Suite

Convertir le fichier *.kml en fichier *.lyr afin que Google Earth puisse créer des données spatiales à utiliser dans ArcGIS for Desktop ?


Je veux convertir le fichier .kml en fichier .shp afin que je puisse créer de nouvelles données de points, de lignes et de polygones pour travailler dans ArcGIS.

En fait, je souhaite utiliser Google Earth pour créer des données pour ArcGIS.


Si vous comptez l'utiliser dans ArcGIS, je suppose que vous avez déjà installé ArcGIS. Utilisation : ArcToolbox > Outils de conversion > De KML > KML vers la couche

Je crois que cela a déjà été répondu pour l'utilisation de Gdal/OGR2OGR : Comment convertir entre KML et le format shapefile (SHP) d'Esri ?


En fonction du titre de votre question et de votre balise, je ne sais pas si vous souhaitez utiliser GDAL ou ArcGIS pour effectuer cette conversion.

L'option GDAL ogr2ogr serait cette commande :

ogr2ogr -f "ESRI Shapefile" C:/Temp/myshp.shp C:/Temp/mykml.kml

D'autres exemples peuvent être trouvés ici :

Aide-mémoire OGR2OGR


Évaluation de la précision de la classification de l'occupation des sols à l'aide de Google Earth

1 American Journal of Environmental Protection 25 4(4): 9-98 Publié en ligne le 2 juillet 25 ( doi:.648/j.ajep ISSN: (Print) ISSN: (Online) Accuracy Assessment of Land Use Land Cover Classification using Google Earth Abineh Tilahun, *, Bogale Teferie 2 Department of Geography and Environmental Studies, Adigrat University, Adigrat, Ethiopia 2 Department of Geography and Environmental Studies, Dilla University, Adigrat, Éthiopie adresse : (A. Tilahun) Pour citer cet article : Abineh Tilahun , Bogale Teferie. Accuracy Assessment of Land Use Land Cover Classification using Google Earth. American Journal of Environmental Protection. Vol. 4, No. 4, 25, pp doi:.648/j.ajep Résumé : Cette étude examine l'évaluation de la précision de classification de l'occupation des sols à l'aide de Google Earth dans le cas de Kilite Awulalo, État du Tigré, Éthiopie pour l'année 24. Pour cette étude, l'image Landsat-8 OLI_TIRS de 24 a été utilisée et analysée à l'aide d'Arc GIS. Un schéma de classification supervisé a été utilisé pour classer les images. der catégories d'utilisation des terres et de couverture des terres Les terres agricoles, les terres de peuplement, les pâturages, les terres forestières, les terres arbustives, les plans d'eau et les terres nues/pierreuses ont été étudiées. Après classification des types d'occupation des sols, des points aléatoires ont été générés dans Arc GIS et convertis en KML afin de s'ouvrir dans Google Earth. La valeur de chaque point aléatoire est vérifiée à partir de Google Earth pour l'évaluation de la précision. Le modèle Google Earth a été utilisé pour mesurer le nombre de pixels de vérité terrain correctement classés. Pour cette étude, Free Google Earth qui était Build in Date /7/2 a été utilisé. Le résultat montre que la précision totale (globale) de l'utilisation des terres et de la couverture terrestre pour 24 est de 82,% et Kappa (K) est de 77,2%, ce qui est acceptable à la fois pour la précision totale (globale) et la précision Kappa. Mots clés : évaluation de la précision, Google Earth, Kappa, utilisation des terres, couverture du sol. Introduction La distribution des changements LULC varie dans l'espace et dans le temps. Cela s'explique par le fait que les caractéristiques physiques et sociales des communautés varient dans l'espace et dans le temps, tout comme les choix d'utilisation des terres, ce qui entraîne une configuration spatiale des types d'utilisation des terres (Canute et al, 25). L'étude du modèle d'occupation des sols est essentielle pour la sélection, la planification et la mise en œuvre des plans d'utilisation des terres pour répondre aux besoins et au bien-être croissants de l'homme. Cela fournit également des informations pour gérer la dynamique d'utilisation des terres et répondre aux demandes d'une population humaine croissante (Yadav et al. 2). Par conséquent, montrer les résultats de l'occupation des sols sous forme de cartes et de données statistiques est très important pour les organismes concernés comme la planification, la gestion et l'utilisation des terres à différentes fins (Roy et Giriraj, 28). L'analyse de l'occupation des sols peut être effectuée à partir de photographies aériennes traitées, d'images satellites (image Landsat, image Quick bird) et de Google Earth (Dash, 25). Étant donné que les données de télédétection de l'orbite terrestre peuvent être obtenues à plusieurs reprises sur la même zone, elles ont été très utiles pour surveiller et analyser les LUCC dans diverses régions de la terre et contribuent grandement à la planification et à la gestion des ressources disponibles, en particulier dans les pays en développement où d'autres types de données de base font souvent défaut (Dash, 25 Fakeye et al, 25). Après avoir effectué la classification de l'occupation des sols, l'exactitude des données spéciales doit être définie. L'évaluation ou la validation de l'exactitude est une étape importante dans le traitement des données de télédétection qui détermine la valeur informative des données résultantes pour un utilisateur (Abubaker et al. 2). Pour faire de l'évaluation de l'exactitude, nous utilisons. Vérification au sol à l'aide du système de positionnement global (observation de la zone) 2. Compare l'image classifiée à une image supposée correcte (telle qu'une photographie aérienne, Google Earth Image). Poser des questions aux organismes concernés ceux dont ils disposent d'informations antérieures Actuellement, les chercheurs ont tendance à utiliser des données à haute résolution spatiale afin d'obtenir des résultats plus précis et plus précis. Dans

