Suite

Comment extraire les informations d'altitude des courbes de niveau ?


Je travaille avec le système d'exploitation Windows 7 et j'utilise ArcGIS 10.2 et j'ai une forme de point, dont je dois extraire l'altitude pour chaque point, mais les seules données utiles sont une forme de ligne de contour. Je ne sais pas si c'est utile, mais j'ai encore besoin de votre aide pour m'indiquer comment extraire les données dont j'ai besoin.


Si vous disposez d'un analyste spatial ou 3D, vous pouvez interpoler entre vos courbes de niveau, en utilisant topo vers raster ou TIN (le TIN n'est disponible qu'avec l'analyste 3D). Ensuite, vous exécutez "extraire la valeur au point".

Si ce n'est pas le cas, je vous recommande d'essayer avec un autre logiciel (par exemple QGIS, GRASS…), mais si vous avez besoin d'une solution rapide et simple, vous pouvez utiliser la jointure spatiale pour extraire l'altitude de la ligne la plus proche de votre point.


Identification des courbes de niveau à partir de cartes topographiques scannées de qualité moyenne.

Les cartes topographiques sont porteuses d'informations spatiales. Les courbes de niveau, en tant que panneaux d'information spéciaux sur les cartes topographiques, reflètent les caractéristiques du relief régional sur les cartes topographiques [1,2]. Il est très important d'identifier avec précision les courbes de niveau à partir d'une carte topographique afin de fournir des données importantes pour la reconstruction du relief en 3D. Une carte topographique se compose généralement de points, d'entités linéaires et surfaciques, et différentes caractéristiques sont imprimées en différentes couleurs [3]. Les lignes de contour sont des courbes brunes, lisses et continues [4], occupant généralement plus de 40 % d'une carte entière, donc l'extraction manuelle des lignes de contour est une tâche longue et ardue. Par conséquent, comment identifier automatiquement les courbes de niveau sur les cartes topographiques est un problème urgent.

La recherche sur l'identification automatique et l'extraction des courbes de niveau sur les cartes a une longue histoire et implique une variété de méthodes. Ces méthodes ont produit de bons résultats pour certaines cartes topographiques de haute qualité, mais les résultats ne sont pas satisfaisants pour les cartes de faible qualité, principalement en raison des trois problèmes suivants [5] : (1) le crénelage des couleurs et les fausses couleurs sur les cartes numérisées en raison de papier de mauvaise qualité (comme le papier jaunissant au fil du temps) ou la qualité d'impression et les performances du scanner (sur une carte de résolution de 96 points par pouce (DPI), la plupart des lignes de contour ont une largeur de 2 à 4 pixels, donc un écart de couleur occupe une grande partie en pixels de lignes) (2) conglutination de lignes adjacentes pour former des lignes épaisses dans certaines zones d'une carte numérisée où les lignes de contour sont densément réparties [6] (3) un grand nombre d'espaces de lignes de contour causés par l'intersection et chevauchement d'informations sur une carte topographique après segmentation des couleurs.

En fait, les deux premiers problèmes peuvent être fusionnés en un seul problème, à savoir la segmentation des courbes de niveau. Plus le résultat de la segmentation est bon, plus il peut être résolu facilement. Pour les traits épais, la solution traditionnelle est de casser les points d'intersection sur la base d'amincissements puis de réparer les interstices. Cependant, les algorithmes d'amincissement existants sont susceptibles de provoquer des distorsions et des branches erronées au niveau des régions d'intersection, entraînant des erreurs considérables et même des erreurs dans les résultats d'extraction. Par conséquent, cet article présente une nouvelle méthode pour extraire les courbes de niveau à partir de cartes topographiques scannées de qualité moyenne. Par rapport à d'autres méthodes, la méthode proposée présente les caractéristiques suivantes : (1) des ensembles de coupe supérieurs et inférieurs sont introduits pour améliorer le taux de catégorisation lors de l'utilisation de l'algorithme spatial flou c-means (sFCM) pour résoudre le crénelage des couleurs et les fausses couleurs (2) il traite le problème des lignes épaisses en supprimant les segments de nœuds, avec des résultats plus précis (3) selon les causes des lacunes, différentes méthodes sont utilisées pour réparer les lacunes pour obtenir des cartes avec des courbes de niveau continues et complètes.

L'identification automatique des courbes de niveau sur les cartes topographiques numérisées a été un sujet brûlant, et un grand nombre de littératures connexes ont été publiées récemment. Ces littératures disponibles divisent généralement le processus d'identification automatique en quatre étapes principales [7] : (1) numérisation d'une carte papier (2) segmentation couleur (3) amincissement et élagage de la carte de contour binaire et (4) vectorisation des lignes de contour. Les étapes (2) et (4) sont les étapes les plus cruciales. La plupart des chercheurs ont concentré leur attention sur la façon d'extraire des lignes de contour claires et de résoudre le problème des écarts de lignes de contour. Vous trouverez ci-dessous une analyse des algorithmes existants dans les deux aspects ci-dessus.

2.1. Analyse des algorithmes de segmentation des couleurs. Les caractéristiques de couleur sont des éléments clés pour l'extraction de cibles à partir d'images en couleur. Afin d'exploiter pleinement les informations de couleur lors de la segmentation des couleurs, Pezeshk et Tutwiler ont converti les espaces colorimétriques RVB des cartes topographiques en espaces colorimétriques CIELAB et quantifié et égalisé leurs histogrammes de luminosité pour améliorer le contraste et améliorer les résultats de la segmentation des couleurs [8]. Su et al. converti les images en espaces colorimétriques Munsell au moyen d'une transformation non linéaire et acquis les caractéristiques globales grâce à l'étude des couleurs [9]. Cette méthode a non seulement pris en considération les caractéristiques de couleur des cartes, mais a également utilisé le modèle de Markov pour caractériser les caractéristiques locales des cartes topographiques, améliorant ainsi les résultats de segmentation des couleurs et ayant des taux de segmentation d'image plus élevés.

Pour résoudre le problème de la déviation des couleurs et de l'aliasing des lignes de contour causées par les processus d'impression et de numérisation, Khotanzad et Zink ont ​​utilisé la technique du jeu de clés de couleur pour compenser les distorsions de couleur sur les cartes topographiques afin d'améliorer les résultats de la segmentation des images. Mais cette méthode ne s'applique qu'aux cartes topographiques à haute résolution de l'United States Geological Survey (USGS) et elle n'est pas efficace dans les autres cartes topographiques à basse résolution [5]. Afin de minimiser les jeux de clés de couleur, Chen et al. utilisé l'algorithme d'ajustement de vecteur propre pour créer une base de données de couleurs typique [10, 11]. Chen et al. ont utilisé des fonctions de noyau gaussien pour créer des ensembles de caractéristiques de couleur dans le but d'obtenir un effet de distribution de couleur réaliste après la segmentation [12]. Ils ont également introduit des informations topologiques pour caractériser les caractéristiques spatiales des lignes de contour et ont encore amélioré les résultats de la segmentation des couleurs au moyen d'itérations de relaxation. Les résultats des tests ont indiqué que ces méthodes ne pouvaient toujours pas résoudre complètement les problèmes de déviation de couleur et de crénelage des lignes de contour.

Pour améliorer les résultats de la segmentation des couleurs, Leyk et Boesch ont proposé une méthode basée sur la croissance des régions ensemencées (SRG) en utilisant pleinement les informations des images locales, des domaines de fréquence et des espaces colorimétriques [3]. Cependant, il n'a toujours pas pu surmonter l'inconvénient de la sélection initiale des graines et les dépendances d'ordre de SRG. Wu et al. extrait des lignes de cartes en couleurs au moyen d'un clustering flou et d'un apprentissage supervisé, mais n'a pas réussi à comprendre le crénelage des couleurs et les fausses couleurs inhérents aux cartes topographiques [13]. Xin et al. a proposé une méthode d'extraction de lignes de contour basée sur un champ directionnel de gradient en utilisant un algorithme c-means pour obtenir un ensemble de nœuds de départ initiaux, puis en utilisant ces nœuds pour obtenir le contour initial, et enfin en utilisant un algorithme général de flux vectoriel de gradient pour extraire un contour non aminci lignes [14]. C'est une méthode efficace pour l'extraction des courbes de niveau, mais elle implique une complexité temporelle élevée. Zheng et al. a réalisé une séparation automatique des couches des cartes topographiques par l'algorithme modifié de la moyenne c-moyenne (FCM) qui combinait les informations spatiales et de couleur de la carte [15]. Cette méthode a surmonté le défaut de la plupart des algorithmes de ne considérer que les informations de couleur lors de la segmentation des cartes topographiques, avec une précision de segmentation et une capacité antibruit améliorées.

2.2. Analyse des algorithmes de reconstruction des lignes de contour. Actuellement, il existe environ trois approches de reconstruction des courbes de niveau.

2.2.1. L'approche basée sur la géométrie. Cette approche permet de passer de la connexion des points de rupture des courbes de niveau à la reconstruction de courbes. Spinello et Pascal ont connecté la plupart des points d'arrêt en filtrant les côtés de maillages triangulaires vectorisés selon des critères locaux et globaux [6]. Mais un tel algorithme gourmand est incapable d'apporter les meilleurs résultats sous les critères de connexion les plus stricts. Du et Zhang ont obtenu les informations topologiques spatiales des lignes de contour au moyen d'un algorithme de dilatation basé sur la morphologie mathématique et ont utilisé ces informations pour faire correspondre et connecter les écarts [16]. Ledit algorithme peut produire des résultats encourageants si les écarts ne sont pas trop importants. San et al. construit un graphe d'adjacence avec les informations des points de rupture, à savoir, des points de rupture qui sont des sommets et des fonctions de coût basées sur certains critères qui sont des côtés, et a utilisé un algorithme [A.sup.*] pour trouver les moyens optimaux de connecter les lignes de contour [17]. Cet algorithme s'applique aux écarts étroits. Pour des écarts plus importants, cela peut entraîner des erreurs de connexion.

2.2.2. L'approche basée sur l'image. Cette approche catégorise deux points de pixels différents en un seul groupe et relie les points de rupture en stricte conformité avec les principes Gestalt d'organisation perceptive. Arrighi et Soille ont estimé les conditions de connexion en calculant la distance et la direction euclidiennes entre deux points terminaux [18]. Cette méthode n'est pas applicable à la connexion d'espaces de lignes de contour plus grands, et elle est susceptible de provoquer une mauvaise connexion des points de rupture entre des lignes de contour parallèles. Eikvil et al. ont utilisé la méthode de suivi linéaire pour reconstruire les lignes de contour en définissant des zones de secteur aux points de rupture le long des lignes de contour et en recherchant des points de rupture correspondants dans ces zones [19]. Mais la plupart des algorithmes fermés basés sur des principes perceptifs sont susceptibles de provoquer des erreurs de connexion des lignes de contour. Huang et al. a proposé une méthode améliorée conformément au principe de distance ou de direction minimale en peignant d'abord les lignes de contour dans différentes couleurs, puis en divisant la carte en maillages, en recherchant des points de rupture en fonction de l'index de grille, et enfin en faisant correspondre les points de rupture en fonction de la distance et couleur [20]. Chen et al. ont présenté une approche de segmentation de fenêtre locale pour surmonter les problèmes de lacunes et de lignes épaisses en supposant qu'il n'y avait qu'une seule continuation naturelle à partir d'un point final tout en résolvant le problème des lacunes [11]. La continuation peut être trouvée le long de la direction des lignes de contour. Cependant, l'écart est franchi en recherchant à partir du point final dans un secteur dans la direction actuelle.

2.2.3. L'approche du flux vectoriel à gradient. Cette approche est caractérisée par l'appariement et la connexion de points de rupture au sein d'un champ vectoriel de gradient construit selon des images de lignes de contour. Wu et al. ont utilisé les connaissances cartographiques et géographiques pour supprimer les interférences d'autres couches géographiques et points de rupture connectés en utilisant la méthode du flux vectoriel à gradient [21]. Cette méthode fonctionne bien pour connecter des points d'arrêt mais fonctionne lentement. Zhou et Zheng ont utilisé un algorithme de serpent amélioré pour extraire les lignes de contour en comblant les lacunes en fonction des informations des champs de vecteurs de gradient d'images et ont obtenu des résultats satisfaisants, mais cette méthode fonctionne également lentement [22]. Pouderoux et Spinello ont proposé une méthode non paramétrique pour connecter des lignes de contour brisées en utilisant les informations des lignes de contour ininterrompues après l'amincissement pour construire un champ vectoriel de gradient d'une carte entière, puis en recherchant des points de rupture qui correspondent aux informations de flux de vecteur de gradient pour la connexion des lignes de contour [ 23]. Il est basé sur les informations de flux de gradient global, avec un faible taux de mauvaise connexion, mais l'algorithme est trop compliqué pour une application pratique.

2.3. Problèmes et difficultés existants. En conclusion, bien que certains progrès aient été réalisés dans les recherches sur l'identification et l'extraction automatiques des courbes de niveau sur les cartes topographiques, des problèmes se posent sur les deux aspects suivants :

(1) La plupart des chercheurs ont concentré leur attention sur la façon de résoudre le problème des lacunes des lignes de contour mais ont ignoré l'importance de la qualité du résultat de l'extraction après la segmentation des couleurs. La segmentation des couleurs en tant qu'étape clé dans l'identification et l'extraction des courbes de niveau est d'une importance primordiale [24]. Une méthode de segmentation efficace peut non seulement produire des lignes de contour claires et continues, mais également faciliter la connexion de suivi des points de rupture.

(2) Un manque de considération de la complexité inhérente des cartes topographiques a simplifié l'identification et l'extraction des courbes de niveau. Une carte topographique contient des éléments géographiques complexes qui apparaissent dans différentes couleurs et différentes formes, il existe donc des problèmes tels que la dégradation de la qualité, la discontinuité et la conglutination après la numérisation. La plupart des algorithmes existants s'appliquent uniquement aux cartes numérisées de haute qualité pour les cartes numérisées de qualité moyenne, ces algorithmes entraînent souvent des problèmes tels qu'une mauvaise connexion et une distorsion des lignes de contour, en particulier le problème de conglutination des lignes de contour.

Dans cette section, un nouvel algorithme avec des étapes détaillées (Figure 1) est présenté. L'entrée de cette méthode est une carte topographique scannée. (1) Les éléments surfaciques sont supprimés selon la méthode proposée par Miao et al. [25]. Cet article présente une méthode qui sépare les lignes d'un arrière-plan compliqué dans des cartes topographiques numérisées en couleur sur la base de la densité d'énergie et de la transformation de cisaillement. Parce que les caractéristiques linéaires et l'arrière-plan peuvent être séparés les uns des autres en fonction de la différence des densités d'énergie et la transformation de cisaillement peut résoudre le problème de la perte de caractéristiques linéaires dans le processus de séparation en raison de la limitation directionnelle (certaines lignes ne peuvent être séparées que dans une direction ), cette méthode peut bien fonctionner pour la suppression d'éléments surfaciques. Ainsi, il a été adopté pour obtenir la carte des éléments linéaires. La méthode n'est pas décrite dans cet article. Veuillez vous référer à la littérature [25] pour plus de détails. (2) Le clustering est réalisé à l'aide du sFCM amélioré. Dans le même temps, toutes les fonctionnalités sont transformées en une version grise. (3) Des passes spéciales sont extraites et ajoutées à la couche de lignes de contour. (4) Les segments de nœud sont supprimés. (5) Les lignes épaisses d'un pixel sont obtenues par filtrage morphologique, amincissement et élagage. (6) Les points de rupture sont connectés selon l'image grise et les segments de nœud.

3.1. Segmentation des couleurs. FCM utilise l'appartenance pour déterminer le degré de chaque point de données appartenant à un certain centre de cluster à des fins de catégorisation automatique [26]. Du fait que les informations de voisinage ne sont pas prises en compte dans les pixels, cet algorithme a une capacité relativement faible à traiter les bruits intenses. Les pixels de voisinage d'une image ont des caractéristiques similaires [27, 28]. En raison de leur similitude, il est très possible qu'elles soient classées dans le même groupe, donc l'information spatiale est importante pour la catégorisation des images avec du bruit. Chuang et al. introduit des informations de voisinage spatial dans FCM et modifié la fonction d'appartenance avec une nouvelle fonction spatiale (sFCM) [29]. Considérant que l'introduction d'informations de voisinage spatial ajoute à la complexité temporelle de l'algorithme dans une certaine mesure, des ensembles de coupe supérieurs et inférieurs sont introduits pour ajuster dynamiquement le taux de convergence des éléments avec des degrés d'appartenance variables, ce qui augmente le taux de convergence de ceux avec des degrés d'adhésion et réduit l'impact des faibles degrés d'adhésion sur les centres de cluster. Ainsi, il peut améliorer le taux de catégorisation.

