Интерполяция с ограничениями?

[gimran]

Итак, вопрос про то, на какой ОГИС можно сделать интерполяцию с ограничениями.
Имеется:
1) рельеф, полученный из srtm, или сами исходны данные srtm
2) имеется векторный полигональный слой с полем species (предположим, в нем значения 'береза' и 'осина')
3) имеется точечный слой

Задача: на основе данных (1) и (2) построить ландшафтно-породную модель, а затем на основе модели по данным из (3) построить прогноз распространения данных из (3).
Как понимаю, из (1) и (2) создается grid, а затем проводить интерполяцию по (3)?

[ Сообщение с мобильного устройства ]

[rhot]

какая связь между (3) и (1), (2)?

[gamm]

Итак, вопрос про то, на какой ОГИС можно сделать интерполяцию с ограничениями.
Имеется:
1) рельеф, полученный из srtm, или сами исходны данные srtm
2) имеется векторный полигональный слой с полем species (предположим, в нем значения 'береза' и 'осина')
3) имеется точечный слой

Задача: на основе данных (1) и (2) построить ландшафтно-породную модель, а затем на основе модели по данным из (3) построить прогноз распространения данных из (3).
Как понимаю, из (1) и (2) создается grid, а затем проводить интерполяцию по (3)?

не, все совсем не так.

1) SRTM - это уже грид. Но в виде грида для вашей задачи ни раз не годится, поэтому берем SAGA/TAS/ArcGIS и получаем из него суррогатные характеристики биотопа (суррогатные потому, что они не в натуральных единицах, а в некоторых попугаях, которые, как мы считаем, имеют отношений к экологической нише вида). Это индекс влажности, суммарная солнечная радиация, уклон, экспозиция, положение в рельефе, и т.д.

2) начинаем моделировать экологическую нишу в терминах суррогатов. Поскольку у нас есть только положительные примеры, то использовать можно только специфические методы, типа MaxEnt, Biomapper или какой-нибудь kernel regression (типа SVM или наивного Байеса поверх сегментации/классификации). В результате получаем гриды с вероятностью наличия видов.

3) снимает с гридов вероятности, и либо успокаиваемся, либо запускаем Марковский процесс, и строим ареалы распространения данных видов.

[gimran]

Gamm, Вы не поняли. Есть srtm, про индекс влажности и тд - спасибо.
Есть векторный повыдельный слой с таксационными описаниями и породами (главная и второстепенные).
Задача - объединить первое и второе по преобладающей породе. Как понимаю, лучше гридом.
Упрошенно так группируем:
К примеру, есть лощина. В лощине 4 выдела: 2 березовых и 2 еловых. В итоге должны сгруппировать как "береза влощине" и "ель в лощине".
Затем уже дальнейшие манипуляции и расчеты, как например, на основе точеных данных интерполировать распространение березового заболевания/вредителя в этой березовой лощине и выделить потенциальные очаги в других подобных по условиях (здесь я пишу упрощенно, фактически параметров из рельефа и таксационных описаний больше будет).
Таким образом, согласно статьям академика Исаева, можно спрогнозировать распространение вредителей болезней и вредителях в других условиях, а получив лесоустроительные данные по оопт, городских лесам и военных лесничествам, можно будет прогнозировать даже там, где, вопреки российскому законодательству, нет лесопатологической сети (де-юре они должны быть, а де-факто этим никто не заморочился).

[ Сообщение с мобильного устройства ]

[gimran]

То есть меня интересует как полигон с атрибутами и рельеф с srtm связать. Гридом же? Если да, подскажите инструмент/функцию для группировки. Выделов порядка 500 000 и горный рельеф, то есть предполагаю, что кроме грида нечем.
Из огис в сторону какого инструментария смотреть и функционала? Qgis, grass, saga или R? Или все одинаково подходят? Saga и R не пытался осваивать пока что.

[ Сообщение с мобильного устройства ]

[gamm]

Gamm, Вы не поняли.

я понял даже больше, чем вы сказали

Есть srtm ...
К примеру, есть лощина.

начнем с того, что в SRTM нет лощины, так что все дальнейшие рассуждения не имеют смысла. Лощина и есть тот суррогат (в данном случае - положение в рельефе), о котором я говорю, а SRTM - это просто рельеф (сетка со значениями высот). А чтобы их связать, вектор, как обычно, сносится на растр.

чтобы моделировать пространственную динамику заболевания, нужно иметь растровый слой "предрасположенности", данные о фактических очагах, и некоторую модель эпидемии. Предрасположенность (априорная вероятность очага) получается из положительных примеров, и либо вы строите по ней карту рисков, либо добавляете имеющиеся очаги и данные о экологии вида, и получаете прогноз распространения. Вместо теоретической модели можно использовать фактические временные ряды с границах реальных очагов

набор суррогатов у вас может быть специфический, описанный в соответствующей литературе.

осталось добавить, что такие задачки мы решаем своими программами, используя R для связки. В целом, все можно делать в R, но с существенной потерей скорости. Карты "предрасположенности" строятся в тех программах, которые я перечислил.

[rhot]

Я б наоборот делал - присваиваил вектору значения рельефа или чего ещё там в растре.
В GRASS это будет v.rast.stats

gamm, а правда, что циклы в R уступают по производительности коммерческим программам?

[gamm]

Я б наоборот делал - присваиваил вектору значения рельефа или чего ещё там в растре.

нельзя, поскольку в векторе не точки, а контура. Мы просто считаем все, что нужно, на растре, а потом находим ячейки, попадающие в каждый контур, и получаем таблицу. Все это можно делать в R, но у нас есть более эффективная программа, написанная на С++

gamm, а правда, что циклы в R уступают по производительности коммерческим программам?

