Suite

Changer la valeur de pixel NODATA dans le raster en valeur arbitraire


Je souhaite modifier la valeur de tous les pixels actuellement compris entre 0 et 800 dans QGIS 2.6.1. 0 est répertorié comme valeur sans données dans Propriétés > Transparence. J'y ai décoché la case Aucune valeur de données. Ensuite, j'ai essayé ce qui suit.

1) Définissez Paramètres > Option > Sources de données > Représentation des valeurs NULL = 800. Enregistrer sous… pour créer une nouvelle couche raster .tif, AVEC et SANS spécifier une plage pour Aucune valeur de données dans la boîte de dialogue Enregistrer sous…. Je pensais que peut-être une plage de -1 à 1 gérerait mieux les zéros de représentation réelle. Dans tous les cas, le raster renvoyé est identique à l'original, sans modification des pixels sans données (valeur=0).

2) Boîte à outils de traitement > Géoalgorithmes > Raster > Outils généraux > Calculatrice raster, avec l'expression :ifelse(lt(a,1), (800), une). Toujours pas de dés, la valeur sans données est maintenant-99999.

3) Menu Raster > Calculatrice raster, avec expression :("mon calque [email protected]" >= 0) * "mon calque [email protected]". Fait intéressant, maintenant la valeur sans données est-3.40282… E+38.

4) Boîte à outils de traitement > Géoalgorithmes > Raster > Edition > Reclassifier les valeurs de grille. Cet outil ne fonctionnait pas du tout. J'ai essayé les options [0] Single, [1] Range et [2] Simple Table, avec et sans enregistrement dans un fichier. Log a donné un tas d'erreurs sur l'impossibilité de charger les modules. Le chemin d'accès aux .dll est correct.

5) Boîte à outils de traitement > Géoalgorithmes > Raster > Edition > Reclassifier (simple), avec l'option de plage -1 à 1. Renvoyé un raster avec la valeur sans données = -99999.

Pour mémoire, tous les tests ont été effectués avec la représentation nulle = 800, mais j'ai également essayé plusieurs des méthodes avec la représentation par défaut de NULL. Les résultats étaient les mêmes. J'ai également exporté le raster au format XYZ et l'ai examiné dans CloudCompare ; les valeurs nulles sont exprimées en tant que valeur rapportée dans Propriétés > Transparence.


Vous pouvez utiliser le r.null.à fonction via GRASS pour transformer toutes les cellules de valeur NULL en une valeur définie par l'utilisateur, qui dans votre cas est 800 :

Remarque : Vous devrez créer un jeu de cartes GRASS avant de pouvoir utiliser r.null.à car il n'est pas disponible dans le Boîte à outils de traitement. Une fois que vous avez créé un jeu de cartes, utilisez l'option GRASS pour ajouter une couche raster, sélectionnez Ouvrir les outils GRASS et recherchez dans la liste des modules :


Éditeur de pixels raster

Parfois, vous souhaitez modifier les valeurs des pixels dans vos rasters. Ce n'est pas quelque chose que vous voudriez nécessairement faire avec l'imagerie, mais lorsque vous travaillez avec des rasters catégoriques ou un modèle d'élévation, cela peut s'avérer utile. Voici un exemple qui montre comment créer un mur de barrière pour la prévention des inondations sur les Outer Banks en Caroline du Nord. Essentiellement, je vais créer un nouveau raster qui pourrait ensuite être appliqué à un modèle d'inondation.

Commencez avec vos données d'altitude et un fichier de formes qui délimite l'endroit où le mur monterait. Gardez à l'esprit qu'il doit s'agir d'un polygone pour que cela fonctionne. Lorsque j'ai fait cela, j'ai créé un fichier de formes polyligne, puis j'y ai ajouté un tampon de 1 m.

Dans la fenêtre d'analyse d'image, sélectionnez la couche d'altitude et ajoutez une fonction.

Dans l'éditeur qui s'affiche, faites un clic droit sur la couche raster et insérez une fonction constante. La constante doit être la hauteur du mur que vous souhaitez construire plus l'élévation sous-jacente. Parce que je regarde les données côtières, 25 m c'est bien. Si je modélisais l'impact de la construction d'un barrage dans une zone de haute altitude, je voudrais ajouter l'altitude à la hauteur du barrage.

