Daha çox

ArcGIS 10.2 Raster Kalkulyator İfadəsindəki Sıfır Dəyərli Raster Hüceyrələri İstisna edin


ArcGIS 10.1 Raster Kalkulyatorunda sadə bir hesablama aparmalıyam. Sıfır dəyəri olan bir çox hüceyrə olan bir raster qat istifadə edirəm. Nəticələri təhrif etdikləri üçün bu hüceyrələri ifadədə istisna etməliyəm.

İşdə istifadə etdiyim sadə raster kalkulyator ifadəsidir: "rho"*1005*((((("raster")*. 02) -272.15)-"temp")/30)

Bu ifadəyə əlavə etməliyəm ki, "raster" raster qatında sıfırdan böyük dəyərlər nəzərə alınsın.


Sıfır dəyərlərinizi NULL və ya "NODATA" olaraq təyin etməyə cəhd edə bilərsiniz. Sonra başa düşdüyüm kimi, NODATA dəyərləri işlənməyəcək. SetNull alətindən istifadə edə bilərsiniz.


Raster məlumat bazasının georeferensiyasının əsasları

Raster məlumatları ümumiyyətlə xəritələri skan etmək və ya hava fotoşəkilləri və peyk görüntüləri toplamaqla əldə edilir. Skan edilmiş xəritə məlumat kümelerinde normal olaraq məkan istinad məlumatları yoxdur (ya fayla yerləşdirilmiş, ya da ayrı bir fayl olaraq). Hava fotoşəkilləri və peyk görüntüləri ilə bəzən onlarla birlikdə verilən yer məlumatları qeyri -kafi olur və məlumatlar sahib olduğunuz digər məlumatlar ilə uyğun gəlmir. Beləliklə, bəzi məkan məlumatlarınızla birlikdə bəzi rastr məlumat məcmularından istifadə etmək üçün onları bir xəritə koordinat sisteminə uyğunlaşdırmaq və ya coğrafi istinad etmək lazım ola bilər. Xəritə koordinat sistemi, bir xəritə proyeksiyası (yerin əyri səthinin düz bir səthdə təsvir edilməsi üsulu) istifadə edərək təyin edilir.

Raster məlumatlarınızı coğrafi istinad edərkən, xəritənin koordinatlarından istifadə edərək yerini təyin edir və məlumat çərçivəsinin koordinat sistemini təyin edirsiniz. Raster məlumatlarının georeferensiyası, digər coğrafi məlumatlarla birlikdə baxılmasına, sorğulanmasına və analiz edilməsinə imkan verir. Georeferensiya alətlər çubuğu, rastr məlumat dəstlərini, raster təbəqələrini (raster funksiyalarına malik ola bilər), görüntü xidmətlərini və raster məhsullarını coğrafi olaraq təyin etməyə imkan verir.

    ArcMap -də, proqnozlaşdırılan məlumatlarınızla uyğunlaşdırmaq istədiyiniz raster əlavə edin.

Georeferensiya alətlər çubuğu qat siyahısı, rastr təbəqələrini, görüntü xidmət qatlarını və CAD qatlarını etibarlı məlumat növləri kimi göstərəcək. Qatlar ya məlumat çərçivəsi ilə eyni koordinat sistemində olmalı, ya da heç bir məkan istinadına malik olmamalıdır.

Bir raster verilənlər bazasına georeferensiya nümayişini izləmək üçün ArcGIS Resurs Mərkəzinə baxın.


R - NA dəyərləri xaric böyük rasterdən məlumat çərçivəsini səmərəli şəkildə yaradın

GIS yığıncağında oxşar bir şeyi çap etdirdiyiniz üçün üzr istəyirik.

R -də böyük bir rastr əsasında bir tezlik cədvəli yaratmağın daha təsirli bir yolunu axtarıram.

Hal -hazırda bir neçə onlarla rasterim var,

Hər birində 150 ​​milyon hüceyrə var və hər biri üçün tezlik cədvəli yaratmalıyam. Bu rasterlər bir neçə yüz kiçik nümunə yeri olan bir əsas rasterin maskalanmasından əldə edilir*. Buna görə də ehtiva edən cədvəlləri yaradıram

İndiki iş yanaşmam belədir:

bu, R -nin raster paketindəki freq () funksiyasından istifadə edir. usaNA = heç bir bayraq NA dəyərlərini atmaz.

1) 99% NA dəyərləri olan böyük bir rastrdan tezlik cədvəli yaratmağın daha səmərəli yolu varmı? və ya 2) əsas rasterdən dəyərləri çıxarmağın mask () istifadə etməkdən daha səmərəli yoludur? (ArcGIS -də Mask GP funksiyasından istifadə çox sürətlidir, lakin yenə də NA dəyərlərinə malikdir və əlavə bir addımdır

*əlavə məlumat: sampling_site_raster ilə təmsil olunan nümunə sahələri, tədqiqat sahəsinə təsadüfi yayılmış müxtəlif ölçülü düzensiz formalardır. Sampling_site_raster-də nümunə götürmə sahələri 1, nümunə götürülməyən sahələr NA olaraq kodlanır.


Dizinizdə & quotinvalid & quot dəyərini seçə bilsəniz, 0 əvəzinə nan istifadə etmək daha yaxşıdır:

Bu mümkün deyilsə, bir sıra maska ​​istifadə edə bilərsiniz:

İnkişaf etmiş indeksləmə istifadə edərək Joshun cavabı ilə müqayisədə, bu, serialın bir nüsxəsini yaratmaqdan çəkinmək üstünlüyünə malikdir.

Yadda saxlamağın daha asan olduğunu düşündüyüm başqa bir maskalanma üsulu (serialı kopyalasa da). Sözügedən hal üçün bu belə gedir:

A> 0, numpy.isnan (a), kimi digər ifadələri ümumiləşdirir. Və maskaları standart operatorlarla birləşdirə bilərsiniz (+ OR, * və AND deməkdir - NOT deməkdir) məsələn:

Sıfırları süzmək üçün bir generator ifadəsi istifadə edə bilərsiniz:

Sıfırları istisna etmək üçün bir siyahı anlayışından istifadə etmək sadə bir yoldur.

Ümumiyyətlə maskalı seriallar məhz bu məqsədlər üçün hazırlanmışdır. Bir sıra maskeleme sıfırlarından istifadə edə bilərsiniz (və ya HƏR HANSI İstədiyiniz başqa bir növ maska, hətta sadə bir bərabərlikdən daha mürəkkəb olan maskalar) və maskalı serialınızdakı müntəzəm seriallarda etdiyiniz işlərin çoxunu edir. Dəqiqəni tapmaq istədiyiniz bir oxu da təyin edə bilərsiniz:


Materiallar və metodlar

Təhsil sahəsi

Tehranın böyük şəhəri İranın paytaxtıdır. 613 km 2 sahəni əhatə edir, şimalda Alborz dağları və cənubda səhra. Şəhər daxilində məskunlaşan ərazilər dəniz səviyyəsindən 1000-1800 metr yüksəklikdədir (Şəkil 5). İllik orta gündəlik temperatur 18.5 ° C -dir, iyulun ən yüksək temperaturu 43 ° C, yanvarda isə -15 ° C -dir. Orta illik yağıntının miqdarı 220 millimetrdir (mm), maksimumu mart ayında (39 mm), minimum isə sentyabrda (1 mm). Hava ümumiyyətlə günəşlidir, illik orta hesabla 2800 saat parlaq günəş işığı və ortalama bulud örtüyü 30%-dir. Qərb və şimaldan əsən küləklər əsir (Şəkil S1, Əlavə məlumat). Tehran İranın ən çox əhalisi olan şəhəri və Yaxın Şərqin üçüncü ən böyük şəhəridir. Təxminən 9 milyon şəhər sakini var, 40,43 ətraf ərazilərdən gündəlik köç səbəbiylə gündüz əhalisi 10 milyondan çoxdur.

2010 -cu ildə İranın Tehran bölgəsi, 23 hava keyfiyyəti izləmə stansiyasının yerini göstərir.

Rəqəm, ESRI -nin Masaüstü üçün ArcGIS 10.2.1 (ESRI, Redlands, CA, ABŞ, http://www.esri.com/) istifadə edərək yaradılmışdır.

