v.surf.bsplinegrass - آنلاین در ابر

برنامه:

نام

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

واژگان کلیدی

بردار، سطح، درونیابی، LIDAR

خلاصه

v.surf.bspline
v.surf.bspline --کمک
v.surf.bspline [-ce] ورودی=نام [لایه=رشته] [ستون=نام] [ورودی_کم=نام]
[تولید=نام] [خروجی_raster=نام] [ماسک=نام] [ew_step=شناور] [ns_step=شناور]
[روش=رشته] [lambda_i=شناور] [حل کننده=نام] [ماکسیت=عدد صحیح] [خطا=شناور]
[حافظه=عدد صحیح] [--زیاد نوشتن] [--کمک] [--واژگان] [--ساکت] [--ui]

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

-e
چگالی نقطه و فاصله را تخمین بزنید
چگالی نقطه و فاصله برای نقاط بردار ورودی در جریان را تخمین بزنید
منطقه گسترش می یابد و ترک می کند

--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 نقطه بردار ورودی
یا منبع داده برای دسترسی مستقیم OGR

لایه=رشته
شماره یا نام لایه
ویژگی های برداری می توانند مقادیر دسته بندی در لایه های مختلف داشته باشند. این عدد تعیین می کند
از کدام لایه استفاده کنید هنگامی که با دسترسی مستقیم OGR استفاده می شود، این نام لایه است.
پیش فرض: 1

ستون=نام
نام ستون ویژگی با مقادیری که برای تقریب استفاده می شود
اگر داده نشده باشد و ورودی نقشه برداری سه بعدی باشد، از مختصات z استفاده می شود.

ورودی_کم=نام
نام نقشه برداری ورودی با نقاط پراکنده
یا منبع داده برای دسترسی مستقیم OGR

تولید=نام
نام نقشه برداری خروجی

خروجی_raster=نام
نام نقشه شطرنجی خروجی

ماسک=نام
نقشه شطرنجی برای استفاده برای پوشاندن (فقط برای خروجی شطرنجی اعمال می شود)
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: 4

ns_step=شناور
طول هر پله اسپلاین در جهت شمال به جنوب
پیش فرض: 4

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

lambda_i=شناور
پارامتر تنظیم Tykhonov (بر هموارسازی تأثیر می گذارد)
پیش فرض: 0.01

حل کننده=نام
نوع حل کننده ای که باید سیستم معادلات خطی متقارن را حل کند
گزینه های ارسال: کولسکی، cg
پیش فرض: کلسکی

ماکسیت=عدد صحیح
حداکثر تعداد تکرار مورد استفاده برای حل سیستم معادلات خطی
پیش فرض: 10000

خطا=شناور
معیارهای شکست خطا برای حل کننده تکراری
پیش فرض: 0.000001

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

شرح

v.surf.bspline با Tykhonov یک درون یابی دوخطی/دو مکعبی اسپلاین انجام می دهد
منظم سازی در ورودی یک وکتور دو بعدی یا سه بعدی است نقطه نقشه ارزش ها را می توان درون یابی کرد
مقادیر z نقاط سه بعدی یا مقادیر ستون مشخصه مشخص شده توسط کاربر در دو بعدی یا سه بعدی
نقشه برداری خروجی می تواند شطرنجی باشد (خروجی_raster) یا بردار (تولید) نقشه. به صورت اختیاری، الف
نقشه برداری "نقطه پراکنده" می تواند ورودی باشد که مکان را نشان می دهد تولید بردار
نقاط.

