יותר

כיצד מחשבים את השיפוע בעזרת איסולינים / רסטר?

כיצד מחשבים את השיפוע בעזרת איסולינים / רסטר?


אני מנסה לחשב את השיפוע (באחוזים) ב- ArcGis 9.3, אבל לא זוכר איך זה עובד.

כבר עשיתי את זה לפני זמן מה, אבל הפעם זה לא עובד ... השתמשתי בטופס צורה עם בידודים (ראה תמונה) ... כך עשיתי את זה בפעם הראשונה:

  1. כלי אנליסטים מרחביים -> אינטרפולציה -> מטופו לרסטר

    אני משתמש ב- Shapefile שלי ותחת "שדה" אני בוחר "Altitude", ומתחת "Outpull cell cell" בחרתי 5. את כל שאר ההגדרות אני לא משנה.

  2. עם רסטר הפלט שלי: כלי אנליסטים מרחביים -> משטח -> שיפוע (אני בוחר "אחוז")

  3. עם רסטר הפלט הזה: כלי אנליסטים מרחביים -> סיווג מחדש -> סיווג מחדש

שאלתי: האם זו הדרך הנכונה לחישוב המדרון?

הבעיה היא שאני לא יכול לעשות את זה ככה הפעם. כשאני מנסה לעשות את הצעד הראשון "מטופו לרסטר", יש לי הודעת שגיאה (שגיאה 010067).

אני מקווה שאתם יכולים לעזור לי ולומר לי מה אני עושה לא בסדר!


מלכודות נפוצות בשימוש ב- Topo to Raster המביאות לשגיאה בהתבסס על ניסיוני הן בעקבות בחירת תכונה לא נכונה של שכבת התכונות (השכבה בה אתה משתמש להפקת raster). לדוגמא אם השכבה היא שכבת נקודה אך אתה בוחר סוג שדה כמתאר ולהיפך. אנא בדוק זאת במקרה שלך. שקול לשנות את האפשרות "גודל תא פלט". בדרך כלל אנו נוטים ליצור גודל תא פלט קטן במטרה לקבל סריקה מפורטת, אך לעיתים ערך זה אינו אפשרי בהתחשב בגסות נתוני הקלט. שינוי זה למעט גבוה יותר (אפילו הגדלה על ידי הוספת 1) עשוי לפתור את הבעיה. מקווה שזה יצליח


כיצד לחשב את השיפוע בעזרת איזולינים / רסטר? - מערכות מידע גיאוגרפיות

משטח מערך וקטור או סריקה המכיל ערך תכונה לכל אזור בכל היקפו. הוא מערך וקטור או סריקה המכיל ערך תכונה לכל אזור בכל היקפו. במובן מסוים, כל מערכי הנתונים של סריקה הם משטחים, אך לא כל מערכי הנתונים הווקטוריים הם משטחים. בדרך כלל משתמשים במשטחים במערכת מידע גיאוגרפית (GIS) כדי לדמיין תופעות כמו גובה, טמפרטורה, שיפוע, היבט, גשמים ועוד. ב- GIS, ניתוחי פני השטח מתבצעים בדרך כלל במערכי נתונים של סריקה או ב- TIN (משולש רשת לא סדירה פרק 5 "ניהול נתונים גיאו-מרחביים", סעיף 5.3.1 "תבניות קובץ וקטור"), אך ניתן להשתמש גם בבודדים או במערכי נקודה. אינטרפולציה משמשת לאמידת הערך של המשתנה במיקום ללא דגימה מתוך מדידות שנעשו באזורים סמוכים או שכנים. שיטות אינטרפולציה מרחבית מסתמכות על האמונה התיאורטית של חוק הגאוגרפיה הראשון של טובלר, הקובע כי "הכל קשור לכל השאר, אבל דברים קרובים יותר קשורים לדברים רחוקים." ואכן, עיקרון בסיסי זה של התאמה אוטומטית מרחבית חיובית תוצאה של ערכים דומים המתרחשים זה ליד זה. מהווה את עמוד השדרה של ניתוחים מרחביים רבים (איור 8.9 "התאמה מרחבית חיובית ושלילית").

איור 8.9 התאמה אוטומטית מרחבית חיובית ושלילית


עבודה עם נתוני רסטר

במתאמן זה נלמד את טכניקות עיבוד הרסטר עם R:

חבילות R

    : כריכות לספריית ההפשטה של ​​נתונים גיאו-מרחביים: ניתוח נתונים וגיאוגרפיה של נתונים גיאוגרפיים: לוחות צבעים מבריקים (ביצוע התאמה אישית של לוחות צבעים): בחר מרווחי מחלקות אחיד משתנים

טען חבילות R

לטעון מידע

נשתמש בנתוני גובה (5 ק"מ על 5 ק"מ) של ארבע מדינות של אזור מישור נהדר בארה"ב (GP_ELEV.tif) ומערכת הנתונים יכולה להיות זמינה להורדה מכאן.