Hava keyfiyyəti məlumatları

Saatlıq YOX, YOX2 və 2010 -cu təqvim ili üçün NOx konsentrasiyası iki dövlət qurumu tərəfindən idarə olunan 23 hava keyfiyyəti monitorinq stansiyasından əldə edilmişdir (Şəkil 5). Stansiyalardan 16 -sı Hava Keyfiyyətinə Nəzarət Şirkətinə (AQCC), 7 -si Ətraf Mühit Departamentinə (DOE) aid idi. Həm AQCC, həm də DOE monitorinq stansiyalarında azot oksidlərini ölçmək üçün kemilüminesans analizatorlarından (Model AC 32 M Environment SA, Fransa Horna, APNA-370, Yaponiya və Ecotech, EC 9841) istifadə edilmişdir. İdeal şəraitdə, alətlərin hər iki həftədə bir yoxlanılmasını və kalibr edilməsini təmin edən keyfiyyət təminatı/keyfiyyətə nəzarət (QA/QC) prosedurlarına riayət edirlər. Bununla birlikdə, Tehranda qazların kalibrlənməsi çətin ola bilər.

Tam illik məlumat bazası, hər bir monitorinq sahəsindəki hər bir çirkləndirici üçün 8760 ölçmə (2010 -cu ildə 24 saat/gün × 365 gün) ehtiva edir. Ancaq 28.1%, 27.7%və 27.6%NO, NO2 və YOXX dəyərlər sırasıyla yox idi (Şəkil S2, əlavə məlumat). Əvvəlki işimiz 40 -da olduğu kimi, Amelia proqramı da itkin məlumatların yalanlanması üçün istifadə edilmişdir (Səhifə S5, əlavə məlumat) 44. Proqram, itkin dəyərləri hesablamaq və tam bir verilənlər bazasını qaytarmaq üçün önyükleme ilə yeni bir gözləmə-maksimizallaşdırma alqoritmindən istifadə edir. Proqramı, ay, gün və ölçü saatları ilə birlikdə fərqli stansiyalardan mövcud olan bütün saat konsentrasiyalarını təmin etdik. Eksik məlumat təxminlərinin ardıcıllığını və etibarlılığını qiymətləndirmək üçün, hər bir çirkləndirici üçün Amelia proqramını 10 dəfə işlədərək saatlıq itkin dəyərləri ortaya qoyduq və hər bir monitorinq stansiyası üçün 10 illik ortalamanı hesabladıq. Hesablama ilə doldurulmuş 10 məlumat toplusunun ortalaması NO, NO üçün hesablandı2 və YOXX 1 yanvar 2010 -cu ildən 1 yanvar 2011 -ci ilədək bütün monitorlar üçün və bu dəyərlər LUR cavab dəyişənləri olaraq istifadə edilmişdir.

Əvvəlki işimiz 40 -a və Çenə görə də ili daha isti və soyuq mövsümlərə ayırdıq və s. (2010), Çinin Tianjin şəhərində, istiləşmə və qeyri-istilik mövsümlərində fərqli LUR proqnozlaşdırıcı dəyişənləri və məkan nümunələrini bildirdi. Eyni araşdırma, LUR modelləri üçün proqnozlaşdırılan dəyişənlərin və R 2 dəyərlərinin 41 -ci mövsümə görə fərqləndiyini də aşkar etdi. İsti və soyuq mövsümlər sırasıyla aprel -sentyabr və oktyabr -mart ayları olaraq təyin edildi. Bu aylar ÜST -ün şimal yarımkürəsindəki ölkələr üçün təlimatları və Tehrandakı Mehrabad Beynəlxalq Hava Limanında ən yüksək və ən aşağı gündəlik gündəlik temperaturlar əsasında seçilmişdir.

Məkan proqnozlaşdırıcıları

Altı sinifdə və 73 alt sinifdə 210 PPV yaratdıq (Cədvəl 3). Altı sinif idi Trafik Surroqatları, Torpaq İstifadəsi, Məsafə Dəyişənləri, Əhali Yoğunluğu, Məhsul Dəyişənləri və Coğrafi Yer. The Trafik vəkilləri sinif, çirklənmə izləmə stansiyalarının ətrafındakı tamponlarda avtomobil şəbəkəsini təsvir etdi. The Torpaq İstifadəsi sinif, stansiyaların ətrafındakı tamponlar içərisində on torpaq istifadə növünü təsvir etdi. The Məsafə Dəyişənləri sinif, hər stansiyadan bütün stansiyalara qədər Evklid məsafəsini (və məsafənin təbii logarifmasını) ölçdü Trafik vəkilliyiTorpaq İstifadəsi növləri və digər xüsusiyyətlər. Məsafələrin təbii loqarifmləri çirklənmə mənbələrindən 45,46,47,48 artaraq hava çirkləndiricilərinin konsentrasiyalarında eksponensial tənəzzül olduğunu bildirən tədqiqatlara əsaslanaraq istifadə edilmişdir. The Əhali sıxlığı ümumi əhali üçün və işsizlər və beş yaşdan kiçik uşaqlar istisna olmaqla əhali üçün hesablanmışdır. The Məhsul Dəyişənləri sinif dəyişənlərin nisbətini daxil etdi Trafik vəkilləri sinifindəki dəyişənlərə bölün Məsafə Dəyişənləri sinif Nəhayət, Coğrafi Yer sinif, Tehranın dəniz səviyyəsindən bir metr yüksəklikdəki rəqəmsal yüksəklik modelindən (DEM) əldə edilən hər bir monitorinq sahəsinin yüksəkliyini və DEM əsasında GIS -də yaradılmış bir yamac (qradiyent) dəyişənini əhatə edir. Potensial coğrafi dəyişənlər əvvəlki araşdırmalar və Tehranda mövcud məlumatlar əsasında seçilmişdir. Xam GIS girişlərinin hamısı Yaponiya Beynəlxalq Əməkdaşlıq Agentliyi (JICA) və Tehranın Zəlzələ və Ətraf Mühit Araşdırmaları Mərkəzindən (CEST) qaynaqlanan vektor formatında idi 49. Yekun PPV -lərin hamısı 5 × 5 metr qətnamə ilə raster formatında idi və monitorinq stansiyalarının altındakı şəbəkə hüceyrələrindəki dəyərlər reqressiya analizləri üçün istifadə edildi. Bütün məkan analizləri və rəqəmlər ESRI -nin Masaüstü üçün ArcGIS 10.2.1 (http://www.esri.com/) istifadə edərək yaradılmışdır.

Modelin hazırlanması və diaqnostikası

Model qurma alqoritmi, əvvəlki bir araşdırma üçün hazırladığımız 40 -a əsaslanır. Bununla birlikdə, xətti reqressiya modelləşdirmə fərziyyələrini poza bilən cavab dəyişəninin normal olmadığını hesablamaq üçün alqoritmi daha da təkmilləşdirdik. Cavab dəyişənləri ilə PPV -lər arasındakı əlaqələri normallaşdırmaq üçün transformasiyadan da istifadə etdik və son modeldəki dəyişənlərin sayını müşahidələrin sayının kökü ilə məhdudlaşdırdıq. Yenilənmiş addım -addım alqoritmin əsas addımları bunlardır:

Cavab dəyişəninin log çevrilməsini götürün.

Shapiro-Wilk testindən istifadə edərək normallığı yoxlayın 50.

Normal olaraq paylanmadığı təqdirdə güc çevrilməsini tətbiq edin.

PPV -lərdə log və güc transformasiyalarından istifadə edərək çevrilmiş dəyişənlər və PPV -lər arasındakı əlaqələri doğrultun və sonra orijinal alqoritmə 40 davam edin ki, hər bir təkrarlama üçün (5) - (8) addımları (yəni hər yeni PPV -nin əlavə edilməsi) yerinə yetirilsin. modelə):

Modeldəki hər bir PPV -nin təsir istiqamətini uyğunluq üçün yoxlayın apriori fərziyyələr (Cədvəl 3), son modellərin çirklənmə tullantıları və dağılma haqqında biliklərə zidd olmadığını təmin etmək.

Əmin olun a səh-hər PPV üçün & lt 0.1 dəyəri.

Hər yeni PPV -nin LOOCV 51 üçün təyinat əmsalını (R 2) artırdığından əmin olun.

Variant inflyasiya faktoru (VIF) adlı multikollinerlik indeksini hesablayın 52.

Nəhayət, LUR modelində proqnozlaşdırıcı dəyişənlərin sayını məhdudlaşdırın, burada N izləmə stansiyalarının sayını ifadə edir.

Qalıqların normallığını Shapiro-Wilk testi 50 ilə yoxlayın.

