Daha çox

ArcObjects istifadə edərək iki təbəqənin məkan istinadlarının eyni olub-olmadığını yoxlayırsınız?


İki qatım var. İndi demək istəyirəm ki, bu təbəqələrin məkan istinadları eynidir, ya yox ...

Arcmapda .Net texnologiyalarından istifadə edirəm.

Qatlardan uğurla məkan istinad məlumatları aldım və indi bu məkan istinadlarını müqayisə etmək istəyirəm ...

Misal

sp1, sp2

əgər (sp1 == sp2)

istifadəçiyə məkan istinadlarının eyni olduğu barədə mesaj vermək;

başqa

istifadəçiyə məkan istinadlarının eyni olmadığı barədə mesaj vermək;

Bu məkan istinadlarının eyni olub-olmadığını necə öyrənə bilərəm?


public static bool CompareSpatialRefs (ISpatialReference sourceSR, ISpatialReference targetSR) {IClone sClone = sourceSR IClone olaraq; IClone tClone = ICSR kimi targetSR; // birinci səviyyə testi (! sClone.IsEqual (tClone)) false qayıdırsa, koordinat sistemi komponentini müqayisə edir; doğru qayıt; }

Efiopiyada beş yaşınadək uşaqlar arasında natamam aşılamanın məkan bölgüsü: 2005, 2011 və 2016-cı illərdə Efiopiya Demoqrafik və sağlamlıq sorğu məlumatları

Dünyada hər il peyvəndin qarşısını ala bilən xəstəlik səbəbindən 2-3 milyon 5 yaşa qədər uşaq ölür. Efiopiyada natamam aşılama beş yaşınadək ölümlərin təxminən 16% -ni təşkil edir və Efiopiyada uşaqların peyvənd edilməsi üçün məkan dəyişikliyi mövcuddur. Aşılamanın məkanda dəyişməsi aşı altında qalma nöqtəsini yarada bilər və peyvəndin qarşısının alınması mümkün olan xəstəliyin yoxlanılması və aradan qaldırılması. Beləliklə, bu tədqiqat üç ardıcıl Efiopiya demoqrafik və sağlamlıq sorğu məlumatlarından Efiopiyada uşaqlar arasında natamam aşılamanın məkan bölgüsünü qiymətləndirməyi hədəfləyir.

Metod

Efiopiya demoqrafik və sağlamlıq sorğusu (2005, 2011 və 2016) məlumatlarından bir kəsikli tədqiqat aparılmışdır. Ümumilikdə (12-35) aylıq uşaqları olan 7901 ana bu işə daxil edilmişdir. ArcGIS 10.5 Software qlobal və yerli statistika təhlili və xəritələşdirmə üçün istifadə edilmişdir. Bundan əlavə, natamam immunizasiyanın sırf məkan klasterinin aşkarlanmasını təhlil etmək üçün bir Bernoulli modeli istifadə edilmişdir. GWR version 4 Software, məkan əlaqələrini modelləşdirmək üçün istifadə edilmişdir.

Nəticə

Natamam aşılamanın nisbəti 2005-ci ildə 74,6%, 2011-ci ildə 71,4%, 2016-cı ildə 55,1% təşkil etmişdir. Natamam immunizasiyanın məkan bölgüsü bütün tədqiqat dövrlərində (2005, 2011 və 2016) sırasıyla 0.3629, 1.0700 və 0.8796 qlobal Moran’s I ilə qruplaşdırılmışdır. Getis-Ord təhlili natamam immunizasiya üçün yüksək riskli bölgələrə işarə etdi: 2005-ci ildə SNNPR bölgəsinin Kefa, Gamogofa, KembataTemibaro və Hadya zonalarında, Oromiya bölgəsinin Jimma zonasında isti nöqtə (yüksək riskli) bölgələr aşkar edildi. Eynilə SNNPR bölgəsinin Kefa, Gamogofa, Kembatatemibaro, Dawuro və Hadya zonaları Jimma və Oromiya bölgəsinin West Arsi zonaları isti nöqtələr idi. 2016-cı ildə Somali bölgəsinin Afder, Gode, Korahe, Warder Bölgələri isti nöqtələr idi. Coğrafi olaraq ağırlıqlı reqressiya fərqli əhəmiyyətli dəyişkənlərin təhsilli olmadığını və zəif sərvət indeksinin ölkənin hər yerində edilən üç sorğuda natamam aşılanmanın ortaq ikisi olduğunu təyin etdi.

Nəticə

Natamam immunizasiya iş müddətləri ərzində iş vaxtından azaldılmışdır. Yarımçıq immunizasiyanın məkan bölgüsü qruplaşdırılmış və bütün tədqiqat dövrlərində yüksək riskli sahələr müəyyən edilmişdir. Ardıcıl üç anketdə natamam aşılanmanın proqnozlaşdırıcıları müəyyən edilmişdir.


Qalıqları planlaşdıraraq məkan avtokorrelyasiyasının yoxlanılması?

Biologiyadakı analizlərim üçün həşərat dinamikası və fenologiyasına bir neçə amilin (iqlim, əkin sahəsi) təsirlərini öyrənmək istəyirəm. Bunun üçün illər ərzində bir neçə tələdən böcək tutma məlumatları var. Müstəqil dəyişkənlərə görə illik bolluq kimi bəzi dəyişənləri izah etmək istəyirəm. Yaxşı bir proqnozlaşdırma modelinə sahib olmaq istəmirəm, məqsədim əsasən asılı dəyişən varyansımın hansı hissəsini regressorlar tərəfindən izah edildiyini izah etməkdir. Mənim asılı dəyişənlərim məkan cəhətdən avtomatik əlaqələndirilməyə meyllidirlər: tələdəki dəyəri başqa bir tələdəki dəyərdən asılı ola bilər.

Datam belə görünür (sadələşdirmək üçün burada yalnız iki müstəqil dəyişən var). Dengesizdir: 1985-1995 arasında bir tələ üçün və 1990-2000 arasında başqa bir tələ üçün məlumatlar ola bilər.

Əvvəlcə panel məlumat analizini istifadə etməyi düşündüm, amma bunu bacara bilmədim və indi GLM ilə sınaqdan keçirirəm. Fikrim ilk növbədə bu tip bir model yaratmaqdır: (R formulasiyasından istifadə edirəm: burada "Trap" və "Year" təsadüfi effektlər kimi qoyulur.)

Indep.variable + Indep.variable2 + (1 | Trap) + (1 | Year) + error term

"Tuzak" təsadüfi bir təsir kimi qoyulsa da, bəzi qalıq məkan avtokorrelyasiyası ola bilər. Beləliklə, eyni il içərisində, lakin illərdən asılı olmayaraq tələlər arasında müəyyən bir əlaqənin olub olmadığını yoxlamaq istərdim: Müəyyən bir ildə deyil, ortalama bir avtokorrelyasiya olub olmadığını bilmək istəyirəm.

Beləliklə, sualım budur: modelimin qalıqlarını hər tələyə qarşı qursam və paylanmanın hər tələ üçün eyni olduğunu görsəm, dəyişənim üçün heç bir avtohabəsliyin olmadığı qənaətinə gələ bilərəmmi? Yoxsa istifadə edə biləcəyim bir növ test var? Moran və Mantel testlərini bilirəm, amma mənə elə gəlir ki, bu halda istifadə edə bilmərəm.


Al Jawarneh, IM, Bellavista, P., Foschini, L., Montanari, R .: Mekansal məlumatlı təxmini böyük məlumat axını işlənməsi. In: 2019 IEEE qlobal rabitə konfransı (GLOBECOM), s. 1-6 (2019)

Aljawarneh, IM, Bellavista, P., De Rolt, C. R., Foschini, L .: İştirakçı mobil sağlamlıq icmalarının dinamik identifikasiyası. İçəridə: Ağıllı şəhərlər üçün bulud altyapıları, xidmətlər və IoT sistemləri, s. 208–217. Anonim Springer (2017)

Sahoo, S.S., Wei, A., Tatsuoka, C., Ghosh, K., Lhatoo, S.D .: Biliklərin aşkarlanması üçün nevroloji klinik məlumatların işlənməsi: paylanmış hesablama istifadə edərək miqyaslı məlumatlar axını. In: Sağlamlıq İnformatika üçün Maşın Öyrənmə, s. 303–318. Anonim Springer (2016)

Aji, A., Wang, F., Saltz, J.H .: Geniş miqyaslı tibbi görüntüləmə məlumatları üçün yüksək performanslı bir məkan sorğu sisteminin qurulmasına doğru. In: Coğrafi informasiya sistemlərindəki inkişaflara dair 20-ci beynəlxalq konfransın materialları, s. 309–318 (2012)

Gomes, E., Dantas, MA, de Macedo, D.D., De Rolt, C., Brocardo, M.L., Foschini, L.: Ağıllı bir şəhər layihəsi üçün böyük məlumatları dəstəkləyən bir alt quruluşa doğru. In: 2016 IEEE imkan verən texnologiyalar üzrə 25-ci beynəlxalq konfrans: əməkdaşlıq müəssisələri üçün infrastruktur (WETICE), s. 107-112 (2016)

Bellavista, P., Berrocal, J., Corradi, A., Das, SK, Foschini, L., Al Jawarneh, IM, Zanni, A .: Sis hesablamaları gecikmə / etibarlılığa həssas IoT tətbiqetmələrini necə dəstəkləyə bilər: bir baxış və ən müasir həllərin taksonomiyası (2019)

Vatsavai, R.R., Ganguly, A., Chandola, V., Stefanidis, A., Klasky, S., Shekhar, S.: Böyük məkan məlumatları dövründə məkan-müvəqqəti məlumat mədənçiliyi: alqoritmlər və tətbiqetmələr. In: Böyük yerleşim məlumatları üçün analitik üzrə 1-ci ACM SIGSPATIAL beynəlxalq seminarının materialları, s. 1–10 (2012)

Botta, A., De Donato, W., Persico, V., Pescapé, A .: Bulud hesablama və şeylərin interneti inteqrasiyası: anket. Gələcək Gener. Hesablama. Syst 56, 684–700 (2016)

Bellavista, P., Berrocal, J., Corradi, A., Das, S.K., Foschini, L., Zanni, A.: Şeylərin İnterneti üçün sis hesablamasına dair bir anket. Yayılmış Mob. Hesablama. 52, 71–99 (2019)

Jones, K.E., Patel, N.G., Levy, MA, Storeygard, A., Balk, D., Gittleman, J.L., Daszak, P.: İnkişaf etməkdə olan yoluxucu xəstəliklərin qlobal meylləri. Təbiət 451(7181), 990–993 (2008)

Bellavista, P., Berrocal, J., Corradi, A., Das, S.K., Foschini, L., Zanni, A.: Şeylərin İnterneti üçün sis hesablamasına dair bir anket. Yayılmış Mob. Hesablama. 52, 71–99 (2018)

Ge, M., Bangui, H., Buhnova, B. Şeylərin interneti üçün böyük məlumatlar: anket. Gələcək Gener. Hesablama. Syst. 87, 601–614 (2018)

Siow, E., Tiropanis, T., Hall, W .: Şeylərin interneti üçün analitik: anket. ACM Hesablama. Surv. 51(4), 1–36 (2018)

Zaharia, M., Chowdhury, M., Franklin, MJ, Shenker, S., Stoica, I.: Qığılcım: iş dəstləri ilə klaster hesablama. HotCloud 10(10-10), 95 (2010)

Shvachko, K., Kuang, H., Radia, S., Chansler, R .: Hadoop paylanmış fayl sistemi. In: Msst, s. 1–10 (2010)

Bradshaw, S., Chodorow, K .: Mongodb: qəti bələdçi: güclü və ölçeklenebilir veri saxlama, 3. edn. O'Reilly Media Inc, Newton (2018)

Banker, K .: MongoDB fəaliyyətdədir. Manning Publications Co., Shelter Island (2011)

Yu, J., Zhang, Z., Sarwat, M .: Apache qığılcımında məkan məlumatlarının idarəedilməsi: coğrafi park perspektivi və xaricində. GeoInformatica 23(1), 37–78 (2019)

Khan, R., Khan, S.U., Zaheer, R., Khan, S .: Gələcək internet: şeylərin memarlıq interneti, mümkün tətbiqetmələr və əsas problemlər. In: 2012 10-cu beynəlxalq informasiya texnologiyaları sərhədləri konfransı, s. 257–260 (2012)

Tsichritzis, D.C., Lochovsky, F.H .: Hiyerarşik məlumat bazası idarəetməsi: anket. ACM Hesablama. Surv. 8(1), 105–123 (1976)

DeCandia, G., Hastorun, D., Jampani, M., Kakulapati, G., Lakshman, A., Pilchin, A., Sivasubramanian, S., Vosshall, P., Vogels, W.: Dinamo: amazonda yüksək səviyyədə mövcuddur əsas dəyər mağazası. ACM SIGOPS İş. Syst. Rev. 41(6), 205–220 (2007)

Lakshman, A., Malik, P .: Cassandra: mərkəzləşdirilmiş bir strukturlaşdırılmış saxlama sistemi. ACM SIGOPS İş. Syst. Rev. 44(2), 35–40 (2010)

Chang, F., Dean, J., Ghemawat, S., Hsieh, WC, Wallach, DA, Burrows, M., Chandra, T., Fikes, A., Gruber, RE: Bigtable: strukturlaşdırılmış bölüşdürülmüş bir saxlama sistemi məlumat. ACM Trans. Hesablama. Syst. 26(2), 1–26 (2008)

Team, A.H .: Apache hbase istinad təlimatı. Apache, Versiya, cild 2, (0) (2016)

Grolinger, K., Higashino, WA, Tiwari, A., Capretz, M.A .: Bulud mühitlərində məlumatların idarəedilməsi: NoSQL və NewSQL məlumat mağazaları. J. Cloud Comput. Adv. Syst. Tətbiq. 2(1), 22 (2013)

Dean, J., Ghemawat, S .: MapReduce: böyük klasterlərdə sadələşdirilmiş məlumatların işlənməsi. Ünsiyyət. ACM 51(1), 107–113 (2008)

Jennings, B., Stadler, R .: Buludlarda mənbələrin idarəedilməsi: sorğu və tədqiqat problemləri. J. Netw. Syst. İdarəetmə 23(3), 567–619 (2015)

Al Jawarneh, I.M., Bellavista, P., Casimiro, F., Corradi, A, Foschini, L.: Sənaye 4.0-a dəstək olaraq NoSQL saxlama xidmətləri təqdim etmək üçün sərfəli strategiyalar. In: 2018 IEEE kompüterlər və rabitə mövzusunda simpozium (ISCC), s. 1227 (2018)

Aji, A., Wang, F., Vo, H., Lee, R., Liu, Q., Zhang, X., Saltz, J .: Hadoop gis: mapreduce üzərində yüksək performanslı məkan məlumatları anbar sistemi. Proc. Şirkət Adı VLDB Endowment 6(11), 1009–1020 (2013)

Eldawy, A., Mokbel, M.F .: Spatialhadoop: məkan məlumatları üçün bir mapreduce çərçivəsi. In: 2015 IEEE 31-ci beynəlxalq məlumat mühəndisliyi konfransı, s. 1352–1363 (2015)

Siz, S., Zhang, J., Gruenwald, L .: Buludda geniş miqyaslı məkan qoşulma sorğu işlənməsi. In: 2015 31. IEEE beynəlxalq məlumat konfransı, mühəndislik emalatxanaları, s. 34–41 (2015)

Nishimura, S., Das, S., Agrawal, D., El Abbadi, A .: Md-hbase: yerdən xəbərdar olan xidmətlər üçün miqyaslı çox ölçülü bir məlumat infrastrukturu. 2011-ci ildə IEEE mobil məlumatların idarəedilməsi üzrə 12-ci beynəlxalq konfrans, s. 7–16 (2011)

