Download as PDF, PPTX
![環境アセスメントでのGDAL利用例
##�neighbors.py ##
# -*- coding: utf-8 -*-
#pythonからGRASSを呼び出すための設定
import os,sys
import grass.script as grass
import grass.script.setup as gsetup
gisbase = os.environ['GISBASE']
gisdb = "C:/Users/ecoris"
location = "toono"
mapset="PERMANENT"
epsg="3100"
grass.run_command("g.proj",epsg=epsg,location=location,flags="c")
gsetup.init(gisbase, gisdb, location, mapset)
input=sys.argv[1]
output=sys.argv[2]
basename,ext = os.path.splitext(os.path.basename(input))
#GRASSコマンドの実行
grass.run_command("r.in.gdal", input = input , output = basename,flags="oe", overwrite=True)
grass.run_command('g.region', rast=basename, flags='ap')
grass.run_command("r.neighbors", input = basename, output = "hatake" , method =
"sum",size="201", flags="c",overwrite=True)
grass.run_command("r.out.gdal", input = "hatake", output = output)
1km圏畑地の面積（PythonからGRASS）
14年3月14日金曜日](https://image.slidesharecdn.com/2014-140314053452-phpapp01/85/2014-FOSS4G-27-320.jpg)
![環境アセスメントでのGDAL利用例
##�sun.py ##
# -*- coding: utf-8 -*-
#pythonからGRASSを呼び出すための設定
#...省略
#GRASSコマンドの実行
grass.run_command("r.in.gdal", input = input , output = basename,flags="oe", overwrite=True)
grass.run_command('g.region', rast=basename, flags='ap')
grass.run_command("r.slope.aspect", elevation = basename, slope = "slope" , aspect =
"aspect", overwrite=True)
grass.mapcalc("glob_rad_tmp = 0", overwrite = True)
#夏至(172日目)と冬至(355日目)の日射量を合計して出力
for day in [172,355]:
grass.run_command("r.sun", elevin = basename, aspin = "aspect" ,slopein =
"slope" ,glob_rad="glob_rad_" + str(day),day=day,flags = "s" ,overwrite=True)
grass.mapcalc("glob_rad_year = glob_rad_tmp + glob_rad_" + str(day), overwrite=True)
grass.run_command("g.rename", rast=["glob_rad_year","glob_rad_tmp"], overwrite=True)
grass.run_command("r.out.gdal", input = "glob_rad_tmp", output = output)
日射量（PythonからGRASS）
14年3月14日金曜日](https://image.slidesharecdn.com/2014-140314053452-phpapp01/85/2014-FOSS4G-30-320.jpg)
![環境アセスメントでのGDAL利用例
#最初だけパッケージをインストールする
#options(repos=structure(c(CRAN="http://cran.ism.ac.jp/")))
#install.packages("rgdal")
#install.packages("raster")
#install.packages("dismo")
#install.packages("ggplot2")
#ライブラリ読み込み
library(rgdal)
library(raster)
library(dismo)
library(ggplot2)
#GDAL文字コード設定
setCPLConfigOption("GDAL_FILENAME_IS_UTF8","NO")
setCPLConfigOption("SHAPE_ENCODING","cp932")
#環境データ読み込み
predictors <-
stack("riverdistance.tif","farmarea1km.tif","radiation.tif")
#種データ読み込み
kappa <- readOGR("data","kappa")
#調査範囲読み込み
area <- readOGR("data","area")
#左からのつづき
#地図作成
xval<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量")
windowsFonts(Meiryo=windowsFont("メイリオ"))
for(i in 1:3){
##ggplot地図用データフレーム作成
en<-subset(predictors,i)
hs<- raster("data/merge_shade.tif")
en<-crop(en,extent(546620,551600,4354300,4358100))
hs<-crop(hs,extent(546620,551600,4354300,4358100))
hdf <- rasterToPoints(hs)
hdf <- data.frame(hdf)
colnames(hdf) <- c("X","Y","Hill")
edf <- rasterToPoints(en)
edf <- data.frame(edf)
colnames(edf) <- c("X","Y","Environment")
adf<-fortify(area)
colnames(adf)[1:2] <- c("X","Y")
sdf<-data.frame(kappa@coords)
colnames(sdf)[1:2] <- c("X","Y")
##地図設定
g<-ggplot(NULL, aes(X, Y)) +
theme_grey(base_size=13,base_family="Meiryo")+
geom_raster(data = edf, aes(fill = Environment)) +
geom_raster(data = hdf, aes(alpha = Hill)) +
scale_alpha(range = c(0.5, 0), guide = "none") +
scale_x_continuous(breaks=NULL,limits=c(546620,551600),expand=c(
scale_y_continuous(breaks=NULL,limits=c(4354300,4358100),expand=
