একটি উন্নত প্রোফাইল তৈরি করতে, অন্তর্নিহিত রাস্টার থেকে নমুনাগুলি নেওয়া উচিত। যদি উদ্দেশ্যটি সর্বোচ্চ মানের প্রোফাইল তৈরি করা হয়, তবে কীভাবে নমুনা পয়েন্টগুলির অবস্থানগুলি নির্ধারণ করা উচিত? এই নমুনা পয়েন্টগুলি পৃথকীকরণের জন্য কোন পদ্ধতির নেওয়া উচিত?
উত্তর:
আপনি যদি সর্বাধিক মানের একটি প্রোফাইল তৈরি করতে চান , তবে আপনার অ্যালগরিদমটি মূলত আপনার কোয়েরি পথ দ্বারা ছেদকৃত প্রতিটি একক ঘর অন্তর্ভুক্ত করতে হবে এবং তারপরে এটি একটি সাধারণ 2 ডি বক্ররেখা ফিটিং সমস্যা হয়ে দাঁড়ায় । তবে, আপনি যদি কেবলমাত্র সেই পয়েন্টগুলির একটি উপসেট নমুনা করতে চান এবং এমন প্রোফাইল তৈরি করতে চান যা আরও চাক্ষুষভাবে পছন্দসই হয় তবে আপনি দেখতে পাচ্ছেন যে জিওকমপুটেশন থেকে এই কাগজটির স্যাম্পলিং উচ্চতার পাশাপাশি এর পিছনে গণিতের জন্য প্রচুর আলাদা ইন্টারপোলেশন কৌশল রয়েছে।
একটি এলিভেশন প্রোফাইল দুটি পৃষ্ঠের ছেদটি ছেদ করে । এর মধ্যে একটি হ'ল একটি পথ দ্বারা নির্ধারিত উল্লম্ব শীট। (এটি, এটি সমস্ত স্থানাঙ্ক নিয়ে গঠিত (x, y, z) যেখানে (x, y) পথে রয়েছে এবং z কোনও সংখ্যা)) অন্যটি রাস্টার ডিএম দ্বারা উপস্থাপিত পৃষ্ঠ। যেমন, এটি বক্ররেখার উপরের পয়েন্টের উপরের জেড-মানগুলি সন্ধান করার সমান। এটি এটিকে রাস্টার থেকে মান ব্যবধানের সমস্যার সাথে অভিন্ন করে তোলে। বিশেষত, যদিও এটি কোনও বক্ররেখা (দূরত্ব, উচ্চতা) ফিট করার সহজতর এক-মাত্রিক সমস্যার অনেকগুলি বৈশিষ্ট্য ভাগ করে, এটি নয়একই অবস্থা। এটিরূপে দেখার ফলে উপ-অনুকূল উচ্চতা প্রোফাইলগুলি তৈরি হতে পারে কারণ আপনি বক্ররেখার উভয় পাশের রাস্টার ডেটার সম্পূর্ণ 2D পরিসরে তথ্যের সুযোগ গ্রহণ করবেন না।
স্পষ্টতই, আন্তঃবাহিত পৃষ্ঠগুলিতে সংযুক্ত সমস্ত বিবেচনাগুলি এখানে প্রাসঙ্গিক । অনেকগুলি প্রতিযোগিতামূলক পদ্ধতি রয়েছে, যার মধ্যে প্রতিটি সুবিধা এবং অসুবিধাগুলি, বিভিন্ন ব্যবহারের জন্য উপযুক্ত এবং প্রতিটি তার নিজস্ব "মানের"। এর মধ্যে রয়েছে (তবে সীমাবদ্ধ নয়):
কিউবিক কনভলিউশন (যা একক প্যারামিটারের সাথে সুরযুক্ত)।
ক্রিগিং ।
2D স্প্লাইজের বিভিন্ন রূপ ।
এই সমস্ত অ্যালগোরিদম তথ্য থেকে একটি মান z (x, y) অনুমান করার জন্য, একটি স্বেচ্ছাসেবী অবস্থান (x, y) দেওয়া হয় যা কোনও ডেটা পয়েন্টের সাথে অগত্যা কাকতালীয় নয়। এভাবেই কোনও রাস্টার ডেটাसेट আঁকানো হয় : স্ক্রিন বা কাগজে কোনও নির্দিষ্ট পিক্সেল (u, v) এ রঙ নির্ধারণ করতে (মানচিত্র), পিক্সেলের ওয়ার্ল্ড কোঅর্ডিনেট (x, y) গণনা করা হয়, মান z (x, y) ইন্টারপোলটার ব্যবহার করে গণনা করা হয়, এবং সেই মানটি একটি র্যাম্প বা লকউইচ টেবিল ব্যবহার করে কোনও রঙে রূপান্তরিত হয়। (দক্ষতার জন্য, আমি সন্দেহ করি যে অনেক জিআইএস প্রতিটি পিক্সেলটিতে এই পদ্ধতিটি সম্পাদন করে না: পরিবর্তে, তারা পিক্সেলের একটি নিয়মিত নমুনা নেয়, তাদের রঙগুলি বের করে এবং তারপরে স্ক্রিন বা কাগজ জুড়ে রঙের কিছু সাধারণ ইন্টারপোলেশন সম্পাদন করে))
