Di mana saya dapat menemukan histogram tingkat permukaan bumi?

Saya telah menemukan histogram ketinggian permukaan bumi di Wikipedia :

Histogram elevasi

Namun ini tidak memberikan informasi tentang distribusi kelas. Sebagai contoh, seluruh permukaan dapat seluruhnya terbuat dari bukit-bukit kecil dan memiliki tingkat tinggi di mana-mana, atau permukaan dapat seluruhnya terdiri dari dataran tinggi yang sempurna, menempatkan nilai rata-rata pada 0 °. Jelas kedua skenario ini tidak benar, tetapi menggambarkan bagaimana informasi ini tidak dapat ditentukan hanya dari histogram elevasi. Adakah yang tahu di mana saya dapat menemukan histogram serupa untuk kelas?

data

— dlras2
sumber

Tidak seperti histogram elevasi, grade (kemiringan) tergantung pada resolusi di mana kemiringan dihitung. Resolusi apa yang Anda butuhkan? Apakah Anda juga membutuhkan kemiringan dasar laut?

— Whuber

Itu poin yang sangat bagus. Idealnya, saya ingin resolusi sekitar satu detik atau lebih, dengan histogram tidak termasuk dasar lautan (tetapi yang terpisah untuk dasar lautan akan baik juga.) Pada saat ini, bagaimanapun, saya akan mengambil apa pun yang saya bisa. bisa membimbing saya ke arah yang benar.

— dlras2

Jika Anda dapat memperoleh kumpulan data, ada alat Runtuk melakukannya. Saya memiliki Etopo1 sebagai GeoTIFF, saya pikir itu adalah es / sel dari sini meskipun saya mungkin telah mengubahnya sendiri dari format biner.

http://www.ngdc.noaa.gov/mgg/global/global.html

Baca data (mungkin dengan resolusi yang dikurangi), hitung kemiringan dan plotnya.

library(rgdal)
library(raster)

## orig dims, reduced 4-fold (choose divisor to suit your needs / system)
x <- readGDAL("Etopo1.tif", output.dim = c(10800, 21600)/4)

## convert to raster format for calculations
r <- raster(x)

g <- slopeAspect(r, out = "slope", unit = "degrees")

## plot histogram
hist(g)

Raster plot

Saya menggunakan readGDAL karena saya lebih akrab dengan itu, tetapi Anda dapat tetap menggunakan raster sebagai pembungkus di sekitar hal-hal rgdal untuk menangani pengurangan resolusi dan sebagainya, dan tidak memerlukan penggunaan memori.

g
class       : RasterLayer 
dimensions  : 2700, 5400, 14580000  (nrow, ncol, ncell)
resolution  : 0.06666667, 0.06666667  (x, y)
extent      : -180, 180, -90, 90  (xmin, xmax, ymin, ymax)
coord. ref. : +proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs +towgs84=0,0,0 
values      : in memory
min value   : 0 
max value   : 38.11677

Lihat ?histlebih banyak opsi merencanakan.

— mdsumner
sumber

Membuat data saya sendiri dari data yang dirujuk sepertinya cara terbaik untuk melakukannya. Tidak pernah bekerja dengan SIG apa pun sebelumnya - GeoTIFF, Etopo1, atau R (yang menurut Googling terbukti sepele) - saya perlu waktu untuk mencari tahu, tetapi Anda telah mengatur saya di jalur yang benar, saya pikir.

— dlras2

Sayangnya, pendekatan ini mendapatkan kemiringan yang salah, karena tidak memproyeksikan data. Komplikasi lain adalah mendapatkan lereng di seluruh dunia dengan resolusi yang masuk akal adalah upaya yang sangat besar . Kemiringan yang dihitung lebih dari beberapa ratus meter cenderung akan diperhalus ke bawah. (Kisi bergambar memiliki resolusi 7 kilometer !) Untuk menutupi permukaan tanah bumi dengan kisi 100m membutuhkan ribuan kisi (masing-masing membutuhkan proyeksi sendiri untuk akurasi yang masuk akal) yang terdiri dari sekitar 36 miliar sel. Hanya mengumpulkan DEM ini adalah banyak pekerjaan ...

— whuber