geom_path(data= adf,aes(group=group),colour = "#333333", size =
geom_point(data=sdf,aes(x=X,y=Y,colour="black"),size=1.5,alpha=0
scale_colour_manual(guide=guide_legend(title=NULL),name = '確認地
coord_equal() +
theme(legend.position=c(1,1),legend.justification=c(1,1),axis.ti
##色設定
if(i==1) g<-g+scale_fill_gradientn(name=xval[i],colours = c("blu
if(i==2) g<-g+scale_fill_gradientn(name=xval[i],colours = c("whi
if(i==3) g<-g+scale_fill_gradientn(name=xval[i],colours = c("blu
##画像保存
ggsave(paste("mydata/",xval[i],"地図.png"), g, width = 16, heigh
}
データ確認
Rコマンド（地図作成部分）
14年3月14日金曜日](https://image.slidesharecdn.com/2014-140314053452-phpapp01/85/2014-FOSS4G-36-320.jpg)
![環境アセスメントでのGDAL利用例
#前ページからのつづき
#バックグラウンドデータ作成
set.seed(0)
mask <- raster("mydata/mask.tif")
backg<-randomPoints(mask,n=10000)
#データセット作成
datapres <- extract(predictors,kappa)
databackg <- extract(predictors,backg)
pa<-c(rep(1,nrow(datapres)),rep(0,nrow(databackg)))
envdata<-data.frame(cbind(pa,rbind(datapres,databackg)))
colnames(envdata)<-c("pa","川や池からの距離","１ｋｍ圏畑地面積","日射量")
xval<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量")
##ヒストグラム作成
for(i in 1:3){
#種データ情報と表示位置
mindata<-min(envdata[envdata$pa==1,xval[i]])
maxdata<-max(envdata[envdata$pa==1,xval[i]])
mediandata<-median(envdata[envdata$pa==1,xval[i]])
str<-paste(xval[i],"（確認地点）n","最小値:",sprintf("%2.2f",mindata),"n")
str<-paste(str,"最大値:",sprintf("%2.2f",maxdata),"n")
str<-paste(str,"中央値:",sprintf("%2.2f",mediandata),"n")
xpos<-min(na.omit(envdata[envdata$pa==0,xval[i]]))
p<-ggplot(envdata,aes_string(x=xval[i],fill="pafactor"))+
theme_grey(base_size=12,base_family="Meiryo") + ylab("count(log_10)") +
theme(legend.position=c(1,1),legend.justification=c(1,1),axis.title.x=element_blank()) +
geom_histogram(position="identity",alpha=0.4) + guides(fill=guide_legend(title=NULL)) +
scale_fill_discrete(labels=c("バックグラウンドデータ","確認地点データ")) +
scale_y_log10() + coord_cartesian(ylim = c(10^0, 10^4)) +
annotate("text",x=xpos,y=8000,label=str,size=4,family="Meiryo",hjust=0,vjust=1)
ggsave(paste("mydata/",xval[i],"分布.png"), p, width = 16, height = 16,unit="cm",dpi=300)
}
データ確認
Rコマンド（ヒストグラム作成部分）
14年3月14日金曜日](https://image.slidesharecdn.com/2014-140314053452-phpapp01/85/2014-FOSS4G-37-320.jpg)
![環境アセスメントでのGDAL利用例
モデリング
とりあえずロジスティック回帰の例
#モデル作成
colnames(envdata)<-c("pa","riverdistance","farmarea1km","radiation")
fit<- glm(pa~ . + I(riverdistance^2) + I(farmarea1km^2) + I(radiation^2),family=binomial(link="logit"),data=envdata)
fit<-step(fit)
summary(fit)
#モデルをデータに適応し、GeoTIFFに書き出し
pg<-predict(predictors,fit,type='response',ext=mask)
writeRaster(pg, filename="mydata/カッパ生息確率.tif", format="GTiff", overwrite=TRUE)
#モデル確認
e<-evaluate(p=envdata[envdata$pa==1,],a=envdata[envdata$pa==0,],fit,type="response")
print(e)
ppi=300
##モデルAUC
png(file=paste("mydata/モデルAUC.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi)
plot(e,"ROC")
dev.off()
##予測値の比較（確認地点とバックグラウンド）
###density
png(file=paste("mydata/予測値density.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi)
density(e)
dev.off()
###boxplot
png(file=paste("mydata/予測値boxplot.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi)
boxplot(e,col=c("blue","red"))
dev.off()
##応答曲線
for(i in 1:3){
xval<-c("riverdistance","farmarea1km","radiation")
xlabel<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量")
rn<-range(envdata[,xval[i]])14年3月14日金曜日](https://image.slidesharecdn.com/2014-140314053452-phpapp01/85/2014-FOSS4G-41-320.jpg)
More Related Content
2014年日本生態学会広島大会・自由集会「仕事でつかえる！FOSS4G」発表スライド
- 1.
