Daha çox

Bir ölkənin arcmap içindəki iki nöqtə arasındakı məsafəni necə ölçə bilərəm


Bütün dünyaya paylanmış xalları olan iki şəklim var. Forma 1-də hər nöqtədən shapefile 2-dən ən yaxın nöqtəyə qədər olan məsafəni (qarğa km-də uçduğu kimi) ölçmək istərdim, shapefile2-nin ən yaxın nöqtəsindən shapefile1-dəki nöqtəyə qədər bütün xüsusiyyətləri əlavə edim, eyni zamanda I bu məsafələrin yalnız eyni ölkə daxilində hesablandığından əmin olmalısınız. Məsafə ölçüsü heç bir sərhəd keçməməlidir.

Yaxın seçimini istifadə etməyə çalışdım və mənə qismən istədiklərimi verir. Shapefile2-də ən yaxın nöqtədən shapefile1-də ən yaxın nöqtəyə qədər bütün xüsusiyyətləri əlavə edir və məsafəni ölçür. İndi yeganə problem, ən yaxın iki nöqtənin də eyni ölkədə olmasını nəzərə almamasıdır. Yaxın alət üçün "əgər" seçimi kimi bir şeyə ehtiyacım var. "Forma ölkəsindəki ən yaxın nöqtəyə məsafəni ölçün 1 = shapefile'deki ölkə = shapefile'deki ölkə 2". Buna bənzər bir şey varmı ??

Hər hansı bir təklif?


Bu, orijinal cavabımın az-çox tamamən yenidən yazılmasıdır; OP-nin soruşduğunu düşündüyüm barədə səhv etdim. Bəzi əlavə məlumatları nəzərə alaraq aşağıdakı kimi bir şey etməyinizi məsləhət görürəm. Python konsoluna daxil edə və ya yalnız masaüstündə bağımsız bir skript düzəldə bilər və boş vəziyyətdə işlədə bilərsiniz.

idxal arcpy arcpy.env.overwrite = Doğru ölkələr = r "yol / yol / ölkələrə.shp" nöqtələrA = r "yol / / nöqtələrA.shp" nöqtələrB = r "yol / yollar / nöqtələr.B.shp" ## xüsusiyyət qatlarını düzəldin bu məlumat dəstləri üçün coun = arcpy.management.MakeFeatureLayer (ölkələr, "coun_fl") ptA = arcpy.management.MakeFeatureLayer (pointsA, "ptA_fl") ptB = arcpy.management.MakeFeatureLayer (pointsB, "pt # get) bu nöqtələrlə həqiqətən kəsişən ölkələr arcpy.management.SelectLayerByLocation (coun, "NEW_SELECTION", ptA) arcpy.management.SelectLayerByLocation (coun, "ADD_TO_SELECTION", ptB) fids = [r [0] for r in arcpy.da.Search (coun, "FID")] ## FID siyahısını təkrarlayın, hər ölkəni seçin və sonra fids in üçün nöqtələri seçin: sql = '"FID" = {0}'. format (fid) arcpy.management.SelectLayerByAttribute ( coun, "NEW_SELECTION", sql) arcpy.management.SelectLayerByLocation (ptA, "NEW_SELECTION", coun) arcpy.management.SelectLayerByLocation (ptB, "NEW_SELECTION", coun) ## indi yalnız eyni nöqtələrə daxil olan nöqtələri seçmisiniz. ölkə ## arcpy.analysis.Near (ptA, ptB) kimi istədiyiniz əməliyyatı edə bilərsiniz

Neçə məqamla qarşılaşdığınızı bilmirəm, buna görə ehtiyac duyduğunuz şeyi həyata keçirməyin ən sürətli yolu olduğuna əmin deyiləm. Seçim prosesləri bəzən sloooowww ola bilər.

Hələ də istifadə etdiyiniz proqnozlaşdırılan koordinat sistemlərini yoxlamalısınız.


Kürə üzərində iki nöqtə arasındakı ən qısa məsafə [dublikat]

$ P_1 $ və $ P_2 $ həm $ (x-x_0) ^ 2 + (y-x_0) ^ 2 + (z-z_0) ^ 2 = r ^ 2 $ sferasında uzanırsa, onda uzunluğu nə qədərdir? iki nöqtə arasındakı ən qısa yol ki, yol kürənin səthində uzansın?

Yuxarıda yazılmış məsafə formulu bu problemi həll etmək üçün işləməyəcəkdir.

Kürə üzərində uzanan ən qısa yolun uzunluğunu $ x_0, y_0, z_0, x_1, y_1, z_1, x_2, y_2, z_2, $ və $ r $ baxımından necə ifadə etmək olar?

İnteqrasiyadan istifadə edərək qövs uzunluğunun doğru yol olduğunu düşünürəm, amma bununla mübarizə aparıram. Hər hansı bir yardım qiymətləndiriləcəkdir.


Yerin və Haversine düsturunun təqribən istifadə edin. Seçdiyiniz dilə tərcümə edə biləcəyiniz aşağıdakı URL-də bir javascript versiyası əldə edə bilərsiniz:

Bunu sizin üçün c # -də edəcəkdir.

Ad məkanına bunları qoyun:

Sonra bunları əsas kodda istifadə etmək üçün:

  • 2 nöqtənin olduğunu bilirsiniz "bir-birimizdən çox uzaq deyil"
  • və dözürsən a "ağlabatan kiçik" səhv.

Sonra, dünyanın 2 nöqtə arasında düz olduğunu düşünün:

  • Enlem istiqamətindəki məsafə fərqi EarthRadius * enlik fərqidir
  • Boylam istiqamətindəki məsafə fərqi EarthRadius * uzunluq fərqi * cos (enlem). Cos (lat) ilə çoxalırıq, çünki enlik dəyişirsə uzunluq dərəcələri eyni km məsafəni yaratmır. P1 və P2 yaxın olduğu üçün cos (latP1) cos (latP2) ilə yaxındır
  • Sonra Pifaqor

Parislə Orlean (Fransa) arasında sınadım: düstur 110.9 km, (dəqiq) Haversine düsturu isə 111.0 km tapır.

. Meridian 0 ətrafındakı vəziyyətlərdən çəkinin (onu dəyişə bilərsiniz): əgər P1 Lng 359-da, P2 Lng 0-dadırsa, funksiya onları qeyri-adi dərəcədə uzaqlaşdıracaqdır.