טען רסטר

מבצע רסטר בסיסי

בדוק את מערכת ההקרנה

בדוק את תכונת ה- raster

  • Nrow, Ncol: מספר השורות והעמודות בנתונים (דמיין גיליון אלקטרוני או מטריצה).
  • תאים: המספר הכולל של פיקסלים או תאים המרכיבים את הרסטר.
  • רזולוציה: הגודל של כל פיקסל (עשרוני deg).
  • היקף: המידה המרחבית של הרסטר. ערך זה יהיה באותן יחידות קואורדינטות כמו מערכת ההתייחסות לקואורדינטות של הרסטר.
  • Coord ref: מחרוזת מערכת הפניה לקואורדינטות עבור הרסטר. רסטר זה נמצא במערכת קואורדינטות גיאוגרפיות עם נתון WGS 84.

מידת רסטר

סטטיסטיקה של רסטר

R מאפשר לך לחשב נתונים סטטיסטיים בסיסיים של נתוני רסטר. אנחנו יכולים להשתמש סיכום פונקציה כדי לקבל נתונים סטטיסטיים של שכבת סריקה.

היסטוגרמה של רסטר

פונקציית R-base היסט שימושי גם לדעת תדירות ערכי הרסטר

רסטר מגרש

גֶזֶר

עכשיו יקצץ DEM זה עם היקף קובץ צורת המדינה CO. לפני הגזירה, עליכם לוודא כי נתוני הרסטר והקטור נמצאים באותן מערכות הקרנה.

ב- R, גזירה של רסטר היא הליך של שני שלבים, ראשית עליך ליישם יְבוּל() פונקציה & amp ואז מסכה פונקציות של רסטר חֲבִילָה. יְבוּל מחזירה תת קבוצה גיאוגרפית של אובייקט כמפורט על ידי מידה אובייקט (או אובייקט שממנו ניתן לחלץ / ליצור אובייקט במידה). מסכה צור אובייקט Raster חדש בעל ערכים זהים ל- Raster קלט.

קליפ עלילה DEM

סיווג מחדש

היסטוגרמה

לפני הסיווג מחדש, אנו יוצרים היסטוגרמה עם 4 הפסקות, של רסטר ELEV.CO

כעת, תוכלו לבדוק היכן יש הפסקות וכמה פיקסלים בכל קטגוריה, ולהשתמש בהפסקות אלה כדי לתכנן שכבת רסטר

נשתמש בהפסקות של היסטוגרמה כדי לסווג מחדש את רסטר ה- DEM. ראשית, עליך ליצור מטריצת סיווג

  • מחלקה 1: 1000 - 2000 מ '(גובה נמוך)
  • מחלקה 2: 2000 - 3000 מ '(גובה בינוני)
  • מחלקה 3: 3000 - 4000 (Inf) מ '(גובה גבוה)

לאחר מכן, עליך לעצב מחדש את מסגרת הנתונים למטריקס באמצעות מַטרִיצָה פוּנקצִיָה

עכשיו אתה צריך להגיש בקשה סיווג מחדש () פונקציה של חבילת סריקה באמצעות אובייקט re-class_m.

באפשרותך להציג את התפלגות הפיקסלים שהוקצו לכל מחלקה באמצעות עלילת הבר ().

כעת אנו מתווים את הרסטר המסווג מחדש באמצעות עלילה פונקציה עם אגדה נאה למראה

כמות

לִפְעָמִים כמותית הפונקציה מלאה לנו להפצת ערכי הרסטר

הגדר הפסקות כמותיות

אם אתה רוצה ליצור מפת רסטר באמצעות הכמות, אתה מעדיף להשתמש בה classInt חֲבִילָה. ה classIntervals הפונקציה היא ליצור הפסקות מותאמות אישית של ערכי רסטר באמצעות סגנונות שונים (כגון "קבוע", "sd", "שווה", "יפה", "כמותית", "קמניאנס", "hclust", "bclust", "פישר" , & amp "ג'נקים"). לפרטים, אנא עיינו בעזרה, פשוט הקלידו ? class אינטרוולים במסוף R

ראשית, עלינו להמיר סריקה לווקטור באמצעות ערכים פוּנקצִיָה. לאחר מכן, עליך ליצור אובייקט עם מרווח כמותי classIntervals פונקציה לנתונים וקטוריים.

כעת אנו מתכננים את ה- raster של ה- DEM באמצעות הפסקה מותאמת אישית זו. אנחנו נשתמש ספוט פונקציה מ sp חבילה לתיאור נתוני רסטר עם קובץ צורת גבול המדינה. לפני כן ניצור לוח צבעים מותאם אישית באמצעות colorRampPalette שֶׁל RColorBrewer.

סטטיסטיקה מוקדית

סטטיסטיקה מוקדית מחשבת עבור כל מיקום תא קלט נתונים סטטיסטיים (ממוצע, סכום וכו ') של הערכים בתוך שכונה מוגדרת סביבו. מבחינה רעיונית, בעת ביצועו, האלגוריתם מבקר בכל תא ברסטר ומחשב את הנתון שצוין עם השכונה המזוהה. התא שעליו מחושב הנתון נקרא תא העיבוד. הערך של תא העיבוד, כמו גם כל ערכי התא בשכונה המזוהה, כלולים בחישוב הסטטיסטיקה של השכונה. השכונות יכולות לחפוף כך שתאים בשכונה אחת עשויים להיכלל גם בשכונה של תא עיבוד אחר. (מקור: http: //resources.arcgis.com/EN/HELP/MAIN/10.2/index.html#/How_Focal_Statistics_works/009z000000r7000000/)

כדי להמחיש את העיבוד השכונתי לסטטיסטיקה מוקדית המחשב נתון סכום, שקול את התא העיבוד בעל הערך 5 בתרשים הבא. צוינה צורה שכונתית מלבנית 3 על 3. סכום הערכים של התאים הסמוכים (3 + 2 + 3 + 4 + 2 + 1 + 4 = 19) בתוספת הערך של תא העיבוד (5) שווה 24 (19 + 5 = 24). אז ניתן ערך 24 לתא בסריקת הפלט באותו מיקום כמו תא העיבוד בסרגל הקלט.

