coop

2026-06-30

QGIS 圖資自動輸出與簡報產製流程說明

一、目的說明

本流程主要目的，是將既有的 GIS 圖資與分析成果，透過 QGIS 專案與版面配置設定，自動輸出為圖片，並依序套用到簡報檔案中，減少人工截圖、貼圖與排版時間。

透過此方式，可快速產製多個行政區、鄉鎮、市區或指定範圍的成果圖，並保持每一頁簡報的地圖樣式、圖例、標題與表格格式一致，方便後續成果展示、會議簡報、災害分析或報告彙整使用。與圖冊概念類似但目的不同

二、整體流程概念

整體流程可分為四個主要階段：

準備 GIS 圖資與分析成果
先將需要展示的圖層整理至 QGIS 專案中，例如行政區邊界、鄉鎮界、道路、水系、淹水範圍、統計成果或其他分析圖層。
建立 QGIS 專案與 Layout 樣板
在 QGIS 中設定好圖層配色、標籤、圖例、比例尺、指北針與版面配置。後續自動化程式會沿用此專案樣式，不需要每次重新設計地圖。
依指定範圍自動輸出圖片
程式可依據鄉鎮邊界或指定圖徵，自動計算每個範圍的外框，並保留適當邊界空間，例如上下左右各保留約 5% 的留白，使輸出的地圖範圍不會過於緊貼邊界。
自動貼入簡報或文件
輸出的地圖圖片可依序貼入 PowerPoint 或 Word 樣板中，並同步更新頁面標題、鄉鎮名稱、統計數值或說明文字，形成一致格式的成果簡報或報告。