Alqoritm R statistik paketində bir funksiya olaraq proqramlaşdırılmışdır. Onun təfərrüatları əlavə məlumatlar olan S7 -S11 səhifələrində və Amini tərəfindən orijinal kağızda izah edilmişdir və s. 40. Modellər orta illik, daha sərin mövsüm və daha isti mövsüm NO, NO konsentrasiyaları üçün inşa edilmişdir2və NOx.

Son LUR modellərinin sabitliyini yoxlamaq üçün, LOOCV modelləri üçün reqressiya əmsalları son YOX, YOX bütün proqnozlaşdırıcı dəyişənlər üçün saxlanılmışdır.2və NOx modelləri. Minimum, maksimum və dəyişmə əmsalı LOOCV əmsalları dəsti üçün hesablanmış və dəyişkənliyi daha aşağı olan modellər daha sabit hesab edilmişdir. Bütün illik və mövsümi YOX, YOX üçün məkan avtomatik əlaqələri2və NOx qalıqları qlobal Moran I statistikası hesablanaraq qiymətləndirildi. Moran I -in dəyərləri -1,0 ilə 1,0 arasında dəyişir, −1,0 ilə mükəmməl mənfi avtomatik korrelyasiya, 1.0 mükəmməl mükəmməl avtororelyasiya və 0 təsadüfi məkan nümunəsi 53 deməkdir.

Reqressiya xəritəsi

Vektor məlumatlarından raster dəyişənləri yaradarkən, tampon zonaların xaricindəki raster hüceyrələri sıfır (və ya "Məlumat yoxdur"ArcGIS -də). Üçün bütün null dəyərlər Trafik Surroqatları, Torpaq İstifadəsi, Məsafə Dəyişənləri, Əhali Yoğunluğu, Məhsul Dəyişənləri və Coğrafi Yer dəyişənlər sıfıra qoyuldu. ArcGIS Məkan Analitik Alətlərindəki Raster Kalkulyatoru, son doqquz reqressiya tənliklərimizi illik və mövsümi konsentrasiyalarını NO, NO təxmin edən xəritələrə çevirmək üçün istifadə edilmişdir.2və YOXX təhsil sahəsi boyunca. Minimum müşahidə olunan konsentrasiyanın ikinin kvadrat kökünə bölünməsi olaraq təyin olunan aşağı dəyərlər üçün bir proqnoz limiti təyin etdik. Bu həddən aşağı olan təxminləri olan bütün şəbəkə hüceyrələri bu həddə təyin edilmişdir. Çox yüksək qiymətləndirmələrə malik olan grid hüceyrələri, Henderson -a görə, müşahidə olunan maksimum konsentrasiyaların 120% -i olaraq təyin edilmişdir və s. 22 və Amini və s. 40 .

Məkan dəyişkənliyinin mövsümi olması

Mövsümün məkan dəyişkənliyinə təsirini qiymətləndirmək üçün NO, NO2və NOx konsentrasiyalarında, tədqiqat sahəsindəki 1000 yerdə illik, daha sərin mövsüm və daha isti təxminlər arasındakı əlaqəni qiymətləndirdik. Bunlar ESRI ArcMap 10.2.1 GIS -də (ESRI, Redlands, CA) Xüsusiyyət Sınıfı Məlumat İdarəetmə Alətlərindən istifadə edərək təsadüfi olaraq seçildi. Təxmini paylamaların normallığını bir Shapiro-Wilk testi ilə yoxladıq və nəticələrə görə Pearson və ya Spearman korrelyasiyasını hesabladıq.


Mücərrəd

Su axını nəticəsində torpaq itkisi, Koga havzasında ciddi və davamlı bir ekoloji problemdir. Meşələrin qırılması, yanlış becərilməsi və nəzarətsiz otarılması torpaq eroziyasının sürətlənməsi ilə nəticələndi. Torpaq itkisi ilə bağlı məlumatlar kənd təsərrüfatı məhsuldarlığını və təbii ehtiyatların idarə edilməsini dəstəkləmək üçün vacibdir. Beləliklə, bu işin məqsədi CİS və Uzaqdan algılama üsullarından istifadə edərək orta illik torpaq itkisini hesablamaq və xəritələşdirmək idi. Torpaq itkisi, yenidən işlənmiş Universal Torpaq Tənliyi (RUSLE) modeli ilə qiymətləndirilmişdir. 1: 50,000 miqyaslı topoqrafik xəritə, 20 m məkan qətnaməsi olan Aster Rəqəmsal Yüksəklik Modeli (DEM), 1: 250,000 miqyaslı rəqəmsal torpaq xəritəsi, dörd stansiyanın on üç illik yağış qeydləri və 30 fəza qətnaməsinə malik quru görüntüləri (TM) m RUSLE 's torpaq itkisi dəyişənlərini əldə etmək üçün istifadə edilmişdir. RUSLE parametrləri tədqiq edilən ərazinin illik torpaq itkisini qiymətləndirmək və xəritələşdirmək üçün ArcGIS 10.1 mühitində geo emal alətlərində raster kalkulyatoru istifadə edərək təhlil edilmiş və birləşdirilmişdir. Nəticə göstərir ki, su hövzəsinin illik torpaq itkisi su anbarının aşağı və orta hissəsində heç kimdən 265 t hektara qədər uzanmır - Su anbarının dik yamac hissəsində -1 il -1 illik orta torpaq itkisi 47 t ha −1 il -1. Su hövzəsindəki illik illik torpaq itkisi 255283 t idi ki, bunun da 181801 (71%) tonu təxminən 6691 (24%) hektar ərazini əhatə edir. Bu torpaq eroziyasından təsirlənən ərazilərin əksəriyyəti fəza olaraq su hövzəsinin ən dik yamac hissəsində (girişində) yerləşir. Bunlar daha yüksək torpaq eroziya xarakteri (0.25) olan nitosol və alisolların üstünlük təşkil etdiyi sahələrdir. Beləliklə, torpaq eroziyasının əsas amilləri yamacın qradiyenti və uzunluğunun ardınca torpağın aşınma faktorlarıdır. Buna görə də, su hövzəsinin məntiqinə, insanlara və su hövzəsi potensialına hörmətlə yanaşaraq, tədqiqat sahəsinin ən dik yuxarı hissəsində dayanıqlı torpaq və su qənaət təcrübələri tətbiq olunmalıdır.


Diskret vektor şəbəkələri ilə davamlı bir raster səthində ən az xərcli yollar tapmaq.

Mənbə nöqtəsindən təyinat nöqtəsinə qədər ən ucuz yolu tapmaq problemi davamlı bir səth boyunca və ya ayrı bir şəbəkə boyunca yönləndirilərək həll edilə bilər. Bu iki kontekstdəki həll yolları raster və ya vektor əsaslı ən az xərcli yol alqoritminin istifadəsi ilə bağlıdır. Bu tədqiqat, diskret vektor şəbəkələri ilə davamlı bir raster səthində ən az xərcli yolu təyin etmək üçün rastr və vektor əsaslı ən az xərcli yol alqoritmlərini birləşdirən bir texnikanı təqdim edir. Texnika, hər bir keçiddə səyahət xərclərini, qovşaqlar arasındakı əlaqələri və ayrı vektor şəbəkəsindəki kəsişən bağlantıların təsvirini yoxlamaq üçün lazım olan köməkçi vektor məlumat dəstlərini raster əsaslı ən az xərcli yol analizinə daxil edir. Burada təqdim olunan inteqrasiya olunmuş texnika, ən aşağı qiymətli yolları tapmaq üçün davamlı raster səthi və diskret vektor şəbəkələrinin eyni vaxtda nəzərə alınması lazım olan bütün ərazi nəqliyyat vasitələrinin naviqasiyasına tətbiq edilir. Bu yazıda inteqrasiya olunmuş texnikanın arxasında duran anlayış və detallar təsvir edilmişdir. Sintetik və real dünya məlumat dəstləri ilə texnikanın tətbiqləri də təqdim olunur. Texnikanın diskret vektor şəbəkələri ilə davamlı bir raster səthində ən az xərcli yollar tapmaqda təsirli olduğunu sübut edirlər.

Açar sözlər: ən ucuz yol marşrutu planlaşdırma şəbəkə analizi naviqasiya multimodal nəqliyyat

Ən az xərcli yol təhlili, Coğrafi İnformasiya Sistemlərində (GIS) tez-tez istifadə olunan məkan optimallaşdırma üsuludur (Lee və Stucky 1998). Mənbə nöqtəsindən təyinat nöqtəsinə qədər ən ucuz yolu tapmaq iki kontekstdə edilə bilər: (a) ayrı bir şəbəkə boyunca marşrutlaşdırma və (b) davamlı bir səth boyunca marşrutlaşdırma. Bu həllər vektor və raster əsaslı ən az xərcli yol alqoritmlərini əhatə edir (Goncalves 2010).