- 2.
- 3.
- 4. 業務紹介 調査会社の1日 調査会社の1年 移動 野外調査 移動整理・同定・とりまとめ 6:00 8:30 16:30 19:00 20:00 4月 春調査 夏調査 秋調査 5月 7月 8月 10月 12月 2月 冬調査 とりまとめ 猛禽調査 渡り調査 猛禽調査 3月 14年3月14日金曜日
- 5. 業務紹介 調査会社の1日 調査会社の1年 移動 野外調査 移動整理・同定・とりまとめ 6:00 8:30 16:30 19:00 20:00 4月 春調査 夏調査 秋調査 5月 7月 8月 10月 12月 2月 冬調査 とりまとめ 猛禽調査 渡り調査 猛禽調査 3月 ここを何とかするために GDAL活用！ 14年3月14日金曜日
- 6.
- 7.
- 8. GDAL紹介 GDALコマンド 標高データ(dem.tif)から陰影起伏図(shade.tif)を作成する gdaldem hillshade dem.tif shade.tif 例（これをOSGeo4Wコンソールに打ち込むだけ） 標高データの解像度を50m✕50mに変更する gdalwarp -r bilinear -tr 50 50 dem.tif dem50.tif 緯度経度のシェープファイルをUTMに変換する ogr2ogr -t_srs epsg:3100 data_utm.shp data.shp 14年3月14日金曜日
- 9.
- 10. GDAL活用例 set datetmp=%date:/=% set timetmp=%time:~0,8% settimetmp=%timetmp::=% set timetmp=%timetmp: =0% SET GDAL_FILENAME_IS_UTF8=NO mkdir GPS if exist E: xcopy /e E:GarminGPX GPS if exist F: xcopy /e F:GarminGPX GPS if exist G: xcopy /e G:GarminGPX GPS if exist H: xcopy /e H:GarminGPX GPS for %%i in (GPSｳｪｲﾎﾟｲﾝﾄ*.gpx) do ( binogr2ogr.exe -append -update -skipfailures -fieldTypeToString DateTime shp %%i waypoints -select name,cmt,ele,time ) move shpwaypoints.shp GPSwaypoints%datetmp%%timetmp%.shp move shpwaypoints.dbf GPSwaypoints%datetmp%%timetmp%.dbf move shpwaypoints.shx GPSwaypoints%datetmp%%timetmp%.shx move shpwaypoints.prj GPSwaypoints%datetmp%%timetmp%.prj rd /q /s shp binogr2ogr.exe -f GPX -skipfailures -fieldTypeToString DateTime GPS points_tracks%datetmp%%timetmp%.gpx GPSwaypoints%datetmp %%timetmp%.shp -select name,ele,time binogr2ogr.exe -f CSV -lco GEOMETRY=AS_YX GPSpoint%datetmp% %timetmp%.csv GPSwaypoints%datetmp%%timetmp%.shp -select name,ele,time SET SHAPE_ENCODING=CP932 for %%i in (GPSCurrent*.gpx) do ( binogr2ogr.exe -append -update -skipfailures -fieldTypeToString DateTime shp %%i tracks -select name,cmt,desc,src ) for %%i in (GPSトラック*.gpx) do ( binogr2ogr.exe -append -update -skipfailures -fieldTypeToString DateTime shp "%%i" tracks -select name,cmt,desc,src ) GPSデータ保存ツール GPSログ、ポイントをシェープファイルに変換 しながらパソコンに保存するツール バッチファイル 14年3月14日金曜日
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20. ・川や池に生息し、陸上も移動する ・胡瓜を主食とする ・頭上の皿の乾燥に極めて弱い ・RDB 絶滅危惧 Ⅰ類 に指定 「改訂・絶滅のおそれのある野生妖怪」(2003) 参考文献：Yanagida(1910). Tono monogatari 環境アセスメントでのGDAL利用例 カッパの生態 画像出典：wikipedia 14年3月14日金曜日
- 21.
