v.vol.rstgrass - آنلاین در ابر

برنامه:

نام

v.vol.rst - داده‌های نقطه‌ای را با استفاده از spline منظم به یک نقشه شطرنجی سه‌بعدی درون‌یابی می‌کند
الگوریتم کشش (RST)

واژگان کلیدی

بردار، وکسل، سطح، درونیابی، RST

خلاصه

v.vol.rst
v.vol.rst --کمک
v.vol.rst [-c] ورودی=نام [cross_input=نام] [ستون دوم=نام] [تنش=شناور]
[هموار کردن=شناور] [صاف_ستون=نام] [جایی که=sql_query] [انحرافات=نام]
[cvdev=نام] [نقشه ماسک=نام] [segmax=عدد صحیح] [npmin=عدد صحیح] [npmax=عدد صحیح]
[دومین=شناور] [wscale=شناور] [zscale=شناور] [cross_output=نام] [ارتفاع=نام]
[شیب=نام] [جنبه_افقی=نام] [جنبه_عمودی=نام] [انحنا=نام]
[انحنای g=نام] [انحنا=نام] [--زیاد نوشتن] [--کمک] [--واژگان] [--ساکت]
[--ui]

پرچم ها:
-c
یک روش اعتبارسنجی متقاطع را بدون درون یابی حجمی انجام دهید

--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 نقاط برداری سه بعدی ورودی

cross_input=نام
نام نقشه شطرنجی سطح ورودی برای مقطع

ستون دوم=نام
نام ستون حاوی صفت w-values ​​برای درون یابی

تنش=شناور
پارامتر تنش
پیش فرض: 40.

هموار کردن=شناور
پارامتر صاف کردن
پیش فرض: 0.1

صاف_ستون=نام
نام ستون با پارامترهای هموارسازی

جایی که=sql_query
شرایط WHERE دستور SQL بدون کلمه کلیدی "where".
مثال: درآمد < 1000 و inhab > = 10000

انحرافات=نام
نام نقشه نقطه بردار انحرافات خروجی

cvdev=نام
نام برای خروجی نقشه نقطه بردار خطاهای اعتبارسنجی متقابل

نقشه ماسک=نام
نام نقشه شطرنجی ورودی که به عنوان ماسک استفاده می شود

segmax=عدد صحیح
حداکثر تعداد امتیاز در یک بخش
پیش فرض: 50

npmin=عدد صحیح
حداقل تعداد نقاط برای تقریب در یک بخش (>segmax)
پیش فرض: 200

npmax=عدد صحیح
حداکثر تعداد نقاط برای تقریب در یک بخش (>npmin)
پیش فرض: 700

دومین=شناور
حداقل فاصله بین نقاط (برای حذف نقاط تقریبا یکسان)

