أكثر

كيفية فصل التفاصيل حسب اللون عن النقطية؟

كيفية فصل التفاصيل حسب اللون عن النقطية؟


كيفية فصل التفاصيل حسب اللون عن النقطية؟ هل من الممكن في ArcGIS أو أي برنامج آخر؟ لقد جربت محلل مكاني.

أريد استخدام صورة RGB. tiff وهي خريطة ممسوحة ضوئيًا. يتكون من جميع التفاصيل بألوان مختلفة. أرغب في فصل جميع التفاصيل مثل الطرق والسكك الحديدية لأن لها ألوانًا مختلفة بحيث تصبح الرقمنة التلقائية بواسطة أداة ArcScan أسهل.


إذا كنت مهتمًا فقط بالطرق ، فيمكنك أخذ عينات من سلسلة من الطرق ، ثم "الاستعلام" عن البيانات النقطية بحيث لا يتبقى سوى وحدات البكسل التي تحتوي على هذه الألوان. قد يتطلب إجراء الاستعلام الفعلي القيام بشيء مثل إعادة تصنيف البيانات النقطية بحيث تصبح جميع وحدات البكسل الملونة غير الخاصة بالطرق بيضاء.


CADRG هو منتج للأغراض العامة ، يتكون من خرائط رقمية وصور مخططات يمكن قراءتها بواسطة الكمبيوتر. وهو يدعم العديد من الأسلحة وإدارة معركة مسرح C3I وتخطيط المهمة وأنظمة الخرائط المتحركة الرقمية. يتم اشتقاق بيانات CADRG مباشرةً من ADRG والمصادر الرقمية الأخرى من خلال الاختزال والتصفية والضغط وإعادة التنسيق إلى معيار تنسيق المنتج النقطي (RPF).

عادةً ما يتم تنسيق ملفات CADRG فعليًا ضمن رسالة تنسيق نقل الصور الوطني (NITF). يستطيع قارئ CADRG قراءة ملفات CADRG مع أو بدون غلاف رسائل NITF. يمكن لـ CADRG Writer إنشاء مجموعات بيانات CADRG مع أو بدون غلاف رسالة NITF. تتوفر هذه الخيارات في Writer Feature Type Parameters.

يطبق القارئ والكاتب CADRG المعايير التالية:

بيانات صور CADRG ذات حجم وجودة مناسبين للاستخدام في أنظمة القيادة والتحكم العسكرية ، والقوة الأرضية إلى أنظمة تخطيط المهام على مستوى الوحدة ، وشاشات عرض "الخريطة المتحركة" لقمرة القيادة للطائرات. يؤكد مخطط التصفية بعد التخفيض على وضوح النص وخطوط الكنتور لضمان أن الخرائط الرقمية المعروضة والمطبوعة قابلة للقراءة ومميزة. يهدف CADRG إلى تلبية احتياجات مجموعة واسعة من المستخدمين في نسبة الضغط وجودة العرض والطباعة وحجم الشاشة المعروضة.

يجب أن تتوافق مجموعات بيانات CADRG مع معيار MIL-STD-2411. عادةً ما يتم إنتاجه مباشرةً من خرائط المصدر لجميع المقاييس عن طريق المعالجة وإعادة التنسيق في بنية ملف إطار CADRG. قد تكون الخرائط والمخططات ذات المقاييس المتنوعة أو الخرائط التي لا تتبع DMA مصدرًا لإنتاج CADRG. تشمل المعالجة التقليل المكاني (اختزال البكسل) مع التصفية ، وضغط صورة تكميم المتجهات ، وتكميم اللون.

للسماح بالاستخدام المباشر لشاشات عرض قمرة القيادة بالطائرة ، يتم ترتيب بيانات CADRG في إطارات وأطر فرعية بأحجام بكسل ثابتة ، وتداخلات تتوافق مع الذاكرة المحدودة وقدرات المعالجة لأجهزة الكمبيوتر الإلكترونية.


