r.random.surfacegrass - Online nel cloud

PROGRAMMA:

NOME

r.superficie.casuale - Genera superfici casuali con dipendenza spaziale.

PAROLE CHIAVE

raster, superficie, casuale

SINOSSI

r.superficie.casuale
r.superficie.casuale --Aiuto
r.superficie.casuale [-u] produzione=stringa[,stringa,...] [distanza=galleggiante] [esponente=galleggiante]
[piatto=galleggiante] [seme=numero intero] [alto=numero intero] [--sovrascrivere] [--Aiuto] [--verboso]
[--silenzioso] [--ui]

Bandiere:
-u
Valori delle celle distribuiti uniformemente

--sovrascrivi
Consenti ai file di output di sovrascrivere i file esistenti

--Aiuto
Riepilogo utilizzo stampa

--verboso
Uscita modulo dettagliata

--silenzioso
Uscita modulo silenzioso

--ui
Forza l'avvio della finestra di dialogo GUI

parametri:
produzione=stringa[,stringa,...] [necessario]
Nome per le mappe raster di output

distanza=galleggiante
Distanza massima di correlazione spaziale (valore >= 0.0)
Predefinito: 0.0

esponente=galleggiante
Esponente di decadimento della distanza (valore > 0.0)
Predefinito: 1.0

piatto=galleggiante
Il filtro della distanza rimane piatto prima di iniziare l'esponente
Predefinito: 0.0

seme=numero intero
Seme casuale (SEED_MIN >= valore >= SEED_MAX), predefinito [casuale]

alto=numero intero
Valore massimo della cella di distribuzione
Predefinito: 255

DESCRIZIONE

r.superficie.casuale genera una superficie casuale spazialmente dipendente. La superficie casuale è
composto da valori che rappresentano la deviazione dalla media dei valori casuali iniziali
guidare l'algoritmo. I valori casuali iniziali sono deviazioni casuali gaussiane indipendenti
con media 0 e deviazione standard 1. I valori iniziali sono distribuiti su ciascuno
mappa di output utilizzando il/i filtro/i della distanza del diametro. L'influenza di ogni valore casuale su
le celle vicine è determinata da una funzione di decadimento della distanza basata sull'esponente. Se multiplo
i filtri vengono passati sulle mappe di output, a ciascun filtro viene assegnato un peso in base al peso
ingressi. La superficie casuale risultante può avere in qualsiasi media e varianza, ma il teorico
la media di una mappa infinitamente grande è 0.0 e una varianza di 1.0. Descrizione dell'algoritmo
è nel NOTE .

Le superfici casuali generate sono composte da numeri in virgola mobile e salvate nella cartella
file di descrizione della categoria delle mappe di output. I valori delle celle sono uniformi o normali
distribuito tra 1 e valori alti inclusi (determinato dal fatto che il -u la bandiera è
Usato). I nomi delle categorie indicano il valore medio in virgola mobile e l'intervallo di
valori a virgola mobile rappresentati da ogni valore di cella.

r.random.surface's l'obiettivo originale è generare campi casuali per la modellazione degli errori spaziali.
Una procedura da usare r.superficie.casuale nella modellazione degli errori spaziali è dato nel NOTE
.

Dettagliato parametro descrizione
produzione
Superfici casuali. I valori delle celle sono una distribuzione casuale tra il basso e l'alto
valori inclusi. I valori di categoria delle mappe di output sono nella forma #. # #. # a
#. # dove ogni #.# è un numero in virgola mobile. Il primo numero è la media dei
valori casuali rappresentati dal valore della cella. Gli altri due numeri sono l'intervallo di random
valori per quel valore di cella. Il media il valore medio delle mappe di output generate è 0.
Il Marketplace per le media la varianza delle mappe generate è 1. I valori casuali rappresentano il
deviazione standard dalla media di quella superficie casuale.

distanza
La distanza determina la dipendenza spaziale delle mappe di output. Il valore della distanza
indica la distanza minima alla quale due celle della mappa non hanno alcuna relazione tra loro
Altro. Un valore di distanza di 0.0 indica che non c'è dipendenza spaziale (cioè,
i valori delle celle adiacenti non hanno alcuna relazione tra loro). Come il valore della distanza
aumenta, i valori delle celle adiacenti avranno valori più vicini tra loro. Ma la gamma
e la distribuzione dei valori delle celle sulle mappe di output rimarrà la stessa.
Visivamente, i gruppi di valori inferiori e superiori diventano più grandi all'aumentare della distanza. Se
vengono dati più valori, ogni mappa di output avrà più filtri, uno per ciascuno
insieme di valori di distanza, esponente e peso.