Yu, J., Wu, J., Sarwat, M .: Geospark: geniş miqyaslı məkan məlumatlarının işlənməsi üçün bir klaster hesablama bazası. In: Coğrafi informasiya sistemlərindəki inkişaflara dair 23-cü SIGSPATIAL beynəlxalq konfransın materialları, s. 70 (2015)

Tang, M., Yu, Y., Aref, W.G., Mahmood, AR, Malluhi, Q.M., Ouzzani, M. Yerlər parkı: yaddaşda paylanmış məkan sorğularının işlənməsi və optimallaşdırılması. In: CoRR, s. 1–15 (2019)

Eldawy, A., Mokbel, M.F., Alharthi, S., Alzaidy, A., Tarek, K., Ghani, S .: Shahed: məkan-müvəqqəti peyk məlumatlarını soruşmaq və görselləşdirmək üçün bir mapreduce əsaslı sistem. In: 2015 IEEE 31-ci beynəlxalq məlumat mühəndisliyi konfransı, s. 1585–1596 (2015)

Vo, H., Aji, A., Wang, F .: SATO: ölçeklenebilir sorğu işlənməsi üçün bir məkan məlumat bölmə çərçivəsi. In: Coğrafi informasiya sistemlərindəki inkişaflara dair 22-ci ACM SIGSPATIAL beynəlxalq konfransının materialları, s.545-548 (2014)

Bentley, J.L., Friedman, J.H .: Aralığın axtarışı üçün məlumat strukturları. ACM Hesablama. Surv. 11(4), 397–409 (1979)

Knuth, D.E .: Kompüter proqramlaşdırma sənəti: çeşidləmə və axtarış, c. 3, 2 edn. Addison-Wesley Publishing Company, Redwood City (1998)

Finkel, R.A., Bentley, J.L .: Dördlü, kompozit düymələrdə axtarış üçün bir məlumat quruluşunu ağaclaşdırır. Acta İnformatika 4(1), 1–9 (1974)

Bentley, J.L .: Assosiativ axtarış üçün istifadə olunan çoxölçülü ikili axtarış ağacları. Ünsiyyət. ACM 18(9), 509–517 (1975)

Sellis, T.K., Roussopoulos, N., Faloutsos, C .: R-ağacı: çox ölçülü obyektlər üçün dinamik bir indeks. In: Çox böyük məlumat bazalarına dair 13-cü beynəlxalq konfransın materialları, s. 507–518 (1987)

Sagan, H .: Yer dolduran əyrilər. Springer-Verlag, Berlin (1994)

Fuchs, H., Kedem, Z.M., Naylor, B.F .: Apriori ağac quruluşları tərəfindən görünən səth əmələ gəlməsində. In: ACM Siqqraf kompüter qrafikası, s. 124-133 (1980)

Leutenegger, S.T., Lopez, MA, Edgington, J .: STR: R ağacının qablaşdırılması üçün sadə və səmərəli bir alqoritm. In: Məlumat mühəndisliyi üzrə 13-cü beynəlxalq konfrans, s. 497–506 (1997)

Asano, T., Ranjan, D., Roos, T., Welzl, E., Widmayer, P .: Yer dolduran əyrilər və bunların həndəsi məlumat strukturlarının dizaynında istifadəsi. Nəzəriyyə. Hesablama. Elm. 181(1), 3–15 (1997)

Aljawarneh, I.M., Bellavista, P., Corradi, A., Montanari, R., Foschini, L., Zanotti, A .: Böyük coğrafi məkan sorğularının işlənməsi və analizi üçün effektiv qığılcım əsaslı çərçivə. In: 2017 IEEE kompüterlər və rabitə simpoziumu (ISCC), s. 851–856 (2017)

Al Jawarneh, I.M., Bellavista, P., Corradi, A., Foschini, L., Montanari, R., Zanotti, A. In: 2018 IEEE 23-cü beynəlxalq seminar, kompüter dəstəkli modelləşdirmə və rabitə əlaqələri və şəbəkələrinin dizaynı (CAMAD), s. 1-6 (2018)

Aly, AM, Mahmud, A.R., Hassan, M.S., Aref, W.G., Ouzzani, M., Elmeleegy, H., Qadah, T .: AQWA: adaptiv sorgu iş yükü, böyük məkan məlumatlarının bölünməsi. Proc. Şirkət Adı VLDB Endowment 8(13), 2062–2073 (2015)

Abdelhamid, A.S., Tang, M., Aly, A.M., Mahmood, A.R., Qadah, T., Aref, W.G., Basalamah, S .: Cruncher: yerə əsaslanan xidmətlər üçün yaddaşda paylanmış işləmə. In: 2016 IEEE 32. məlumat mühəndisliyi üzrə beynəlxalq konfrans (ICDE), s. 1406–1409 (2016)

Eldawy, A., Alarabi, L., Mokbel, M.F .: SpatialHadoop-da məkan bölmə texnikaları. Proc. Şirkət Adı VLDB Endowment 8(12), 1602–1605 (2015)

Amini, S., Gerostathopoulos, I., Prehofer, C .: Gerçek zamanlı trafik nəzarəti üçün böyük məlumat analitik arxitekturası. İntellektual nəqliyyat sistemləri üçün modellər və texnologiyalar üzrə 2017-ci il IEEE beynəlxalq konfransı (MT-ITS), s. 710-715 (2017)

Abdelhaq, H., Gertz, M.: Twitter axınlarında açar sözlərin yeri. In: Geostreaming üzrə 5-ci ACM SIGSPATIAL beynəlxalq seminarının materialları, s. 12-20 (2014)

Jacox, E.H., Samet, H .: Mekansal birləşmə üsulları. ACM Trans. Məlumat bazası sistemi. 32(1), 7 (2007)

Kriegel, H., Kröger, P., Sander, J., Zimek, A .: Sıxlığa əsaslanan kümelenme. Wiley Interdiscip Rev Data Min Knowl Discov 1(3), 231–240 (2011)

Ester, M., Kriegel, H., Sander, J., Xu, X .: Səs-küylü geniş məkan verilənlər bazalarında klasterləri tapmaq üçün sıxlığa əsaslanan bir alqoritm. In: Kdd, s. 226-231 (1996)

Dai, B., Lin, I .: Effektiv xəritə / optimallaşdırılmış məlumat bölməsi ilə azaldılmış dbscan alqoritmi. In: 2012 IEEE bulud hesablama üzrə beşinci beynəlxalq konfrans, s. 59–66 (2012)

O, Y., Tan, H., Luo, W., Feng, S., Fan, J .: MR-DBSCAN: ağır əyri məlumatlar üçün ölçeklenebilir MapReduce əsaslı DBSCAN alqoritmi. Ön. Hesablama. Elm. 8(1), 83–99 (2014)

Xu, R., Wunsch, D .: Kümelenme, c. 10. Wiley, New York (2008)

Wang, W., Yang, J., Muntz, R .: PK ağacı: yüksək ölçülü nöqtə məlumatları üçün bir məkan indeks quruluşu. In: Məlumat Təşkilatı və Verilənlər Bazaları Anonim Springer, s. 281–293 (2000)

Aji, A., Wang, F.: Geniş miqyaslı elmi məlumatlar üçün yüksək performanslı məkan sorğusu emalı. In: SIGMOD / PODS 2012 Ph.D. simpozium, səh. 9-14 (2012)

Zhong, Y., Zhu, X., Fang, J.: Hadoopda elastik və təsirli məkan-müvəqqəti sorğu işləmə sxemi. In: Böyük coğrafi məkanlar üçün analitika üzrə 1-ci ACM SIGSPATIAL beynəlxalq seminarının materialları, s. 33-42 (2012)

Hagedorn, S., Gotze, P., Sattler, K.: Qığılcımdakı boşluq-müvəqqəti məlumat analitikası üçün STARK çərçivəsi. Datenbanksysteme Für Business, Technologie Und Web (BTW 2017) (2017)

Giachetta, R .: MapReduce mühitində geniş miqyaslı coğrafi və uzaqdan algılama məlumatlarının işlənməsi üçün bir çərçivə. Hesablama. Qrafik. 49, 37–46 (2015)

Whitman, R.T., Park, M.B., Ambrose, SM, Hoel, E.G .: Hadoop-da məkan indeksləşdirmə və analitik. In: Coğrafi informasiya sistemlərindəki inkişaflara dair 22-ci ACM SIGSPATIAL beynəlxalq konfransının materialları, s. 73–82 (2014)

Al Naami, K.M., Şeker, S., Khan, L .: GISQF: səmərəli bir məkan sorğu işləmə sistemi. In: 2014 IEEE bulud hesablama üzrə 7-ci beynəlxalq konfrans, s. 681-688 (2014)

Fahmy, M.M., Elghandour, I., Nagi M .: CoS-HDFS: coğrafi paylanmış məkan məlumatlarının hadoop paylanmış fayl sistemində birgə yerləşməsi. In: 2016 IEEE / ACM böyük məlumat hesablama tətbiqetmələri və texnologiyaları üzrə 3-cü beynəlxalq konfrans (BDCAT), s. 123-132 (2016)

Han, D., Stroulia, E .: Hgrid: hbase-də geniş coğrafi məlumat dəstləri üçün bir məlumat modeli. In: 2013 IEEE bulud hesablama üzrə altıncı beynəlxalq konfrans, s. 910–917 (2013)

Weixin, Z., Zhe, Y., Lin, W., Feilong, W., Chengqi, C.: Böyük məlumat vaxtında sql olmayan məkan məlumatları idarəetmə modeli. In: 2015 IEEE beynəlxalq coğrafiya və uzaqdan algılama simpoziumu (IGARSS), s. 4506-4509 (2015)

Li, S., Amin, M.T., Ganti, R., Srivatsa, M., Hu, S., Zhao, Y., Abdelzaher, T .: Stark: dinamik verilənlər bazası kolleksiyaları üçün yaddaşdaxili hesablamaların optimallaşdırılması. In: 2017 IEEE paylanmış hesablama sistemləri (ICDCS) üzrə 37-ci beynəlxalq konfrans, s. 103–114 (2017)

Zheng, K., Gu, D., Fang, F., Zhang, M., Zheng, K., Li, Q .: Məkan bitişikliyini nəzərə alaraq paylanmış sütun yönümlü verilənlər bazasında məlumat saxlama optimallaşdırma strategiyası. Klaster Hesablama. 20(4), 2833–2844 (2017)

Brinkhoff, T., Kriegel, H., Schneider, R., Seeger, B .: Mekansal birləşmələrin çox addımlı işlənməsi. ACM 23(2), 197–208 (1994)

Sriharsha, R .: Magellan: qığılcımda yerleşim analitikası. Alınan May, cild 1, səh. 2018 (2015)

Baig, F., Vo, H., Kurc, T., Saltz, J., Wang, F .: Sparkgis: mənbələrdən xəbərdar olan səmərəli yaddaş içi məkan sorğularının işlənməsi. In: Coğrafi informasiya sistemlərindəki inkişaflara dair 25-ci ACM SIGSPATIAL beynəlxalq konfransının materialları, s. 1–10 (2017)

Xie, D., Li, F., Yao, B., Li, G., Zhou, L., Guo, M .: Simba: səmərəli yaddaş içi məkan analitikası. In: Məlumatların idarəedilməsi üzrə 2016-cı il beynəlxalq konfransının materialları, s. 1071–1085 (2016)

Reiss, C., Tumanov, A., Ganger, G.R., Katz, R.H., Kozuch, M.A .: Buludların miqyaslı heterojenliyi və dinamikliyi: Google iz analizi. Bulud hesablama üzrə üçüncü ACM simpoziumunun materialları, s.7 (2012)

Delimitrou, C., Kozyrakis, C .: Quasar: mənbə qənaətcil və QoS məlumatlı klaster rəhbərliyi. In: ACM SIGARCH kompüter memarlığı xəbərləri, s. 127–144 (2014)


İstinadlar

Adams, R., Bischof, L .: Toxum bölgəsi böyüyür. IEEE Trans. Pattern Anal. Mach. İntellekt. 16, 641–647 (1994)

Aiello, M .: Məkan mühakiməsi: nəzəriyyə və təcrübə. Fəlsəfə doktoru tez, Məntiq, Dil və Hesablama İnstitutu, Amsterdam Universiteti (2002)

Aiello, M., Pratt-Hartmann, I., van Benthem, J.: Məkan Məntiqləri El Kitabı. Springer, New York (2007)

Akkus, Z., Galimzianova, A., Hoogi, A., Rubin, D.L., Erickson, B.J .: Beyin mri seqmentasiyası üçün dərin öyrənmə: sənət vəziyyəti və gələcək istiqamətlər. J. Digit. Görüntüləmə 30, 449–459 (2017)

Bartocci, E., Bortolussi, L., Loreti, M., Nenzi, L .: Mobil və məkan baxımından paylanmış kiber-fiziki sistemlərin izlənməsi. In: Talpin, JP, Derler, P., Schneider, K. (eds.) 15. Sistem Dizaynı üçün Formal Metodlar və Modellər üzrə 15-ci ACM-IEEE Beynəlxalq Konfransının materialları, MEMOCODE 2017, Vyana, Avstriya, 29 sentyabr - 02 oktyabr, 2017, s. 146–155. ACM, New York (2017)

Bartocci, E., Bortolussi, L., Milios, D., Nenzi, L., Sanguinetti, G .: Sinyal boşluğu-zamansal məntiqindən istifadə edərək morfogenezdə ortaya çıxan davranışların öyrənilməsi. İçəridə: Hibrid Sistemlər Biologiyası: Dördüncü Beynəlxalq Çalıştay, HSB 2015, Madrid, İspaniya, 4-5 sentyabr 2015. Yenidən Seçilmiş Seçilmiş Sənədlər, s. 156–172. Springer (2015)

Bartocci, E., Gol, E.A., Haghighi, I., Belta, C .: Reaksiya diffuziya şəbəkələrində nümunələrin tanınması və sintezinə rəsmi metodlar yanaşması. IEEE Trans. Şəbəkəni idarə edin. Syst. 5(1), 308–320 (2018)

Bauer, S., Wiest, R., Nolte, L.-P., Reyes, M .: Beyin şişi tədqiqatları üçün MRI əsaslı tibbi görüntü analizinə dair bir araşdırma. Fiz. Med. Biol. 58(13), R97 (2013)

Belmonte, G., Ciancia, V., Latella, D., Massink, M .: Kollektiv adaptiv sistemlərdən insan mərkəzli hesablamaya və arxaya: tibbi görüntülərin yoxlanılması üçün məkan modeli. In: ter Beek, M., Loreti, M. (eds.) Kollektiv Adaptiv SysTems-in Kəmiyyət Qiymətləndirilməsi üçün FORM Metodları Çalıştayı, Proqnoz @ STAF 2016, Vyana, Avstriya, 8 İyul 2016, EPTCS-in Cild 217, s. 81-92 (2016)

Belmonte, G., Ciancia, V., Latella, D., Massink, M .: Voxlogica: deklarativ görüntü analizi üçün məkan modeli yoxlayıcısı. İçəridə: Sistemlərin Qurulması və Təhlili üçün Alətlər və Alqoritmlər - Proqramın nəzəriyyəsi və praktikası, ETAPS, Kompüter elmində məntiqi metodlar üzrə Avropa Birgə Konfranslarının bir hissəsi olaraq keçirilən 25-ci Beynəlxalq Konfrans, TACAS 2019. Springer (görünür) (2019)

