Способ построения цифровых моделей карт характеристик поверхностного снега в центральной антарктиде

Изобретение относится к области цифрового картографирования и может быть использовано для построения цифровых моделей карт характеристик поверхностного снега. Сущность: выполняют фильтрацию и удаление шума из рядов гляциологических наблюдений. Определяют градиент скорости изменчивости картографируемого параметра. Определяют оптимальные параметры гридирования – размер ячейки грида, радиус поиска, радиус осреднения. Выполняют интерполяцию методом Kriging. Устраняют краевые эффекты пространственной интерполяции посредством применения настраиваемых фильтров к смоделированным значениям между узлами грида. Оценивают точность полученной пространственной модели характеристик поверхностного снега посредством расчета ошибки грида с учетом пространственно-осредненных реальных данных. Технический результат: построение цифровых моделей карт характеристик поверхностного снега. 1 ил.

 

Изобретение относится к измерениям, а более конкретно к области картографирования - к созданию пространственной цифровой модели изучаемой характеристики на данной территории на основании неравномерно распределенных данных полевых наблюдений. Как правило, характеристики поверхностного снега характеризуются большой долей шума, что не должно быть отражено в пространственной модели. Цифровые модели крат используются для выявления общих тенденций характеристик поверхностного снега при условии высокой доли шума в рядах и неравномерно распределенных точек гляциологических наблюдений, а также для анализа закономерностей пространственного распределения характеристик поверхностного снега и вероятной экстраполяции за пределы площади наблюдения.

Известен взятый за прототип способ построения цифровых моделей карт [1, 2, 3, 4] с применением неравномерно распределенных наземных гляциологических и равномерных воздушных и наземных радиолокационных наблюдений, с использованием программного обеспечения Surfer 8.0 и встроенных методов гридирования Inverse distance и Kriging.

Основным недостатком прототипа является то, что особенности картографируемых параметров, а именно высокая доля шума в рядах данных, остаются неучтенными и порождают артефакты на пространственной цифровой модели, например, замкнутые вокруг одной точки измерений изолинии. Кроме того, в прототипе применяется линейная функция изменчивости данных для интерполяции между узлами грида методом Kriging [5, 6], в то время как естественная изменчивость характеристик поверхностного снега, например, в районе подледникового озера Восток описывается нелинейными градиентами. При оценке точности гидрирования значения ошибки получаются завышенными по причине высокой доли шума в естественных рядах, порождающих большое стандартное отклонение реальных данных от модельных. Вероятно появление не естественных изгибов изолиний на цифровых моделях карт, получаемых по прототипу, возникающих на краевых зонах областей пространственной интерполяции.

Технический результат заявляемого способа заключается в получении пространственной цифровой модели метеорологических характеристик на основании неравномерно распределенных точек полевых наблюдений.

Технический результат достигается путем:

1) предварительной обработки набора естественных данных и фильтрации шума

2) мануального подбора оптимальной модели вариограммы для интерполяции методом Kriging для отдельно взятого набора данных характеристик поверхностного снега

3) оценки точности грида за вычетом естественного шума в данных

4) сглаживания артефактов краевых зон пространственной интерполяции

Способ заключается в фильтрации и удалении шума из рядов гляциологических наблюдений методом SSA, подборе оптимальной модели скорости изменчивости данных (вариограммы), подборе оптимальных параметров грида, интерполяции методом Kriging, устранении краевых эффектов путем применения настраиваемых фильтров к смоделированным значениям между узлами грида, оценке точности полученной пространственной модели характеристик поверхностного снега.

Задача, решаемая данным способом, состоит в построении цифровой модели характеристик поверхностного снега наиболее адекватно отражающей природные закономерности в пространственной изменчивости данных характеристик и сглаживающей высокую долю естественного шума в наблюдаемых параметрах.