האיור לעיל מדגים כיצד מתבצעים החישובים בתא יחיד בסרגל הקלט. בתרשים הבא מוצגות התוצאות עבור כל תאי הקלט. התאים המודגשים בצהוב מזהים את אותו תא עיבוד ושכונה כמו בדוגמה לעיל.

אנו נחשב את ממוצע המוקד של כל תא של נתוני DEM באמצעות מוֹקְדִי() פונקציה של חבילת סריקה.

רסטר אלגברה

אלגברה של רסטר ב- R היא אלגברה מבוססת קבוצה לצורך מניפולציה של אובייקט רסטר יותר שכבות רסטר ("מפות") במימדים דומים כדי לייצר שכבת רסטר חדשה (מפה) באמצעות פעולות אלגבריות. הוא כולל אופרטורים אלגבריים רגילים כגון +, -, *, /, אופרטורים לוגיים כגון & gt, & gt =, & lt, ==,! ומתפקד כמו שרירי הבטן, עגול, תקרה, רצפה, trunc, sqrt, log, log10, exp, cos, sin, atan, tan, max, min, range, prod, sum, any, all.

מדגם פשוט של אלגברה רסטר ב- R הוא המרת יחידת Raster DEM ממטר לרגליים (1 מ '= 3.28084 רגל)

צבירה

צבר אובייקט Raster ליצירת שכבת Raster חדשה ברזולוציה נמוכה יותר (תאים גדולים יותר). צבירה מקבצת אזורים מלבניים ליצירת תאים גדולים יותר. הערך עבור התאים המתקבלים מחושב באמצעות פונקציה שצוינה על ידי המשתמש. ראשית, ניצור רסטר של 10 ק"מ על 10 ק"מ (סטיית תקן ממוצעת ומגבר) מ- 5 ק"מ על 5 ק"ג באמצעות לְקַבֵּץ פונקציה של רסטר חֲבִילָה. אם פונקציית צבירה אינה פועלת, הסר אובייקטים "ממוצעים" או "sd" אם יצרת בעבר.

מדגם מחדש

מדגם מחדש מעביר ערכים בין Raster שאינו תואם מבחינת מקור ורזולוציה. אנו מדגימים מחדש רסטר של 10 ק"מ עד 5 ק"מ, באמצעות ELEV.CO (5 ק"מ). אנחנו נשתמש לדגום מחדש פוּנקצִיָה. הנה שתי שיטות זמינות: דו-לינארי לאינטרפולציה דו-לינארית, או ** ngb * לשימוש בשכן הקרוב ביותר. טיעון ראשון הוא אובייקט רסטר שיש לדגום מחדש והטיעון השני הוא אובייקט רסטר עם פרמטרים שיש לדגום מחדש את הרסטר הראשון.

פְּסִיפָס

אנחנו נשתמש לְמַזֵג() פונקציה לפסיפס כל רסטר ./DEM.GP תיקייה כדי ליצור רסטר חלקה של רגיל נהדר

המרת רסטר לנתוני נקודה

לצורך המרת נתוני רסטר למסגרת נתונים נקודתית מרחבית, נשתמש rasterToPoints () פונקציה ואז נניח as.data.frame () פונקציה להמרת מסגרת נתונים רגילה

המרת נתוני נקודה לרסטר

ראשית, נמיר df ל- a SpatialPointsDataFrameואז נשתמש rasterFromXYZ להמיר מסגרת נתוני נקודה לרסטר. לבסוף, נגדיר CRS ל- אלברס שווה חרוט

ערימת רסטר וברסטר רסטר

אתה יכול להשתמש רמה גבוהה פונקציות לתמרון רסטר מרובה לאחר יצירת יצירת ערימת סריקה (אוסף שכבות רסטר) באמצעות לַעֲרוֹם() אוֹ לְבֵנָה() פונקציות של סריקה רסטר חֲבִילָה. ה לַעֲרוֹם() ו בריק () פונקציות יכולות לאחסן מספר שכבות. עם זאת, האופן בו הם מאחסנים כל שכבה שונה. השכבות ב- in לַעֲרוֹם() מאוחסנים כקישורים לנתוני רסטר שנמצאים אי שם במחשב שלנו. א לְבֵנָה() מכיל את כל האובייקטים המאוחסנים בתוך האובייקט R בפועל. לְבֵנָה() יעיל ומהיר יותר מ לַעֲרוֹם(), נשתמש בסרגל mean.DEM ו- sd.DEM כדי ליצור מפת שגיאות סטנדרטית.

דוגמנות שטח דיגיטלית

ניתוח שטח או ניתוח שטח קרקע הוא תהליך המתאר שטח, למשל זה חספוס, גובה וכו ', כמותית. ניתוח כזה יכול להיות שימושי מאוד בהערכת התאמת קרקע לחקלאות, בנייה, כבישים, או בתכנון תוכניות השקיה ותכונות אחרות של שימוש בקרקע.