Après avoir ajouté la fonction constante, gardez l'éditeur ouvert et ajoutez une fonction de clip. Accédez au fichier de formes que vous avez créé pour votre domaine d'intérêt. Sélectionnez Extérieur pour le type et cochez la case en regard d'Utiliser les entités en entrée pour la géométrie de découpage. Cliquez sur OK.

Dans la fenêtre de l'éditeur, ajoutez une fonction locale au-dessus de la fonction constante. Utilisez l'icône Plus pour ajouter un raster à partir du disque et sélectionnez les données d'altitude d'origine. Sous Opérations, faites défiler vers le bas et sélectionnez Maximum (Ignorer NoData). Remplacez l'étendue par Union. Cliquez sur OK et vous êtes prêt.

Vous pouvez créer un fichier de formes pour n'importe quel domaine d'intérêt et réutiliser cette chaîne de fonctions pour fonctionner comme un éditeur de pixels. Vous n'êtes pas limité à modifier les valeurs des pixels, vous pouvez utiliser n'importe laquelle des fonctions que vous souhaitez comme le filtrage, les statistiques, les mathématiques de bande, etc.


2 réponses 2

Je ne sais pas exactement pourquoi RasterBand.GetMaximum() et RasterBand.GetMinimum() renvoient None . Peut-être qu'une table attributaire raster doit être calculée avant que GTiff puisse accéder à cette valeur à la volée ?

Vous pouvez effectuer des opérations similaires sur la variable numpy.ndarray barray .

Le problème évident ici est de savoir si la valeur nodata est soit le min, soit le max, auquel cas cela serait renvoyé à votre mécontentement. Landsat a nodata=0.

Vous pouvez résoudre ce problème en créant un tableau masqué et en utilisant les méthodes min et max du tableau masqué.

Pour que .GetMinimum() & .GetMaximum() de gdal renvoie des valeurs, vous devez d'abord calculer des statistiques sur la bande. Sinon, il apparaît comme aucun. Du moins, c'est mon expérience avec l'imagerie radar et les interférogrammes Sentinel1.
Quelques exemples de code.


1 réponse 1

C'est un peu différent de l'extraction pour un polygone, car vous voulez échantillonner chaque pixel touché par la ligne, dans l'ordre dans lequel ils sont touchés (les approches polygonales ne se soucient pas de l'ordre des pixels).

Il semble qu'il serait possible d'adapter cette approche pour utiliser plutôt rasterio. Étant donné une ligne lue à partir d'un fichier de formes utilisant des géopandas ou des fiona comme objet de forme, vous utilisez les points de terminaison pour dériver une nouvelle projection équidistante que vous utilisez comme dst_crs dans un WarpedVRT et lisez les valeurs de pixels à partir de cela. Il semble que vous auriez besoin de calculer la longueur de votre ligne en termes de nombre de pixels que vous souhaitez échantillonner, il s'agit du paramètre de largeur du WarpedVRT .

Cette approche devra peut-être être adaptée davantage si votre ligne n'est pas une ligne approximativement droite entre les extrémités.

Si vous souhaitez simplement obtenir les valeurs brutes des pixels sous la ligne, vous devriez pouvoir utiliser un masque en rasterio ou pixelliser directement, pour chaque ligne. Vous pouvez utiliser all_touched=True dans le cas des lignes.


Avantages/Inconvénients du modèle vectoriel

Par rapport au modèle de données raster, les modèles de données vectorielles ont tendance à être de meilleures représentations de la réalité en raison de l'exactitude et de la précision des points, des lignes et des polygones sur les cellules de grille régulièrement espacées du modèle raster. Il en résulte que les données vectorielles ont tendance à être plus esthétiques que les données raster.

Les données vectorielles offrent également une capacité accrue de modifier l'échelle d'observation et d'analyse. Comme chaque paire de coordonnées associée à un point, une ligne et un polygone représente un emplacement infiniment exact (bien que limité par le nombre de chiffres significatifs et/ou les méthodologies d'acquisition de données), un zoom en profondeur sur une image vectorielle ne change pas la vue d'un graphique vectoriel de la même manière qu'il fait un graphique raster (voir fig. 1).