3.1.1. L'algorithme sFCM. Afin d'introduire des informations spatiales, une fonction spatiale est définie comme suit :

[w.sub.ij] = [sommation sur (k[membre de][OMEGA]([x.sub.j])] [u.sub.ik], (1)

où i = 1, 2, . c, j = 1, 2, . n, et [OMEGA]([x.sub.j]) est la fenêtre de voisinage avec [x.sub.j] étant le pixel central. [u.sub.ik] est l'appartenance du pixel [x.sub.k] à la classe i la valeur de [w.sub.ij] montre le degré d'appartenance du pixel [x.sub.k] à la classe i. Si la plupart des pixels de voisinage appartiennent à la même classe, nous aurons des valeurs plus élevées de [w.sub.ij] au point.

Le sFCM utilise les caractéristiques spatiales des pixels pour modifier la fonction d'appartenance du FCM. Ensuite, nous obtenons une nouvelle formule d'itération d'appartenance comme suit :

[u'.sub.ij] = [([u.sub.ij]).sup.p][([w.sub.ij]).sup.q]/[[sommation].sup.c.sub .k=1][([u.sub.kj] ).sup.p] [([w.sub.kj]).sup.q], (2)

où p et q sont utilisés pour contrôler l'importance relative entre l'appartenance d'origine et la fonction spatiale. La fonction d'itération du nouveau centre de cluster et la fonction objectif sont les suivantes :

[expression mathématique non reproductible], (3)

[expression mathématique non reproductible]. (4)

3.1.2. Ensembles de coupe supérieurs et inférieurs. Pour améliorer le taux de catégorisation, des ensembles de coupe supérieurs et inférieurs sont introduits, c'est-à-dire que certains éléments plus flous de la matrice d'appartenance floue sont conservés et d'autres éléments sont défuzzifiés, pour permettre à la matrice de catégorisation de l'échantillon d'avoir une certaine certitude tandis que le flou dans la distribution spatiale des échantillons est conservé dans le but d'améliorer le taux de catégorisation et la précision. Pendant la catégorisation, lorsque le degré d'appartenance du pixel à un point d'échantillon [x.sub.k] à une sous-classe est bien supérieur au degré d'appartenance à d'autres sous-classes, il peut être déduit que l'échantillon [x.sub.k] appartient à classe i, et les calculs seront simplifiés pour le point de pixel lors de la prochaine itération. L'optimisation des itérations n'est nécessaire que lorsque les degrés d'appartenance aux sous-classes ne varient pas de manière significative et que la catégorisation devient difficile. En pratique, étant donné le seuil de coupe supérieur tu et le seuil de coupe inférieur td, si l'appartenance floue [[mu].sub.ik] > tu, alors soit [[mu].sub.ik] = 1 si [[mu].sub.ik] < td, soit [[mu].sub.ik] = 0. Éléments satisfaisant td [inférieur ou égal à] [[mu].sub.ik] [inférieur ou égal à ] tu dans la matrice d'appartenance floue restent inchangés pour une catégorisation itérative ultérieure. L'ensemble d'éléments de la matrice d'appartenance à catégoriser par le paramètre de coupe supérieur tu est appelé ensemble de coupe supérieur, tandis que l'ensemble d'éléments à catégoriser par le paramètre d'ensemble de coupe inférieur td est appelé ensemble de coupe inférieur.

3.1.3. Les étapes de la segmentation des couleurs. Sur la base de ce qui précède, les étapes de segmentation des couleurs sont les suivantes.

Étape 1. Initialiser le nombre de classes de clustering c et le centre de cluster [V.sup.(0)] déterminer le cut-set supérieur tu et le cut-set inférieur td définir l'exposant de pondération floue m, l'erreur d'itération de fin e, le nombre initial d'itérations (t = 0), et le nombre maximum d'itérations [t.sub.max].

Étape 2. Obtenez la matrice de catégorisation [U.sup.0] en utilisant FCM pour traiter la carte grise.

Étape 3. Effectuez les calculs selon la formule (2) pour la nouvelle matrice d'appartenance et traitez-la avec les ensembles de coupe supérieurs et inférieurs.

Étape 4.Effectuez les calculs pour le nouveau centre de cluster selon la formule (3).

Étape 5. Si [parallèle][V.sup.(t+1)] - [V.sup.(t)][parallèle] < [epsilon], alors le fonctionnement de l'algorithme se termine par une sortie de la matrice de catégorisation U et le centre du cluster V sinon, laissez t = t + 1passez à l'étape 2.

Étape 6. Déterminer les classes de pixels en utilisant la méthode de conversion d'appartenance maximale après convergence de l'algorithme.

3.2. Extraction de séries spéciales

3.2.1. Construction de pistes. Dans les bitmaps, une ligne horizontale (ou verticale) formée de pixels connectés d'une couleur identique dans une ligne (ou une colonne) est appelée une course. Dans les images en niveaux de gris, une course le long de la direction horizontale est définie comme suit :

[expression mathématique non reproductible], (5)

où y est la ligne dans laquelle se trouve l'exécution p(x, y) est la valeur du pixel à (x, y) soit ([x.sub.0], y) le point de départ, soit ([x.sub. .1], y) être le point final, et la largeur de la course est RunWidth = [x.sub.1] - [x.sub.0] + 1.

Supposons qu'une exécution de la ligne v est [expression mathématique non reproductible] et qu'une autre exécution est [expression mathématique non reproductible] si

Ensuite, [expression mathématique non reproductible] sont des pistes connectées (Figure 2 (a)). Supposons qu'une exécution de la ligne y est [expression mathématique non reproductible] et qu'une exécution de la ligne y + 1 est [expression mathématique non reproductible], si

([a.sub.1] [inférieur ou égal à] [b.sub.2]) [intersection] ([a.sub.2] [supérieur ou égal à] [b.sub.1]). (7)

Ensuite, [expression mathématique non reproductible] sont des exécutions adjacentes, et [expression mathématique non reproductible] est l'exécution précédente de [expression mathématique non reproductible] est l'exécution successeur de [expression mathématique non reproductible] (Figure 2(b)).

Selon le nombre d'exécutions prédécesseurs et successeurs [30], il existe sept types d'exécutions (Figure 3) : (1) exécutions singulières (sans prédécesseur ni successeur), (2) exécutions de début (sans prédécesseur et un successeur) , (3) exécutions de fin (avec un prédécesseur et aucun successeur), (4) exécutions régulières (avec un prédécesseur et un successeur), (5) exécutions de fusion (avec plus d'un prédécesseur et un successeur au plus), (6) exécutions de branchement (avec un prédécesseur au plus et plus d'un successeur), et (7) exécutions croisées (avec plus d'un prédécesseur et successeur, resp.).

3.2.2. Extraction de séries spéciales. Après la segmentation des couleurs, les lignes de contour sont généralement déconnectées au niveau des régions d'intersection avec des grilles à l'échelle du kilomètre, des systèmes d'eau, des routes et des panneaux. Si ces portions d'intersection sont extraites et ajoutées dans la couche de carte de contour pour la connexion, cela simplifierait certainement la connexion de suivi des points de rupture. En analysant les caractéristiques des cartes topographiques, les écarts des courbes de niveau causés par les intersections avec des grilles à l'échelle du kilomètre doivent être traités avant de traiter les écarts causés par l'intersection avec d'autres éléments cartographiques.

Une grille à l'échelle du kilomètre est formée de deux ensembles de lignes parallèles (lignes verticales et horizontales) parallèles aux axes de projection. Sur une carte topographique, elle présente les caractéristiques suivantes : (1) distribution d'intervalles égaux dans la direction horizontale ou verticale (à savoir, l'espacement des lignes (ou des colonnes) des pistes adjacentes est fixe) (2) de longues lignes de coordonnées, généralement déconnectées uniquement à étiquetage ou zones résidentielles. La longueur des pistes est presque la longueur (ou la largeur) de la carte. Ainsi, les pistes horizontales et verticales sont construites, respectivement, sur une carte topographique après segmentation couleur pour une identification aisée des grilles kilométriques en fonction des caractéristiques des pistes.

Une fois les grilles à l'échelle kilométrique identifiées, des passages spéciaux liés à la grille à l'échelle kilométrique sont extraits. Les passages verticaux formés par des lignes de coordonnées horizontales, si un ou deux passages connectés sont de la couleur cible (c'est-à-dire la couleur des lignes de contour), sont considérés comme des passages spéciaux et sont extraits. De la même manière, des passages spéciaux formés par des lignes de coordonnées verticales sont également extraits. Ensuite, des pistes spéciales liées à d'autres éléments (systèmes d'eau, panneaux, etc.) sont extraites. À notre avis, toute série avec deux séries connectées de la couleur cible est une série spéciale et doit être extraite. Toutes les analyses spéciales extraites sont ajoutées à la couche de carte de contour, puis certains des écarts des lignes de contour peuvent être réparés automatiquement (figures 8(g), 9(g) et 10(g)).

3.3. Suppression des segments de nœud

3.3.1. Définition et catégorisation des segments. Un segment est un ensemble de parcours un à un simplement connectés. Pour assurer l'univocité d'un segment, les contraintes suivantes sont données :

(1) Les pistes sont adjacentes les unes aux autres.

(2) Pour garantir l'établissement correct des domaines croisés, de fusion et de branchement, le passage de début n'est pas un passage de branchement ou un passage croisé et le passage de fin n'est pas un passage de fusion ou un passage croisé.

(3) Il n'y a pas de changement brusque de la largeur (c'est-à-dire de la longueur) d'un passage.

(4) Les parcours singuliers et les parcours croisés constituent des segments indépendamment.

Il convient de noter que si deux passages diffèrent considérablement en largeur, il faut envisager de construire des segments séparés pour eux lorsque les segments sont construits, malgré la connectivité simple un à un entre eux. Supposons que la largeur de la course actuelle est [RunWidth.sub.y] et que le segment à construire est composé de [expression mathématique non reproductible] et i = 1, 2, . n alors la largeur du segment est la suivante :

[expression mathématique non reproductible]. (8)

Si la largeur d'un passage satisfait à la formule (9), cela signifie qu'il y a un changement significatif dans la largeur du passage, un nouveau segment doit être construit :

[expression mathématique non reproductible]. (9)

Les diagrammes schématiques d'un segment sont illustrés à la figure 4.

Un segment est composé d'un certain nombre de pistes, et de nombreux segments constituent une carte topographique. Les relations d'adjacence entre les segments sont définies comme suit : Pour les segments c et d, si la fin de c est adjacente au début de d, alors c est appelé segment supérieur adjacent de d et d est le segment inférieur adjacent de c, et c et d ont une relation parent-enfant. Si c est un segment supérieur adjacent de d et que c est également un segment supérieur adjacent de e, alors d et e ont une relation frère-frère (Figure 5).

Selon les relations d'adjacence supérieure et inférieure, les segments sont divisés en deux types : (1) les segments de nœud (ayant un certain nombre de segments adjacents supérieurs ou inférieurs), comme le segment c sur la figure 5, et (2) les segments linéaires (ayant un supérieur et un segment inférieur adjacent au plus), tels que les segments a, b, d et e sur la figure 5.

3.3.2. Extraction des segments de nœuds. Les segments de nœud correspondent à des lignes épaisses sur la couche de carte binaire. Pour résoudre le problème de conglutination, les segments de nœuds doivent être supprimés. Selon les contraintes de génération d'un segment et de définition de segment de nœud, les étapes d'extraction de segments de nœud sur une carte binaire (figure 6) sont définies comme suit.

Étape 1. Découvrez toutes les exécutions avec plus d'une exécution précédente (ou exécutions successeurs) et parcourez le jeu d'enregistrements.

Étape 2. Obtenez l'exécution actuelle.

Étape 3. Vérifiez si l'ID de segment de l'exécution en cours est 0. Sinon, cela signifie que l'exécution en cours a été traitée, passez à l'enregistrement suivant et passez à l'étape 2 sinon, construisez un nouveau segment de nœud.

Étape 4. Obtenir des informations sur la course. Si le nombre d'exécutions précédentes est supérieur à 1, recherchez vers le bas (ou vers le haut si le nombre d'exécutions suivantes est supérieur à 1) pour les exécutions adjacentes selon la formule (7). S'il n'y a pas d'exécution successeur (ou prédécesseur), passez à l'étape 2.

Étape 5. Vérifiez les changements significatifs dans la largeur de la course selon la formule (9). S'il y a un changement important, arrêtez la recherche et passez à l'étape 2.

Étape 6. Vérifiez le nombre d'exécutions du successeur (ou du prédécesseur). S'il est supérieur à 1 ou égal à 0, arrêtez la recherche et passez à l'étape 2.

Étape 7. Ajoutez l'exécution actuelle dans le segment de nœud, modifiez son ID de segment, définissez l'exécution successeur (ou prédécesseur) comme exécution actuelle et passez à l'étape 4.

Étape 8. C'est la fin du processus d'extraction de segment de nœud.

Dans les segments de nœud, il existe une sorte de segment de nœud qui n'a que deux segments adjacents. Il n'est pas formé par l'intersection d'éléments géographiques (mais probablement en raison d'une plus grande courbure des courbes de niveau). Ce type de segment de nœud est appelé segment de pseudo-nœud (Figure 7). Comme il n'est pas causé par la conglutination des courbes de niveau, il ne peut pas être supprimé.

3.4. Connexion des points de rupture. Avant de connecter les deux types de points de rupture, la carte binaire est filtrée morphologiquement [18], amincie et élaguée pour obtenir des lignes épaisses d'un pixel [31-33]. La connexion de deux courbes brisées dépend en grande partie de la tendance de la courbe et de la distance entre les points de rupture. Si la tendance de la courbe est représentée par l'angle entre les lignes tangentes à deux points de rupture [thêta], la distance entre deux points de rupture est d, et la probabilité de connecter la courbe brisée est P alors la relation fonctionnelle entre P, [thêta] , et d est le suivant :

P = [[lambda].sub.1] [valeur absolue de cos [thêta]] + [[lambda].sub.2]/d, (10)

où [[lambda].sub.1] et [[lambda].sub.2] sont des facteurs proportionnels. La probabilité de relier la courbe brisée P est inversement proportionnelle à la distance entre les points de cassure et l'angle entre les lignes tangentes aux points de cassure [thêta]. Plus la valeur de P est élevée, plus la probabilité de connecter les points de rupture est grande. Il semble que, dans les deux facteurs ci-dessus, la tendance de la courbe soit plus importante, on suppose donc que [[lambda].sub.1] = 0,6 et A2 = 0,4.

D'une manière générale, les lacunes des lignes de contour sont principalement causées par les éléments suivants : (1) la suppression des segments de nœuds des lignes épaisses (comme indiqué dans les cercles rouges 4 et 5 sur la figure 9 et 7 et 8 sur la figure 10) (2) les couleurs non uniformes de lignes de contour dues au crénelage des couleurs et aux fausses couleurs (comme indiqué dans le cercle rouge 6 de la figure 9) (3) intersection ou chevauchement des lignes de contour et d'autres éléments de la carte (comme indiqué dans les cercles rouges 1 à 3 de la figure 8). Pour les écarts de lignes de contour causés par la suppression de segments de nœuds comme décrit en (1), les points de rupture peuvent être facilement trouvés en recherchant les segments de nœuds supprimés. La recherche de points de rupture correspondants dans les régions voisines des segments de nœuds peut améliorer l'efficacité du traitement. Pour les espaces à l'intérieur de la boîte rectangulaire d'un segment de nœud, la probabilité de connecter n'importe quelle paire de points de rupture est calculée. Lorsque la probabilité totale maximale apparaît, elle sera considérée comme le meilleur schéma pour la connexion d'espace dans la boîte rectangulaire d'un segment de nœud. Pour la seconde, étant donné que les lignes de contour avec des paires de points d'extrémité dans la carte segmentée sont continues dans la carte d'origine, les lacunes peuvent être réparées en fonction de la carte grise. Pour le troisième problème, certaines lacunes seront automatiquement connectées après l'ajout de passes spéciales dans la couche de carte de contour, et le reste peut être réparé en utilisant les méthodes mentionnées ci-dessus.

