r.random.surfacegrass - Online sa Cloud

PROGRAMA:

NAME

r.random.ibabaw - Bumubuo ng random na (mga) ibabaw na may spatial na pag-asa.

KEYWORDS

raster, ibabaw, random

SINOPSIS

r.random.ibabaw
r.random.ibabaw - Tumulong
r.random.ibabaw [-u] output=pisi[,pisi,...] [layo=lumutang] [tagapagpatawad=lumutang]
[patag=lumutang] [magbigay ng binhi=kabuuan] [mataas=kabuuan] [--patungan] [--Tulungan] [--pandiwang]
[--tahimik] [--ui]

Mga Bandila:
-u
Pare-parehong ipinamahagi ang mga halaga ng cell

--patungan
Pahintulutan ang mga output file na i-overwrite ang mga kasalukuyang file

- Tumulong
I-print ang buod ng paggamit

--verbose
Verbose na output ng module

--tahimik
Tahimik na output ng module

--ui
Piliting ilunsad ang dialog ng GUI

parameter:
output=string [, string,...] [kailangan]
Pangalan para sa (mga) mapa ng output raster

layo=lumutang
Pinakamataas na distansya ng spatial na ugnayan (value >= 0.0)
Default: 0.0

tagapagpatawad=lumutang
Exponent ng pagkabulok ng distansya (value > 0.0)
Default: 1.0

patag=lumutang
Ang filter ng distansya ay nananatiling flat bago simulan ang exponent
Default: 0.0

magbigay ng binhi=kabuuan
Random na binhi (SEED_MIN >= value >= SEED_MAX), default [random]

mataas=kabuuan
Pinakamataas na halaga ng cell ng pamamahagi
Default: 255

DESCRIPTION

r.random.ibabaw bumubuo ng isang spatially dependent na random na ibabaw. Ang random na ibabaw ay
binubuo ng mga halaga na kumakatawan sa paglihis mula sa mean ng mga paunang random na halaga
pagmamaneho ng algorithm. Ang mga paunang random na halaga ay independiyenteng Gaussian random deviates
na may mean na 0 at standard deviation na 1. Ang mga inisyal na halaga ay ikinakalat sa bawat isa
mapa ng output gamit ang (mga) filter ng distansya ng diameter. Ang impluwensya ng bawat random na halaga sa
Ang mga kalapit na cell ay tinutukoy ng isang function ng pagkabulok ng distansya batay sa exponent. Kung maramihan
Ang mga filter ay ipinapasa sa mga mapa ng output, ang bawat filter ay binibigyan ng timbang batay sa timbang
mga input. Ang resultang random na ibabaw ay maaaring magkaroon anumang ibig sabihin at pagkakaiba, ngunit ang teoretikal
mean ng isang walang katapusang malaking mapa ay 0.0 at isang variance ng 1.0. Paglalarawan ng algorithm
nasa NOTA seksyon.

Ang random na ibabaw na nabuo ay binubuo ng mga numero ng floating point, at naka-save sa
mga file ng paglalarawan ng kategorya ng (mga) mapa ng output. Ang mga halaga ng cell ay pare-pareho o normal
ibinahagi sa pagitan ng 1 at matataas na halaga kasama (tinutukoy kung ang -u bandila ay
ginamit). Isinasaad ng mga pangalan ng kategorya ang average na halaga ng floating point at ang hanay ng
floating point value na kinakatawan ng bawat cell value.

r.random.ibabaw's orihinal na layunin ay bumuo ng mga random na field para sa spatial na error modeling.
Isang pamamaraan na gagamitin r.random.ibabaw sa spatial error modeling ay ibinigay sa NOTA
seksyon.

Detalyado parametro paglalarawan
output
Random na (mga) ibabaw. Ang mga halaga ng cell ay isang random na pamamahagi sa pagitan ng mababa at mataas
kasama ang mga halaga. Ang mga halaga ng kategorya ng (mga) mapa ng output ay nasa anyo #.# #.# sa
#.# kung saan ang bawat #.# ay isang numero ng floating point. Ang unang numero ay ang average ng
mga random na halaga na kinakatawan ng halaga ng cell. Ang iba pang dalawang numero ay ang hanay ng random
mga halaga para sa halaga ng cell na iyon. Ang karaniwan ang ibig sabihin ng halaga ng nabuong (mga) mapa ng output ay 0.
Ang karaniwan pagkakaiba ng (mga) mapa na nabuo ay 1. Ang mga random na halaga ay kumakatawan sa
standard deviation mula sa mean ng random surface na iyon.

layo
Tinutukoy ng distansya ang spatial na dependence ng (mga) mapa ng output. Ang halaga ng distansya
ay nagpapahiwatig ng pinakamababang distansya kung saan ang dalawang mga cell ng mapa ay walang kaugnayan sa bawat isa
iba pa. Ang halaga ng distansya na 0.0 ay nagpapahiwatig na walang spatial na pag-asa (ibig sabihin,
Ang mga katabing halaga ng cell ay walang kaugnayan sa isa't isa). Bilang halaga ng distansya
tataas, ang mga katabing cell value ay magkakaroon ng mga value na mas malapit sa isa't isa. Ngunit ang saklaw
at ang pamamahagi ng mga halaga ng cell sa (mga) mapa ng output ay mananatiling pareho.
Biswal, ang mga kumpol ng mas mababa at mas mataas na mga halaga ay nagiging mas malaki habang tumataas ang distansya. Kung
maraming value ang ibinibigay, ang bawat output map ay magkakaroon ng maraming filter, isa para sa bawat isa
hanay ng mga halaga ng distansya, exponent, at timbang.

