle. Également des projections cartographiques plus générales.

Généralisez vos données - Sérieusement. Vos cartes seront plus belles et se chargeront plus rapidement.

D3.js - Une bibliothèque de visualisation de données robuste avec prise en charge géographique intégrée. Bostock propose également un excellent didacticiel sur les cartes.

QGIS - L'alternative open source à ArcMap, mais pas en tant que force industrielle. C'est une interface graphique pour composer des cartes et faire des analyses simples.

PostGIS - Stockez votre géographie dans une base de données spatiale (un peu la version open source d'un Esri GeoDB). Plus rapide que les fichiers SHP bruts lorsque la vitesse compte. Stockage par défaut pour les données OSM.

OGR, GDAL - Reprojetez, triez, filtrez et modifiez autrement les fichiers de formes et autres formats de données de carte vectorielle. GDAL pour raster. Ceux-ci sont incroyablement puissants.

TileMill - Application "web" de bureau avec un installateur facile, optimisée par Mapnik et Carto. De Development Seed / MapBox.

Mapnik - Dessinez des tuiles de carte Web, force industrielle.

TileStache - Cache les tuiles de carte Web, à partir de Stamen.

Dymo - Créez de belles étiquettes de carte, à partir de Stamen. Comme Annotation d'ArcGIS.

Shapely - Bibliothèque Python pour les objets géométriques, les prédicats et les opérations sans nécessiter PostGIS.

pprepair - Valide et répare automatiquement les partitions planaires.

GeoJSON - Rendez-le plus petit. Donner à vos données la précision que leur exactitude mérite.

Kartograph - Kartograph est un nouveau framework permettant de créer des applications cartographiques vectorielles interactives sans Google Maps ni aucun autre service de cartographie. Il a été créé en pensant aux besoins des concepteurs et des journalistes de données. Des tonnes de projections cartographiques, se dégrade gracieusement vers IE7. Idéal pour les cartes thématiques à plus petite échelle que 1:250 000.

MaPublisher - Créez des cartes dans Adobe Illustrator.

OpenStreetMap - alias OSM. Comment l'importer et explorer l'univers des tags.

Géocodage - Le géocodage est la partie la plus difficile de la géo open source.

Routage - L'API MapQuest Open renvoie un routage basé sur les données OSM

Relief ombré - ensemble d'utilitaires pour le traitement des DEM (modèles d'élévation numériques, modèles de terrain numériques) et l'ombrage qui indique la forme des montagnes et d'autres caractéristiques du relief.

Couverture terrestre - ensemble d'utilitaires pour le traitement d'images TIF classées et de techniques de colorisation pour indiquer le type (ou la présence) de végétation et d'utilisation des terres.

Guichet - Affichez les géométries WKT sur la carte Web.

Makefiles - Clé pour organiser votre flux de travail et le rendre reproductible.

Python - Rend presque tout le reste possible.

GREP - Problèmes de formatage des données ? Recherche et remplacement de texte avancé à la rescousse.


À propos de

Géodatabase de fichiers Esri (FGDB)

Esri File Geodatabase est un cadre de base de données SIG à utilisateur unique pour un environnement de bureau. Il utilise une structure de fichiers locale pour un accès et une gestion faciles des données spatiales.

PostSIG

PostGIS est une extension spatiale pour le système de base de données open source de classe entreprise PostgreSQL qui ajoute la prise en charge des objets géographiques. C'est une solution attrayante pour les organisations qui ne souhaitent pas être liées aux logiciels des fournisseurs.

FME est la plate-forme d'intégration de données avec le meilleur support pour les données spatiales. Gagnez du temps en utilisant son interface glisser-déposer pour connecter des données à partir de centaines de formats et d'applications, transformer les données de manière illimitée et automatiser pratiquement n'importe quel workflow de données.


Usage

L'utilisation typique implique une recherche manuelle du catalogue DataBC pour trouver une couche d'intérêt. Une fois qu'un ensemble de données d'intérêt est trouvé, notez la clé avec laquelle le récupérer. Il peut s'agir de l'identifiant / du nom du package (la dernière partie de l'URL) ou du nom de l'objet (sous la description de l'objet).

Par exemple, pour les aéroports de la Colombie-Britannique, l'une ou l'autre de ces touches fonctionnera :

Notez que certains packages peuvent avoir plus d'une couche - si vous demandez un package comme celui-ci, bcdata vous proposera une liste de noms d'objets/tables valides à utiliser à la place du nom du package.