Hərəkət ayrı bir şəbəkənin zəncirləri ilə məhdudlaşdıqda (məsələn, yollar, boru kəmərləri və ya təyyarə uçuş koridorları), Dijkstra (1959) alqoritmi və A* alqoritmi (Hart, Nilsson və Raphael 1968) kimi vektor əsaslı alqoritmlər ) ən az xərcli yolu müəyyən etmək üçün istifadə edilə bilər (Huang, Wu və Zhan 2007). Bu vəziyyətdə, məkan qovşaqlarının fiziki məsafəni, vaxtı, dəyəri və ya qovşaqlar arasında səyahət zamanı yaranan riski ifadə edən ağırlıqlı bağlantılarla bağlandığı bir şəbəkə modeli qurmaq üçün tələb olunur. Vektor əsaslı ən ucuz yol alqoritmləri, ayrı bir vektor şəbəkəsi boyunca axını modelləşdirmək üçün lazım olan problemləri etibarlı şəkildə həll edə bilər. Bununla birlikdə, istifadə edilə bilən bir yol tapmaq üçün davamlı bir raster səthini araşdıra bilmirlər (Goncalves 2010).

Bunun əksinə olaraq, rastr əsaslı ən az xərcli yol alqoritmləri, davamlı olaraq səth boyunca mümkün olan marşrutları modelləşdirə bilər, çünki ümumiyyətlə problemi davamlı raster səthinin baxış sahəsindən virtual diskret vektor şəbəkəsinə çevirən üsullardan istifadə edirlər (Collischonn və Pilar 2000). . Bununla birlikdə, onların tətbiqi ümumiyyətlə hər hansı bir diskret vektor şəbəkəsi nəzərə alınmadan davamlı bir raster səthi ilə məhdudlaşır (Snyder et al. 2008). Bir neçə tədqiqat, diskret vektor şəbəkələrini nəzərə alaraq davamlı bir raster səthində ən az xərcli yolları təhlil etməyə çalışdı (Choi et al. 2009 Choi və Nieto 2011). Bu işlərdə vektor şəbəkələri bir raster məlumat dəstindəki hüceyrələrə çevrildi və daha sonra ənənəvi raster əsaslı ən az xərcli yol alqoritmləri tətbiq edildi. Çox az tədqiqatçı eyni vaxtda davamlı raster səthini və diskret vektor şəbəkələrini ən ucuz yolları tapmaq üçün nəzərdən keçirə biləcək bir texnika hazırlamağa çalışdı. Bu həll, davamlı raster səthlər boyunca və ayrıca diskret vektor şəbəkələri boyunca ən az xərcli yolların təyin edilməsi lazım olan bütün ərazi nəqliyyat vasitələri (ATV) naviqasiyası kimi tətbiqlər üçün çox vacibdir.

Bu tədqiqat, diskret vektor şəbəkələri ilə davamlı bir raster səthində ən az xərcli yolları tapmaq üçün rastr və vektor əsaslı ən az xərcli yol alqoritmlərini birləşdirən inteqrasiya olunmuş bir texnikanı təqdim edir. Texnikanın sintetik və real dünya məlumat dəstlərinə tətbiqləri kimi inteqrasiya olunmuş texnikanın arxasında duran konsepsiya təqdim olunur. Araşdırmalarımız göstərir ki, inkişaf etdirdiyimiz inteqrasiya olunmuş texnika, diskret vektor şəbəkələri ilə davamlı bir raster səthində ən az xərcli yolları tapmaq üçün etibarlı məlumat verə bilər.

Diskret vektor şəbəkəsinin idarə edilməsində ənənəvi rastr əsaslı ən az xərcli yol alqoritmlərinin məhdudiyyətləri

Raster əsaslı alqoritmlərin davamlı rastr səthində ən az xərcli yollar tapmaq üçün vektor əsaslı alqoritmlərə nisbətən üstünlükləri var (Wise 2002). Bununla birlikdə, diskret vektor şəbəkəsi boyunca ən az xərcli yollar tapmaq üçün uyğun deyildir, çünki rastr səthində diskret vektor şəbəkəsinin əyri görünüşü tez-tez bir keçid boyunca səyahət xərclərinin həddən artıq qiymətləndirilməsinə səbəb olur (bax Şəkil 1a və b). Tomlin (2010), toplanan səyahət xərclərinin dalğalarının ya qırılması, ya da dağılması yerlərini izləməklə bu problemi ortadan qaldıran bir üsul təklif etdi, lakin onun metodu yalnız hər hansı bir diskret vektor şəbəkəsi olmayan davamlı bir raster səthinə tətbiq edilə bilər. Raster əsaslı ən az xərcli yol alqoritmlərinin başqa bir problemi, maraq hüceyrəsi ilə virtual bağlantı rolunu oynayan digər hüceyrələr arasındakı əlaqələrin sayını məhdudlaşdırmasıdır (Xu və Lathrop 1995). Məsələn, Şəkil 1c -də göstərildiyi kimi, O hüceyrəsi ilə digər birbaşa və ya dolayı qonşu hüceyrələr arasındakı əlaqələrin sayı 16 ilə məhdudlaşır və cəngavər nümunəsi davamlı raster səthində hərəkət dəstlərini təyin etmək üçün istifadə olunur. Nəhayət, ən əsası raster əsaslı ən az xərcli yol alqoritmləri, trafik marşrutlarının keçdiyi nöqtəni (Şəkil 1a) üst keçiddən (Şəkil 1d) ayırmaq üçün heç bir təbii yol təqdim etmir, hətta müəyyən hüceyrələri qovşaq kimi müəyyən etmək üçün xüsusi bir kod istifadə olunsa belə. (Müdrik 2002). Bu, diskret vektor şəbəkəsindəki bağlantılar arasındakı topoloji əlaqələri izləməyi çətinləşdirir.

İnteqrasiya olunmuş texnikanın inkişafı

İnkişaf etdirdiyimiz inteqrasiya olunmuş texnika, diskret vektor şəbəkəsini idarə etməkdə ənənəvi rastr əsaslı alqoritmlərin məhdudiyyətlərini aradan qaldırmaq üçün rastr və vektor əsaslı ən az xərcli yol alqoritmlərini birləşdirir. Şəkil 2 onun on addımını (və ya prosedurlarını) göstərir.

İlk addımda, davamlı bir səth bir ızgara matrisi yaratmaq üçün satır və sütunlara bölünür. Şəbəkədəki hər bir hüceyrənin yerləşmə koordinatları və atribut dəyərləri var. İkinci addımda, hər bir hüceyrənin mərkəzinin virtual qovşaq kimi xidmət etdiyini və qonşu hüceyrə mərkəzləri arasındakı əlaqələrin virtual keçid rolunu oynadığını düşünərək şəbəkədən bir virtual şəbəkə qurulur. Virtual şəbəkə, Rook nümunəsi, Bishop modeli, 3 x 3 hüceyrəli bir pəncərədə Kraliça nümunəsi, 5 x 5 hüceyrəli bir pəncərədə Knight nümunəsi, Knight31 nümunəsi, 7 x 7 -də Knight32 nümunəsi kimi hərəkət dəstlərinin tərifi istifadə edərək qurulmuşdur. hüceyrə pəncərəsi və digərləri daha böyük hüceyrə pəncərələrində. Hüceyrə pəncərəsinin ölçüsü artdıqca, yol üçün dönmə bucağı aralığı (bir hüceyrəyə gələn və gedən yol arasındakı bucaq) azaldıla bilər. Bu yolu daha hamar edəcək (Saha et al. 2005). Hərəkət dəstlərinin fərqli təriflərinin ən az xərc tələb edən yol analizinə təsiri başqa yerdə müzakirə edilmişdir (Xu və Lathop 1995 Yu, Lee və Munro-Stasiuk 2003 Saha et al. 2005).

Üçüncü addımda, Dijkstra alqoritminin işə salınacağı hüceyrələrin mənbəyi müəyyən edilir. Mənbə raster məlumat dəsti, unikal identifikatorları olan mənbə hüceyrələrinin yerləri haqqında məlumat verir. Dördüncü addımda, inteqrasiya olunmuş texnika ızgaradakı hər bir hüceyrənin atribut dəyərlərini işə salır. Bunu (a) mənbə hüceyrələrə sıfır dəyərini və digər hüceyrələrə sonsuzluq dəyərini ilkin yığılmış səyahət xərci olaraq təyin etməklə (b) bütün hüceyrələri görünməmiş olaraq qeyd etməklə və (c) mənbə hüceyrələrindən birini seçməklə indiki hüceyrə kimi.