מִדרוֹן

השיפוע הוא שיפוע, או תלילות, של משטח. ניתן למדוד את השיפוע במעלות מאופק (0-90), או אחוז שיפוע (שהוא העלייה חלקי הריצה, כפול 100). שיפוע של 30 ו 45 מעלות שווה 58 ו 100 אחוז שיפוע, בהתאמה. כשזווית השיפוע מתקרבת לאנכית (90 מעלות), אחוז השיפוע מתקרב לאינסוף. המדרון לתא ברסטר הוא המדרון התלול ביותר של מישור שהוגדר על ידי התא ושמונה שכניו הסובבים אותו. (מקור: ESRI Online GIS Dictionary).

אנחנו נשתמש פְּנֵי הַשֵׁטַח() פונקציה מחבילת סריקה ליצירת שיפוע סריקה.

אספקט

כיוון המצפן שפונה שיפוע נמדד לרוב ממעלות צפונה. הפקודה Aspect מספקת סריקה לצוף של 32 סיביות שנעה בין 0 ° ל -360 °. זה מייצג את האזימוט (המרחק הזוויתי מהנקודה הצפונית לדרומית של האופק שניתן לעבור על ידי מעגל אנכי החוצה את האופק, המייצג את כיוון האובייקט מהמתבונן) שהמדרונות פונים אליו. במילים אחרות, 0 ° פירושו שהמדרון פונה צפונה, 90 ° מצביע על מזרח, 180 ° מצביע על פניה דרומה ו -270 ° ממערב. עם זאת, הדבר דורש כי החלק העליון של רסטר הקלט שלך יהיה בכיוון צפון, כמו שרובם. ערכים שנמצאים בין טווחים אלה מניחים תערובת של כיוונים קרדינליים, למשל. 250 מצביע על צלע גבעה עם היבט הפונה לדרום מזרח. ערך ההיבט -9999 משמש בדרך כלל כערך 'nodata' כדי לציין שימוש בהיבט לא מוגדר באזורים חסרי שונות בטופוגרפיה, עם שיפוע = 0. אתה יכול גם להשתמש באגדה כדי לציין את ההיבט המתאים לכל צלע הר באזור המחקר שלך. האגדה מאפשרת לך לזהות את צפון (

הילדשייד

אנו מייצרים שכבת צל גבעה משכבות שיפוע והיבט (שתיהן במידות). ניתן לחשב את השיפוע וההיבט עם שטח פונקציונלי. שכבת צל גבעה משמשת לעיתים קרובות רקע שעל גביו מצויירת שכבה נוספת, שקופה למחצה.

מדד קשיחות השטח

TRI (Index Ruggedness Index) הוא ממוצע ההבדלים המוחלטים בין ערך התא לערך של 8 התאים הסובבים אותו (כמות הפרש הגבהים בין תאים סמוכים של DEM). זה מספק מדד יחסי של שינויים בגובה בין תא רשת שצוין לשכנים. ה- TRI שימושי לניתוח איזו סביבה עשויה להתאים לגידולים או מינים מסוימים העלולים להיות רגישים לסביבות משופעות מסוימות, או להערכת זרימת הפוטנציאל של הקרקע במהלך אירועי שחיקה וכן הלאה.

מדד מיקומים טופוגרפיים

TPI (אינדקס מיקום טופוגרפי) הוא ההפרש בין ערך התא לערך הממוצע של 8 התאים הסובבים אותו. ערכי TPI חיוביים מייצגים מיקומים הגבוהים מהממוצע של סביבתם, כהגדרת השכונה (רכסים). ערכי TPI שליליים מייצגים מיקומים הנמוכים מסביבתם (עמקים). גם ערכי TPI קרוב לאפס אזורים שטוחים (כאשר השיפוע קרוב לאפס) או אזורי שיפוע קבועים. מיקום טופוגרפי הוא תופעה אינהרנטית תלויה בקנה מידה.

חִספּוּס

חספוס הוא ההבדל בין הערך המקסימלי והמינימלי של תא לבין 8 התאים הסובבים אותו.

עַקמוּמִיוּת

עקמומיות היא השינוי במידת השיפוע למרחק נתון במדרון זה. זהו מדד מועיל מאוד להבנת זרימת המים העיליים דרך נוף, וניתן להשתמש בו בחלקו בכדי לעזור בתכנון מערך השקיה, למשל. הוא נמצא בשימוש נרחב על ידי מדענים הידרולוגיים. כאשר מפרשים נתונים מעקומה, כל הערכים החיוביים מצביעים על שיפוע קמור (כלפי מעלה), בעוד שערכים שליליים תואמים לעקומה קמורה (כלפי מטה). הראשונה היא כמו קערת ארוחת ערב המלטשת נכון על שולחן, השנייה היא כמו קערה שהתהפכה ופונה כלפי מטה. כל הפיקסלים שנצפו המראים עקמומיות חיובית מצביעים על פוטנציאל פיזור זרימת הנוזל מאזור מרכזי, ואילו וערכים שליליים מצביעים על הצטברות. בשילוב, משטח קמור וקעור משוער לטופוגרפיה בפועל.