Burada başqaları tərəfindən təklif olunan pifaqor teoremi o qədər də yaxşı işləmir.

Ən yaxşı, sadə cavab yer kürəsini bir kürə kimi təqrib etməkdir (əslində biraz düzəldilmiş kürə, lakin bu çox yaxındır). Məsələn, Haskell-də aşağıdakıları istifadə edə bilərsiniz, lakin riyaziyyat çox şeyə köçürülə bilər:

distRadians, açılarınızın radian şəklində verilməsini tələb edir.

distDegrees dərəcə və boylamları dərəcə ilə ala bilən köməkçi bir funksiyadır.

Bu formulun çıxarılması haqqında daha çox məlumat üçün bu yazı seriyasına baxın.

Əgər sən həqiqətən yerin ellipsoidal olduğunu qəbul edərək verilən əlavə dəqiqliyə ehtiyac varsa, bu SSS-ə baxın: http://www.movable-type.co.uk/scripts/gis-faq-5.1.html

SQL serverindən istifadə edirsinizsə bunu etmək üçün bir yol.

Böyük dairə yolunun bir kürənin iki nöqtəsi arasındakı uzunluğunu axtarırsınız. Google'da "Great Circle Path" və ya "Great Circle Distance" axtarmağa çalışın.

Bağışlayın, hətta hansı ölkədə olduğunuzu da bilmirəm. Easting və Northings (UK, Ordance Survey sistemi) və ya Lat / Long və ya başqa bir sistemdən danışırıq? Əgər Easting və Northing haqqında danışırıqsa, onda istifadə edə bilərsiniz
sqr ((x1-x2) ^ 2 + (y1-y2) ^ 2)
Bu, dünyanın kürə olmasına imkan vermir, ancaq qısa məsafələrdə fərq etməyəcəksiniz. İlçədəki nöqtələr arasındakı məsafələrdə işdə istifadə edirik.
Şəbəkə arayışını nə qədər istifadə etdiyinizə diqqət yetirin. Düşünürəm ki, 8 rəqəmi istinad sizə metrlərlə bir məsafə verəcəkdir. Başqa kimsə verməsə, gələn həftə işdə qəti cavab ala biləcəyəm.


Metodun icmalı

Ölçmə növündən istifadə edərək başqa bir nöqtəyə açı və məsafənin çəpərini qaytarır.

Həndəsənin sərhədini qurur.

Həndəsədən müəyyən bir məsafədə çoxbucaqlı qurur.

Həndəsənin kəsişməsini və göstərilən dərəcəni qurur.

Əsas həndəsədə müqayisə həndəsəsinin olub olmadığını göstərir.

ehtiva edir, içindəki tərsdir.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

Bütün xarici açıların qabarıq olması üçün minimal hədd çoxbucağı olan həndəsəni qurur.

İki həndəsənin daha az formalı bir həndəsədə kəsişib-kəsilməməsini göstərir.

Ən azı biri son nöqtə olmayan yalnız ortaq nöqtələri paylaşdıqları təqdirdə iki çox xətt kəsilir. Bir çoxbucaqlı və çoxbucaqlı bir çoxbucaqlı içərisində ortaq bir nöqtə və ya bir nöqtə (şaquli xətt üçün) bölüşsələr, bir çox xətt və bir çoxbucaqlı çarpaz.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

Bu həndəsəni kəsmə polilinin sol hissəsinə və sağ hissəsinə bölür.

Bir çox xətt və ya çoxbucaq kəsildikdə, kəsici polilin ilə kəsişdiyi yerdə bölünür. Hər bir parça kəsicinin solunda və ya sağında təsnif edilir. Bu təsnifat kəsici xəttin istiqamətinə əsaslanır. Hədəf polilin kəsici polilinlə kəsişməyən hissələri həmin giriş polilinin nəticəsi hüququnun bir hissəsi kimi qaytarılır. Həndəsə kəsilmirsə, sol həndəsə boş olacaq (Yoxdur).

Üstlərinə əlavə edilmiş yeni bir həndəsə yaradır.

Yalnız təməl həndəsə üçün bənzər olmayan, lakin digər həndəsənin bir hissəsi olmayan bölgədən ibarət olan həndəsi qurur. Aşağıdakı təsvir qırmızı çoxbucaqlı həndəsə olduqda nəticələri göstərir.

Əsas və müqayisə həndəsələrinin ortaq nöqtələri paylaşmadığını göstərir.

Ayrılıq False qaytararsa, iki həndəsə kəsişir.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

İki həndəsə arasındakı minimum məsafəni qaytarır. Həndəsələr kəsişirsə, minimum məsafə 0-dur.

Hər iki həndəsə eyni proyeksiyaya sahib olmalıdır.

Baza və müqayisə həndəsələrinin eyni forma tipli olduğunu və müstəvidəki eyni nöqtələr dəstini təyin etdiyini göstərir. Bu, yalnız M və Z dəyərlərinə məhəl qoyulmayan 2B müqayisəsidir.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

Müəyyən edilmiş maksimum ofset toleransından istifadə edərək yeni sadələşdirilmiş həndəsə yaradır.

Ölçmə növündən istifadə edərək xüsusiyyət sahəsini qaytarır.

Ölçmə növündən istifadə edərək xüsusiyyətin uzunluğunu qaytarır.

Həndəsənin müəyyən bir hissəsi üçün nöqtə obyektləri və ya hər hissə üçün bir sıra massivlər olan bir sıra qaytarır.

İki giriş həndəsəsinin həndəsi kəsişməsi olan bir həndəsə qurur. Fərqli forma növləri yaratmaq üçün fərqli ölçü dəyərlərindən istifadə edilə bilər.

Eyni formalı iki həndəsənin kəsişməsi yalnız orijinal həndəsələr arasındakı üst-üstə düşmə bölgələrini ehtiva edən bir həndəsədir.

Daha sürətli nəticələr əldə etmək üçün kəsişmə çağırışından əvvəl iki həndəsənin bir-birindən ayrıldığını yoxlayın.

Bu sətrin başlanğıc nöqtəsindən in_ nöqtəsinə bir ölçüsü qaytarır.

İki həndəsənin kəsişməsinin giriş həndəsələrindən biri ilə eyni forma növünə sahib olduğunu və giriş həndəsələrinin heç birinə bərabər olmadığını göstərir.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

Müəyyən bir açı və məsafədə bir nöqtəni göstərilən ölçü növündən istifadə edərək dərəcə və metrlə qaytarır.