2 American Journal of Environmental Protection 25 4(4): 9-98 À cet égard, les images à haute résolution spatiale de Google Earth qui sont gratuites pour le public sont une bonne source d'imagerie, y compris les images satellites et les photos aériennes. Google Earth (fourni par Google Inc., est un programme de globe virtuel qui cartographie la terre par superposition d'images satellites à haute résolution (Shirkou et Aliakbar, 2). Depuis sa sortie le 25 juin, Google Earth a pour objectif de fournir aux téléspectateurs un vue plus réaliste du monde. Outre Google Earth, les données cartographiques et la mesure de la position peuvent être obtenues à l'aide de différentes méthodes telles que les méthodes d'arpentage terrestre classiques ou modernes, le système de positionnement global (GPS) et l'imagerie satellitaire de télédétection. Chacune de ces méthodes est de une précision de position connue (Nagi et al,, 2). L'imagerie à haute résolution de Google Earth est importante pour l'évaluation de la précision en comparant ng de base point par point. 94 Un ensemble aléatoire de points est généré pour la zone, puis en utilisant Google Earth, la valeur de chaque point est identifiée. Par conséquent, cette étude visait à examiner l'exactitude de la classification de l'occupation des sols à l'aide de Google Earth dans le cas de Kilite Awulalo, dans l'État du Tigré, Éthiopie 2. Description du site (emplacement) La zone d'étude est située dans la région du Tigré, au nord de l'Éthiopie, dans les coordonnées géographiques de la grille de coordonnées de º'7.68"N à º57'29.447"N 57'29.447"N de latitude et 9º8'8.66"E - 9º4'44.647 "E 4'44.647"E longitude. Le district est délimité par le district de Saesie Tsaedaemba au nord, le district de Hawzen au nord-ouest, le district de West Enderta au sud, le district de Degua Temben au sud-ouest et le district d'Atsbi wenberta à l'est. Chiffre. Carte de localisation de la zone d'étude.

3 95 Abineh Tilahun et Bogale Teferie : Évaluation de la précision de la classification de l'occupation des sols à l'aide de Google Earth.. Matériaux et méthodes.. Données utilisées Des images satellite couvrant la période 24 (Landsat-8 OLI_TIRS) ont été utilisées pour l'analyse de l'occupation des sols. Le détail des images satellites est donné ci-dessous. Tableau. Traitement de la collecte des données sources et images satellites. Satellite/ Spacecraft_ID ID du capteur Landsat-8 OLI_TIRS Chemin/ligne Date d'acquisition Résolution spatiale/ Grille Taille de la cellule (m) Élévation du soleil 68/ m / m / m Couverture nuageuse.2. Logiciel utilisé Le logiciel suivant a été utilisé pour le traitement et/ou l'analyse des données/images. a) Arc GIS. : Préparation de la localisation de la zone du projet, Génération de la base de données b) Erdas Imagine : Pour la classification des images c) Google Earth pour la création de fichiers KML et la vérification des points générés aléatoirement. Méthodes d'analyse des données Image Landsat 8, Bandes 4 et 2 sont utilisés pour se combiner pour créer des images composites en vraies couleurs pour l'analyse de l'occupation des sols et une classification d'images supervisée a été effectuée. Ce qui signifie que les analystes entraînent l'ordinateur à reconnaître des modèles dans les données en sélectionnant des pixels qui représentent des modèles ou des caractéristiques de couverture terrestre qu'elle reconnaît. Les fichiers de signature ainsi créés sont ensuite utilisés dans le processus de classification où chaque pixel est classé dans la classe de couverture terrestre. il ressemble surtout. Une fois la classification des images terminée, Google Earth gratuit, qui était la date de création 5/7/2, a été utilisé pour l'évaluation de la précision. L'évaluation de la précision a été mesurée à l'aide de la matrice à l'aide de la classification de l'utilisateur et de l'image de référence La précision individuelle a été mesurée à l'aide de l'équation Précision individuelle = La précision globale a été mesurée à l'aide de l'équation 2 () Précision totale (globale) = Kappa peut être utilisé comme mesure de la concordance entre les prédictions du modèle et la réalité (Congalton 99) ou pour déterminer si les valeurs contenues dans une matrice d'erreurs représentent un résultat significativement meilleur qu'aléatoire (Jensen 996). Kappa a été calculé à l'aide de l'équation. K =,- /2. // - /2 (. /4. 4/), 5 - /2 (. //. 4/ ) 4. Résultats et discussion Sur la base de l'analyse d'images satellite et de l'observation de la situation actuelle, six principales utilisations des terres et types de couverture des terres ont été identifiés dans la zone d'étude. Il s'agit notamment de l'établissement, de l'agriculture, des forêts, des catégories LULC () !"# $% (&) ' "# $% (&) Rocky, Bush Land et Water corps Tableau 2. Classes LU/LC, leurs superficies correspondantes pour la superficie (hectare ) Superficie (% Forêt Brousse Agriculture Établissement Rocher/Eaux nues Total (2) 4.. Utilisation des terres Classification de l'occupation des sols pour 24 La classification de l'occupation des sols de la zone pour 24 à partir de l'image satellite OLI_IRS (tableau 2) a montré que la la majorité de la zone d'étude est couverte par des hectares de brousse (ha), contribue à 4,% de la superficie totale. Les terres forestières et les terres agricoles couvrent une superficie aérienne de 96,4 ha (0,76 %) et ha ( %) respectivement, tandis que la la couverture aérienne des terres rocheuses/nues et colonisées est d'ha (.78 %) et ha (4.4 %) de la superficie totale du district. Il y a aussi des eaux artificielles qui couvrent .79 %.