Belmonte, G., Ciancia, V., Latella, D., Massink, M., Biondi, M., De Otto, G., Nardone, V., Rubino, G., Vanzi, E., Banci Buonamici, F .: Radioterapiya üçün MR havasında glioblastomanın avtomatik seqmentləşdirilməsi üçün topoloji metod - ESMRMB 2017, 34-cü illik elmi iclas. Maqn. Reson. Ana. Fiz. Biol. Med. 30(S1), 437 (2017)

Brock, K.: Radiasiya Terapiyasında Görüntü İşləmə. CRC Press, Boca Raton (2014)

Brown, L.: Təsvir qeyd etmə üsullarının araşdırılması. ACM Hesablama. Surv. 24(4), 325–376 (1992)

Brown, R., Cheng, N., Haacke, E., Thompson, M., Venkatesan, R. (eds.): Maqnetik Rezonans Görüntüləmə. Wiley, New York (2014)

Burnet, N.: Şüa və radioterapiya üçün hədəf həcmlərinin təyin edilməsi. Xərçəng görüntüləmə 4(2), 153–161 (2004)

Castellano, G., Bonilha, L., Li, L., Cendes, F .: Tibbi görüntülərin toxuma analizi. Klinika. Radiol. 59(12), 1061–1069 (2004)

Chen, C., Da Ponte, J., Fox, M.: Fraktal xüsusiyyət analizi və tibbi görüntüləmə təsnifatı. IEEE Trans. Med. Görüntüləmə 8(2), 133–142 (1989)

Chetelat, G., Baron, J .: Alzheimer xəstəliyinin erkən diaqnozu: struktur neyro görüntüləmə töhvəsi. NeuroImage 18(2), 525–541 (2003)

Ciancia, V., Gilmore, S., Grilletti, G., Latella, D., Loreti, M., Massink, M.: Toplu nəqliyyat sistemlərində vasitə hərəkətinin kosmik-zamansal modeli yoxlanılması. İnt. J. Softw. Tools Technol. Transf. 20(3), 289–311 (2018)

Ciancia, V., Gilmore, S., Latella, D., Loreti, M., Massink, M.: Kollektiv adaptiv sistemlər üçün məlumatların yoxlanılması: nəqliyyat vasitəsinin yer məlumatlarının məkan modelinin yoxlanılması. In: Səkkizinci IEEE Öz-özünə Uyğunlaşma və Özünü Təşkil etmə Sistemləri Seminarları Beynəlxalq Konfransı, SASOW, s. 32-37. IEEE Kompüter Cəmiyyəti (2014)

Ciancia, V., Grilletti, G., Latella, D., Loreti, M. və Massink, M.: Eksperimental bir məkan-müvəqqəti model yoxlayıcısı. In: Proqram Mühəndisliyi və Rəsmi Metodlar - SEFM 2015 Birləşdirilmiş Atölyeler, Kompüter elmində Mühazirə Qeydlərinin Cild 9509, s. 297–311. Springer (2015)

Ciancia, V., Latella, D., Loreti, M., Massink, M. Məkanın xüsusiyyətlərinin göstərilməsi və doğrulanması. İçində: Nəzəri Kompüter Elmləri - 8. IFIP TC 1 / WG 2.2 Beynəlxalq Konfransı, TCS 2014, Roma, İtaliya, 1-3 sentyabr 2014. İşlər, Kompüter elmində Mühazirə Qeydlərinin Cild 8705, s. 222–235. Springer (2014)

Ciancia, V., Latella, D., Loreti, M., Massink, M.: Bağlanma sahələri üçün məkan məntiqlərinin yoxlanılması üçün model. Giriş. Metodlar Hesablama. Elm. 12(4), 1–51 (2016)

Ciancia, V., Latella, D., Loreti, M., Massink, M .: Məkan məntiqi və məkan modeli bağlanma məkanlarının yoxlanılması. In: Bernardo, M., De Nicola, R., Hillston, J. (eds.) Kollektiv Adaptiv Sistemlərin Kəmiyyət Qiymətləndirilməsi üçün Rəsmi Metodlar - Kompüter, Rabitə və Proqram Sistemlərinin Dizaynı üçün Formal Metodlar üzrə 16-cı Beynəlxalq Məktəb, SFM 2016, Bertinoro, İtaliya, 20-24 iyun 2016, Ətraflı Mühazirələr, Kompüter Elmlərində Mühazirə Qeydlərinin Cild 9700, s. 156–201. Springer, New York (2016)

Ciancia, V., Latella, D., Massink, M., Pakauskas, R .: Velosiped paylaşma sistemlərinin məkan-müvəqqəti xüsusiyyətlərinin araşdırılması. In: 2015 IEEE Beynəlxalq Özünə Uyğunlaşma və Özünü Təşkil Etmə Sistemləri Seminarları, SASO Atölyeleri, s. 74-79. IEEE Kompüter Cəmiyyəti (2015)

Ciancia, V., Latella, D., Massink, M., Paskauskas, R., Vandin, A .: Velosiped paylaşma sistemlərinin statistik məkan-müvəqqəti model yoxlanışı üçün alət zənciri. In: Margaria, T., Steffen, B. (eds.) Formal Metodların Tətbiqlərindən yararlanmaq, Doğrulama və Doğrulama: Əsas Texnikalar - 7. Beynəlxalq Sempozyum, ISoLA 2016, İmperator, Korfu, Yunanistan, 10-14 oktyabr 2016, İşlər, Hissə I, Kompüter elmində mühazirə qeydlərinin cild 9952, s. 657-673 (2016)

Ciesielski, K., Chen, X., Udupa, J., Grevera, G .: Dəqiq məsafə çevrilməsi üçün xətti zaman alqoritmləri. J. Math. Görüntüləmə Vis. 39(3), 193–209 (2010)

Clarke, E., Emerson, A.: Dallanma vaxtı müvəqqəti məntiqindən istifadə edərək sinxronizasiya skeletlərinin dizaynı və sintezi. İçəridə: Proqramlar Məntiqi, Çalıştay, s. 52-71. Springer, London (1982)

Clarke, E., Grumberg, O., Peled, D .: Model yoxlanışı. MIT Press, Boca Raton (1999)

Davnall, F., Yip, C., Ljungqvist, G., Selmi, M., Ng, F., Sanghera, B., Ganeshan, B., Miles, KA, Cook, GJ, Goh, V.: Qiymətləndirmə şiş heterojenliği: klinik praktika üçün ortaya çıxan bir görüntüləmə vasitəsi? Insights Imaging 3(6), 573–589 (2012)

De Nicola, R., Katoen, J., Latella, D., Loreti, M., Massink, M.: Mobil stoxastik məntiqi model yoxlama. Nəzəriyyə. Hesablama. Elm. 382(1), 42–70 (2007)

De Santis, S., Drakesmith, M., Bells, S., Assaf, Y., Jones, D.: Niyə difüzyon tensor MRİ yalnız bəzi zamanları yaxşı göstərir: canlılardakı ağ maddə toxuması mikroyapı xüsusiyyətlərinin dəyişməsi və kovaryansı. insan beyni. NeuroImage 89, 35–44 (2014)

Despotović, I., Goossens, B., Philips, W .: İnsan beyninin MRI seqmenti: problemlər, metodlar və tətbiqlər. Hesablama. Riyaziyyat. Metodlar Med. 1–23, 2015 (2015)

Doi, K .: Tibbi görüntülərdə kompüter dəstəkli diaqnoz: tarixi araşdırma, mövcud vəziyyət və gələcək potensial. Hesablama. Med. Təsvir Qrafı. 31(4–5), 198–211 (2007)

Dupont, C., Betrouni, N., Reyns, Vermandel, M .: Glioblastomaya tətbiq olunan görüntü seqmentləşdirmə metodları haqqında: sənət vəziyyəti və yeni meyllər. IRBM 37(3), 131–143 (2016)

Fabbri, R., Costa, L., Torelli, J., Odemir, B .: 2D Öklid məsafəyə çevrilmə alqoritmləri: müqayisəli anket. ACM Hesablama. Surv. 40(1), 2:1–2:44 (2008)

Fabbri, R., Da Fontoura Da Costa, L., Torelli, J., Bruno, O .: 2D Öklid məsafəsi çevrilmə alqoritmləri: müqayisəli anket. ACM Hesablama. Surv. 40(1), 2:1–2:44 (2008)

Fyllingen, E., Stensjøen, A., Berntsen, E., Solheim, O., Reinertsen, I .: Glioblastoma seqmentasiyası: üç fərqli proqram paketinin müqayisəsi. PLOS BİR 11(10), e0164891 (2016)

Galton, A .: Diskret məkanın mereotopologiyası. In: Freksa, C., David, M. (eds.) Mekansal Məlumat Nəzəriyyəsi. Coğrafi İnformasiya Elminin Koqnitiv və Hesablama Əsasları, Kompüter elmində Mühazirə Qeydlərinin 1661-ci cildi, s. 251–266. Springer, Berlin (1999)

Galton, A .: Diskret məkanda hərəkətin ümumiləşdirilmiş topoloji görünüşü. Nəzəriyyə. Hesablama. Elm. 305(1–3), 111–134 (2003)

Galton, A .: Ayrı-ayrı mereotopoloji. In: Calosi, C., Graziani, P. (eds.) Mereologiya və Elmlər: Çağdaş Elmi Kontekstdəki Parçalar və Bütünlər, s. 293-321. Springer, New York (2014)

Gol, E., Bartocci, E., Belta, C .: Reaksiya diffuziya sistemlərində nümunə sintezinə rəsmi metodlar yanaşması. In: Qərar və Nəzarət üzrə 53-cü IEEE Konfransı, s. 108–113 (2014)

Gordillo, N., Montseny, E., Sobrevilla, E.: MRI beyin şişi seqmentasiyası ilə bağlı son tədqiqat vəziyyəti. Maqn. Reson. Görüntüləmə 31(8), 1426–1438 (2013)

Grevera, G .: Məsafəyə çevrilmə alqoritmləri və onların tətbiqi və qiymətləndirilməsi. İçəridə: Farag, A.A., Suri, J.S. (red.) Deformable Modeller, s. 33-60. Springer (2007)

Grosu, R., Smolka, S., Corradini, F., Wasilewska, A., Entcheva, E., Bartocci, E. Ünsiyyət. ACM 52(3), 97–105 (2009)

Haghighi, I., Jones, A., Kong, Z., Bartocci, E., Grosu, R., Belta, C .: Spatel: Yeni bir məkan-müvəqqəti məntiq və ağ sistemlərinə tətbiqləri. In: Hibrid Sistemlər üzrə 18-ci Beynəlxalq Konfransın İşləri: Hesablama və İdarəetmə, HSCC ’15, s. 189–198. ACM, New York (2015)

Han, F., Wang, H., Zhang, G., Han, H., Song, B., Li, L., Moore, W., Lu, H., Zhao, H., Liang, Z .: Ağciyər düyünlərində kompüter dəstəkli diaqnoz üçün toxuma xüsusiyyət analizi. J. Digit. Görüntüləmə 28(1), 99–115 (2014)

Haralick, R., et al.: Təsnif təsnifatı üçün toxuma xüsusiyyətləri. IEEE Trans. Syst. Adam Cybern. 3(6), 610–621 (1973)

Heinonen, T., Arola, T., Kalliokoski, A., Dastidar, P., Rossi, M., Soimakallio, S., Hyttinen, J., Eskola, H.: Seqmentasiya və toxuma analizi üçün kompüter dəstəkli diaqnoz aracı tibbi şəkillər. In: IFMBE İşlər, s. 274-276. Springer (2009)

Kassner, A., Thornhill, R.: Doku analizi: nevroloji MR görüntüləmə tətbiqlərinin nəzərdən keçirilməsi. Am. J. Neuroradiol. 31(5), 809–816 (2010)

Kimmel, R., Kiryati, N., Bruckstein, A .: Alt piksel məsafə xəritələri və ağırlıqlı məsafə çevrilmələri. J. Math. Görüntüləmə Vis. 6(2), 223–233 (1996)

Kontchakov, R., Kurucz, A., Wolter, F., Zakharyaschev, M .: Mekansal məntiq + müvəqqəti məntiq =? In: Aiello, M., Pratt-Hartmann, I., van Benthem, J. (eds.) Məkan Məntiqləri El Kitabı, s. 497-564. Springer (2007)

Kutz, O., Wolter, F., Sturm, H., Suzuki, N., Zakharyaschev, M.: Metrik fəzaların məntiqləri. ACM Trans. Hesablama. Giriş. 4(2), 260–294 (2003)

Lemieux, L., Hagemann, G., Krakow, K., Woermann, F. Maqn. Reson. Med. 42(1), 127–135 (1999)

Li, C., Herndon, J., Novembre, F., Zhang, X.: NeuroAIDS'in bir makak modelində beyin zədələnməsinin uzununa bir maqnitləşmə ötürmə görüntüləmə qiymətləndirməsi. AIDS Res. Hum. Retrovir. 31(3), 335–341 (2015)

Lopes, R., Ayache, A., Makni, N., Puech, P., Villers, A., Mordon, S., Betrouni, N.: Fraktal xüsusiyyətləri istifadə edərək MR görüntülərində prostat xərçəngi xarakteristikası. Med. Fiz. 38(1), 83 (2011)

Madabhushi, A., Udupa, J.: Ümumiləşdirilmiş miqyasda MR görüntü intensivliyinin standartlaşdırılmasının yeni üsulları. Med. Fiz. 33(9), 3426–3434 (2006)

Maurer, C., Rensheng, Q., Raghavan, V .: İkili şəkillərin ixtiyari ölçülərdə dəqiq öklid məsafəsi çevrilmələrini hesablamaq üçün xətti bir zaman alqoritmi. IEEE Trans. Pattern Anal. Mach. İntellekt. 25(2), 265–270 (2003)

Mazzara, G., Velthuizen, R., Pearlman, J., Greenberg, H., Wagner, H.: Avtomatlaşdırılmış MRI seqmentləşdirmə yolu ilə radiasiya müalicəsi planlaşdırılması üçün beyin şişinin hədəf həcminin təyin edilməsi. İnt. J. Radiat. Oncol. Biol. Fiz. 59(1), 300–312 (2004)

Menze, B., et al.: Multimodal beyin şişi görüntü seqmentasiya göstəricisi (brats). IEEE Trans. Med. Görüntüləmə 34(10), 1993–2024 (2015)

Meshgi, K., Ishii, S .: İzləmə dəqiqliyini yaxşılaşdırmaq üçün rənglərin histoqramını ızgara ilə genişləndirmək. İçində: MVA (2015)

Mohan, G., Subashini, M.M .: Mri əsaslı tibbi görüntü təhlili: beyin şişi dərəcəsi təsnifatı ilə bağlı araşdırma. Biomed. Siqnal prosesi. Nəzarət 39, 139–161 (2018)

Nenzi, L., Bortolussi, L .: Siqnal müvəqqəti məntiqində stokastik məkan-müvəqqəti sistemlərin xüsusiyyətlərinin göstərilməsi və izlənməsi. In: Fəaliyyətin Qiymətləndirilməsi Metodologiyaları və Vasitələri üzrə 8-ci Beynəlxalq Konfrans, VALUETOOLS 2014, Bratislava, Slovakiya, 9-11 dekabr 2014. ICST (2014)

Nenzi, L., Bortolussi, L., Ciancia, V., Loreti, M., Massink, M.: Məkan-müvəqqəti xüsusiyyətlərin keyfiyyət və kəmiyyət nəzarəti. In: Çalışma Zamanı Doğrulaması - 6. Beynəlxalq Konfrans, RV 2015 Vyana, Avstriya, 22-25 sentyabr 2015. İşlər, Kompüter Elmlərində Mühazirə Qeydlərinin Cild 9333, s. 21-37. Springer (2015)

