r.random.surfacegrass - 云端在线

程序：

您的姓名

r.随机表面 - 生成具有空间依赖性的随机表面。

关键词

光栅，表面，随机

概要

r.随机表面
r.随机表面 - 帮帮我
r.随机表面 [-u] 产量=绳子[,绳子……] [距离=浮动[指数=浮动]
[平面=浮动[种子=整数[高=整数] [--覆盖] [--帮助] [--详细]
[--安静] [--ui]

标志：
-u
均匀分布的单元格值

--覆盖
允许输出文件覆盖现有文件

- 帮帮我
打印使用摘要

--详细
详细模块输出

- 安静的
静音模块输出

--用户界面
强制启动 GUI 对话框

参数：
产量=字符串[,字符串……] [必需的]
输出栅格地图的名称

距离=浮动
空间相关的最大距离（值 >= 0.0）
默认： 0.0

指数=浮动
距离衰减指数（值 > 0.0）
默认： 1.0

平面=浮动
距离过滤器在开始指数之前保持平坦
默认： 0.0

种子=整数
随机种子（SEED_MIN >= value >= SEED_MAX），默认 [random]

高=整数
分布的最大像元值
默认： 255

商品描述

r.随机表面 生成空间相关的随机表面。 随机曲面为
由表示与初始随机值均值的偏差的值组成
驱动算法。 初始随机值是独立的高斯随机偏差
均值为 0，标准差为 1。初始值分布在每个
使用直径距离过滤器的输出图。 每个随机值对
附近的单元格由基于指数的距离衰减函数确定。 如果多个
过滤器通过输出映射，每个过滤器根据权重被赋予一个权重
输入。 产生的随机表面可以有 任何 均值和方差，但理论值
无限大地图的均值是 0.0，方差是 1.0。 算法说明
是在 附注 部分。

生成的随机曲面​​由浮点数组成，并保存在
输出地图的类别描述文件。 单元格值一致或正常
分布在 1 和高值之间（由 -u 标志是
用过的）。 类别名称表示平均浮点值和范围
每个单元格值代表的浮点值。

r.random.surface的 最初的目标是为空间误差建模生成随机场。
使用程序 r.随机表面 在空间误差建模中给出 附注
部分。

专属 参数 描述
产量
随机表面。 单元格值是低值和高值之间的随机分布
值包括在内。 输出地图的类别值采用以下形式 ＃。＃ ＃。＃ 至
＃。＃ 其中每个#.# 是一个浮点数。 第一个数字是平均值
单元格值代表的随机值。 另外两个数字是随机范围
该单元格值的值。 这 生成的输出图的平均值为 0。
- 生成的地图的方差为 1。随机值表示
与该随机表面的平均值的标准偏差。

距离
距离决定了输出地图的空间依赖性。 距离值
表示两个地图单元格与每个单元格没有关系的最小距离
其他。 距离值为 0.0 表示没有空间相关性（即，
相邻单元格值彼此没有关系）。 作为距离值
增加，相邻单元格值将具有彼此更接近的值。 但范围
并且输出地图上像元值的分布将保持不变。
在视觉上，随着距离的增加，较低和较高值的团块变得更大。 如果
给出多个值，每个输出映射将有多个过滤器，每个过滤器
一组距离、指数和权重值。

指数
指数确定特定过滤器的距离衰减指数。 指数
值具有确定 质地 的随机表面。 质地
将随着指数值接近 1.0 而减少。 通常，指数将是
1.0 或更少。 如果没有给出指数值，每个过滤器将被赋予一个
指数值为 1.0。 如果给定了至少一个指数值，则必须有
每个距离值一个指数值。

平面
Flat 确定过滤器的距离。

重量
权重决定了每个过滤器的相对重要性。 例如，如果有
驱动算法的两个过滤器和 weight=1.0, 2.0 在命令行中给出：
第二个过滤器的重要性是第一个过滤器的两倍。 如果没有重量值
给定，每个过滤器将与定义的其他过滤器一样重要
随机场。 如果存在权重值，则每个过滤器必须有一个权重值
随机场。

高
指定输出地图中单元格值范围的高端。 指定一个
非常大的高值将最小化 错误 由随机表面的
离散化。 错误这个词用引号引起来，因为离散化中的错误是
通常会相互抵消，空间统计数据更加敏感
初始独立随机偏差比任何潜在的离散化误差。

种子
指定随机种子，每个地图一个，即 r.随机表面 将用于
生成结果地图所基于的初始随机值集。 如果
没有给出随机种子， r.随机表面 将从进程 ID 号中获取种子。

附注

虽然大多数文献使用术语随机场而不是随机表面，但该算法
总是生成一个表面。 因此，它使用随机曲面。

r.随机表面 使用过滤算法构建随机表面，平滑地图
独立随机偏差。 过滤器的大小由最大距离决定
空间依赖性。 滤波器的形状由距离衰减决定
如果使用不同的空间参数集，则指数和各种权重。 这
独立随机偏差的地图将与当前区域一样大加上范围
的过滤器。 这将消除因度数减少引起的边缘效应
自由。 独立随机偏差的地图将忽略当前掩码的相同
原因。

最重要的用途之一 r.随机表面 是如何确定固有的错误
在栅格地图中可能会影响使用这些地图完成的分析。

参考文献：

Chuck Ehlschlaeger 的 GRASS 随机场软件

作为我论文的一部分，我将几个帮助 GRASS（4.1 和
超越）开发空间数据的不确定性模型。 我希望你觉得它有用并且
可信。 以下文件可能会阐明它们的用途：

· Ehlschlaeger, CR, Shortridge, AM, Goodchild, MF, 1997. 空间可视化
使用动画的数据不确定性。 计算机与地球科学 23, 387-395。
号码：10.1016/S0098-3004(97)00005-8

· 用于地理分析的高程数据不确定性建模，Charles R.
Ehlschlaeger 和 Ashton M. Shortridge。 第七届国际会议论文集
空间数据处理研讨会，荷兰代尔夫特，1996 年 XNUMX 月。

· 处理分类覆盖图中的不确定性：定义、可视化和
管理数据错误，作者为 Charles Ehlschlaeger 和 Michael Goodchild。 诉讼，
信息与技术会议地理信息系统讲习班
知识管理，盖瑟斯堡医学博士，1994 年。

· 空间数据的不确定性：定义、可视化和管理数据错误，作者：
查尔斯·埃尔施莱格和迈克尔·古德柴尔德。 论文集，GIS/LIS'94，第 246-253 页，
亚利桑那州凤凰城，1994 年。

使用 onworks.net 服务在线使用 r.random.surfacegrass