- 22.
- 23.
- 24. 環境アセスメントでのGDAL利用例 #植生データから河川、池、水辺植生を”1”、それ以外を”0”にしてラスタ化 gdal_rasterize -a_nodata -9999 -tr 10 10 -init 0 -burn 1 -where "HANREI_C = '580600' OR HANREI_C = '470501' OR HANREI_C = '180100'" -l vegetation vegetation.shp river.tif #値が”1”の場所からの距離を計算 gdal_proximity -distunits GEO -values 1 river.tif riverdistance.tif 環境データ準備 川や池からの距離（GDALコマンド） 14年3月14日金曜日
- 25.
- 26. 環境アセスメントでのGDAL利用例 #植生データから畑地を”1”、それ以外を”0”にしてラスタ化 gdal_rasterize -a_nodata -9999 -tr 10 10 -init 0 -burn 1 -where "HANREI_C = '570300' OR HANREI_C = '570101'" -l vegetation vegetation.shp farm.tif #半径1Km圏の値を近傍計算（pythonからGRASSを呼び出す） python neighbors.py farm.tif farmarea1km.tif 環境データ準備 1km圏畑地の面積（コマンド） 14年3月14日金曜日
- 27. 環境アセスメントでのGDAL利用例 ##�neighbors.py ## # -*- coding: utf-8 -*- #pythonからGRASSを呼び出すための設定 import os,sys import grass.script as grass import grass.script.setup as gsetup gisbase = os.environ['GISBASE'] gisdb = "C:/Users/ecoris" location = "toono" mapset="PERMANENT" epsg="3100" grass.run_command("g.proj",epsg=epsg,location=location,flags="c") gsetup.init(gisbase, gisdb, location, mapset) input=sys.argv[1] output=sys.argv[2] basename,ext = os.path.splitext(os.path.basename(input)) #GRASSコマンドの実行 grass.run_command("r.in.gdal", input = input , output = basename,flags="oe", overwrite=True) grass.run_command('g.region', rast=basename, flags='ap') grass.run_command("r.neighbors", input = basename, output = "hatake" , method = "sum",size="201", flags="c",overwrite=True) grass.run_command("r.out.gdal", input = "hatake", output = output) 1km圏畑地の面積（PythonからGRASS） 14年3月14日金曜日
- 28.
- 29. 環境アセスメントでのGDAL利用例 #標高データから夏至と冬至の日射量を積算（pythonからGRASSを呼び出す） python sun.py dem10.tif radiation.tif 環境データ準備 日射量（コマンド） 14年3月14日金曜日
- 30. 環境アセスメントでのGDAL利用例 ##�sun.py ## # -*- coding: utf-8 -*- #pythonからGRASSを呼び出すための設定 #...省略 #GRASSコマンドの実行 grass.run_command("r.in.gdal", input = input , output = basename,flags="oe", overwrite=True) grass.run_command('g.region', rast=basename, flags='ap') grass.run_command("r.slope.aspect", elevation = basename, slope = "slope" , aspect = "aspect", overwrite=True) grass.mapcalc("glob_rad_tmp = 0", overwrite = True) #夏至(172日目)と冬至(355日目)の日射量を合計して出力 for day in [172,355]: grass.run_command("r.sun", elevin = basename, aspin = "aspect" ,slopein = "slope" ,glob_rad="glob_rad_" + str(day),day=day,flags = "s" ,overwrite=True) grass.mapcalc("glob_rad_year = glob_rad_tmp + glob_rad_" + str(day), overwrite=True) grass.run_command("g.rename", rast=["glob_rad_year","glob_rad_tmp"], overwrite=True) grass.run_command("r.out.gdal", input = "glob_rad_tmp", output = output) 日射量（PythonからGRASS） 14年3月14日金曜日
- 31.