Nenzi, L., Bortolussi, L., Ciancia, V., Loreti, M., Massink, M.: Məkan-zaman xüsusiyyətlərinin SSTL ilə keyfiyyət və kəmiyyət nəzarəti. Giriş. Metodlar Hesablama. Elm. 14(4), 1-38 (2018). https://doi.org/10.23638/LMCS-14(4:2)2018

Prvu, O., Gilbert, D .: Çoxölçülü məkan-müvəqqəti meta model yoxlanışından istifadə edərək bioloji sistemlərin çox səviyyəli hesablama modellərini yoxlamaq üçün yeni bir metod. PLOS BİR 11(5), 1–43 (2016). 05

Reif, J., Sistla, A.: Müvəqqəti və məkan modaliteleri ilə çoxsaylı bir ağ məntiqi. J. Comput. Syst. Elm. 30(1), 41–53 (1985)

Rengier, F., Mehndiratta, A., von Tengg-Kobligk, H., Zechmann, CM, Unterhinninghofen, R., Kauczor, H.-U., Giesel, FL: Görüntüləmə məlumatlarına əsaslanan 3B çap: tibbi tətbiqlərin nəzərdən keçirilməsi . İnt. J. Comput. Köməkçi Radiol. Surg. 5(4), 335–341 (2010)

Rodriguez Gutierrez, D., Awwad, A., Meijer, L., Manita, M., Jaspan, T., Dineen, R., Grundy, R., Auer, D.: MRI difüzyonunun metrikleri və doku xüsusiyyətləri yaxşılaşdırılması pediatrik posterior fossa şişlərinin təsnifatı. Am. J. Neuroradiol. 35(5), 1009–1015 (2013)

Sharma, N., Ray, A., Sharma, S., Shukla, K., Pradhan, S., Aggarwal, L.: Doku-ibtidai xüsusiyyətlərindən istifadə edərək tibbi görüntülərin seqmentasiyası və təsnifatı: BAM tipli süni sinir şəbəkəsinin tətbiqi . J. Med. Fiz. 33(3), 119 (2008)

Sheremet, M., Wolter, F., Zakharyaschev, M.: Müqayisəli məsafələr və topologiya haqqında düşünmək üçün modal bir məntiq çərçivəsi. Ann. Saf Tətbiq. Giriş. 161(4), 534–559 (2010)

Simi, V., Joseph, J.: MR görüntülərindən glioblastoma multiforme seqmentasiyası - hərtərəfli nəzərdən keçirmə. Misir. J. Radiol. Nüvə. Med. 46(4), 1105–1110 (2015)

Srinivasan, G., Shobha, G .: Statistik toxuma analizi. Proc. Dünya Akad. Elm. Eng. Technol. 36, 1264–1269 (2012)

Sundstrom, A., Grabocka, E., Bar-Sagi, D., Mishra, B.: Histoloji görüntü işləmə xüsusiyyətləri xroniki şiş hipoksiyasının kəmiyyət xarakteristikasına səbəb olur. PLOS BİR 11(4), 1–30 (2016). 04

Thorup, M .: Xətti vaxtda müsbət tam çəki ilə yönləndirilməmiş tək mənbəli ən qısa yollar. J. ACM 46(3), 362–394 (1999)

Tijms, B., Series, P., Willshaw, D., Lawrie, S .: Fərdi şəbəkələrin boz maddə MRI taramalarından oxşarlığa əsaslanan çıxarılması. Cereb. Korteks 22(7), 1530–1541 (2011)

Toosy, A .: Diffuziya tensor görüntüsü amiotrofik lateral sklerozda kortikospinal traktın tutulmasını birdən çox səviyyədə aşkarlayır. J. Neurol. Neyrocərrah. Psixiatriya 74(9), 1250–1257 (2003)

van Benthem, J., Bezhanishvili, G .: Məkanın modal məntiqləri. In: Aiello, M., Pratt-Hartmann, I., van Benthem, J. (eds.) Məkan Məntiqləri El Kitabı, s. 217–298. Springer (2007)

Woods, B., Clymer, B., Kurc, T., Heverhagen, J., Stevens, R., Orsdemir, A., Bulan, O., Knopp, M.: 4D birlikdə meydana gələn toxumadan istifadə edərək bədxassəli lezyon seqmenti. dinamik kontrastla inkişaf etdirilmiş maqnit rezonans döş şəkli məlumatlarına tətbiq olunan analiz. J. Magn. Reson. Görüntüləmə 25(3), 495–501 (2007)

Zhu, Y., Young, G., Xue, Z., Huang, R., You, H., Setayesh, K., Hatabu, H., Cao, F., Wong, S .: Yarı avtomatik seqmentləşdirmə proqramı kəmiyyət klinik beyin glioblastoma qiymətləndirilməsi üçün. Akad. Radiol. 19(8), 977–985 (2012)


Məkan Məlumat Elmləri və Tətbiqləri

Mekansal (xəritə), Apple, Google, Microsoft, Amazon, Intel və Uber kimi böyük İT şirkətlərinin, hətta Audi, BMW, kimi motor şirkətlərinin ticarət əməliyyatları ilə təsdiqlənən müasir İT dünyasının əsas infrastrukturu kimi qəbul edilir. və Mercedes. Nəticə etibarı ilə daha çox məkan məlumatı alimləri işə götürməyə borcludurlar. Bu cür iş tendensiyasına əsaslanaraq bu kurs, məkan məlumatları haqqında məlumatları və məlumatların təhlili ilə bağlı əsas biliklərə sahib olanlara məkan məlumatları haqqında möhkəm bir anlayış təqdim etmək və nəticədə təcrübələrini digər nominal məlumat alimlərindən və məlumatlarından fərqləndirmək üçün hazırlanmışdır. analitiklər. Əlavə olaraq, bu kurs öyrənənlərə məkan böyük məlumatlarının dəyərini və məkan məlumatları problemləri ilə məşğul olmaq üçün açıq mənbəli proqram təminatının gücünü dərk edə bilər. Bu kurs, məkan məlumat elmini müəyyənləşdirmək və məkanın niyə üç fərqli aspektdən - iş, texnologiya və məlumatlardan xüsusi olduğunu cavablandırmaqla başlayacaq. İkinci həftədə məkan məlumatları ilə əlaqəli dörd fən - GIS, DBMS, Data Analytics və Big Data Systems və əlaqəli açıq mənbə proqramı və # x27s - QGIS, PostgreSQL, PostGIS, R və Hadoop alətləri birlikdə təqdim olunur. Üçüncü, dördüncü və beşinci həftələrdə dörd fənni prinsipdən tətbiqlərə qədər bir-bir öyrənəcəksiniz. Son həftədə beş real dünya problemi və müvafiq həll yolları açıq mənbə proqramı və # x27s mühitində addım-addım prosedurlarla təqdim olunur.

Получаемые навыки

Məkan Təhlili, Qgis, Böyük Məlumat, Coğrafi İnformasiya Sistemi (CİS)

Рецензии

Əsaslardan başlayan əla kurs nümunələr, real həyat ssenariləri, proqram istifadəsi ilə izahlı olur. Mütləq tövsiyə olunur.

Kursu sevirəm! Məkan haqqında çox təfərrüatlı izah etdi. Məkan təhlili ilə əlaqəli xəyalımdakı işi tezliklə aça biləcəyimə ümid edirəm.

Altıncı modul, & quot; Məkan Məlumat Elminin Praktiki Tətbiqləri & quot; adlı 5 real dünya probleminin təqdim edildiyi və uyğun həllərin həll strukturlarında addım-addım prosedurları və əlaqəli açıq mənbə proqramı ilə təqdim edildiyi & # x27, Modul 2-də müzakirə edildi. Birinci mühazirədə ABŞ-ın cənub-şərq əyalətlərindəki ərazi sərmayələri üçün ilk 5 bölgəni tapmaq üçün yalnız QGIS-in istifadə olunduğu Masaüstü GIS nümunəsi təqdim olunur. ağac tələbatı ilə müqayisədə taxta tədarükünün böyük kəsiri. İkinci mühazirədə, QGIS və PostgreSQL / PostGIS-in istifadə olunduğu bir ayrı CBS nümunəsi, bir çox istifadəçi girişi və fərqli imtiyazlar tələb edən NYC məkan məlumat mərkəzinin müəyyən bir problemi üçün bir həll olaraq təqdim ediləcəkdir. Üçüncü mühazirədə QGIS və R-nin inzibati ərazilərdə daha çox və ya daha aşağı xəstəlik yayılmasına səbəb olan regional amilləri tapmaq üçün məkan məlumatları analitikasının bir nümunəsi təqdim olunur, bunun üçün məkan otokorrelyasiya təhlili aparılır və qərar ağacı təhlili tətbiq olunur. . Dördüncü mühazirə xərc səthinin istehsal olunduğu və Dijkstra & # x27s alqoritminin istifadə olunduğu şəbəkə analizi ilə optimal infiltrasiya marşrutunu tapmaq üçün məkan məlumat analitikasının başqa bir nümunəsidir. Beşinci mühazirə QGIS, PostGIS, R və Hadoop MapReduce-un hamısının istifadə olunduğu və daha çox sərnişinin taksi gözlədiyi yerlərə rəhbərlik edə bilən & quotPassenger Finder & quot; həllini təmin etmək üçün istifadə olunduğu məkan böyük məlumatların idarə edilməsi və analitik nümunəsidir. kabinlər. Çözüm üçün Hadoop mühitində məkan böyük məlumatları, taksi trayektoriyası toplanır və səs-küy aradan qaldırılması və xəritə uyğunluğu aparılır. Daha sonra həll təmin etmək üçün PostGIS-ə məkan qoşulma, R-də qaynar nöqtə analizi kimi bir sıra məkan məlumatlarının işlənməsi və analizi aparılır. Ümumilikdə, öyrənənlər məkan geniş məlumatlarının dəyərini və həll sahəsinin gücünü dörd fənnin birləşməsi ilə dərk edəcəklər.

Əvvəlcədən

Joon Heo

Tekst video

Əvvəlki mühazirələrdə masa üstü CBS tətbiqi və server CBS tətbiqi nümunələrini öyrənmisiniz. Bu mühazirədə məkan məlumatlarının təhlili ilə bağlı daha inkişaf etmiş bir problemimiz var. Məsələ burasındadır ki, Koreyadakı Səhiyyə və Rifah Nazirliyi, inzibati bölgə ilə xəstəlik yayılması arasında hər hansı bir məkan əlaqəsinin olub olmadığını yoxlamaq istəyir. Məkan asılılığı xəstəliyinə gəldikdə, MOHW, Koreyada xalq sağlamlığını yaxşılaşdırmaq məqsədi ilə daha yüksək və ya daha aşağı xəstəlik yayılmasına səbəb olan hər hansı bir regional faktoru tapmaq istəyir. Problem üçün iki məkan məlumat dəsti təqdim olunur. Birincisi, inzibati bölgələrin xəstəlik yayılma nisbəti, ikincisi, təsirli dəyişənlərin tapılması üçün iqtisadiyyat, demoqrafiya, ətraf mühit, xalq sağlamlığı, torpaq örtüyü, torpaq istifadəsi və sənayeyə aid müxtəlif dəyişənlər. Çözüm iki mərhələdə hazırlanmışdır. Əvvəlcə inzibati bölgənin xəstəliklərin yayılma dərəcəsi ilə əlaqədar məkan otokorrelyasiya analizi aparılır və məkan avtokorrelyasiyası olan xəstəliklərin siyahısı tapılmışdır. Başqa sözlə, məkan faktorları xəstəliyin yayılmasına təsir göstərə bilər. Bu xəstəliklər üçün, verilən 165 giriş dəyişənindən təsirli dəyişənləri tapmaq üçün qərar ağacı təsnifatı tətbiq olunur. Bu, əsas CİS proqramında qidalandırmadığımız və daha inkişaf etmiş analitik güc tələb edən tipik bir məkan məlumat təhlili problemidir. Beləliklə, problemin həlli üçün QGIS kimi CİS proqramı ilə R studio kimi məlumat analitik alətinin birləşdirilməsini məsləhət görərdim. Çözüm strukturunda GIS proqramı nəticələrin vizuallaşdırılması ilə məşğul olacaq və iki məlumat təhlili üçün məlumat analitikası vasitəsi istifadə ediləcək. Birincisi, məkan otokorrelyasiya analizi və ikincisi, müəyyən bir xəstəlik yayılması ilə əlaqəli təsirli dəyişənlərin çıxarılması üçün qərar ağacı analizi. İndi verilmiş problemlərin həllini almaq üçün addım-addım prosedurları həyata keçirək. İlk addım analiz üçün məlumat dəstlərini hazırlamaqdır. Burada QGIS-dən xəstəliklərin yayılma nisbətinin inzibati bölgələrə qoşulması ilə CİS təbəqələri qurmaq üçün istifadə etdik və hər xəstəlik yayılmasını üç səviyyəyə ayırdıq və nəticədə üçüncül xəritələr hazırladıq. Koreyanın inzibati bölgələri ilə əlaqəli həssas bir hipertansiyon xəritəsinə baxırsınız. İlk analiz, hər bir xəstəliyin yayılma nisbətinin məkan baxımından avtokorrelyasiya olub olmadığını yoxlamaqdır. Moran & # x27s I olan məkan otokorrelyasiyasını yoxlamaq metodunu tətbiq edirsiniz. Beləliklə, R, Moran & # x27s istifadə edərək, hər xəstəliyin yayılması ilə əlaqədar hesablanıram, konvertasiya etdikdən sonra statistik testlərdən bir addım daha ataraq Moran & # x27s I z-hesab. Cədvəldə analiz nəticələri təsvir edilmişdir. 24 xəstəlikdən 12-si Allergik Rinit və Anjina Pektoralından gələn xəstəliklər% 95-lik güvən səviyyəsində xüsusi avtokorrelyasiya olunmuşdur. Mekansal avtokorrelyasiyanı daha yaxşı başa düşməyiniz üçün hər bir xəstəliyin yayılma səviyyəsinin üçlü xəritəsi və Moran & # x27s-in müvafiq z-skoru burada təqdim olunur. Məkan otokorrelyasiyasının güclü olduğu ilk 6 xəstəliyə baxırsınız. Bunlar allergik rinit, atopik dermatit, dislipidemiya, artrit, hipertansiyon və osteoporozdur. Maraqlı deyil? Səbəbini bilmirik, amma ən azından bəzi məkan faktorlarının 6 xəstəliyin yayılma nisbətini təsir edəcəyini fərziyyə edə bilərik. Bu slayd, yüksək məkan otokorrelyasiyasının növbəti 6 xəstəlik prevalansını təqdim edir. Katarakt, Diabet, İnme, Vərəm, Miyokard İnfarktüsü və Anjina Pektorisini ehtiva edən% 95 inam səviyyəsində hələ statistik olaraq əhəmiyyətlidir. Bu nöqtədə nəticənin arxasındakı elmi anlaya bilmədim. Ancaq Diabet və İnmün yayılmasının Koreyada məkan baxımından əlaqəli olması mənim üçün təəccüblüdür. İndi məkan otokorrelyasiyasının olmayan xəstəlik prevalanslarına baxırsınız. Maraqlı bir tapıntı Astmanın ekoloji amillərdən təsirlənən tipik bir xəstəlik olduğuna inandığının məkan otokorrelyasiyasına sahib olmamasıdır. Güman edirəm ki, bu cür nəticə miqyas məsələsi ilə əlaqəli olacaqdır. İndiki inzibati bölgənin məkan həlli çox böyükdür, belə ki, ətraf mühit amillərinin belə incə bir dəyişikliyini tuta bilməz. Yenə də deyə bilərəm, məkan məlumatları elmi bir miqyaslı bir elmdir. Bu slaydda, verilmiş miqyasda məkan otororelasyonu olmaması gözlənilən daha 6 xəstəlik təqdim olunur. İndi xəstəliklə əlaqədar qərar ağacı analizini məkan baxımından avtoreleli yayılma dərəcəsi ilə aparmağa hazırıq. 12 namizəd arasından Hipertoniya, İnme və Diabet üç xəstəliyi seçdim. Hədəf dəyişən olaraq 165 giriş dəyişəninə və üçdə bir xəstəlik yayılma nisbətinə gəlincə, qərar ağacı təhlili aparılır. Hipertansiyon üçün, evlilik dərəcəsi olan 7 təsirli faktor və müsbət faktor olaraq özəl sığorta müraciətləri alınır, bu da daha çox faktor deməkdir, xəstəlik yayılması daha az olur. Digər tərəfdən, işəgötürən nisbət nisbəti, dul faiz, dişlərin miqyası, yaşayış müddəti, nahardan sonra dişlərin fırçalanması mənfi amillər olaraq alınır. Bəzi dəyişənlərin mənası var, bəzilərinin isə mənası yoxdur. Hər halda, ailə vəziyyəti, iqtisadiyyat və həyat tərzinin gigiyenasının Hipertoniya yayılma nisbətinin əsas amillərindən biri olduğunu söyləmək olar. Eyni qərar ağacı analizi, İnmə təsirli faktorların tapılması üçün aparıldı. Yenə də evlilik nisbəti, müsbət amillər kimi kilo nəzarət və depressiyaya məruz qalanların sayı, stres məsləhətləşənlərin sayı, narahatlıq / depressiya səviyyəsi, mənzil faktoru kimi yaşayış vergisi kimi 7 amil alınmışdır. Qərar ağacının ən vacib amili olan kök düyününün həm Hipertoniya, həm də İnsül üçün evlilik nisbətinin olması da çox maraqlıdır. Bu, məlumat elminin gücüdür. Verilər, Hipertoniya və İnmədən sağlam olmaq istəyirsinizsə, cavabın evlənməyinizi izah edir. Eyni analiz Diabetlə əlaqədar olaraq aparılmışdır. Sağlamlıq mərkəzi ziyarətlərinin sayı, yerli gəlir vergisi, şəhərsalma vergisi və orta yuxu müddəti müsbət amillər idi. Və idman qabiliyyəti, pəhriz nəzarətində olan insanların sayı, qrip peyvəndi olanların sayı mənfi faktorlardı. Diabet əsasən iqtisadi dəyişənlər və səhiyyə səviyyəsi ilə əlaqəli təsirli amillərə malikdir. Bu mühazirədə məkan məlumatları analitikası problemi verilmişdir ki, bu da xalq sağlamlığı ilə əlaqəlidir. Məkan otorrelyasiya təhlili və qərar ağacı təhlili birləşməsi ilə bir həll təklif edildi. Mekansal olaraq avtoreleziyasız yayılma dərəcəsinin beş xəstəliyini müəyyənləşdirə bilər və seçilmiş 3 xəstəlik, Hipertoniya, İnme və Diabet üçün təsirli dəyişənlər çıxara bilərdik. Təklif olunan həll yolunun bir özünəməxsus cəhəti ondan ibarətdir ki, bu, səbəb əlaqəsi nəzərə alınmadan məlumatşünaslıq yanaşmasının yaxşı bir nümunəsidir. Məsələn, niyə bu nöqtədə olduğunu anlaya bilmədik, ancaq məlumat təhlili evlənməyin Hipertoniya və İnsultdan sağlam olmağınız üçün yaxşı bir həll olduğunu söyləyə bilər. Yaxşı. Mekansal məlumat analitikası haqqında bu mühazirənin sonu. İnşallah növbəti mühazirəyə qayıda bilərsiniz.