עקומת תוכנית היא המדידה של קצב שינוי העקומה האופקית. ערכים חיוביים ושליליים בהתאמה מצביעים על סטייה והתכנסות של שיפוע מסוים. הדגש שיפוע סוטה, ערכים שליליים שיפוע מתכנס.

עקומת פרופיל היא לעומת זאת מדידה אנכית של שינוי המדרון. ערכים חיוביים מעידים על קמירות, בעוד שערכים שליליים מייצגים פרופילים קעורים.

אין עדיין חבילה זמינה לניתוח עקמומיות ב- R. יש לי פונקציה כאן. נקרא לפונקציה זו באמצעות מקור ("curveture_function.R"), אבל כשאני מריץ את זה, זה מראה שגיאה.

עם זאת, ב spatialEco החבילה מאפשרת לחשב את וריאציות McNab ו- Bolstad של אינדקס העקמומיות (קעירות / קמורה) (McNab 1993 Bolstad & amp Lillesand 1992 McNab 1989). האינדקס מבוסס על תכונות המגבילות את התצוגה ממרכז חלון 3x3. במשוואת בולסטאד, מתייחסים לתיקון קצה באמצעות חלוקה לפי מרחק הרדיוס לתא החיצוני ביותר (36.2 מ '). אנחנו נשתמש קימור פונקציה של spatialEco חֲבִילָה.

כיוון זרימה

כיוון הירידה הגדולה ביותר בגובה (או העלייה הקטנה ביותר אם כל השכנים גבוהים יותר).


מערכות מידע גיאוגרפיות 2

• כולל גם TIN (רשת לא סדירה משולשת): משמש לאחסון והצגת דגמי משטח. מאפשר לאסוף מידע נוסף באזורים של הקלה מורכבת ללא כמויות אדירות של נתונים מיותרים. לכידת נתונים יכולה לעקוב אחר תכונות קריטיות כמו רכסים, זרמים וכו '.

יתירות נתונים באזורי שטח אחיד

חוסר יכולת להסתגל לאזורים של מורכבות הקלה שונה

דגש מוגזם לאורך ציר הרשת

מאפשר נתונים נוספים באזורים מורכבים ופחות נתונים באזורים לא מורכבים

היכולת להשתמש בתכונות טבעיות כקווי הפסקה

4. שימושים נהדרים בגיאולוגיה, DOC, כלי רכב חכמים, חקלאות
סריקת לייזר מוטסית (ALS)
יתרונות
אוסף מהיר
כיסוי נתונים רחב
דיוק גבוה (15 נקודות למטר)
אותות החזרה מרובים
מרחק ארוך
• יכול להשתמש בכל שעה ביום (אפילו בלילה)
חסרונות
יָקָר.
ציוד אינטנסיבי
אחסון נתונים אינטנסיבי

סריקת לייזר יבשתית (TLS)
יתרונות
יותר זול (

300 אלף דולר)
דיוק גבוה בהרבה (70 נקודות / מטר)
פחות ציוד אינטנסיבי
360 מעלות. כיסוי
חסרונות
מרחק קצר יותר (מקסימום 4 ק"מ)
כיסוי קטן יותר
חורים / מיגון בנתונים

דוגמאות למאגרים
• הצגת חיץ סביב בית ספר: אזור בו חנויות אלכוהול אסורות

מבנה מתנועה (SFM)
5. מבנה מתנועה - טכניקת דוגמנות מחשב המשחזרת את הגיאומטריה התלת-ממדית של תכונה או נוף מסדרה של תמונות דו-ממדיות שצולמו תוך כדי מעבר בתכונה / סביב
6. מתחיל בזיהוי תכונות (אלפי נקודות)
7. מיישר כמו נקודות בין תמונות
8. משתמש באלגוריתמים מתמטיים לקביעת מיקום המצלמה והמיקום היחסי של הנקודות המזוהות
9. עם קביעת גאומטריה בסיסית מזוהות נקודות תכונה רבות נוספות (מיליוני נקודות)
10. בונה משטח תלת ממדי בעזרת תמונות שכבת TIN ומגבר
11. יכול להשתמש במצלמות ברמה גבוהה או נמוכה
12. די זול
יתרונות
איסוף נתונים פשוט
זול יחסית
בשילוב תמונות ברזולוציה גבוהה
חסרונות
אינטלקטואלית חישובית
המון עיבוד פוסט של נתונים
אין חזרת אדמה חשופה
ללא DEM


פרטים

כאשר שכנים = 4, השיפוע וההיבט מחושבים על פי פלמינג והופר (1979) וריטר (1987). כאשר שדות ים = 8, השיפוע וההיבט מחושבים על פי הורן (1981). אלגוריתם הורן עשוי להיות הטוב ביותר למשטחים מחוספסים, ואלגוריתם פלמינג והופר עשוי להיות טוב יותר למשטחים חלקים יותר (Jones, 1997 Burrough and McDonnell, 1998). אם שיפוע = 0, ההיבט מוגדר ל 0.5 * רדיאנים pi (או 90 מעלות אם יחידה = 'מעלות'). בעת חישוב שיפוע או היבט, על ה- CRS (הקרנה) של ה- RasterLayer x להיות ידוע (יכול להיות שלא NA), כדי להיות מסוגל להבדיל בבטחה בין נתוני מישור קו רוחב / קו רוחב.

flowdir מחזיר את 'כיוון הזרימה' (של מים), כלומר כיוון הירידה הגדולה ביותר בגובה (או העלייה הקטנה ביותר אם כל השכנים גבוהים יותר). הם מקודדים ככוחות של 2 (0 עד 7). התא מימין לתא המוקד 'x' הוא 1, זה שמתחתיו הוא 2, וכן הלאה:

32 64 128
16 איקס 1
8 4 2

אם לשני תאים יש ירידה זהה בגובה, נבחר תא אקראי. זה לא אידיאלי מכיוון שהוא עשוי למנוע יצירת רשתות זרימה מחוברות. ArcGIS מיישמת את הגישה של Greenlee (1987) ואולי אאמץ זאת בעתיד.