Beşinci addımda, inteqrasiya olunmuş texnika, virtual şəbəkədəki cari hüceyrəyə bağlı olan, baxılmayan qonşu hüceyrələri axtarır və sonra cari hücrədən gözlənilməyən qonşu hüceyrələrə gediş xərclərini hesablayır. Bu araşdırmada, Zhan, Menon və Gao (1993) tərəfindən təklif edilən və ArcGIS proqramında PATH DISTANCE vasitəsi ilə işləyən aşağıdakı xərc funksiyası səyahət xərclərini hesablamaq üçün istifadə edilmişdir:

[Xərc.sub.N [sağ ox] S] = 0.5 x [SD.sub.N] x [VF.sub.N [sağ ox] S] x ([C.sub.N] x [HF.sub. N] + [C.sub.S] x [HF.sub.S] (1)

[Cost.sub.N [sağ ox] S], N hücrəsindən S hücrəsinə gediş haqqıdır

[SD.sub.N-S], N hüceyrəsinin mərkəzləri ilə S hüceyrələri arasındakı 2.5 ölçülü (2.5D) fiziki məsafədir (m)

[VF.sub.N [sağ ox] S], N hüceyrəsindən S hücrəsinə yuxarı/aşağı hərəkət edərkən xərclərin artmasını/azalmasını nəzərə alan şaquli faktordur.

[C.sub. Üfüqi istiqamət və N hücrəsinin mərkəzində (S hüceyrəsi) gedən yol arasında kiçik bir açı ilə hərəkət edərkən artan xərcləri təşkil edən üfüqi faktor (Şəkil 3).

Beşinci addım tamamlandıqda, inteqrasiya olunmuş texnika cari hücrədə yerləşən diskret vektor şəbəkəsində qovşaqların olub olmadığını yoxlayır. Bu qovşaqlar köməkçi vektor məlumat dəstlərindən biri olaraq təqdim olunan Node məlumat dəstini araşdıraraq axtarılır. Node məlumat dəsti, diskret vektor şəbəkəsindəki qovşaqları təmsil edən nöqtə xüsusiyyətlərini ehtiva edir. Node məlumat dəstinin atribut cədvəli, ID, X və Y haqqında ilk məlumatı əlaqələndirir və hər bir qovşaqdakı giriş və çıxış xərclərini əlaqələndirir. Mövcud hüceyrənin bir və ya daha çox qovşağı varsa, Node məlumat dəstini istifadə edərək, hər bir qovşaqdan başlayaraq ilk gedən əlaqəni axtaran inteqrasiya edilmiş texnika, altıncı addımda qovşaqlardan ayrılan digər qovşaqlara gediş xərclərini təyin edir. Link məlumat dəstinin atribut cədvəlindən istifadə edərək vektor şəbəkəsi. Link məlumat dəsti, diskret vektor şəbəkəsindəki bağlantıları təmsil edən polyline xüsusiyyətlərindən ibarətdir. Bağlantı ID -si, bağlantıya bağlı olan Kimdən və Kimə qovşaqlarının şəxsiyyət məlumatları, keçid boyunca səyahət xərcləri (rasterdəki marşrutların cırtdan görünüşü səbəbindən çox qiymətləndirilməmək əvəzinə düzgün ölçülür) və növbəti gedən keçidin şəxsiyyəti haqqında məlumatlar daxildir. . Düyünlərdən başlayaraq gedən bağlantıların axtarılması və Node və Link məlumat dəstlərindən istifadə edərək bağlantılar boyunca səyahət xərclərinin təyin edilməsi alqoritminin təfərrüatları Wise (2002) tərəfindən təsvir edilmişdir.

Şəkil 4a, davamlı bir raster səthində yeddi qovşaqdan (N1-N7) və səkkiz istiqamətli keçiddən (1-8) ibarət olan diskret vektor şəbəkəsini göstərir. Şəbəkədəki bağlantılar arasındakı topoloji əlaqələr, Node və Link məlumat dəstləri tərəfindən idarə olunur, belə ki, bir marşrut keçidi (N5 qovşağında olduğu kimi) ilə 4 (5) və 7 ( 8).

İnteqrasiya edilmiş texnika, cari hüceyrədə bir və ya daha çox qovşaq varsa, həm davamlı raster səthində, həm də diskret vektor şəbəkəsi boyunca səyahət xərclərini araşdırır. Məsələn, Şəkil 4b -də cari (boz) hüceyrədə N1 nodu var. Texnika beşinci addımda cari hücrədən qonşu hüceyrələrə gediş xərclərini hesablayır və altıncı addımda 1 nömrəli keçid boyunca N1 -dən N5 -ə qədər olan səyahət xərclərini təyin edir. Texnika, mövcud hüceyrədəki qovşaqlardan başlayaraq bir neçə gedən əlaqəni idarə edə bilər. Şəkil 4c -də, cari hücrədəki N5 nodu diskret vektor şəbəkəsində üç gedən əlaqəyə malikdir. Beləliklə, texnika həm fasiləsiz raster səthindəki cari hüceyrəyə faktiki olaraq bağlı olan səkkiz qonşu hüceyrəni, həm də diskret vektor şəbəkəsindəki N5 nodundan başlayaraq gedən əlaqələri 2, 3 və 5 -i nəzərdən keçirir. Bunun əksinə olaraq, Şəkil 4d -də, cari hüceyrədəki N2 qovşağının diskret vektor şəbəkəsində heç bir gedən əlaqəsi yoxdur, buna görə də davamlı raster səthində cari hüceyrəyə faktiki olaraq bağlı olan qonşu hüceyrələr istifadə olunur və altıncı addım yoxdur.

Yeddinci addımda, inteqrasiya olunmuş texnika, bu hüceyrənin diskret vektor şəbəkəsində bir və ya daha çox qovşağı varsa, mövcud (boz) hüceyrədə izlənilən mümkün yolların nümunələrini araşdırır (Şəkil 5). Yollar qovşaqlardan cari hüceyrə mərkəzinin mərkəzinə qədər (Şəkil 5 -də göründüyü kimi) və ya cari hüceyrənin mərkəzindən düyünlərə qədər izlənilirsə (Şəkil 5c), texnika çıxışı (giriş ) Node məlumat dəstinin atribut cədvəlindən istifadə edərək nod (lar) dakı dəyəri və ona 5 və 6 -cı addımlarda hesablanmış mümkün yolların səyahət xərclərini əlavə edir.

Səkkizinci addımda, Dijkstra alqoritmi, 5-7-ci addımlarda təyin olunan səyahət xərclərini istifadə edərək, mənbə hüceyrələrindən gözlənilməyən namizəd hüceyrələrə qədər toplanmış səyahət xərclərini hesablamaq üçün istifadə olunur. Gözlənilməmiş namizəd hüceyrələrə, cari hüceyrəyə faktiki olaraq bağlı olan və cari hüceyrənin Göndərmə qovşağı varsa, diskret vektor şəbəkəsindəki Göndərmə qovluğundan başlayaraq gedən bağlantıların To qovşaqlarını ehtiva edən yoxlanılmamış hüceyrələr daxildir. Hər bir ziyarət edilməmiş namizəd hücrəsi üçün, yığılmış səyahət xərcləri əvvəllər qeydə alınmış səyahət xərclərindən azdırsa, texnika əvvəllər qeydə alınmış səyahət xərclərini yığılmış səyahət xərcləri ilə əvəz edir. Ziyarət edilməmiş namizəd hücrələrində yığılmış səyahət xərcləri müəyyən edildikdən sonra, texnika, yığılmış səyahət xərclərinin cari hücrədə minimuma endirildiyini təsdiq edir və mövcud hüceyrəni ziyarət edildiyi kimi qeyd edir. Daha sonra, ən aşağı yığılmış səyahət xərcləri olan ziyarət edilməmiş namizəd hücrəsi, mövcud hüceyrə olaraq təyin olunur.

