DTM från laserdata

Hur skulle det vara med lite höjddata med 1 meters upplösning? Dessa data går inte att ladda ner direkt, men eftersom laserdata går att hämta som öppna data, så kan man ganska enkelt generera höjddata med valfri upplösning, där 1 meter inte alls är orimligt.

Hämta bara de laz-filer som täcker det område du är intresserad av till en mapp på datorn.

Se till att du har PDAL installerat och skriv sedan ett JSON-skript (filnamn.json) med följande innehåll.

[
   {
      "filename":"filnamn_1.laz",
      "spatialreference":"EPSG:32633"
   },
   {
      "filename":"filnamn_2.laz",
      "spatialreference":"EPSG:32633"
   },
   {
      "filename":"filnamn_3.laz",
      "spatialreference":"EPSG:32633"
   },
   {
         "type":"filters.merge"
   },
   {
      "type":"filters.range",
      "limits":"Classification[2:2],Classification[9:9]"
   },
   {
      "type":"writers.gdal",
      "filename":"filnamn_dtm_1m.tif",
      "output_type":"min",
      "gdaldriver":"GTiff",
      "window_size":3,
      "resolution":1.0
   }
]

Den kanske är möjligt att använda ”wildcard” tecen (*) i filnamnen som är input, annars är det bara att upprepa stegen med ”filnamn” i inledningen.

Eftersom jag vet vilka klasser som används i dessa data så väljs dessa ut med ett filter. Utan detta filter så hämtas höjddata från alla punkter inklusive träd och byggnader. Genom att använda 2 och 9 så är det bara det som klassats som mark och vatten som är med. Om dina punktmolnsdata är av ”klass 3” så kan du välja om du vill ha med broar eller inte. Dessa har category 17, och finns med som standard i dataset som är av klass 2.

Med writers.gdal så skapas tif-filen och i ”resolution” så anger man önskad upplösning i meter.

Resultatet genereras med ett pdal kommando i form av pdal pipeline filnamn.json och om allt går vägen så blir resultatet en rasterfil med önskad upplösning. Som synes i bilden ovan så kan det förekomma pixlar som saknar data, men i mitt fall så verkar det i huvudsak vara i större vattenytor eller större byggnader. Dessa hål fyller man enkelt med valfritt ”fill nodata” verktyg. Exempelvis GDAL i form av processverktyg i QGIS.

Om du har en väldigt stor laz-fil och bara vill ha ett mindre område med, så kan du lägga till ett filters.crop i din pipeline. Denna kan använda en bounding box med ”([xmin, xmax].[ymin,ymax])” för att begränsa området som skall bearbetas. Genom att lägga in filtret tidigt i pipelinen så behöver inte alla steg göras på hela datamängden.

{
      "type":"filters.crop",
      "bounds":"([xmin,xmax],[ymin,ymax])"
},

PDALs GDAL writer är som standard inte speciellt effektiv, så det kan även vara på sin plats att spara om med GDAL, kanske till COG (cloud optimized GeoTIFF). När jag gör detta på mina testdata så halverar jag nästan storleken på filen. Bara för att man introducerar lite komprimering (från GDAL 3.4 är standard LZW).

Spara dina data i lämpligt format och använd dem precis som du vill. Alla källdata är CC-0, så det är ingen begränsning kring detta. Men det är ju trevligt att veta varifrån dina data kommer och när de är insamlade.