- 32.
- 33.
- 34.
- 35.
- 36. 環境アセスメントでのGDAL利用例 #最初だけパッケージをインストールする #options(repos=structure(c(CRAN="http://cran.ism.ac.jp/"))) #install.packages("rgdal") #install.packages("raster") #install.packages("dismo") #install.packages("ggplot2") #ライブラリ読み込み library(rgdal) library(raster) library(dismo) library(ggplot2) #GDAL文字コード設定 setCPLConfigOption("GDAL_FILENAME_IS_UTF8","NO") setCPLConfigOption("SHAPE_ENCODING","cp932") #環境データ読み込み predictors <- stack("riverdistance.tif","farmarea1km.tif","radiation.tif") #種データ読み込み kappa <- readOGR("data","kappa") #調査範囲読み込み area <- readOGR("data","area") #左からのつづき #地図作成 xval<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量") windowsFonts(Meiryo=windowsFont("メイリオ")) for(i in 1:3){ ##ggplot地図用データフレーム作成 en<-subset(predictors,i) hs<- raster("data/merge_shade.tif") en<-crop(en,extent(546620,551600,4354300,4358100)) hs<-crop(hs,extent(546620,551600,4354300,4358100)) hdf <- rasterToPoints(hs) hdf <- data.frame(hdf) colnames(hdf) <- c("X","Y","Hill") edf <- rasterToPoints(en) edf <- data.frame(edf) colnames(edf) <- c("X","Y","Environment") adf<-fortify(area) colnames(adf)[1:2] <- c("X","Y") sdf<-data.frame(kappa@coords) colnames(sdf)[1:2] <- c("X","Y") ##地図設定 g<-ggplot(NULL, aes(X, Y)) + theme_grey(base_size=13,base_family="Meiryo")+ geom_raster(data = edf, aes(fill = Environment)) + geom_raster(data = hdf, aes(alpha = Hill)) + scale_alpha(range = c(0.5, 0), guide = "none") + scale_x_continuous(breaks=NULL,limits=c(546620,551600),expand=c( scale_y_continuous(breaks=NULL,limits=c(4354300,4358100),expand= geom_path(data= adf,aes(group=group),colour = "#333333", size = geom_point(data=sdf,aes(x=X,y=Y,colour="black"),size=1.5,alpha=0 scale_colour_manual(guide=guide_legend(title=NULL),name = '確認地 coord_equal() + theme(legend.position=c(1,1),legend.justification=c(1,1),axis.ti ##色設定 if(i==1) g<-g+scale_fill_gradientn(name=xval[i],colours = c("blu if(i==2) g<-g+scale_fill_gradientn(name=xval[i],colours = c("whi if(i==3) g<-g+scale_fill_gradientn(name=xval[i],colours = c("blu ##画像保存 ggsave(paste("mydata/",xval[i],"地図.png"), g, width = 16, heigh } データ確認 Rコマンド（地図作成部分） 14年3月14日金曜日
- 37. 環境アセスメントでのGDAL利用例 #前ページからのつづき #バックグラウンドデータ作成 set.seed(0) mask <- raster("mydata/mask.tif") backg<-randomPoints(mask,n=10000) #データセット作成 datapres <- extract(predictors,kappa) databackg <- extract(predictors,backg) pa<-c(rep(1,nrow(datapres)),rep(0,nrow(databackg))) envdata<-data.frame(cbind(pa,rbind(datapres,databackg))) colnames(envdata)<-c("pa","川や池からの距離","１ｋｍ圏畑地面積","日射量") xval<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量") ##ヒストグラム作成 for(i in 1:3){ #種データ情報と表示位置 mindata<-min(envdata[envdata$pa==1,xval[i]]) maxdata<-max(envdata[envdata$pa==1,xval[i]]) mediandata<-median(envdata[envdata$pa==1,xval[i]]) str<-paste(xval[i],"（確認地点）n","最小値:",sprintf("%2.2f",mindata),"n") str<-paste(str,"最大値:",sprintf("%2.2f",maxdata),"n") str<-paste(str,"中央値:",sprintf("%2.2f",mediandata),"n") xpos<-min(na.omit(envdata[envdata$pa==0,xval[i]])) p<-ggplot(envdata,aes_string(x=xval[i],fill="pafactor"))+ theme_grey(base_size=12,base_family="Meiryo") + ylab("count(log_10)") + theme(legend.position=c(1,1),legend.justification=c(1,1),axis.title.x=element_blank()) + geom_histogram(position="identity",alpha=0.4) + guides(fill=guide_legend(title=NULL)) + scale_fill_discrete(labels=c("バックグラウンドデータ","確認地点データ")) + scale_y_log10() + coord_cartesian(ylim = c(10^0, 10^4)) + annotate("text",x=xpos,y=8000,label=str,size=4,family="Meiryo",hjust=0,vjust=1) ggsave(paste("mydata/",xval[i],"分布.png"), p, width = 16, height = 16,unit="cm",dpi=300) } データ確認 Rコマンド（ヒストグラム作成部分） 14年3月14日金曜日
- 38.