كيفية إنشاء شرائح لكل منطقة محددة من طبقة مفصولة بشفافية أو لون خالص؟

في هذا المثال ، هناك 4 أشكال مرسومة على طبقة فارغة ، فوق طبقة خلفية بيضاء صلبة. باستخدام أداة التحديد Magic Wand ، قمت بالنقر فوق المساحة الفارغة على الطبقة ذات الأشكال ثم عبر قائمة سياق النقر بزر الماوس الأيمن قلب التحديد. الآن التحديد يغلف جميع الأشكال الأربعة بالكامل ، أي شيء غير محدد هو بكسلات شفافة:

من هنا ، أود إنشاء شريحة محددة بواسطة المستخدم حول كل "جزيرة" تحديد منفصل ، بحيث يكون كل شكل في شريحته الخاصة ، مثل (تم إنشاء المثال يدويًا بمساعدة المساطر):

هل هناك خيار قائمة أو برنامج نصي للقيام بذلك؟ على وجه التحديد ، أريد تجنب إنشاء طبقات يدويًا لكل شكل منفصل في الحالات التي قد يكون فيها عشرات أو مئات الأشكال المنفصلة في الصورة. في الأساس ، أود أن أتمتة التقطيع لما يمكن أن يتناسب مع تعريف "ورقة الرموز المتحركة".


من بارس يدمر ل بارس يفسر

توضح المراجعة أعلاه للنقاش أن الحداثة السلوكية والقوائم المتنوعة للسمات الثقافية المرتبطة بها ليست أدوات مفيدة لتحديد الطريقة التي أصبحنا بها ما نحن عليه. يوجد الآن بعض الإجماع على أن تطور المجتمعات البشرية في آخر 300 كير قد اتبع العديد من المسارات ، وليس بالضرورة تقدمية في الطبيعة ، حيث يتم تمثيل التعبير المادي للإدراك الحديث من خلال فسيفساء مختلفة من الابتكارات الثقافية. يبدو أن التركيز على المسارات الإقليمية هو الطريقة الوحيدة لتوثيق التغييرات الثقافية وفي نهاية المطاف الآليات الكامنة وراء هذه التغييرات. عند القيام بذلك ، يجب أن نبحث عن طرق لدمج العوامل البيئية والإيكولوجية والديموغرافية والاجتماعية بالإضافة إلى حالات الطوارئ التاريخية من أجل فهم كيفية تطور السكان البشريين وفي بعض الحالات فقدوا واستعادوا الابتكارات الثقافية التي ندرك أنها حجر الزاوية في التجربة الإنسانية. من بين أولئك الذين يقبلون إطار التفكير هذا (d'Errico 2009 Hovers 2009 Kuhn 2013 Stiner 2013 والتعليقات في Shea 2011 بواسطة Lawrence S. Barham و Nicholas J. Conard و James F. O'Connell و Rick Potts) ، هناك إجماع أنه على الرغم من أن هذه العوامل لعبت دورًا في عملية الابتكار الثقافي ، إلا أن الطريقة التي تم تنظيمها بها والتفاعل بينها لا تزال غير مفهومة ، والأدوات الاستدلالية ذات الصلة التي يمكن من خلالها استجواب الأدلة التجريبية غير متوفرة.

قد لا يزال البعض يتساءل عما إذا كان يجب إجراء هذا المسعى فقط في السجلات الأثرية المرتبطة بـ AMHs أو يجب أن يشمل أيضًا أشباه البشر القديمة. سيكون الأول خطأ واضحًا في رأينا لأنه سيقيد ، سواء اعترف المرء بذلك أم لا ، تحليل المسارات المحلية ضمن إطار مفاهيمي لا يمكن أن تكون فيه الابتكارات السلوكية الرئيسية إلا نتيجة للحداثة التشريحية. من خلال مساواة الحداثة السلوكية والتشريحية ، بغض النظر عن توازن "التباين" أو "التكلفة والفائدة" الموجود ، لن نتخلص من العقلية القائلة بأن التغيير البيولوجي هو المحرك الرئيسي. قد يحرمنا مثل هذا الموقف أيضًا من فحص عدد كبير من المسارات الثقافية ، مما يضر بقدرتنا على مقارنة كيفية تفاعل السكان المختلفين مع مجموعات مماثلة من المحفزات الخارجية. من وجهة نظرنا ، فإن شمول جميع المسارات المحلية هو أفضل طريقة للحصول على صورة كاملة للعديد من التجارب الثقافية السريعة التي تعتبر السمات الرئيسية للتطور الثقافي لنسبنا.