Şəbəkədəki bütün hüceyrələr ziyarət edilmiş kimi işarələnənə qədər və mənbə hüceyrələrindən birindən ən aşağı yığılmış səyahət xərcləri təsdiqlənənə qədər yeni təyin olunan cari hücrədən 5-8 -ci addımlar təkrarlanır. Bu optimallaşdırma prosedurları tamamlandıqda, şəbəkədəki hər bir hüceyrə üç xüsusiyyətə malikdir: (a) ən aşağı yığılmış səyahət xərci, (b) ən az xərcli yolun izlənməsi istiqamətini göstərən göstərici və (c) hər bir mənbənin identifikatoru ən aşağı yığılmış səyahət xərcləri ilə əldə edilə bilən hüceyrə. Optimallaşdırma prosedurundan sonra, bir qaynaq hüceyrəsindən bir təyinat hüceyrəsinə gedən ən aşağı xərc yolu, geri bağlantı mexanizmi istifadə edilərək izlənilir (Xu və Lathrop 1995).

Sintetik məlumat dəstlərindən ən az xərcli yolların hesablamaları

İnteqrasiya edilmiş texnika sayəsində yaxşılaşmanı nümayiş etdirmək üçün sintetik məlumat dəstləri istifadə edərək dörd fərqli hesablama aparıldı. Hər bir hesablama üçün, bir çox GIS proqram paketlərində geniş istifadə edildiyindən, davamlı raster səthindəki hərəkət dəstlərini təyin etmək üçün Kraliçanın nümunəsi istifadə edilmişdir. Hesablamalar mümkün qədər sadə etmək üçün hüceyrələr arasında istiqamətsiz səyahət xərcini hesab edən xərc funksiyasından istifadə edilmişdir. Eyni səbəbdən, vahid uzunluğuna düşən xərcin davamlı raster səthindəki hər bir hüceyrədə 1/m olduğu qəbul edildi. Daha mürəkkəb xərc funksiyaları növbəti hissədə nəzərdən keçiriləcəkdir. Diskret vektor şəbəkəsindəki hər bir qovşaqda giriş və çıxış xərcləri Cədvəl 1 -də verilmişdir.

Şəkil 6a, dörd qovşaqdan və dörd istiqamətli keçiddən ibarət olan ayrı bir vektor şəbəkəsi ilə davamlı raster səthində ən az xərcli yolu tapmaq üçün edilən ilk hesablamanın nəticəsini göstərir. The least-cost path from the source cell S to the destination cell D consists of three segments: (a) from the source cell S to the cell containing node N1 across the continuous raster surface (travel cost = 54.14) (b) from the cell containing node N1 to the cell with node N2 along the directional link in the discrete vector network (access cost at N1 = 2.00, travel cost = 6.00) (c) from the cell containing node N2 to the destination cell D across the continuous raster surface (egress cost at N2 = 3.00, travel cost = 34.14). Therefore, the lowest accumulated travel cost is determined as 99.28.

In the second computation, the least-cost path across the continuous raster surface with a discrete vector network consisting of five nodes and eight directional links was analyzed (Figure 6b). As node N5 was used to represent the junction between directional links, the topological relationships of the discrete network considered in the second computation were distinct from those in the first computation. The least-cost path from the source cell S to the destination cell D was determined to be along the route consisting of four segments with the lowest accumulated travel cost of 91.43.

In the third computation, the directional link from node N4 to node N5 in the discrete vector network was removed so that five nodes and seven directional links were examined. Figure 6c shows the result of this computation. The least-cost path from the source cell S to the destination cell D was determined to lie along the route consisting of four segments: (a) from the source cell S to the cell containing node N1 across the continuous raster surface (travel cost = 54.14) (b) from the cell containing node N1 to the node N5 along the directional link in the discrete vector network (access cost at N1 = 2.00, travel cost = 4.00) (c) from the node N5 to the node N2 along the directional link in the network (travel cost = 2.00) and (d) from the node N2 to the destination cell D across the raster surface (egress cost at N2 = 3.00, travel cost = 34.14). Therefore, the lowest accumulated travel cost of the least-cost path was determined to be 99.28. This cost is higher than that from the second computation because the route along the directional link from node N4 to node N5 was not permitted.

In the fourth computation, the discrete vector network consisting of five nodes and eight directional links with high travel costs was considered. The least-cost path from the source cell S to the destination cell D was determined across the continuous raster surface (Figure 6d). Therefore, the lowest accumulated travel cost (123.14) is the same as the 2D fiat distance from the source cell S to the destination cell D that is constrained to orthogonal links of length 10.00 (m) and diagonal links of length 14.14 (m) in the virtual network of the continuous raster surface. It should be noted that the integrated technique considered possible paths both across the continuous raster surface and along the discrete vector network in the fourth computation however, only the paths across the continuous raster surface were used as segments of the least-cost path because the travel costs along the links in the discrete vector network are high.

From the results of the synthetic data sets, we can confirm that the integrated technique can find least-cost paths across the continuous raster surfaces with different discrete vector networks. The integrated technique could calculate the travel costs between the cells on the raster surface using the cost function and identify the travel costs between nodes in the discrete network using the ancillary vector data set. Moreover, topological information about the discrete network could be examined during computations.

Computations of least-cost paths from real-world data sets

To demonstrate the integrated technique in a real-world situation, the technique was tested in a small town in South Korea. The study area was 2.8 [km.sup.2] (2000 m x 1400 km) in size, with both an unpaved continuous surface (including forest, farmland, grass, and a lake) and a transportation network consisting of one- and two-way roads and a road tunnel under a mountain (Figure 7). The least-cost paths of an ATV driven across the unpaved continuous surface and along the transportation network were analyzed using the integrated technique.

Three raster data sets with 10 m resolution were created to represent the characteristics of the ATV's movement on the unpaved continuous surface. Figure 7a shows the cost data set, where each cell represents the travel cost (time) per unit length (min/m) of passing through the cell on flat terrain. As the speed of the ATV on the farm (15 km/h) is usually higher than that in the forest (12 km/h), the travel cost per unit length assigned to the farm (0.004 min/m) is less than that assigned to the forest (0.005 min/m). In addition, a value of infinity was assigned to the cells representing the lake because the ATV is unable to traverse a lake. Figure 7b shows the digital elevation model (DEM) created from 1:25,000-scale topographical maps published by Korea's National Geographic Information Institute (http://www.ngi.go.kr). This data set was combined with the graph in Figure 7c to calculate the vertical factor that accounts for the travel cost necessary to overcome the slope of the hilly terrain.

The raster data set representing the predominant horizontal movement of the ATV at each cell is illustrated in Figure 7d. The horizontal factors in Equation (1) were determined by matching the RHMA (i.e., the angle between the predominant horizontal movement of the ATV and the horizontal direction of a possible path) with the horizontal factor graph (Figure 7e).

The transportation network (Figure 7f) was represented by a discrete vector network consisting of 31 nodes (including four junctions) and 53 directional links stored in the Node and Link data sets, respectively. The access and egress costs for each node were determined to be zero since the ATV does not increase the cost when moving between the cell on the continuous raster surface and the node in the discrete vector network. Using these vector data sets, the travel cost for the ATV, measured along each directional link, and the topological information of the network were analyzed by the integrated technique to determine the least-cost paths.

The Queen's anisotropic path considering the discrete vector network

In the first computation, the discrete vector network was used to determine the least-cost path. All factors in the cost function (Equation 1) were considered in order to calculate the travel costs between ceils, and the Queen's pattern was used to define the move sets. Figure 8a shows the least-cost path determined along the following three segments: (a) the Queen's anisotropic path on the continuous raster surface from the source cell to the cell containing the node with the lowest accumulated travel cost of 0.90 min (b) the path along the discrete vector network including a tunnel (c) the Queen's anisotropic path on the continuous raster surface from the cell containing the node with the lowest accumulated travel cost of 4.10 min to the destination cell. The lowest travel cost along the least-cost path was determined to be 5.14 min.

The Knight's anisotropic path considering the discrete vector network

The second computation was performed under parameter settings identical to those of the first computation, except that the move sets were defined by the Knight's pattern. As can be seen from Figure 8b, the anisotropic paths on the continuous raster surface are slightly different from those in Figure 8a. The lowest travel cost along the least-cost path was calculated to be 5.07 min, which is somewhat less than that from the first computation, because of the effect of the different move sets.

The Queen's anisotropic path from different source-to-destination cells considering the discrete vector network

In the third computation, the source and destination cells were reversed. Other parameter settings were identical to those in the first computation. Figure 8c shows the least-cost path consisting of five segments: (a) the Queen's anisotropic path on the continuous raster surface from the source cell to the cell containing the node with the lowest accumulated travel cost of 0.71 min (b) the path along the discrete vector network to the node with the lowest accumulated travel cost of 1.76 min (c) the Queen's anisotropic path on the continuous raster surface to the cell containing the node with the lowest accumulated travel cost of 6.91 min (d) the path along the discrete vector network to the node with the lowest accumulated travel cost of 8.65 min and (e) the Queen's anisotropic path on the continuous raster surface to the destination cell. The least-cost path in the third computation is different from that in the first computation because of the one-way road. Therefore, the total travel cost of 9.40 min along the least-cost path was greater than that in the first computation (i.e., 5.14 min).