Les données vectorielles ont tendance à être plus compactes dans la structure des données, de sorte que les tailles de fichiers sont généralement beaucoup plus petites que leurs homologues raster. Bien que la capacité des ordinateurs modernes ait minimisé l'importance de maintenir des fichiers de petite taille, les données vectorielles nécessitent souvent une fraction de l'espace de stockage de l'ordinateur par rapport aux données raster.

Le dernier avantage des données vectorielles est que la topologie est inhérente au modèle vectoriel. Ces informations topologiques se traduisent par une analyse spatiale simplifiée (par exemple, détection d'erreurs, analyse de réseau, analyse de proximité et transformation spatiale) lors de l'utilisation d'un modèle vectoriel.

Alternativement, le modèle de données vectorielles présente deux inconvénients principaux. Premièrement, la structure des données a tendance à être beaucoup plus complexe que le modèle de données raster simple. Comme l'emplacement de chaque sommet doit être stocké explicitement dans le modèle, il n'y a pas de raccourcis pour stocker des données comme c'est le cas pour les modèles raster (par exemple, les méthodologies de codage run-length et quad-tree).

Deuxièmement, la mise en œuvre de l'analyse spatiale peut également être relativement compliquée en raison de différences mineures d'exactitude et de précision entre les ensembles de données d'entrée. De même, les algorithmes de manipulation et d'analyse des données vectorielles sont complexes et peuvent entraîner des besoins de traitement intensifs, en particulier lorsqu'il s'agit de grands ensembles de données.


Problème de l'outil ArcGIS Pro Nibble

J'ai un raster d'intensité wawe avec des lacunes (NoData) et je souhaite grignoter les pixels NoData des valeurs de pixels voisines (valeurs d'intensité wawe) dans ArcGIS Pro, à l'aide d'un masque d'eau de mer séparé couvrant les zones NoData (pixels en bleu foncé). Les deux rasters sont des rasters à virgule flottante de 32 bits et ont des statistiques de raster, des étendues et une projection identiques. En plus tout l'env. les variables semblent être correctement définies. Les outils Nibble fonctionnent bien sans aucun message d'erreur. MAIS la sortie est un raster avec des valeurs de -3,4 à +3,4. Le même problème se produit lorsque j'utilise l'outil Focal Statistics. mêmes problèmes avec les rasters entiers, sortie Nibble 0-255. Le raster de sortie flottant a la même taille de 2,8 Go, il contient donc des données. J'ai également construit de nouvelles pyramides et calculé des statistiques raster sans aucune amélioration.

Des idées pourquoi c'est ainsi, et comment résoudre ce problème ?

Merci de m'avoir conseillé d'utiliser les GRID.

J'ai résolu le problème (je suis revenu à ArcGIS 10.17 car je connais toujours mieux ce logiciel).

  1. J'ai d'abord converti tous les pixels wawe NoData en 0 pour permettre à l'outil Nibble d'effectuer également l'interpolation (dans la zone côtière).
  2. J'ai ensuite utilisé cette couche convertie comme raster d'entrée pour l'outil Nibble.
  3. Le wawe-raster d'origine (avec ses pixels NoData) sert de masque raster en entrée. La sortie Nibble m'a donné le résultat escompté, tel que visualisé dans les images ci-jointes.

Franc


Modèles de données raster (modèle Propriétés de uniformément espacés cellules de grille)

Motivation historique

Concept général d'analyse d'adéquation (c.-à-d. utilisation appropriée des terres en fonction des caractéristiques des terres)
  • très prolifique (1700 projets en carrière) et influent
  • a aidé à créer le système des parcs nationaux des États-Unis
  • écrit le premier « Plan national » prônant les zones de conservation ainsi que le développement
  • planification basée sur les ressources (les caractéristiques naturelles devraient influencer la forme de la ville) « plusieurs centres basés sur les quartiers déterminés par les ressources disponibles »
  • importance des parcs : « les villes les mieux conçues ont environ un huitième de leur superficie en parcs et environ un acre pour 75 habitants. (Manning 1919)
  • Différencié du « mouvement City Beautiful » qui mettait l'accent sur les centres civiques monumentaux et les bâtiments publics
Comment mettre en œuvre ces idées dans un monde prénumérique ? (pas facile!)
      • ressources naturelles cartographiées par sondage (pas de photos aériennes !)
      • tables lumineuses utilisées et traçage manuel pour l'analyse spatiale