من خلال هذه الورقة ، نقترح إطارًا منهجيًا يبتعد عن التفسيرات "السردية" نحو التركيز على الثقافة المادية وتقييم التفاعل المحتمل بين التكيف الثقافي والتغير البيئي. نعتقد أنه من خلال تطبيق هذا النهج على العديد من الحالات المختلفة للتغيير الثقافي وكذلك الركود الذي يميز آخر 300 kyr من المجتمعات البشرية ، قد نحدد الآليات التي أدت بنا إلى أن نصبح ما نحن عليه والاتجاهات الأساسية ، إن وجدت. التي وجهت هذه العملية.


تنسيق المخطوط - التقديم المنقح

إذا كنت ترسل مخطوطة منقحة ، فيجب عليك تقديم ملفات مصدر جاهزة للنشر. نطلب أن تتوافق مخطوطتك مع إرشادات التنسيق الخاصة بنا قبل قبولها. تعليمات إضافية لإرسال ملفات المصدر تظهر أدناه. يجب أن يتضمن الملف النصي الرئيسي تغييرات المسار ويمكنك تحميل "نسخة نظيفة" إضافية بدون تتبع التغييرات ، مثل "ملف إضافي للمراجعة ولكن ليس للنشر".

تنسيق إضافي لعمليات الإرسال المنقحة

تنسيق المرجع يمكن أن تكون المراجع بتنسيق بأي تنسيق ، ولكن يجب أن يكون كاملاً. راجع أمثلة تنسيق المرجع وإرشادات إضافية أدناه.

الرسوم التوضيحية تنسيقات الملفات المفضلة هي الصور المتجهة أو EPS أو TIFF أو PDF. الملفات المنقطة (المنقطة) لا بأس بها طالما تم اتباع المواصفات أدناه.

العرض: 945 (عمود واحد) ، 1476 (1.5 عمود) أو 1961 (عمود مزدوج) بكسل (بدقة 300 نقطة في البوصة). القرار: 300-600 نقطة في البوصة. الحجم: & lt50 ميغابايت (للاستثناءات على حجم الملف ، انظر أدناه).

بالنسبة للخطوط الموجودة في الأشكال ، استخدم فقط خطوط sans-serif الشائعة ، مثل Geneva أو Helvetica أو Arial. يجب أن تظهر الحروف والأرقام والرموز بوضوح ولكن ليس بحجم كبير.

اقرأ التفاصيل الكاملة لمتطلبات التنسيق في الأقسام أدناه في هذه الصفحة.

تنسيق المرجع />
► نظرًا لأن جميع المراجع سيتم ربطها إلكترونيًا بالأوراق التي يقتبسونها ، فمن المهم أن تكون المراجع كاملة. قبل إرسال مخطوطتك ، تحقق من أن جميع المراجع في النص مدرجة في قائمة المراجع وأن جميع المراجع المدرجة مذكورة في النص. />

منقولات في - النص
يجب إدراج المراجع بترتيب زمني: (Smith 1999، Dunn 2000، Nilsson et al. 2017). يجب إدراج المنشورات لنفس المؤلف (المؤلفين) في نفس العام 2004 أ ، 2004 ب ، إلخ. لا تستخدم الترقيم المرجعي في التقديمات المنقحة.

قائمة المراجع
يمكن أن تكون قائمة المراجع بأي تنسيق بشرط أن يتم سرد المراجع أبجديًا على أسماء المؤلفين وترتيبًا زمنيًا لكل مؤلف.

يجب أن تكون جميع المراجع كاملة ، وتحتوي على أسماء المؤلفين ، وسنة النشر ، والعنوان ، وعنوان المجلة باستخدام الاختصار القياسي ، والمجلد ، وأرقام الصفحات الأولى والأخيرة أو رقم المقالة. للإشارة إلى المقالات الصحفية ، قم بتضمين رقم معرف الكائن الرقمي (DOI). للحصول على مراجع مثل الأطروحات وحزم البرامج وملفات بيانات المستودع ، انظر الجدول أدناه.

/> تنسيق المصدر />

رسائل الماجستير / الدكتوراه Persson، M.E 2006. التهديد الذي يتعرض له سمك السلمون البلطيقي - مزيج من الملوثات الثابتة والطفيليات والإجهاد التأكسدي. - رسالة دكتوراة ، جامعة لوند ، السويد.