מדדי השטח הם על פי וילסון ואח '. (2007), כמו ב- gdaldem. TRI (Index Ruggedness Index) הוא ממוצע ההבדלים המוחלטים בין ערך התא לערך של 8 התאים הסובבים אותו. TPI (אינדקס מיקום טופוגרפי) הוא ההבדל בין ערך התא לערך הממוצע של 8 התאים הסובבים אותו. חספוס הוא ההבדל בין הערך המקסימלי והמינימלי של תא לבין 8 התאים הסובבים אותו.

ניתן לחשב אמצעים כאלה גם באמצעות פונקציית המוקד:

TRI & lt- מוקד (x, w = f, fun = function (x,.) Sum (abs (x [-5] -x [5])) / 8, pad = TRUE, padValue = NA)

TPI & lt- מוקד (x, w = f, fun = function (x,.) X [5] - ממוצע (x [-5]), pad = TRUE, padValue = NA)

מחוספס & lt- מוקד (x, w = f, fun = function (x,.) max (x) - min (x), pad = TRUE, padValue = NA, na.rm = TRUE)


מחקה את מערכת המומחים לאוספנים בעזרת gis raster

שיפורים אחרונים במערכת המידע הגיאוגרפי של רשימות ציבור MAPS (GAP) מאפשרים לה לחקות את המתודולוגיה של מערכת המומחים Prospector. יישום פרגמטי זה חורג מהשיטות הקלאסיות של מערכות מומחים, שרשור קדימה ואחורה, אך משתמש בשיטת GIS הסטנדרטית של דוגמנות קרטוגרפית. זה מאפשר עיבוד מהיר יותר של מפות תאים, אך דורש להזמין את בסיס הכללים לפני השימוש. יש כמה עדויות בתיאור המקורי של Prospector לסטייה מהשיטה המדווחת של שרשור לאחור.

מתודולוגיית הפרוספקטור נדונה, ומוצגות דוגמאות שלב אחר שלב להסקה בייסיאנית, לוגיקה מטושטשת וחישובי וודאות. מערכות מומחים מספקות את היכולת לעבד מודל קרטוגרפי עם נתונים חסרים או חסרים. מודל פשוט של כללי Prospector המקוריים שקבעו מיקום נוח לקידוח נחושת שימש לבדיקת מתודולוגיה זו. מודל זה יכול לקבל עד 26 מפות כקלט. הדוגמה במאמר זה משתמשת ב 23 מפות. התוצאות מושוות לאלה של דו"ח Prospector המקורי.


  • תנאי TRT:אגני תפיסה אגני ניקוז דגמים דינמיים שחיקה מערכות מידע גיאוגרפי הידראוליקה חישה מרחוק שקיעה
  • תנאים לא נשלטים:הובלת משקעים
  • תחומים: גיאוטכנולוגיה כבישים הידראוליים והידרולוגיה I26: נגר מים - הקפאה והפשרה I42: מכניקת קרקע
  • מספר רישום: 01003942
  • סוג הקלטה: פרסום
  • קבצים: TRIS
  • תאריך יצירה:13 בספטמבר 2005 06:09

האקדמיות הלאומיות למדעים, הנדסה ורפואה

זכויות יוצרים והעתקה 2021 האקדמיה הלאומית למדעים. כל הזכויות שמורות. תנאי שימוש והצהרת פרטיות


שילוב השונות בפענוח ריקודים של דבורי דבש דבש משפר את המיפוי של מיקומי המשאבים המתוקשרים

דבורי דבש מתקשרות לחברי הקן מיקומי משאבים, כולל מזון, מים, שרף עצים ואתרי קן, על ידי ביצוע ריקודי נפיצות. הריקודים מורכבים מריצות נדידה חוזרות, המקודדות את וקטור המרחק והכיוון מהכוורת או הנחיל אל המשאב. המרחק מקודד במשך ריצת הכשכוש, והכיוון מקודד בזווית גופו של הרקדן ביחס לאנכי. כוורות תצפית עם קירות זכוכית מאפשרות לחוקרים להתבונן או לצלם וידאו ולפענח ריצות תנופה. עם זאת, שונות באותות אלה אינה מאפשרת לקבוע את המיקומים המדויקים המפורסמים. אנו מציגים עקומת כיול של משך בייסיאני למרחק באמצעות סימולציות של מרקוב שרשרת מונטה קרלו המאפשרות לנו לכמת עד כמה ניתן לחזות מרחק מדויק למשאב מזון מתוך משכי ריצת כנף בריקוד יחיד. כיול זוויתי מראה שדיוק זוויתי אינו משתנה על פני המרחק, וכתוצאה מכך פיזור מרחבי פרופורציונאלי למרחק. אנו מדגימים כיצד לשלב מרחק וכיוון כדי לייצר חלוקת הסתברות מרחבית של מיקום המשאב המפורסם על ידי הריקוד. לסיום, אנו מראים כיצד למפות גידול דבורי דבש ודנים כיצד ניתן לשלב את גישתנו במערכות מידע גיאוגרפיות כדי להבין טוב יותר את האקולוגיה של דבורי דבש.

