原文towardsdatascience.com/running-visibility-analysis-in-qgis-d8fbdd8b02c5学习如何使用免费 GIS 软件和数据轻松运行可视性分析并利用结果创建令人惊叹的视觉呈现我最喜欢的空间分析类型之一就是可视性分析。这是一个非常简单的概念让你能够理论上计算出某物从哪里可以看到。可视性分析主要有两种形式也称为视域分析或 ZTVs理论可视区域。这些是“标准”视域我从这个位置能看到哪里例如如果我站在山顶上我的视野会是什么“反向”视域我能看到哪个位置例如如果我站在山顶上谁能看到我它的工作原理是取一组观察点和一个地形模型然后计算地形模型中每个部分与观察点之间的视线。听起来像是一个缓慢的过程对吧确实如此。但结果非常惊人对于某些应用来说不可或缺。最常见的一种应用是帮助人们理解新的开发项目——如风力农场、太阳能板场地或高速公路——从哪里可见。分析师可以根据他们的发现模拟不同的场景例如如果他们在这个确切位置种植一排树木可视性会发生什么变化可视性分析还可以用于制定广告牌的定价策略或帮助销售顶层公寓。在这篇文章中我将分享如何轻松使用 QGIS 进行可视性分析——一款开源、免费的 GIS 软件。但首先这里有一些最终结果的示例…https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d98077541a553df7fc928c9fb65f08d1.png来源作者创建https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/3e380153296beb8dadac2219d47933a0.png来源作者创建想要尝试你将需要…软件已下载并安装 QGIS你可以从这里这里进行操作已安装 QGIS 插件可视性分析。为此打开 QGIS 并转到插件下拉菜单。选择管理和安装插件…然后搜索可视性分析然后点击安装。数据一个数字表面模型——一个包含地表特征如建筑物和树木的高程模型。你可以在我的免费 GIS 数据源指南中找到一些这类数据的免费资源。你应该选择一个既适合你将要查看的范围又符合你所需的详细度和精度的模型。你想要评估其可视性的点图层。在这个教程中我们将评估你能从哪里看到伦敦的议会大厦。在第一部分我们将为这次分析获取上述两个数据集——所以如果你已经获取了你的数据请继续阅读第一部分数据获取1 数字表面模型我们的分析将是对议会大厦视图的超级局部化观察因此我们希望我们的数据尽可能详细——这意味着激光雷达数据激光雷达——代表光探测与测距喜欢这种强制性的缩写——是超局部、超精确的 3D 数据——因此通常价格超昂贵。然而有一些非常好的免费资源可用我已经在这篇博客中详细说明了。在英国环境署为大约 60%的国家发布免费的激光雷达数据。这通常是在易受洪水影响的地区幸运的是嗯我想不是我们的研究区域就在那里。要获取数据前往Defra 调查数据下载平台。这些数据通过开放政府许可提供。这些数据可以免费用于任何目的包括商业用途许可证为© 环境署版权和/或数据库权利 2024。版权所有。绘制你的感兴趣区域——确保你绘制的区域比你认为需要的要大。选择获取可用瓦片。选择要下载的产品——我们想要激光雷达复合首次返回数字表面模型这将包括植被的树冠高度与最后返回相对最后返回将包含下方的地形高度。你还可以选择年份和分辨率——一般来说分辨率越粗覆盖范围越好我使用的是 2 米分辨率。下载所有瓦片并将它们全部解压缩到你的下载文件夹中。前往 QGIS。点击添加栅格图层并将所有栅格文件添加到项目中。如果你的数据中存在任何小的空白你可以通过在分析菜单下的栅格菜单中使用**填充无数据…**工具来估计这些空白。现在我们需要将我们的瓦片合并成一个大的文件。首先我们需要知道我们正在使用哪种栅格数据类型双击图层面板中的任何图层以显示其属性。在信息选项卡下的提供者信息中注意数据类型我的数据类型是 Float32。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ecf9559814955f0c62dfe77486f43773.png来源作者创建现在从杂项菜单下的栅格菜单中打开**合并…**工具。选择要合并的所有栅格瓦片确保输出数据类型与输入正确匹配我的数据类型是 Float32并设置合并栅格的输出路径——然后运行这是我们的合并图层我已经将符号系统改为阴影以便更好地了解数据的形状。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/c8623b381efbf3658586677e23d4833f.png来源作者创建2 个可见性点现在我需要一个点网格我将在这个网格上运行可见性分析它覆盖了伦敦塔。