实现效果(这里做了1条主河道和5个支流):

核心代码使用了Leaflet.hotline插件,github下载地址链接

详情见我之前整理的一篇文章介绍河流热力图

核心代码逻辑:

// 处理河流数据以及渲染热线图
let coorObj = this.handleRiverData(this.waterPolType)
//渲染热力图
this.setHotline(coorObj)
//处理河流的数据
handleRiverData(type) {
const coordinateObj = {
//分离出坐标数组,同时将各个河流的经纬度进行调换
riverJson: riverJson.geometries.map(item => [item.coordinates[1], item.coordinates[0]]),
branch1: branch1.geometries.map(item => [item.coordinates[1], item.coordinates[0]]),
branch2: branch2.geometries.map(item => [item.coordinates[1], item.coordinates[0]]),
branch3: branch3.geometries.map(item => [item.coordinates[1], item.coordinates[0]]),
branch4: branch4.geometries.map(item => [item.coordinates[1], item.coordinates[0]]),
branch5: branch5.geometries.map(item => [item.coordinates[1], item.coordinates[0]])
}
let riverSiteObj = {} //站点在各个河流中的所分属的分段的索引信息
//通过riverNameArr河流名称数组将各个河流的坐标点以站点进行分段,以及计算监测因子在不同河段的值
this.riverNameArr.forEach(key => {
let arr = [] //获取站点在河流上所属河段索引起始数值和结尾的数值
if (this.siteInfoObj[key].length > 1) {
this.siteInfoObj[key].reduce((pre, val, index) => {
let startIndex = coordinateObj[key].findIndex(el => el[1] == pre.lon2 && el[0] == pre.lat2) //计算前一个站点在当前河流中的索引
let endIndex = coordinateObj[key].findIndex(el => el[1] == val.lon2 && el[0] == val.lat2) //计算后一个站点在当前河流中的索引
let startValue = pre[type] !== '-' ? getNumber(pre[type]) : val[type] !== '-' ? getNumber(val[type]) : 4 //河段的监测因子开始数值
let endValue = val[type] !== '-' ? getNumber(val[type]) :pre[type] !=='-'? getNumber(pre[type]) : 4 //河段的监测因子结束数值
let diff = startValue - endValue //河段首尾监测因子的差值
let obj = {
startIndex: startIndex,
endIndex: endIndex,
startValue: startValue,
endValue: endValue,
diff: diff
}
if (index == 1 && startIndex !== 0) {
//由于河流的首段没有站点提取出来分段,所以截取河流首段
let newobj = {
startIndex: 0,
endIndex: startIndex,
startValue: startValue,
endValue: startValue,
diff: 0
}
arr.push(newobj)
}
arr.push(obj)
if (index == this.siteInfoObj[key].length - 1) {
//由于河流的最后一段没有末尾站点提取出来分段,所以截取河流末段
let newobj = {
startIndex: endIndex,
endIndex: coordinateObj[key].length,
startValue: endValue,
endValue: endValue,
diff: 0
}
arr.push(newobj)
}
return val
})
} else {
//由于数组方法reduce无法对只有一项的数组进行运算,单独提取出来进行分段
this.siteInfoObj[key].forEach(item => {
let index = coordinateObj[key].findIndex(el => el[1] == item.lon2 && el[0] == item.lat2)
let value = item[type] !== '-' ? getNumber(item[type]) : 4
//当前河流首段分段的索引
if (index !== 0) {
let obj = {
startIndex: 0,
endIndex: index,
startValue: value,
endValue: value,
diff: 0
}
arr.push(obj)
}
//当前河流末尾分段的河流索引
let endobj = {
startIndex: index,
endIndex: coordinateObj[key].length,
startValue: value,
endValue: value,
diff: 0
}
arr.push(endobj)
})
}
riverSiteObj[key] = arr
}) let riverCoordinateObj = {} //每段河流完成了分段监测因子数值赋值合并后的新数组
//通过上述站点对各个河流的中的分段索引开始进行对河流分割,riverNameArr为各个河流名称数组
this.riverNameArr.forEach(key => {
let sectionRiverArr = [] //当前河流分段数组
//将当前河流数组进行分段处理并给该段河流的各个点位赋值监测因子数值
riverSiteObj[key].forEach(item => {
let arr = coordinateObj[key].slice(item.startIndex, item.endIndex)
let i = item.startValue
arr.forEach((el, index) => {
if (index !== arr.length - 1) {
el[2] = Number(i).toFixed(2)
i = i - item.diff / arr.length
} else {
el[2] = Number(item.endValue).toFixed(2)
}
})
sectionRiverArr.push(arr)
})
//将当前河流的分段河流合并为完整河流
let riverCoordinateArr = []
sectionRiverArr.forEach(item => {
riverCoordinateArr = [...riverCoordinateArr, ...item]
})
riverCoordinateObj[key] = riverCoordinateArr
})
//返回当前河流
return riverCoordinateObj
},
//设置热力图
setHotline(coorObj) {
let hotlineArr = []
this.riverNameArr.forEach(key => {
// hotline接收lnglat格式
let hotlineLayer = L.hotline(coorObj[key], {
min: 1, //z值的最小值
max: 6, //z值的最大值
palette: {
0.0: systemSet.water_rank_color['Ⅰ类'],
0.2: systemSet.water_rank_color['Ⅱ类'],
0.4: systemSet.water_rank_color['Ⅲ类'],
0.6: systemSet.water_rank_color['Ⅳ类'],
0.8: systemSet.water_rank_color['Ⅴ类'],
1.0: systemSet.water_rank_color['劣Ⅴ类']
},
weight: key == 'riverJson' ? 10 : 8, //线条粗细,主流是10,支流是8
outlineColor: '#888888', //边框线颜色
outlineWidth: 1 //边框线粗细
})
hotlineArr.push(hotlineLayer)
})
this.hotlineLayerGroup = L.layerGroup(hotlineArr)
this.hotlineLayerGroup.addTo(this.map)
},