Xəttin əvvəlindən müəyyən bir məsafədə bir xəttdəki bir nöqtəni qaytarır.

Bir həndəsi layihə hazırlayır və istəyə görə bir geotransformasiyanı tətbiq edir.

Layihələşdirmək üçün həndəsənin məkan referansına sahib olması və UnknownCoordinateSystem olmaması lazımdır. Metoda keçirilmiş yeni məkan istinad sistemi çıxış koordinat sistemini təyin edir. Hər hansı bir məkan referansı bilinmirsə, koordinatlar dəyişdirilməyəcəkdir. Z- və ölçü dəyərləri ProjectAs metodu ilə dəyişdirilmir.

İn-nöqtəyə ən yaxın olan polilin üzərində nöqtəni və bu nöqtələr arasındakı məsafəni tapır. Həm də xəttin tərəfi, in_point açıq olduğu kimi ən yaxın nöqtənin meydana gəldiyi xətt boyunca olan məsafəni də qaytarır.

Başlanğıc və bitmə ölçüləri arasında bir çox xətt qaytarır. Polyline.positionAlongLine-ə bənzəyir, ancaq bir nöqtə əvəzinə polyline üzərindəki iki nöqtə arasındakı bir polyline seqmentini qaytaracaq.

Bu həndəsəyə daxil edilmiş in_point-ə əsaslanan yeni bir nöqtəni qaytarır.

İki həndəsənin birləşməsi olan həndəsəni, bu həndəsələrin təyini çıxdıqda qurur.

İki giriş həndəsi eyni forma növü olmalıdır.

Həndəsələrin sərhədlərinin kəsişdiyini göstərir.

İki həndəsə həndəsələrin kəsişməsi boş olmadıqda, ancaq daxili hissələrinin kəsişməsi boş olduqda toxunur. Məsələn, bir nöqtə çox xəttə toxunur, əgər nöqtə çox xəttin son nöqtələrindən biri ilə üst-üstə düşsə.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.

Giriş həndəsələrinin müəyyən nəzəri birliyi olan həndəsəni qurur.

Birləşdirilən iki həndəsə eyni formalı olmalıdır.

Baza həndəsəsinin müqayisə həndəsəsi içərisində olub olmadığını göstərir.

daxilində əks operatoru var.

Bu illüstrasiyada yalnız Həqiqi münasibətlər göstərilir.


Şəbəkənin səmərəliliyi ölçüsü kimi dövriyyədən istifadə: Paris nümunəsi

Dolanışıq indeksi və ya marşrut faktoru olaraq da adlandırılan dairə, iki nöqtə arasındakı şəbəkə məsafəsinin Öklid və ya ‘qarğa-uçur’ məsafəsinə nisbətidir. Bu tədqiqat sirkulyasiya və konsentrasiya bölməsindən istifadə edərək şəhər ərazisinin müxtəlif hissələrində və arasında nəqliyyat şəbəkəsinin səmərəliliyini qiymətləndirmək üçün sadə, lakin effektiv bir prosedur təqdim etməyi hədəfləyir. Nümunə olaraq, Paris şəhərinin və yaxınlığının yol şəbəkəsi OpenStreetMap-dan düzənlikli şəbəkə məlumatları istifadə edilərək araşdırılır. Dairəvi səviyyələrin dəyişməsi qraf nəzəriyyəsinə əsaslanan topoloji indekslərdən istifadə etməklə küçə şəbəkəsinin fiziki quruluşunun kəmiyyəti ilə analiz olunur. Tapıntılar, beta indeksinin və ya bir qovşaqdakı ortalama kənar sayının, bir qovşaq sırasının və ya bir qovşaq ilə birləşən kənar sayının, bir yolda daha az dövriyyə ilə daha çox birbaşa marşrutlara sahib olmaq üçün daha vacib bir rol planlaşdırdığını göstərir. şəbəkə. Şəhər planlamasındakı prioritetlərin nəqliyyatın səmərəliliyinə və şəbəkənin səmərəliliyinə təsir etdiyi qənaətinə gəlinir ki, siyasət hazırlanmasına rəhbərlik etmək üçün sövdələşməyə əsaslanan sadə, lakin effektiv bir prosedurla qiymətləndirilə bilər.


Mülkiyyətçilər

Həndəsənin bir Esri JSON təsvirini simli olaraq qaytarır.

Astuce:

Qaytarılmış sətir, Python json.loads funksiyasından istifadə edərək bir lüğətə çevrilə bilər.

OGC həndəsəsi üçün tanınmış ikili (WKB) təsvirini qaytarır. Bitişik bir bayt axını kimi bir həndəsə dəyərinin portativ bir təqdimatını təmin edir.

OGC həndəsəsi üçün tanınmış mətn (WKT) təqdimatını qaytarır. Mətn sətri kimi bir həndəsə dəyərinin portativ bir təqdimatını təmin edir.

Çoxbucaqlı xüsusiyyət sahəsi. Bütün digər xüsusiyyət növləri üçün boş.

Əsl centroid, başqa bir xüsusiyyət içərisində və ya xüsusiyyətdədirsə, etiket nöqtəsi qaytarılır. Bir nöqtə obyektini qaytarır.

Həndəsənin ölçüsü.

Həndəsənin ilk koordinat nöqtəsi.

Konveks gövdə düzbucağının koordinat cütlərinin boşluqla ayrılmış bir sətri.

Düzdür, bu həndəsə üçün hissələrin sayı birdən çoxdursa.

Etiketin yerləşdiyi nöqtə. LabelPoint həmişə bir xüsusiyyət daxilində və ya üzərində yerləşir.

Xüsusiyyətin son koordinatı.

Xətti xüsusiyyətin uzunluğu. Nöqtə və çox nöqtəli xüsusiyyət növləri üçün sıfır.

Doğrusal xüsusiyyətin 3D uzunluğu. Nöqtə və çox nöqtəli xüsusiyyət növləri üçün sıfır.

Xüsusiyyət üçün həndəsə hissələrinin sayı.

Xüsusiyyət üçün ümumi bal sayı.

Həndəsənin məkan referansı.

Bir xüsusiyyət üçün ağırlıq mərkəzi.