זו תצוגה מקדימה של תוכן מנוי, גישה דרך המוסד שלך.


מודל מבוזר מבוסס GIS לשחיקת קרקע וקצב זרימת משקעים מהקוויות

פותח מודל סחף קרקעי גשמים - נגר - קרקע המסוגל להתמודד עם הטרוגניות שטח במונחים של שימוש קרקעי, אדמה, שיפוע וגשם, והוחל על נתונים ממספר תחומים. המודל פועל על בסיס תא ומקבל תשומות מבוזרות ממערכת מידע גיאוגרפית רסטר (GIS). מודל הגובה הדיגיטלי המושקע משמש במודל להפקת נתיבי ניקוז מכל אחד מהתאים המוגדרים לשקע התפוסה בסדר הידרולוגי תקין. בעקבות הרצף ההידרולוגי החישובי שנגזר כך, מכניקת הזרימה היבשתית מעוצבת באמצעות פתרון מספרי מבוסס נפח סופי של קירוב גל הדיפוזיה של משוואות סנט וננט ותהליך שחיקת הקרקע מעוצב באמצעות פיתרון מספרי של משוואת המשכיות המשכיות. עם משוואות עזר מתאימות. המידע המרחבי עבור כל תא בשטח נוצר באמצעות ניתוח דיגיטלי של נתוני לוויין ומידע שפורסם על ידי שימוש בחבילות GIS לעיבוד תמונה וזמינות מסחריות. תוצאות יישום המודל בכמה תחומים מצביעות על כך שהמודל יכול לחשב התפלגות זמנית של קצב זרימת המשקעים במוצא התכולה לאירועי סערה בצורה סבירה. המבנה מבוסס התא של המודל מאפשר גם חישוב של ההתפלגות המרחבית של משתנים מחושבים כגון כמות שחיקת הקרקע.


תיאור חבילת המארמפה

הִטַלטְלוּת

קבצים בינאריים וקוד המקור של חבילת המארם זמינים באופן חופשי ברשת ארכיב מקיפה R (CRAN [6]), יחד עם הדרכה (המכונה גם "Vignette R"). marmap מכיל קוד R באופן בלעדי, שממקסם את הניידות שלו על פני פלטפורמות. CRAN הופך את קוד המקור והקבצים הבינאריים לזמינים עבור מערכות הפעלה דומות ל- Unix ו- Windows [5].

ייבוא ​​ותכנון נתונים באטימטריים

marmap מציעה דרכים שונות להעלות מידע Bathymetric, אשר אמור לספק הכנת נתונים גמישה, בהתאם לצורך וגישה למשאבים מקוונים. ראשית, ניתן להוריד נתונים Bathymetric ישירות מתוך R על ידי שאילתת מסד הנתונים ETOPO1 [7] המתארח על ידי NOAA. שנית, ניתן לייבא מסגרות נתונים של שלוש עמודות (עם נתוני אורך, רוחב ועומק) ממקורות שונים, כגון האוקיאנוס הלאומי לאוקיינוס ​​והמינהל האטמוספרי (NOAA) [8]. שלישית, למפה יש פונקציות להכין ולהשתמש במסד נתונים SQL מקומי, המאוחסן בכונן הקשיח של המשתמש. שימוש במאגר מידע מותאם אישית של SQL badymetry נוח לשאילתת תת קבוצות של מערכי נתונים badymetric גדולים מאוד כגון 5Go ETOPO1. לבסוף, ניתן לייבא נתונים כמו כל מערך נתונים אחר ל- R ולהמיר אותם באמצעות פונקציות מרמה. בעוד ש- Marmap תוכנן במקור עבור אקולוגים ימיים, הוא תואם באופן מלא לנתונים טופוגרפיים, שניתן לטפל בהם יחד עם נתונים Bathymetric, או לנתח אותם בכוחות עצמם.

לאחר טעינתם ל- R, הנתונים האת-מטריים מאורגנים מחדש כמטריצה ​​המשמשת למניפולציה, זמירה וייצוא. נתונים אלה מיוצגים ככיתת R הנקראת "באתי", תקפה במסגרת הפעלת מרמה. יצירת מחלקת R מותאמת אישית מאפשרת שימוש בפונקציות גנריות כגון עלילה וסיכום. ניתן לתכנן נתונים Bathymetric של הכיתה "bathy" עם כלי התכנון יעיל של המפה, או להשתמש בהם עם חבילות ניתוח גיאוגרפיות אחרות (למשל "מפות" [9]). ניתן לתכנן נתונים באטימטריים כעלילות מתאר פשוטות, עם שליטה בטווח, בצפיפות ובמראה של איזובטים, או עם בחירה אוטומטית ומיקום איזובט. חלקות קונטור יכולות להיות משולבות עם מפות חום עם רמפות צבע מובנות וניתנות להתאמה אישית (איור 1 א, ה). ניתן להוסיף נתוני דגימה (נקודות GPS, מסלולים, מצולעים וכו ') וטקסט (אגדות, תוויות, סולמות וכו') למפות המפה באמצעות פונקציות R ברמה נמוכה.