三、QGIS 專案與 Layout 設定建議

為了讓後續能快速出圖，建議先建立固定的 QGIS 專案樣板。

QGIS 專案中應預先設定：

圖層順序
圖層配色
行政區或鄉鎮邊界樣式
淹水範圍或分析成果圖層樣式
道路、水系、地標等輔助圖層
圖例、比例尺、指北針
標題與必要註記

Layout 版面中建議保留固定位置：

主地圖區
標題區
圖例區
統計表格區
資料來源與製作日期
小範圍位置示意圖，若有需要可加入

後續自動化程式只需要控制主地圖的顯示範圍與輸出圖片，不需要重新設定版面，因此可以確保每張圖成果一致。

四、單一鄉鎮快速出圖概念

若後續資料需要依鄉鎮、市區或行政區逐一產製成果圖，建議以「單一鄉鎮聚焦」方式輸出。

此方式的優點是：

每張圖可清楚呈現該鄉鎮內的分析結果
適合呈現細部淹水範圍、道路影響或空間分布
可搭配統計表格呈現該區的成果數值
適合大量產製簡報頁面

若需要保留整體位置概念，可在 Layout 角落加入小型位置圖，例如縣市全圖，並用框線標示目前展示的鄉鎮位置。如此可同時兼顧細部成果與整體位置說明。

五、圖片輸出格式建議

自動輸出的地圖圖片建議使用 PNG 格式。

PNG 格式適合地圖輸出，原因包括：

圖面文字較清楚
邊界線與圖例不易失真
適合貼入簡報或 Word 文件
可維持良好的圖面品質

若簡報檔案大小需要控制，可依需求調整輸出解析度。一般簡報用途可採用 150 至 200 DPI；若需要列印或放大展示，可提高解析度。

六、簡報自動產製方式

簡報自動產製可使用既有 PowerPoint 作為樣板。

樣板中可先設計好：

封面或章節頁
每頁固定的地圖位置
標題文字框
統計表格
說明文字區
頁尾資訊

程式執行時，可依序完成下列工作：

讀取鄉鎮或指定範圍清單
依序切換 QGIS 地圖顯示範圍
輸出每個範圍的地圖圖片
複製簡報樣板頁
將圖片貼入指定位置
更新頁面標題與統計資訊
輸出完整簡報檔案

如此可將原本需要手動處理的重複工作，自動轉換為批次作業。

七、前置資料準備注意事項

為了讓後續能順利進行快速出圖，建議先確認以下項目。

1. 圖資命名要清楚

各圖層名稱建議清楚標示用途，例如：

鄉鎮邊界
淹水範圍
道路圖層
水系圖層
統計結果
底圖或參考圖層

清楚的命名可讓程式自動讀取指定圖層，也方便後續維護。

2. 行政區欄位要一致

若要依鄉鎮批次輸出，鄉鎮邊界資料中應至少包含：

縣市名稱
鄉鎮名稱
行政區代碼，若有
面積或其他統計欄位，若有需要

這些欄位可用來產生簡報標題、排序出圖順序與填入統計表格。

3. 輸出範圍要有固定規則

每張圖建議依據指定範圍的邊界自動計算外框，並保留一定比例的留白，例如 5%。

這樣可以避免地圖太貼近邊界，也能讓每一頁圖面看起來更穩定。

4. QGIS 樣式需先確認

自動輸出會沿用 QGIS 專案內的圖層樣式，因此在執行前應先確認：

圖層是否正確開啟
配色是否清楚
標籤是否過密
圖例是否正確
底圖是否會影響判讀
重要圖層是否被其他圖層遮住

5. Layout 版面需固定

簡報批次輸出時，最重要的是版面一致。建議地圖框、標題、圖例、統計表格等位置都先固定在樣板中，避免每次產製結果不同。

6. 統計表格資料需先整理

若簡報中需要呈現各鄉鎮統計值，例如面積、比例、最大值或排名，建議先整理成 CSV 或 Excel 表格，並與鄉鎮名稱或代碼對應。

程式即可依據鄉鎮名稱自動抓取對應數值，填入簡報表格。

7. 檔案路徑建議固定

建議建立固定資料夾架構，例如：

project/
├─ qgis_project/
├─ input_data/
├─ layout_template/
├─ exported_images/
├─ pptx_template/
└─ output_pptx/

如此可避免因檔案路徑變動造成程式無法讀取資料。

八、適用情境

此流程適合用於下列資料應用情境：

鄉鎮、市區或行政區成果圖批次產製
淹水模擬成果展示
災害潛勢圖快速輸出
道路或建物影響範圍展示
水文、水理或空間分析成果簡報
定期報告或會議簡報自動化產製
多區域、多事件、多情境成果比較

九、效益說明

透過 QGIS 專案與 Layout 樣板搭配自動化程式，可帶來以下效益：

減少人工截圖與貼圖時間
保持圖面樣式一致
快速產製大量簡報頁面
降低手動排版錯誤
方便套用不同事件或不同資料
提升成果展示效率
有利於後續建立標準化出圖流程

十、後續擴充方向

後續可依需求擴充以下功能：

依淹水面積或影響程度自動排序
自動產製 Top 10 或 Top 20 行政區簡報
自動加入統計表格與排名資訊
自動產製 Word 報告
自動輸出 PNG、PDF 或 PPTX
加入位置索引圖
加入道路、建物或重要設施影響分析
串接事件資料，快速產製單一颱風或豪雨事件成果簡報

十一、結論

本流程的核心概念，是將 GIS 圖資、QGIS 樣式設定、Layout 版面配置與簡報樣板結合，形成一套可重複使用的自動化出圖流程。

只要前期完成 QGIS 專案與簡報樣板設定，後續即可針對不同鄉鎮、不同事件或不同分析成果，快速輸出一致格式的圖片與簡報檔案，提升資料應用、成果展示與報告產製效率。

2025-11-18

QGIS Raster to Vector use Python console step2

資料處理步驟：
1.讀取 Raster 並計算 25 等級等值線級距
2.用 GDAL 產生等值線（Contour Lines）
3.Polygonize：Raster 轉等值面多邊形
4.將多邊形圖層載入 QGIS
5.為每個 polygon 計算其 VALUE 所屬級距（LEVEL、MIN、MAX）
6.套用 25 階色彩漸層分類
7.加上級距標籤並加入 QGIS 專案

from osgeo import gdal, ogr, osr

import numpy as np

from PyQt5.QtGui import QColor

from qgis.core import (

QgsVectorLayer, QgsProject, QgsGraduatedSymbolRenderer, QgsRendererRange,

QgsSymbol, QgsPalLayerSettings, QgsVectorLayerSimpleLabeling, QgsField

)

from qgis.PyQt.QtCore import QVariant

# ----------------------------

# 0. Path

# ----------------------------

input_raster = r"D:\download\value.tif"

contour_line = r"D:\download\contour25.shp"

contour_poly = r"D:\download\contour25_polygon.shp"