Предлагаемый способ построения цифровых моделей карт заключается в осуществлении следующей последовательности действий:

1) фильтрации и удалении шума из рядов гляциологических наблюдений методом Singular spectrum analysis (SSA), позволяющим отделить не имеющий периодичности шум

2) мануальном подборе оптимальной функции, описывающей скорость изменчивости картографируемого параметра - вариограммной модели; по умолчанию она задается линейной функцией, но зачастую не отражает реальный пространственный градиент в гляциологических данных; вместо линейной модели производится параметризация пентасферических и рациональных квадратических функций (определении градиента скорости изменчивости картографируемого параметра - вариограммной модели)

3) определении оптимальных параметров гридирования, а именно размер ячейки грида, радиус поиска, радиус осреднения

4) интерполяции методом Kriging для создания равномерной сетки грида при условии неравномерно распределенных данных наблюдений

5) устранении краевых эффектов пространственной интерполяции путем применения настраиваемых фильтров (гауссовского и сглаживания путем осреднения между соседними узлами грида) к смоделированным значениям между узлами грида

6) оценке точности полученной пространственной модели характеристик поверхностного снега путем расчета ошибки грида с учетом пространственно-осредненных реальных данных, а не исходных данных с высокой долей шума и проведения перекрестной проверки значений картографируемого параметра путем последовательного исключения узлов грида, расчета нового значения в данном узле с применением модели интерполяции и сравнения с исходным значением параметра в данном узле.

Построение цифровых моделей карт осуществляется следующим путем. На предварительном этапе подготовки набора данных координаты точек наблюдений и отбора образцов преобразуются из географических (широта-долгота, nn,mm°) в плоские прямоугольные (X-Y, м) по методике Кузьмина, Литвинова [7], основанной на применении уравнения связи географических координат и прямоугольных для одной точки к рассматриваемому участку эллипсоида с выбором центрального меридиана, по которому получается наименьшее искажение.

Интерполяция значение характеристик поверхностного снега напрямую между точками не представляется возможной из-за высокой доли естественного шума в рядах, требующего пространственного сглаживания. Причинами наличия шума являются влияние форм снежного микро- и мезорельефа, возникающие из-за эолового воздействия, и присутствие пост-депозиционных эффектов.

Удаление шума из рядов гляциологических характерстик производится методом Singular Spectrum Analysis - SSA с применением программного обеспечения AnalySeries 2.0.8 [11]. Данный метод позволяет разделить ряд на частотные компоненты, общий нелинейный тренд и случайный шум, не имеющий периодичности, и может быть использован для очищения ряда от шума. В основе метода лежит разложение исходного ряда на частотные компоненты, описываемые с помощью периодических функций, но не обязательно sin или cos (принципиальные компоненты). Шум удаляется путем воспроизведения ряда данных как суммы принципиальных компонент.

Графическое отображение характеристик поверхностного снега производится путем градирования, т.е. создания целостной математической модели исследуемого параметра (грида) с постоянством шага по осям плоских прямоугольных координат. Для определения величины шага (размера ячейки грида) был применен способ, основанный на величине картографируемой площади, количестве точек данных и вероятности встречи пар случайно распределенных точек на определенном расстоянии [13].

Построение пространственных цифровых моделей осуществляется геостатическим методом Kriging, представляющим вид обобщенной линейной регрессии, использующий статистические параметры для нахождения минимального среднеквадратического отклонения данных наблюдений от цифровых моделей. В основу метода положен принцип несмещенности среднего, то есть взятые все вместе значения на карте должны иметь правильное среднее значение. Общая несмещенность обеспечивается за счет повышения низких значений картографируемого параметра и уменьшения высоких. С точки зрения общей статистики Kriging заключается в минимизации дисперсии ошибки измерения. Количественное представление пространственной структуры данных (построение вариограмм) дает возможность подобрать модель пространственной зависимости к имеющемуся набору данных.

При интерполяции значений между узлами грида методом Kriging значению в каждой реальной точке данных приписывается определенный вес, зависящий от расстояния от узла до точки, достоверности данных, направлении естественной изменчивости картографируемого параметра. Анизотропность данных и естественный тренд учитываются через вариограмму.

Вариограмма (γ) представляет собой меру изменчивости (дисперсии) разниц между полем значений изучаемого параметра и двумя положениями (X и Y) на поле и является функцией двух переменных - дистанции между двумя точками наблюдений (ось X на рис. 11) и направления изменчивости данных [12].