حزم البرامج Hijmans، R.J et al 2020. raster: تحليل البيانات الجغرافية والنمذجة. - & lthttps: //cran.r-project.org/web/packages/raster/ index.html & gt.

ملفات بيانات المستودع Bergeron، J. A.C et al. (2017). البيانات من: ذاكرة النظام الإيكولوجي لحرائق الغابات تؤثر على مرونة التنوع البيولوجي للأخشاب المختلطة في الشمال بعد حصاد الاحتفاظ. - مستودع درياد الرقمي ، & lthttp: //dx.doi.org/10.5061/dryad.s653s & gt.

سيتم إرجاع قوائم المراجع التي لا تتوافق مع هذه المتطلبات للمراجعة.

الرسوم التوضيحية
يجب كتابة جداول وأساطير الرسوم التوضيحية بمسافات مزدوجة على أوراق منفصلة. لا تدمج وسيلة الإيضاح في الشكل نفسه. يجب أن تكون الجداول والتوضيحات مفهومة بدون الرجوع إلى النص. لا تستخدم حروف مائلة.

كن متسقًا في جميع أنحاء الشكل مع الألوان وأوزان الخطوط والأنماط. يجب تحديد اللوحات داخل الشكل بأحرف صغيرة بين قوسين (على سبيل المثال (أ) ، (ب) ، (ج).).

ال نظام التقديم ScholarOne لا يقبل ملف الصور الفردية & gt 50 ميغا بايت. ومع ذلك ، يمكن تقديم ملفات أكبر (مثل الصور عالية الدقة لعينات النباتات) بعد القبول. يرجى الاتصال بمدير التحرير (ecography [at] oikosoffice.lu.se) للحصول على الإرشادات.

نرحب بشدة بالأرقام الملونة وسيتم نشرها مجانًا. ومع ذلك ، فإننا نحث جميع المؤلفين على إنشاء أشكال يمكن الوصول إليها لجميع أنواع رؤية الألوان. عند إنشاء شكل ، استخدم المجموعة التالية من القواعد البسيطة: 1) استخدم لوحة آمنة لعمى الألوان (على سبيل المثال تجنب استخدام الأحمر والأخضر معًا) ، 2) استخدم التباين العالي ، 3) في الصور الفلورية ذات اللون الأحمر والأخضر ، واستبدل الأحمر بالأرجواني ، 4) تحقق من الشكل الخاص بك باستخدام واحدة من العديد من الأدوات المجانية التي تسمح لك بمعرفة كيف يبحث عن عمى الألوان ، 5) ضع في اعتبارك طرقًا بديلة لا تعتمد على اللون لتصور بياناتك. على سبيل المثال ، قد ترغب في استخدام أشكال أحادية اللون ، أو أشكال ومواضع وأنواع خطوط مختلفة بدلاً من ذلك. يمكنك الاستفادة من لوحات ألوان R-script ولوحات ألوان Python لعمى الألوان. يمكن العثور على مزيد من المعلومات حول كيفية عمل أشكال صديقة لعمى الألوان هنا.


كيفية فصل التفاصيل حسب اللون عن البيانات النقطية؟ - نظم المعلومات الجغرافية

التحليل المكاني باستخدام R.

تتضمن حزم التحليل المكاني R معالجة النقطة المكانية ، والترابط التلقائي المكاني ، والتنعيم ، والاستيفاء ، والإحصاء الجغرافي ، وما إلى ذلك. تقدم الحزمة "sp" في R مجموعة متنوعة من الوظائف الإحصائية الجيولوجية مثل فئات الأساس ، والواجهة لتنسيق الأنظمة ، وطرق رسم المرافق ، وأخذ العينات الطرق ، إلخ. الحزم الأخرى للجغرافيا المكانية مدرجة في الجدول الثاني.