- 39.
- 40.
- 41. 環境アセスメントでのGDAL利用例 モデリング とりあえずロジスティック回帰の例 #モデル作成 colnames(envdata)<-c("pa","riverdistance","farmarea1km","radiation") fit<- glm(pa~ . + I(riverdistance^2) + I(farmarea1km^2) + I(radiation^2),family=binomial(link="logit"),data=envdata) fit<-step(fit) summary(fit) #モデルをデータに適応し、GeoTIFFに書き出し pg<-predict(predictors,fit,type='response',ext=mask) writeRaster(pg, filename="mydata/カッパ生息確率.tif", format="GTiff", overwrite=TRUE) #モデル確認 e<-evaluate(p=envdata[envdata$pa==1,],a=envdata[envdata$pa==0,],fit,type="response") print(e) ppi=300 ##モデルAUC png(file=paste("mydata/モデルAUC.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi) plot(e,"ROC") dev.off() ##予測値の比較（確認地点とバックグラウンド） ###density png(file=paste("mydata/予測値density.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi) density(e) dev.off() ###boxplot png(file=paste("mydata/予測値boxplot.png"), width=16/2.54*ppi, height=16/2.54*ppi,res=ppi) boxplot(e,col=c("blue","red")) dev.off() ##応答曲線 for(i in 1:3){ xval<-c("riverdistance","farmarea1km","radiation") xlabel<-c("川や池からの距離","１ｋｍ圏畑地面積","日射量") rn<-range(envdata[,xval[i]])14年3月14日金曜日
- 42. 環境アセスメントでのGDAL利用例 モデリング モデルの評価 formula = pa ~ riverdistance + farmarea1km + I(farmarea1km^2) + I(radiation^2) 14年3月14日金曜日
- 43.
- 44.
- 45. 環境アセスメントでのGDAL利用例 モデリング 生息適地（Cohen sKappaを閾値とした場合） 地理院地図を使用 14年3月14日金曜日
- 46.
- 47.
- 48.
- 49.
- 50.
- 51.