4. Résultats et discussions

Afin de valider l'efficacité de la méthode proposée, nous l'avons utilisée pour extraire des courbes de niveau à partir de cartes topographiques réelles et effectué des évaluations qualitatives et quantitatives des résultats d'extraction. Les résultats de trois cartes sont illustrés aux figures 8, 9 et 10.

Les figures 8(a), 9(a) et 10(a) sont des parties de trois cartes topographiques différentes numérisées à une résolution de 96 DPI. Ils sont utilisés pour tester les performances globales de l'algorithme proposé dans le traitement des lignes épaisses et des lacunes, y compris les lacunes causées par l'intérêt ou le chevauchement des lignes de contour et d'autres éléments de la carte (comme indiqué dans les cercles rouges 1-3 sur la figure 8), les conglutinations causés par des lignes de contour densément disposées (comme indiqué dans les cercles rouges 4 et 5 dans la figure 9 et les cercles rouges 7 et 8 dans la figure 10), et les écarts causés par les couleurs non uniformes des lignes de contour (comme indiqué dans le cercle rouge 6 dans la figure 9). Les figures 8(b), 9(b) et 10(b) sont des cartes linéaires après suppression des éléments surfaciques à l'aide de la méthode proposée par Miao et al. [25], et leurs versions grises sont illustrées aux figures 8(c), 9(c) et 10(c), respectivement. Les résultats de la segmentation des couleurs par le sFCM amélioré sont représentés sur les figures 8(d), 9(d) et 10(d).

Avant la segmentation des couleurs, une série de paramètres doit être initialisée. Nous supposons que le cut-set supérieur tu = 0,8, le cut-set inférieur td = 0,2 et l'exposant de pondération floue m = 2. Le nombre de types de clustering c et le centre du cluster [V.sup.(0)] affecteront directement les résultats de regroupement et le taux de convergence. Si le centre de cluster initial est approximatif du résultat de convergence final, le taux de convergence sera considérablement augmenté et le nombre d'itérations sera considérablement réduit. Dans le même temps, la possibilité d'être piégé dans l'optimum local est également réduite. De nombreux chercheurs ont fait des recherches sur l'initialisation du nombre de types de clustering c et du centre de cluster [V.sup.(0)], mais malheureusement, il n'y a pratiquement pas de méthode simple mais efficace proposée jusqu'à présent.

Considérant que sFCM peut corriger les résultats de la catégorisation FCM, en d'autres termes, il dépend moins du centre de cluster initial [V.sup.(0)], et il y a un petit nombre de clusters sur les cartes topographiques après que les éléments de surface sont supprimé, nous définissons le centre du cluster [V.sup.(0)] par la méthode d'amélioration de l'image [1, 2]. Plus précisément, si les pixels sont peu différents dans les valeurs R, V et B, ils sont soit noirs, soit blancs en fonction de leurs valeurs (par exemple, les trois valeurs sont supérieures à 180, le pixel est considéré comme blanc sinon il est noir). À l'exception du blanc et du noir, les pixels avec les valeurs maximales de G et B dans leurs valeurs R, V et B sont respectivement considérés comme verts et bleus. Si deux valeurs sont identiques et maximales, le pixel est mappé en vert ou en bleu selon son voisinage. Les autres sont marron. Selon les caractères de couleur, les cartes topographiques en couleurs peuvent être divisées en cinq couches (blanc, noir, vert, bleu et marron), et [V(0)] peut être initialisé avec la moyenne R, G, et B valeurs de chaque couche. Pour p et q, l'algorithme sFCM avec un paramètre q plus élevé montre un meilleur effet de lissage selon les résultats de recherche de Chuang et al. [29]. Nous avons donc défini p = 0 et q = 2 et utilisé une fenêtre de voisinage 3 x 3 pour le pixel central afin d'assurer des images fluides après segmentation. De plus, le coefficient de partition [V.sub.pc], l'entropie de partition [V.sub.pe] et la compacité et la séparation [V.sub.xb] sont utilisés pour évaluer les performances du clustering [29] :

[expression mathématique non reproductible]. (11)

L'idée de [V.sub.pc] et [V.sub.pe] est que la partition avec moins de flou signifie de meilleures performances. Le meilleur regroupement est obtenu lorsque [V.sub.pc] est maximal ou [V.sub.pe] est minimal. [V.sub.xb] mesure la propriété de présentation. Un bon résultat de clustering génère des échantillons qui sont compactés au sein d'un cluster et des échantillons qui sont séparés entre différents clusters. Ainsi, la minimisation de [V.sub.xb] devrait conduire à un bon clustering. L'effet et l'efficacité du sFCM amélioré ont été vérifiés en l'implémentant dans MATLAB et en l'appliquant à cinq cartes topographiques numérisées différentes. Les résultats de l'évaluation sont présentés dans le tableau 1. L'environnement de test était un processeur Intel(R) Xeon(R) E5630 @ 2,53 GHz, 12 Go de RAM, avec un système d'exploitation Microsoft Windows 7 Ultimate 64 bits.

D'après le tableau 1, on peut voir que l'efficacité de classification de l'algorithme amélioré est supérieure à celle de sFCM. Pendant ce temps, les effets de segmentation de l'algorithme amélioré et du sFCM sont presque les mêmes. De plus, par rapport aux résultats de segmentation utilisant le FCM (figures 8(e), 9(e) et 10(e)), le sFCM amélioré peut produire des images segmentées qui sont plus fluides et ont de meilleures capacités antibruit car ce dernier prend en compte le pertinence des informations de voisinage et assure une compensation dans la zone de bruit.

Comme le montre la couche de lignes de contour segmentées (figures 8(f), 9(f) et 10(f)), de grandes quantités de lignes de contour ont des espaces. Selon l'analyse, certaines des lacunes sont situées dans les régions d'intersection ou de chevauchement des lignes de contour et d'autres éléments de la carte. Nous avons donc construit des pistes sur des cartes topographiques après segmentation des couleurs, extrait des pistes spéciales et les avons ajoutées à la couche de lignes de contour segmentées. Comme le montrent les figures 8(g), 9(g) et 10(g), certains espaces au niveau des régions d'intersection ou de chevauchement des lignes de contour et d'autres éléments cartographiques sont réparés. Bien que certaines lacunes ne soient pas entièrement réparées après l'ajout de passages spéciaux, elles sont considérablement réduites pour faciliter la connexion de suivi des points de rupture. Cependant, l'ajout de pistes spéciales peut conduire à de nouvelles lignes épaisses. Il faut donc ajouter des passages spéciaux avant de traiter les lignes épaisses.

Les lignes de contour densément disposées sont difficiles à séparer des éléments d'arrière-plan et sont donc faciles à produire des lignes épaisses après la segmentation des couleurs. Dans un tel cas, si les points d'intersection des lignes de contour sont déterminés après l'amincissement, cela entraînerait des difficultés dans la connexion de suivi des lignes de contour et des erreurs importantes dans les résultats d'extraction car les algorithmes d'amincissement existants sont susceptibles de provoquer des distorsions et des branchements erronés au niveau régions se croisant dans le processus d'amincissement. Par conséquent, nous avons résolu le problème des lignes épaisses en supprimant les segments de nœuds des lignes de contour. Tout d'abord, la couche de lignes de contour a été convertie en une carte binaire après l'ajout d'analyses spéciales, puis les segments de nœud ont été extraits et supprimés (figures 8(h), 9(h) et 10(h)). L'emplacement des segments de nœuds a été enregistré avant d'être supprimé. Pour améliorer l'efficacité du traitement, des points d'arrêt correspondants ont été recherchés dans une région plus grande (par exemple, 3 pixels de plus que le rectangle englobant d'un segment de nœud). Pour résoudre le problème de la dépendance à la direction des codes de longueur de course, les points d'intersection ont été déterminés au moyen d'un balayage horizontal et vertical dans le processus de construction de segments de nœuds. En attendant, si les segments adjacents d'un segment de nœud sont des passages singuliers avec des largeurs inférieures à 3, alors le segment a été considéré comme causé par des fraises et a été exclu des statistiques des segments adjacents. Avant de connecter les points de rupture, des lignes épaisses d'un pixel dans les lignes de contour (figures 8(i), 9(i) et 10(i)) ont été obtenues par filtrage morphologique, amincissement et élagage.

Outre les deux types d'espaces ci-dessus, il existe un autre type d'espace causé par des couleurs non uniformes dans les lignes de contour en raison du crénelage et des fausses couleurs. Ces lacunes peuvent être réparées facilement selon l'image grise. Les résultats finaux utilisant la méthode proposée sont présentés dans les figures 8(j), 9(j) et 10(j). Comme indiqué sur ces figures, l'algorithme proposé permet de mieux résoudre les problèmes de lacunes et de lignes épaisses et de produire des cartes avec des courbes de niveau complètes.

Les figures 8(k), 9(k) et 10(k) et les figures 8(l), 9(l) et 10(l) montrent les résultats des tests utilisant la méthode proposée par Chen et al. [11] et Samet et al. [7], respectivement. Lesdites méthodes ont donné des résultats satisfaisants sur la figure 8. Cependant, sur les figures 9 et 10, il y avait quelques erreurs (comme indiqué dans le cercle rouge 5 sur la figure 9 et les cercles rouges 7 et 8 sur la figure 10). La raison en est que les lignes de contour étaient proches les unes des autres et que la région d'arrière-plan entre les lignes de contour était floue en une couleur brune, difficile à séparer, ce qui entraînait des lignes épaisses et une distorsion des lignes de contour après l'amincissement, d'où les erreurs de connexion.

Enfin, nous avons évalué les résultats en termes d'exhaustivité, de précision, de qualité et de différence de la moyenne quadratique (RMS) selon les critères suivants [34] :

[expression mathématique non reproductible], (12)

où l est le nombre de morceaux d'extraction appariée d([extr.sub.i] ref) est la distance la plus courte entre le ième morceau de l'extraction appariée et les lignes de référence. Les valeurs optimales pour l'exhaustivité, la précision et la qualité sont toutes de 1, et la valeur optimale pour RMS est de 0. Les lignes de contour tracées manuellement sur l'axe sont considérées comme des lignes de référence. Étant donné que la plupart des lignes de contour ont une largeur de 2 à 4 pixels sur une carte de résolution 96 DPI, nous définissons donc la largeur du tampon sur 4 pixels. Les résultats de l'évaluation sont présentés dans le tableau 2.

Comme le montre le tableau 2, il n'y a pas beaucoup de différence d'exhaustivité pour les résultats d'extraction des trois méthodes, mais par rapport aux résultats de la méthode proposée par Chen et al. et Samet et al., les résultats de la méthode proposée ont une plus grande précision. La raison en est que leurs méthodes résolvent le problème des lignes épaisses basé sur l'amincissement, où la distorsion et les mauvaises branches sont souvent causées au niveau des régions d'intersection au cours de l'amincissement, ce qui réduira la précision et la qualité des résultats d'extraction. En résumé, comme le montrent les figures et les tableaux, la méthode proposée permet d'obtenir de meilleures performances dans l'extraction des courbes de niveau.

Dans les cartes topographiques réelles, outre les lacunes mentionnées ci-dessus, les étiquettes et les annotations peuvent également provoquer des lacunes dans les courbes de niveau (Figure 11). Dans ce cas, la méthode proposée par Oka et al. ont produit des résultats encourageants [35], qui ne seront pas discutés dans cet article.

Dans cet article, une nouvelle méthode est proposée pour extraire les lignes de contour à partir de cartes topographiques numérisées de qualité moyenne basées sur la segmentation des couleurs et la connexion des lacunes des lignes de contour. Lors de la segmentation des couleurs, le sFCM amélioré est utilisé pour résoudre le crénelage des couleurs et les fausses couleurs en tenant compte à la fois des informations de couleur et spatiales des cartes topographiques, et des ensembles de coupes supérieur et inférieur sont introduits pour améliorer le taux de catégorisation. Pour traiter le problème des lignes épaisses, les segments de nœuds sont supprimés avant que les lacunes ne soient réparées. Dans le processus de connexion des écarts de lignes de contour, différentes méthodes sont utilisées pour réparer les écarts de lignes de contour en fonction des causes afin d'améliorer la précision de correspondance des points de rupture. Par rapport aux méthodes basées sur l'amincissement, la méthode proposée a moins de mauvaises connexions et des résultats plus précis. En un mot, la méthode proposée permet d'identifier et d'extraire efficacement les courbes de niveau à partir de cartes topographiques scannées de qualité moyenne.

Les auteurs déclarent qu'il n'y a pas de conflit d'intérêts concernant la publication de cet article.

Ce travail a été soutenu par le projet de fonds spéciaux pour la recherche scientifique de l'industrie du bien-être public du ministère des Terres et des Ressources de la République populaire de Chine dans le cadre de la subvention 201511079-02.

[1] N. G. Ganpatrao et J. K. Ghosh, « Extraction d'informations à partir d'une carte topographique à l'aide de l'analyse des couleurs et des formes », Sadhana, vol. 39, non. 5, pages 1095-1117, 2014.

[2] D. B. Dhar et B. Chanda, "Extraction et reconnaissance de caractéristiques géographiques à partir de cartes papier", International Journal on Document Analysis and Recognition, vol. 8, non. 4, pages 232-245, 2006.

[3] S. Leyk et R. Boesch, « Couleurs du passé : segmentation des images en couleur dans les cartes topographiques historiques fondées sur l'homogénéité », GeoInformatica, vol. 14, non. 1, p. 1-21, 2010.

[4] R. Pradhan, S. Kumar, R. Agarwal, M. P. Pradhan et M. K. Ghose, "Algorithme de traçage des lignes de contour pour les cartes topographiques numériques," International Journal of Image Processing, vol. 4, non. 2, p. 156-163, 2010.

[5] A. Khotanzad et E. Zink, "Ligne de contour et extraction de caractéristiques géographiques à partir de cartes topographiques en papier couleur USGS," Transactions IEEE sur l'analyse de motifs et l'intelligence machine, vol. 25, non. 1, p. 18-31, 2003.

[6] S. Spinello et G. Pascal, « Reconnaissance des lignes de contour à partir de cartes topographiques numérisées », Journal of Winter School of Computer Graphics, vol. 12, non. 1-3, pages 419-426, 2004.

[7] R. Samet, I. Askerzade et C. Varol, "Une implémentation de l'extraction automatique de lignes de contour à partir de cartes topographiques numériques numérisées," Applied Mathematics and Computation, vol. 9, non. 1, p. 116-127, 2010.

[8] A. Pezeshk et RL Tutwiler, "Contour line reconnaissance & extraction from Scan color maps using dual quantization of the intensité image," dans Actes du IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI '08), pp. 173 -176, IEEE, Santa Fe, NM, États-Unis, mars 2008.

[9] H. H. Su, R. B. Wang et Z. Q. Zhuang, "Un algorithme de segmentation des couleurs appliqué dans les cartes avec son implémentation," Journal of Computer Aided Design & Computer Graphics, vol. 11, non. 5, pages 395-398, 1999.

[10] Y. Chen et R. S. Wang, « Reconnaissance des lignes de contour à partir de cartes topographiques numérisées », Computer Aided Engineering, vol. 14, non. 3, p. 1-9, 2005.

[11] Y. Chen, R. Wang et J. Qian, « Extraction des lignes de contour à partir de cartes topographiques conditionnées communes », Transactions IEEE sur les géosciences et la télédétection, vol. 44, non. 4, pages 1048-1057, 2006.

[12] H. Chen, X.-A. Tang, Y.-M. Yang et M.-Y. Sun, "Extraction des lignes de contour des cartes topographiques militaires numérisées," Journal of System Simulation, vol. 21, non. 7, p. 1954-1958, 2009.

[13] J. Wu, H. Yan et A. Chalmers, « Segmentation d'images en couleur à l'aide d'un regroupement flou et d'un apprentissage supervisé », Electronic Imaging, vol. 3, non. 4, pages 397-405, 1994.

[14] D. J. Xin, X. Z. Zhou et H. L. Zheng, « Extraction de lignes de contour à partir de cartes topographiques sur papier », Journal of Information and Computing Science, vol. 1, non. 5, p. 275-283, 2006.