4 American Journal of Environmental Protection 25 4(4) : Figure 2. Carte de l'utilisation des terres et de l'occupation des sols du Kilite Awulalo en 24. Figure. Les classes LU/LC, leurs zones correspondantes pour l'évaluation de la précision des classifications pour 24 Google Earth représentent une source puissante et attrayante de données de position qui peuvent être utilisées pour des enquêtes et des études préliminaires avec une précision appropriée et un faible coût. Étant donné que les images de Google Earth à haute résolution spatiale sont gratuites pour le public et peuvent être utilisées directement dans les terres d'utilisation des terres

5 97 Abineh Tilahun et Bogale Teferie :: Évaluation de la précision de la classification de l'occupation des sols à l'aide de Google Earth. Cartographie de la couverture terrestre dans une petite étendue géographique. Une étude menée par Abineh ineh et Zubairul en 25, et le résultat de l'évaluation de la précision de l'utilisation des terres à l'aide de Google Earth était de plus de 75 %, ce qui est acceptable. Une fois l'image classée, la génération d'un ensemble de points aléatoires a été effectuée dans ArcMap (Toolbox Toolbox >>> Data Management Tools >>> Feature Class >>> Create Random Points >>> crée des valeurs d'extraction de points. Ensuite, la valeur de chaque point aléatoire a été identifiée par Google Earth Image. Figure 4. Génération de points aléatoires dans ArcMap (A) et ouverture des points dans Google Earth (B). Tableau. Évaluation de la précision de l'occupation des sols : 24. Référence de Google Earth 2 User Image (24 Classified) Rocky ( 27) Brousse (4) Eau (54) Brousse (4) 2 Eau (54) Colonne Total 6 27 Etablissement () Agriculture (5) Forêt (9) Ligne Total Ind. ACC Etablissement () Agriculture (5) Forêt (9 ) Rocheux (27) Précision totale (globale) = (( )/)* )/)* = 8/ =.85 = 82.% 8 K < =6 7 24=27 7 2=7 7 4=4 7 27 = 7 4x C : < = =6 7 24=27 7 2=7 7 4=4 7 27= 7 4x CK 82 < C < CK 82 264 264 Donc Kappa de 0,776 signifie qu'il y a 77,2% 7 meilleur accord que par le hasard seul 5. Conclusion Google Earth re présente une source puissante et attrayante de données de position qui peuvent être utilisées pour des enquêtes et des études préliminaires avec une précision appropriée et un faible coût. Ainsi, Google Earth arth est très important pour la cartographie de différents types d'utilisation des terres/d'occupation des sols et pour l'évaluation de la précision. Le résultat de la précision montre que la précision totale (globale) de l'utilisation des terres et de la couverture terrestre est de 82,% 82. et Kappa (K) est de 77,2%, ce qui est acceptable à la fois pour la précision totale (globale) et la précision Kappa.


Voir la vidéo: Aspremont À Nice Par Les Sentiers Le Mardi 20 Avril 2021 (Octobre 2021).