الجدول الثاني: R برامج التحليل المكاني

  1. R كآلة حاسبة: تستخدم لغة R العوامل الحسابية المعتادة ونوع البيانات المستخدم هو الأوضاع. الأوضاع هي أرقام منطقية ورقمية ومعقدة. إحدى المهام البسيطة الممكنة في R هي الدخول في عملية حسابية والحصول على نتيجة. على سبيل المثال ، إذا أردنا إضافة رقمين ، فيمكننا كتابة المحطة الطرفية
    & gt2 + 2
    & GT4
  1. تعيين قيمة للمتغيرات: يحتوي R على متغيرات رمزية مثل أي لغة برمجة أخرى تُستخدم لتمثيل القيمة للمتغير المخصص. يُعرف عامل التشغيل "& lt-" باسم عامل التعيين ويقوم بتعيين قيمة التعبير الموجود على اليمين للكائن الموجود على اليسار. على سبيل المثال ، يمكننا إسناد 5 إلى المتغير x والذي يمكن استخدامه للتعبير الحسابي اللاحق.
    & gtx & lt-5
    ثم اكتب
    & gtx + x
    لنحصل على 10 كناتجنا النهائي
  1. طرق إدخال البيانات: يمكن لـ R التعامل مع متجهات البيانات بالكامل ككائنات مفردة وهناك طرق مختلفة لإدخال البيانات في R. يمكننا كتابة القيم مباشرة في سطر الأوامر باستخدام وظيفة التسلسل "c". يمكن إدخال البيانات واحدًا تلو الآخر من لوحة المفاتيح باستخدام الأمر scan أو "read.table".
    w & lt- ج (60 ، 72 ، 57 ، 90 ، 95 ، 72)
    & lt- مسح ()
    & gtdata & lt-read.table (“read_my_file.txt” ، header = T)
    إذا تم فصل البيانات بواسطة "علامة تبويب" أو "مسافة" فيمكن تحديدها في الأمر
    & gtdata & lt-read.table (“read_my_file.txt”، sep = “/ t”، header = T)
    & gtattach (بيانات)
    & gtnames (بيانات)
  1. عمليات حسابية: في R يمكن إجراء العديد من العمليات الحسابية المعقدة باستخدام الجمع والطرح والضرب والقسمة والأس كمعامل.
    & gtx & lt-3 + 8
    & gt5 ^ 2-5 * 2
    [1] 15 ستظهر كنتيجة. من الأفضل تحديد ترتيب تقييم التعبير باستخدام الأقواس وليس هناك حاجة إلى مسافة لفصل المكونات في عملية حسابية.
    & GT1-3 * 3
    [1] -8

مثال بسيط هو رسم منحنى الجيب. أولاً ، يتم تحديد الفواصل الزمنية جنبًا إلى جنب مع عدد نقاط البيانات لدعم المنحنى.
& gtx & lt- seq (-2 * pi، 2 * pi، len = 100)
& gtx
& gtstr (x)
& gtsummary (x)
ثم يمكننا رسمها (تحدد معلمة النوع نوع الخط):
matplot (x، sin (x)، اكتب = "l")
للحصول على فكرة حول خيارات "matplot ()" المتنوعة ، قم بتشغيل:
& GT؟ matplot
يمكنك مشاهدة بعض أمثلة "matplot ()" من خلال تشغيل:
& gtexample (matplot)
يتبع المزيد من الأمثلة:
& gtbarplot (table (x)، xlab = "DigitalNumbers"، ylab = "Frequency"، col "gray70") حيث x هي البيانات التي يتم إدخالها بالفعل في R
& gt plot (c، xlab = "BANDS"، ylab = "رقم رقمي")

& gt boxplot (a، xlab = "BANDS"، ylab = "الرقم الرقمي) حيث a هي مجموعة البيانات التي قرأها البرنامج الإحصائي R بالفعل.


الشكل 1: الرسم البياني الخطي الذي تم إنشاؤه في R.


الشكل 2: الرسم البياني الخطي التربيعي الذي تم الحصول عليه في R.


الشكل 3: خط مع تربيعي ، تكعيبي ، قوة -1 و أس -2 تم ​​إنشاؤه في R

الشكل 4: مخطط الشريط


الشكل 5: Boxplot

الجدول الرابع: وظائف ستاندردر مؤامرة

  1. حفظ وتخزين واسترجاع العمل في R: عندما ننهي جلسة R ، يجب أن نضيف "نعم" إلى "حفظ صورة مساحة العمل". عند إعادة تشغيل R ، تتوفر جميع البيانات والمتغيرات من الجلسة السابقة.
  1. الحصول على المساعدة في R: للحصول على مساعدة في R ، استخدم وظيفة "help.search" مع الاستعلام بين علامتي اقتباس مزدوجتين "" ، على سبيل المثال help.search "إدخال البيانات".