[15] H. L. Zheng, X. Z. Zhou et J. Y. Wang, « Segmentation automatique des couleurs des cartes topographiques basée sur la combinaison d'informations sur les relations spatiales et d'informations sur les couleurs », Journal of Image and Graphics, vol. 8, non. 3, p. 334-340, 2003.

[16] J. Y. Du et Y. M. Zhang, « Extraction automatique des lignes de contour à partir d'une carte topographique numérisée », dans Actes du Symposium international IEEE sur la géoscience et la télédétection (IGARSS 04), vol. 5, pp. 2886-2888, Anchorage, Alaska, États-Unis, septembre 2004.

[17] LM San, SM Yatim, NAM Sheriff et N. Isrozaidi, "Extraire les lignes de contour des cartes topographiques numérisées", dans Actes de la Conférence internationale sur l'infographie, l'imagerie et la visualisation (CGIV 04), pp. 187-192 , IEEE, Penang, Malaisie, juillet 2004.

[18] P. Arrighi et P. Soille, "Des cartes topographiques numérisées aux modèles d'élévation numériques", dans Actes du Symposium international sur les applications d'imagerie en géologie (GeoVision '99), pp. 1-4, Liège, Belgique, mai 1999.

[19] L. Eikvil, K. Aas et H. Koren, « Tools for interactive map conversion and vectorization », dans Actes de la 3e Conférence internationale sur l'analyse et la reconnaissance de documents, vol. 2, pp. 927-930, IEEE, Montréal, Canada, août 1995.

[20] X. L. Huang, P. Hu et Y. D. Bai, "Une méthode améliorée pour connecter un contour brisé," Science of Surveying and Mapping, vol. 31, non. 1, p. 111-114, 2006.

[21] R. Q. Wu, X. R. Cheng et C. J. Yang, « Extraction des lignes de contour des cartes topographiques basées sur la cartographie et les connaissances graphiques », Journal of Computer Science & Technology, vol. 9, non. 2, p. 58-64, 2009.

[22] X.-Z. Zhou et H.-L. Zheng, « vectorisation automatique des lignes de contour basée sur un modèle déformable et l'orientation du flux de champ », Chinese Journal of Computers, vol. 27, non. 8, pages 1056-1063, 2004.

[23] J. Pouderoux et S. Spinello, « Global contour lines reconstruction in topographic maps », dans Actes de la 9e Conférence internationale sur l'analyse et la reconnaissance de documents (ICDAR '07), vol. 2, pp. 779-783, Parana, Brésil, septembre 2007.

[24] S. Leyk, R. Boesch et R. Weibel, "Saliency and sémantique traitement : extraction de la couverture forestière à partir de cartes topographiques historiques," Pattern Recognition, vol. 39, non. 5, pages 953-968, 2006.

[25] Q. G. Miao, P. F. Xu, T. G. Liu, Y. Yang, J. Y. Zhang et W. S. Li, "Séparation des caractéristiques linéaires des cartes topographiques utilisant la densité d'énergie et la transformation de cisaillement," IEEE Transactions on Image Processing, vol. 22, non. 4, pages 1548-1558, 2013.

[26] J. C. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York, NY, USA, 1981.

[27] S. C. Chen et D. Q. Zhang, « Segmentation d'image robuste utilisant la FCM avec des contraintes spatiales basées sur une nouvelle mesure de distance induite par le noyau », IEEE Transactions on Systems, Man, and Cybernetics, Part B : Cybernetics, vol. 34, non. 4, pages 1907-1916, 2004.

[28] P. Wang et HL Wang, « A modified FCM algorithm for MRI brain image segmentation », dans Actes du séminaire international sur l'ingénierie de l'information biomédicale future (FBIE '08), pp. 26-29, Wuhan, Chine, décembre 2008.

[29] K.-S. Chuang, H.-L. Tzeng, S. Chen, J. Wu et T.-J. Chen, "Fuzzy c-means clustering with spatial information for image segmentation," Computerized Medical Imaging and Graphics, vol. 30, non. 1, p. 9-15, 2006.

[30] K.-Z. Chen, X.-W. Zhang, Z.-Y. Ou, et X.-A. Feng, "Reconnaissance de courbes numériques numérisées à partir de dessins sur papier à l'aide d'algorithmes génétiques," Pattern Recognition, vol. 36, non. 1, pages 123-130, 2003.

[31] T. Y. Zhang et C. Y. Suen, « A fast parallel algorithm for thining digital patterns », Communications of the ACM, vol. 27, non. 3, pages 236-239, 1984.

[32] E. R. Davies et A. P. N. Plummer, "Thinning algorithms: a critique and a new method," Pattern Recognition, vol. 14, non. 1-6, pages 53-63, 1981.

[33] T. G. Liu, Q. G. Miao, P. F. Xu, J. F. Song et Y. N. Quan, « Algorithme de segmentation de carte topographique en couleur basé sur des caractéristiques d'éléments linéaires », Outils et applications multimédias, pp. 1-22, 2015.

[34] C. Heipke, H. Mayer, C. Wiedemann et O. Jamet, « Evaluation of automatic road extraction », dans Actes des Archives internationales de la photogrammétrie, de la télédétection et des sciences de l'information spatiale « 3D Reconstruction and Modeling of Objets topographiques", vol. 32, pp. 47-56, Stuttgart, Allemagne, septembre 1997.

[35] S. Oka, A. Garg et K. Varghese, « Vectorisation de lignes de contour à partir de cartes topographiques numérisées », Automation in Construction, vol. 22, p. 192-202, 2012.

Bin Xu, (1,2) Jianping Chen, (1,2) et Meijuan Yao (1,2)

(1) School of Earth Sciences and Resources, China University of Geosciences (Pékin), Pékin 100083, Chine

(2) Beijing Key Laboratory of Development and Research for Land Resources Information, Beijing 100083, Chine

La correspondance doit être adressée à Jianping Chen [email protected]

Reçu le 1er septembre 2015 Révisé le 11 décembre 2015 Accepté le 24 décembre 2015

Rédacteur académique : Andrzej Swierniak

Légende : Figure 1 : Organigramme de l'algorithme proposé.

Légende : Figure 2 : (a) Pistes connectées. (b) Pistes adjacentes.

Légende : Figure 3 : Les types de pistes.

Légende : Figure 4 : Diagrammes schématiques d'un segment. (a) Origine. (b)

Légende : Figure 5 : Relations entre segments.

Légende : Figure 6 : Organigramme d'extraction de segments de nœuds.

Légende : Figure 7 : Un segment de pseudo-nœud.

Légende : Figure 8 : Le résultat de l'extraction de la première carte topographique scannée. (a) Carte numérisée originale. (b) La carte des éléments linéaires. (c) La carte grise. (d) Résultat de la segmentation des couleurs par le sFCM amélioré. (e) Résultat de la segmentation des couleurs par FCM. (f) La couche de lignes de contour. (g) Couche de lignes de contour après les passes spéciales fusionnées. (h) Couche de lignes de contour après suppression des segments de nœuds. (i) Les lignes de contour amincies résultantes. (j) Le résultat final réparé. (k) Résultat de Chen et al. (l) Résultat de Samet et al.

Légende : Figure 9 : Le résultat de l'extraction de la deuxième carte topographique scannée. (a) Carte numérisée originale. (b) La carte des éléments linéaires. (c) La carte grise. (d) Résultat de la segmentation des couleurs par le sFCM amélioré. (e) Résultat de la segmentation des couleurs par FCM. (f) La couche de lignes de contour. (g) Couche de lignes de contour après les passes spéciales fusionnées. (h) Couche de lignes de contour après suppression des segments de nœuds. (i) Les lignes de contour amincies résultantes. (j) Le résultat final réparé. (k) Résultat de Chen et al. (l) Résultat de Samet et al.

Légende : Figure 10 : Le résultat de l'extraction de la troisième carte topographique scannée. (a) Carte numérisée originale. (b) La carte des éléments linéaires. (c) La carte grise. (d) Résultat de la segmentation des couleurs par le sFCM amélioré. (e) Résultat de la segmentation des couleurs par FCM. (f) La couche de lignes de contour. (g) Couche de lignes de contour après les passes spéciales fusionnées. (h) Couche de lignes de contour après suppression des segments de nœuds. (i) Les lignes de contour amincies résultantes. (j) Le résultat final réparé. (k) Résultat de Chen et al. (l) Résultat de Samet et al.


Cartographie géomorphologique basée sur les DEM et les SIG : une revue

Abstrait. La géomorphologie est une discipline scientifique traitant des caractéristiques, de l'origine et de l'évolution des reliefs. Il utilise des données topographiques telles que les informations sur la hauteur des points, les courbes de niveau sur les cartes topographiques et les DEM (Digital Elevation Models). Les données topographiques étaient traditionnellement obtenues par levés au sol, mais l'introduction de la photogrammétrie aérienne au début du 20e siècle a permis une acquisition de données plus efficace basée sur la télédétection. Ces dernières années, des méthodes de télédétection actives, notamment le balayage laser aéroporté et terrestre et les applications du radar par satellite, ont également été utilisées, et la photogrammétrie aérienne est devenue plus facile et populaire grâce aux drones et à une nouvelle méthode photogrammétrique, SfM (Structure from Motion). Les données topographiques résultantes, en particulier les DEM raster, sont combinées avec des SIG (systèmes d'information géographique) pour obtenir des dérivés tels que la pente et l'aspect ainsi que pour effectuer une cartographie géomorphologique efficace. Les cartes résultantes peuvent représenter diverses caractéristiques topographiques basées sur la hauteur de la surface et les dérivés DEM, et les applications d'algorithmes avancés et de certains raisonnements heuristiques permettent une classification semi-automatisée des formes de relief. Cette approche quantitative diffère des méthodes traditionnelles et plus qualitatives pour produire des cartes de classification des reliefs en utilisant l'interprétation visuelle de photographies aériennes analogiques et de cartes topographiques ainsi que des observations sur le terrain.

À des fins scientifiques, les reliefs doivent être classés en fonction non seulement des caractéristiques de forme, mais également des processus de formation et des âges. Parmi eux, les MNT ne représentent que des caractéristiques de forme, et la compréhension des processus de formation et des âges nécessite généralement d'autres données telles que les propriétés des dépôts de surface observés sur le terrain. Cependant, de nombreuses études géomorphologiques indiquent des relations entre les formes et les processus de formation des reliefs, et même les âges des reliefs affectent les formes telles qu'une distribution plus large d'éléments disséqués dans les reliefs plus anciens. L'introduction récente de l'intelligence artificielle en géomorphologie, y compris l'apprentissage automatique et l'apprentissage profond, peut nous permettre de mieux comprendre les relations des formes avec les processus et les âges. Établir de telles relations, cependant, est encore très difficile, et à l'heure actuelle, la plupart des géomorphologues pensent que les cartes de classification des reliefs basées sur les méthodes traditionnelles sont plus utilisables que celles des méthodes basées sur le DEM. Néanmoins, les chercheurs de certains autres domaines tels que le génie civil apprécient davantage les méthodes basées sur le DEM car elles peuvent être menées sans connaissances géomorphologiques approfondies. Par conséquent, les méthodes devraient être développées pour une compréhension interdisciplinaire. Cet article passe en revue et discute de telles situations complexes de la cartographie géomorphologique aujourd'hui en relation avec le développement historique de la méthodologie.


Rapport d'erreur

Les erreurs sont signalées pour les DEM britanniques dans une valeur globale pour tous les sites. Dans la documentation pour les données DEM OS 1:50 000, il est indiqué que même si la précision n'est pas testée pour tous les produits DEM, où elle a été testée, l'erreur quadratique moyenne (RMSE) est comprise entre 2 et 3 m. Le RMSE est la mesure standard de l'erreur utilisée par les géomètres du monde entier. Il est basé sur la formule suivante :

  • où z est l'altitude enregistrée dans le DEM
  • w est l'altitude mesurée avec la précision la plus élevée et
  • n est le nombre d'emplacements testés.

Si nous supposons que l'erreur moyenne est de 0, alors cette formule est la même que la formule de l'écart type de la population :

où e est la moyenne des erreurs.


Éditeurs de séries de cartes topographiques nationales

Bien que la quasi-totalité de la surface terrestre de la Terre ait été cartographiée à l'échelle 1:1 000 000, la cartographie à moyenne et grande échelle a été réalisée de manière intensive dans certains pays et beaucoup moins dans d'autres. ⎝] Néanmoins, les programmes de cartographie nationaux énumérés ci-dessous ne sont qu'une sélection partielle. Plusieurs fournisseurs commerciaux fournissent des séries de cartes topographiques internationales.

Australie

Le NMIG (National Mapping Information Group) de Geoscience Australia est l'agence nationale de cartographie du gouvernement australien. Il fournit des cartes topographiques et des données pour répondre aux besoins du développement durable de la nation. L'Office of Spatial Data Management fournit un service de cartographie gratuit en ligne MapConnect. ⎞] Ces cartes topographiques aux échelles 1:250 000 et 1:100 000 sont disponibles sous forme imprimée auprès du Centre de vente. Les cartes 1:50 000 et 1:25 000 sont produites en collaboration avec le ministère de la Défense. ⎠]

L'Autriche

Cartes autrichiennes (Allemand: Österreichische Karte (ÖK)) est l'agence gouvernementale produisant des cartes de l'Autriche, qui sont distribuées par Bundesamt für Eich- und Vermessungswesen (BEV) à Vienne. Les cartes sont publiées aux échelles 1:25 000 1:50 000 1:200 000 et 1: 500 000. Les cartes peuvent également être consultées en ligne. ⎡]

Canada

Le Centre d'information topographique produit des cartes topographiques du Canada aux échelles 1:50 000 et 1:250 000. Ils sont connus sous le nom de système topographique national (SNRC). « Une proposition du gouvernement visant à interrompre la publication de toutes les cartes topographiques papier ou papier au profit de données cartographiques uniquement numériques a été abandonnée en 2005 après une vive opposition publique. ⎣]

Chine

Le Bureau d'État de l'arpentage et de la cartographie compile des cartes topographiques aux échelles 1:25 000 et 1:50 000. Il est rapporté que ces cartes sont exactes et imprimées de manière attrayante en sept couleurs, et que les éditions successives montrent une amélioration progressive de la précision. ⎤]

Ces cartes à grande échelle sont la base des cartes à plus petite échelle. Les cartes à l'échelle 1:4 000 000 ou moins sont exportées par Maison d'édition cartographique, Pékin tandis que les cartes à plus grande échelle sont restreintes en tant que secrets d'État et interdites de publication par la législation, sauf Hong Kong et Macao. Les cartes topographiques de la Chine suivent le système international de subdivision avec des cartes au 1:100 000 couvrant 30 minutes de longitude par 20 minutes de latitude. ⎥]

Colombie

L'Institut Géographique Agustín Codazzi est l'entité gouvernementale responsable de la production et de la distribution des cartes topographiques de la Colombie aux échelles 1:500 000 et 1:100 000. Ces services et plusieurs autres services d'information géographique sont accessibles via le site Web de l'Instituto Geográfico Agustin Codazzi ⎦] en espagnol.

Danemark

Le National Survey and Cadastre du Danemark est chargé de produire des géodonnées topographiques et nautiques du Danemark, du Groenland et des îles Féroé. ⎧]

Finlande

Le National Land Survey of Finland produit la base de données topographique (précision 1:5000-1:10 000) et publie des cartes topographiques de la Finlande au 1:25 000 et au 1:50 000. De plus, les cartes topographiques peuvent être consultées en utilisant un service de cartographie gratuit MapSite. ⎨] ⎩]

La France

L'Institut Géographique National (IGN) produit des cartes topographiques de la France au 1/25 000 et au 1/50 000. ⎪] Par ailleurs, des cartes topographiques sont librement accessibles en ligne, via le site Géoportail.

Allemagne

En principe, chaque État fédéral (Bundesland) est en charge de la production des cartes topographiques officielles. En fait, les cartes entre 1:5 000 et 1:100 000 sont produites et publiées par les bureaux d'arpentage de chaque État fédéral, les cartes entre 1: 200 000 et 1:1 000 000 par une maison fédérale - le Bundesamt für Kartographie und Geodäsie (BKG ) à Francfort-sur-le-Main. ⎫]

Grèce

Des cartes topographiques à usage général sont disponibles au 1:50 000 et au 1:100 000 auprès du Service géographique militaire hellénique (HMGS). ⎬] Ils utilisent un système de projection national appelé EGSA'87, qui est une projection mercatoriale transverse cartographiant la Grèce dans une zone. Quelques zones sont également disponibles au 1:25 000. Certaines entreprises privées vendent des cartes topographiques des parcs nationaux basées sur la topographie HMGS.