wscale=شناور
ضریب تبدیل برای مقادیر w مورد استفاده برای درونیابی
پیش فرض: 1.0

zscale=شناور
ضریب تبدیل برای مقادیر z
پیش فرض: 1.0

cross_output=نام
نام نقشه شطرنجی مقطع خروجی

ارتفاع=نام
نام نقشه شطرنجی سه بعدی ارتفاع خروجی

شیب=نام
نام نقشه شطرنجی سه بعدی قدر گرادیان خروجی

جنبه_افقی=نام
نام نقشه شطرنجی سه بعدی زاویه افقی شیب خروجی

جنبه_عمودی=نام
نام نقشه شطرنجی سه بعدی زاویه عمودی گرادیان خروجی

انحنا=نام
نام تغییر خروجی نقشه شطرنجی سه بعدی گرادیان

انحنای g=نام
نام خروجی نقشه شطرنجی سه بعدی انحنای گاوسی

انحنا=نام
نام خروجی میانگین انحنای نقشه شطرنجی سه بعدی

شرح

v.vol.rst مقادیر را به یک نقشه شطرنجی سه بعدی از داده های نقطه سه بعدی درون یابی می کند
(به عنوان مثال دما، داده های بارندگی از ایستگاه های آب و هوایی، غلظت از سوراخ های حفاری
و غیره) در یک فایل نقطه برداری سه بعدی به نام ورودی. اندازه نقشه شطرنجی سه بعدی خروجی
ارتفاع توسط منطقه سه بعدی فعلی ارائه می شود. گاهی اوقات، کاربر ممکن است بخواهد یک نقشه دو بعدی دریافت کند
نشان دادن یک پدیده مدل شده در سطح مقطع. در این مورد، cross_input و
cross_output گزینه ها باید با خروجی نقشه شطرنجی دوبعدی مشخص شوند cross_output
شامل مقطع حجم درون یابی شده با سطحی که توسط
cross_input نقشه شطرنجی دوبعدی به عنوان یک گزینه، همزمان با درون یابی، هندسی
پارامترهای پدیده درون یابی را می توان محاسبه کرد (میزان گرادیان،
جهت شیب تعریف شده توسط زوایای افقی و عمودی)، تغییر گرادیان،
انحنای گاوس کرونکر یا انحنای متوسط). این پارامترهای هندسی به صورت سه بعدی ذخیره می شوند
نقشه های شطرنجی شیب، جنبه_افقی، جنبه_عمودی، انحنا، انحنای g
انحنا، به ترتیب. نقشه ها جنبه_افقی و جنبه_عمودی بر حسب درجه هستند.

در ابتدا، نقاط داده برای موقعیت‌های یکسان و نقاط نزدیک‌تر بررسی می‌شوند
یکدیگر نسبت به داده شده دومین حذف می شوند. مولفه های wscale و zscale به کاربر اجازه دهد
مقادیر w و مختصات z داده های نقطه را مجدداً مقیاس کنید (مثلاً برای تبدیل مفید است
ارتفاعات بر حسب فوت به متر داده می شود تا مقادیر مناسب گرادیان و
انحناها را می توان محاسبه کرد). تغییر مقیاس مختصات z (zscale) همچنین زمانی مورد نیاز است که
فواصل در جهت عمودی بسیار کوچکتر از فواصل افقی است. اگر این باشد
مورد، ارزش zscale باید طوری انتخاب شود که عمودی و افقی باشد
فاصله ها تقریباً به همین اندازه است.

در درونیابی از روش اسپلاین منظم با کشش استفاده شده است. در تنش
پارامتر فاصله ای را که هر نقطه داده شده بر روی نتیجه تأثیر می گذارد را کنترل می کند
حجم (با کشش بسیار بالا، هر نقطه فقط بر همسایگی نزدیک خود تاثیر می گذارد
حجم به سرعت به سمت روند بین نقاط می رود). مقادیر بالاتر پارامتر کشش
ریزش هایی را که می توانند در حجم ها با تغییر سریع گرادیان ظاهر شوند، کاهش دهید. برای پر سر و صدا
داده ها، می توان یک پارامتر هموارسازی جهانی تعریف کرد، هموار کردن. با صاف کردن
پارامتر روی صفر (صاف=0) حجم حاصل دقیقاً از داده ها عبور می کند
نکته ها. هنگامی که از صاف کردن استفاده می شود، امکان خروجی یک نقشه برداری وجود دارد انحرافات
حاوی انحرافات حجم حاصل از داده های داده شده است.

کاربر می تواند یک نقشه شطرنجی دوبعدی با نام تعریف کند نقشه ماسک، که به عنوان ماسک استفاده خواهد شد. در
درون یابی برای سلول های 3 بعدی که برآمدگی دو بعدی آنها صفر است حذف می شود.
ارزش در ماسک مقادیر صفر در تمام شطرنجی سه بعدی خروجی به این سلول ها اختصاص داده می شود
نقشه ها.