# ----------------------------

# 1. Read raster + get 25-class levels

# ----------------------------

ds = gdal.Open(input_raster)

band = ds.GetRasterBand(1)

arr = band.ReadAsArray()

nodata = band.GetNoDataValue()

valid = arr[arr != nodata]

min_v = float(valid.min())

max_v = float(valid.max())

# 26 contour levels = 25 classes

levels_list = np.linspace(min_v, max_v, 26).tolist()

print("等值線級距：")

for i in range(25):

print(f"{i+1}: {levels_list[i]:.2f} ~ {levels_list[i+1]:.2f}")

# ----------------------------

# 2. Create contour lines (using raster band, correct API)

# ----------------------------

drv = ogr.GetDriverByName("ESRI Shapefile")

try: drv.DeleteDataSource(contour_line)

except: pass

out_ds = drv.CreateDataSource(contour_line)

srs = osr.SpatialReference()

srs.ImportFromWkt(ds.GetProjection())

line_lyr = out_ds.CreateLayer("contour", srs, ogr.wkbLineString)

line_lyr.CreateField(ogr.FieldDefn("ELEV", ogr.OFTReal))

print("⚙ 產生等值線…")

gdal.ContourGenerate(

band, # <-- 正確：使用 raster band

ds.GetGeoTransform()[1],

abs(ds.GetGeoTransform()[5]),

levels_list,

nodata,

line_lyr,

)

out_ds = None

print("✔ 等值線完成：", contour_line)

# ----------------------------

# 3. Polygonize (convert raster → polygon)

# ----------------------------

try: drv.DeleteDataSource(contour_poly)

except: pass

poly_ds = drv.CreateDataSource(contour_poly)

poly_lyr = poly_ds.CreateLayer("poly", srs, ogr.wkbPolygon)

poly_lyr.CreateField(ogr.FieldDefn("VALUE", ogr.OFTReal))

print("⚙ Polygonize…")

gdal.Polygonize(band, None, poly_lyr, 0, [], callback=None)

poly_ds = None

print("✔ 等值面完成：", contour_poly)

# ----------------------------

# 4. Load polygon layer to QGIS

# ----------------------------

vl = QgsVectorLayer(contour_poly, "Geothermal_25Levels", "ogr")

prov = vl.dataProvider()

prov.addAttributes([

QgsField("MIN", QVariant.Double),

QgsField("MAX", QVariant.Double),

QgsField("LEVEL", QVariant.Int)

])

vl.updateFields()

# ----------------------------

# 5. Compute class (LEVEL, MIN, MAX)

# ----------------------------

i_min = vl.fields().indexOf("MIN")

i_max = vl.fields().indexOf("MAX")

i_lev = vl.fields().indexOf("LEVEL")

i_val = vl.fields().indexOf("VALUE")

with edit(vl):

for f in vl.getFeatures():

v = f["VALUE"]

if v == nodata:

f[i_lev] = -1

f[i_min] = -9999

f[i_max] = -9999

else:

for idx in range(25):

if levels_list[idx] <= v <= levels_list[idx+1]:

f[i_lev] = idx + 1

f[i_min] = levels_list[idx]

f[i_max] = levels_list[idx+1]

break

vl.updateFeature(f)

print("✔ LEVEL/MIN/MAX 填寫完成")

# ----------------------------

# 6. Style → 25-color gradient

# ----------------------------

ranges = []

for idx in range(25):

low = levels_list[idx]

high = levels_list[idx+1]

label = f"{low:.1f} - {high:.1f}"

sym = QgsSymbol.defaultSymbol(vl.geometryType())

sym.setColor(QColor.fromHsv(int(idx * 360/25), 255, 255))

rng = QgsRendererRange(low, high, sym, label)

ranges.append(rng)

renderer = QgsGraduatedSymbolRenderer("VALUE", ranges)

renderer.setMode(QgsGraduatedSymbolRenderer.Custom)

vl.setRenderer(renderer)