Façonner l'avenir de la Proptech avec le SIG

Pour l'anecdote, le premier immeuble de placement en duplex auquel j'ai participé il y a de nombreuses années s'est avéré être une servitude enregistrée sur le titre, ce qui nous a coûté des dizaines de milliers de dollars en justice lors de la subdivision, grâce à un voisin embêtant et à la négligence de l'agent immobilier. Malgré une longue bataille judiciaire, je n'échangerais pas ces cicatrices contre quoi que ce soit, mais les leçons apprises m'ont conduit à poursuivre le développement de solutions pour les années à venir.

Même aujourd'hui, un consommateur modeste comme mon père est toujours confronté à l'incertitude lorsque je lui dis que l'endroit bon marché auquel il s'est intéressé a cette valeur car il est situé sur un terrain à bail. Un acheteur de maison ne chercherait pas nécessairement un logiciel d'entreprise pour effectuer une analyse approfondie de son achat potentiel.

Il serait naïf de supposer que de tels problèmes pourraient être résolus du jour au lendemain avec de meilleures données et une meilleure technologie de cartographie, mais faute d'une éducation appropriée en immobilier, on ne peut pas non plus se fier pleinement à un professionnel de l'immobilier essayant de joindre les deux bouts. Il y aura toujours un besoin de représentation professionnelle éthique, semblable à la confiance que nous accordons à un médecin de famille, mais il est prudent pour les deux parties d'avoir suffisamment de connaissances avant de prendre des décisions importantes.

Je fais souvent référence au jeu SimCity (comme je l'ai déjà mentionné), qui faisait partie du programme de cours de l'UBC et qui a suscité une obsession pour la visualisation des données immobilières. Il est intéressant de voir comment un jeu vidéo peut être plus complet que ce que vous trouverez en ligne, en particulier lorsque vous recherchez l'une des décisions d'investissement les plus importantes que vous êtes susceptible de prendre au cours de votre vie.

Les progrès de l'ingénierie informatique, tels que les réseaux hautes performances et les services cloud, fournissent le canal par lequel de meilleurs outils et opportunités dans Proptech peuvent émerger. Cet article se veut une exploration de la manière dont les SIG sont appliqués au secteur de l'immobilier, tant du point de vue de la consommation que de la science des données, ainsi qu'un aperçu des entreprises faisant des progrès vers une analyse de type SimCity.

Cartographier le monde réel

Pour définir l'importance des SIG, nous n'avons pas besoin de regarder très loin dans le passé, car COVID-19 a été le centre d'attention. L'Université Johns Hopkins a fait un travail remarquable en visualisant comment le virus affecte le monde qui nous entoure. La technologie de cartographie est fournie par le leader mondial de la géolocalisation, une société connue sous le nom d'Environmental Systems Research Institute (Esri).

Depuis 1969, ils aident à résoudre certains des problèmes les plus difficiles au monde, révélant des schémas, des tendances et des relations sur tout ce qui a du sens. Ils décrivent le SIG comme un cadre pour la collecte, la gestion et l'analyse des données. Organiser des couches d'informations en visualisations utiles afin que les utilisateurs puissent prendre des décisions plus judicieuses.

Esri a développé et régule un format vectoriel géospatial appelé shapefile, qui stocke des informations telles que des points, des lignes, des polygones et des propriétés décrivant ces caractéristiques. Afin de stocker et de travailler avec les données SIG, l'outil prédominant est PostGIS, une extension de base de données spatiale pour PostgreSQL permettant d'exécuter des requêtes de localisation en SQL :

Les entités de localisation seront généralement converties dans une colonne de géométrie ou de géographie dans une table spatiale, ou dans un format GeoJSON standardisé dans une colonne jsonb. GeoJSON a codé des données sur les caractéristiques géographiques qui peuvent ensuite être communiquées à l'aide de Javascript, un langage de programmation omniprésent fondamentalement sur les objets. Il joue un rôle important dans les plates-formes de données ouvertes et les API Web d'aujourd'hui comme Mapbox, en fournissant des blocs de construction pour intégrer la localisation dans les applications mobiles et Web.