NOTES

از منظر نظری، فرآیند درونیابی در دو بخش انجام می شود:
اول تخمینی از ضرایب خطی یک تابع spline است که از آن مشتق شده است
نقاط مشاهده با استفاده از رگرسیون حداقل مربعات. دوم محاسبه است
سطح درون یابی (یا نقاط برداری درون یابی شده). همانطور که در اینجا استفاده می شود، اسپلاین ها دو بعدی هستند
توابع چند جمله‌ای غیرصفر تکه‌ای که در یک ناحیه دو بعدی محدود محاسبه می‌شوند. طول
هر مرحله spline توسط تعریف می شود ew_step برای جهت شرقی-غربی و ns_step برای
جهت شمال به جنوب برای عملکرد بهینه، طول گام اسپلاین باید بدون باشد
کمتر از فاصله بین نقاط مشاهده هر مشاهده نقطه برداری است
به عنوان یک تابع خطی از خطوط غیر صفر در ناحیه اطراف مشاهده مدل شده است.
رگرسیون حداقل مربعات ضرایب این توابع خطی را پیش بینی می کند.
منظم شدن، از نیاز به داشتن یک مشاهده و یک ضریب برای هر کدام جلوگیری می کند
اسپلاین (به منظور جلوگیری از بی ثباتی).

با نقاط داده به طور منظم توزیع شده، یک مرحله spline مربوط به حداکثر
فاصله بین دو نقطه در دو جهت شرقی و شمالی کافی است. اما اغلب
نقاط داده به طور منظم توزیع نمی شوند و نیاز به تنظیم آماری یا
برآورد کردن. در چنین مواردی، v.surf.bspline تلاش خواهد کرد تا گرادیان را به حداقل برساند
خطوط دوخطی یا انحنای اسپلاین های دو مکعبی در نواحی فاقد مشاهدات نقطه ای.
به عنوان یک قاعده کلی، طول گام اسپلاین باید بیشتر از میانگین فاصله بین آنها باشد
نقاط مشاهده (دو برابر فاصله بین نقاط نقطه شروع خوبی است). جداگانه، مجزا
آرگومان های طول گام خط مشروط شرق-غرب و شمال-جنوب به کاربر اجازه می دهد تا برخی از آنها را محاسبه کند
درجه ناهمسانگردی در توزیع نقاط مشاهده. طول گام های اسپلاین کوتاه
- به خصوص طول گام های اسپلاین که کمتر از فاصله بین مشاهده است
امتیاز - می تواند زمان پردازش را تا حد زیادی افزایش دهد.

علاوه بر این، حداکثر تعداد spline برای هر جهت در هر زمان ثابت است،
صرف نظر از طول گام اسپلاین. با افزایش تعداد کل اسپلاین های استفاده شده (به عنوان مثال،
با طول گام های اسپلاین کوچک)، منطقه به طور خودکار به زیرمنطقه هایی تقسیم می شود
درون یابی هر زیرمنطقه نمی تواند بیش از 150x150 spline داشته باشد. برای جلوگیری از زیرمنطقه
مشکلات مرزی، مناطق فرعی ایجاد می شوند تا تا حدی با یکدیگر همپوشانی داشته باشند. میانگین وزنی
مشاهدات، بر اساس مکان های نقطه، در هر زیر منطقه محاسبه می شود.

پارامتر تنظیم Tykhonov (lambda_i) برای صاف کردن درون یابی عمل می کند. با یک
کوچک lambda_iسطح درون یابی شده دقیقاً از نقاط مشاهده پیروی می کند. بزرگتر
مقدار درون یابی نرم تری ایجاد می کند.

ورودی می تواند یک نقشه نقاط برداری دو بعدی یا سه بعدی باشد. اگر ورودی سه بعدی باشد و ستون داده نمی شود از
مختصات z برای درونیابی استفاده می شود. پارامتر ستون زمانی که ورودی 2 بعدی است مورد نیاز است
نقشه برداری

v.surf.bspline می تواند تولید کند خروجی_raster یا الف تولید (اما نه به طور همزمان). توجه داشته باشید که
توپولوژی برای نقشه نقطه برداری خروجی ساخته نشده است. در صورت لزوم می توان توپولوژی را ساخت
by v.build.