Вариограммное моделирование осуществляется мануальным подбором функции к набору точек реальной (экспериментальной) вариограммной функции, выражаемой формулой:

Аргументами функций, описывающих вариограммы являются расстояние между точками данных и дисперсия картографируемого параметра на расстоянии меньшем, чем минимальная дистанция между точками наблюдений. Вариограммное моделирование используется для количественной оценки пространственной непрерывности данных. На основе вариограммной модели, построенной отдельно для каждого набора данных, было произведено интерполирование значений исследуемого параметра между узлами грида методом кригинга.

Полученная цифровая модель характеризуется искажениями изолиний на краях зон интерполяции, нехарактерных для пространственного распределения каптируемых характеристик поверхностного снега. Указанные краевые эффекты устраняются на следующем этапе построения цифровой модели с применением гауссовского фильтра и пространственного сглаживания по заданному числу соседних узлов грида. Данное сглаживание настраиваемыми фильтрами позволяет устранить краевые эффекты без изменения среднего значения и общих тенденций в пространственном распределении характеристик поверхностного снега.

Мерой точности карты является ошибка грида [3], определяемая как стандартное отклонение разности N реальных измерений Zirmот грида Z'i:

Здесь Zirm представляет собой скользящее среднее характеристик поверхностного снега, не имеющих тренда, проходящих вдоль профилей научных походов. Осредненные значения используются в расчете видимой ошибки грида с целью выявления стандартного отклонения реальных данных от модельных за вычетом естественного шума в рядах данных. Полученное стандартное отклонение реальных данных и модельных не должно превышать значение стандартного отклонения исходных данных.

Проверка гридов и точности описания ими тенденций в реальных данных осуществляется путем перекрестной оценки (cross validation). Из набора реальных данных последовательно исключается по одному значению, рассчитывается интерполированное значение по указанной вариограммной модели и сравнивается с реальным значением в этой точке. Показателем является значимый коэффициент корреляции между расчетными данными и реальными.

Пример реализации способа показан в построении цифровой модели карты изотопного состава по кислороду 18 для района подледникового озера Восток (Фиг. 1), где обозначено: 1 - цифровая модель карты изотопного состава поверхностного снега по кислороду 18 для района подледникового озера Восток, построенная по прототипу, 2 - то же, построенное по предложенному способу.

Источники информации:

1. Попов С.В., Харитонов В.В., Черноглазое Ю.Б. Плотность и удельная аккумуляция снежного покрова в южной части подледникового озера Восток (Восточная Антарктида) // МГИ, Вып. 96, с. 201-206, 2006.

2. Попов С.В., Масолов В.Н., Лукин В.В. Озеро Восток, Восточная Антарктида: мощность ледника, глубина озера, подледный и коренной рельеф // Лед и снег, Вып. 1(113), с. 26-35, 2011.

3. Попов С.В., Харитонов В.В., Масолов В.Н., Лейченков Г.Л., Котляков В.М., Москалевский М.Ю. Проект ABRIS: ледниковый покров и коренной рельеф района куполов Аргус, Конкордия, Титан и Фуджи (Восточная Антарктида) // МГИ, Вып. 103, с. 75-86, 2007.

4. Владимирова Д.О., Екайкин А.А., Липенков В.Я., Попов С.В., Шибаев Ю.А. Пространственная изменчивость скорости накопления и изотопного состава снега в Индоокеанском секторе Восточной Антарктиды, включая район подледникового озера Восток // Проб. Арктики и Антарктики, Вып.1 (103), с. 69-86, 2015.

5. Cressie N.A.C. The origins of kriging // Mathematical Geology, Vol. 22, p.239-252, 1990.

6. Kerry K.E., Hawick K.A. Kriging interpolation on high-performance computers // Technical Report DHPC-035. University of Adelaide, Australia, 10 p., 1998.

7. Кузьмин Б.С, Литвинов Б.А. Руководство по геодезии / Изд-во ВИА, 721 с., 1961.