الجدول الخامس: الحزم القياسية في R.

* المؤلف المراسل:
دكتور تي في راماشاندرا
مجموعة أبحاث الطاقة والأراضي الرطبة ، مركز العلوم البيئية ، المعهد الهندي للعلوم ، بنغالور - 560 012 ، الهند.
Tel: + 91-80-2293 3099/2293 3503-extn 107، Fax: 91-80-23601428 / 23600085/23600683 [CES-TVR]
البريد الإلكتروني: [email protected] ، [email protected] ، الويب: http://wgbis.ces.iisc.ernet.in/energy ، http: //ces.iisc. ernet.in/grass

راماشاندرا ت. حصل على الدكتوراه. من المعهد الهندي للعلوم (IISc) ، بنغالور. يعمل حاليًا كمنسق لمجموعة أبحاث الطاقة والأراضي الرطبة في مركز العلوم البيئية (CES) ، وكلية مشاركة في مركز التقنيات المستدامة (CST) ومركز البنية التحتية والنقل المستدام والتخطيط الحضري (CiSTUP) في IISc ، بنغالور . يشمل مجال أبحاثه الاستشعار عن بعد ، ومعالجة الصور الرقمية ، والامتداد الحضري: التعرف على الأنماط ، والنمذجة ، وأنظمة الطاقة ، والأنظمة المتجددة ، وتخطيط الطاقة ، والحفاظ على الطاقة ، وتعليم الهندسة البيئية ، وما إلى ذلك. وهو عضو في العديد من الهيئات المهنية الوطنية والدولية المعترف بها و حاصل على جائزة Satish Dhawan Young Engineer المرموقة لعام 2007 من حكومة ولاية كارناتاكا ، الهند.

أوتام كومار حاصل على إجازة في الهندسة في علوم الكمبيوتر من جامعة فرجينيا كومنولث ، بيلجاوم ، الهند. ودرجة الماجستير في علوم المعلومات الجغرافية من جامعة توينتي بهولندا ودكتوراه. من المعهد الهندي للعلوم ، بنغالور. مجالات بحثه هي تطوير خوارزميات لتحليل البيانات الزمانية المكانية لأجهزة الاستشعار متعددة الأقمار الصناعية. اهتماماته البحثية هي التعرف على الأنماط والاستشعار عن بعد واستخراج البيانات ومعالجة الصور باستخدام البرمجيات الحرة والمفتوحة المصدر (FOSS).

أنينديتا داسغوبتا هو مع مركز العلوم البيئية ، المعهد الهندي للعلوم ، بنغالور. حصلت على درجة الماجستير في التكنولوجيا الحيوية من جامعة بنغالور في الهند. تشمل اهتماماتها البحثية الاستشعار عن بعد ، ومعالجة الصور ، ونظم المعلومات الجغرافية ، وتحليل البيانات المكانية ، والتوسع العمراني.


