অসমভাবে নমুনাযুক্ত শ্রেণিবদ্ধ ডেটা গ্রিড কিভাবে করবেন?


10

শ্রেণিবদ্ধ ডেটা গ্রিড করার জন্য আমি একটি পদ্ধতি খুঁজছি। আমি নটিকাল চার্ট এবং ফিল্ড শিটগুলি থেকে সমুদ্রের তলদেশের পৃষ্ঠের প্রকৃতি উল্লেখ করে পয়েন্টগুলির সংকলন থেকে বের করেছি। এই ডেটাগুলি সংখ্যার পরিবর্তে শ্রেণিবদ্ধ এবং এগুলি নিয়মিত নয় এমনকি এলোমেলোভাবে নমুনাযুক্তও হয় না। ন্যাভিটিক চার্টগুলি নেভিগেশন এবং অ্যাঙ্করিংয়ে সহায়তা করার জন্য তৈরি করা হয়েছে; তারা বাসস্থান মানচিত্র তৈরি করা হয় না। এই হিসাবে, আরও সাউন্ডিং তীরে খুব কাছাকাছি তৈরি করা হয় যেখানে তুলনামূলকভাবে অগভীর গভীরতা নেভিগেশনের জন্য একটি বিপত্তি তৈরি করতে পারে এবং যেখানে জাহাজগুলি নোঙ্গর করতে থাকে। তীরে থেকে আরও যেখানে নেভিগেশন এবং অ্যাঙ্করিংয়ের জন্য পর্যাপ্ততার চেয়ে গভীরতাগুলি অবৈধ, সেখানে শব্দগুলি খুব কম ঘন ঘন তৈরি হয়।

অন্য কেউ নটিকাল চার্ট থেকে গ্রিডড সাবস্ট্রেট মানচিত্র তৈরি করার চেষ্টা করেছেন?

আমি থাইসেন (ভার্নোই) বহুভুজকে দেখলাম কিন্তু তীরে বরাবর শব্দগুলির ঘনত্ব উপকূলে, বৃহত বহুভুজ অফশোরের পাশে এবং দীর্ঘ পাই-আকারের বহুভুজগুলির মধ্যবর্তী স্থানে সরু 'মধুচক্র' বাড়ে। নিকটবর্তী প্রতিবেশী ব্যবহার করে গ্রিড করা একই ফলস্বরূপ বেশ ফল দেয়।

উপকূলের পয়েন্টগুলির নিকটে, অগভীর প্রভাব সীমাবদ্ধ করার জন্য আমার একটি উপায় দরকার - সেই দীর্ঘ পাই আকারের বহুভুজকে সীমাবদ্ধ করার একটি উপায়। গভীর জলে আমি আশা করি না যে নীচের প্রকৃতিটি নিকটবর্তী তীরে নীচের ধারাবাহিকতা হবে। আমি দুটি লাইন ধরে ভাবতে শুরু করি - উভয়ই গভীরতা ব্যবহার করে। এক একটি গ্রিড সেল এবং প্রতিবেশী বিন্দুর মধ্যে গভীরতা পার্থক্য ব্যবহার 'নিকটতম' প্রতিবেশী পছন্দমত তৌল করা হয়। আরেকটি হ'ল প্রতিবেশী পয়েন্টগুলি ডি-সিলেক্ট করা যা গভীরভাবে কিছু নির্দিষ্ট সহনশীলতার চেয়ে বেশি। অথবা, সম্ভবত পূর্বনির্ধারিত সহনশীলতার চেয়ে আমি গভীরতার ব্যাপ্তিগুলিকে বিন্যাস করতে পারি এবং তারপরে প্রতিবেশী পয়েন্টগুলির পছন্দকে একই গভীরতার পরিসর বা বিনের মধ্যে সীমাবদ্ধ করতে পারি।

এই দুটি অপশনের যে কোনও একটি কীভাবে প্রয়োগ করা যায় সে সম্পর্কে কোনও চিন্তাভাবনা?

অন্যান্য ফোরামে সহকর্মীদের সাথে কথা বলার পর থেকে, আমি আরও কয়েকটি পদ্ধতির দিকে তাকিয়ে আছি। প্রথমটি একটি বাধা ব্যবহার করে - 100 মিটার গভীরতার কনট্যুর - কাছাকাছি উপকূড়া তথ্যের প্রভাব সীমাবদ্ধ করতে। এই পদ্ধতির সাথে চ্যালেঞ্জটি হ'ল যে কোনও ইএসআরআই ইন্টারপোলেশন রুটিন বাধা ব্যবহার করতে পারে তা অবিচ্ছিন্ন ডেটার পরিবর্তে অবিচ্ছিন্ন ডেটা নিয়ে কাজ করার জন্য ডিজাইন করা হয়েছে। থিসেন বহুভুজ তৈরির আগে আমি পয়েন্টগুলি অগভীর তীরে এবং আরও গভীর পয়েন্টগুলিতে ভাঙ্গতে বাধাগুলি ব্যবহার করতে পারি। যাইহোক, আমি আর্কিজিআইএস জটিল অঞ্চলগুলির জন্য নয় আয়তক্ষেত্রাকার অঞ্চলের জন্য থিয়েসন বহুভুজ তৈরি করায় যেহেতু আমি প্রসারিত প্রান্তের প্রভাবগুলি অনুমান করি।