8. Broomhead D.S., King G.P. Extracting qualitative dynamics from experimental data // Physica D., Vol. 20., p. 217-236, 1986.

9. Fraedrich K. Estimating the dimension of weather and climate attractors // J. Atmos. Sci., Vol. 43, p. 419-432, 1986.

10. Vautard R., Ghil M. Singular spectrum analysis in nonlinear dynamics, with applications to paleoclimatic time series // Physica D., Vol. 35, p. 395-424, 1989.

11. Paillard D. Macintosh program performs time-series analysis // Eos., Vol. 77, №39, p. 379, 1996.

12. Cressie N.A.C. Statistics for Spatial Data / New York: John Wiley and Sons, 928 p., 1991.

13. Hengl T. Finding the right pixel size // Computers and Geosciences, Vol. 32 (9), p. 1283-1298, 2006.

Способ построения цифровых моделей карт характеристик поверхностного снега, заключающийся в интерполяции методом Kriging для создания равномерной сетки грида при условии неравномерно распределенных данных наблюдений, отличающийся тем, что перед интерполяцией осуществляется фильтрация и удаление шума из рядов гляциологических наблюдений, определение градиента скорости изменчивости картографируемого параметра - вариограммной модели, определение оптимальных параметров гридирования, а именно размера ячейки грида, радиуса поиска, радиуса осреднения, а после интерполяции осуществляется устранение краевых эффектов пространственной интерполяции путем применения настраиваемых фильтров (гауссовского и сглаживания путем осреднения между соседними узлами грида) к смоделированным значениям между узлами грида, оценка точности полученной пространственной модели характеристик поверхностного снега путем расчета ошибки грида с учетом пространственно-осредненных реальных данных.



 

Похожие патенты:

Изобретение относится к области рендеринга двумерных изображений из трехмерных моделей. Технический результат – уменьшение требований к обработке шейдинга видимых примитивов при рендеринге 2D изображения экрана из 3D модели путем шейдинга пикселей при одновременной минимизации визуальных артефактов.

Изобретение относится к области геофизики и может быть использовано для автоматического получения тектонического строения из данных потенциального поля. Способ включает предварительную обработку данных гравитационного потенциального поля и/или данных магнитного потенциального поля из зоны, подлежащей исследованию, многоуровневое и многонаправленное обнаружение краев в отношении предварительно обработанных данных гравитационного потенциального поля и/или данных магнитного потенциального поля и получение краев на всех уровнях по отдельности, утончение вычисленного края каждого уровня до однопиксельной ширины посредством алгоритма определения морфологического скелета.

Изобретение относится к области моделирования процессов тепломассопереноса. Технический результат – обеспечение расчета обобщенных угловых коэффициентов излучения посредством использования средств графического процессора.

Изобретение относится к области геолого-гидродинамического моделирования и может быть использовано при решении задач поиска, разведки и проектирования разработки нефтяных месторождений в условиях сложного строения коллекторов.

Группа изобретений относится к медицинской технике, а именно к медицинским системам ультразвуковой диагностики. Система ультразвуковой диагностики содержит матричный зонд, выполненный с возможностью сканирования в режиме реального времени множества плоскостей изображения в области тела, контроллер для управления сканированием посредством матричного зонда, процессор изображений, соединенный с матричный зондом, дисплей, соединенный с процессором изображений, данные, представляющие анатомическую модель анатомического объекта, процессор совмещения изображений, при этом контроллер сконфигурирован для побуждения матричного зонда сканировать в режиме реального времени плоскость изображения, соответствующую данным ориентации плоскости изображения.

Изобретение относится к средствам представления двумерного изображения. Технический результат заключается в повышении информативности и быстродействия результатов поиска.

Группа изобретений относится к медицинской технике, а именно к средствам для динамической виртуальной артикуляции. Одним из изобретений является способ использования динамического виртуального артикулятора для моделирования окклюзии при изменении исходного положения нижней челюсти, ее фрагментов, положения зубов относительно друг друга, положения и формы искусственных зубов, реализуемый при помощи компьютера.