The Queen's anisotropic path on the continuous raster surface with a different cell resolution

To examine the effect of cell resolution on the least-cost path, raster data sets with 40 m cell resolution were used in the fourth computation. Other parameter settings were identical to those in the first computation. As seen in Figure 8d, the accumulation of travel costs along the discrete vector network is identical, regardless of the cell resolution. However, the anisotropic paths on the continuous raster surfaces are slightly different from those in Figure 8a. Therefore, we can determine that the integrated technique is somewhat sensitive to the cell resolution of raster data sets representing the continuous raster surface.

By applying the integrated technique to the synthetic and real-world data sets, we showed that it could provide credible information related to the least-cost paths across a continuous raster surface with discrete vector networks. However, it should be noted that the method of weighting the distance is critical in many applications, including ATV navigation. Different factors, such as slope and land use, and cost functions can affect the least-cost paths determined with the integrated technique.

The computational cost of integrated technique depends on the number of cells in the continuous raster surface (n1) and that of nodes in the discrete vector networks (n2). Suppose n is the sum of n1 and n2. The integrated algorithm requires O ([n.sup.2]) operations in the worst situation. If a heap data structure is used, it takes O (n log n) operations on average. Since the integrated technique is based on Dijkstra's algorithm which does not unitize any heuristics, it often explores unnecessary search areas both across the continuous raster surface and along the discrete vector networks before the optimization procedures are completed. Although Dijkstra's algorithm is guaranteed to find the least-cost path, it results in relatively high computational cost. In future work, the A* algorithm, one of the most well-known heuristic algorithms, can be implemented in the integrated technique to speed up the search process.

The integrated technique we developed assumes that the object can move freely on a continuous raster surface, and then uses the nodes of a discrete vector network as points for the object to access (or exit) the network. However, this assumption is inappropriate for some applications where the object can access (exit) the discrete vector network at any cell on the continuous raster surface. In the future, it would be interesting to study the possibility of accessing (exiting) the discrete vector network at any cell on the continuous raster surface in order to extend the range of applicability of the integrated technique.

In this study, an integrated technique was developed to analyze least-cost paths across a continuous raster surface with discrete vector networks. The technique determines the least-cost path from a source point to a destination point by considering the characteristics of an object's movement on the continuous raster surface as well as those in the discrete vector networks. Thus, information about the discrete vector networks, such as the travel cost at each link, remote connections between nodes, and the network topology, could be effectively used in conjunction with information for the continuous raster surface to find the least-cost paths.

The integrated technique described in this paper is best suited to ATV navigation where both an unpaved continuous surface and a paved transportation network need to be considered simultaneously to find the least-cost path. In addition, the technique can be utilized to support multimodal transportation planning in construction and mining sites where materials are transported by several different means such as off-road trucks on a continuous surface and rail, pipe or conveyor belt systems along discrete networks. Take for instance the multimodal transportation network in a coal mining site which comprises carriages of coal travelling (a) from a loading point to a stockpile across the continuous surface by off-road trucks, (b) from the stockpile to a mineral processing plant by a conveyor belt system, and (c) from the plant to a coal-shipping port by a rail system. Because the integrated technique can handle both continuous raster surfaces and discrete vector networks, it can be effectively applied to find the least-cost path for such a multimodal transportation system.

A relatively straightforward extension of the current work would involve: (a) the introduction of wide paths (i.e., paths or corridors with a fixed width larger than one cell) on the continuous raster surface, and (b) the development of functions to provide contextual information along least-cost paths, such as the location of landmarks, turning instructions, and details of the general layout of the surrounding area.

This work was supported by the KETEP grant funded by the Korea Government's Ministry of Trade, Industry and Energy (Project No. 2011201030006B).

Choi, Y., and A. Nieto. 2011. "Optimal Haulage Routing of Off-Road Dump Trucks in Construction and Mining Sites Using Google Earth and a Modified Least-Cost Path Algorithm." Automation in Construction 20 (7): 982-997.

Choi, Y., H. D. Park, C. Sunwoo, and K. C. Clarke. 2009. "Multi-Criteria Evaluation and Least-Cost Path Analysis for Optimal Haulage Routing of Dump Trucks in Large Scale Open-Pit Mines." International Journal of Geographical Information Science 23 (12): 1541-1567.

Collischonn, W., and J. V. Pilar. 2000. "A Direction Dependent Least-Cost Path Algorithm for Roads and Canals." International Journal of Geographical Information Science 14 (4): 397-406.

Dijkstra, E. W. 1959. "A Note on Two Problems in Connection with Graphs." Numerische Mathmatik 1: 269-271. Goncalves, A. B. 2010. "An Extension of GIS-Based Least-Cost Path Modelling to the Location of Wide Paths." International Journal of Geographical Information Science 24 (7): 983-996.

Hart, P. E., N. J. Nilsson, and B. Raphael. 1968. "A Formal Basis for the Heuristic Determination of Minimum Cost Paths." 1EEE Transactions on Systems Science and Cybernetics 4 (2): 100-107.

Huang, B., Q. Wu, and F. B. Zhan. 2007. "A Shortest Path Algorithm with Novel Heuristics for Dynamic Transportation Networks." International Journal of Geographical Information Science 21 (6): 625-644.

Lee, J., and D. Stucky. 1998. "On Applying Viewshed Analysis for Determining Least-Cost Paths on Digital Elevation Models." International Journal of Geographical Information Science 12 (8): 891-905.

Saha, A. K., M. K. Arora, R. P. Gupta, M. L. Virdi, and E. Csaplovics. 2005. "GIS-Based Route Planning in Landslide-Prone Areas." International Journal of Geographical Information Science 19 (10): 1149-1175.

Snyder, S. A., J. H. Whitmore, I. E. Schneider, and D. R. Becker. 2008. "Ecological Criteria, Participant Preferences and Location Models: A GIS Approach Toward ATV Trail Planning." Applied Geography 28 (4): 248-258.

Tomlin, D. 2010. "Propagating Radial Waves of Travel Cost in a Grid." International Journal of Geographical Information Science 24 (9): 1391-1413.

Wise, S. 2002. GIS Basics, 514 p. New York: Taylor & Francis.

Xu, J., and R. G. Lathrop. 1995. "Improving Simulation Accuracy of Spread Phenomena in a Raster-Based Geographic Information System." International Journal of Geographical Information Science 9 (2): 153-168.

Yu, C., J. Lee, and M. J. Munro-Stasiuk. 2003. "Extensions to Least-Cost Path Algorithms for Roadway Planning." International Journal of Geographical Information Science 17 (4): 361-376.

Zhan, C., S. Menon, and P. Gao. 1993. "A Directional Path Distance Model for Raster Distance Mapping." In Spatial Information Theory: A Theoretical Basis for GIS, edited by A. U. Frank and I. Campari, 434-443. Berlin: Springer-Verlag.

Yosoon Choi (a)*, Jeong-Gi Um (a) and Myong-Ho Park (b)

(a) Department of Energy Resources Engineering, Pukyong National University, Busan 608-737, South Korea (b) E&p Technology Institute, Korea National Oil Corporation, Anyang 431-711, South Korea


Hazırlanır

In this recipe, you will create a terrain surface stored as a raster using the PointElevation sample points. Your sample data has the following characteristics:

  • The average distance between points is 150 meters
  • The density of sample points is not the same on the entire area of interest
  • There are not enough points to define the cliffs and the depressions
  • There are not extreme differences in elevation values

Giriş

Spatial analysis is used to bring meaning and insights out of spatially referenced data, and the set of methods that are identified as spatial analysis tend to be some of the most heavily used in geographic information system (GIS) software [1]. As with any sort of analysis, the results from spatial analysis are highly dependent on the quality of the data provided, as well as the understanding that the GIS user has with respect to the methods used. A GIS user must almost always prepare and manipulate spatial data in order to make it suitable for use in analysis, and thus it is imperative that the user understand the impacts that these manipulations may have on the final results. Otherwise, the outcome of a spatial analysis may inadvertently be distorted. While misinformation through cartographic manipulations have been well documented [2, 3], if the GIS user has a desired outcome from the analysis they may even use data manipulations to covertly drive the solutions toward a desired goal. Thus, it is important to be aware of the effects of spatial data representation, and to establish guidelines that help to ensure that GIS analyses accurately represent real-world conditions and provide impartial solutions.