اگر خروجی نقشه نقاط برداری باشد و a پراکنده نقشه نقاط برداری مشخص نشده است
نقشه برداری خروجی شامل نقاطی در همان مکان هایی است که نقاط مشاهده در آن قرار دارند
نقشه ورودی، اما مقادیر نقاط خروجی مقادیر درون یابی هستند. اگر در عوض الف
پراکنده نقشه نقاط برداری مشخص شده است، نقشه برداری خروجی شامل نقاطی در
همان مکان‌هایی که نقاط نقشه برداری پراکنده هستند و مقادیر مربوط به آن خواهد بود
سطح شطرنجی درون یابی شده در آن نقاط.

برای کمک به تعیین بهینه، یک تجزیه و تحلیل اعتبار متقاطع در دسترس است
lambda_i مقداری که درون یابی را ایجاد می کند که بهترین تناسب را با مشاهدات اصلی دارد
داده ها. هرچه نقاط بیشتری برای اعتبارسنجی متقاطع استفاده شود، زمان مورد نیاز برای آن بیشتر خواهد بود
محاسبه آزمون تجربی نشان می دهد که آستانه حداکثر 100 امتیاز است
توصیه شده. توجه داشته باشید که اگر بیش از 100 مشاهده انجام شود، اعتبارسنجی متقاطع می تواند بسیار کند اجرا شود
استفاده می شود. گزارش های خروجی اعتبارسنجی متقابل متوسط و RMS از باقی مانده از واقعی است
مقدار نقطه و برآورد از درونیابی برای یک سری ثابت از lambda_i
ارزش های. هنگام انتخاب اعتبار متقابل، هیچ خروجی برداری و شطرنجی ایجاد نخواهد شد.

مثال ها

اساسی درون یابی
v.surf.bspline input=point_vector output=interpolate_surface method=bicubic
یک درون یابی دو مکعبی اسپلاین انجام خواهد شد و یک نقشه نقاط برداری با تخمین زده شده (یعنی
درونیابی) مقادیر ایجاد خواهد شد.

اساسی درون یابی و محل تصویر تولید با a دیگر نوار باریک گام
v.surf.bspline input=point_vector raster=interpolate_surface ew_step=25 ns_step=25
درون یابی اسپلاین دوخطی با طول گام اسپلاین 25 واحد نقشه انجام خواهد شد. یک
نقشه شطرنجی درونیابی شده با وضوح منطقه فعلی ایجاد خواهد شد.

برآورد کردن of lambda_i پارامتر با a صلیب اعتبار سنجی فرآیند
v.surf.bspline -c input=point_vector

برآورد کردن on پراکنده نقطه
v.surf.bspline input=point_vector sparse=sparse_points output=interpolate_surface
یک نقشه خروجی از نقاط برداری ایجاد خواهد شد که مطابق با نقشه برداری پراکنده است،
با مقادیر درون یابی

با استفاده از صفت ارزش در عوض مختصات z
v.surf.bspline input=point_vector raster=interpolate_surface layer=1 \
column=attrib_column
درون یابی با استفاده از مقادیر in انجام خواهد شد attrib_column، در جدول مرتبط
با لایه 1

شمال کارولینای محل مثال با استفاده از مختصات z برای درون یابی
منطقه g.region=rural_1m res=2 -p
v.surf.bspline input=elev_lid792_bepts raster=elev_lid792_rast \
ew_step=5 ns_step=5 متد=دو مکعب lambda_i=0.1

شناخته شده مسائل

مشکلات شناخته شده:

به منظور جلوگیری از مشکلات حافظه RAM، یک جدول کمکی برای ضبط برخی موارد مورد نیاز است
محاسبات میانی این مستلزم گروه BY تابع SQL استفاده می شود که اینطور نیست
توسط درایور DBF پشتیبانی می شود. به همین دلیل، خروجی نقشه برداری (تولید) مجاز نیست
با درایور DBF هیچ مشکلی در خروجی نقشه شطرنجی از درایور DBF وجود ندارد.

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 v.surf.bsplinegrass به صورت آنلاین استفاده کنید