esponente
L'esponente determina l'esponente di decadimento della distanza per un particolare filtro. L'esponente
i valori hanno la proprietà di determinare il struttura della superficie casuale. Struttura
diminuirà man mano che i valori dell'esponente si avvicinano a 1.0. Normalmente, l'esponente sarà
1.0 o meno. Se non vengono forniti valori di esponente, a ciascun filtro verrà assegnato un
valore dell'esponente di 1.0. Se c'è almeno un valore dell'esponente dato, ci deve essere
un valore di esponente per ogni valore di distanza.

piatto
Flat determina la distanza alla quale il filtro.

peso
Il peso determina l'importanza relativa di ciascun filtro. Ad esempio, se ci fossero
due filtri che guidano l'algoritmo e peso = 1.0, 2.0 è stato fornito nella riga di comando:
Il secondo filtro sarebbe due volte più importante del primo filtro. Se nessun valore di peso
sono dati, ogni filtro sarà importante tanto quanto gli altri filtri che definiscono il
campo casuale. Se esistono valori di peso, deve esserci un valore di peso per ogni filtro di
il campo casuale.

alto
Specifica il limite superiore dell'intervallo di valori di cella nelle mappe di output. Specificando a
un valore molto grande alto ridurrà al minimo il errori causato dalla superficie casuale
discretizzazione. La parola errori è tra virgolette perché gli errori nella discretizzazione sono
spesso si annullano a vicenda e le statistiche spaziali sono molto più sensibili
alle deviazioni casuali indipendenti iniziali rispetto a qualsiasi potenziale errore di discretizzazione.

seme
Specifica i semi casuali, uno per ogni mappa, che r.superficie.casuale userò per
generare l'insieme iniziale di valori casuali su cui si basa la mappa risultante. Se la
seme casuale non è dato, r.superficie.casuale otterrà un seme dal numero ID del processo.

NOTE

Mentre la maggior parte della letteratura usa il termine campo casuale invece di superficie casuale, questo algoritmo
genera sempre una superficie. Quindi, il suo uso della superficie casuale.

r.superficie.casuale costruisce la superficie casuale utilizzando un algoritmo di filtro che leviga una mappa di
deviazioni casuali indipendenti. La dimensione del filtro è determinata dalla distanza maggiore
di dipendenza spaziale. La forma del filtro è determinata dal decadimento a distanza
esponente(i) e i vari pesi se vengono utilizzati diversi insiemi di parametri spaziali. Il
la mappa delle deviazioni casuali indipendenti sarà grande quanto la regione corrente PI l'estensione
del filtro. Ciò eliminerà gli effetti di bordo causati dalla riduzione dei gradi di
libertà. La mappa delle deviazioni casuali indipendenti ignorerà la maschera corrente per la stessa
ragionare.

Uno degli usi più importanti per r.superficie.casuale è determinare come l'errore inerente
nelle mappe raster potrebbe influenzare le analisi fatte con quelle mappe.

BIBLIOGRAFIA

Software da campo casuale per GRASS di Chuck Ehlschlaeger

Come parte della mia tesi, ho messo insieme diversi programmi che aiutano GRASS (4.1 e
oltre) sviluppare modelli di incertezza dei dati spaziali. Spero che lo trovi utile e
affidabile. I seguenti documenti potrebbero chiarire il loro uso:

· Ehlschlaeger, CR, Shortridge, AM, Goodchild, MF, 1997. Visualizzazione spaziale
incertezza dei dati utilizzando l'animazione. Computer e geoscienze 23, 387-395.
doi:10.1016/S0098-3004(97)00005-8

· Modellazione dell'incertezza nei dati di elevazione per l'analisi geografica, di Charles R.
Ehlschlaeger e Ashton M. Shortridge. Atti della VII Internazionale
Simposio sulla gestione dei dati territoriali, Delft, Paesi Bassi, agosto 1996.

· Gestire l'incertezza nelle mappe di copertura categoriale: definizione, visualizzazione e
Gestione degli errori nei dati, di Charles Ehlschlaeger e Michael Goodchild. Procedimenti,
Workshop sui Sistemi Informativi Territoriali alla Conferenza sull'Informazione e
Gestione della conoscenza, Gaithersburg MD, 1994.

· Incertezza nei dati spaziali: definizione, visualizzazione e gestione degli errori dei dati, da
Charles Ehlschlaeger e Michael Goodchild. Atti, GIS/LIS'94, pp. 246-253,
Fenice AZ, 1994.

Usa r.random.surfacegrass online utilizzando i servizi onworks.net