Giriş

Məkan-müvəqqəti məlumatların təhlili üçün anomaliyanın aşkarlanması, davamlı olaraq geniş miqyaslı məlumat dəstləri yaradan inkişaf etmiş sensorların sayının artması fonunda sürətlə böyüyən bir problem olaraq qalır. Məsələn, nəqliyyat vasitəsinin GPS izlənməsi, sosial media, maliyyə şəbəkəsi və router qeydləri və yüksək qətnamə nəzarət kameraları çox sayda yer-müvəqqəti məlumat yaradır. Bu texnologiya kiber təhlükəsizlik kontekstində də vacibdir, çünki kiber məlumatlar özündə müəyyən bir coğrafi məkana və zaman damğasına uyğunlaşa bilən bir IP ünvanı daşıyır. Yenə də mövcud kiber təhlükəsizlik yanaşmaları bu cür məlumatları effektiv şəkildə işləyə bilmir. Bu çatışmazlığı göstərmək üçün şəbəkə paketlərinin seyrək yerləri olan fərqli IP adreslərindən gələ biləcəyi paylanmış xidmətdən imtina (DDoS) hücumunun ssenarisini nəzərdən keçirin. Belə bir vəziyyətdə DDoS hücumunun məkan nümunəsini təhlil etmək üçün bir məkan-müvəqqəti analiz sistemi [1] tələb olunur. Bununla birlikdə, kosmik-müvəqqəti işarələri olan kiber təhlükəsizlik üçün istifadəçi yönümlü analitik mühitlər, hazırda məkan-müvəqqəti kənar aşkarlama və qaynar nöqtə aşkarlanması kimi ənənəvi statistik metodlarla məhdudlaşır [2]. Dipnot 1 Bundan əlavə, geniş miqyaslı analitikdə hazırkı işlərin çoxu geniş bir hərəkət və zaman aralığında şübhəli fəaliyyətin aşkarlanması kimi analiz tapşırıqlarının avtomatlaşdırılmasına yönəlmişdir. Lakin bu yanaşmalar, kiber təhlükəsizlik məlumatlarının analitiklərinə genişlik-müvəqqəti işarələrlə yaradıcılıq qabiliyyəti və son dərəcə böyük məlumat dəstləri üzərində işləyərkən məlumatlarda yeni meyllər tapmaq üçün rahatlıq vermir. Mövcud həllər qadağandır, çünki çoxsahəli bir bacarıq tələb edir.

Bu qədər geniş miqyaslı məkan-müvəqqəti məlumatlarda analitiklərin aparılması üçün mümkün həll yollarından biri də məkan nöqtəsi nümunələrinin metadatalarını götürmək [5] və metadata işləmə və saxlama yanaşmalarını tətbiq etməkdir [6], maşın öyrənmə və statistik vasitələrlə əldə edilən domen bilikləri ilə birlikdə. Bu metodun əlavə üstünlüyü ondan ibarətdir ki, meta-məlumat nöqtə nümunələrinin detallarını gizlədir, beləliklə müxtəlif analitikləri dəstəkləyərkən məxfiliyi təmin edir.

Beləliklə, aşağıdakı xüsusiyyətlərə malik olan məkan-müvəqqəti məlumatlarla analitiklərin aparılması üçün bir çərçivə təklif edirik:

Məxfilik qorunması: İzləmə məlumatlarının meta analizini subyektlərin davranışının göstəricisi kimi istifadə edirik. Mövzunun coğrafi yerləşməsi sistem istifadəçisinə məruz qalmayacaq.

Yüksək ölçeklenebilirlik: Morisita indeksi fərqli miqdarda izləmə məlumatlarına uyğunlaşdırılmış ölçeklenebilirlik təmin etdiyi üçün fərqli miqdarda məlumat üçün davranış nümunəsini ala bilərik.

Rahatlıq: Kiber təhdidin anomaliya hadisəsini fiziki təhlükəyə xəritələşdirmək üçün əlverişli bir yol hazırladıq, çünki kiber təhlükə real xəritədə görünə bilər.

Daha ətraflı olaraq, istifadəçilərə geniş miqyaslı fəza-müvəqqəti məlumatların təfərrüatlarını gizlədən və təmin edən bir metadata təhlili təqdim edərkən, "metadata əsaslanan nöqtə nümunəsi" infrastrukturu üzərində geniş miqyaslı məkan-müvəqqəti məlumatların saxlanılması və işlənməsi üçün bir çərçivə təklif edirik. bunları bir mövzu üçün daha yüksək aşkarlama, anomaliya qrupu aşkarlanması, anormal davranış aşkarlanması və anormal hadisə aşkarlanması da daxil olmaqla müxtəlif təhlükəsizlik yoxlamalarını aparmağa imkan verən bir ön interfeys ilə. Bundan əlavə, boşluq-müvəqqəti məlumatlar müxtəlif məlumat mağazalarında saxlanılır. Nəticədə, bu çərçivə yüksək performanslı analitik xüsusiyyətlər, rahatlıq və genişlənmə təmin edir.

İşimizin nəzəri töhvəsi və yeniliyi məkan-müvəqqəti analiz, maşın öyrənmə və statistik analiz sahələrindəki metodların birləşməsindədir. Bu üç tədqiqat sahəsindən müvafiq metodları çıxarıb kiber və fiziki səviyyələri eyni vaxtda izləyərək anomaliyanın aşkarlanması üçün təsirli və təsirli bir vasitə yaratdıq.


C-ITS ssenarilərində cavab verən məkan axını sorğusunun yerləşdirilməsi 1

Əlaqələr: [a] Vyana Texnologiya Universiteti, Vyana, Avstriya. E-poçtlar: [email & # 160protected], [email & # 160protected] | [b] Milli İnformatika İnstitutu, Tokyo, Yaponiya. E-poçt: [email & # 160protected] | [c] Siemens AG Österreich, Vyana, Avstriya. E-poçt: [email & # 160protected] | [d] Milli İnkişaf etmiş Sənaye Elmi və Texnologiyaları İnstitutu, Tokyo, Yaponiya. E-poçt: [email & # 160protected]

Yazışmalar: [*] Müəllif E-poçt: [email & # 160Qorumalı].

Qeyd: [1] Bu məqalə, EKAW 2018-də təqdim olunan bir sənədin yenidən işlənmiş və genişləndirilmiş bir versiyasıdır (Proc. Of EKAW 2018 (2018) 386–406).

Özet: Kooperativ Ağıllı Nəqliyyat Sistemləri (C-ITS) nəqliyyat vasitələri ilə infrastruktur arasında V2X əsaslı rabitə vasitəsi ilə məkan-müvəqqəti məlumatların toplanması və mübadiləsi vasitələrinin təmin edilməsində mühüm rol oynayır. )-muxtar nəqliyyat vasitələri. L ocal Dynamic Map (LDM), statik və yayımlanan məlumatları məkan kontekstində birləşdirmək üçün əsas bir anlayışdır. LDM, hərəkətlilik ontologiyası tərəfindən ələ keçirilmiş ətraflı bir domen modelinə və semantik konsepsiyalara və məkan əlaqələrinə cavab verən məlumat axınlarına dair sorğulara imkan vermək üçün semantik cəhətdən inkişaf etdirilmişdir. Semantik inkişaf üçün yanaşmamız ontoloji vasitəçiliyi ilə sorğu cavablandırması (OQA) kontekstindədir və DL-LiteA ontologiyaları ilə əlaqəli sorğular, axınlar və məkan obyektləri arasındakı məkan münasibətləri üzərində pəncərə operatorlarını dəstəkləyir. Bu yazıda, üç C-ITS ssenarisində trafik statistikası, trafik hadisələrinin aşkarlanması və inkişaf etmiş sürücülük yardım sistemlərində daha geniş bir istifadə vəziyyətini həll etmək üçün bu yanaşmanın necə genişləndiriləcəyini göstəririk. Sözügedən istifadə halları üçün zəruri domen spesifik xüsusiyyətlərindən irəli gələn tələbləri müəyyənləşdiririk və bunlara əsaslanaraq sorğu dilimizin və ontoloji modelimizin uzantıları barədə məlumat veririk. Uzantılar arasında müvəqqəti əlaqələr, ədədi proqnozlar və traektoriya proqnozları və önbelleğe alma kimi optimallaşdırma strategiyaları yer alır. Gerçək dünya trafik simulyasiya vasitəsi PTV Vissim istifadə edərək tələbləri əks etdirən sorğuların eksperimental qiymətləndirilməsi aparılmışdır. Yeni ssenarilərdə yanaşmamızın mümkünlüyü / səmərəliliyi üçün dəlillər təqdim edir.

Açar sözlər: Mobillik, C-ITS, sorğu cavablandırması, ontoloji əsaslı məlumatlara giriş, axın əsaslandırması, müvəqqəti əlaqələr


ArcObjects istifadə edərək iki təbəqənin məkan istinadlarının eyni olub-olmadığını yoxlayırsınız? - Coğrafi İnformasiya Sistemləri

Pasquale Steduto
Istituto Agronomico Mediterraneo di Bari, Via Ceglie 9, 70010 Valenzano (BA), İtaliya, tel. (+ 39-80) 7806201, faks (+ 39-80) 7806206, [email protected]

Angelo Caliandro
İstituto di agronomia e coltivazioni erbacee, Facolt di Agraria, Universit di Bari, Via Amendola 165a, 70100 Bari, tel. (+ 39-80) 5443004, faks (+ 39-80) 5443043, [email protected]

Maurizia Catalano
İstituto di agronomia e coltivazioni erbacee, Facolt di Agraria, Universit di Bari, Via Amendola 165a, 70100 Bari, tel (+ 39-80) 5443033. faks (+ 39-80) 5442813

Ezio Rusco
Timesis srl., Via Niccolini 7, 56017 S. Giuliano Terme (PI), tel. (+ 39-50) 818800, faks (+ 39-50) 818801, [email protected]

Enrico Quaglino
Timesis srl., Via Niccolini 7, 56017 S. Giuliano Terme (PI), tel. (+ 39-50) 818800, faks (+ 39-50) 818801, [email protected]

Sergio Samarelli
Planetek ITALIA s.r.l., Tecnopolis, 70010 Valenzano (BA), İtaliya, tel. (+ 39-80) 4670611, faks (+ 39-80) 4670595, [email protected]

Agostino Tortorella, Enrico Nerilli, Saverio De Santis, Antonello Madaro, Alessandra Pezzuto, Oronzo Filomeno, Domenico Fanelli e Oronzo D'Amico
Istituto Agronomico Mediterraneo di Bari, Via Ceglie 9, 70010 Valenzano (BA), İtaliya, tel. (+ 39-80) 7806201, faks (+ 39-80) 7806206, [email protected]

Bu əsər, potensial kənd təsərrüfatı məhsuldarlığının qiymətləndirilməsi yolu ilə Apulia Bölgəsinin (Cənubi İtaliya) aqroekoloji xarakteristikasını hədəfləyən ACLA 2 Layihəsinin inkişafındakı ən müasir vəziyyəti təqdim edir.

Apulian inzibati, iqlim, torpaq və topoqrafik məlumat bazasının yaradılması. Bu verilənlər bazası, spesifik bitkilərin potensial məhsuldarlığının müəyyənləşdirilməsinə xidmət edəcək bircins aqroiqlim və aqro-pedoloji zonaların inkişafı üçün mühüm dəstək təmin edəcəkdir. Bu həm mexaniki, həm də statistik modelləşdirmə yolu ilə həyata keçiriləcəkdir.

GIS verilənlər bazası ArcInfo-da inkişaf etdirilir və daha sonra məlumat sorğusu və təhlili üçün daha asan bir yol təqdim etmək və məlumatların paylanmasını və istifadəsini asanlaşdırmaq üçün ArcView-də ötürülür.

Həyata keçirilmiş fəaliyyətlər iqlim məlumatlarının toplanması, təhlili və inkişafı, torpaq nümunələri götürülməsi və rəqəmsal torpaq məlumat bazasının yaradılması, müvafiq məhsul parametrlərinin toplanması, topoqrafik məlumatların və inzibati hüdudların rəqəmləşdirilməsi istiqamətində xeyli səy göstərmişdir. Məlumatlar hərtərəfli səhv aşkarlama və düzəltməyə məruz qalır. Regional torpaq məlumat bazasının yaradılması üçün mütərəqqi seçmə prosedurundan istifadə olunur.