tagapagpatawad
Tinutukoy ng exponent ang exponent ng pagkabulok ng distansya para sa isang partikular na filter. Ang exponent
(mga) halaga ay may pag-aari ng pagtukoy sa kayarian ng random na ibabaw. Texture
bababa habang ang (mga) exponent na halaga ay lumalapit sa 1.0. Karaniwan, magiging exponent
1.0 o mas mababa. Kung walang mga exponent value na ibinigay, ang bawat filter ay bibigyan ng
exponent value na 1.0. Kung mayroong kahit isang exponent value na ibinigay, dapat mayroon
isang exponent value para sa bawat halaga ng distansya.

patag
Tinutukoy ng Flat ang distansya kung saan ang filter.

timbang
Tinutukoy ng timbang ang kaugnay na kahalagahan ng bawat filter. Halimbawa, kung mayroon
dalawang filter na nagmamaneho ng algorithm at weight=1.0, 2.0 ang ibinigay sa command line:
Ang pangalawang filter ay magiging dalawang beses na mas mahalaga kaysa sa unang filter. Kung walang mga halaga ng timbang
ay ibinigay, ang bawat filter ay magiging kasinghalaga ng iba pang mga filter na tumutukoy sa
random na field. Kung umiiral ang mga halaga ng timbang, dapat mayroong halaga ng timbang para sa bawat filter ng
ang random na field.

mataas
Tinutukoy ang mataas na dulo ng hanay ng mga halaga ng cell sa (mga) mapa ng output. Pagtukoy sa a
napakalaking mataas na halaga ay mababawasan ang error sanhi ng random surface's
discretization. Ang salitang error ay nasa mga quote dahil ang mga error sa discretization ay
madalas na magkakansela sa isa't isa at ang spatial statistics ay mas sensitibo
sa paunang independiyenteng random na mga paglihis kaysa sa anumang potensyal na mga error sa discretization.

magbigay ng binhi
Tinutukoy ang random na (mga) binhi, isa para sa bawat mapa, iyon r.random.ibabaw gagamitin sa
bumuo ng paunang hanay ng mga random na halaga kung saan nakabatay ang resultang mapa. Kung ang
hindi ibinigay ang random na binhi, r.random.ibabaw makakakuha ng seed mula sa process ID number.

NOTA

Habang ginagamit ng karamihan sa literatura ang terminong random field sa halip na random surface, ang algorithm na ito
palaging bumubuo ng isang ibabaw. Kaya, ang paggamit nito ng random na ibabaw.

r.random.ibabaw bubuo ng random na ibabaw gamit ang isang filter algorithm na nagpapakinis ng isang mapa ng
independent random deviates. Ang laki ng filter ay tinutukoy ng pinakamalaking distansya
ng spatial dependence. Ang hugis ng filter ay tinutukoy ng pagkabulok ng distansya
(mga) exponent, at ang iba't ibang mga timbang kung iba't ibang hanay ng mga spatial na parameter ang gagamitin. Ang
Ang mapa ng mga independiyenteng random deviate ay magiging kasing laki ng kasalukuyang rehiyon PLUS ang lawak
ng filter. Aalisin nito ang mga epekto sa gilid na dulot ng pagbabawas ng mga antas ng
kalayaan. Ang mapa ng mga independiyenteng random na paglihis ay hindi papansinin ang kasalukuyang mask para sa pareho
dahilan.

Isa sa pinakamahalagang gamit para sa r.random.ibabaw ay upang matukoy kung paano likas ang error
sa mga raster na mapa ay maaaring makaapekto sa mga pagsusuring ginawa sa mga mapa na iyon.

Mga sanggunian

Random Field Software para sa GRASS ni Chuck Ehlschlaeger

Bilang bahagi ng aking disertasyon, pinagsama-sama ko ang ilang mga programa na tumutulong sa GRASS (4.1 at
lampas) bumuo ng mga modelo ng kawalan ng katiyakan ng spatial na data. Umaasa ako na mahanap mo itong kapaki-pakinabang at
maaasahan. Maaaring linawin ng mga sumusunod na papel ang kanilang paggamit:

· Ehlschlaeger, CR, Shortridge, AM, Goodchild, MF, 1997. Visualizing spatial
kawalan ng katiyakan ng data gamit ang animation. Computers at Geosciences 23, 387-395.
doi:10.1016/S0098-3004(97)00005-8

· Modeling Uncertainty in Elevation Data for Geographical Analysis, ni Charles R.
Ehlschlaeger, at Ashton M. Shortridge. Mga Pamamaraan ng 7th International
Symposium on Spatial Data Handling, Delft, Netherlands, Agosto 1996.

· Pagharap sa Kawalang-katiyakan sa Categorical Coverage Maps: Pagtukoy, Pagsasalarawan, at
Pamamahala ng Mga Error sa Data, nina Charles Ehlschlaeger at Michael Goodchild. Mga paglilitis,
Workshop sa Geographic Information Systems sa Conference on Information and
Pamamahala ng Kaalaman, Gaithersburg MD, 1994.

· Kawalang-katiyakan sa Spatial Data: Pagtukoy, Pagpapakita, at Pamamahala ng Mga Error sa Data, ni
Charles Ehlschlaeger at Michael Goodchild. Mga Pamamaraan, GIS/LIS'94, pp. 246-253,
Phoenix AZ, 1994.

Gamitin ang r.random.surfacegrass online gamit ang mga serbisyo ng onworks.net