дело не в коммерческих программах, а в том, то R - интерпретатор, поэтому в нем циклы медленные (как у любого интерпретатора, включая коммерческие; это плата за то, что код можно динамически править и формировать внутри программы). Зато в R есть всякие операции, типа tapply() или aggregate(), которые работают быстро. Вообще, везде, где в R вызывается код на С++, все работает быстро, но не для всего есть готовые средства. Иногда приходится использовать свои, в частности, для быстрого построения пространственных выборок.

[gimran]

Gamm, про получение "суррогатных характиристик биотопа" подскажите литературу, пожалуйста.
Как понял, строим необходимое количество растров: растр крутизна склона, растр экспозиция склона и тд, а также вектор с атрибутикой, а затем уже их загружаем, к примеру, в тот же R и считаем попиксельно "попадание" в сооветствии с набором правил модели, так?
Соответственно, по окончании расчетов задаем визуализация результата расчетов.
То есть к прочтению рекомендуется литература по R и геостатистике?
Прошу прощения за тупейшие вопросы, я в геостатистике не силен (мягко говоря, так как оскорблять участников конференции нельзя, даже самого себя ).

[ Сообщение с мобильного устройства ]

[gimran]

С учетом отсутствия адекватных (на мой взгляд) моделей для прогнозирования, хочу сделать более простое и вульгарное, чем Вы, Gamm, подразумеваете - не модель, а карту с объединением показателей из данных рельефа (вернее расчетных данных, как угол склона, экспозиция и тд) и данных о размещении выделов с определенными параметрами.
То есть слой со множеством данных в атрибутике, а затем уж после выявления точек распространения вредителя - по космоснимку выделять ареал и строить гипотезу и модель.
Просто необходимые по точности архивные данные для построения модели для конкретных условий отсутствуют, поэтому моделировать нечего, тут ландшафтно-породный слой надо построить из данных srtm и векторного слоя.
Может мне "тупо" растры нужные построить и векторизовать, а затем уже скопировать по размещению атрибутику из попородного слоя?

[ Сообщение с мобильного устройства ]

[gamm]

Gamm, про получение "суррогатных характиристик биотопа" подскажите литературу, пожалуйста.
Как понял, строим необходимое количество растров: растр крутизна склона, растр экспозиция склона и тд, а также вектор с атрибутикой, а затем уже их загружаем, к примеру, в тот же R и считаем попиксельно "попадание" в сооветствии с набором правил модели, так?

основные, которые можно получить только из рельефа, я перечислил. Берем SAGA/TAS/WhiteBox/ArcGIS (первые три - предпочтительнее, поскольку там всего больше), смотрим, что они считают, сравниваем с тем, что написали ученые, и выбираем. Готовых рецептов нет, можно почитать литературу по программе Biomapper, у них на сайте много статей. То же самое по MaxEnt. "Набор правил модели" получается в результате модели, тот же MaxEnt выдает их в текстовом виде.

С учетом отсутствия адекватных (на мой взгляд) моделей для прогнозирования, хочу сделать более простое и вульгарное, чем Вы, Gamm, подразумеваете - не модель, а карту с объединением показателей из данных рельефа (вернее расчетных данных, как угол склона, экспозиция и тд) и данных о размещении выделов с определенными параметрами.

в итоге получим как раз наивного Байеса, простейший вариант - n ближайших соседей (в пространстве признаков)

Может мне "тупо" растры нужные построить и векторизовать, а затем уже скопировать по размещению атрибутику из попородного слоя?

ничего векторизовать не нужно (если вы не грубые контуры руками рисуете, и даже в этом случае нежелательно), нужно всем ячейкам, попавшим в контур с породами, поставить в соответствие атрибутивные данные из векторной таблицы, получится большая таблица: часть столбцов с данными, взятыми с растра (суррогатами), вторая часть - с данными, взятыми с вектора. Дальше начинаем строить прогнозную модель, учитывая, что у нас только положительные примеры. Поэтому лучше в соответствующей программе.

[gimran]

Как раз то, как "нужно всем ячейкам, попавшим в контур с породами, поставить в соответствие атрибутивные данные из векторной таблицы" - в принципе и подразумевал. Как это сделать? В принципе в первом сообщении именно это и хотел сделать.
PS Давайте исходить из примитивнейшего, я, в отличии от Натальи и из-за отсутствия свободного времени, пытаюсь от простого к сложному переходить.
К примеру, по рельефу вспышка одного вредителя, которого в прогнозной литературе не упоминали, была приурочена к конкретному горному склону и породе.
Какую-то теорию строить рано, но изучить изменения по снимку, выявить зависимости и в будущем построить гипотезу - уже польза для будущего, для составления карт лесопатологических угроз или устойчивости (угроза еще не прогноз, а то, что менее устойчиво) и прогнозов.

[ Сообщение с мобильного устройства ]

[gimran]

В общем еще один из видов стратификации хочу сделать, пока без модели, а для отбора данных для ее построения.

[ Сообщение с мобильного устройства ]

[gamm]

Как раз то, как "нужно всем ячейкам, попавшим в контур с породами, поставить в соответствие атрибутивные данные из векторной таблицы" - в принципе и подразумевал. Как это сделать?

я своими программами пользуюсь, поскольку нигде не нашел элементарной функции - построения табличной выборки набора растров по векторному слою с добавлением ID из вектора (тогда остальное цепляется запросом в любой базе или функция merge() в R). Может, знатоки Арки что-то подскажут, я ей не пользуюсь. Спросите в профильной ветке.

[gimran]

Gamm, я про ОГИС спрашиваю, Аркой не пользуюсь со времен окончания вуза, т.е. со времен доступа к лицензионной версии.

[ Сообщение с мобильного устройства ]