اگر تعداد نقاط داده شده بیشتر از 700 باشد، از پردازش تقسیم شده استفاده می شود. در
منطقه به بخش های "جعبه" 3 بعدی تقسیم می شود که هر کدام کمتر از segmax امتیازات و
درونیابی در هر بخش از منطقه انجام می شود. برای اطمینان از اتصال صاف
از قطعات، تابع درون یابی برای هر بخش با استفاده از نقاط در محاسبه می شود
بخش داده شده و نقاط همسایگی آن. حداقل امتیاز گرفته شده
برای درونیابی توسط کنترل می شود npmin ، که مقدار آن باید بزرگتر از segmax
و کمتر از 700. این حد 700 برای اطمینان از ثبات عددی انتخاب شده است
کارایی الگوریتم

SQL پشتیبانی
با استفاده از جایی که پارامتر، درون یابی را می توان محدود به استفاده از یک زیر مجموعه از
بردارهای ورودی
# آماده سازی مانند مثال بالا
v.vol.rst elevrand_3d wcol=soilrange elevation=soilrange zscale=100 where="soilrange > 3"

صلیب اعتبار سنجی روش
گاهی اوقات تشخیص مقادیر مناسب پارامترهای درونیابی دشوار است.
در این مورد، کاربر می تواند از یک روش اعتبارسنجی متقابل استفاده کند -c پرچم (معروف به
روش "jack-knife") برای یافتن پارامترهای بهینه برای داده های داده شده. در این روش هر
نقطه در فایل نقطه ورودی به طور موقت از محاسبات حذف می شود و
خطای درون یابی برای این مکان نقطه محاسبه می شود. در طول این روش هیچ خروجی
فایل های شبکه ای را می توان به طور همزمان محاسبه کرد. رویه برای مجموعه داده های بزرگتر ممکن است به طول انجامد
زمان بسیار طولانی است، بنابراین ممکن است ارزش داشته باشد که فقط از یک داده نمونه که کل را نشان می دهد استفاده کنید
مجموعه داده

مثال (مستقر on اسلواکی 3d مجموعه داده):

v.info -c precip3d
g.region n=5530000 s=5275000 w=4186000 e=4631000 res=500 -p
v.vol.rst -c input=precip3d wcolumn=precip zscale=50 segmax=700 cvdev=cvdevmap tension=10
v.db.cvdevmap را انتخاب کنید
v.univar cvdevmap col=flt1 type=point
بر اساس این نتایج، پارامترها باید بهینه شوند. توصیه می شود به
هنگام اصلاح پارامترها، خطای CV را به عنوان منحنی رسم کنید.

بهترین رویکرد این است که با آن شروع کنید تنش, هموار کردن و zscale با گام های ناهموار، یا برای تنظیم
zscale به یک ثابت چیزی بین 30-60. این کمک می کند تا حداقل مقادیر RMSE را پیدا کنید
سپس مراحل دقیق تری را می توان در تمام پارامترها استفاده کرد. محدوده معقول است تنش=10...100،
هموار کردن=0.1...1.0، zscale=10...100.

In v.vol.rst پارامتر تنش به تغییرات بسیار حساس تر از در است v.surf.rst,
بنابراین کاربر باید همیشه نتیجه را با بازرسی بصری بررسی کند. به حداقل رساندن CV انجام می دهد
همیشه بهترین نتیجه را ارائه نمی دهد، به خصوص زمانی که تراکم داده ها کافی نیست.
سپس نتیجه بهینه بدست آمده توسط CV یک سطح بیش از حد صاف است.

NOTES

نقشه نقاط برداری باید یک نقشه برداری سه بعدی (x، y، z به عنوان هندسه) باشد. ماژول v.in.db
می توان برای تولید یک نقشه برداری سه بعدی از جدولی حاوی ستون های x،y،z استفاده کرد. همچنین
داده های ورودی باید در یک سیستم مختصات پیش بینی شده، مانند Univeral Transverse باشد
مرکاتور. به نظر نمی رسد این ماژول از مختصات جغرافیایی (Lat/Long) پشتیبانی کند
از تاریخ 2009 ماه مه

v.vol.rst از اسپلاین منظم با کشش برای درونیابی از داده های نقطه ای استفاده می کند (مانند
شرح داده شده در میتاسووا و میتاس، 1993). پیاده سازی دارای تقسیم بندی بهبود یافته است
رویه مبتنی بر Oct-trees که کارایی را برای مجموعه داده های بزرگ افزایش می دهد.