আমরা পিক্সেলগুলিকে আন্তঃবিবাহের জন্য পরিকল্পনাকারী অবস্থানগুলির নিয়মিত নমুনা নির্ধারণ হিসাবে ভাবতে পারি। একটি এলিভেশন প্রোফাইল তৈরি করার অনুরূপ বিবেচনা জড়িত: যেখানে পথ ধরে "পিক্সেল" সনাক্ত করা যায়? উত্তরটি একইভাবে বিকাশ করা হয়েছে আমরা মানচিত্র তৈরির জন্য সম্পর্কিত প্রশ্নের উত্তর দেব: আপনার কোন স্কেল দরকার? বড় আকারের স্কেলগুলিতে (জুম ইন ওয়ে) আপনার আরও নিবিড় নমুনা প্রয়োজন; ছোট আকারের স্কেলগুলিতে আপনি বড় ব্যবধানের সাথে নমুনা করতে পারেন। আপনি যদি বুদ্ধিমান হন তবে আপনি স্যাম্পলিংয়ের দিকে মনোযোগ দিতে অভিযোজিত বা পুনরাবৃত্ত পদ্ধতিগুলি ব্যবহার করতে পারেন যেখানে জেড-মানগুলি খুব দ্রুত পরিবর্তিত হয়, সর্বাধিক বক্রতা রয়েছে বা চূড়ান্ত মান অর্জন করছে। আপনি যদি চতুর হিসাবে না হন বা সেরা উপস্থাপনের প্রয়োজন না হয় তবে আপনি পথ (d) (0) <d (1) <... <d (n) এ পথ ধরে সমান-ব্যবধানের মানগুলির একটি সেট তৈরি করতে পারেন পথ বরাবর এবং, কাছাকাছি রাস্টার মানগুলি থেকে, সংশ্লিষ্ট উচ্চতাগুলি z (0), z (1), ..., z (n) সাথে ইন্টারপোল্ট করুন। তারপরে আপনি জোড়গুলি (d (0), z (0)), ..., (d (n), z (n)) এবং তাদের চারপাশে কিছু ধরণের বক্ররেখা মধ্যে ফর্সা - সাধারণত একটি স্প্লাইন - ধরে নেওয়া হয় যে বিভিন্নতা z (i + 1) - z (i) যথেষ্ট পরিমাণে ছোট যে বক্ররেখা কীভাবে উপযুক্ত তা বিবেচনা করে না। (অভিযোজিত পদ্ধতিগুলি এই বিভিন্নতাগুলি নিরীক্ষণ করে এবং মধ্যবর্তী দূরত্বগুলিতে আরও বিভক্ত মানগুলি প্রাপ্ত করে যেখানে এটি প্রদর্শিত হয় সেখানে বড় প্রকরণ রয়েছে))
এটি আমাদের মনে প্রশ্ন জাগায় : প্রাথমিক নমুনা দূরত্বগুলি কী হওয়া উচিত? উত্তরটি উচ্চতা প্রোফাইলের অভিযুক্ত স্কেল, ডেমের মূল্যবোধের যথার্থতা, বক্ররেখার ডিএম অবস্থানের নিবন্ধিত নির্ভুলতা এবং প্রোফাইলের পাশাপাশি এবং নিকটে উচ্চতা পরিবর্তনের হারের উপর নির্ভর করে। সাধারণভাবে, বৃহত্তর স্কেলগুলি (অর্থাত্ জুম করা), উচ্চতা এবং জিওরিফারেন্সিংয়ে আরও ভাল যথাযথতা এবং পরিবর্তনের উচ্চতর হারগুলি কাছাকাছি ব্যবধানের দাবি করে। কারণ এগুলি জটিল উপায়ে ইন্টারঅ্যাক্ট করে, সেরা ব্যবধানের জন্য কোনও সাধারণ নিয়ম নেই । একটি সূচনা হিসাবে, আপনি আশা করতে পারেন যে রাস্টার সেলসাইজের চেয়ে কোনও ফাঁকা জরিমানা আপনাকে বেশি কিনবে না। সুতরাং,আপনি যদি তুলনামূলকভাবে টাইট স্পেসিং ব্যবহার করে উচ্চতা প্রোফাইলটি গণনা করতে সক্ষম হন তবে আপনি সম্ভবত এগিয়ে যেতে পারেন এবং এটি করতে পারেন । এটি ওভারকিল হতে পারে, তবে তাই কি?
নোট করুন যে সর্বোত্তম পদ্ধতিগুলি সঠিকভাবে আন্তঃবিবাহিত উচ্চতা মানগুলি পুনরুত্পাদন করবে । এগুলি প্রায় সবসময়ই রাস্টার প্রতিনিধিত্ব করে এমন উচ্চতার একটি অবনতিযুক্ত সংস্করণ । উদাহরণস্বরূপ, পার্বত্য অঞ্চলে অনেকগুলি ডিইএম শৃঙ্গগুলির উচ্চতা অর্জন করে না, কারণ শিখরগুলি সাধারণত রাস্টার কোষগুলির মধ্যে পড়ে। আপনি যখন উপ-শিখরের উচ্চতার মাঝে বিভক্ত হন, আপনি সাধারণত কিছুটা ওজনযুক্ত গড় পান, যা এখনও পিক উচ্চতার চেয়ে কম হবে। সুতরাং, একটি পর্বতশৃঙ্গ থেকে ঠিক পাশ দিয়ে যাওয়ার কোনও পথের উত্থানের প্রোফাইল খুব কমই শিখরের উচ্চতায় পৌঁছে যাবে। (কিউবিক সমঝোতা এবং ক্রিগিংয়ের কিছু ফর্ম ( ক্রিগিংয়ের সাথে স্টোকাস্টিক সিমুলেশন সহ)) এই সমস্যার হালকা ফর্মগুলি কাটিয়ে উঠতে পারে। আপনি যদি চূড়ান্ততার গড়পড়তা গড়ে গড়ে "সেরা ফিট" জন্য স্থির না হয়ে উচ্চতা প্রোফাইলের পরিসংখ্যানগত বৈশিষ্ট্যগুলি পুনরায় উত্পাদন করতে চান তবে তাদের দিকে তাকান to