Hong Kong

Le Department of Lands est l'agence gouvernementale responsable de l'arpentage et de la publication des cartes topographiques de Hong Kong. Les cartes couramment utilisées telles que la série HM20C (1:20 000) sont révisées et mises à jour tous les ans ou tous les deux ans. Des cartes topographiques à très grande échelle (1:600 ​​en zone urbaine et la série 1:1000 HM1C pour l'ensemble de HK) sont également mises à la disposition du public pour divers usages. ⎭]

Inde

Le Survey of India est responsable de tout le contrôle topographique, des relevés et de la cartographie de l'Inde. ⎮]

Israël

Le Survey of Israel est responsable de la cartographie civile d'Israël. Les échelles de carte standard sont 1:50 000 et 1:100 000. La carte au 1:50 000 est disponible en ligne. ⎯]

La Direction du renseignement militaire des Forces de défense israéliennes a sa propre unité de cartographie, qui est une sous-unité de l'Unité 9900.

Japon

Le Geographical Survey Institute of Japan est responsable de la cartographie de base du Japon. Les échelles de carte standard sont 1:25 000, 1:50 000, 1:200 000 et 1: 500 000. ⎰]

Népal

De 1992 à 2000, une série définitive de cartes topographiques à grande échelle a été étudiée et publiée dans le cadre d'un projet conjoint du Département d'arpentage du gouvernement népalais et du ministère finlandais des Affaires étrangères sous-traitant par l'intermédiaire du FinnMap cabinet de conseil. L'Agence japonaise de coopération internationale a remplacé FinnMap dans la zone de Lumbini.

Des feuilles topographiques à l'échelle 1:25 000 couvrant 7,5 minutes de latitude et de longitude cartographient la densément peupléeTeraï et Moyenne Montagne Régions. Les régions de haute montagne moins peuplées sont sur des feuilles de 15 minutes au 1:50 000. Les scans JPG peuvent être téléchargés. ⎴]

Pays-Bas

Le Cadastre Kadaster (anciennement Topografische Dienst) collecte, traite et fournit des informations topographiques sur l'ensemble du territoire néerlandais. L'histoire du cadastre remonte à l'année 1815, cette année-là a été chargée de créer une grande carte, connue sous le nom de Carte Krayenhoff. Vers 1836, ils ont commencé à imprimer la carte topographique à l'échelle 1: 50 000, suivie en 1865 par la carte topographique à l'échelle 1: 25 000. En 1951 a commencé le début de la production de la carte topographique à l'échelle 1: 10 000. De diverses réorganisations sont nées en 1932 le Topografische Dienst en tant qu'agence cartographique nationale des Pays-Bas, hébergée depuis janvier 2004 au sein du cadastre Kadaster.

Nouvelle-Zélande

Land Information New Zealand est l'agence gouvernementale chargée de fournir des cartes topographiques à jour. Les cartes topographiques LINZ couvrent toute la Nouvelle-Zélande, les îles au large, certaines îles du Pacifique et la région de la mer de Ross. ⎵] Le problème standard NZ Topo la série de cartes a été publiée en septembre 2009 au 1:50 000 (NZTopo50) et au 1:250 000 (NZTopo250). Les données vectorielles ⎶] de la base de données topographique de Nouvelle-Zélande (NZTopo) sont également disponibles.

Pakistan

La responsabilité de la cartographie topographique et de la photographie aérienne incombe à l'arpenteur général du Pakistan [SGP]. Créé en 1947, le Survey of Pakistan (SOP) est basé à Rawalpindi avec un certain nombre de bureaux régionaux répartis dans les centres urbains du Pakistan. Le SGP est une organisation civile qui, pour des raisons de sécurité, est dirigée par un arpenteur général et travaille sous le contrôle strict du quartier général de l'armée (GHQ). Le colonel C.A.K. Innes-Wilson, un officier du Royal Engineers qui a rejoint le Survey of India qui a cartographié le sous-continent, a été le premier arpenteur général du Pakistan.

Tous les départements qui ont besoin de cartes topographiques en font la demande à la SGP et beaucoup sont enregistrés en permanence auprès de celle-ci pour l'achat de cartographie et de photographies aériennes. Le SOP exerce ces fonctions sous les auspices du ministère de la Défense (MOD). Sur le plan organisationnel, le SOP est supervisé par l'arpenteur général (SG) qui est une personne directement nommée par l'armée et un officier supérieur en uniforme. Le SG rend compte directement au secrétaire à la Défense. Sous le SG se trouvent deux SG adjoints (I et II) qui gèrent les départements opérationnels de l'agence et un conseiller technique principal. Ces départements sont divisés en Directions Régionales de Cartographie Topographique comprenant la région Nord centrée à Peshawar, la région Est (Lahore), la région Ouest (Quetta) et enfin, la région Sud à Karachi. La responsabilité des relevés de terrain et de la maintenance/mise à jour des cartes topographiques est subdivisée en fonction de ces zones géographiques.

Le Portugal

L'Institut Géographique de l'Armée - Instituto Geográfico do Exército [1] - produit des cartes à 1,25,000, 1:500,000 pour la vente publique, ainsi que de nombreux services géographiques.

Roumanie

Jusqu'à récemment, les deux principales autorités cartographiques du gouvernement roumain étaient le Département de topographie militaire (Directia Topografica Militara (DTM)) et l'Institut de géodésie, de photogrammétrie, de cartographie et d'aménagement du territoire (Institutul de Geodezie, Fotogrammetrie, Cartografie, si Organizarea Teritoriului (IGFCOT)). Cette situation a récemment changé, suite à la décision prise en 1996 par le gouvernement roumain de créer un Office national civil combiné du cadastre, de la géodésie et de la cartographie (Oficiul National de Cadastru, Geodezie si Cartografie (ONCGC). Les cartes ont continué à être publiées sous l'empreinte de les organisations précédentes jusqu'à la fin des années 1990. À partir de 1958, un certain nombre de plans de villes à l'échelle 1:5 000 ou 1:10 000 ont également été réalisés, d'abord sur la projection de Gauss-Krϋger, mais après 1970 sur une projection stéréographique. Il existe également un plan des rues de Bucarest en quatre feuilles au 1:15 000 dérivé d'enquêtes à plus grande échelle, qui est révisé chaque année.

La série 1:50 000 en 737 feuilles est maintenant considérée comme la carte de base. Il a été révisé au cours de la période 1965-1972 à l'aide de photographies aériennes et est actuellement à nouveau mis à jour avec l'intention d'établir un cycle de révision de cinq à six ans. Le 1:25 000 sera conservé, mais révisé uniquement à intervalles de 15 à 20 ans, à l'exception des feuilles couvrant les zones de changement rapide.

Russie

Des cartes topographiques détaillées et précises ont longtemps été une priorité militaire. Ils sont actuellement produits par le Service militaro-topographique des forces armées de la Fédération de Russie (russe : Военно-топографическая служба Вооружённых сил Российской Федерации ou ВС ). Les départements de cartographie topographique militaire détenaient d'autres titres dans l'Empire russe depuis 1793 et ​​en Union soviétique, où ces cartes ont également été utilisées pour le contrôle interne et le développement économique.

L'Union soviétique a mené le projet cartographique le plus complet au monde du vingtième siècle. Les feuilles de cartes soviétiques ont adopté la nomenclature mondiale des feuilles du système international de la carte du monde et couvraient déjà des territoires étrangers en 1938. Lorsque l'Allemagne a envahi en 1941, des cartes détaillées des frontières occidentales de l'URSS à la Volga River est devenu une tâche urgente, accomplie en moins d'un an. Après les années de guerre, l'ensemble de l'Union soviétique a été cartographié à des échelles réduites au 1:25 000, voire au 1:10 000 pour la fraction agricole productive. On pense que le reste du monde, à l'exception de l'Antarctique, a été cartographié à des échelles jusqu'à 1:200 000, avec des régions d'intérêt particulier jusqu'à 1:50 000 et de nombreuses zones urbaines à 1:10 000. En tout, il y a peut-être eu plus d'un million de feuilles de carte de haute qualité et détaillées. Les cartes soviétiques se distinguaient également par leur système d'indexation global cohérent. ⎾] ⎿] ces avantages étaient valables pour les cartes militaires soviétiques d'autres pays, bien qu'il y ait eu quelques erreurs dues à des renseignements erronés. ⏀]

Les cartes soviétiques à des fins civiles nationales étaient souvent de qualité inférieure. ⏁] De 1919 à 1967, ils ont été produits par Responsable administration géodésique (russe : Высшее геодезическое управление ou ВГУ ), puis par Direction générale de la géodésie et de la cartographie (russe : Главное управление геодезии и картографии ou ГУГК ). Désormais (juin 2011) des cartes civiles sont produites par le Agence fédérale de géodésie et de cartographie (russe : Федеральное агентство геодезии и картографии ou оскартография ). ⏂]

Les cartes militaires soviétiques étaient des secrets d'État. Après l'éclatement de l'Union soviétique en 1991, de nombreuses cartes sont tombées dans le domaine public. ⏃] Les échelles de carte 1:100.000 - 1:500.000 peuvent être consultées en ligne. ⏄] ⏅]

Espagne

L'Instituto Geográfico Nacional (IGN) est responsable des cartes topographiques officielles. Il utilise six échelles qui couvrent tout le territoire espagnol : 1:25 000, 1:50 000, 1: 200 000, 1: 500 000, 1:1 000 000 et 1: 2 000 000. L'échelle la plus courante est la première, qui utilise le système UTM.

Afrique du Sud

La Direction générale de l'information géospatiale nationale (CD:NGI) produit trois séries de cartes topographiques, chacune couvrant l'ensemble du pays, aux échelles 1:50/160000, 1:250/160000 et 1:500/160000.

Suisse

Swisstopo (Office fédéral de topographie) produit des cartes topographiques de la Suisse à sept échelles différentes.

Taïwan

Les cartes topographiques de Taïwan ont longtemps été conservées comme des informations confidentielles pour des raisons de sécurité. Il n'a été mis à la disposition du public que récemment par le National Land Surveying and Mapping Center, l'agence gouvernementale responsable de l'arpentage et de la publication de diverses cartes. Des cartes topographiques jusqu'à 1:25 000 sont maintenant disponibles en format numérique et imprimé. ⏆]

Royaume-Uni

L'Ordnance Survey (OS) produit des séries de cartes topographiques couvrant la Grande-Bretagne aux échelles 1:25 000 et 1:50 000. L'échelle 1:25 000 est connue sous le nom de série "Explorer" et comprend une sous-série "OL" (Outdoor Leisure) pour les zones d'intérêt particulier pour les randonneurs et les marcheurs. Elle a remplacé la série "Pathfinder", qui était moins colorée et couvrait une zone plus petite sur chaque carte. L'échelle 1:50 000 est connue sous le nom de "Landranger" et porte une couverture rose distinctive. Une cartographie plus détaillée aussi fine que 1:10 000 couvre certaines parties du pays. ⏈] Les échelles 1:25 000 et 1:50 000 sont facilement coordonnées avec les échelles romer standard sur les boussoles et les outils de traçage actuellement disponibles. L'Ordnance Survey maintient une base de données cartographiques à partir de laquelle ils peuvent imprimer des cartes spécialisées à pratiquement n'importe quelle échelle. ⏉]

L'Ordnance Survey National Grid divise la Grande-Bretagne en carrés de 500 160 km, 100 160 km, 10 160 km et 1 160 km sur une grille de Mercator transversale alignée nord-sud le long du méridien 2°W. Les produits cartographiques du système d'exploitation sont basés sur cette grille.

États Unis

L'United States Geological Survey (USGS), une agence scientifique fédérale, produit plusieurs séries nationales de cartes topographiques qui varient en échelle et en étendue, avec de grandes lacunes dans la couverture, notamment l'absence totale de cartes topographiques à l'échelle 1:50 000 ou leur équivalent. La série topographique la plus grande (à la fois en termes d'échelle et de quantité) et la plus connue est le quadrangle de 7,5 minutes ou 1:24 000. Cette échelle est unique aux États-Unis, [ citation requise ] où presque tous les autres pays développés ont introduit une carte topographique métrique à grande échelle au 1:25 000 ou au 1:50 000. L'USGS publie également des cartes au 1:100 000 couvrant 30 minutes de latitude par un degré de longitude, 1: 250 000 couvrant un par deux degrés, et des cartes d'État au 1: 500 000 avec la Californie, le Michigan et le Montana ayant besoin de deux feuilles tandis que le Texas en a quatre. L'Alaska est cartographié sur une seule feuille, à des échelles allant de 1:1 584 000 à 1:12 000 000. ⏊] [ citation requise ]

USGS numérique récent Carte nationale omet plusieurs détails géographiques importants qui figuraient dans la série de cartes topographiques originales de l'USGS (1945-1992). ⏋] Des exemples de détails et de fonctionnalités omis incluent les lignes de transport d'électricité, les lignes téléphoniques, les chemins de fer, les sentiers récréatifs, les pipelines, les repères d'arpentage et les bâtiments. ⏋] Pour bon nombre de ces classes d'entités, l'USGS travaille avec d'autres agences pour développer des données ou adapter les données existantes sur les détails manquants qui seront inclus dans la carte nationale. ⏋] Dans d'autres régions, les révisions des cartes numériques de l'USGS peuvent omettre des caractéristiques géographiques telles que des ruines, des emplacements de mines, des sources, des puits et même des sentiers dans le but de protéger les ressources naturelles et le grand public, ou parce que ces caractéristiques ne sont pas présentes dans n'importe quelle base de données du domaine public. ⏋]


Comment extraire les informations d'altitude des courbes de niveau ? - Systèmes d'information géographique


Le magazine en ligne pour des mers durables
Juillet 2006, Vol. 8 n° 3


Modélisation participative en 3 dimensions
à Talibon, Bohol, Philippines
Une expérience 3D
Par Asuncion Sia, Spécialiste IEC, Projet FISH

composante majeure de l'initiative d'information, d'éducation et de communication (IEC) de la Projet POISSON dans Banque Danajon est le projet de Centre d'interprétation des pêches et de la gestion des ressources côtières des talibons (FCRMIC), que nous envisageons comme un centre d'enseignement et d'information axé sur le banc de Danajon et sa gestion, un acteur central dans l'effort de promotion d'une utilisation responsable des ressources dans les 10 municipalités limitrophes de ce écosystème important mais gravement menacé. Pour lancer ses opérations, le Centre produira une exposition, organisée par le projet FISH en tant qu'activité de formation pour l'unité de gouvernement local (LGU) Talibon, qui a accepté de financer et de gérer ses opérations.

Alors même que les préparatifs institutionnels étaient toujours en cours, nous savions quelle serait la pièce maîtresse : un modèle en 3 dimensions (3D) de la banque Danajon. Pour le monde extérieur, Danajon est surtout connu comme le seul récif à double barrière des Philippines et l'un des trois seuls récifs de la région indo-pacifique (Pichon 1977). Ce fait n'est pas largement connu parmi les habitants, et parmi ceux qui le savent, il y a peu d'appréciation de ce qu'est un récif à double barrière. Un modèle 3D serait le meilleur moyen d'illustrer ce qu'est Danajon Bank et ce qu'elle représente.


Un modèle 3D généré par ordinateur de la banque Danajon (R Martinez 2006)

Nous avons eu l'idée de faire appel à des concepteurs de cartes en relief à l'échelle pour produire le modèle, mais notre prédilection pour les approches participatives nous a obligés à explorer la possibilité d'adopter une méthode de modélisation 3D participative (P3DM) qui nous a été présentée pour la première fois par le Centre régional de l'Asean pour la conservation de la biodiversité (ACRBC). La méthode a été développée par le Programme National Intégré des Aires Protégées (NIPAP), un projet spécial mis en œuvre en 1996-2001 par le Ministère de l'Environnement et des Ressources naturelles - Bureau des aires protégées et de la faune avec l'aide financière et technique de la Commission européenne.