首先我需要一个多边形来构建我的点网格。我从军械调查局的 Zoomstack中获取了伦敦塔建筑轮廓但你也可以使用任何东西——或者自己创建。现在转到矢量研究创建网格将网格范围设置为你的多边形层。你的网格分辨率越详细你的可见性分析就会越准确和详细——但处理时间会有所权衡。我将使用 5 米的分辨率。运行现在删除所有不在你的多边形内的点。你可以手动操作使用选择位置或直接使用裁剪工具。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/f1f0dba891f8d30f19d8318420020230.png来源作者创建现在我们已经整理好了两层——接下来进行可见性分析第二部分可见性分析首先我们需要为我们的分析创建一些参数。打开创建视点工具。你可以在处理工具箱中搜索这个工具。将观察者位置设置为你的裁剪点并将你的数字高程模型设置为合并的栅格层。默认半径设置为 5000 米对于这个用例来说已经足够好了但根据你的需求你可能希望更改它。我们在这里运行的是反向视域我们不想知道从点可以看到什么而是点可以看到哪里。所以将观察者高度设置为 0将目标高度设置为 1.6这是在可见性分析中使用的标准“人眼”高度。运行这个——如果你打开创建的图层属性表你会看到你设置的参数已经被添加为属性。从处理工具箱中打开视域工具这是我们进行可见性分析的地方将分析类型设置为二进制观察者位置设置为第 4 步中创建的位置数字高程模型设置为我们的合并栅格并确保“组合多个输出”参数设置为加法。跑起来这取决于你的电脑点的数量DSM 范围和分辨率可能相当慢所以去烧水吧。当它完成后它应该看起来有点像…https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d62c658cd82da34ee387a91c997c813b.png来源作者创建好的我们的可见性分析完成了你可以看到较亮的区域是议会大厦可见的地方而较暗的区域则完全看不见。我喜欢分析源像光源一样渲染在看不见的地方投下阴影。在这里你可能想要采取的最后一个步骤是从视域结果中移除表面特征。正如你可以从这次分析中看到一些可见的位置实际上是在附近的建筑或树木上——那里不太可能有人真正站立。我跳过这一步因为我知道伦敦市中心有很多屋顶花园和顶层公寓景观所以在这个区域这并不是一个很大的误报。要做到这一点你需要下载您研究区域的数字地形模型DTM——这相当于您的 DSM但已从 DSM 中移除所有表面特征例如建筑、树木。在栅格计算器中使用以下表达式。这个表达式计算 DTM 和 DSM 之间的差异以获得仅表面特征高度。然后当表面高度特征超过零时视域的值设置为 0。(viewshed)*(((dsm-dtm)0)最后输出结果第三部分最终输出根据你的用例有无数种不同的方式来可视化这个输出。我的用例只是“我想制作一张该死的性感地图”而且——老实说——分析的结果有一种神秘、阴影的效果对我来说已经完成了 90%的工作。我要做的就是将我的原始 DSM 叠加到视域上将符号类型设置为阴影效果并将混合模式设置为乘法。这给结果带来了一种相当微妙的等高线效果化妆风格而不是 GIS 线型有助于给分析提供一些形状和上下文。你可以在下面看到没有阴影左和有阴影右的区别。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/c92c93e49bd426c9e75ab0da68fe588f.png来源作者创作我给议会大厦的足迹添加了“萤火虫”效果。这种地图风格真的有助于特征在较暗的底图上突出。展示英国的政府建筑在有趣的霓虹灯风格下会极度误导吗是的。它看起来很好所以我还是要这么做。你可以在这里学习如何在 QGIS 中使用萤火虫风格的制图这里。最后我只是添加了一些上下文标签和简约图例。我真的想让分析成为这里的明星所以我保持了一切都非常微妙和轻触。下面是结果…https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/15127aed80f04099ec8c6f8dc2cec8f8.png来源作者创作结论我希望你们喜欢这个教程无论你们是将其作为视觉影响评估的一部分、环境研究的一部分还是像我一样——制作一些非常酷炫的地图希望你们已经看到了运行这种强大分析形式是多么简单——完全免费且开源的工具和软件最大的挑战通常不是分析本身——这相当直接——而是学会在处理时间与细节之间取得平衡而这将随着你对过程的熟悉而逐渐实现。如果你们已经跟随着教程请在我的X和LinkedIn上找到我并分享你们制作的内容——我很乐意看到