Outils géospatiaux open source

Il existe une vaste gamme de langages et de bibliothèques pour couper et habiller les données géographiques, mais l'accent sera mis sur Python et Ruby. Voici quelques-unes des bibliothèques open source les plus fréquemment utilisées lorsque vous travaillez avec des données SIG :

Python
    : lit et écrit les données dans le style Python IO standard. : analyse ensembliste et manipulation de caractéristiques planaires. : étend les types de données utilisés par les pandas pour permettre des opérations spatiales sur les types géométriques. : une puissante bibliothèque Python pour l'analyse spatiale, la cartographie et les SIG.
    : composant clé pour l'écriture d'applications géolocalisées dans Ruby on Rails. : une extension de RGeo qui fournit l'encodage et le décodage GeoJSON. : permet d'accéder aux fonctionnalités de la base de données géospatiale PostGIS à partir d'ActiveRecord.

Les bibliothèques Python sont sans doute plus capables. Ceux écrits en Ruby ne sont pas moins efficaces à certaines fins, mais malheureusement pas aussi bien entretenus. Selon la complexité de l'application que vous essayez de créer, vous utiliserez probablement une combinaison d'outils écrits dans plusieurs langues. Il existe également des programmes en ligne de commande comme ogr2ogr qui peuvent convertir des fonctionnalités simples entre des formats de fichiers. La plupart du temps, cependant, les données se retrouveront dans une simple collection d'objets caractéristiques :

Style basé sur les données

Une fois que les données sont dans un format exploitable, nous pouvons commencer à créer l'histoire que nous souhaitons afficher à nos utilisateurs. GeoJSON permet aux développeurs d'utiliser un style basé sur les données, de sorte que les informations soient étroitement liées aux couches géographiques correspondantes. Pour maintenir la cohérence visuelle, l'accent est mis sur les couleurs, de sorte que la manière dont les utilisateurs doivent interpréter les données est claire. Une conception efficace applique les dimensions perceptives de la teinte, de la saturation et de la luminosité, avec trois principaux types de schémas de couleurs pour former une visualisation interactive des données urbaines :

1. Séquentiel

Appliqué aux données numériques ordonnées.

Cas d'utilisation : ratios d'amélioration, prix au pied carré, distance aux écoles, aux transports en commun ou aux commodités.

2. Divergente :

Une combinaison de deux thèmes séquentiels, avec un point de rupture au milieu.

Cas d'utilisation : bruit de la circulation, plaines inondables ou émissions.

3. Qualitatif

Pour les classes discrètes et non ordonnées de données nominales.

Cas d'utilisation : zonage, catégories d'utilisation des terres ou ethnies.

Aperçu des valeurs immobilières

Le SIG nous aide à poser les bonnes questions. Par exemple, s'il existe de grandes variations dans la valeur des terrains ou des améliorations pour les propriétés du même quartier, ou peut-être des côtés opposés de la rue, comment pourrions-nous déterminer l'utilisation la plus élevée et la meilleure sur la base des principes de conformité, de progression et de régression ?

  • La structure a-t-elle été modernisée ?
  • Le site souffre-t-il d'influences externes négatives ?
  • Comment l'orientation de la cour arrière attire-t-elle le marché ?
  • Que nous apprend le taux d'amélioration sur l'amortissement ?
  • Peut-on voir une propriété franchir une limite parcellaire signifiant un fonds dominant et servant ?
  • Y a-t-il d'autres propriétés le long de la même rue qui sont de qualité inférieure et pourraient voir leur valeur augmenter une fois rénovées ?

Les visualisations peuvent fournir une signification substantielle à un investisseur, un évaluateur, un prêteur ou un propriétaire en faisant apparaître les faits plus rapidement et plus efficacement.

Repenser la maison

La pandémie a provoqué un grand remaniement et changé la façon dont nous pensons où nous vivons. Les ménages recherchent différentes façons d'améliorer leurs propriétés existantes, l'éligibilité des lots devient donc une considération plus importante. La densification peut passer par une unité de logement accessoire (ADU) ou une maison de ruelle comme solutions flexibles. L'approvisionnement permet aux ménages sur les lots zonés unifamiliaux de construire des unités supplémentaires, améliorant ainsi l'abordabilité et maximisant l'utilisation de l'espace.

À l'inverse, cela peut également limiter le potentiel d'un site, comme l'a démontré la ville d'Austin, où un amendement a réduit à zéro le stationnement d'un deuxième logement, s'il se trouve à moins d'un quart de mille du bord d'un droit de -voie d'un corridor d'activités également desservi par le transport en commun. Ceci est montré comme une zone “buffer” sur la carte ci-dessous :

Se démarquer dans une mer de similitude

À mesure que les données sont libérées et que la technologie se démocratise, cela conduit invariablement les masses à tenter de capitaliser sur cette tendance. Nous voulons tous plus de transparence, moins de frictions et un meilleur retour sur investissement, qu'il s'agisse de temps ou de capital. Le plus souvent, vous devez retrousser vos manches et créer vous-même quelque chose.

