Seguindo os comentários, aqui está uma versão que funciona com segmentos de linha perpendiculares. Por favor, use com cuidado, pois eu não o testei completamente!
Esse método é muito mais desajeitado do que a resposta do @ whuber - em parte porque eu não sou um programador muito bom e em parte porque o processamento de vetores é um pouco complicado. Espero que pelo menos o inicie se você precisar de segmentos de linhas perpendiculares.
Você precisará ter os pacotes Shapely , Fiona e Numpy Python instalados (junto com suas dependências) para executar isso.
#-------------------------------------------------------------------------------
# Name: perp_lines.py
# Purpose: Generates multiple profile lines perpendicular to an input line
#
# Author: JamesS
#
# Created: 13/02/2013
#-------------------------------------------------------------------------------
""" Takes a shapefile containing a single line as input. Generates lines
perpendicular to the original with the specified length and spacing and
writes them to a new shapefile.
The data should be in a projected co-ordinate system.
"""
import numpy as np
from fiona import collection
from shapely.geometry import LineString, MultiLineString
# ##############################################################################
# User input
# Input shapefile. Must be a single, simple line, in projected co-ordinates
in_shp = r'D:\Perp_Lines\Centre_Line.shp'
# The shapefile to which the perpendicular lines will be written
out_shp = r'D:\Perp_Lines\Output.shp'
# Profile spacing. The distance at which to space the perpendicular profiles
# In the same units as the original shapefile (e.g. metres)
spc = 100
# Length of cross-sections to calculate either side of central line
# i.e. the total length will be twice the value entered here.
# In the same co-ordinates as the original shapefile
sect_len = 1000
# ##############################################################################
# Open the shapefile and get the data
source = collection(in_shp, "r")
data = source.next()['geometry']
line = LineString(data['coordinates'])
# Define a schema for the output features. Add a new field called 'Dist'
# to uniquely identify each profile
schema = source.schema.copy()
schema['properties']['Dist'] = 'float'
# Open a new sink for the output features, using the same format driver
# and coordinate reference system as the source.
sink = collection(out_shp, "w", driver=source.driver, schema=schema,
crs=source.crs)
# Calculate the number of profiles to generate
n_prof = int(line.length/spc)
# Start iterating along the line
for prof in range(1, n_prof+1):
# Get the start, mid and end points for this segment
seg_st = line.interpolate((prof-1)*spc)
seg_mid = line.interpolate((prof-0.5)*spc)
seg_end = line.interpolate(prof*spc)
# Get a displacement vector for this segment
vec = np.array([[seg_end.x - seg_st.x,], [seg_end.y - seg_st.y,]])
# Rotate the vector 90 deg clockwise and 90 deg counter clockwise
rot_anti = np.array([[0, -1], [1, 0]])
rot_clock = np.array([[0, 1], [-1, 0]])
vec_anti = np.dot(rot_anti, vec)
vec_clock = np.dot(rot_clock, vec)
# Normalise the perpendicular vectors
len_anti = ((vec_anti**2).sum())**0.5
vec_anti = vec_anti/len_anti
len_clock = ((vec_clock**2).sum())**0.5
vec_clock = vec_clock/len_clock
# Scale them up to the profile length
vec_anti = vec_anti*sect_len
vec_clock = vec_clock*sect_len
# Calculate displacements from midpoint
prof_st = (seg_mid.x + float(vec_anti[0]), seg_mid.y + float(vec_anti[1]))
prof_end = (seg_mid.x + float(vec_clock[0]), seg_mid.y + float(vec_clock[1]))
# Write to output
rec = {'geometry':{'type':'LineString', 'coordinates':(prof_st, prof_end)},
'properties':{'Id':0, 'Dist':(prof-0.5)*spc}}
sink.write(rec)
# Tidy up
source.close()
sink.close()
A imagem abaixo mostra um exemplo da saída do script. Você alimenta um shapefile que representa sua linha central e especifica o comprimento das linhas perpendiculares e seu espaçamento. A saída é um novo shapefile que contém as linhas vermelhas nesta imagem, cada uma com um atributo associado especificando sua distância desde o início do perfil.
Como o @whuber disse nos comentários, quando você chega a esse estágio, o resto é bastante fácil. A imagem abaixo mostra outro exemplo com a saída adicionada ao ArcMap.
Use a ferramenta Feature to Raster para converter as linhas perpendiculares em uma varredura categórica. Defina a varredura VALUEcomo o Distcampo no shapefile de saída. Lembre-se também para definir a ferramenta Environmentspara que Extent, Cell sizee Snap rastersão os mesmos que para o seu DEM subjacente. Você deve terminar com uma representação rasterizada de suas linhas, algo como isto:
Por fim, converta essa varredura em uma grade inteira (usando a ferramenta Int ou a calculadora de varredura) e use-a como as zonas de entrada da ferramenta Zonal Statistics as Table . Você deve terminar com uma tabela de saída como esta:
O VALUEcampo nesta tabela fornece a distância desde o início da linha de perfil original. As outras colunas fornecem várias estatísticas (máximo, média etc.) para os valores em cada transação. Você pode usar esta tabela para plotar seu perfil de resumo.
NB: Um problema óbvio com esse método é que, se a sua linha original é muito ondulada, algumas das linhas de transecção podem se sobrepor. As ferramentas de estatística zonal no ArcGIS não podem lidar com zonas sobrepostas; portanto, quando isso acontece, uma das suas linhas de transecção terá precedência sobre a outra. Isso pode ou não ser um problema para o que você está fazendo.
Boa sorte!