پارامترهای هندسی - بزرگی گرادیان (شیب، افقی (جنبه_افقی)
و عمودی (جنبه_عمودی)جنبه ها، تغییر گرادیان (انحنا) گاوس کرونکر
(انحنای g) و انحنای متوسط ​​(انحنا) مستقیماً از درون یابی محاسبه می شوند
به طوری که روابط مهم بین این پارامترها حفظ شود. بیشتر
اطلاعات مربوط به این پارامترها را می توان در Mitasova و همکاران، 1995 یا Thorpe، 1979 یافت.

این برنامه هشدار می دهد زمانی که بیش از حد قابل توجهی ظاهر می شود و باید تنش بالاتر باشد
استفاده شده. با این حال، با کشش بیش از حد بالا، حجم حاصل حداکثر محلی در هر یک خواهد داشت
نقطه داده شده و در هر جای دیگر حجم به سرعت به سمت روند می رود. با یک صاف کردن
پارامتر بزرگتر از صفر، حجم از نقاط داده عبور نمی کند و
پارامتر بالاتر باشد حجم به روند نزدیکتر خواهد بود. برای نظریه هموارسازی
با اسپلاین به تلمی و گیلات، 1977 یا وهبا، 1990 مراجعه کنید.

اگر یک اتصال قابل مشاهده از بخش ها ظاهر شد، برنامه باید با بالاتر اجرا شود npmin
برای گرفتن امتیاز بیشتر از همسایگی بخش داده شده.

اگر تعداد نقاط یک نقشه برداری کمتر از 400 باشد، segmax باید روی 400 تنظیم شود بنابراین
زمانی که لازم نیست تقسیم بندی انجام نمی شود.

زمانی که کاربر بخواهد خارج از "جعبه" ارائه شده توسط درون یابی کند، برنامه هشدار می دهد
حداقل و حداکثر مختصات در نقشه برداری ورودی. برای رفع این مشکل، بزرگنمایی کنید
ناحیه ای که نقاط داده بردار ورودی را در بر می گیرد.

برای مجموعه داده‌های بزرگ (هزاران نقطه داده)، پیشنهاد می‌شود بزرگ‌نمایی به کوچک‌تر شود
منطقه نماینده و تست کنید که آیا پارامترهای انتخاب شده (مثلاً پیش فرض ها) هستند یا خیر
مناسب است.

کاربر باید اجرا شود منطقه g قبل از برنامه برای تنظیم منطقه 3 بعدی برای درونیابی.

مثال ها

مثال نیزه ماهی (ما ابتدا داده های محدوده خاک سه بعدی را شبیه سازی می کنیم):
g.region -dp
# حجم را تعریف کنید
g.region res=100 tbres=100 res3=100 b=0 t=1500 -ap3
### بخش اول: تولید داده های سه بعدی مصنوعی (ترجیح داده های خاک سه بعدی واقعی)
# ایجاد موقعیت های تصادفی از نقشه ارتفاع (2 بعدی)
r.ارتفاع تصادفی.10m vector_output=elevrand n=200
# ارزش های مصنوعی تولید کنید
v.db.addcolumn elevrand col="x double precision, y double precision"
v.to.db elevrand option=coor col=x,y
v.db.elevrand را انتخاب کنید
# نقشه سه بعدی جدید ایجاد کنید
v.in.db elevrand out=elevrand_3d x=xy=yz=value key=cat
v.info -c elevrand_3d
v.info -t elevrand_3d
# ستون های اضافی "x"، "y" و "value" (z) را حذف کنید
v.db.dropcolumn elevrand_3d col=x
v.db.dropcolumn elevrand_3d col=y
v.db.dropcolumn elevrand_3d col=value
# ویژگی را اضافه کنید تا داده های موجود برای درونیابی سه بعدی در دسترس باشد
# (انواع محدوده خاک برگرفته از بررسی خاک USDA)
d.mon wx0
د.رست خاک ها.محدوده
d.vect elevrand_3d
v.db.addcolumn elevrand_3d col="عدد صحیح محدوده خاک"
v.what.rast elevrand_3d col=soilrange rast=soils.range
# 0 (بدون داده در نقشه شطرنجی) را به NULL ثابت کنید:
v.db.update elevrand_3d col=soilrange value=NULL where="soilrange=0"
v.db.elevrand_3d را انتخاب کنید
# اختیاری: نقاط سه بعدی را در Paraview بررسی کنید
v.out.vtk input=elevrand_3d output=elevrand_3d.vtk type=point dp=2
paraview --data=elevrand_3d.vtk
### بخش دوم: درونیابی سه بعدی از داده های نقطه سه بعدی
# حجم را به نقشه وکسل "محدوده خاک" درون یابی کنید
v.vol.rst input=elevrand_3d wcol=طول خاک elevation=محدوده خاک zscale=100
# تجسم I: در GRASS GIS wxGUI
g.gui
# بار: نقشه شطرنجی دوبعدی: ارتفاع.2 متر
# نقشه شطرنجی سه بعدی: محدوده خاک
# تجسم II: صادرات به Paraview
r.mapcalc "پایین = 0.0"
r3.out.vtk -s ورودی = محدوده خاک بالا = ارتفاع. 10 متر پایین = dp پایین = 2 خروجی = حجم.vtk
paraview --data=volume.vtk