      • les caractéristiques peuvent être « bonnes », auquel cas les zones de chevauchement sont « appropriées »
      • les caractéristiques peuvent être « mauvaises », auquel cas les zones de chevauchement sont « inappropriées »
      • les caractéristiques peuvent être « moyennement bonnes » ou « plutôt mauvaises » pour les cas intermédiaires

      Les idées et méthodes de Manning revisitées et popularisées dans les années 1960 par Ian McHarg (Penn) et Carl Steinitz (Harvard)

      Pourquoi ne pas faire des superpositions avec Vector Model ?
      • Le "Problème de ruban" ne s'adapte pas bien
        • Dans une analyse avec des dizaines de couches, peut passer autant de temps sur le nettoyage que sur l'analyse
        • Le modèle de données vectorielles, en particulier avec des polygones, est complexe (la superposition "simple" nécessite de nombreux calculs)
        • Le modèle de données raster est une représentation très efficace à l'intérieur des ordinateurs numériques

        Modèle de données raster

        • Orthophotos (2m x 2m 0.5m x 0.5m)
          • La valeur de la cellule est la luminosité des pixels dans l'orthophoto
          • C'est la représentation par défaut
          • A des restrictions de nommage étranges (basées sur Fortran) : 13 caractères + trait de soulignement
          • Peut également utiliser "geoTIFF" simplement en spécifiant l'extension (sortie : this_is_my_long_descriptive_filename.tif)
          • Peut afficher les rasters dans la version de base, mais pas manipuler

          Illustrer les opérations raster de base dans ArcGIS

          • Outil entité vers raster (dans ArcToolbox) pour convertir les polygones de groupe de blocs Cambridge en une couche raster
            • Cellules de grille de 100 mètres
            • utiliser la valeur médiane du logement pour la valeur dans chaque cellule de grille raster
            • Moyenne pondérée par la distance inverse des 12 ventes les plus proches
            • placer la grille au bon endroit (étendue. )
            • obtenir la bonne taille de cellule (coordonnées et dimensions. )
            • masquant les parties qui ne sont pas à Cambridge

            Mardi 19 décembre 2017

            Présentation du SIG

            SIG - Le SIG est une collection intégrée de logiciels et de données informatiques utilisés pour afficher et gérer les informations sur les lieux géographiques, analyser les relations spatiales et modéliser les processus spatiaux

            Modèle - Un modèle est une simplification pour décrire, prédire ou analyser la réalité. Il est généralement fait pour répondre à une question ou résoudre un problème.
            Les problèmes avec les modèles sont qu'ils représentent un problème du monde réel avec plusieurs hypothèses et simplifications impliquant un compromis, une subdivision, une reclassification, une généralisation et l'imposition de limites temporelles résultant en l'application de contraintes subjectives.
            Le SIG a été développé en 1963 par le Dr Roger Tomlison qui est considéré comme le "Père du SIG".
            Données de localisation sont des informations qui décrivent l'emplacement et les propriétés (attributs) des entités. Il peut être stocké sous forme de données raster ou vectorielles.
            Un projet de carte référence des fichiers de données mais ne les contient pas. Exemple : ArcMap, QGIS
            La carte a une extension .mxd dans ArcMap
            Le modèle de données vectorielles définit des objets avec des limites définies.
            Les géométries vectorielles sont représentées à l'aide de paires de coordonnées (x,y,z) : Point, (poly)ligne, Polygone
            Les données vectorielles utilisent des coordonnées géographiques et des informations attributaires pour localiser et déterminer les entités.
            Les types d'attributs sont : Nominal, Ordinal, Interval & Ratio.
            Nominal : Fait référence à la QUALITÉ d'une caractéristique, PAS À LA QUANTITÉ
            Ordinal : Fait référence au rang
            Intervalle: Se réfère à une mesure de qualité qui est linéaire (Ex : Température)
            Rapport : mesure de quantité linéaire, mais avec un point zéro fixe.
            Modèle de données raster : c'est un mélange de cellules (Élément d'image PIXEL) organisé en lignes et en colonnes où chaque cellule contient une valeur représentant des informations. La taille augmente de façon exponentielle avec l'augmentation de la taille de la cellule.
            Utilisations de raster :