বেশিরভাগ সহকর্মী দ্বারা প্রস্তাবিত - দ্বিতীয় পদ্ধতিটি ক্রিগিং ছিল। আমি প্রথমে ক্রিগিংকে হাতছাড়া করে দিয়েছিলাম কারণ অবিচ্ছিন্ন তথ্যের জন্য আমি কেবল এটিই কখনও বিবেচনা করেছি। ক্রিগিংয়ের সাথে চ্যালেঞ্জ হ'ল এটিও শ্রেণিবদ্ধ ডেটার জন্য ডিজাইন করা হয়নি। এখন, আমি পৃষ্ঠের গভীরতা এবং প্রকৃতির সাথে কোকরিংয়ের দিকে তাকিয়ে আছি তবে, কোনও ধরণের ক্রিগিং পৃষ্ঠের প্রকৃতির জন্য পূর্ণসংখ্যার সংখ্যাসূচক কোডগুলি ব্যবহার করে জড়িত হতে চলেছে। এরপরে ফলাফল ভাসমান পয়েন্টের সংখ্যাসূচক কোডগুলি মূল সংখ্যার কোডিংয়ে ফিরে যেতে হবে। সুন্দর না.

কেউ কি অন্য লাইনের অনুসরণ করতে পরামর্শ দিতে পারে? (এক, সম্ভবত, ভূখণ্ড বিশ্লেষণ ব্যবহার করা যেতে পারে example উদাহরণস্বরূপ, বিশ্রামের কোণ থেকে slালু খাড়া পলি হতে পারে না I

শুভেচ্ছা সহ,

উত্তর:


4

যথাযথভাবে প্রয়োগ করা ক্রিগিং পদ্ধতির প্রতিশ্রুতি রয়েছে।

প্রস্থানের পয়েন্ট হিসাবে, মডেল-ভিত্তিক জিওস্টাটিস্টিক্সে (স্প্রিংজার 2007) ডিগল এন্ড রিবেইরো বর্ণিত "জেনারালাইজড লিনিয়ার জিওস্ট্যাটাস্টিকাল মডেলগুলি" দেখুন । অন্তর্নিহিত ধারণা আকর্ষণীয় এবং নমনীয়: একটি স্থানিক স্টোকাস্টিক প্রক্রিয়া (যা স্থানিকভাবে অবিচ্ছিন্ন থাকে ) বিভাগগুলির বিভিন্ন সম্ভাব্যতা নির্ধারণ করে। কেউ এর স্থানিক পারস্পরিক সম্পর্ক কাঠামো (ভেরোগ্রাম) সহ অন্তর্নিহিত প্রক্রিয়াটির পরিসংখ্যানগত বৈশিষ্ট্যগুলি অনুমান করতে অনিয়মিত পয়েন্টগুলিতে পর্যবেক্ষণ করা বিভাগগুলি ব্যবহার করে। ক্রিগিং পর্যবেক্ষণের সাথে সামঞ্জস্য করে একটি সম্ভাবনার পৃষ্ঠ তৈরি করে। সেই সময়ে আপনি ভূ-তাত্ত্বিক সিমুলেশনগুলি সম্পাদন করতে পারেন বা আপনি সম্ভাবনার সাথে সম্পর্কিত মানচিত্র তৈরি করতে পারেন (যেমন সর্বাধিক সম্ভাবনার বিভাগগুলির মানচিত্র, আমি কল্পনা করি)।

এটি পরিশীলিত শোনায় এবং তা হয়। যাইহোক, ডিগল এবং রিবেইরোর আলোচনা মোটামুটি অ্যাক্সেসযোগ্য - যদিও এটি গাণিতিক এবং পরিসংখ্যান সম্পর্কে কিছু জ্ঞান ধারণ করে তবে এটি উভয়ের উপর খুব বেশি নির্ভর করে না - এবং তাদের বেশিরভাগ কৌশলগুলি বর্ণিত আর প্যাকেজগুলিতে প্রয়োগ করা হয়geoR এবং geoRGLM। আসলে, এই প্যাকেজগুলির জন্য ম্যানুয়াল হিসাবে এই বইটি রচনা করা ন্যায়সঙ্গত।

এই সাইটের অন্যান্য থ্রেড হিসাবে প্রমাণিত, জিআইএস ডেটা (শেফফাইল এবং বিভিন্ন রাস্টার ফর্ম্যাট সহ) এর সাথে ইন্টারফেস করা তুলনামূলকভাবে সহজ, সুতরাং এটি কোনও সমস্যা নয়।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.