- 52. :#GDALの設定 set GDAL_FILENAME_IS_UTF8=NO set SHAPE_ENCODING=CP932 :#Rの設定 set PATH=C:Program FilesRR-3.0.2bin;%PATH% set R_HOME=C:Program FilesRR-3.0.2 :#GRASSの設定 set OSGEO4W_ROOT=C:OSGeo4W set GISBASE=%OSGEO4W_ROOT%appsgrassgrass-6.4.3 set GISRC=%APPDATA%GRASS6grassrc6 set LD_LIBRARY_PATH=%GISBASE%lib;%LD_LIBRARY_PATH% set PATH=%GISBASE%bin;%GISBASE%etc;%GISBASE%etcpython;%GISBASE%lib;%GISBASE%extralib;%OSGEO4W_ROOT%appsmsysbin;%PATH% set GRASS_SH=%OSGEO4W_ROOT%appsmsysbinsh.exe set PYTHONPATH=%GISBASE%etcpython set GRASS_PAGER=less :#### データ準備 ###### :## 改変前データの準備 :#標高データを10m解像度、UTM54に変換 gdalwarp -t_srs epsg:3100 -tr 10 10 -r bilinear datamerge.tif mydatadem10.tif gdaldem mydatadem10.tif mydatashade.tif :#植生データをUTM54に変換 ogr2ogr -s_srs epsg:4612 -t_srs epsg:3100 mydatavegetation.shp datap594104.shp :#河川からの距離 gdal_rasterize -a_nodata -9999 -tr 10 10 -init 0 -burn 1 -where "HANREI_C = '580600' OR HANREI_C = '470501' OR HANREI_C = '180100'" -l vegetation mydatavegetation.shp mydatariver.tif gdal_proximity -distunits GEO -values 1 mydatariver.tif mydata_riverdistance.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydata_riverdistance.tif mydatariverdistance.tif :#1km圏畑地面積 gdal_rasterize -a_nodata -9999 -tr 10 10 -init 0 -burn 1 -where "HANREI_C = '570300' OR HANREI_C = '570101'" -l vegetation mydatavegetation.shp mydatafarm.tif python neighbors.py mydatafarm.tif mydata_farmarea1km.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydata_farmarea1km.tif mydatafarmarea1km.tif :#日射量（夏至＋冬至） python sun.py mydatadem10.tif mydata_radiation.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydata_radiation.tif mydataradiation.tif :#マスク gdal_rasterize -a_nodata -9999 -tr 10 10 -burn 1 dataarea.shp mydataarea.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydataarea.tif mydatamask.tif :## 改変後のデータ準備 :#日射量は変更なし cp mydataradiation.tif mydatadevelopradiation.tif :#1km圏畑地面積（改変部分の畑地を0にして計算） gdal_rasterize -a_nodata -9999 -i -init 0 -tr 10 10 -burn -9999 dataplan.shp mydatadevelopinv_plan.tif gdalwarp -overwrite mydatafarm.tif mydatadevelopinv_plan.tif mydatadevelopfarm.tif python neighbors.py mydatadevelopfarm.tif mydatadevelop_farmarea1km.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydatadevelop_farmarea1km.tif mydatadevelopfarmarea1km.tif :#河川からの距離（改変部分を1にして計算） gdal_rasterize -a_nodata -9999 -tr 10 10 -burn 1 dataplan.shp mydatadevelopplan.tif gdalwarp -overwrite mydatariver.tif mydatadevelopplan.tif mydatadevelop_river.tif gdal_proximity -distunits GEO -values 1 mydatadevelop_river.tif mydatadevelop_riverdistance.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline datamaparea.shp mydatadevelop_riverdistance.tif mydatadevelopriverdistance.tif :#マスク cp mydatamask.tif mydatadevelopmask.tif :#### データ確認、モデリング ###### :#Rコマンドの実行(地図作成、ヒストグラム作成、モデル作成、モデル適用、生息確率書き出し) R --slave --args mydata -f kappa.R :### 影響評価 ####### :#改変差分計算 gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline dataarea.shp mydataカッパ生息確率.tif mydata_カッパ生息確率.tif gdalwarp -overwrite -r near -tr 10 10 -dstnodata -9999 -t_srs epsg:3100 -crop_to_cutline -cutline dataarea.shp mydatadevelopカッパ生息確率.tif mydatadevelop_カッパ生息確率.tif python diff.py mydata_カッパ生息確率.tif mydatadevelop_カッパ生息確率.tif :#改変差分図作成 gdal_calc --overwrite --NoDataValue=-9999 -A mydata_カッパ生息確率.tif -B mydatadevelop_カッパ生息確率.tif --outfile=mydatadevelopカッパ生息確率.tif --calc=B-A 環境アセスメントでのGDAL利用例 解析の全手順を書いたコマンド ※Rの部分、pythonの部分は別ファイルに記述し、ここから呼び出しています。 14年3月14日金曜日
- 53. エピローグ GDALを活用すれば作業を効率化できますが… 種の生息モデルは、まだまだファンタジー。 生態学 ✕ FOSS4Gで解析のための定石を！ ※このスライドに出てくる事業計画はフィクションです。 14年3月14日金曜日