4. مناقشة

على الرغم من الإشارات المتكررة في الأدبيات ، فإن تأثيرات العلاقة الخطية المتداخلة للتنبؤ على نماذج Maxent لم يتم فهمها جيدًا ، وبالتالي فإن الأساليب المتبعة في توثيق العلاقة الخطية المتداخلة والتعامل معها كانت تعسفية. توضح دراستنا ما إذا كان ، ومتى ، وكيف تؤثر العلاقة الخطية المتداخلة على أداء النموذج في Maxent. أولاً ، نظهر انخفاض أداء النموذج في سيناريوهات نقل النموذج ، وهي ظاهرة معروفة جيدًا لوحظت في العديد من الدراسات (Fitzpatrick et al. ، 2018 Owens et al. ، 2013 Qiao et al. ، 2019). من المحتمل أن تكون الآليات الأساسية المحتملة هي درجة العلاقة الخطية المتداخلة للتنبؤ ، والتحول في العلاقة الخطية المتداخلة ، والجدة البيئية. لتوضيح دور هذه الآليات المحتملة ، أظهرنا كذلك أن نقل النموذج كان مصحوبًا بزيادة كبيرة في تحول العلاقة الخطية والجدة البيئية ، وكلاهما ارتبط بانخفاض أداء النموذج. يمكن التحكم في درجة العلاقة الخطية المتداخلة للتنبؤ عن طريق إزالة المتغيرات شديدة الارتباط ، ولكن في دراستنا لم يؤثر هذا النهج على أداء النموذج ، مما يوفر دليلًا مباشرًا على قدرة Maxent على تنظيم تعقيد النموذج من خلال التقليل من أهمية المتغيرات الزائدة عن الحاجة. تم تأكيد هذه النتيجة أيضًا بواسطة De Marco Júnior و Nóbrega (2018) باستخدام بيانات محاكاة. ومع ذلك ، من المتوقع أن يكون التحول في العلاقة الخطية المتداخلة والجدة البيئية مستقلة عن استراتيجية الاختيار المتغيرة وتعتمد على الاختلاف البيئي بين مناطق التدريب والإسقاط. لذلك ، على الرغم من أن Maxent يمكنها تنظيم مساهمة المتغيرات الزائدة عن الحاجة ، فهي ليست محصنة ضد تحول العلاقة الخطية والحداثة البيئية ، وهي مستقلة عن خوارزمية النمذجة ويمكن أن تؤدي إلى انخفاض الأداء التنبئي عند نقل النماذج. بمعنى آخر ، لا تساعد استراتيجية إزالة المتغيرات شديدة الارتباط في تحسين نماذج Maxent ، لأن (أ) Maxent قادر على تنظيم المتغيرات الزائدة وتخفيف آثار العلاقة الخطية المتغيرة على تدريب النموذج ، و (ب) تحول العلاقة الخطية والجدة البيئية مستقلة عن درجة العلاقة الخطية المتداخلة للتنبؤ.

4.1 درجة العلاقة الخطية المتداخلة للتنبؤ مقابل التحول في العلاقة الخطية المتداخلة

من المهم التمييز بين أدوار درجة العلاقة الخطية المتداخلة للتنبؤ وتغيير العلاقة الخطية المتداخلة. قد يؤثر الأول على تقدير النموذج ، بينما يؤثر الأخير على دقة التنبؤ بالنموذج في منطقة الاختبار. يمكن أن يؤثر كلا الجانبين سلبًا على دقة نماذج الانحدار الكلاسيكية ، ولكن يمكن لـ Maxent أن يوازن المفاضلة بين ملاءمة النموذج وتعقيد النموذج من خلال التنظيم (Elith et al. ، 2011) ، وبالتالي ، لا يُتوقع أن تؤثر درجة العلاقة الخطية المتداخلة على Maxent.

يمكن أن يحدث تحول العلاقة الخطية المتداخلة عندما تكون بيانات التدريب والاختبار مختلفة بيئيًا. في سياق ENM ، يتم نقل النماذج بشكل متكرر إلى مناطق و / أو نقاط زمنية مختلفة ، لذلك من المحتمل أن تكون التحولات الخطية شائعة في تطبيقات ENM. يعتمد حجم التحول الخطي على الاختلاف بين بيانات التدريب والاختبار. ولكن هل يمكن تقليل التحولات في العلاقة الخطية المتداخلة عن طريق إزالة المتغيرات شديدة الارتباط في تدريب النموذج؟ ربما لا ، لأن المرء لا يستطيع التنبؤ بالتغير في العلاقة بين زوج من المتنبئين ، لأن متغيرين مترابطين للغاية لن يواجهان بالضرورة تحولًا في الارتباط أكثر من زوج من المتغيرات الأقل ارتباطًا. من منظور آخر ، سيتم دائمًا تحديد التحول الخطي لمجموعة توقع مسبقًا عند تحديد بيانات التدريب والاختبار في مرحلة التصميم التجريبي ، قبل تدريب النموذج وإسقاطه.

4.2 العلاقة الخطية المتداخلة في نمذجة Maxent

دعمت نتائجنا وجهة النظر القائلة بأن Maxent قوي لدرجة التوقع الخطي (Elith et al. ، 2011) في سياق تدريب النموذج. ومع ذلك ، نظرًا لدور تحول العلاقة الخطية المتداخلة والاستقلال بين درجة العلاقة الخطية المتداخلة للتنبؤ وتغيير العلاقة الخطية المتداخلة ، فإن Maxent ليس محصنًا تمامًا من مشكلات العلاقة الخطية المتداخلة. أظهرت نتائجنا أن إزالة المتغيرات شديدة الارتباط لم تؤثر بشكل كبير على دقة نموذج Maxent (الجدول 1) ، بغض النظر عن سيناريو نقل النموذج ، لأن Maxent يمكن أن ينظم مساهمة المتنبئين الزائدين ، والجانب الأكثر أهمية في نمذجة Maxent هو التحول الخطي في لذلك ، نوصي بتحديد سيناريوهات نقل النموذج كميًا للتغير الخطي باعتباره وكيلًا لدقة النموذج (على سبيل المثال ، Feng et al. ، 2015).

