r.resamp.bsplinegrass - آنلاین در ابر

برنامه:

نام

r.resamp.bspline - درون یابی دوخطی یا دو مکعبی اسپلاین را با تیخونوف انجام می دهد
منظم سازی

واژگان کلیدی

شطرنجی، سطح، نمونه‌برداری مجدد، درون‌یابی

خلاصه

r.resamp.bspline
r.resamp.bspline --کمک
r.resamp.bspline [-nc] ورودی=نام تولید=نام [شبکه=نام] [ماسک=نام] [ew_step=شناور]
[ns_step=شناور] [روش=رشته] [یازدهمین حرف الفبای یونانی=شناور] [حافظه=عدد صحیح] [--زیاد نوشتن]
[--کمک] [--واژگان] [--ساکت] [--ui]

پرچم ها:
-n
فقط سلول های تهی را در نقشه شطرنجی ورودی درون یابی کنید

-c
با استفاده از اعتبارسنجی متقاطع "leave-one-out" بهترین پارامتر تنظیم کننده Tykhonov را پیدا کنید
روش

--زیاد نوشتن
به فایل های خروجی اجازه بازنویسی فایل های موجود را بدهید

--کمک
خلاصه استفاده از چاپ

-- پرحرف
خروجی ماژول گویا

--ساکت
خروجی ماژول بی صدا

--ui
راه اندازی اجباری گفتگوی رابط کاربری گرافیکی

پارامترهای:
ورودی=نام [ضروری]
نام نقشه شطرنجی ورودی

تولید=نام [ضروری]
نام نقشه شطرنجی خروجی

شبکه=نام
نام نقشه برداری خروجی با شبکه درونیابی

ماسک=نام
نام نقشه شطرنجی برای استفاده برای ماسک کردن
فقط سلول هایی که NULL و صفر نیستند درون یابی می شوند

ew_step=شناور
طول هر پله اسپلاین در جهت شرقی-غربی. پیش فرض: 1.5 * ewres.

ns_step=شناور
طول هر پله اسپلاین در جهت شمال به جنوب. پیش فرض: 1.5 * nsres.

روش=رشته
الگوریتم درون یابی Spline
گزینه های ارسال: دو خطی، دو مکعبی
پیش فرض: دو مکعبی
دو خطی: درون یابی دو خطی
دو مکعبی: درون یابی دو مکعبی

یازدهمین حرف الفبای یونانی=شناور
پارامتر تنظیم Tykhonov (بر هموارسازی تأثیر می گذارد)
پیش فرض: 0.01

حافظه=عدد صحیح
حداکثر حافظه مورد استفاده (بر حسب مگابایت)
اندازه کش برای ردیف های شطرنجی
پیش فرض: 300

شرح

r.resamp.bspline با Tykhonov یک درون یابی دوخطی/دو مکعبی اسپلاین انجام می دهد
منظم سازی ورودی یک نقشه سطح شطرنجی است، به عنوان مثال ارتفاع، دما،
بارش و غیره. خروجی یک نقشه شطرنجی است. به صورت اختیاری، فقط سلول های NULL ورودی هستند
درون یابی، مفید برای پر کردن سلول های NULL، جایگزینی برای r.fillnulls. با استفاده از -n پرچم
فقط درون یابی سلول های NULL باعث افزایش سرعت ماژول می شود.

نقشه شطرنجی ورودی با وضوح اصلی خود خوانده می شود، نقشه شطرنجی خروجی خواهد بود
تولید شده برای منطقه محاسباتی فعلی مجموعه با منطقه g. هر ماسکی خواهد بود
ارزش‌های پوشانده شده به عنوان سلول‌های NULL در ورودی و خروجی در نظر گرفته می‌شوند
نقشه

مقادیر مرحله Spline ew_step برای جهت شرقی-غربی و ns_step برای شمال-جنوب
جهت نباید کوچکتر از قطعنامه های شرقی- غربی و شمالی-جنوبی باشد
نقشه ورودی برای نقشه شطرنجی بدون سلول های NULL، می توان از وضوح 1 * استفاده کرد، اما بررسی کنید
زیر شاخه ها و بیش از حد. برای مناطق بسیار بزرگ با مقادیر گمشده (سلول های NULL)، بزرگتر
مقادیر مرحله spline ممکن است مورد نیاز باشد، اما بیشتر اوقات پیش فرض (رزولوشن 1.5 x)
باید خوب باشد

پارامتر تنظیم Tykhonov (یازدهمین حرف الفبای یونانی) برای صاف کردن درون یابی عمل می کند. با یک
کوچک یازدهمین حرف الفبای یونانیسطح درون یابی شده دقیقاً از نقاط مشاهده پیروی می کند. یک مقدار بزرگتر
درون یابی نرم تری ایجاد خواهد کرد. مقادیر معقول عبارتند از 0.0001، 0.001، 0.005، 0.01،
0.02، 0.05، 0.1 (نیاز به آزمایش بیشتری دارد). برای درون یابی سلول NULL بدون درز، یک مقدار کوچک است
مورد نیاز است و پیش فرض روی 0.005 تنظیم شده است.