Une technologie comme le SIG permet à une nouvelle génération de conteurs d'histoires et fournit une lentille à travers laquelle nous pouvons mieux interagir avec le monde qui nous entoure. Alors que nous continuons à voir de plus en plus de startups dans l'espace Proptech - finalement la crème monte au sommet - et au final, c'est l'authenticité qui offre toujours le plus de valeur.

« Le prix énorme de la concurrence est que vous arrêtez de poser des questions plus importantes. Ne passez pas toujours par les minuscules petites portes que tout le monde essaie de franchir, peut-être passez-vous au coin de la rue, passez par la vaste porte que personne ne prend.

– Peter Thiel

Gestion de milliers de fonctionnalités à des niveaux de zoom inférieurs (en openlayers )

J'ai environ 5000 fonctionnalités sur un exemple de carte et à des niveaux de zoom inférieurs, cela devient lent, en particulier sur les téléphones et il ne sert à rien de toutes les afficher car elles sont de toute façon mises à l'échelle et seraient trop petites ex à des niveaux de zoom inférieurs Quelle peut être une solution dans cette situation ?

Le remplacer par une image n'est pas une option car j'aime y ajouter des interactions et l'emplacement des fonctionnalités provient d'une demande Ajax.

J'ai aussi regardé dans ol/source/Cluster et le chargement est trop long

Je pense qu'il s'agit d'un problème courant et qu'il existe certainement une solution à ce problème. des idées ?

pourquoi ne pas simplement activer/désactiver la couche en fonction du niveau de zoom de la carte ?

Si vous pensez qu'il est essentiel d'afficher, le regroupement, comme d'autres commentaires l'ont suggéré, peut être la seule solution. Si les données sont lentes à charger ou si le clustering n'est pas performant, envisagez d'utiliser une base de données avec géoserveur, ou vous pouvez envisager de diviser les données en parties plus petites et de charger dynamiquement celles en vue à certains niveaux. Je suggère également de toujours faire un peu de nettoyage des données pour rendre les données plus petites et plus rapides à charger. supprimez tous les champs et points de données inutiles qui ne sont pas fonctionnels pour l'objectif de la carte.

EDIT : vu les tuiles vectorielles suggérées. +1 sur cette idée. et j'ai remarqué que cela ne dit pas comment vos données de chargement, alors peut-être que vous utilisez déjà la méthode db.

Je vois que d'autres suggèrent des tuiles vectorielles, ce qui peut ou non aider. Je veux dire, à la fin, à moins que vous ne fassiez quelque chose pour "désencombrer" les données, vous aurez toujours ces mêmes 5 000 fonctionnalités encodées dans la tuile - sauf que maintenant, ces fonctionnalités vont être représentées dans plusieurs tuiles à différents niveaux de zoom, et seront toujours toutes rendues, ce qui entraînera un panoramique/un zoom janky.

Tout se résume à "désencombrer" les données, de préférence à l'avance via un processus backend, de sorte que vous ne restituiez que ce qui a du sens pour un niveau de zoom particulier. Vous pouvez accomplir cela avec ou sans tuiles vectorielles.

Le truc, c'est que ce que cela signifie de "désencombrer" dépend beaucoup du domaine dans lequel vous travaillez. Dans votre cas - je ne sais pas avec quoi vous travaillez, cela ressemble à une sorte d'application agricole, comme des arrangements de culture ou quelque chose du genre ? Pas vraiment sûr. mais au premier coup d'œil, il semble que les données se prêtent très bien à des représentations simplifiées :

Étant donné que les entités sont à peu près linéaires, à des niveaux de zoom intermédiaires, vous pouvez représenter les données sous forme de segments de ligne au lieu de points. Vous pouvez ensuite "simplifier" ces segments de ligne pour réduire le nombre de sommets (personne ne verra de toute façon les plis individuels à ce niveau de zoom) et les rendre sous forme de lignes épaisses avec un contour, de sorte qu'il passe en toute transparence des points individuels aux lignes.

À des niveaux de zoom encore plus bas, vous pouvez à la place dessiner des polygones de délimitation, de sorte que vous ne représentez fondamentalement que la forme générale du champ dans son ensemble.