Davam edən fəaliyyətlər bir CBS məlumat bazasının tamamlanmasına, Apuliya bölgəsi üçün Rəqəmsal Yüksəklik Modelinin inkişafı üçün məlumatların hazırlanmasına və torpaq dizaynı ilə birlikdə zaman seriyası təhlili və iqlim məlumatlarının məkan interpolasiyası prosedurlarının qiymətləndirilməsinə yönəldilmişdir. məlumat Sistemi.

Bir ərazinin aqroekoloji xarakteristikası məhsul və ətraf mühit sisteminin müxtəlif aspektlərini vurğulayır və birləşdirir və məkan baxımından istinad edilən potensial məhsuldarlıq tədbirləri (keyfiyyət və kəmiyyət) vasitəsilə ilk növbədə maraqlandığı sahənin aqroekoloji təsvirini verməyi hədəfləyir. və yerli hökumət qurumları tərəfindən həyata keçirilən müvafiq qərar vermə prosesi üçün zəruri olan əsas məlumat sistemi.Aqroekoloji xarakterizə müvafiq torpaq və hava məlumatları, əsas məhsul böyümə parametrləri, faktiki torpaq istifadəsi və əkinçilik nümunəsi və bəzi hallarda inzibati sərhədlər kimi məhsul mühitinin müxtəlif aspektlərini əhatə edən geniş məlumat bazalarının inkişafını əhatə edir.

Son onilliklər ərzində bir ərazinin aqroekoloji xarakteristikası üçün məlumatların əksəriyyəti hazırlanmış, saxlanılmış və kağız vərəqələrdə, kompüter dəstəkli yerli məlumat bazalarında və CAD sistemlərində işlənmişdir. Bu sistemlər, bir tərəfdən, yeni məlumatların saxlanmasını və toplanmasını və məlumat mübadiləsini asanlaşdırdı, lakin digər tərəfdən, coğrafi baxımdan istinad edilən məlumatların və ədədi və təsviri verilənlər bazalarının birləşdirilməsinə və müxtəlif mənbələrdən alınan məlumatların birləşdirilməsinə, təbəqələr və tərəzilər. Bununla birlikdə, coğrafi informasiya sistemləri (CİS), rəqəmsal yüksəklik modelləri (DEM), ərazi analizi və modelləşdirmə texnikaları və şəbəkə kompüteri və güclü iş stansiyaları ilə birlikdə yeni informasiya texnologiyalarının sürətli inkişafı qabiliyyəti artırmaq üçün təkmilləşdirilmiş, müasir strategiya və vasitələr təklif etmişdir. saxlanılan məlumatlardan tez və səmərəli şəkildə məlumat əldə etmək.

Buna baxmayaraq, hazırda bir çox araşdırma bir ərazinin hərtərəfli və çox məqsədli qiymətləndirilməsi üçün strukturlaşdırılmış modelləşdirmə yanaşmaları hazırlamaq üçün CAD əsaslı və təsviri verilənlər bazalarını bir CBS mühitinə inteqrasiya etməyə çalışır. Belə layihələrdən biri də potensial kənd təsərrüfatı məhsuldarlığı ilə Apulia Bölgəsinin (Şəkil 1) aqroekoloji xarakteristikasını hədəfləyən ACLA 2 (P.O.P. & # 150 Misura 4.3.6).

Şəkil 1. Apulia bölgəsi Cənubi İtaliyada yerləşir və təxminən 19.500 km ərazini əhatə edir 2

ACLA 2 layihəsi Bari Aralıq dənizi Aqronomik İnstitutu (CIHEAM / MAI-Bari) və Bari Əkinçilik Universiteti (Aqronomiya İnstitutu) tərəfindən koordinasiya olunur və Avropa Birliyi fondları və Apulia bölgəsi tərəfindən maliyyələşdirilir. Layihə 1997-ci ilin payızında başlamışdır və ağac ili davam edəcəkdir. Bu iş Layihənin inkişafındakı ən müasir vəziyyəti təqdim edir və əsasən Layihə və # 146s tapşırıqlarının icrası üçün vazgeçilmez bir CBS məlumat bazasının yaradılmasına yönəlmişdir.

LAYİHƏNİN TƏSVİRİ

ACLA 2 layihəsi, doxsanın əvvəllərində ACLA 1 layihəsi çərçivəsində həyata keçirilən fəaliyyətlərin davamını təqdim edir. ACLA 1 əsasən ərazi torpaq və iqlim xarakteristikası üçün müxtəlif metodologiyaları araşdırmağa və Cənubi İtaliyada onların etibarlılığını və tətbiq olunmasını yoxlamağa yönəldilmişdir. Bundan əlavə, ACLA 1-ə Apuliya bölgəsinə aid əsas iqlim və torpaq məlumat mənbələrini müəyyənləşdirmək və mövcud məlumatları rəqəmsal formada toplamaq və saxlamaq üçün müraciət edilmişdir. Mövcud coğrafi istinad olunan məlumatların AutoCAD dwg formatında rəqəmsallaşdırılması və alfasayısal verilənlər bazalarının əsasən ASCII formatında təşkili həyata keçirildi. İqlim məlumatlarının təhlili 1951-1980-ci illər arasında 30 illik dövrlə məhdudlaşdırılmışdır. Torpaq məlumat dəsti layihənin reallaşdırılması zamanı həyata keçirilmiş 1000 torpaq nümunəsi sayəsində artırılmış və sonra Apuliya bölgəsinin ilkin torpaq xəritəsi hazırlanmışdır. həmin məlumatlar və mövcud məlumatlar əsasında.

Bununla birlikdə, ACLA 1 layihəsi bölgənin ətraflı bir aqroekoloji xarakteristikasını inkişaf etdirmək üçün kifayət qədər məlumatla işləmədi. Üstəlik, ACLA 1 verilənlər bazalarının bir CBS mühiti daxilində inteqrasiyasını təmin etməyib. Nəticədə, ACLA 2 layihəsi aşağıdakılar üçün qurulmuşdur:

  • ACLA 1 layihəsinin icrası zamanı həm iqlim, həm də torpaq məlumatlarına istinad edərək hazırlanmış məlumat bazasını araşdırmaq və tamamlamaq, iqlim və torpaq tələblərinə və məhsul məhsuldarlığının modelləşdirilməsinə aid digər parametrlərə aid məhsul bazasını yaratmaq
  • verilənlər bazalarını bir CİS mühiti daxilində birləşdirmək və təhlil etmək və coğrafi məlumatların müvafiq ədədi və mətn atributları ilə əlaqələndirildiyi Apulia bölgəsinin aqroiqlim və aqro-pedoloji xəritələrini yaratmaq və
  • həm mexaniki, həm də statistik modelləşdirmə yolu ilə bölgənin potensial kənd təsərrüfatı məhsuldarlığını müəyyənləşdirmək.

Layihənin son məhsulu məhsulun məhsuldarlığının modelləşdirilməsi ilə birlikdə inzibati, iqlim, torpaq, torpaq istifadəsi və topoqrafik xəritələri özündə cəmləşdirən bir GIS strukturlu verilənlər bazası olmalıdır (şəkil 2). Əsasən Regional səlahiyyətlilər tərəfindən deyil, həm də elmi qurumlar tərəfindən istifadə ediləcək Apulia bölgəsinin aqroekoloji xarakteristikasına təsirli bir dəstək verməlidir.


Şəkil 2. Müxtəlif təbəqələrin (örtüklərin) üst-üstə qoyulması aqroekoloji məlumat bazasını yaradır

Bu o deməkdir ki, regional səlahiyyətlilər bir GIS məlumat bazasına daxil olmalı və məkan baxımından istinad edilən sorğuların qiymətləndirilməsi ilə xüsusi maraq doğuran sahələri müəyyənləşdirməlidirlər. Bu, fərqli miqyasda tətbiq olunan bir yanaşma deməkdir. Sorğular hazırlanmalıdır:

  1. inzibati vahidlər (vilayətlər və kommunalar) tərəfindən, yəni inzibati vahiddə böyümək üçün ən uyğun bitki növləri hansılardır
  2. məhsula görə, yəni müəyyən bir məhsul yetişdirmək üçün ən uyğun olan sahədir
  3. iqlim tələblərinə görə, yəni iqlim dəyişkənlərinə dair sorğu ilə müəyyən edilmiş tələbləri təmin edən sahə nədir və
  4. torpaq tələblərinə görə, yəni sorğu tətbiq olunan torpaq xüsusiyyətlərinə uyğun olan sahə nədir.

Sorğular aşağıdakılar nəzərə alınmaqla yerinə yetirilməlidir:

  1. Apulia bölgəsinin ümumi sahəsi və ya
  2. əkin və əkinçilik üçün həqiqətən mövcud olan zonalarla məhdudlaşan sahə, yəni zeytun ağacları, meşə və üzüm bağları və əkinçilik üçün həqiqətən uyğun olmayan digər zonaların ümumi ərazidən götürülməsi.

ACLA 2 verilənlər bazası istifadəçilərə sorğuların ardıcıl qarşılıqlı əlaqəli şəkildə yerinə yetirilməsinə imkan verməlidir ki, bu da hər bir sorğunun istənilən mərhələsində sistem istifadəçiləri tərəfindən fərqli mövzular haqqında məlumat tələb oluna bilməsi deməkdir. Məsələn, müəyyən bir məhsul yetişdirmək üçün uyğun bir sahə müəyyən edildikdə, istifadəçilər sorğunu digər mövzularla (inzibati vahidlər, iqlim və ya torpaq) ya əvvəlki sorğunu təmin edən bir sahədən seçərək ya da əvvəlcədən təyin edilmiş məlumatlar dəstinə əlavə edərək davam etdirə bilərlər. yeni sorğunu təsdiqləyən sahə. Hər bir sorğunun nəticələri məkan, cədvəl və qrafik şəklində ümumiləşdirilməli və istifadəçinin istəyi ilə müvafiq formatda çap olunmalıdır.

Layihənin xüsusi əhatə dairəsinə görə, ArcInfo ver. 7.1.2 Sun iş stansiyası platformasına quraşdırılmış, məkan məlumatlarını və əlaqəli xüsusiyyətlərini təsvir edən məlumatlar əldə etmək, məlumat bazaları yaratmaq və məkan GIS əməliyyatlarını inkişaf etdirmək və icra etmək üçün Coğrafi İnformasiya Sistemi olaraq seçilir, ARCView 3.0 Windows proqramı isə məlumat bazalarının sorğuları və hesabatların hazırlanması üçün regional səlahiyyətlilər tərəfindən istifadə edilməsi ən uyğun.

ACLA 2 VERİ BAZASININ İNKİŞAFI

ACLA 2 verilənlər bazası, inzibati vahidləri, ərazi istifadəsini, torpaq, iqlim və topoqrafik məlumatları əhatə edən CİS əsaslı məlumatları və əsasən statistik və mexanik modelləri dəstəkləmək üçün istifadə olunan CİS-dən asılı məhsul bazasını əhatə edir (şəkil 3). Verilənlər bazası bir neçə amil nəzərə alınmaqla hazırlanır: müxtəlif mənbələrdən və müxtəlif formatlardakı məlumatların həqiqi mövcudluğu, verilənlər bazasının qiymətləndirilməsi üçün təyin edilmiş maliyyə fondları və məhsulun məhsuldarlığı modeli üçün giriş məlumatlarına aid layihə tələbləri. aqroiqlim və aqropedoloji xəritələrin dizaynı üçün zəruridir.

Layihənin çox obyektiv quruluşu, layihənin həyata keçirilməsinin müxtəlif mərhələlərində müxtəlif məlumat dəstlərinin birləşdirilməsini tələb edir. Məsələn, əkin-iqlim və aqro-pedoloji xəritələrini inkişaf etdirmək üçün torpaq və iqlim məlumatları qiymətləndirilməli, eyni zamanda məhsul məhsuldarlığı modeli üçün giriş olaraq istifadə ediləcək CBS məlumatları təmin etmək üçün bunlar birləşdirilməlidir. Bundan əlavə, layihənin müxtəlif tapşırıqlarını yerinə yetirmək üçün bəzi məlumatlar müxtəlif formatlarda (vektor və raster) mövcud olmalıdır. Məsələn, temperatur məlumat dəsti əvvəlcə rəqəmsal yüksəliş məlumatları və meteoroloji stansiyalardakı temperatur məlumatlarından hazırlanacaq və buna görə də raster formatında olacaqdır. Bununla birlikdə, homojen temperatur zonalarının inkişafı, istilik dəyərlərinin fasilələrlə təsnif edilməsini və digər xəritələrlə inteqrasiya üçün istifadə ediləcək çoxbucaqlı xüsusiyyətlər formatının yaradılmasını tələb edəcəkdir.


Şəkil 3. ACLA 2 verilənlər bazasının sxematik quruluşu və əsas əməliyyatların sxem sxemidir

Layihənin konkret quruluşu, Layihənin təkamülü üçün ən yaxşı vasitə kimi uyğunlaşma metodologiyasına müraciət edir. Bu, layihənin müxtəlif mərhələlərində verilənlər bazası və model tələblərinin bir-birinə uyğunlaşması üçün təhlil edilməli və nəticədə yenidən müəyyənləşdirilməli olduğu GIS verilənlər bazası və modelin inkişafına imkan verir. Bu, regional verilənlər bazasından (torpaq, iqlim və məhsul) ibarət ümumi bir çərçivə (metodologiya) hazırlamaq və aqroekoloji parametrləşdirmə və məhsul məhsuldarlığı modelinin tətbiqi prosedurlarını genişləndirmək deməkdir. Bu əsas sistem (ilkin verilənlər bazası) aqroekoloji parametrləşdirmə prosedurları vasitəsi ilə tətbiq olunan ümumiləşdirilmiş metodu təmsil etmək üçün konseptual olaraq ünvanlanmışdır ki, sahələrin müxtəlif əkin nümunələri üçün ümumi uyğunluğu barədə məlumat verir. Tədricən bu ilkin verilənlər bazası başlanğıc torpaq, iqlim və məhsul faylı kimi istifadə olunmalı və sonrakı vəzifələrin hər biri üçün icra müddətlərini qısaltmalıdır. Bu tapşırıqlar daha ətraflı məlumat bazalarının hazırlanmasını, modelin işlənməsini və məhsul məhsuldarlığı xəritələrinin yaradılmasını əhatə etməlidir.

Mövcud məlumatların işlənməsi

ACLA 2 layihəsinin inkişafındakı ilk addım onsuz da mövcud olan məlumatların rəqəmsal formada müəyyənləşdirilməsi və xüsusiyyətlərinin və məhdudiyyətlərinin mənbə, format, kəmiyyət və keyfiyyət (dəqiqlik) vasitəsi ilə şərh olunması idi. Məlumatların əsas mənbəyi ACLA 1 layihəsinin reallaşdırılması zamanı hazırlanmış verilənlər bazasıdır. Bu verilənlər bazası regional və inzibati sərhədlər xəritəsini, torpaq istifadəsi xəritəsini və ilkin torpaq və iqlim xəritələrini ehtiva edir. Bu xəritələr AutoCAD sistemində 54 I.G.M. (İstituto Geografico Militare) əsas əhatə dairəsi 1: 50,000 miqyaslı xəritə vərəqləri göstəriləcək və bu səbəbdən əyani dəstək olaraq istifadə ediləcək və ACLA 1 layihəsinin son məhsulu olaraq çap ediləcək.