החלונית השמאלית (א): נתונים מהאוקיאנוס האטלנטי הצפוני המציגים את חוף NE של ארצות הברית ואת רשתות הימי ניו אינגלנד ו- Corner Rise. הקו הכחול מייצג את המיקום של שניים (ב) ושלושה (ג) חתכי ממדים, המלבן האדום התוחם את השטח המכוסה על ידי חגורת החגורה. הדמות השמאלית התחתונה (ד) מייצג את נתוני ה- NW האטלנטיים כפי שתוכננו עם פונקציית wireframe מסריג החבילה [21], בהתבסס על נתונים המיובאים באמצעות מפה. לוח ימני: מפה של פפואה גינאה החדשה ואיי לווין (ה ראה טקסט). הדמות האמצעית (F) מייצג את תוצאות ניתוח הנתיבים בעלות נמוכה ביותר סביב איי הוואי (קו חוף בשחור עבה, אפור כהה: 1000 מ 'איזובט, אפור בהיר 4000 מ' איזובאת קו אדום: שביל המונע מים רדודים יותר מ -1000 מ ', קו כחול: שביל מונע מים רדודה יותר מ 4000 מ '). הנתון התחתון (ז) מייצג את תוצאות חישובי שטח הפנים המוקרנים לאזורי האת'יאל והתהום סביב איי הוואי. קוד R זמין בקובץ S1.

לדוגמא, יצירת מפה של פפואה גינאה החדשה יכולה להיעשות בשלוש שורות קוד, במושב R חדש:

  1. & ספריית GT (מפת תמונות)
  2. & gt getNOAA.bathy (lon1 = 140, lon2 = 155, lat1 = −13, lat2 = 0, רזולוציה = 1) - & gtpapoue
  3. & gtplot (papoue, image = TRUE)

השורה הראשונה טוענת את המפה, והשנייה שואלת נתונים של Bathymetric (רזולוציה של דקה אחת) ומאחסנת את התוצאה במשתנה מהמחלקה "Bathy", והשורה השלישית יוצרת מפה עם בחירה אוטומטית של איזובט ורמפת צבע מובנית. המפה הימנית העליונה בתרשים 1, שתוכננה עם איזובטים ברוחב ובצבעים שונים, כמו גם רמפה צבעונית בהתאמה אישית בשתי שורות אלה (הראשונה יוצרת ואוחסנת לוח צבעים בהתאמה אישית, והשנייה יוצרת את פרטי המפה לפי פקודות ואלה. טיעונים זמינים בתיעוד המפה ב- CRAN):

  1. & gt colorRampPalette (c ("אדום", "סגול", "כחול", "cadetblue1", "לבן")) - & gt blues
  2. & gtplot (papoue, image = T, bpal = blues (100),
  3. עמוק = c (−9000, −3000,0), רדוד = c (−3000, −10, 0), שלב = c (1000, 1000, 0),
  4. col = c ("אפור בהיר", "אפור כהה", "שחור"), lwd = c (0.3,0.3,0.6), lty = c (1,1,1),
  5. תווית ציור = c (F, F, F))

שימוש ב Bathymetric לניתוח אקולוגי נוסף

על ידי לחיצה אינטראקטיבית על מפה, המשתמש יכול לאחזר נתונים באמטריים (מנקודה או מאזור), מידע על דגימה (למשל רשימת דגימות שנדגמו באזור גיאוגרפי מסוים) או חתכי עומק דו-ממדיים ( איור 1B – C). ניתן לאמוד גם את שטחי השטח המוקרנים לטווחי עומק שצוינו, כגון אזורי הרחצה והתהום סביב הוואי (איור 1 ז).

בהתבסס על פונקציות שפותח על ידי ג'ייקוב ואן אתן בחבילות הרסטר וההתנגדות [10], [11], מאפשרת המפה לבצע ניתוח של נתונים אקולוגיים מפורשים מבחינה גיאוגרפית, בכך שהיא מאפשרת חישוב נתיב בעלות נמוכה יותר המוגבלת על ידי מטאמטריה ו / או טופוגרפיה. מחושב המרחק הגדול ביותר של מעגל גדול (הקו) בין זוגות אתרים, תוך הימנעות מסיבי קרקע או שכבות עומק. תפוקות ניתוח נתיבים בעלות נמוכה ביותר יכולות להיות בצורה של מעגל גדול, תוך התחשבות בעיקול כדור הארץ, ובצורה של נתיבים גיאוגרפיים שניתן לשרטט במפות המפה, ולהשתמש בהן לחישוב שתיים ושלוש חתכי עומק ממדיים. ניתן לייצא נתוני מרחק בקלות לשימוש ישיר בתוכנות גנטיות נוף כגון TESS [12]. ניתן להשתמש בנתונים גם ישירות מתוך R לביצוע בדיקות Mantel או ניתוחים אחרים [13] - [15].


צפו בסרטון: גיאומטריה אנליטית - משוואת ישר באמצעות נקודה ושיפוע