# ----------------------------

# 7. Labels

# ----------------------------

label = QgsPalLayerSettings()

label.fieldName = "LEVEL"

label.enabled = True

vl.setLabelsEnabled(True)

vl.setLabeling(QgsVectorLayerSimpleLabeling(label))

QgsProject.instance().addMapLayer(vl)

print("🎉 全部完成：25 等級等值面 + 標籤 + 上色已加入 QGIS")

QGIS Raster to Vector use Python console step1

處理步驟
1.從顏色分類的 RGB 影像中取得所有像素

2. 過濾白色背景區域

3. 使用 K-Means RGB Centroid 進行色彩匹配

4. 將像素映射為指定的數值分類值

5. 產生可用於 QGIS、ArcGIS、Python 的 GeoTIFF 數值影像

6. 完整設定 NoData、座標系、像元大小

import numpy as np

from osgeo import gdal, gdalconst

# ---------------------------------------------------

# 1. 路徑設定

# ---------------------------------------------------

input_path = r"D:\download\87ad4ea7-158c-4f27-9911-57fa9c1ebb472_modified.tif"

output_path = r"D:\download\value.tif"

# ---------------------------------------------------

# 2. 讀取 RGB 影像

# ---------------------------------------------------

ds = gdal.Open(input_path, gdalconst.GA_ReadOnly)

if ds is None:

raise Exception("❌ 無法開啟輸入 TIFF")

R = ds.GetRasterBand(1).ReadAsArray().astype(np.float32)

G = ds.GetRasterBand(2).ReadAsArray().astype(np.float32)

B = ds.GetRasterBand(3).ReadAsArray().astype(np.float32)

rows, cols = R.shape

pixels = np.stack([R.flatten(), G.flatten(), B.flatten()], axis=1)

# ---------------------------------------------------

# 3. 白色背景過濾（非常重要）

# ---------------------------------------------------

# 白底 = RGB 皆 > 225

bg_mask = (pixels[:,0] > 225) & (pixels[:,1] > 225) & (pixels[:,2] > 225)

# 非背景像素

non_bg_pixels = pixels[~bg_mask]

print("原始像素：", len(pixels))

print("非背景像素（有效區域）：", len(non_bg_pixels))

# ---------------------------------------------------

# 4. 使用 K-Means 得到的 RGB centroid

# ---------------------------------------------------

centroids = np.array([

[117, 249, 20], # 群 0 → 32.5

[237, 28, 64], # 群 1 → 45

[148, 202, 235], # 群 2 → 10

[231, 224, 30], # 群 3 → 37.5

[ 19, 24, 20], # 群 4 → NoData

[ 56, 245, 161], # 群 5 → 27.5

[102, 97, 227], # 群 6 → 22.5

], dtype=np.float32)

mapping = {

0: 32.5,

1: 45,

2: 10,

3: 37.5,

4: -9999,

5: 27.5,

6: 22.5

}

# ---------------------------------------------------

# 5. 計算 pixel → 最近 centroid

# ---------------------------------------------------

dist = ((pixels[:, None, :] - centroids[None, :, :]) ** 2).sum(axis=2)

cluster_idx = np.argmin(dist, axis=1)

# ---------------------------------------------------

# 6. 對背景像素直接指定為 -9999

# ---------------------------------------------------

value_arr = np.vectorize(mapping.get)(cluster_idx)

value_arr[bg_mask] = -9999

value_arr = value_arr.reshape(rows, cols).astype(np.float32)

# ---------------------------------------------------

# 7. 輸出 GeoTIFF

# ---------------------------------------------------

driver = gdal.GetDriverByName("GTiff")

out_ds = driver.Create(output_path, cols, rows, 1, gdalconst.GDT_Float32)

out_ds.SetGeoTransform(ds.GetGeoTransform())

out_ds.SetProjection(ds.GetProjection())

band = out_ds.GetRasterBand(1)

band.WriteArray(value_arr)

band.SetNoDataValue(-9999)

band.FlushCache()

del out_ds

print("🎉 已完成：輸出數值影像 →", output_path)