از منظر نظری، فرآیند درونیابی در دو بخش انجام می شود:
اول تخمینی از ضرایب خطی یک تابع spline است. اینها مشتق شده اند
از نقاط مشاهده با استفاده از رگرسیون حداقل مربعات. دومی است
محاسبه سطح درون یابی (یا نقاط برداری درون یابی شده). همانطور که در اینجا استفاده می شود،
خطوط دوبعدی توابع چند جمله ای غیرصفر تکه ای دوبعدی هستند که در یک دو بعدی محدود محاسبه می شوند.
حوزه. طول هر مرحله spline با تعریف می شود ew_step برای جهت شرقی-غربی و
ns_step برای جهت شمال به جنوب برای عملکرد بهینه، مقدار گام spline
نباید کمتر از وضوح شرقی-غربی و شمال-جنوب نقشه ورودی باشد. هر یک
مشاهده سلول های غیر NULL به عنوان یک تابع خطی از خطوط غیر صفر در
منطقه اطراف رصد رگرسیون حداقل مربعات ضرایب را پیش بینی می کند
از این توابع خطی منظم سازی از نیاز به داشتن یک مشاهده اجتناب می کند و
یک ضریب برای هر اسپلاین (به منظور جلوگیری از ناپایداری).

برای کمک به تعیین بهینه، یک تجزیه و تحلیل اعتبار متقاطع در دسترس است
یازدهمین حرف الفبای یونانی مقداری که درون یابی را ایجاد می کند که بهترین تناسب را با داده های مشاهده اصلی دارد.
هرچه نقاط بیشتری برای اعتبارسنجی متقاطع استفاده شود، زمان مورد نیاز برای محاسبه طولانی‌تر خواهد بود.
آزمایش تجربی نشان می دهد که آستانه حداکثر 100 امتیاز توصیه می شود. توجه داشته باشید
اگر بیش از 100 مشاهده استفاده شود، اعتبار سنجی متقاطع می تواند بسیار کند اجرا شود. را
گزارش های خروجی اعتبار سنجی متقابل متوسط و RMS باقیمانده از مقدار نقطه واقعی
و برآورد از درونیابی برای یک سری ثابت از یازدهمین حرف الفبای یونانی ارزش های. بدون بردار
با انتخاب اعتبار متقابل، خروجی شطرنجی ایجاد نخواهد شد.

مثال ها

اساسی درون یابی
r.resamp.bspline input=raster_surface output=interpolated_surface method=bicubic
یک درون یابی اسپلاین دو مکعبی انجام خواهد شد و یک نقشه شطرنجی با برآورد (یعنی،
درونیابی) مقادیر ایجاد خواهد شد.

درون یابی of NULL سلول های و وصله
روند عمومی:
# منطقه را به منطقه با سلول های NULL تنظیم کنید، منطقه را با نقشه ورودی تراز کنید
g.region n=شمال s=جنوب e=شرق w=غرب تراز=ورودی -p
# سلول های NULL را درون یابی کنید
r.resamp.bspline -n ​​input=input_raster output=interpolated_nulls method=bicubic
# منطقه را به منطقه با سلول های NULL تنظیم کنید، منطقه را با نقشه ورودی تراز کنید
g.region raster=input -p
# پچ نقشه اصلی و NULL های درون یابی شده
r.patch input=input_raster,interpolated_nulls output=input_raster_gapfilled

درون یابی of NULL سلول های و وصله (NC داده ها)
در این مثال، نقشه ارتفاع SRTM در محل مجموعه داده نمونه کارولینای شمالی است
فیلتر شده برای مقادیر دور از ارتفاع. سپس پیکسل های از دست رفته دوباره درون یابی می شوند تا a به دست آید
نقشه کامل ارتفاع:
g.region raster=elev_srtm_30m -p
d.mon wx0
d.هیستوگرام elev_srtm_30m
r.univar -e elev_srtm_30m
# ارتفاعات خیلی کم (به ویژه دریاچه ها) را حذف کنید
# آستانه: آستانه = Q1 - 1.5 * (Q3 - Q1)
r.mapcalc "elev_srtm_30m_filt = if(elev_srtm_30m < 50.0, null()، elev_srtm_30m)"
# تأیید کنید
d.هیستوگرام elev_srtm_30m_filt
د.پاک کردن
d.rast elev_srtm_30m_filt
r.resamp.bspline -n ​​input=elev_srtm_30m_filt output=elev_srtm_30m_complete \
روش=دو مکعبی
d.histogram elev_srtm_30m_complete
d.rast elev_srtm_30m_complete

برآورد کردن of یازدهمین حرف الفبای یونانی پارامتر با یک فرآیند اعتبار سنجی متقابل
ابتدا باید یک نمونه تصادفی از نقاط ایجاد شود r.تصادفی، و منطقه فعلی
نباید بیش از 100 سلول تصادفی غیر NULL داشته باشد.
r.resamp.bspline -c input=input_raster

مراجع

Brovelli MA، Cannata M. و Longoni UM، 2004، LIDAR Data Filtering و DTM
Interpolation Within GRASS, Transactions in GIS, April 2004, vol. 8، iss. 2، صص
155-174(20)، Blackwell Publishing Ltd

Brovelli MA و Cannata M.، 2004، بازسازی مدل زمین دیجیتال در شهری
مناطقی از داده های اسکن لیزری هوابرد: روش و نمونه ای برای پاویا
(شمال ایتالیا). کامپیوتر و علوم زمین 30، صص 325-331

· Brovelli M. A e Longoni UM, 2003, Software per il filtraggio di dati LIDAR,
Rivista dell'Agenzia del Territorio، n. 3-2003، pp. 11-22 (ISSN 1593-2192)

· Antolin R. and Brovelli MA, 2007, LiDAR data filtering with GRASS GIS برای
تعیین مدل های دیجیتالی زمین. مجموعه مقالات Jornadas de SIG Libre،
خیرونا، اسپانیا سی دی شابک: 978-84-690-3886-9

با استفاده از خدمات onworks.net از r.resamp.bsplinegrass به صورت آنلاین استفاده کنید