Outils de traitement raster

Cet exemple montre certains des outils raster et de traitement d’images créés par KDRM pour automatiser les flux de travail raster. Ces outils sont utiles pour des tâches telles que le découpage par lots de rasters vers une zone d’intérêt, le rééchantillonnage de rasters à une résolution de sortie requise, la préparation des entrées raster pour une analyse ultérieure et la suppression des étapes de traitement manuel lentes et répétitives des flux de travail de livraison plus importants.

Les exemples ci-dessous se concentrent uniquement sur les packages Python open source. En pratique, des outils comme celui-ci peuvent être exécutés sous forme de scripts autonomes, de tâches de traitement planifiées ou intégrés dans des flux de travail de bureau plus larges dans ArcGIS Pro ou QGIS, en fonction de l’environnement client et de la manière dont le flux de travail doit être exploité.

À quoi servent ces outils

• Découpage par lots de DEM, DTM et autres rasters dans une zone d’intérêt.
• Rééchantillonnage des rasters pour aligner les tailles de cellules pour des calculs et une modélisation ultérieurs.
• Filtrage et validation des entrées raster avant analyse en aval.
• Automatisation des étapes de traitement raster qui prendraient autrement des heures de travail manuel.
• Création de pipelines de traitement raster reproductibles pouvant être exécutés dans des environnements de bureau, de serveur ou de ligne de commande.

Pourquoi nous construisons des outils comme celui-ci

Nous construisons régulièrement une automatisation personnalisée pour les projets à forte densité raster, car les performances, la répétabilité et la portabilité sont importantes. Parfois, l’exigence est de s’exécuter comme un flux de travail purement open source sans dépendance à ArcGIS. Dans d’autres cas, la même logique doit être intégrée à un flux de travail ArcGIS Pro ou QGIS afin que les analystes puissent exécuter le processus dans un environnement de bureau familier. L’approche sous-jacente est la même : automatiser les parties répétitives, garder la logique transparente et faciliter la réexécution et la prise en charge du flux de travail.

L’exemple de découpage ci-dessous a été créé pour un flux de travail dans lequel le découpage par lots de rasters avec une approche de bureau traditionnelle était trop lent. La réécriture du processus avec des packages Python open source a rendu le flux de travail considérablement plus rapide et plus pratique pour les grandes collections raster. L’exemple de rééchantillonnage a été créé pour une raison similaire, dans laquelle de grands ensembles de données raster devaient être alignés sur une taille de cellule en sortie plus fine afin que les calculs raster ultérieurs puissent s’exécuter à la résolution requise.

Exemple 1. Rasters de découpage par lots avec Python open source

0¤¤__

Exemple 2. Rééchantillonnage de rasters avec Python open source

1¤¤__

Options de livraison

Les exemples ci-dessus sont délibérément simples, mais la même approche peut être étendue à des flux de production plus importants avec la journalisation, la validation, le traitement parallèle, la vérification des métadonnées, le packaging et l’intégration dans des pipelines de livraison SIG plus larges. En fonction des besoins du client, nous pouvons fournir ces outils sous forme de scripts autonomes, d’outils intégrés au bureau pour ArcGIS Pro ou QGIS, ou de services de production dans le cadre d’une plateforme de données spatiales plus large.