Həndəsə növü: çoxbucaqlı, çox xəttli, nöqtəli, çox nöqtəli, çoxlu, ölçülü və ya şərh.


4 Cavablar 4

@DeepSea tərəfindən təklif olunan optimallaşdırma problemini həll edən bir nümunə Python kodu

Verilən sətrə ən yaxın olan dairədəki bir nöqtənin dik məsafəsindən bəhs etdiyinizi düşünsək.

$ P_1P_2 $ sətrinin tənliyi $ (y-y_1) = dfrac(x-x_1) $

Məsafənin düsturları dairənin mərkəzindən dairənin radius xəttinə qədər $ perp $ məsafə olacaqdır. çünki bir xəttdən gələn hər hansı bir döngənin ən yaxın nöqtəsi hər ikisinə bərabər olan ümumi norma üzərindədir və bu vəziyyətdə ümumi normal $ perp $ mərkəzdən xəttə qədərdir.

İstədiyiniz, dairənin mərkəzindən xəttə qədər olan məsafə, radiusu çıxmaqdır.

$ Ax + by = c $ şəklində sətirinizin tənliyini çıxarmağa başlamalısınız. $ A, b, c $ dəyərlərini tapmaq üçün $ left (x, y right) $ (x1, y1) üçün, sonra (x2, y2) əvəz edin. Onları elə seçməlisiniz ki, $ a ^ 2 + b ^ 2 = 1 $ (və ya istədiyiniz kimi seçin və sonra bütün tənliyi $ a ^ 2 + b ^ 2 $ ilə bölün). $ A, b, c $ təyin etmək üçün aşağıdakı üç tənliyə sahibsiniz: $ ax_1 + by_1 = c $ $ ax_2 + by_2 = c $ $ a ^ 2 + b ^ 2 = 1 $ Bunun iki həlli olacaq: biri $ sol (a, b, c right) $ və bir $ sol (-a, -b, -c right) $. Siz də seçə bilərsiniz. Asan bir yol həmişə $ c & gt0 $ istifadə etməkdir.

İndi təsadüfi bir nöqtədən $ sol (x, y sağ) $ sətirədək məsafə yalnız $ ax + by-c $ olacaqdır.

RED: Əslində $ ax + by-c $ dəyəri xəttin bir tərəfində $ sol (x, y right) $ nöqtəsi olduqda müsbət, digər tərəfində isə mənfi olacaqdır. Məsafə, əlbəttə ki, mütləq dəyəridir.

Yeri gəlmişkən, $ left (a, b right) $ nöqtəsi xəttə dik vektoru təmsil edir və $ c $ koordinat sisteminin başlanğıcından xəttə məsafəsidir.

2 redaktə et: Əvvəlcə xəttə qədər olan məsafəni istədiyinizi düşünürdüm, lakin aşağıdakı şərhdə işarə ilə məsafəni istədiyiniz qeyd edildi seqment. Yaxşı, bir yol $ t = ax + by-c $ olduğu $ sol (x-ta, y-tb right) $ nöqtəsini müşahidə etməkdir. Bu nöqtə $ left (x, y right) $ xəttinə proyeksiyadır. Bu nöqtə seqmentin içərisindədirsə, onda xəttə olan məsafə seqmentə olan məsafə ilə eynidir. Bu nöqtə varsa yox seqmentin içərisində, onda seqmentə olan məsafə yalnız ən yaxın nöqtəyə qədər olan məsafədir.

$ Left (x-ta, y-tb right) $ nöqtəsinin seqmentin içində olması üçün onun hər bir son nöqtəyə olan məsafəsi seqment uzunluğundan az və ya bərabər olmalıdır.


Hfrhyu

X87 üzən nöqtə vahidinə daxil olmayan son x86 CPU nə idi?

Hörümçəklər insanlara, xüsusən də çox kiçik hörümçəklərə zərər verə bilmirlər?

Bir imperiya bütün planetimizi bugünkü əlaqə metodları ilə idarə edə bilərmi?

ELI5: Nə üçün İsrailin Aya bir kosmik gəmi endirən dördüncü ölkə olacağını söylədilər və niyə bu ölkəni ucuz qiymətə adlandırdılar?

Avropa universiteti tərəfindən qəbul olundu, müraciət etdiyim bütün Amerikalılar tərəfindən rədd edildi? Mümkün səbəblər?

Zənglər bahalı olduqda Python-da tək məsuliyyət prinsipi (SRP) ilə işləmək

Tikzpicture-də yuvalı elipslər: Chomsky iyerarxiyası

Aşırı təyin olunmuş sistemin QR parçalanması ilə həll edilməsi

Daha böyük bir araşdırmanın bir hissəsi olaraq avtomatik olaraq hazırlanmış bir sənədin rəy verilməyən bir sayta yüklənməsi etikdirmi?

Niyə fərqli VLAN-lardakı, lakin eyni alt şəbəkədəki cihazlar əlaqə qura bilmir?

"is" əməliyyatı, iki obyekt eyni id-ə sahib olsa da, false qaytarır

Niyə qabıq avtomatik olaraq "pişiyin faydasız istifadəsini" düzəltmir?

Laboratoriyamda doktorluq / iş tələb edən ümumi e-poçtlara nəzakətlə necə cavab vermək olar? Çox vaxt itirmədən

Niyə hidravlik qolu enerjinin qorunmasını pozmur?

"Şalvarım haradadır?" Verlişinin hər bölümüdürmü? eynidir?

Hər bir nöqtəyə təsadüfi həqiqi ədədin sabit miqdarından kürə üzərində bərabər paylanmış nöqtələr yaratmağın bir yolu varmı?

DM irqi əlamətləri ləğv edə bilərmi?

Bir xətt boyunca LRS ArcGIS Tədbiri necə həyata keçirilir?

Value Associate # 679-un gəlişini elan etmək: Cesar ManaraSətir boyunca xəttin uzunluğuYaxın hub çıxışına olan məsafə düzgün deyilQGIS-də düzensiz bir yol xətti necə ölçülür? Xətt və nöqtə şəkli arasındakı məsafə vahidiArcMap Random Points Minimum Distance Field not vahidlərdən istifadə edə bilərikBelə bir məsafədə ikisi arasında bir lat / uzun nöqtəni necə interpolasiya etmək olar LRS plagini ölçü sahəsini qaytarmır. ArcMapdakı xətt boyunca nöqtələrə məsafəni hesablayın? Nə üçün xəttimin bir əsas xəritənin üstündəki yeri ArcGIS Pro və ArcMap arasında fərqlənir? eyni proqnozlaşdırılan koordinat sisteminin tətbiq olunmasına baxmayaraq?