leaflet利用hotline实现河流差值渲染热力图的更多相关文章

  1. PS图层混合算法之六(差值,溶解, 排除)

    差值模式: 查看每个通道中的颜色信息,比较底色和绘图色,用较亮的像素点的像素值减去较暗的像素点的像素值.与白色混合将使底色反相:与黑色混合则不产生变化. 排除模式可生成和差值模式相似的效果,但比差值模 ...

  2. 差值的再议-Hermite差值

    1. 插值法 插值法又称“内插法”,是利用函数f (x)在某区间中已知的若干点的函数值,作出适当的特定函数,在区间的其他点上用这特定函数的值作为函数f (x)的近似值,这种方法称为插值法. 如果这特定 ...

  3. 将TIMESTAMP类型的差值转化为秒的方法

    两个TIMESTAMP之差得到的是INTERVAL类型,而有时我们只需要得到两个时间相差的秒数,如果变成INTERVAL之后,想要获取这个值会非常麻烦. 比较常见的方法是使用EXTRACT来抽取获得的 ...

  4. PHP中比较两个时间的大小与日期的差值

    在这里我们全用到时间戳 mktime(hour,minute,second,month,day,year,[is_dst])     其参数可以从右向左省略,任何省略的参数都会被设置成本地日期和时间的 ...

  5. 用Scala实现集合中相邻元素间的差值

    欢迎转载,转载请注明出处,徽沪一郎. 概要 代码这东西,不写肯定不行,新学Scala不久,将实际遇到的一些问题记录下来,日后也好查找. 今天讲的是如何计算同一集合中元素两两之间的差值,即求开始集合(a ...

  6. 输出有序数组的中两个元素差值为指定值diff的两个元素

    题目: 输出有序数组的中两个元素差值为指定值diff的两个元素. 思路: 这与输出两个元素的和的值为一定值类似,需要两个指针,不同的是:指针不是一左一右,而是一前一后. 如果差值等于diff,则返回: ...