شناخته شده مسائل

انحرافات فایل به صورت دو بعدی نوشته می شود و انحرافات به عنوان ویژگی نوشته نمی شوند.

مراجع

Hofierka J.، Parajka J.، Mitasova H.، Mitas L.، 2002، درون یابی چند متغیره
بارش با استفاده از اسپلاین منظم با کشش. معاملات در GIS 6، صص 135-150.

Mitas, L., Mitasova, H., 1999, Spatial Interpolation. در: P.Longley، MF Goodchild، DJ
Maguire، DWRhind (ویرایش)، سیستم های اطلاعات جغرافیایی: اصول، تکنیک ها،
مدیریت و کاربردها، ویلی، صص481-492

Mitas L.، Brown WM، Mitasova H.، 1997، نقش کارتوگرافی پویا در شبیه سازی
فرآیندهای چشم انداز بر اساس زمینه های چند متغیره. کامپیوتر و علوم زمین، جلد. 23، شماره
4، صفحات 437-446 (شامل CDROM و WWW: www.elsevier.nl/locate/cgvis)

Mitasova H., Mitas L., Brown WM, DP Gerdes, I. Kosinovsky, Baker, T.1995, Modeling
پدیده های توزیع شده مکانی و زمانی: روش ها و ابزارهای جدید برای GRASS GIS.
مجله بین المللی GIS، 9 (4)، ویژه نامه ادغام GIS و محیط زیست
مدلینگ، 433-446.

Mitasova, H., Mitas, L., Brown, B., Kosinovsky, I., Baker, T., Gerdes, D. (1994):
درونیابی و تجسم چند بعدی در GRASS GIS

Mitasova H. و Mitas L. 1993: درون یابی توسط اسپلاین منظم با تنش: I. نظریه
و اجرا، ریاضی زمین شناسی 25، 641-655.

Mitasova H. and Hofierka J. 1993: Interpolation by Regularized Spline with Tension: II.
کاربرد در مدلسازی زمین و تحلیل هندسه سطح، ریاضی زمین شناسی شماره ۱۰۲۹،
657 667.

Mitasova، H.، 1992: قابلیت های جدید برای درونیابی و تجزیه و تحلیل توپوگرافی در GRASS،
بریده علف 6، شماره 2 (تابستان)، ص13.

Wahba، G.، 1990: مدل های Spline برای داده های مشاهده ای، کنفرانس منطقه ای CNMS-NSF
سری در ریاضیات کاربردی، 59، SIAM، فیلادلفیا، پنسیلوانیا.

Mitas, L., Mitasova H., 1988: رویکرد تنوع کلی به مسئله درونیابی،
کامپیوتر و ریاضیات با کاربردها 16، ص. 983

Talmi, A. and Gilat, G., 1977 : Method for Smooth Approximation of Data, Journal of
فیزیک محاسباتی، 23، ص93-123.

Thorpe, JA (1979): مباحث ابتدایی در هندسه دیفرانسیل. Springer-Verlag، جدید
یورک، ص 6-94.

با استفاده از خدمات onworks.net از v.vol.rstgrass به صورت آنلاین استفاده کنید