ArcMAP tədbir aləti ilə razılaşmayan bir LRS tətbiqində pis künc vəziyyətini təkrarlamağa çalışıram. NAD83 (27916) doğma shp koordinat sistemində məsafəni ölçməyə cəhd etdim. (əsasən eyni nəticələr)

Sualım LRS sistemi üçün bir xətt boyunca məsafələrin necə hesablandığıdır. Cari məsafə funksiyam (4326 üçün) aşağıdakılardır.

Əksər həndəsələr üçün ESRI LRS ilə mənim arasındakı məsafə nominaldır, lakin bu fərqlidir. Əvvəllər (30 + mil) daha böyük linestrings ilə heç bir problem olmadan məşğul oldum. Əvvəllər bu digər böyük linestrings uyğunlaşma boyunca yaxşı işləmişdir, lakin bu kənar vəziyyətlə əldə edirəm

İki tətbiq arasında sona qədər .5 mil fərq (tətbiqetməmin məsafələri həmişə daha böyükdür).

LRS tətbiqi ilə məsafə fərqli bir şəkildə hesablanır, həndəsəm əvvəlki nöqtələri təkrarlayır və ya koordinat sistemi səhvinin həqiqətən gizlədilməsi mümkündürmü?

Torpaq həqiqətinin ölçülməsi üçün yalnız bir arxa tərəfdəki ESRI LRS serverini vururam? Bu veb xəritədən kodla oynadıqdan sonra. Əsas olaraq etdiyim hər şey mövzu linestring-də nöqtələri təkrarlamaqdır, məsafəni tətbiq etməyimi hər nöqtə üçün xətt boyunca olan məsafəyə əlavə edib sonra ikisini müqayisə etməkdir. Həqiqətən təsis nöqtəsi həndəsəsini və shp-nin orijinal koordinat sistemini istifadə etdiyim üçün API parametrlərini ən aşağı tolerantlıq üçün dəyişdirdim. Vahidlərin mil olması xaricində LRS-in necə dürüst şəkildə həyata keçirildiyi barədə heç bir fikrim yoxdur.

Digər qeydlər

Dünən bunu bir müddət düzəltməyə çalışdım, qənaətə gəldim ki, məsafə düsturu içərisində (mümkün olsa da) daha çox, ESRI-nin LRS-nin müəyyən etdiyi bəzi mücərrəd kalibrləmə nöqtələri dəsti. Yolun həndəsəsi onun yaxşı bir hissəsi üçün paralel bir vektor dəstini təmsil edir və göründüyü kimi bəzi LRS sistemləri LRS-i əldə etmək üçün bu orijinal mərkəz xəttindən istifadə edirlər.

Üstəlik, nöqtələrin bir-birinin üstündə çox sıx olduğunu gördüm (heç vaxt geri atəş etmirəm) düşünürəm ki, bunun altında yatan sadələşdirmə də kömək edə bilər. Həm də bu həndəsə yeni bir avtomobil yolunun inşası səbəbindən kütləvi şəkildə dəyişdirilmək üzrədir, buna görə də LRS-in bu yol üçün qurduğu həndəsə qədər potensial olaraq həqiqi xüsusiyyətdəki kiçik bir dəyişikliyi düşünürəm. Ancaq ArcDesktop-da eyni problemləri düzəltmək üçün atıldığı üçün ən son məlumatlara sahib olduğuma əminəm.

Şübhəmin əsl təsdiqi, xam şp-i orijinal CRS ilə Earth Pro-ya atdığım və yüksəklik profilini açdığımda və ayıklama əlamətdar nöqtəm üçün etdiyim eyni nöqtəyə sahib olduğumdur. Beləliklə, əyləncəli olan sadələşdirilmiş və ya tamamilə fərqli bir həndəsə ilə məşğul olduğumu hiss edirəm.

Tamamilə səhv ola biləcəyimi söylədiyim kimi OG proyeksiyasında bildiyim hər bir məsafə formulunu (geodeziya, görmə qabiliyyəti, normal, öklid) sınadım və çiy 4326 heç bir nəticə vermədi. Ümid edirəm ki, bu başqası üçün faydalı olacaq və əgər mən bir mərkəz xəttindən mücərrəd LRS sistemlərindən bəhs edən ESRI sənədlərini axtarıb tapacağam və veb ilə xəritə ilə birlikdə yer üzündə bir şəkil yerləşdirəcəm.


Bir məsafə göstəricisi necə qurulur

Kogut və Singh’in (1988) mədəni məsafələr indeksi (KSIndex) beynəlxalq ticarət və idarəetmə tədqiqatlarında ‘olmalıdır’ bir dəyişənə çevrildi (Shenkar və ark. 2008: 908). Bir sıra mədəni ölçülərdəki kompozit fərqlə milli mədəni fərqləri hesablayır (bax: Kogut & amp Singh, 1988: 422):

harada Mənic ev sahibi ölkəyə aiddir jHofstede’nin orta ölçüsü, IIEV eyni ölçüyə görə ölkənin ortalama balına, Vmən fərqinə görə mənci ölçü və N ölçülərin sayına. Məsafə indeksi istənilən çoxölçülü tikinti üçün hesablana bilər. Aşağıda ətraflı bir şəkildə müzakirə etdiyimiz kimi, mədəni ölçülərin Hofstede'den alınmaması, eyni zamanda Schwartz (1994, 1999, 2006) və ya Globe (House et al., 2004) kültür çərçivələrindən əldə edilə bilər. Köğüt və Singh formulu, mədəni məsafədən başqa digər məsafələr növlərini istismara vermək üçün istifadə edilmişdir (məsələn, Wu & amp Salomon-da tənzimləmə məsafəsi, Campbell, Eden & amp Miller, 2016 institusional məsafə, 2012).