Vous avez mentionné que vous souhaitiez toujours pouvoir garder les données interactives, même à des niveaux de zoom inférieurs. Je ne suis pas sûr exactement ce que vous voulez dire ici - si vous voulez qu'ils puissent cliquer sur des points individuels, alors je pense qu'il n'y a pas d'autre option que de rendre tous ces points. Mais ce ne serait pas une excellente expérience utilisateur. Cependant, les représentations simplifiées décrites ci-dessus seraient toujours des caractéristiques vectorielles et pourraient théoriquement être rendues interactives.

Si la performance est l'objectif final ici, vous voulez en faire autant à l'avance que possible, via un processus backend quelconque (plutôt que d'essayer de comprendre cela côté client). Cela dépend de la façon dont vous stockez les données. Si vous l'avez dans une base de données spatiale comme PostGIS, vous pouvez exécuter une requête pour connecter chaque point à ses 2 voisins les plus proches (en supposant que ces voisins se trouvent à une distance de seuil minimale), puis exécuter quelque chose comme ST_Simplify sur le résultat pour diminuer le nombre de points individuels. Cela vous donnerait la représentation de segment de ligne que je suggère pour les niveaux de zoom intermédiaires. Ensuite, quelque chose comme ST_ConvexHull ou ST_ConcaveHull peut vous donner la représentation polygonale pour des niveaux de zoom encore plus bas.

Obtenir et supprimer ces représentations simplifiées sera le principal défi, que vous choisissiez ou non d'utiliser des tuiles vectorielles.

Avec les tuiles vectorielles, vous généreriez généralement un ensemble de tuiles pour chaque niveau de zoom (par exemple, en utilisant ST_AsMVT si vous utilisez PostGIS), et vous auriez juste besoin de vous assurer que vous n'incluez dans la tuile que les caractéristiques appropriées pour le niveau de zoom que vous générez.

Sans tuiles vectorielles, vous videriez simplement un ensemble de fichiers GeoJSON (ou tout ce que vous utilisez), un fichier pour les points "raw" (haute résolution), un autre fichier pour les lignes simplifiées (moyenne résolution) et un autre pour les polygones (basse resolution). Ensuite, dans le client, vous chargeriez chaque fichier en tant que couche distincte et afficheriez uniquement la couche appropriée en fonction de la résolution actuelle de la carte.


Conversion en fichier de formes

Le fichier texte ASCII doit être converti en un shapefile pour que nous puissions le traiter. Cela peut être fait avec QGIS ou Global Mapper.

  1. Ouvrir QGIS
  2. Sélectionnez Calque > Ajouter un calque > Ajouter un calque de texte délimité.
  3. Pour le nom de fichier, sélectionnez le fichier texte GNIS.
  4. Changez le nom de la couche en GNIS
  5. Pour le format de fichier, sélectionnez "Délimiteurs personnalisés"
  6. Décochez la case de l'onglet et placez un | dans la case des autres délimiteurs
  7. Assurez-vous que le "First record has field names" est coché
  8. Avec "Coordonnées du point" sélectionné comme définition de géométrie, définissez le champ X sur "PRIM_LONG_DEC" et le champ Y sur "PRIM_LAT_DEC"
  9. Cliquez sur OK
  10. Pour le système de référence de coordonnées, sélectionnez NAD83
  11. Cliquez sur OK
  12. Dans le panneau Calques, faites un clic droit sur GNIS et sélectionnez Enregistrer sous
  13. Appuyez sur Parcourir dans la zone Enregistrer sous et enregistrez le fichier sous GNISnocut.shp
  14. Appuyez sur OK
  15. Maintenant, cliquez sur la nouvelle couche gnis, puis ouvrez le gestionnaire de tables
  16. Sélectionnez la colonne feature_NA et renommez-la NOM
  17. Sélectionnez la colonne feature_cl et renommez-la couche
  18. Sélectionnez les colonnes suivantes (maintenez CTRL enfoncé pour les sélectionner toutes en même temps) : FEATURE_ID, STATE_ALPH, STATE_NUME, COUNTY_NAM, COUNTY_NUM, PRIMARY_LA, PRIM_LONG_, SOURCE_LAT, SOURCE_LON, SOURCE_L_1, SOURCE_L_2, ELEV_IN_M, Supprimer MAP_NAME, DATE_CREAT et cliquez sur DATE_CREAT
  19. Cliquez sur Enregistrer
  20. Cliquez sur oui pour enregistrer le style de calque.
  21. Fermez le gestionnaire de tables.
  22. Maintenant, certains des points seront probablement en dehors de l'état, même s'ils ne devraient pas l'être, nous devons résoudre ce problème. Ajoutez le fichier de couche vectorielle GU_StateOrTerritory.shp modifié dans la partie 1 (Couche > Ajouter une couche > Ajouter une couche vectorielle. )
  23. Aller à Vecteur > Outils de géotraitement > Découper
  24. Pour la couche d'entrée, sélectionnez GNISnocut et pour le calque de clip, sélectionnez GU_ÉtatOuTerritoire
  25. Pour le fichier de sortie, appuyez sur Parcourir et appelez le fichier gnis
  26. Cliquez sur OK. Cela peut prendre beaucoup de temps alors soyez patient.
  27. Vous pouvez maintenant quitter QGIS, le fichier est prêt.