            • Carte de base - Comme arrière-plan pour les couches vectorielles
            • Carte de surface - Représentation des données changeantes dans un paysage
            • Carte thématique - Regroupement des valeurs en classes ou catégories
            • Primaire (mesurer des données directement à l'aide d'instruments comme le GPS ou de techniques comme l'arpentage et la télédétection)
            • Secondaire (Numérisation de cartes à partir de cartes physiques, de photographies, en utilisant la photogrammétrie)
            • -Résolution
            • -Escalader
            • -Âge
            • -Auteur
            • -La source
            • -Position & attribut
            • -Précision
            • -Complétude
            • -Métadonnées

            Formats de fichiers vectoriels sont ceux qui peuvent être stockés en tant que classes de géodatabase dans la géodatabase et le fichier de formes, CAD Ex : shp, shx, dbf, prj, xml.
            Géodatabase fichier- La géodatabase est une collection de jeux de données géographiques qui est facilement gérée et évolutive en fonction de l'utilisation prévue. - IL EST PLUS FACILE À CONSERVER.
            Il s'agit d'une collection de fichiers dans un dossier qui peut stocker, interroger et gérer des données spatiales et non spatiales. Cela est composé de:

            • -Cours de fonctionnalités
            • -Ensemble de données de caractéristiques
            • -Jeu de données raster
            • -Tables non spatiales et
            • -Boîtes à outils

            Classe d'entités - Il se trouve dans les fichiers de géodatabase et est une collection de vecteurs avec des attributs définis, mais peut également faire référence à des annotations, des multipoints ou des multipatches.
            Formats de fichier raster- Ils sont enregistrés dans la géodatabase en tant que modèle mosaïque, et aux formats tiff, jpeg, GeoTIFF, jpeg2000, DEM. Le format détermine :

            1. -La catégorie de projection conforme préserve les angles locaux. Ex : projection de Mercator -UNE PROJECTION NE PEUT ÊTRE À LA FOIS À ZONE ÉGALE ET CONFORME
            2. -La catégorie de projection à surface égale préserve la surface
            3. -La catégorie de projection équidistante préserve l'échelle dans une direction donnée
            4. -La catégorie de projection de compromis implique une distorsion modérée de SHAPE, AREA. DISTANCE, DIRECTION & ÉCHELLE.
            1. -60 zones divisées par le Nord ou le Sud
            2. -Chaque zone est une projection de Mercator cylindrique sécante
            3. -Les lignes standard sont à environ 180 km de chaque côté du méridien central
            1. -stocker les données dans une base de données centrale où les utilisateurs peuvent les projeter selon leurs besoins.
            2. -faire une carte rapide
            3. -lorsque la distorsion de la forme, de la surface et de la distance n'a pas d'importance
            4. -lorsque les requêtes spatiales basées sur l'emplacement et la distance ne seront pas effectuées.
            1. -Requêtes de distance
            2. -Pour mesurer les surfaces
            3. -Analyse SIG
            4. -Modifier les fonctionnalités SIG
            5. -Visualisation correcte

            La superficie fait référence à la mesure 3D qui mesure le long des pentes et elle est toujours plus grande que la superficie 2D.
            Mesure catégorielle fait référence à la comparaison de catégories de différents facteurs à l'aide d'un critère commun.
            Ex:

            1. -Égal à (=)
            2. -Supérieur à (>)
            3. -Moins de (<)
            4. -Supérieur ou égal à (>=)
            5. -Inférieur ou égal à (<=)
            6. -Non égal à (<>)
            1. -AIMER
            2. -'-'
            3. -'%'
            4. Valeurs nulles
            5. -EST
            6. -N'EST PAS les opérateurs sont utilisés pour identifier les valeurs NULL
            1. -Accéder aux données spatiales pour sélectionner des enregistrements qui répondent à un ensemble de critères spatiaux Ex : tester la relation de différents ensembles de données
            2. -Intersection
            3. -Proximité
            4. -Endiguement
            5. -Distance
            6. Joindre des données
            7. -Combiner les données de plusieurs tables d'entrée dans une seule table de sortie à l'aide d'une clé commune dans la table
            • La jointure d'attribut consiste à ajouter les champs d'une table à ceux d'une autre via un champ commun aux deux tables
            • L'avantage de la jointure d'attribut est que toutes les données n'ont pas besoin d'être stockées dans une seule table. Les DONNÉES NON SPATIALES peuvent être cartographiables
            • -Pour trouver la fonctionnalité la plus proche
            • -Contenu d'un polygone &
            • -Utiliser comme outil de mesure
            1. -Moins cher et moins de temps à produire
            2. -Large audience (accessible par toute personne ayant accès à Internet)
            3. -Plus facile à mettre à jour
            4. -Interactif
            5. -Peut être utilisé pour créer un lien vers des informations connexes
            • -C'est une carte thématique dans laquelle les zones vectorielles sont distinctement colorées ou ombrées pour représenter les valeurs classées d'un phénomène particulier.
            1. -Intervalle égal, intervalle défini
            2. -Quantile
            3. -Coupes naturelles (dans ArcMap)
            4. -Petites pauses (dans QGIS)
            5. -Déviation standard (dans quelle mesure la valeur d'attribut d'une caractéristique varie par rapport à la moyenne)
            6. -Subjectif (Manuel)
            7. -Non classé (Valeurs uniques)

            La classification raster implique :

            • -Reclasser les cellules pour généraliser les tendances existantes
            • -Création de thèmes dans des modèles raster. Ex : Chloroplèthe
            • -VECTOR -Classes de fonctionnalités
            • -RASTER -Jeux de données raster (Un modèle de données spatiales maillée)
            • -NON-SPATIAL -Tableaux constitués de lignes et de colonnes
            • -La topologie est définie comme un ensemble de relations géographiques d'une ou plusieurs classes d'entités avec des géométries communes dans une géodatabase.
            • -La topologie décrit comment les entités sont liées spatialement
            • -Les entités partagées entre les classes d'entités peuvent être gérées à l'aide de la topologie, des nœuds, des arêtes et des faces. Leurs relations les unes avec les autres et leurs caractéristiques peuvent être efficacement découvertes et assemblées.
            • -La topologie fournit un mécanisme pour effectuer des contrôles d'intégrité sur les données associées, validant et maintenant ainsi de meilleures représentations des caractéristiques.
            1. -Précision médiocre
            2. -Long
            3. -Remise à l'échelle manuelle
            4. - Difficile d'apporter des modifications à l'analyse
            5. Nombreuses propagations d'erreurs
            6. Problèmes avec les superpositions :
            7. -Propagation d'erreur
            8. -Calcul intensif
            9. -Création de ruban
            10. -Escalader
            1. -Outils
            2. -Variables d'entrée et
            3. -Connecteurs
          • La précision est définie comme la proximité de la valeur vraie ou connue
          • La précision est définie comme la proximité de deux ou plusieurs valeurs les unes par rapport aux autres
            1. -ACTIF Ex : LiDAR, RaDAR
            2. -PASSIF Ex : Visible panchromatique, Visible multispectral, Infrarouge, Thermique
            1. -BAND-1 utile pour cartographier les études d'aérosols côtiers et d'ampères
            2. -BLUE Cartographie bathymétrique pour distinguer le sol de la végétation
            3. -VERT Souligne la végétation de pointe pour évaluer la vigueur de la plante
            4. -Pistes végétales RED Discrimitaes
            5. -NIR Met l'accent sur le contenu en biomasse et les rivages
            6. -SWIR-1 Souligne la teneur en humidité du sol et la végétation pénètre dans les nuages ​​minces
            7. -SWIR-2 SWIR-1 amélioré
            8. -BAND-8 Panchromatic - Résolution de 15 m, définition d'image plus nette
            9. -BAND-9 Détection améliorée de la contamination des nuages ​​cirrus
            10. -BAND-10 TIRS-1 Résolution 100m, imagerie thermique et estimation de l'humidité du sol
            11. -BANDE-11 TIRS-2 TIRS-1 amélioré
            1. -Interprétation de surface
            2. -Analyse hydrologique
            3. -Analyse statistique
            4. -Classification des images
            1. -En utilisant des critères établis
            2. -Reclassement en valeurs communes
            3. -Attribuer des poids aux critères
            4. -Superposition et
            5. -Évaluation
            1. -Résolution spatiale
            2. -Résolution spectrale
            3. -Résolution radiométrique
            4. -Résolution temporelle
            1. - Les fournisseurs de SIG ont développé des logiciels basés sur des serveurs
            2. - Les utilisateurs peuvent publier des cartes interactives sur le Web à l'aide de logiciels SIG avec interactivité et performance
            3. - En 1996, mapquest a lancé un service Web, les utilisateurs obtenaient des instructions mais le chargement était lent
            1. - En 2005 google maps a développé des tuiles
            2. - Les tuiles se chargent plus rapidement qu'une grande carte.
            3. -Les cartes sont préparées à plusieurs échelles. Plus de données présentées à chaque échelle et carte Web ne chargent que les tuiles nécessaires à l'utilisateur.