Köğüt və Singh indeksi Öklid məsafəsi ölçümləri ailəsinə aiddir. Kogut və Singh ölçmək üçün Öklid məsafəsi metrikasını tətbiq etdilər milli mədəni fərqlər, lakin digər analiz vahidlərinə (qruplar, firmalar və ya alt birliklər) tətbiq edilə bilər. Kogut və Singh indeksi, fərdi ölçülər dəsti üzərində kompozit məsafə indeksinin hesablanması üçün standart Öklid metodunun uyğunlaşmasını təmsil edir. Bir ölkə ilə ölkə arasındakı Öklid məsafəsi j bir mən-ölçülü konstruksiya I aşağıdakı kimi hesablanır 6:

Fərqlilik fərqlərinə diqqət yetirmək

Eşitlik arasındakı əsas fərq. 1 və bərabərdir. 2, ölçülər arasındakı fərqli varyansların düzəldilməsidir, çünki “Öklid məsafəsindəki problem, [fərdi] dəyişənlərin dəyişkənliyini nəzərə almamasıdır” (Berry və digərləri, 2010: 1469). Yəni Kogut və Singh indeksi, varyans düzəlişləri ilə Öklid məsafəsidir. Bundan əlavə, Kogut və Singh ümumi məsafəni ölçülərin sayına böldülər, Öklid məsafəsi düsturu isə ümumi fərqin kvadrat kökünü götürdü.

Kogut və Singh indeksi və Öklid məsafəsi indeksi tez-tez alternativ olaraq təqdim olunur və bu səbəbdən möhkəmlik testlərində istifadə olunur (məsələn, Barkema & amp Vermeulen, 1997 Drogendijk & amp Slangen, 2006). 7 Aşağıda, ən çox istifadə olunan iki məsafəli quruluş üçün bu alternativ göstəricilər arasındakı əlaqəni təsvir edirik: (1) mədəni məsafə və (2) institusional məsafə.

İdarəetmə ədəbiyyatında istifadə olunan üç mədəniyyətlərarası çərçivə var. Ölçüləri daxil olmaqla hər birinin əsas xüsusiyyətlərinin xülasəsi “Əlavə A” da tapıla bilər. Birincisi, Hofstede'nin (1980, 2001) tanınmış mədəniyyət çərçivəsidir. İlk versiya sonradan əlavə iki əlavə edilmiş dörd mədəni ölçüdən ibarət idi (Hofstede et al., 2010). İlk dörd ölçü IBM işçilərinin 1968-1972-ci illər arasında apardığı sorğulardan əldə edildiyi halda, son ikisi Dünya Dəyərləri Araşdırması - Avropa Dəyər Araşdırmaları (WVS-EVS) altı sual toplusuna əsaslanır. 8 Berry et al. (2010) və Beugelsdijk, Maseland, & amp van Hoorn (2015), Hofstede-dən ilham alan ölçüləri inkişaf etdirmək üçün WVS-EVS məlumatlarını istifadə etdilər. 9 Schwartz (1994, 1999, 2006) yeddi milli mədəni dəyər istiqamətindən ibarət olan Schwartz Dəyər Araşdırmasını inkişaf etdirdi. House et al. (2004) dəyərlər və tətbiqlər üçün doqquz milli mədəni ölçü inkişaf etdirdi, bu çərçivə, ümumiyyətlə Globe olaraq adlandırıldı.

Bütün bu mədəniyyət çərçivələri ölkələrarası mədəni məsafələri hesablamaq üçün istifadə edilə bilər. Kogut-Singh formulu və ya Öklid məsafəsi formulunun istifadəsinin kökündən fərqli nəticələr verdiyini aşağıda müzakirə edirik. Məlumatların mövcud olduğu bütün ölkə cütləri üçün iki göstəricini hesablayırıq. Cədvəl 1 göstərir ki, Kogut və Singh indeksi (Dəyər 1) ilə Öklid məsafə göstəricisi (Dəyər 2) arasındakı əlaqələr .89 (Globe) .97 (Hofstede'nin altı ölçüsü) ilə çox yüksəkdir. 10

Daha əvvəl də qeyd edildiyi kimi, mədəni məsafəni tamamlamaq üçün əlavə məsafə konstruktsiyaları hazırlanmışdır, çox vaxt Kogut və Singh yanaşmasının tətbiqi ilə ölçülür. Bunlardan biri, İdarəetmənin Keyfiyyəti verilənlər bazası da daxil olmaqla müxtəlif verilənlər bazaları istifadə edilərək ölçülən institusional məsafədir (Eden & amp Miller, 2004 Malhotra & amp Gaur, 2014 Xie & amp Li, 2017 Xu & amp Shenkar, 2002). Dünya Bankı tərəfindən hazırlanmış Dünya İdarəetmə Göstəriciləri olaraq (məsələn, Kaufmann, Kraay, & amp Mastruzzi, 2008 Abdi & amp Aulakh, 2012 Ang, Benischke, & amp Doh, 2015 Campbell et al., 2012 Hutzschenreuter et al., 2014 Li, Liu, Wright, & amp Filatotchev, 2014 Salomon & amp Wu, 2012), Heritage Foundation tərəfindən təmin edilən İqtisadi Azadlıq İndeksi (EFI) (məsələn, Dəmirbağ, Apaydın, & amp Tatoğlu, 2011 Gubbi, Aulakh, Ray, Sarkar, & amp Chittoor, 2010 He, Brouthers, & amp Filatotchev, 2013) və Siyasi Risk Xidmətləri qrupu tərəfindən hazırlanmış Beynəlxalq Ölkə Risk Kılavuzu (ICRG) (məsələn, Makino & amp Tsang, 2011 Valentino, Schmitt, Koch, & amp Nell, 2018).

QoG məlumatları altı ölçüdən ibarətdir: qanunun aliliyi, korrupsiyaya nəzarət, hökumətin effektivliyi, səs və hesabatlılıq, siyasi sabitlik və tənzimləmə keyfiyyəti. Dünya Bankı, bu altı ölçü üçün standart ölkə puanlarını hesablayır, bu səbəbdən varyans fərqlərini düzəldərək ölçüləri yenidən ölçmək tələb olunmur, lakin EFI əsaslı məsafələr indeksi üçün yenidən miqyaslandırma vacib ola bilər. EFI, mülkiyyət hüquqlarının qorunması, korrupsiya səviyyəsi, maliyyə sərbəstliyi, dövlət xərcləri on göstəricidən və ticarət, ticarət, maliyyə və investisiya azadlığını ölçən altı göstəricidən ibarətdir. EFI balları standartlaşdırılmamışdır. Buna baxmayaraq, bu indeksin Köğüt-Singh və Öklid versiyaları arasındakı əlaqə .95-dir (bax Cədvəl 1). ICRG, hökumət və siyasi sabitlik, sosial-iqtisadi inkişaf səviyyələri, qarşıdurma və korrupsiya, dini və etnik gərginliklərlə əlaqəli 12 ölçüdən ibarətdir. Cədvəl 1-də göstərildiyi kimi ICRG ölçüləri istifadə olunan Kogut və Singh indeksi .96'yı Öklid versiyası ilə əlaqələndirir.