Notre parti pris a gagné, et il nous a rapporté plus que ce que nous recherchions : non seulement une pièce maîtresse en 3D remarquable, mais aussi un outil pédagogique et un outil pratique pour la planification et la gestion de l'utilisation des ressources que le Talibon LGU et d'autres parties prenantes de la Danajon Bank peuvent utiliser pour de nombreux ans.

Les auteurs ont décrit les étapes de base suivantes, que nous avons adaptées à nos besoins :

Ce qui suit est un compte rendu de notre expérience avec les étapes 1 à 4, couvrant la période du 1er mars au 9 juillet 2006. Un autre compte, extrait d'un rapport qui nous a été soumis par le facilitateur principal P3DM, peut être consulté ici. Le rapport complet et original peut être téléchargé ici.

La réalisation du modèle 3D de la Banque Danajon

1er mars-2 juillet 2006 : Préparation pour P3DM

Notre liste de tâches originale ne contenait qu'un seul élément : recherchez un animateur expérimenté en P3DM. Plusieurs appels au DENR-PAWB nous ont conduits à Fer M. Ramirez du Fondation pour l'environnement des Philippines (FPE), qui a été impliqué dans plusieurs initiatives P3DM aux Philippines et en Asie. Il a accepté d'aider.

L'atelier P3DM était initialement prévu pour mai, qui est le mois de l'océan aux Philippines, mais des problèmes de planification l'ont repoussé du 3 au 9 juillet. Au fur et à mesure des préparatifs, d'autres éléments ont été ajoutés à notre liste de choses à faire. La taille du modèle a été déterminée ce serait un modèle de 3m x 6m composé de deux modules mesurant 1,5mx 6m chacun représentant une superficie de 123deg 48 49,63 E à 124deg 40 37,69 E et de 9deg 57 45,01 N à 10deg 23 39,04 N couvrant environ 481 000 hectares. Le Talibon LGU a accepté de fournir une plate-forme de taille appropriée (3m x 6m) sur laquelle le modèle sera affiché.


Zone couverte par le modèle 3D (R Martinez 2006)

Travaillant depuis le bureau du projet FISH à Cebu et s'appuyant largement sur la liste fournie sur le Site web des Approches intégrées du développement participatif (IAPAD), nous avons acheté les matériaux nécessaires à P3DM. C'était un processus de longue haleine - la liste était longue et il n'y a, malheureusement, pas de guichet unique P3DM. Tous les matériaux ont été achetés auprès de divers fournisseurs à Cebu, à l'exception des peintures acryliques à base d'eau, qui ont été achetées à Manille. L'approvisionnement a été coordonné pour s'assurer que les matériaux arriveraient à Talibon quelques jours avant le début de l'atelier, tout en nécessitant le temps de stockage minimum à Cebu.

Pendant ce temps, une carte topographique personnalisée - la carte de base - a dû être préparée à l'aide du logiciel de système d'information géographique (SIG) ArcGIS. Les données d'altitude du Site Internet de l'USGS ont été ajoutés aux cartes ArcGIS pour générer des courbes de niveau. Les courbes de niveau bathymétriques ont également été générées à l'aide des données de cartes numérisées de la bibliothèque du projet FISH. Ensuite, le fond de carte a été imprimé en deux parties à une échelle horizontale de 1/16.000, chaque partie mesurant 1,5m x 6m, correspondant aux deux modules du modèle 3D prévu.


Lignes de contour générées par ordinateur (R Martinez 2006)

Les préparatifs comprenaient également une réunion avec Fer au bureau du FPE à Quezon City et une inspection oculaire du FCRMIC Talibon. La carte aurait dû idéalement être fabriquée là où elle sera stockée en permanence (c'est-à-dire le FCRMIC), mais au moment de l'atelier, le FCRMIC était encore en rénovation et n'offrait pas assez d'espace requis par P3DM. En guise de compromis, nous avons fait en sorte qu'une partie de l'atelier (principalement Étape 2 : Assemblage du modèle vierge) se déroule dans un autre lieu, le terrain de basket couvert du Centre culturel Talibon.

Deux jours avant notre départ prévu de Cebu pour Talibon, nous avons reçu un appel téléphonique de notre responsable de site pour la banque Danajon nous informant que le Talibon LGU avait programmé un autre événement qui se tiendrait au centre culturel le matin où nous étions censés ouvrir le Atelier P3DM. Cela a nécessité l'utilisation d'un troisième lieu, la salle de réception de la Talibon Pension House, où nous tenions les présentations des conférences pour expliquer le processus P3DM (voir Flux indicatif de l'atelier P3DM). On nous a assuré que le Centre culturel serait libéré rapidement à 10h00 pour nous permettre de commencer l'atelier dans l'après-midi.

Nous sommes arrivés à Talibon trois jours plus tôt pour assister aux préparatifs sur place. Pour minimiser le décalage dans la construction du modèle, nous avons prédécoupé et assemblé un nombre suffisant de cartons ondulés de 1,5 m x 6 m. En outre, en utilisant les contributions des organisateurs de la communauté du projet FISH, nous avons préparé une liste préliminaire de symboles cartographiques à utiliser sur notre modèle. Avec l'aide de Ricardo, un menuisier employé par le LGU Talibon, nous avons construit deux planches en contreplaqué marin, mesurant chacune 1,5 mx 6 m, sur lesquelles les deux modules 3D seraient construits.


Construction de base en contreplaqué marin pour modèle (A Sia 2006)


Préparation de la carte de base (à gauche) et des fournitures P3DM (A Sia 2006, V Orevillo 2006)

Les outils P3DM et les informations disponibles sur le site Web de l'IAPAD se sont avérés inestimables. En effet, ce site web doit être la première et principale référence de toute initiative P3DM.

3-9 juillet 2006 : L'Atelier

Jour 1 de l'atelier était un lundi pluvieux. Les participants arrivaient en retard - le changement de dernière minute dans le lieu de la matinée a semé la confusion, un certain nombre de participants se rendant au centre culturel. Il a fallu une heure pour démêler la confusion, et le programme a finalement commencé à dix heures et demie. Le programme d'ouverture consistait en des conférences et des présentations visant principalement à orienter les participants vers le processus P3DM.

Pendant que les présentations étaient en cours, deux membres de l'équipe du projet FISH étaient au Centre culturel pour s'assurer que le lieu était prêt à temps pour l'atelier de l'après-midi.

L'atelier P3DM a commencé à 15h00. Les regroupements (traceurs, coupeurs et colleurs) avaient été déterminés plus tôt, mais les gens se sont rapidement déplacés entre les tâches, s'essayant à assembler les planches de carton à la bonne taille, collant ensemble des morceaux de papier carbone, traçant des lignes de contour sur les planches de carton , en coupant les planches le long des courbes de niveau, et guidé par une carte de référence, en les collant ensemble. Au milieu de tout cela, malgré nos préparatifs minutieux, certaines de nos fournitures ont manqué, et nous avons dû ratisser les magasins de Talibon pour de la colle, du ruban adhésif et du papier crépon. C'était un travail laborieux et nous n'avons pas été complètement surpris que certains participants ne se soient pas présentés le lendemain.


Tracer des courbes de niveau sur des cartons (A Sia 2006)


Découpe de cartons le long des courbes de niveau (A Sia 2006)


Construire le modèle avec des couches de cartons (A Sia 2006)

Fer a appelé à des ajustements, en réaffectant les personnes pour s'assurer que toutes les tâches étaient terminées à temps. À la fin de la Jour 2, la forme finale d'un module était presque discernable. Jour 3 bourdonnant d'activité, interrompu seulement par des pauses repas, ou par quelqu'un qui signale une île ou un pic manquant (cela impliquait de revenir à la carte de référence, trouver les éléments manquants sur le fond de carte, tracer, découper, coller). Avant Jour 4 a été fait, le modèle en relief vierge (les deux modules) était complet - même sous sa forme vierge (brute), le modèle était impressionnant, avec les différentes élévations et profondeurs clairement visibles. La vue a clairement stimulé les participants.


Le modèle vierge de la banque Danajon. Mesurant 18 mètres carrés en deux modules de 1,5 m x 6 m chacun, la maquette représente une superficie de près de 4 810 kilomètres carrés à l'échelle horizontale de 1/16 000. Il compte 71 couches, chacune représentant 20 m, avec une profondeur maximale de 700 m et un pic terrestre maximal de 720 m d'altitude (mètres au-dessus du niveau de la mer). Compte tenu de l'épaisseur des cartons que nous avons utilisés (4 mm), le modèle a une échelle verticale de 1:5 000, soit une exagération verticale de 3,2X (1:16 000/1:5 000). (L Tinapay juillet 2006)

Au fur et à mesure que les îles et d'autres caractéristiques prenaient forme, les participants ont obtenu une image mentale plus claire de ce à quoi le modèle devrait finalement ressembler. Sur Jour 5, guidés par les animateurs, ils ont codé par couleur chaque module du modèle vierge en se basant sur d'anciennes cartes topographiques et leur souvenir des ressources trouvées dans la région dans les années 1950.

Tout d'abord, des fils de différentes couleurs ont été utilisés pour guider la coloration des plages de profondeur (0 à -10, <-10 à -20m <-20m à -40m <-40m à -700m), et des ressources marines et terrestres, telles que zones forestières, zones non boisées, zones de mangrove, herbiers marins, récifs coralliens, prairies, etc. Une fois délimités, les caractéristiques ont été différenciées avec différentes couleurs et nuances de peinture acrylique à base d'eau - par exemple, différentes nuances de bleu pour montrer la profondeur changements, vert foncé pour les mangroves, une autre nuance de vert pour les herbiers, etc.


Identification et codage couleur de l'utilisation des ressources à Danajon dans les années 1950 (L Tinapay juillet 2006)

Avant que la peinture ne soit terminée, les modules ont dû être transférés au FCRMIC. Environ deux douzaines d'hommes se sont présentés pour transporter chaque module du Centre culturel au FCRMIC, une distance d'environ 50 mètres, leur tâche rendue un peu plus facile par la décision du Talibon LGU d'abattre une partie d'un mur du FCRMIC pour élargir l'entrée de l'aire d'exposition où le modèle serait entreposé en permanence.

Une fois la peinture terminée et les peintures séchées, les fils ont été soigneusement retirés. Voilà, nous regardions un modèle 3D de la banque Danajon telle qu'elle aurait pu apparaître dans les années 50 !

Il était temps d'ajouter des informations actuelles, de montrer l'évolution de l'utilisation des ressources et de la topographie à Danajon au cours des 60 dernières années. Cela a été accompli en utilisant des punaises et des punaises de différentes couleurs et formes de tête pour afficher les données ponctuelles (maisons, centrales électriques, écoles, etc.) , etc.).


Ajout d'informations sur l'utilisation actuelle des ressources à Danajon (L Tinapay juillet 2006)

Il y a eu beaucoup de discussions entre les participants sur les fonctionnalités qui seraient ajoutées et où les fonctionnalités devraient être. Les discussions devenaient parfois houleuses, surtout lorsque les « informations officielles » ne correspondaient pas aux connaissances des participants. Toujours, les connaissances locales, en particulier celles provenant des participants des îles, ont reçu plus de crédit. À la fin de Jour 6 (8 juillet), le modèle fourmillait de couleurs et d'informations - il était difficile d'imaginer qu'il y a seulement cinq jours, nous n'avions que des cartons, des peintures, des épingles et des fils.

Le jour 7, le dernier jour, le modèle a été jugé complet, mais seulement à partir de ce jour et jusqu'à ce qu'il soit recoupé et validé davantage. Fer a donné un bref exposé pour expliquer les prochaines étapes cruciales et jusqu'où le processus P3DM pourrait aller. Ensuite, le modèle a été approuvé par la LGU Talibon pour sa conservation.


Quelle est la prochaine étape ? -- Discuter des actions nécessaires pour compléter et utiliser pleinement
modèle 3D (L Tinapay juillet 2006)

Un regard vers l'avenir : planifier nos prochaines étapes

L'atelier est terminé, mais il est clair qu'il reste beaucoup à faire pour s'assurer que le modèle sera utilisé à bon escient et servira son objectif. Pour commencer, il y a une petite partie sur le modèle représentant le côté Cebu de Danajon qui reste vierge et nous voulons ajouter plus d'informations pour montrer les changements dans l'utilisation des ressources dans les zones de montagne des 10 municipalités de Bohol. Nous prévoyons d'aborder ces tâches plus tard en utilisant des données secondaires et des entrées d'un nouvel ensemble d'informateurs.

Nous avons l'intention de terminer l'ensemble du processus P3DM au cours des prochains mois, parallèlement au développement des autres composantes du FCRMIC Talibon. Notre plan comprend la formation de nos partenaires de la LGU à l'utilisation, à la maintenance et à la mise à jour du modèle, afin de s'assurer qu'ils apprécieront le modèle pour sa valeur non seulement en tant qu'outil d'exposition et d'éducation, mais également en tant qu'outil de planification de l'utilisation des ressources. et le management. Si notre plan tient, le modèle sera officiellement remis à la LGU Talibon lors de l'ouverture officielle du FCRMIC en janvier 2007.

Ce site Web a été rendu possible grâce au soutien fourni par l'USAID aux termes du contrat n° AID 492-C-00-03-00022-00. Les opinions exprimées ici sont celles des auteurs et ne reflètent pas nécessairement les vues de l'USAID. Tant qu'une référence appropriée est faite à la source, les articles peuvent être cités ou reproduits sous quelque forme que ce soit à des fins non commerciales et à but non lucratif pour faire avancer la cause de la gestion et de la conservation de l'environnement marin et des pêches.


Conclusion

En conclusion, le système AR proposé basé uniquement sur des techniques de vision par ordinateur a fourni une vision précise du contenu de l'oreille moyenne et de l'instrument chirurgical derrière la membrane tympanique fermée en temps réel avec un taux de fraîcheur d'image élevé. Le système a maintenu la correspondance entre le CT-scan et la vidéo pendant les mouvements du microscope. Cette technique ouvre des perspectives sur différentes procédures transtympaniques telles que l'administration de médicaments, la réparation de la fistule labyrinthique et la reconstruction de la chaîne ossiculaire par une approche en trou de serrure transtympanique.


COMTÉ D'AUGLAIS?

Précision: La proximité ou la proximité des mesures à la valeur vraie ou réelle de la quantité mesurée. Généralement représenté sous forme de centile.

Précision, absolue : La précision d'une carte dans la représentation de l'emplacement géographique d'un objet par rapport à son emplacement réel à la surface de la Terre. La précision absolue est basée sur les coordonnées géographiques.

Précision relative : Précision d'une carte dans la représentation de l'emplacement géographique d'un objet par rapport à l'emplacement d'autres objets.

Code standard américain pour l'échange d'informations (ASCII) : Un code pour représenter les caractères anglais sous forme de nombres, chaque caractère étant affecté d'un nombre de 0 à 127. Fichier ASCII Un fichier texte dans lequel chaque octet représente un caractère selon le code ASCII. Les fichiers ASCII sont parfois appelés fichiers texte brut.

Annotation: Texte descriptif utilisé pour étiqueter les entités de couverture.

Arc: Une chaîne de paires de coordonnées x,y (sommets) qui commencent à un endroit et se terminent à un autre. La connexion des sommets de l'arc crée une ligne.

Table d'attributs d'arc (AAT) : Une table contenant des attributs pour une couverture de ligne telle que des rues ou des cours d'eau.

Langage macro ARC (AML) : Un langage de haut niveau qui fournit des capacités de programmation complètes et un ensemble d'outils pour créer des menus afin d'adapter les interfaces utilisateur à des applications spécifiques.

Attribut: Caractéristique d'une entité géographique décrite par des chiffres ou des lettres, généralement stockée sous forme de tableau et liée à l'entité dans une base de données relationnelle. Les attributs d'un puits représenté par un point peuvent inclure la profondeur, l'emplacement et le numéro de permis.

Fond de carte : Une carte contenant des caractéristiques de surface visibles et des limites, essentielles pour localiser des couches supplémentaires, ou des types, d'informations géoréférencées.

Amortir: Une zone d'une distance spécifiée autour des entités de couverture. Les zones tampons peuvent être des distances constantes ou variables en fonction des attributs d'entité.

Cadastral: Concernant les limites et lotissements des terres, les parcelles de terrain convenant au transfert de titre. L'enregistrement légalement reconnu de la quantité, de la valeur et de la propriété des parcelles de terrain.