            Si x est un RasterStack/Brick, un RasterBrick sera renvoyé si na.rm=TRUE . Cependant, si na.rm=FALSE , un RasterLayer est renvoyé, car les valeurs seraient les mêmes pour toutes les couches.

            Si x est un objet Raster* : RasterLayer ou RasterBrick. Les valeurs de cellule représentent la taille de la cellule en km2, ou la taille relative si weights=TRUE

            Si x est un objet SpatialPolygons* : surface si chaque objet spatial est en mètres carrés si le SCR est en longitude/latitude, ou en unités de carte au carré (généralement le mètre)


            Où Les systèmes d'information géographique sont utilisé

            Le SIG est utilisé dans presque tous les domaines de nos jours en raison de son contenu important, de sa haute qualité et de son logiciel hautement développé. Voici une liste de tous les champs utilisant le SIG :

            • Éducation
            • Santé
            • Assurance
            • Fabrication
            • Pétrole
            • La sécurité publique
            • Immobilier
            • Vendre au détail
            • Durabilité
            • Télécommunications
            • Transport
            • Services publics d'électricité et de gaz
            • Ressources naturelles
            • Gouvernement
            • L'eau

            Le système d'information géographique est utilisé partout, de l'agriculture aux soins de santé publique. De nombreux domaines divers utilisent déjà depuis longtemps le SIG. L'utilisation du SIG est très large ce qui permet à presque tous les domaines d'en bénéficier.

            Le SIG peut être utilisé par exemple dans les enquêtes scientifiques, la gestion des ressources et la planification du développement. Pour les commerces de détail, le SIG permet de planifier délibérément et exactement l'emplacement du prochain magasin. Alors que les sociétés de marketing utilisent le SIG pour décider qui commercialiser et où commercialiser.

            Les scientifiques utilisent le SIG par exemple pour comparer statistiques démographiques aux ressources, comme la capacité d'accès aux soins de santé. Les biologistes traquent les animaux grâce au SIG. Les autorités municipales, étatiques ou fédérales planifient les réponses en cas de catastrophes naturelles à l'aide du SIG. Dans ce cas, le SIG permet de localiser refuges d'urgence et de planifier les routes à emprunter en toute sécurité en cas de catastrophes naturelles.

            Différents ingénieurs utilisent le SIG à des fins multiples, telles que la prise en charge de la conception, de la mise en œuvre et de la gestion des réseaux de communication. Aussi pour l'infrastructure de connectivité Internet, le développement des réseaux routiers ou des infrastructures de transport.

            Exemple concret :

            Lorsque l'ouragan Katrina s'est produit, il y avait un besoin alarmant de gestion des catastrophes et d'outils appropriés. Cette catastrophe a été considérée par beaucoup comme la première fois où le SIG a été utilisé comme outil pour la gestion des catastrophes. La technologie SIG a aidé à partager un grand nombre de données sur les rues qui étaient et n'étaient pas accessibles. Le SIG a également donné des informations sur l'endroit où les inondations avaient atteint. L'effort de transmission des données SIG aidait l'ensemble de la situation et il a donné des efforts de secours.

            Il n'existe aucune limite quant au type d'informations qu'il est possible d'analyser à l'aide du SIG.