Bir məsafə indeksinə daxil edilmiş ölçülər arasındakı fərq fərqlərini yenidən ölçmək və düzəltmək ehtiyacı istifadə olunan məlumatlardan asılıdır. Həm mədəni, həm də institusional məsafədə yenidən miqyaslandırma çox vacib deyil. QoG əsaslı institusional məsafə göstəricisi üçün bunun heç bir əhəmiyyəti yoxdur. Varyans düzəlişini tətbiq edən və ya tətbiq etməyən məsafə göstəriciləri arasındakı yüksək korrelyasiyalar (Kogut - Singh v Öklidean) məsafəli tədqiqatların nəticələrinin şərhinə təsir göstərir. Bu yüksək korrelyasiyaları nəzərə alsaq, nəticələrin bu iki metodu istifadə edən tədqiqatlar arasında əhəmiyyətli dərəcədə fərqlənəcəyini gözləməyəcəyik (hamısı bərabərdir).

Bununla birlikdə, bir vacib açıqlama edilməlidir. Tədqiqatçıların bütün ölkə məlumatları üçün mövcud olan bir ölçüsü fərqliliyi və ya ölkələrin yalnız bir nümunəsindən (məsələn, yalnız Avropa ölkələrini və ya yalnız Almaniya ilə digər ölkələr arasındakı dyadları) təşkil edən bir verilənlər bazası daxilindəki varyansı istifadə etməsi həmişə aydın deyil. ). Cədvəl 1 üçün mövcud olan bütün ölkələrə əsaslanan varyansı istifadə etdik. Aydındır ki, hansı varyansın istifadə ediləcəyi seçimi son məsafə indeksinə əhəmiyyətli dərəcədə təsir göstərə bilər. Nəzəri baxımdan nəzərdən keçirilən firmalar üçün uyğun sayılan fərqi düzəltməyin ən yaxşı olacağını düşünürük. Əksər hallarda, bir firmanın faktiki ölkəyə məruz qalmasını bilmirik (ya da bir firmanın sərmayə qoyduğu ölkələrin portfelini bilmədiyimiz üçün və ya firmanın bir şirkət üçün ehtimal etdiyi ölkələri tanımadığımız üçün) yer seçimi qərarı) və bununla da mövcud bütün məlumatların varyansından istifadə edilməsi ən praktik ola bilər. Müəllifləri bu mövzuda şəffaf olmağa çağırırıq.

Tövsiyə

Hesabladığımız mədəni və institusional məsafələr üçün yenidən qaldırmaq nəticələnən göstəriciyə az təsir göstərir. Bu indekslər üçün Köğüt və Singh indeksini ya da Öklid məsafə indeksini istifadə etməyimiz çox vacib deyil. Bununla yanaşı, bu digər məsafə növləri üçün fərqli ola bilər. Ümumiyyətlə tədqiqatçılara məsafənin fərdi ölçülərini yenidən ölçmələrini tövsiyə edirik - xüsusən ölçülər arasında fərqlilikdə ciddi fərqlər olduqda - və bunu edərkən hansı varyansın istifadə edildiyi barədə şəffaf olmalarını məsləhət görürük.

Birgə dispersiyaya diqqət yetirmək

Ölçülər arasındakı fərq fərqlərini düzəltmə ehtiyacına əlavə olaraq, Öklid yanaşmalarının ikinci bir narahatlığı, fərdi məsafə ölçüləri arasındakı potensial korrelyasiyaları nəzərə almamalarıdır. Shenkar (2001), əlaqəli ölçülərin son indeks üzərində yersiz bir təsir göstərə biləcəyinə diqqət çəkdi. Məsafə ölçüləri arasındakı bərabər dəyişikliyi düzəltmək üçün ən çox istifadə olunan metodlar Mahalanobis indeksidir (Mahalanobis, 1937). Bu metodun populyarlığı Berry və digərlərindən bəri artmışdır. (2010) beynəlxalq ticarət sahəsinə təqdim etdi.

Mahalanobis yanaşması ölkə cütləri arasındakı məsafəni hesablayarkən tam varyans-co-variasiya matrisini nəzərə alır. Berry et al. (2010) qeyd, Mahalanobis texnikası, məsafələr indeksinə daxil olan ölçülər fərqli bir miqyasda (məsələn, adambaşına düşən ÜDM və inflyasiya dərəcələri) ölçüləndə xüsusilə maraqlıdır. This argument is less relevant to cultural and institutional distance because both are commonly measured using similarly scaled dimensions (e.g., the Hofstede dimensions and the EFI dimensions are measured on a 0–100 scale, and the QoG dimensions are standardized).

The Mahalanobis distance is frequently misunderstood, perhaps because the technique itself is relatively complex. Often, Mahalanobis distance is perceived to be the most advanced or the best technique to create a composite index (Flury & Riedwyl, 1986), but this is not necessarily true (Brereton & Lloyd, 2016). When the individual distance dimensions included in the index are totally uncorrelated, the resulting Mahalanobis index is perfectly correlated with a variance-corrected Euclidean index (De Maesschalck, Jouan-Rimbaud, & Massart, 2000). In this case, applying a Mahalanobis technique and correcting for the co-variance does not add value.

The Mahalanobis index also has no added value when all the dimensions are very highly correlated with each other (Brereton & Lloyd, 2016). For example, the correlations between the six QoG indicators range between .62 and .94. 11 A principal component factor analysis on these six indicators shows that they reflect one single construct explaining 86% of the variation across the six indicators. Given these very high correlations, it makes sense to use the factor score and to measure institutional quality as one single reflective construct (e.g., Lavie & Miller, 2008 Zaheer & Hernandez, 2011 Klopf & Nell, 2018).

Thus, Mahalanobis’ technique becomes relevant when there is a mix of high and low correlations between the indicators included. Under these circumstances, it may – albeit not necessarily – yield quite different results as compared to Euclidean approaches.