Cadastre: Registre public de l'étendue, de la valeur et de la propriété des terres dans un district aux fins de l'imposition. La couche cadastrale comprend les limites des parcelles, les limites des subdivisions, les limites politiques et les limites de l'arpentage. Cette couche est continuellement mise à jour.

Système de coordonnées cartésiennes: Un système de coordonnées à deux dimensions dans lequel x mesure la distance horizontale et y mesure la distance verticale. Une coordonnée x,y définit chaque point du plan.

Agrafe: Extraction spatiale des entités d'une couverture qui résident entièrement dans la limite définie par les entités d'une autre couverture. Le découpage fonctionne un peu comme un emporte-pièce.

Conception Assistée par Ordinateur (CAO) : Un système automatisé pour la conception, la rédaction et l'affichage d'informations à orientation graphique.

Ligne de contour: Une ligne imaginaire joignant des points d'égale altitude.

Points de contrôle: Ensemble de points au sol dont l'emplacement horizontal et vertical est connu. Les points de contrôle sont utilisés comme base pour les enquêtes détaillées.

Coordonner: Un emplacement x,y dans un système de coordonnées cartésiennes ou une coordonnée x,y,z dans un système tridimensionnel. Les coordonnées représentent des emplacements sur la surface de la Terre par rapport à d'autres emplacements.

Géométrie de coordonnées (COGO) : Une méthode de définition des caractéristiques géométriques par l'entrée de mesures de relèvement et de distance. Les fonctions de géométrie de coordonnées (COGO) sont généralement utilisées par les arpenteurs-géomètres pour saisir des cheminements autour d'entités spatiales telles que des parcelles, pour calculer des emplacements et des limites précis, des distances et des relèvements à partir de points de référence, et pour définir des courbes à l'aide d'un emplacement de point, d'un rayon, d'une longueur d'arc , etc.

Système de coordonnées: Le système utilisé pour mesurer les distances horizontales et verticales sur une carte planimétrique. Un système de coordonnées commun est utilisé pour enregistrer spatialement les données géographiques pour la même zone.

Couverture: Une version numérique d'une carte formant l'unité de base du stockage des données vectorielles dans ARC/INFO. Une couverture stocke les entités cartographiques en tant qu'entités principales (telles que les arcs, les nœuds, les polygones et les points d'étiquette) et les entités secondaires (telles que les tics, l'étendue de la carte, les liens et les annotations). Les tables attributaires d'entités associées décrivent et stockent les attributs des entités cartographiques. Une couverture représente généralement un thème ou une couche unique, comme les sols, les routes ou l'utilisation des terres.

Unités de couverture : Les unités (par exemple, pieds, mètres, pouces) du système de coordonnées dans lequel une couverture est stockée.

Conversion de données: La traduction des données d'un format à un autre. ARC/INFO prend en charge la conversion de données à partir de nombreux formats de données géographiques différents en plus des routines de conversion de cartes papier. Ces formats de données incluent DLG, TIGER, DXF et DEM.

Intégrité des données: Fait référence à la cohérence et à l'exactitude des données stockées dans une base de données.

Base de données: Une collection logique d'informations interdépendantes, gérées et stockées comme une unité. Une base de données SIG comprend des données sur l'emplacement spatial et la forme des entités géographiques enregistrées sous forme de points, de lignes et de polygones ainsi que leurs attributs.

Système de gestion de base de données (SGBD) : Système permettant la saisie, le stockage et la récupération de données.

Données: Un ensemble de paramètres et de points de contrôle utilisés pour définir avec précision la forme tridimensionnelle de la Terre. Le datum correspondant est la base d'un système de coordonnées planaires. Par exemple, le datum nord-américain, NAD83 est le datum horizontal et le datum nord-américain NAVD88 est le datum vertical pour les coordonnées utilisées dans le SIG du comté de Delaware.

Système de positionnement global différentiel (DGPS) : Une procédure de positionnement qui utilise deux récepteurs, un rover à un emplacement inconnu et une station de base à un emplacement fixe connu. La station de base calcule des corrections sur la base des différences entre ses distances réelles et observées par rapport aux satellites suivis.

Modèle numérique d'élévation (MNE) : Une surface topographique disposée dans un fichier de données sous la forme d'un ensemble de coordonnées x, y, z régulièrement espacées, où z représente l'altitude.

Graphique linéaire numérique (DLG) : Les normes de format numérique publiées par l'USGS pour l'échange de fichiers de données cartographiques et pour lesquelles les ensembles de données Digital Line Graph sont fournis par l'USGS. Fichiers de graphiques linéaires numériques du U.S. Geological Survey. Ces fichiers comprennent des informations numériques provenant des catégories de base cartographique de l'USGS, telles que le transport, l'hydrographie, les contours et les limites de l'arpentage des terres publiques.

Bibliothèque de cartes numériques : Une série de répertoires et de sous-répertoires conçus pour organiser uniformément une collection de données spatiales. Les bibliothèques de cartes organisent les données géographiques spatialement sous forme d'ensemble de tuiles et thématiquement sous forme d'ensemble de couches. La bibliothèque de cartes numériques du comté de Volusia est divisée en sous-répertoires à grande et à petite échelle contenant plusieurs centaines de tuiles comprenant 90 couches d'informations.

Modèle numérique de terrain (MNT) : Un modèle tridimensionnel de la surface de la Terre, fourni sous forme numérique. (MNT) Un modèle tridimensionnel de la surface de la Terre, fourni sous forme numérique.

Numériser : Pour coder les entités cartographiques sous forme de coordonnées x,y sous forme numérique. Des lignes sont tracées pour définir leurs formes. Ceci peut être accompli manuellement ou à l'aide d'un scanner. Pour coder les entités cartographiques sous forme de coordonnées x,y sous forme numérique. Des lignes sont tracées pour définir leurs formes. Ceci peut être accompli manuellement ou à l'aide d'un scanner.

Dissoudre: Le processus de suppression des limites entre des polygones adjacents qui ont les mêmes valeurs pour un attribut spécifié. Le processus de suppression des limites entre des polygones adjacents qui ont les mêmes valeurs pour un attribut spécifié.

Format d'échange de dessin (DXF) : Un format d'échange pour les fichiers CAO. Format de stockage de données vectorielles dans des fichiers ASCII ou binaires utilisé par AutoCAD et d'autres logiciels de CAO et convertible en couvertures ARC/INFO.

Segmentation dynamique est un processus en deux étapes effectué sur un ensemble de données spatiales composé d'entités linéaires. Tout d'abord, un système d'itinéraire est créé en associant des segments de ligne adjacents en un ou plusieurs groupes qui ont une séquence linéaire définie. Deuxièmement, des informations descriptives sont associées au système d'itinéraires en référençant les distances depuis le point de départ de chaque itinéraire. Par exemple, un système de routes de cours d'eau est créé en regroupant des segments de cours d'eau en routes qui représentent le cours principal, les affluents et les tronçons d'amont. Les zones d'habitat de frai sont ensuite cartographiées selon leur emplacement le long des routes. L'avantage de l'utilisation de la segmentation dynamique est que de petites zones le long d'une entité linéaire peuvent être référencées sans réellement casser la ligne en morceaux. En outre, les distances linéaires, telles que les miles fluviaux, peuvent ensuite être calculées directement à partir des itinéraires et des attributs associés.

Correspondance des bords : Une procédure de mise à jour pour s'assurer que toutes les entités qui traversent des feuilles de carte adjacentes ont les mêmes emplacements de bord.

Ethernet : Protocole de bande de base inventé par Xerox Corporation et couramment utilisé comme réseau local pour les systèmes d'exploitation UNIX interconnectés par TCP/IP. Fonctionne à 16 mégabits par seconde.

Tableau attributaire des fonctionnalités : Table utilisée par ARC/INFO pour stocker les informations attributaires d'une classe d'entités de couverture spécifique. Les tables d'attributs d'entités prises en charge incluent :

  • Cover.PAT pour les polygones ou les points
  • Cover.AAT pour les arcs
  • Cover.NAT pour les nœuds
  • Cover.RAT pour les itinéraires
  • Cover.SEC pour les sections
  • Cover.TAT pour l'annotation (texte)
  • - où "Cover" est le nom de la couverture

Classe d'entités: Type d'entité représenté dans une couverture. Les classes d'entités de couverture incluent les arcs, les nœuds, les points d'étiquette, les polygones, les tics, les annotations, les liens, les limites, les itinéraires et les sections.

Généralisation: Suppression des détails d'une couche de données pour faciliter le traitement ou la visualisation à plus petite échelle.

Géocoder : Le processus d'identification d'un emplacement par une ou plusieurs coordonnées x,y à partir d'une autre description d'emplacement telle qu'une adresse. Par exemple, une adresse peut être comparée au fichier d'axe de rue du comté de Volusia pour déterminer une coordonnée x,y.

Système d'information géographique (SIG) : Une collection organisée de matériel informatique, de logiciels, de données géographiques et de personnel conçu pour capturer, stocker, mettre à jour, manipuler, analyser et afficher efficacement toutes les formes d'informations référencées géographiquement.

Géoréférencement : Pour établir la relation entre les coordonnées de la page sur une carte planaire et les coordonnées du monde réel.

Satellites géostationnaires qui maintiennent une position stationnaire par rapport à la terre.

Système de positionnement global (GPS) : Un appareil basé sur un satellite qui enregistre les coordonnées x,y,z et d'autres données. Les appareils GPS peuvent être emportés sur le terrain pour enregistrer des données pendant la conduite, la randonnée ou le vol. Les emplacements au sol sont calculés par les signaux des satellites en orbite autour de la Terre.

Hypsographie : Lignes reliant des points d'égale altitude à la surface de la terre. Du grec "Hypso" signifiant hauteur.

INFO: Un SGBD tabulaire utilisé par ARC/INFO pour stocker et manipuler les attributs d'entité et les tables associées.

Couper: L'intégration topologique de deux ensembles de données spatiales qui préserve les caractéristiques qui se trouvent dans l'étendue spatiale commune aux deux ensembles de données en entrée.

Système de transport intelligent : L'application des technologies de l'information, notamment les SIG, pour améliorer l'efficacité et la sécurité du réseau de transport.

Article: Dans une table attributaire, champ d'informations généralement affiché sous forme de colonne. Un seul attribut d'un enregistrement dans un fichier de données INFO.

Systèmes d'information foncière (LIS) : Systèmes SIG spécialisés que l'on trouve le plus souvent parmi les organismes municipaux axés sur l'analyse spatiale juridique, administrative et économique. Également connu sous le nom de Système d'information sur les registres fonciers (SIRL).

Système d'information sur les registres fonciers (SIRL) : Voir Systèmes d'information foncière.

Lot Government : lot ou lot de lotissement représentant la limite d'une unité de terrain légalement transférable identifiée sur un document d'enregistrement. Un lot peut coïncider ou non avec une parcelle d'évaluateur.

Latitude Longitude: Un système de référence sphérique utilisé pour mesurer les emplacements sur la surface. La latitude mesure les angles dans la direction nord-sud et la longitude mesure les angles dans la direction est-ouest. Un système de référence sphérique utilisé pour mesurer les emplacements sur la surface. La latitude mesure les angles dans la direction nord-sud et la longitude mesure les angles dans la direction est-ouest.

Couche: Un ensemble logique de données thématiques décrites et stockées dans une bibliothèque de cartes. Les couches organisent une bibliothèque de cartes par sujet, par exemple, les sols, les routes, les puits, et s'étendent sur l'ensemble de la zone géographique définie par l'index spatial de la bibliothèque de cartes.

Ligne dans le polygone : Opération spatiale dans laquelle les arcs d'une couverture sont superposés aux polygones d'une autre pour déterminer quels arcs, ou portions d'arcs, sont contenus dans les polygones. Les attributs de polygone sont associés aux arcs correspondants dans la couverture de ligne résultante.

Sélection logique : Processus de sélection d'un sous-ensemble d'entités à partir d'une couverture à l'aide de critères de sélection logiques qui fonctionnent sur les attributs des entités de couverture (par exemple, une superficie supérieure à 16 000 pieds carrés). Seules les entités dont les attributs répondent aux critères de sélection sont sélectionnées. Également appelée sélection d'entités par attribut.

Relier plusieurs-à-un : Une relation dans laquelle de nombreux enregistrements d'une table sont liés à un seul enregistrement d'une autre table. L'un des objectifs de la conception de bases de données relationnelles est d'utiliser un à plusieurs pour réduire le stockage et la redondance des données. Une relation dans laquelle de nombreux enregistrements d'une table sont liés à un seul enregistrement d'une autre table. L'un des objectifs de la conception de bases de données relationnelles est d'utiliser un à plusieurs pour réduire le stockage et la redondance des données.

Étendue de la carte : Les limites rectangulaires (xmin,ymin,xmax,ymax) de la surface de la Terre que vous souhaitez afficher en utilisant ARC/INFO. L'étendue géographique spécifiée par le rectangle de délimitation minimum d'une zone d'étude. étendue Les limites rectangulaires (xmin,ymin,xmax,ymax) de la zone de la surface de la Terre que vous souhaitez afficher en utilisant ARC/INFO. L'étendue géographique spécifiée par le rectangle de délimitation minimum d'une zone d'étude.

Galerie de cartes : Une collection de cartes parfois regroupées par thème commun. Les galeries de cartes sont une méthode populaire de présentation. Vous les trouverez souvent lors de conférences liées à la géographie. Les galeries de cartes en ligne sont de plus en plus nombreuses.

Projection cartographique : Une conversion systématique des emplacements sur la surface de la Terre des coordonnées sphériques aux coordonnées planes. Plusieurs des projections les plus populaires sont : State Plane Coordinates (SPC) qui utilise les pieds pour les unités de mesure Universal Transverse Mercator (UTM) qui utilise les mètres pour les unités de mesure et la latitude et la longitude qui utilise les degrés, les minutes et les secondes d'arc pour les unités de mesure.

Échelle de la carte : L'étendue de la réduction nécessaire pour afficher une représentation de la surface de la Terre sur une carte. Une déclaration d'une mesure sur la carte et la mesure équivalente sur la surface de la Terre, souvent exprimée comme une fraction représentative de la distance, telle que 1:24 000 (une unité sur la carte équivaut à 24 000 unités au sol). L'étendue de la réduction nécessaire pour afficher une représentation de la surface de la Terre sur une carte. Une déclaration d'une mesure sur la carte et la mesure équivalente sur la surface de la Terre, souvent exprimée comme une fraction représentative de la distance, telle que 1:24 000 (une unité sur la carte équivaut à 24 000 unités au sol).

Lien un-à-plusieurs : Un type de relation reliant une valeur unique dans un fichier à plusieurs enregistrements (qui ont la même valeur) dans un autre fichier.

Orthophotographie : Le processus de photographies aériennes qui ont été rectifiées pour produire une image précise de la Terre en supprimant les déplacements d'inclinaison et de relief qui se sont produits lorsque la photo a été prise. Les orthophotographies numériques ont été prises pendant trois années distinctes. Le tiers sud du comté a été pris en 1993. Le tiers central du comté a été pris en 1994. Le tiers nord du comté a été pris en 1995.

Table d'attributs de points (PAT) : Une couverture peut avoir une table attributaire de points ou une table attributaire de polygones, mais pas les deux.

Photogrammétrie : La science de déduire la dimension physique des objets à partir de mesures sur des photographies.

Planimètre : Dispositif mécanique ou électronique qui calcule la superficie d'une entité cartographique.

Planimétrique : Les emplacements horizontaux (x,y) des éléments non topographiques, tels que les rivières, les lacs, les bâtiments, les routes, etc.

Point dans le polygone : Opération spatiale dans laquelle les points d'une couverture sont superposés avec une couverture polygonale pour déterminer quels points se trouvent dans les limites du polygone. Les points assument les attributs des polygones dans lesquels ils se trouvent.

Frontières politiques inclure les lignes représentant les limites du comté, des cantons et des municipalités.

Polygone: Une figure à plusieurs faces qui représente une zone sur une carte. Entité définie par les arcs qui composent sa limite. Chaque polygone contient un point d'étiquette dans sa limite. Les polygones ont des attributs qui décrivent l'entité géographique qu'ils représentent.