  7. php 算法之切割数组,不用array_chunk(),算法之二,取数组的差值,不用array_diff()

    用php写算法切割数组,不用array_chunk();算法例如以下所看到的. <?php //$array 数组 //$size 每一个数组的个数 //每一个数组元素是否默认键值 functi ...

  8. 题目1096:日期差值(a-b=(a-c)-(b-c))

    http://ac.jobdu.com/problem.php?pid=1096 题目描述: 有两个日期,求两个日期之间的天数,如果两个日期是连续的我们规定他们之间的天数为两天 输入: 有多组数据,每 ...

  9. LD1-K(求差值最小的生成树)

    题目链接 /* *题目大意: *一个简单图,n个点,m条边; *要求一颗生成树,使得其最大边与最小边的差值是所有生成树中最小的,输出最小的那个差值; *算法分析: *枚举最小边,用kruskal求生成 ...

  10. Hibernate中HQL的日期差值计算,可计算相差多少秒

    最近有个业务需求就是计算订单创建时间离现在超过 4 小时的订单都查找出来! 那么就需要用到日期函数了. 网上找了一下总共的日期函数有一下几个: CURRENT_DATE() 返回数据库当前日期 时间函 ...

随机推荐

  1. #背包#AT2037 [ARC060A] 高橋君とカード / Tak and Cards

    题目 有一个长度为\(n\)的数组\(a\),选择若干个数使它们的平均数为\(A\),问共有多少种方案 分析 设\(dp[i][j]\)表示选择\(i\)个数总和为\(j\)的方案数,那么答案就是\( ...

  2. C# 中一维数组和二维数组详解

    String[][]是二维数组.例如:String[][] str=new String[4][4],这是创建了一个有bai4行4列元素的数组. String[]代表一维数组.例如:String[]  ...

  3. 6本值得推荐的MySQL学习书籍(有赠书福利)

    前言 在DotNetGuide技术社区交流群和微信公众号后台经常收到小伙伴们的留言,让我出一期MySQL相关学习书籍的推荐文章.因此,今天我特意为大家精选了 6 本值得推荐的 MySQL 学习书籍,希 ...

  4. Qt 操作注册表

    一.写入注册表 #include <QSettings> //实例 QSettings //参数 1:注册表位置 //参数 2:操作 windows 注册表 QSettings::Nati ...

  5. KL散度和交叉熵的对比介绍

    KL散度(Kullback-Leibler Divergence)和交叉熵(Cross Entropy)是在机器学习中广泛使用的概念.这两者都用于比较两个概率分布之间的相似性,但在一些方面,它们也有所 ...

  6. 深度优先搜索-overview

    深度优先搜索的实现一般有2种方式 递归 //todo 非递归-借助stack 因为栈后进先出的特点,使其很容易实现树/图的深度优先遍历.如果是BFS,那非递归经常借助queue. 整个过程可以被描述为 ...

  7. nginx重新整理——————http请求的11个阶段中的find_config[十三]

    前言 简单介绍一下find_config 与 preaccess 阶段. 正文 find_config 很大一部分工作是进行location的匹配. 来一张图看下location指令和merge_sl ...

  8. 重新点亮linux 命令树————压缩和解压缩[四]

    前言 简单整理一下压缩和解压缩. 正文 在windows 中我们使用压缩和解压缩一般是7z这个压缩和解压软件,但是在linux中压缩和解压是两个不同的软件. 在最早的linux 备份介质是磁带,使用的 ...

  9. MVC如何创建区域

    前言 MVC 划分区域可以为项目成立不同的小模块,方便团队之间开发,与增强项目结构的清晰度. 正文 建立区域: 在areas里面建立区域.,然后填写命名. 然后区域注册即可: 但是这样做依然无法解决项 ...

  10. etcd 历史版本回溯的方法

    在使用 etcd 作为配置存储或者其他的场景,如果因为误操作对其中 key 的值进行了修改,如果想要找回原来的值,可以利用 etcd 的版本机制进行回溯找回以前的值.在具体操作之前,我们首先获取一下 ...