While GIS analysis techniques are numerous and broad, and an entire book could be written covering all impacts of data representation the main objective of this article is to focus on the impacts of two common data transformations when representing terrain as a raster network for locating a linear feature using shortest path analysis: 1) defining the network generated by connecting raster cells to their neighbors, and 2) the range of the attribute scale that represents the costs to locate the feature at each raster cell. Raster-based shortest path analysis is the predominantly used method for locating linear features over terrain, such as new transmission line corridors [4–13], pipelines [14–16], roadways [17, 18], as well as analyzing the connectivity of a landscape for habitat analysis [19–23] and urban systems [24]. These applications typically require generating a set of non-inferior options that balance numerous competing interests such as economic cost, environmental impact, maintenance accessibility, visual pollution, etc. and from that set of options a decision-making entity can select the final route alignment. Multi-objective shortest path (MOSP) analysis is commonly used for generating such alternatives, since it finds the set of optimal trade-off solutions between multiple competing objectives, and thus can find compromise solutions to best satisfy various parties with different values and priorities [9]. MOSP analysis is valuable at highlighting the representation effects of network connectivity and attribute scale since it provides a rich set of path solutions from which to see the effects of varying parameters of the data representations. When using just two objectives, MOSP analysis is known as biobjective shortest path (BOSP) analysis.

This study examines the effects of raster connectivity and attribute scale via BOSP analysis, comparing the number of Pareto-optimal solutions, the layout of the paths in decision space, and the performance of the solutions in objective space where applicable. We look at the guidelines found in the literature on locating transmission line corridors, and see how their recommendations affect the quality of the analytic solutions. In the discussion and conclusion, we provide guidelines to ensure that such spatial analyses are performed with the appropriate modeling accuracy and objectivity.


Discussion and conclusion

The SMPM has several improvements from previous models. First, the methodology we developed is simple and user friendly. We focus on one summary variable, soil moisture, which has predictable hydrological processes that affect it. Thus, there are fewer assumptions that need to be made. The GIS methodology is also simple. By weighting all three variables (slope, solar radiation, and PAW) equally, we can see the role each variable plays in the output. The datasets for the three variables we use are free and publically available in the United States. In addition, they are recorded at a relatively high spatial resolution (10 m), except for the limitations on the soils data, at a scale that is relevant to understanding what likely occurred across the prehistoric agricultural landscape. Because watersheds are scalable, the methodology can be scaled up to slightly larger watersheds, or scaled down to sub-watersheds or a subset of a watershed as we have done here. It should be noted that the larger the area covered, the more variability that is likely to be represented by the three variables. Thus, more than five ranked classes of soil moisture may be required. We do not recommend using our model for large regions, particularly ones that subsume multiple watersheds or high sub-watershed variability. However, one could conduct an exploratory inter-watershed analysis by comparing values across sub-watersheds, as discussed above.

The SMPM differs from other models in that it characterizes retention of water in the soil column. In effect, the model describes the variability across the watershed for the time it will take for the soil to move from field capacity to wilting point in the event of no precipitation or no input of water into the system. Thus, areas identified in the very low category are more likely to reach wilting point during times of low precipitation or drought before areas of very high soil moisture potential. Looking at the whole watershed then, the proportion of area in these different soil moisture categories can be useful for understanding the potential impacts of climate change on agriculture. Large areas of low soil moisture potential would suggest that the watershed would be more vulnerable to the effects of drought and thus crop failure. Relative to each watershed, the Goodman watershed would be the most susceptible as it has the highest percentage (29.1%) of low and very low soil moisture areas (Table 3). The Crow Canyon and Coffey watershed would be less susceptible, which have 15.3% and 20.2%, respectively, of low and very low soil moisture areas.

The watershed can also be characterized in terms of the patchiness of the distribution of higher soil moisture areas. Large contiguous areas of higher soil moisture potential would mean that fields could be in certain areas to mitigate crop loss, whereas smaller dispersed patches would suggest that fields must be smaller or there would be greater likelihood of crop loss. In the Goodman watershed, the very high soil moisture areas are associated with the south side of small creek slopes. There are a variety of ways to measure patchiness (e.g., FRAGSTATS) [154] however, further examination of this topic is beyond the scope of this paper.

The model can also be used to understand the impacts of springs or water diversion features on the hydrology of an area. Ancestral Pueblo farmers used a mixture of techniques consisting of dryland farming and controlled surface runoff that relied on management of the landscape to redirect water to a desired location. As with patchiness, the study of soil moisture in geographic relation to springs and water-diversion features is beyond the scope of this paper, but there is high potential for future research on this topic using our model.

Outputs from our model can be subjected to varying levels of interpretation a more comprehensive hydrological model would provide specific soil moisture values. Despite the ordinal (ranked) scale of our model, we propose that areas belonging to the high and very high potential soil moisture ranks would have had high potential for ancient farming. The collected soil moisture data from experiments in the Crow Canyon gardens reveal potential values that we could expect in a given location if the conditions are relatively similar (i.e., similar slope percentage, solar radiation, and PAW values). Validation of our model could be strengthened with direct soil moisture measurements from a broader diversity of geographic contexts.

If Ancient Pueblo farming was more common in areas that we found ranked high and very high for soil moisture, one expectation is that villages should be located in proximity to those areas. The density of archaeological settlements is highest in areas with higher soil moisture, particularly in the northern and western part of Goodman watershed (Fig 7) [5,7,155–157]. A Kolmogorov-Smirnov test (α = 0.001) was run to determine whether two independent samples, soil moisture class and archaeological sites (n = 130), were drawn from the same population. The maximum difference (D) between the proportion of soil moisture and proportion of archaeological sites in each soil moisture class attained is 0.2854, which is sufficient to reject the null hypothesis (Table 7). We conclude that the relationship between soil moisture classes and site location in this sample of archaeological sites is significant.

Kernel density of 130 archaeological settlements in the Goodman watershed dating to AD 500–1285.

New archaeological evidence brings additional insight to how our model might be useful for the study of ancient farming [158]. Crow Canyon Archaeological Center excavated portions of the Goodman Point Unit, located in the northern portion of the Goodman watershed, from 2005 to 2011, and they also conducted a soils and geomorphological survey at that time. In one of the patches that had a high and very high soil moisture rank (4–5), maize pollen was discovered in two test units. These units are in a meadow that has no archaeological sites. Additionally, test units that fell into the moderate soil moisture class did not yield maize pollen. Maize pollen can travel up to approximately 800 meters, but the pollen typically stays within 60 meters of the plants [159,160]. We suggest that additional soil tests for maize pollen could be conducted to determine whether maize primarily occurred within those areas with high and very high soil moisture potential as identified by our model.

The utility of the model will depend on the variability in the landscape because the classification that the model generates is relative to the sample area. If too large of an area is studied and if topographic and soils variability is high across space, then the high and very high soil moisture areas may be smaller or patchier in distribution. For example, if we were to enlarge the study area to the McElmo watershed, then the very high soil moisture areas might be in different locations in the Goodman watershed. That is, increasing the area, changes the sensitivity of the model and thus the resolution of soil-moisture-potential mapping. It is also possible that no very high soil moisture patches would be identified in the Goodman watershed. In contrast, if the study area is too small or if the area is relatively homogeneous, then most of the landscape would have a similar rank or very small differences might become exaggerated.

It is important to reiterate that the appropriate spatial scale of the model depends on the research question. If the goal is to describe or characterize a larger watershed, then a lower resolution model might be appropriate. Our assumption is that even for larger areas, we should see archaeological sites near moderate to very high soil moisture areas. Within a watershed, a high proportion of sites should be near high to very high soil moisture patches. If the goal is to understand agricultural potential, then the sub-watershed scale might be more appropriate because people are less likely to select fields far away from habitation sites (e.g., one or more sub-watersheds away).

The model allows for simplification of the complex process of soil moisture by isolating key variables. By spatially modeling the soil moisture proxy, the landscape can be viewed as a mosaic of soil moisture patches. This can be applied to an archaeological setting by considering the high to very high soil patches to be high potential farmland in the watershed. Application of the model provides a better understanding of how landscape dynamics within the watershed affected Ancestral Pueblo communities. The Ancestral Pueblo people were likely selecting site locations based on the distance to the best farmable lands, which in this context was likely to have been connected to the limiting variable of soil moisture.


Videoya baxın: ArcGIS Mosaic to new Raster (Sentyabr 2021).