Əksər hallarda bu xəritələrdə verilən mətn məlumatları bir CBS verilənlər bazasına birbaşa inteqrasiya üçün uyğun deyil, çünki onlar natamamdır, nadir hallarda təkrarlanmır və yalnış yerləşdirilmir və təsvir etdikləri coğrafi xüsusiyyətlərə istinad etmirlər. Bundan əlavə, bir çox poliqon bağlanmamış və yayların kəsişmələri düyünlərlə təsvir olunmamışdır. Bundan əlavə, xəritələr Gauss-Boaga eninə merkator proyeksiyasında rəqəmsallaşdırılmış, mərkəzi meridian Monte Mario boyunca (İtaliya) mərkəzləşmişdir. Bu proyeksiya on illərdir İtaliyada istifadə olunur. Universal Transverse Mercator proyeksiyası (UTM) layihənin koordinat sistemi proyeksiyası kimi qəbul edildiyi üçün onsuz da rəqəmsallaşdırılmış xəritələr Gauss-Boaga'dan UTM proyeksiyasına köçürülməli idi.

Rəqəmsal formatda mövcud olan məlumatların xüsusiyyətləri və məhdudiyyətləri, Şəkil 4-də göstərildiyi kimi bu məlumatların işlənməsi prosedurunu tətbiq etmişdir.


Şəkil 4. AutoCAD-də rəqəmsallaşdırılmış mövcud məlumatların işlənməsi üçün sxem qrafiki

AutoCAD dwg sənədləri dxf formatında idxal olunur və sonra standart dxftoarc çeviricisini istifadə edərək ArcInfo-da çevrilir. ArcInfo Gauss-Boaga proyeksiyasını dəstəkləmədiyi üçün məlumatların Gauss-Boaga-dan UTM proyeksiyasına çevrilməsi üçün Gauss-Boaga xəritəsi proyeksiyasının aşağıdakı xüsusiyyətləri nəzərə alınmaqla hazırlanmışdır:

  • sferoid: INT1909
  • mərkəzi meridianın miqyas amili: 0.9996
  • orta meridian boyu: 15 0 0
  • mənşə genişliyi: 0 0 0
  • saxta şərq (metr): 2520000.0
  • saxta şimal (metr): 0.

Mövcud məlumatlar işlənmədən əvvəl master tic faylı və 54 I.G.M.-nin sərhədlərini təsvir edən əhatə dairəsi. 1: 50.000 miqyaslı xəritələr vərəqləri yaradıldı.

Master tic faylı, bir CBS verilənlər bazasındakı bütün örtüklərdə istifadə üçün yaradılmışdır. Hər 1: 50,000 miqyaslı I.G.M. üçün dörd tik qurulur. xəritə xəritəsi, xəritələrin künclərinə ən yaxın olan 1 km yuvarlatılmış x və y UTM koordinatlarının kəsişməsinə uyğun. Bu yerlər xəritə vərəqələrinin künclərindən daha çox seçilir, çünki bəzi hallarda rəqəmləşdiriləcək məlumatlar orijinal xəritəni əhatə edən şəffaf vərəqələrdə yerləşir və bu səbəbdən xəritənin künclərini kəsişmələrə nisbətən daha az görünür edir. xəritələr daxilində koordinatlar.

1: 50,000 miqyaslı xəritə vərəqələrinin sərhədlərini əks etdirən əhatə dairəsi, köməkçi vasitə kimi istifadə olunur və topoloji xətanın düzəldilməsi üçün # 150 arxa plan əhatə dairəsi zonalarında səhvlərin böyük hissəsi müşahidə olunduğundan vərəqlər. Bundan əlavə, bu əhatə dairəsi xəritə vərəqələrindəki coğrafi obyektlərin müəyyənləşdirilməsini asanlaşdırmaq üçün istifadə ediləcəkdir.

Apulia bölgəsi, ərazinin əksəriyyəti 33 zonasına düşən iki UTM zonasını (33 və 34) keçir. Nəticədə, bu zonaların sərhədlərindəki coğrafi xüsusiyyətlər uyğun gəlmir və zonaya düşən yeddi (54) xəritə vərəqi. 34-ü 33-cü bölgəyə, bütün bölgədə analiz aparmaq üçün proqnozlaşdırıldı. Bir əhatə dairəsinin dəqiqliyinin layihə daxilində işlənmiş coğrafi xüsusiyyətlərin tələb olunan dəqiqliyini təmin edə biləcəyi ehtimal olunur. Rəqəmsallaşdırma aparıldıqda, real dünyadakı vahidlərdə dəqiqliyi göstərən RMS xətası üçün məqbul dəyərin 15 m-dən yuxarı olmadığı, 1: 50,000 miqyaslı xəritə vərəqlərində 0,3 mm dəyərinə uyğun olduğu düşünülür.

Apulia bölgəsi, ümumilikdə 257 bələdiyyədən ibarət olan beş vilayətdən ibarətdir. Bölgə, əyalət və bələdiyyə sərhədlərini izah edən inzibati xəritə AutoCAD-da rəqəmsallaşdırılmış məlumatlar əsasında hazırlanmış bir çoxbucaqlı əhatə dairəsidir (ADMIN). ADMIN əhatə dairəsində müəyyən edilmiş regional sərhədlər və sahil xətləri bütün digər örtüklər üçün istinad edildiyi düşünülür. Bir çox bələdiyyə bir neçə çoxbucaqlı ərazini əhatə etdiyindən, bələdiyyələri ADMIN əhatə dairəsində təsvir etmək üçün bölgə coğrafi xüsusiyyəti tətbiq olunur. Rəqəmsal səhvlər vizual nəzarət və GIS tərəfindən əldə edilən bələdiyyələrin səthlərinin və regional statistik məlumatlar toplusundan götürülərək müəyyən edilir. ADMIN-in atribut cədvəli bölgə, vilayət və bələdiyyə adlarından və bələdiyyə adlarından və # 146s ISTAT kodundan ibarətdir.

Torpaqdan istifadə məlumatları bölgədəki əkinçilik üçün yararlı əraziləri qiymətləndirmək üçün əsas məlumat verir. Çoxbucaqlı bir əhatə dairəsi olan torpaq istifadəsi xəritəsi təbii və süni su səthlərini (gölləri), şəhər zonalarını və çoxillik növlərin (meşə təsərrüfatı, zeytun ağacları və üzüm bağları) əhatə etdiyi əraziləri əhatə edir.

Bəzi məlumatlar artıq ArcInfo-da rəqəmsal hala gətirilərkən AutoCAD-da (göllər və meşə təsərrüfatı) rəqəmsallaşdırılmış xəritələrdən götürülmüşdür. Coğrafi xüsusiyyətləri təsvir etmək üçün bölgə formatından istifadə olunur.

ACLA 2 layihəsi, ACLA 1 layihəsi və bölgənin torpaq xüsusiyyətləri ilə bağlı digər araşdırmalar çərçivəsində həyata keçirilən bir sıra torpaq məlumatlarını (xəritələrini) istifadə edir. Bu xəritələrin məkan məlumatları və əsas torpaq xüsusiyyətləri ArcInfo tərəfindən yaradılan və saxlanılan örtüklərdə saxlanılır. Əslində, torpaq verilənlər bazası artıq yaradılmış məlumat dəstlərini əhatə edir: ACLA 1-in (PEDA1) əvvəlcədən poliqonal torpaq örtüyü, ACLA 1 layihəsinin nöqtə torpaq nümunələri sahələri (PEDA1P), nöqtə istinad torpaq sahələri (PEDREF) və nöqtələrin torpaq nümunəsi sahələri. Hazırlanmaqda olan ACLA 2 (PEDA2P).

Regional torpaq xəritəsinin inkişafı təxminən 4000 qazma nümunəsi, 500 torpaq profili və 500 müşahidədən ibarət olan 5000 torpaq nümunəsi vasitəsilə dəstəklənir. Sahədəki torpaq nümunələri torpaq seçmə təlimatında (Timesis, 1997) müəyyən edilmiş qaydada aparılır və bölgədəki yüksək məhsuldar əkinçilik ərazilərinə üstünlük verilir.

Torpaq seçmə sahələrinin yerləşmələri, əvvəllər Makaroviç (1973) tərəfindən müxtəlif mürəkkəblik ərazilərinin seçilməsi üçün təklif olunan prosedura bənzər bir proqressiv nümunə götürmə CİS proseduru (Şəkil 5) istifadə edilərək əldə edilmişdir.


Şəkil 5. Torpaq bazası üçün GIS əsaslı mütərəqqi seçmə proseduru

Proqressiv seçmə proseduru, əvvəlki seçmə məlumatlarının CİS təhlili nəticələrindən istifadə edərək yeni seçmə sahələrinin yerlərinin təyin olunduğu bir sıra ardıcıl nümunələri əhatə edir. Hər bir sıra məlumatların torpaq fiziki və kimyəvi xüsusiyyətləri laboratoriyada analiz edilir və sayt və üfüqlər məlumatlarına aid iki MS Access dbf sənədində saxlanılır. Nümunə götürmə sahələrinin yeri, ArcInfo-da sahə və # 146-lərin torpaq fiziki və kimyəvi xüsusiyyətlərinin PEDA2P əhatə dairəsindəki coğrafi məlumatlarla əlaqəli bir nöqtə xüsusiyyəti olaraq rəqəmləşdirilmişdir. Daha sonra nöqtə əhatə dairəsi PEDA2P, ACLA 1 layihəsinin reallaşdırılması zamanı əldə edilmiş torpaq xüsusiyyətlərini ehtiva edən çoxbucaqlı əhatə dairəsi PEDA1-də birləşdirilir. Yeni əhatə dairəsi, çoxbucaqlı əhatə dairəsindəki bütün maddələrin çıxış nöqtəsi xüsusiyyət atributları cədvəlinə qoşulduğu iki xüsusiyyət dəstinin üst-üstə qoyulması ilə yaradılmışdır. Çıxış əhatə dairəsi ArcView-da idxal olunur, burada torpağın üfüq xüsusiyyətlərinə dair əlavə torpaq parametrləri olan dbf faylı PEDA2P torpaq atributları cədvəlinə bağlıdır. Bu, əvvəlki araşdırmalardan və yeni torpaq nümunələrinin laboratoriya analizinin nəticələrindən gələn torpaq xüsusiyyətləri ilə uyğunsuzluq zonalarını müəyyən etmək üçün inkişaf etməkdə olan torpaq bazasının sorğu-sualına imkan verir. Torpaq nümunələri və homojen çoxbucaqlı torpaq sahələri haqqında təsviri məlumatlar hər zaman düz olmadığından, çoxbucaqlı torpaq sahəsi təsvirçiləri ilə müqayisə oluna bilən torpaq nümunələri xüsusiyyətləri istehsal etmək üçün ardıcıl sorğular hazırlandı. Bu sorğuların nəticələri öz növbəsində yeni torpaq nümunələrinin götürüləcəyi yerlərin müəyyən edilməsinə imkan verir.

Hazırlanmaqda olan torpaq məlumatları, Torpaq taksonomiyasına (1994) görə torpaq xüsusiyyətləri haqqında ətraflı məlumat daxil olmaqla Apulia bölgəsindəki torpaq taksonomiyası siniflərinin müəyyənləşdirilməsini təmin etməlidir. Torpaq bazasının son məhsulu 1: 100,000 miqyaslı regional torpaq xəritəsi olacaqdır. Yuxarıda göstərilən örtüklər, mövcud qara və ağ rəngli şəkillər və bölgənin üç peyk (Landsat 5) səhnəsi üzərində CİS analizinin nəticələrindən istifadə etməklə hazırlanacaqdır. Bu məsafədən zondlama məlumatları torpaq istifadəsi məlumat bazasının qiymətləndirilməsində də istifadə ediləcəkdir.

İlkin meteoroloji məlumatlar Apulia bölgəsində yerləşən 72 meteoroloji stansiyanın və stansiya şəbəkəsinin yetərincə sıx olmadığı və yüksəklikdə yüksək dəyişikliyin müşahidə olunduğu ərazilərdə tətbiq olunan 29 qondarma meteoroloji stansiyanın tarixi sənədlərinə aiddir. Bu məlumat dəsti, ACLA 1 layihəsinin reallaşdırılması zamanı 1951-1980-ci illər arasında 30 illik bir dövr üçün tarixi hava məlumatları üzərində hazırlanmış hərtərəfli təhlilin nəticəsidir.ACLA 1 meteoroloji analizinin son məhsulu, orta aylıq temperatur və istinad evapotranspirasiya ilə yağış arasındakı fərq olaraq qiymətləndirilən illik potensial su kəsiri ilə əlaqəli izolin xəritələri idi. Bu izolinlər interpolasiya retikulunun 26000 (200x130) düyündən ibarət olduğu SAS / GRAPH (Statistik Analiz Sistemi) G3GRID interpolasiya proseduru istifadə edilərək istehsal olundu, aralarında məsafəsi x və y oxlarında 1708.2 və 1852.2 metr. Üstəlik, statistik analiz, aylıq temperatur və stansiya hündürlüyü arasında reqressiya əmsalı 0,77 (avqust) ilə 0,89 (fevral və mart ayları) arasında dəyişən xətti reqressiyanın çox yaxşı nəticələrini verdi.

ACLA 1 layihəsində hazırlanmış ilkin məlumat dəsti, 1995-ci ilə qədər 45 il müddətində meteoroloji qeydləri qavramaq və Apuliya bölgəsinə qonşu vilayətlərin ərazisini genişləndirmək üçün müvəqqəti olaraq artırılır.

Tarixi hava məlumatlarına minimum və maksimum hava temperaturu və rütubət, yağıntı, günəş şüası və külək sürəti daxildir və standart ASCII formatında saxlanılır. Bu fayllar məlumatların çevrilməsi və səhvlərin aşkarlanması üçün Turbo Pascal proqramı tərəfindən işlənir. Proqram, hər bir tarixi sənədin araşdırılmasının nəticələrini ehtiva edən bir çıxış faylı istehsal edir. Proqram səhv kodunu aşağıdakı vaxtlara aid edir:

burada W hava dəyişənidir, Wdəq havanın minimum dəyəri, Wmaks hava dəyişəninin və W-nin maksimum dəyəridirll və Wul əvvəlcədən təyin olunmuş hava dəyişkənlərinin aşağı və yuxarı hüdudlarıdır. Daha sonra istinad evapotranspirasiyasının hesablanması IAM_ETo proqramı (Snyder və Steduto, 1998) istifadə olunmaqla həyata keçirilir ki, bu da gündəlik və aylıq hər hansı bir müddətdə 13 fərqli formuldan istifadə edərək buxar köçürməsini qiymətləndirir. Nəhayət, hər bir hava dəyişkənliyi üçün uzunmüddətli orta aylıq məlumat dəstləri hazırlanır.

Uzunmüddətli aylıq iqlim seriyası, orta dəyərlərdən əvvəlcədən təyin olunmuş kənarlaşmalardan kənar olan aylıq dəyərləri müəyyən etmək üçün müvəqqəti olaraq sınaqdan keçiriləcəkdir. Sonra hər bir şübhəli məlumat, məkan bütövlüyünü qiymətləndirmək üçün qonşu stansiyalardakı dəyərlərlə müqayisə ediləcəkdir.

Baker və digərləri tərəfindən təklif edildiyi kimi məlumatların məkan keyfiyyətinin yoxlanılmasında fərqli interpolasiya metodlarından istifadə ediləcəkdir. (http://www.ncdc.noaa.gov/gcps/papers/qc1/qc.html). Bu metodlar məkan bütövlüyünün sınanması üçün ən yaxşısını seçmək üçün hər bir hava dəyişkənliyi və hər ay / stansiya üçün real dəyərlərlə müqayisə ediləcəkdir. Nəhayət, hər iki testdən (müvəqqəti və məkan) müvəffəq olmayan dəyərlər uzunmüddətli iqlim seriyasından silinəcəkdir. Sonra aylıq və illik olaraq hər stansiya üçün iqlim dəyişkənlərinin orta dəyərlərini ehtiva edən bir məlumat dəsti yaradılacaqdır. Bu məlumatlar hava dəyişkənlərinin məkan interpolyasiyasında istifadə üçün ArcInfo-dakı meteoroloji stansiyaların məkan nöqtəsi təmsilçiliyinə birləşdiriləcəkdir.