The six Hofstede dimensions, as well as the Schwartz and Globe dimensions, show such a mix of correlations (see “Appendix B”). While the QoG indicators are highly correlated, this does not hold for the 10 EFI dimensions (range between .01 and .92) and the 12 ICRG dimensions (range between .02 and .80) (see “Appendix C”). Table 2 compares the (variance-corrected) Euclidean distance index with the Mahalanobis distance index for cultural and institutional distance using alternative databases.

The Euclidean (four dimensional) Hofstede-based cultural distance correlates .88 with the Mahalanobis Hofstede-based cultural distance. For Hofstede’s six-dimensional model, this correlation is .84. Using alternative culture frameworks, we find that the correlation between the Euclidean distance and the Mahalanobis distance drops to .58 (Schwartz) and .72 (Globe). For the EFI-based institutional distance index, we find a correlation of .62, and for ICRG this correlation is .58.

Table 3 shows the correlations between QoG-based institutional distance constructs using Euclidean, Mahalanobis, and factor score techniques. The correlation between the Euclidean and Mahalanobis construct is only .40. The correlation between the Euclidean and the factor score using the first principal component of all six QoG indicators is .97.

The discussion on co-variance correction relates to the literature on index construction methods, and the distinction between formative and reflective constructs (Bollen & Diamantopoulos, 2017 Coltman, Devinney, Midgley & Venaik, 2008 Diamantopoulos, Riefler & Roth, 2008 Diamantopoulos & Winklhofer, 2001). Starting with the Kogut and Singh index (1988), cultural distance has been treated as a formative construct based on the four individual dimensions. The Mahalanobis approach continues this tradition as it essentially represents a formative approach to index construction. QoG, however, has been interpreted more as a reflective construct, whereby the latent institutional distance variable is reflected by all the individual dimensions (Lavie & Miller, 2008 Zaheer & Hernandez, 2011 Klopf & Nell, 2018 Slangen & Beugelsdijk, 2010).

We do not argue here that correcting for co-variance by using Mahalanobis’ approach is wrong. However, researchers should be aware that it represents a formative approach based on a given number of dimensions. It is debatable whether cultural distance and other distance constructs are theoretically of a formative nature or a reflective nature, or whether there is a more complex factor structure where both formative and reflective aspects are present. We think that highly aggregated constructs, such as distance constructs, often possess characteristics of reflective as well as formative constructs, a common phenomenon in the field of index construction (Bollen & Diamantopoulos, 2017), but which has been neglected in most distance research. In fact, the six cultural dimensions developed by Hofstede are already based on a factor analytic procedure, using the original survey questions based on a reflective logic. The Hofstede-based Mahalanobis distance index thus already represents a complex factor structure with formative and reflective elements.

The relatively high correlations between the Hofstede indices, whether or not applying co-variance correction, have implications for the interpretation of results of distance studies. Given these high correlations, we would not expect results to differ substantially between studies using these two methods (all else equal). In fact, meta-analysis of cultural distance and its relation to firm performance shows that there is no significant difference between the results obtained with the Hofstede-based Kogut and Singh index or with its Mahalanobis equivalent (Beugelsdijk et al., 2018). Yet, we do not know whether this result can be generalized to other cultural or institutional distance indices. The correlations shown in Tables 2 and 3 give reason for concern.

Recommendation

We think that Mahalanobis’ approach is valuable for correcting potential co-variance between the dimensions. Our analysis of the three most used cultural and institutional distance indices shows that co-variance correction matters, but need not yield radically different distance indices. In the case of Hofstede-based cultural distance, using Mahalanobis’ approach does not fundamentally alter the index as compared to a Euclidean approach and can therefore safely be ignored. For the other distance measures used here, co-variance correction matters more and should thus be carefully examined. We recommend that scholars be transparent about their approach to co-variance correction. We also think that more research is needed on leveraging different, more complex index construction methods using structural equation modeling techniques, and that researchers should explain more clearly whether they want to treat distance as a formative or a reflective construct.


3 Cavablar 3

Large masses can bend light, but space is largely empty. The light from distant stars and galaxies rarely passes close enough to another star or galaxy to have deviated. On the few occasions when it does, it is special and notable.

For example, the Einstein cross looks like four quasars in a (very small) square, with a galaxy in front of it. In fact it is four images of one quasar, the light having been bent by the gravity of the foreground galaxy. In this case the image of the quasar is split up and moved by a few thousanths of a degree, because there is a very exact alignment of a quasar and a galaxy.

Such examples are rare. For nearly everything else the light has travelled in a straight line through flat and empty space. The light we see pinpoints the location that the object was when the light was emitted.

An exception to this is that our own sun (and to a lesser extent the other planets) create local distortions. In very high accuracy measurements this can be taken into account. But the distortions are very small and as we know the location of the sun, they can be fully taken into account.

Although the light travels in straight lines, it can be very hard to measure the distance to stars and galaxies. Often there is considerable uncertainty on the distance of astronomical objects. But this is not a result of gravity, it is just because measuring distance is hard.

The answer by James K is probably what you want to know, but your question does touch on general relativity (the gravitational bending of light is a general-relativistic effect), so here is a little more on that aspect of it.

Your question sort of assumes that light normally travels in straight lines, that it's obvious what "straight" means, and that it always makes sense to ask what is the state of some distant portion of the universe "now." Really the definition of "straight" and "now" become pretty subtle, or even completely undefined in general relativity (GR).

In GR, we define the trajectory of a test particle through spacetime to be straight. This is called a geodesic. So a photon by definition travels "straight." However, spacetime itself is curved, so the geometry of straight lines is noneuclidean. In GR, gravity is the curvature of spacetime. For example, you can have two rays of light emitted by the same star in two different direction, and because of the gravity of some intervening object, those rays can collide later. So this is a geometry in which straight lines can intersect in more than one place.

The path of the earth through spacetime is "straight" according to GR, even though by Newtonian standards it seems like it should be curved.

GR also doesn't have a universal notion of "now." So if we ask, "how far away is that distant galaxy," implying "how far is it right now," there is no totally well-defined answer. The space between us and it is expanding all the time. Because cosmological models are fairly uniform, we can get away with the following workaround in the example of the distant galaxy. We define time as the time on a clock that started at the big bang, and then was at rest relative to the nearby matter since then.


Videoya baxın: 1-39. nöqtənin koordinatları iki nöqtə arasındakı məsafə (Oktyabr 2021).