land-cover-cost
Skill3 starsChanged yesterdayApache-2.0View on GitHub
分類済みの土地被覆の raster と、明示的な class から cost への対応表 (CSV) から、1 m 進むコストの cost raster を作る。対応表に無いクラス、重なったクラス、正でないコストで止まり、通れない class (barrier) と NoData を別の値で残し、クラスごとの cell の数と対応表の hash を audit に書く。対応表の値そのもの (どの土地被覆で何秒/m か) は決めない。
In this repository56 other files it gives its agents.
- AGENTS.mdAGENTS.md
- .agents/skills/AGENTS.mdAGENTS.md
- analysis-reportingSkill
- analysis-unit-designSkill
- analysis-visualizeSkill
- anomaly-detectionSkill
- areal-interpolationSkill
- causal-designSkill
- causal-estimationSkill
- clustering-analysisSkill
- cross-validation-designSkill
- data-quality-auditSkill
- dataset-discoverySkill
- data-variable-semanticsSkill
- dimensionality-reductionSkill
- eda-and-baselineSkill
- experiment-designSkill
- frontend-designSkill
- grid-risk-mappingSkill
- image-segmentationSkill
- leakage-auditSkill
- location-privacySkill
- model-explanationSkill
- natural-japaneseSkill
- noise-ceiling-analysisSkill
- observation-bias-auditSkill
- poi-insightsSkill
- point-pattern-analysisSkill
- raster-cost-distanceSkill
- raster-data-integrationSkill
- research-paper-writingSkill
- research-question-generationSkill
- robustness-analysisSkill
- sar-change-detectionSkill
- spatial-accessibility-analysisSkill
- spatial-autocorrelationSkill
- spatial-data-integrationSkill
- spatial-data-modelingSkill
- spatial-feature-engineeringSkill
- spatial-gnnSkill
- spatial-interpolationSkill
- spatial-network-analysisSkill
- spatial-optimizationSkill
- spatial-process-modelingSkill
- spatial-sampling-designSkill
- spatial-weights-designSkill
- spatiotemporal-modelingSkill
- stop-describing-uiSkill
- street-imagery-inspectionSkill
- terrain-hydrologySkill
- time-series-forecastingSkill
- trajectory-predictionSkill
- travel-time-reliabilitySkill
- uncertainty-estimationSkill
- web-design-guidelinesSkill
- yomiyasuSkill
The file
Files
land-cover-cost
土地被覆のクラスを移動のコストに直すと、答えは対応表で決まる。対応表をコードに埋めず、ファイルとして渡し、その hash と、どのクラスが何 cell あったかを残す。対応表に無いクラスを、黙って 0 や既定のコストにしない。
このスキルが答えるのは、「この分類図とこの対応表から、どの cell がどのコストになったか」まで。対応表の値を決めること (歩く速さの文献、地域の事情)、傾斜や道路や川との組み合わせ、最小累積コストの計算は、このスキルの外。
対応表
CSV。必須の列は class、status、cost_per_m。ほかの列 (source、note など) は audit にそのまま残る。
class,status,cost_per_m,source,note
1,passable,0.5,example,grass
2,passable,0.8,example,forest
3,barrier,,example,water| 列 | 中身 |
class | raster のクラスの番号 (整数) |
status | passable (通れる) か barrier (通れない) |
cost_per_m | passable なら 1 m 進むコスト (正の有限の数、単位は --cost-unit)。barrier なら空 |
止まる条件 (何も書かずに止まる): raster にあって対応表に無いクラス、同じクラスが 2 行、passable なのにコストが 0、負、NaN、無限大、空、数でない、barrier にコストがある、status が 2 つ以外、クラスが整数でない、対応表のクラスが raster の NoData の値と同じ。対応表にあって raster に無いクラスは、0 cell として数える。
source には、値の出どころ (文献、仮定、試しの値) を書く。試しの値のまま結論を書かない。
出力
float64 の GeoTIFF。格子 (CRS、transform、幅、高さ、画素の大きさ) は入力と同じ。
| cell | 値 |
| passable のクラス | そのクラスの cost_per_m |
| barrier のクラス | --barrier-value (既定 -1。0 以下か inf だけ許す。コストと読まれない値) |
| 入力の NoData | NaN (GeoTIFF の NoData も NaN) |
barrier と NoData は別の値で残る。最小累積コストを解く側には、「1 m あたりのコスト、単位は --cost-unit、barrier は -1、NoData は NaN」と伝える。
audit (JSON、既定は出力の名前に .audit.json): 入力の raster と band、対応表のパスと SHA-256、コストの単位、barrier の値、NoData の表し方、クラスごとの対応表の行と cell の数、passable、barrier、NoData の cell の数と合計、格子、出力のパス。
手順
- 分類図の中身を数える。整数の型か、NoData の値は何か、どのクラスが何 cell あるか、CRS と画素の大きさ。クラスの番号の意味は、データの説明で確かめる。
- 対応表を書く。全てのクラスに行を作る。通れないクラス (水域、崖など) を
barrierにするか、高いコストにするかを決めて書く。値の出どころをsourceに書く。NoData を通れるとするかは、ここでは決めない (NoData のまま渡す)。 - 変換する。
--cost-unitに単位を書く (既定値は無い。/m で終わる)。 - audit を読む。クラスごとの cell の数、passable、barrier、NoData の数と合計。cell の多いクラスのコストが、結論を左右する。
- 距離をメートルで測るなら、分類図はメートルの投影の格子であること。このスクリプトは格子を変えないので、経緯度の分類図からは経緯度の cost raster ができる。分類図を投影し直すなら、最近傍か最頻値で行い (平均や双一次は存在しないクラスを作る)、変換の前に行う。
- 書き出す (下の節)。
uvx --with numpy --with rasterio python scripts/land_cover_cost.py tmp/landcover.tif tmp/mapping.csv \
--cost-unit s/m --out tmp/cost.tif出力の場所に同じ名前のファイルがあると止まる (上書きしない)。
テストは uvx --with numpy --with rasterio --with pytest pytest scripts/test_land_cover_cost.py。クラスからコストへの変換、barrier の値 (既定と inf、コストと読まれる値の拒否)、NoData が NaN のまま残ること、NoData の無い raster、対応表に無いクラスで何も書かずに止まること、重なったクラス、0、負、NaN、inf、空、数でないコスト、barrier のコスト、status の誤り、整数でないクラス、列の欠け、浮動小数の raster、NoData の値と同じクラス、格子が変わらないこと (非正方形の画素)、ブロックに分けて読んだときのクラスごとと状態ごとの数、audit の hash、上書きの拒否、単位の検査を確かめている。対応表に無いクラスの検査を外す、NoData を有効とする、重なりの検査を外す、コストの検査を外す、barrier を NaN にする、NoData を数えない、のそれぞれで落ちることを確かめてある。
まだできないこと
- 1 つの band の、整数のクラスの分類図だけ。クラスの確率の raster (確率で重みを付けたコスト) は扱わない。
- 再投影はしない (手順 5)。
- 傾斜、道路、川などを重ねたコストは作らない。
書き出すもの
- 分類図 (版、時点、クラスの定義の出どころ)、CRS と画素の大きさ
- 対応表のパスと SHA-256、各クラスの status、cost_per_m、source
- コストの単位と barrier の値、NoData の表し方 (NaN)
- クラスごとの cell の数、passable、barrier、NoData の数と合計
- 値の出どころが試しの値や仮定なら、そう書く
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