Superposition de polygones : Processus qui fusionne des polygones coïncidents spatialement à partir de deux couvertures, et leurs attributs, pour créer une troisième couverture, qui contient de nouveaux polygones et décrit de nouvelles relations.

Précision: La proximité avec laquelle les mesures concordent les unes avec les autres.

Système d'arpentage public (PLSS) : Un système rectangulaire d'arpentage. Le terrain a été arpenté et marqué par des monuments durables dans un arrangement ordonné de carrés, selon les instructions rigidement standardisées du gouvernement. Divers points de départ ont été établis dans tout le pays occidental. À travers chaque point, une ligne est-ouest, appelée ligne de base, était marquée au sol, généralement sur plusieurs dizaines ou centaines de kilomètres dans les deux sens, et une ligne nord-sud, appelée méridien ou plage, était également marquée. À partir de l'intersection de la ligne de base et du méridien, ou rang, des carrés de six milles, appelés cantons, ont été aménagés et monumentés. Chaque commune est identifiée par un numéro de « commune » ou de « T » selon la distance à laquelle il se trouve à l'est ou à l'ouest du méridien. Chaque canton est divisé en trente-six carrés d'un mille, appelés sections, qui sont numérotés. Chaque section peut être divisée en moitiés, quartiers et subdivisions plus petites, le tout selon les directives rigidement normalisées du gouvernement. Les lotissements de forme irrégulière peuvent être appelés lots. Environ les trois quarts du comté de Delaware sont basés sur le Public Land Survey System (plss). Le quart restant du comté est basé sur le Virginia Military System (VMS).

Quadrangle (Quad): Fait généralement référence à une feuille de carte publiée par l'U.S. Geological Survey, à une série de quadrilatères de 7,5 minutes ou à la série de quadrilatères de 15 minutes. Aussi connue sous le nom de carte topographique ou topographique.

Raster : Données affichées sous forme d'éléments d'image discrets (pixels).

Relater: Opération qui établit une connexion temporaire entre des enregistrements correspondants dans deux tables à l'aide d'un élément commun aux deux. Une relation donne accès à des attributs de fonction supplémentaires qui ne sont pas stockés dans une seule table. Opération qui établit une connexion temporaire entre des enregistrements correspondants dans deux tables à l'aide d'un élément commun aux deux. Une relation donne accès à des attributs de fonction supplémentaires qui ne sont pas stockés dans une seule table.

Relier la clé : L'ensemble commun de colonnes utilisé pour relier deux tables attributaires.

Base de données relationnelle : Ensemble de données organisées en tableaux bidimensionnels constitués de colonnes nommées et de lignes (généralement uniques).

Données de télédétection : Données collectées à distance.

Télédétection : Technique de collecte d'informations à distance. Les supports les plus courants comprennent l'imagerie satellitaire, les systèmes de positionnement global, le RADAR, le SONAR, la photographie aérienne, etc. Avant l'avènement de la photographie, la télédétection était réalisée par des moyens tels que la collecte d'informations à partir de ballons à air.

Résolution: Mesure la netteté d'une image.

Droit de passage (emprise) : Superficie du terrain offrant un droit de passage légal, c'est-à-dire emprise de rue, emprise de chemin de fer, etc.

Échelle: La relation entre la taille de la carte et la taille correspondante du monde réel. Un niveau de résolution ou de zoom.

Sélectif : Disponibilité (S/A) : Un programme du département américain de la Défense pour limiter la précision des positions autonomes calculées par les récepteurs civils. L'erreur de position causée par S/A peut aller jusqu'à 100 mètres.

Fichier de formes : Format de base de données spatiale modifiable généré dans l'application logicielle de bureau d'ESRI appelée ArcView. Format de base de données spatiale modifiable généré dans l'application logicielle de bureau d'ESRI appelée ArcView.

Pente: Une mesure du changement de la valeur de la surface sur la distance, exprimée en degrés ou en pourcentage. Par exemple, une montée de 2 mètres sur une distance de 100 mètres décrit une pente de 2 %.

Taux de pente de changement d'altitude.

Sol est un corps naturel en trois dimensions à la surface de la terre qui supporte les plantes et qui possède des propriétés résultant de l'effet intégré du climat et de la matte vivante agissant sur la matière première terreuse, conditionnée par le relief au fil du temps.

Série de sol est un groupe de sols développés à partir d'un type particulier de matériel parental et ayant des horizons génétiques qui, à l'exception de la texture de la couche de surface, sont similaires dans leurs caractéristiques de différenciation et dans leur disposition dans le profil.

Étude de sol géographique (SSURGO) : Base de données Normes nationales utilisées pour construire les cartes des sols dans la base de données Soil Survey Geographic (SSURGO). Les échelles de cartographie vont généralement de 1:12 000 à 1:63 360 SSURGO est le niveau de cartographie des sols le plus détaillé réalisé par le Natural Resources Conservation Service (NRCS). La numérisation SSURGO duplique les cartes d'étude des sols d'origine. Ce niveau de cartographie est conçu pour être utilisé par les propriétaires fonciers, les cantons et la planification et la gestion des ressources naturelles des comtés. L'utilisateur doit connaître les données sur les sols et leurs caractéristiques. La numérisation est effectuée au format de segment de ligne (vecteur) conformément aux normes de numérisation du Natural Resources Conservation Service (NRCS). Les bases cartographiques répondent aux normes nationales de précision des cartes et sont soit des orthophotoquads, soit des quadrangles topographiques de 7,5 minutes. Les données SSURGO sont collectées et archivées en unités quadrangulaires de 7,5 minutes et distribuées sous forme de couverture complète pour une zone d'étude de sol. Les limites des sols se terminant par des lignes quadrillées sont jointes par ordinateur aux cartes adjacentes pour obtenir une correspondance exacte. SSURGO est lié à une base de données d'attributs Map Unit Interpretations Record (MUIR). La base de données d'attributs donne l'étendue proportionnelle des sols composants et leurs propriétés pour chaque unité cartographique. Les unités cartographiques SSURGO se composent de 1 à 3 composants chacune. La base de données Map Unit Interpretations Record comprend plus de 25 propriétés physiques et chimiques du sol.

Manuel d'étude des sols fournit les grands principes et pratiques nécessaires à la réalisation et à l'utilisation d'enquêtes pédologiques ainsi qu'à l'assemblage et à l'utilisation des données qui s'y rapportent. Le manuel est principalement destiné à être utilisé par les pédologues engagés dans la classification et la cartographie des sols et dans l'interprétation des études pédologiques. Bien que le manuel soit orienté vers les besoins de ceux qui participent activement à la préparation des études de sol pour publication, les travailleurs et les étudiants qui ont une expérience limitée des sols ou qui sont moins familiarisés avec le processus d'étude des sols pourront également utiliser les informations.

Analyse spatiale: Le processus de modélisation, d'examen et d'interprétation des résultats du modèle. L'analyse spatiale est le processus d'extraction ou de création de nouvelles informations sur un ensemble d'entités géographiques. L'analyse spatiale est utile pour évaluer l'adéquation et la capacité, pour estimer et prédire, et pour interpréter et comprendre. Dans les SIG, il existe quatre types traditionnels d'analyse spatiale : l'analyse de superposition spatiale et de contiguïté, l'analyse de surface, l'analyse linéaire et l'analyse raster. Le processus de modélisation, d'examen et d'interprétation des résultats du modèle. L'analyse spatiale est le processus d'extraction ou de création de nouvelles informations sur un ensemble d'entités géographiques. L'analyse spatiale est utile pour évaluer l'adéquation et la capacité, pour estimer et prédire, et pour interpréter et comprendre. Dans les SIG, il existe quatre types traditionnels d'analyse spatiale : l'analyse de superposition spatiale et de contiguïté, l'analyse de surface, l'analyse linéaire et l'analyse raster.

Norme de transfert de données spatiales (SDTS) : Une norme de transfert complète pour les données référencées à la Terre qui peut être utilisée pour transférer tous les types de données spatiales entre des systèmes informatiques différents.

Modélisation spatiale : Procédures analytiques appliquées avec le SIG. Il existe trois catégories de fonctions de modélisation spatiale qui peuvent être appliquées aux données géographiques au sein d'un SIG : les modèles géométriques, tels que le calcul de la distance entre les entités, la génération de zones tampons, le calcul des zones et des périmètres, etc. modélisation comme le redécoupage et l'allocation.

Langage de requête structuré (SQL) : Une syntaxe pour définir et manipuler les données d'une base de données relationnelle.Développé par IBM dans les années 1970, il est devenu un standard de l'industrie pour les langages de requête dans la plupart des systèmes de gestion de bases de données relationnelles.

Coordonnées du plan d'état (SPCS) : Le State Plane Coordinate System n'est pas une projection, c'est plutôt un système permettant de spécifier les positions des stations géodésiques à l'aide de coordonnées rectangulaires planes. Ce système de coordonnées divise les cinquante États des États-Unis, de Porto Rico et des îles Vierges américaines en plus de 120 sections numérotées, appelées zones. En fournissant une abscisse (x) et une ordonnée (y) SPC, le nom de l'état et le numéro de zone, tout emplacement aux États-Unis peut être identifié par une valeur de coordonnée unique. Les limites de la zone SPC suivent les limites des États et des comtés. La Floride, en raison de sa taille et de sa forme, est divisée en trois zones SPC, nord, est et ouest. Le comté de Volusia est entièrement dans la zone Est. Les coordonnées de plan d'état sont admirablement adaptées aux besoins de l'arpenteur-géomètre local et sont largement utilisées pour les travaux publics, les arpentages et pour les systèmes d'information géographique.

Base de données géographiques des sols de l'État (STATSGO) : Énoncer les cartes pédologiques générales réalisées en généralisant les données détaillées de l'étude des sols. Le niveau de cartographie est conçu pour être utilisé pour de larges utilisations de planification et de gestion couvrant des zones étatiques, régionales et multi-étatiques. Les données STATSGO sont conçues pour être utilisées dans un système d'information géographique (SIG). Les données STATSGO sont disponibles dans le format de distribution facultatif USGS Digital Line Graph (DLG-3). Les symboles de la carte des sols du NRCS ne sont normalement pas contenus dans le fichier DLG-3. Cependant, ces symboles de carte sont disponibles sous forme de fichier ASCII unique lorsque les données des sols du NRCS sont distribuées au format DLG-3. Les données STATSGO sont également disponibles dans les formats de couverture ArcInfo 7.0 et de vecteur GRASS 4.13.

Orbite synchrone solaire : Une orbite qui passe toujours au-dessus de la terre à la même heure solaire locale.

Tolérance: Une valeur numérique représentant la plage d'erreur acceptable qu'une entité aura à partir de son point réel trouvé sur terre.

Topographie: Forme ou configuration de la surface terrestre représentée sous forme de carte par des courbes de niveau. La couche topographique du comté de Delaware se compose de lignes de contour à des intervalles de deux, cinq et dix pieds.

Topologie : Les relations spatiales entre les entités de couverture connectées ou adjacentes.

Transformation: Processus qui convertit les coordonnées d'un système de coordonnées à un autre par translation, rotation et mise à l'échelle.

Réseau irrégulier triangulé (TIN) : Une série de triangles construits à l'aide de points de données d'altitude provenant de couvertures. Ces triangles sont utilisés pour la représentation et l'affichage des surfaces.

Triangulation : Une méthode d'arpentage de l'emplacement d'un objet peut être calculée à partir des emplacements connus de deux autres objets. En créant un triangle à partir des trois éléments, les angles et les côtés du triangle peuvent être mesurés et l'emplacement de l'objet inconnu est calculé algébriquement.

Mercator transverse universel (UTM) : L'Universal Transverse Mercator est un système international de coordonnées planes (rectangulaires) développé par l'armée américaine. L'UTM divise le monde en 60 zones de 6 degrés de longitude. Chaque zone s'étend sur 3 degrés est et ouest à partir de son méridien central et est numérotée consécutivement d'ouest en est à partir du méridien 180 degrés. Des projections transversales de Mercator peuvent alors être appliquées à chaque zone. (UTM) L'Universal Transverse Mercator est un système international de coordonnées planes (rectangulaires) développé par l'armée américaine. L'UTM divise le monde en 60 zones de 6 degrés de longitude. Chaque zone s'étend sur 3 degrés est et ouest à partir de son méridien central et est numérotée consécutivement d'ouest en est à partir du méridien à 180 degrés. Des projections transversales de Mercator peuvent alors être appliquées à chaque zone.

Vecteur: Un élément géométrique, stocké sous forme de point avec des coordonnées x,y dans une base de données informatique.

Bassin versant : est une zone de terre où la majorité de l'eau s'écoule dans les ruisseaux, les rivières ou les ruisseaux à proximité. Similaire à un grand puisard. En règle générale, une limite ou un périmètre de bassin versant comprend des zones de crête ou de haute altitude. Toute l'eau s'écoule vers le bas par la force de gravité, vous pouvez donc considérer un bassin versant comme un bassin de drainage. Les bassins versants peuvent être très vastes et couvrir plusieurs États, comme le bassin versant du fleuve Columbia dans les États de Washington et de l'Oregon. Les bassins hydrographiques peuvent également être très petits, n'englobant qu'un petit cours d'eau ou une zone humide. Considérez un bassin hydrographique comme la zone géographique ou la limite où l'eau s'écoule vers une rivière, un lac, un ruisseau ou un plan d'eau spécifique.


Comment extraire les informations d'altitude des courbes de niveau ? - Systèmes d'information géographique

Isa Ibrahim 1 , Kolawole H. Muibi 1 , Abayomi T. Alaga 1 , Oyekanmi Babatimehin 2 , Olusola Igé-Olumide 3 , Oloko-Oba O. Mustapha 1 , Sedenu A. Hafeez 1

1 Réseau coopératif d'information, Agence nationale de recherche et de développement spatial, Université Obafemi Awolowo, Ile-Ife, Nigéria

2 Département de géographie, Université Obafemi Awolowo, Ile-Ife, Nigéria

3 Institut d'écologie Obafemi Awolowo Universty, Ile-ife, Nigéria

Écrire à : Isa Ibrahim, Cooperative Information Network, National Space Research and Development Agency, Obafemi Awolowo University, Ile-Ife, Nigeria.

E-mail:

Copyright © 2015 Éditions scientifiques et universitaires. Tous les droits sont réservés.

Le but de cette étude est d'identifier des sites appropriés pour la réinstallation des victimes des inondations dans les environs de Lokoja en utilisant la télédétection et le SIG. Les facteurs biophysiques et socio-économiques utilisés pour l'évaluation de l'adéquation environnementale du site de réinstallation sont l'utilisation des terres/l'occupation des sols, la pente, l'élévation et la proximité de la route. Les informations sur l'utilisation des terres/la couverture des terres ont été extraites de l'image NigeriaSat1 de 2007, les contours et les informations sur le drainage ont été extraits des feuilles 246 et 247 de la série de cartes topographiques du Nigeria de 1963, tandis que les réseaux routiers ont été extraits des images Geo-Eye. En analysant les informations extraites, des pondérations ont été attribuées aux informations en fonction de leur adéquation à l'établissement humain. Des techniques de superposition pondérée ont ensuite été appliquées pour dériver une carte d'aptitude à la réinstallation des inondations. L'analyse individuelle de ces facteurs a indiqué que 82,78 % de la zone d'étude a une pente douce (basses) tandis que 17,22 % de la zone se trouve être des hautes terres vallonnées et escarpées. En termes d'utilisation des terres/couverte terrestre, 75,15 % de la zone d'étude est appropriée, comme la forêt et les affleurements rocheux, tandis que 24,85 % représentant les constructions, les plans d'eau, les dépôts de sable et les zones humides ne sont pas adaptés et ne peuvent pas être recommandés pour l'établissement. Le résultat a montré qu'environ ¾ de la zone d'étude n'est pas adapté à la réinstallation humaine alors qu'un minimum de 10,62 % est approprié avec une superficie de 2564,44 ha avec 5 emplacements (4,14 %) sur les sites appropriés ayant une superficie continue de plus de 100 ha. Par conséquent, avant de planifier et de mettre en œuvre un programme de réinstallation, l'adéquation environnementale, la capacité de charge écologique et la durabilité de la zone doivent être analysées en profondeur.

Mots clés: Réinstallation, inondations, catastrophes, SIG et télédétection, superposition pondérée


Voir la vidéo: Générer des courbes de niveau. AutoCAD Civil 3D (Octobre 2021).