2024-01-23

Q80 和 Q90

"Q80" 和 "Q90" 是與水位（水流量）相關的術語，通常用於水文學和水資源管理領域。這些術語涉及在不同的情境下對水位和水流量進行推估和應用。

1. Q80 和 Q90 定義：

- Q80：在某段特定的時間內，80% 的時間水位處於或高於某個特定的水位。換句話說，Q80 表示水位的80百分位數，即超過20% 的時間水位會低於該值。

- Q90：在某段特定的時間內，90% 的時間水位處於或高於某個特定的水位。換句話說，Q90 表示水位的90百分位數，即超過10% 的時間水位會低於該值。

2. 水位推估與應用：

- 洪水風險評估：Q80 和 Q90 可用於評估洪水風險。例如，如果一個地區的水位在大部分時間都低於 Q90 水位，那麼這個地區可能會更容易受到洪水的影響。

- 水資源管理：水位的變化會影響水資源的供應和分配。透過監測和預測 Q80 和 Q90 水位，可以更好地規劃用水，確保水資源的可持續利用。

-生態保護：對於生態系統而言，水位的變化可能對動植物的生存和繁殖造成影響。通過了解 Q80 和 Q90 水位，可以更好地管理和保護生態環境。

- 基礎建設規劃：在設計和建設水利基礎設施（如水壩、防洪工程等）時，需要考慮不同水位條件。Q80 和 Q90 可以作為設計參考，確保基礎建設能夠應對各種水位情況。

- 災害應對：在面臨極端天氣事件（如暴雨、颱風等）時，了解 Q80 和 Q90 水位可以幫助當局做出更快速和準確的應對措施，以減少潛在的災害風險。

Q80 和 Q90 水位是水文學中重要的指標，對於洪水風險評估、水資源管理、生態保護以及基礎建設等方面。

2022-06-10

近即時的全球土地利用與覆蓋10m圖資

Dynamic World, Near real-time global 10 m land use land cover mapping

https://www.nature.com/articles/s41597-022-01307-4#ref-CR23 近即時的全球土地利用與覆蓋10m圖資透過開放遙測衛星 Sentinel-2 L1C 搭配 GEE 與labelbox.com等技術產製全球近即時的土地利用與覆蓋圖資專家標記約 4,000筆資料非專家標記約 20,000筆資料 #NRT Near real-time 近即時 #LULC land use land cover 土地利用土地覆蓋在 #Zenodo 存放專家資料集在 #PANGEA 存放非專家資料集 GEE 資料集標註資料: ee.ImageCollection('projects/wri-datalab/dynamic_world/v1/DW_LABELS') 影像: ee.ImageCollection('GOOGLE/DYNAMICWORLD/V1') 範例code: https://code.earthengine.google.com/710e2ae9d03cd994c6e8dc9213257cbc 相關訓練資料與程式 https://doi.org/10.5281/zenodo.5602141 #土地利用 #土地覆蓋 #DynamicWorld #EarthEngine

2022-03-22

土壤含水量SMAP10KM

土壤含水量在進行乾旱評估中一個重要的參考指標

利用 GEE SMAP 10KM 土壤含水量資料繪製

特定時間段土壤含水量資訊

var dataset = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture')

.filter(ee.Filter.date('2021-01-01', '2022-01-01'));

var soilMoisture = dataset.select('ssm');

var soilMoistureVis = {

min: 0.0,

max: 28.0,

palette: ['0300ff', '418504', 'efff07', 'efff07', 'ff0303'],

};

Map.setCenter(120.5, 23.529, 10

);

Map.addLayer(soilMoisture, soilMoistureVis, 'Soil Moisture');

2021-11-06

走讀

以前國小上課與回家的途中會經過農改場農田與渠道農田旁的溝渠還可以看到螃蟹和魚隨著都市化農田灌溉渠道慢慢的消失在生活中排水內的水質也慢慢地由透明清澈轉變成灰色或混濁的情況而現在看到的大多是三面光排水與適應力超強的吳郭魚或外來魚種與越來越多以人為思考點的構造物 --- 最近幾年慢慢地越來越多人與團體與政府部門開始關心所在的生活環境花了很大的力氣才能把先前的環境稍微復原但稍微一不注意就又會造成另外一個外來種生態入侵問題生態與環境破壞後要再復原所花的心力與成本會比原本更高更困難關心可以由自己做起在生活環境中盡量減少一次性的塑膠垃圾由小開始培養關心環境相關的議題與政策

訂閱：文章 (Atom)