Mekansal interpolasiya mexanik məhsul məhsuldarlığı modelinə giriş və bircins aqroiqlim zonalarının çıxarılması üçün istifadə edilməsi üçün müntəzəm ızgaralı raster formatında bütün bölgədəki hava dəyişkənləri haqqında fasiləsiz məlumatlar hazırlamalıdır. İqlim məlumatlarının interpolasiyası metodu bir çoxu ArcInfo-da mövcud olan müxtəlif deterministik (Thiessen çoxbucaqlıları, tessellations) və stoxastik (kriging, tərs məsafəli interpolasiya, trend səthi analizi) metodlarının analizindən sonra müəyyənləşdiriləcəkdir.

Bitki bazası üç sənəddən ibarətdir. Birincisi, müxtəlif şəraitdə məhsulların yetişdirilməsi üçün ümumi təsviri uyğunluğu təmin edən ümumi torpaq və iqlim məlumatlarını dəstəkləyir. İkinci və üçüncü məlumat dəsti, müvafiq olaraq statistik və mexanik modelin ümumi modelləşdirmə tələbləri ilə sıx bağlıdır.

Müxtəlif bitkilər üçün və fərqli iqlim şəraitində müxtəlif sahələrdə məhsul məhsuldarlığının statistikası cədvəl şəklində artıq mövcud illik qeydlərdən toplanır. Ardıcıl olaraq, bir CBS istifadə edərək, statistik məlumatlar müşahidə olunduqları coğrafi ərazilərə (bələdiyyə miqyasında kənd təsərrüfatı torpaqları) aid ediləcəkdir. Beləliklə, torpaq xüsusiyyətləri Apulia bölgəsində müşahidə olunan real torpaq və hava məlumatları ilə məhsulun məhsuldarlığının əlaqəli olacağı statistik modelləşdirmə yanaşmasının qiymətləndirilməsinə imkan verən torpaq örtüyü atributları cədvəlindən alınacaqdır. Bu statistik yanaşma gübrə tətbiqi və suvarma təcrübələrini nəzərə almadığı üçün fərqli torpaq və iqlim şəraitində məhsul məhsuldarlığının faydalı bir təxmini qiymətləndirməsini təmin edir. Statistik məhsul modelləri həm tarla, həm də ağac bitkiləri üçün istifadə olunur.

Mexanik məhsul məhsuldarlığı modeli CROPSYST (Stockle və Roger, 1992) və EPIC (Williams və digərləri, 1989 Steduto et al., 1995) modellərinin təcrübələrindən istifadə etməklə hazırlanır.

Model, Apulia bölgəsində geniş yayılmış müxtəlif tarla bitkiləri növləri üçün məhsul artımının və məhsulun kəmiyyət proqnozunu verir. Heç bir ağac məhsulu mexanik modellə modelləşdirilmir.

Mexanik məhsul böyümə modelinin mühərriki iki əsas hava dəyişkənliyi ilə idarə olunur: temperatur və günəş radiasiyası. İstilik dərəcə toplanması və ya istilik vaxtı konsepsiyasından istifadə edərək böyümə mərhələlərinin inkişafına (məsələn, meydana çıxma, çiçəkləmə, yarpaq sahəsinin zirvəsi, fizioloji yetkinlik və s.) Rəhbərlik edir (Ritchie and Nesmith, 1991). Məhsulun tutduğu günəş radiasiyası biokütlə böyüməsinə gətirib çıxarır və daha sonra köklərə, saplara, yarpaqlara və ticarət məhsullarına bölünür. Yarpaq sahəsi, tutulan günəş radiasiyasının miqdarını və buxarlanmanın dərəcələrini təyin edən əsas məhsul parametridir.

Torpaq-su tarazlığı modulu məhsulun böyüməsi modeli ilə əlaqələndirilir ki, bu da torpaq-kök zonasına süzülən yağış miqdarını (effektiv yağış) torpağın buxarlanması və məhsulun transpirasiyası ilə su istehlakı ilə qiymətləndirir.

Model əvvəlcə su və qida çatışmazlığı altında işləyir. Bu şəkildə, məhsulun potensial məhsuldarlığının 1-ci iyerarxik səviyyəsini, yəni su ilə məhdudlaşdırılmasa da, yalnız iqlim tərəfindən məhdudlaşdırılan səviyyəni təyin edir. Potensial məhsuldarlığın bu birinci səviyyəsinə görə, model su üçün (əkin suyuna olan tələbat) & quot; tələb & quot; Bitkilərin potensial su tələbatı ilə & Quoteffective & quot yağış ilə faktiki su təchizatı arasındakı fərq hər məhsulun potensial məhsuldarlığı üçün su kəsirini təyin edir.

Biyokütlə və məhsulların su istehlakına aid su-biyokütlə transpirasiya nisbətindən (Steduto, 1996) və Stewart yanaşmasından (Stewart və Hagan, 1973) istifadə edərək, model məhsul potensialının məhsuldarlığının 2-ci iyerarxik səviyyəsini təyin edir. heç bir qida məhdudiyyəti olmasa da, iqlim və su ilə.

Torpağın fiziki və kimyəvi məhsuldarlığını indeksləşdirməklə məhsul potensialının məhsuldarlığının 3-cü iyerarxik səviyyəsi model tərəfindən təyin olunur, yəni hər homogen zonanın iqlimi, suyu və qida maddəsi ilə məhdudlaşdırılır.

Potensial məhsuldarlığın 1-ci, 2-ci və 3-cü səviyyəsi arasındakı sapmalar, & potensial məhsuldarlığı tam əldə etmək üçün & quotcover & quot və ya & quotqufill & quot üçün lazım olan mənbə baxımından & quotdistance & quot və ya & quot;

Beləliklə, hər bir homogen zona üçün təbii olaraq mövcud mənbələr (torpaq və su) altında məhsuldarlığına görə məhsulların dərəcəsi müəyyən edilə bilər. Eynilə, hər məhsul üçün potensial məhsuldarlığa münasibətlərinə görə homojen zonaların dərəcəsi müəyyən edilə bilər. Bu şəkildə Apulia bölgəsinin ərazisini aqroekoloji cəhətdən xarakterizə edən müxtəlif tematik xəritələr yaradıla bilər.
Mexanik model Visual Basic-də yazılır.

Topoqrafik məlumatlar və rəqəmsal yüksəklik modeli

Topoqrafik məlumatlar hava dəyişkənlərinin məkan interpolasiyasını qiymətləndirməkdə və yamac və aspekt hesablamaqla ərazi xüsusiyyətlərinin statistik analizində mühüm rol oynayır.

Avstraliya Milli Universitetində (Hutchinson, 1988, 1989, 1996) Hutchinson tərəfindən hazırlanmış ANUDEM interpolasiya metodundan istifadə edərək Apulia bölgəsinin rəqəmsal yüksəklik modelini yaratmağa çalışırıq. ANUDEM səthi ızgarası yanaşması iterativ sonlu fərq interpolasiya texnikasına əsaslanır və ərazi səthini daha yaxından təmsil etmək üçün spline interpolasiya alqoritmini və müxtəlif lokal məhdudiyyətləri tətbiq edir. ANUDEM bir giriş olaraq yalnız kontur və nöqtə yüksəlmə məlumatlarını deyil, həm də DEM çıxış keyfiyyətini əhəmiyyətli dərəcədə gücləndirən axın xətti və batma nöqtəsi məlumatlarını istifadə edir. Ədəbiyyatda ANUDEM, DEM-in yaradılması üçün ən uyğun raster texnika kimi görünür və Avstraliya, Afrika, Cənubi Amerika və s. Üçün DEM-in inkişafında artıq istifadə olunur. ArcInfo & # 146s TOPOGRID komandası ANUDEM interpolasiya metodunu tamamilə dəstəkləyir.

TOPOGRID-a daxil olmaq üçün topoqrafik məlumatların əhəmiyyətli dərəcədə əvvəlcədən işlənməsi tələb olunur. Kontur yüksəklik məlumatları I.G.M.-dən AutoCAD-də rəqəmsallaşdırıldı. 5 ilə 25 metr arasında dəyişən kontur yüksəkliyi ilə 1: 50,000 miqyaslı xəritə vərəqələri. Yanlış kontur yüksəkliklərinin aşkarlanması və düzəldilməsi mənbə xəritələrindəki vizual nəzarət və yüksəklik dəyərlərinin yaylara aid edilməsi yolu ilə həyata keçirilir. Bu prosedur, ArcInfo mühitində AutoCAD-də təyin olunmuş mətn yaylarının təsvirçilərindən istifadə etmək mümkün olmadığı üçün qəbul edilmişdir. Əlavə olaraq, bu təsvir edənlər tez-tez təkrarlanır və bir çox yay bağlanmamışdır. Əslində, meteoroloji stansiyaların bir hissəsi Apulia bölgəsindən kənarda yerləşdiyindən bölgəyə qonşu vilayətlərə aid topoqrafik məlumatları anlamaq üçün kontur xətti məlumatları artırılır. 1: 50.000 miqyasda təqdim olunan demək olar ki, bütün axınlar I.G.M. xəritələr rəqəmləşdiriləcək və yalnız çox kiçik axınlar buraxılacaq. Ləkə hündürlüyü və məlum səth çöküntü nöqtələri seçilir və ayrı örtüklərdə rəqəmləşdiriləcəklər.

Topoqrafik məlumatlar giriş məlumatlarının əsas forması kimi yüksəklik konturlarının bir xətt əhatə dairəsi istifadə edilərək işlənəcəkdir. DEM qətnaməsi, Hutchinson (1996) tərəfindən təklif olunan prosedurdan istifadə edilərək optimize ediləcəkdir ki, məlumat nöqtələrində quraşdırılmış DEM-in yamacının qaba bir ızgaradan (bir neçə kilometrə qədər) daha incə qətnaməyə (100 metr) qədər və orta orta yamacın nə vaxt olduğuna baxılır. sabitləşib. DEM-in təxmini qətnaməsi təxminən 100-200 metrdir.

Bu məqalədə ACLA 2 layihəsində Coğrafi İnformasiya Sisteminin tətbiqinin mövcud vəziyyəti, həyata keçirildiyi hərəkətlər və görüləcək vəzifələr barədə dərslər götürüləcək və inkişaf etdirilə biləcəyi təsvir edilmişdir.

Bir ərazinin aqroekoloji xarakteristikası qaçılmazdır ki, məlumatların inkişafı və məhsul məhsuldarlığının modelləşdirilməsi üçün CİS texnologiyasından istifadə olunsun. Bir verilənlər bazasının inkişafı, yeni örtüklər yaratmaq üçün məkan örtük funksiyaları kimi ümumi GIS tətbiqetmələrini əhatə edir. Üstəlik, torpaq məlumat bazasının inkişaf etdirilməsində CİS torpaq nümunələrinin götürülməli olduğu sahələri təyin etmək üçün obyektiv yönümlü sorğuların qiymətləndirilməsini təklif edir. Ayrıca, GIS, hava dəyişkənlərinin məkan interpolyasiyası və məhsul məhsuldarlığı modelləri tərəfindən istifadə ediləcək digər dəyişənlərin məkan parametrləşdirilməsi üçün əvəzolunmaz bir vasitədir.

ACLA 2 layihəsi, istifadəçi ehtiyaclarına müxtəlif səviyyələrdə və müxtəlif məqsədlər üçün CİS məlumat bazasının inkişafında çətinliklər yaradır. Bununla birlikdə, bir CBS məlumat bazasının inkişafı və layihənin özü regional torpaq, iqlim, torpaq istifadəsi, məhsul və topoqrafik məlumatların ardıcıl formatda saxlanılması və saxlanılması, məlumat mübadiləsinin asanlaşdırılması və gələcəkdə GIS əsaslı bir çoxunun dəstəklənməsi üçün imkan yaradır. Apulia bölgəsinə aid bir layihə. Buna nail olmaq üçün mənbə məlumatlarının və layihə əsaslı verilənlər bazasının keyfiyyətinin yaxşılaşdırılması və qiymətləndirilməsi və onların tamlığı, etibarlılığı, tutarlılığı, bütövlüyü və mövqe və atribut dəqiqliyi təmin edilməsi üçün əlavə işlər tələb olunur.


LASmoons: Olumese Efeovbokhan

Olumese Efeovbokhan (üç LASmoons alıcısı)
Yerşünaslıq, Coğrafiya Fakültəsi
Nottingham Universiteti, Böyük Britaniya

Fon:
Uğurlu daşqın riski idarəetmə siyasətini uğurla idarə etmək və əsaslandırmaq üçün həyati tələblərdən biri hidroloji modelləşdirmə üçün etibarlı məlumatların mövcudluğudur. Təəssüf ki, bu, məlumatların az olduğu bölgələrdə böyük bir problem yaradır və məruz qaldıqları daşqınların mərhəmətinə qalan bəzi ərazilərlə əlaqələndirilməmiş və təsirsiz daşqın riski idarəetmə siyasətləri ilə nəticələnir. Bu tədqiqat əlverişli və çoxalması asan metodlardan istifadə edərək hidroloji modelləşdirmə üçün lazım olan məlumatları uğurla yaratmaq bacarığına yönəlmişdir. Tədqiqat, sonradan daşqın zəifliyinin xəritələşdirilməsində istifadə ediləcək fotoqrammetriya nöqtələrindən çılpaq torpaq modellərinin (DTM) yaradılması üçün pilotsuz uçan aparatlardan (PUA) istifadə edəcəkdir.

Nigeriyanın Lagos Adasındakı Tafawa Balewa Meydanının fotogrametri nöqtə buludu

Məqsəd:
Agisoft Photoscan və LAStools birləşməsindən istifadə edərək çılpaq bir torpaq modeli yaradın və sonra hidroloji modelləşdirmə üçün uyğunluğunu təsdiq edin. Yaradılan modelin uyğun olduğu təqdirdə, eyni şəkildə yaradılan yüksək çözünürlüklü çılpaq torpaq modellərindən istifadə edərək digər məlumatlar az bölgələrdə daşqına həssaslıq təhlili və su basma modelləşdirməsi aparmaq üçün istifadə edəcəyik.

Məlumat:
+
iş sahəsinin bir hissəsi üçün yüksək qətnamə fotogrammetri nöqtə buludu
– – – Ebee Sensefly pilotsuz uçuşu ilə əldə edilən görüntülər
– – – AgiSoft tərəfindən Photoscan ilə yaradılan fotogrammetriya nöqtə buludu
+ Lagos Dövlət Hökumətindən tədqiqat sahəsi üçün əldə edilmiş hər kvadrat metrə 1 nəbz qətnaməsi ilə təsnif edilmiş LiDAR nöqtə buludu

LAStools emalı:
1) kafel böyük fotogrammetriya nöqtə buludunu tamponlu plitələrə [lastile]
2) z koordinatı qonşularının müəyyən faiz nisbətində olan nöqtələrin işarəsi [lasthin]
3) təcrid olunmuş aşağı nöqtələri işarələnmiş nöqtələrdən silin [lasnoise]
4) qeyd olunmuş nöqtələri yer və torpaq olmayan [lasground] olaraq təsnif etmək
5) yerdən yuxarı və aşağıya yaxın nöqtələrdə çəkin
6) zəmin nöqtələrindən Rəqəmsal Arazi Modelini (DTM) yaratmaq [las2dem]
7) fərdi raster DTM-lərini birləşdirin və hillshade edin [blast2dem]