Mappeur mondial

  1. Ouvrir le mappeur global
  2. Cliquez sur Fichier > Ouvrir les fichiers de données
  3. Sélectionnez le fichier texte des fonctionnalités GNIS et cliquez sur Ouvrir
  4. Il vous donnera un message sur la quantité de données GNIS importées.
  5. Cliquez sur Fichier > Exporter > Exporter le format vectoriel.
  6. Pour le type, sélectionnez "Shapefile"
  7. Cliquez sur OK
  8. Cliquez sur OK si vous obtenez un message de projection.
  9. Cochez la case Exporter les points
  10. Nommez le fichier gnis et placez-le dans votre dossier gnis
  11. Cliquez sur OK
  12. Vous pouvez maintenant quitter Global Mapper, le fichier est prêt.

À propos de

Oracle spatial

Oracle Spatial est un système de gestion de bases de données spatiales qui fournit une plate-forme pour centraliser, analyser et exploiter des informations complexes basées sur la localisation pour une prise de décision améliorée.

PostSIG

PostGIS est une extension spatiale pour le système de base de données open source de classe entreprise PostgreSQL qui ajoute la prise en charge des objets géographiques. C'est une solution attrayante pour les organisations qui ne souhaitent pas être liées aux logiciels des fournisseurs.

FME est la plate-forme d'intégration de données avec le meilleur support pour les données spatiales. Gagnez du temps en utilisant son interface glisser-déposer pour connecter des données à partir de centaines de formats et d'applications, transformer les données de manière illimitée et automatiser pratiquement n'importe quel workflow de données.


3 réponses 3

Vous pouvez utiliser QGIS pour enregistrer les données de ce service dans tous les formats de fichiers vectoriels pris en charge.

J'ai essayé d'ajouter l'url https://dservices1.arcgis.com/0MSEUqKaxRlEPj5g/arcgis/services/Active_Volcanoes_WFS/WFSServer à la liste des WFS services dans QGIS 3.6.2 et il affiche le SDE_GLB_VOLC sans problème. Vous pouvez faire un clic droit sur le nom de la couche (SDE_GLB_VOLC) dans le panneau du navigateur et exportation les données dans un géopackage, un fichier de formes ou tout autre format pris en charge.

J'ai également ajouté l'url https://services1.arcgis.com/0MSEUqKaxRlEPj5g/arcgis/rest/services/Active_Volcanoes_WFS/FeatureServer à la liste des ArcGisFeatureServer services et il a également été possible de exportation les données dans un fichier à partir du panneau du navigateur en cliquant avec le bouton droit sur le nom de la couche.

Sachez qu'il ne s'agit pas vraiment de données ouvertes, elles indiquent simplement « Pour un usage éducatif uniquement » et vous devez créditer la Smithsonian Institution.


Autodesk AutoCAD (DWG)

AutoCAD est un logiciel de conception et de dessin utilisé principalement par les architectes, les chefs de projet et les ingénieurs pour la création de dessins numériques précis et de modèles de leurs plans.

PostSIG

PostGIS est une extension spatiale pour le système de base de données open source de classe entreprise PostgreSQL qui ajoute la prise en charge des objets géographiques. C'est une solution attrayante pour les organisations qui ne souhaitent pas être liées aux logiciels des fournisseurs.

FME est la plate-forme d'intégration de données avec le meilleur support pour les données spatiales. Gagnez du temps en utilisant son interface glisser-déposer pour connecter des données à partir de centaines de formats et d'applications, transformer les données de manière illimitée et automatiser pratiquement n'importe quel workflow de données.


Voir la vidéo: Kuidas eksportida tellimused csv faili ShopRoller keskkonnas (Octobre 2021).