Изобретение относится к области судостроения, а также к компьютерному моделированию и может быть использовано в конструировании корпусов судов с применением компьютерных технологий для создания трехмерных цифровых моделей.

Изобретение относится к области способов обработки информации, в частности к способу и системе для построения трехмерных моделей городов на основании информации лазерного сканирования и фотографических изображений.

Изобретение относится к способам геодезического мониторинга и может быть использовано для геодезического мониторинга паводковой ситуации. Сущность: на контролируемом участке создают планово-высотное обоснование (ПВО) по координатам X, Y, Z спутниковой привязки опознавательных знаков.

Группа изобретений относится к медицинской технике, а именно к средствам для контроля влияния света и звука на пациента. Система содержит блок улавливания окружающего света около человека с течением времени, содержащий камеру для улавливания изображений, в частности видеоданных зоны записи, включающей в себя, по меньшей мере, глаза человека, когда человек расположен в предварительно определенном стандартном положении, блок улавливания окружающего звука около человека с течением времени, блок установления порога для формирования и выдачи пускового сигнала, если яркость уловленного окружающего света превышает уровень яркости, и/или если уровень звука уловленного окружающего звука превышает звуковой порог, процессор для определения уровня стресса человека, процессор обработки уловленных изображений до проверки, превышает ли уровень освещенности уловленных изображений световой порог, посредством блока установления порога путем выбора области, представляющей интерес, в изображении, которая включает в себя или прилегает к глазам человека, и путем вывода критерия яркости области, представляющей интерес, посредством усреднения интенсивности всех пикселей в области, представляющей интерес, или выбора интенсивности самого яркого пикселя, при этом критерий яркости используется как уровень освещенности для проверки, превышает ли уровень освещенности уловленных изображений световой порог, посредством блока установления порога, блок памяти для сохранения, в ответ на принятый пусковой сигнал, фрагментов окружающего света и окружающего звука, уловленных примерно в момент времени приема пускового сигнала, и фрагментов информации об уровне стресса примерно в момент времени приема пускового сигнала, блок просмотра сохраненных фрагментов окружающего света, окружающего звука и информации об уровне стресса, позволяющих идентифицировать основную причину окружающего света и окружающего звука, сохраненную в просмотренном фрагменте, и выводить руководящую информацию, указывающую, как избежать таких света и звука, вызванных идентифицированной основной причиной.

Изобретение относится к управлению буровой установкой. Техническим результатом является координация управления множеством подсистем буровой установки.

Изобретения относятся в общем к динамическому назначению группы изделий производственным машинам, используя производственные группы, и производству групп изделий в указанной пропорции, используя производственные группы.

Изобретение относится к системам для отображения контента. Технический результат заключается в повышении эффективности отображения контента.

Изобретение относится к области разработки нефтяных месторождений с применением закачки в пласт перегретого водяного пара, более подробно - к лабораторным методам совместного исследования керна и собственно нефти, нахождению зависимостей соотношения изомеров метилдибензотиофена, содержащихся в керне и нефти, построению двухмерных и трёхмерных геохимических моделей, может быть использовано при разработке залежей преимущественно сверхвязкой нефти и битума.

Изобретение относится к станции соединения медицинского устройства. Техническим результатом является повышение точности и надежности передачи данных между медицинским устройством и серверной системой.

Изобретение относится к области контроля и оповещения. Технический результат заключается в решении проблемы недостаточной информации касательно поддержки надлежащих уровней DHA с помощью компьютерных систем.

Изобретение относится к области формирования изображения. Технический результат заключается в формировании изображения высокого качества и устранении конфликтов вергенции и аккомодации.

Изобретение относится к мониторингу рабочих характеристик системы формирования изображения. Техническим результатом является повышение точности мониторинга рабочих характеристик системы формирования изображений.

Группа изобретений относится к средствам тестирования сетевых сервисов. Технический результат – повышение точности тестирования сервисов.

Изобретение относится к области физической океанографии и может быть использовано для предсказания и оценки аномально высоких волн, генерируемых движущимися погодными системами.
Наверх