في حين أن تأثيرات العلاقة الخطية المتداخلة مفهومة جيدًا في نماذج الانحدار الكلاسيكية (Dormann et al. ، 2013) ، فإنها تظل غير حاسمة حتى في أحدث منشورات Maxent (الملحق S1). نعتقد أن الأدوار المختلفة لدرجة العلاقة الخطية المتداخلة للتنبؤ وتحول العلاقة الخطية المتداخلة ، وسيناريو نقل النموذج ، والاختلاف في تقدير المعلمة بين نماذج الانحدار الكلاسيكي و Maxent قد تكون قد ساهمت جميعها في ارتباك العلاقة الخطية المتداخلة في مجتمع نمذجة Maxent.

4.3 نقل النموذج يمثل تحديًا

4.4 البحث المستقبلي

في تصميم دراستنا ، اخترنا المتغيرات بناءً على ارتباط المتنبئين لتقليد ممارسة شائعة في أدب ENM (De Marco Júnior & Nóbrega ، 2018). ومع ذلك ، بشكل عام ، فإن نهج اختيار المتنبئين الأقل ارتباطًا لا يحل تمامًا مشكلة العلاقة الخطية المتداخلة ، حيث يمكن أن يؤدي المستوى المنخفض من العلاقة الخطية إلى تحيز النماذج البيئية (Graham ، 2003). علاوة على ذلك ، يواجه هذا النهج مشكلتين: فرصة تجاهل المساهمات الفريدة للمتغيرات المحذوفة والمشكلة الاستنتاجية في تحديد المتغير الذي يجب إسقاطه بين الزوج شديد الارتباط (Graham ، 2003). تم اقتراح طرق بديلة لحل المشكلة من خلال الطبيعة الوظيفية للعلاقة الخطية المتداخلة. على سبيل المثال ، يفترض تحليل المكون الرئيسي (PCA) المساهمات المشتركة من المتنبئين المتصلين والمتجهات المستخرجة لحساب الاختلافات في المتنبئين ، لكن القيد الرئيسي لـ PCA هو الافتقار إلى التفسير البيولوجي للمكونات الرئيسية (Graham ، 2003). إلى جانب قيود القابلية للتفسير ، لا يزال نهج PCA ، عند استخدامه للتنبؤات المستقبلية ، يعاني من مشكلة تحول العلاقة الخطية المتداخلة أثناء نقل النموذج. هذا يرجع إلى حقيقة أن المكونات الرئيسية يتم تحديدها من خلال البنية الذاتية لمصفوفة التغاير للعينة للمتنبئين (Abdi & Williams ، 2010) ، وسيؤدي التحول الخطي الخطي إلى تشويه بنية eigen الأصلية وبالتالي تغيير المكونات الرئيسية في سياق مكاني وزماني مختلف.

على الرغم من أننا ركزنا على Maxent في دراستنا بهدف التقاط ممارسة شائعة في أدبيات ENM ، يتم استخدام العديد من الخوارزميات الأخرى في أدبيات ENM (على سبيل المثال ، 33 Norberg et al. ، 2019). يجب أن تختلف قابلية التأثر لدرجة العلاقة الخطية المتداخلة مع الآليات الموجودة في كل خوارزمية وتعتمد عليها. وفقًا للمقارنات التي أجراها De Marco Júnior و Nóbrega (2018) ، فإن خوارزميات المغلفات أكثر حساسية لدرجة العلاقة الخطية المتداخلة ، مقارنة بالخوارزميات الأكثر تعقيدًا ، مثل Maxent. لا تزال المقارنات والتقييمات الشاملة لحساسية الخوارزميات للعلاقة الخطية المتداخلة نادرة بشكل عام وبالتالي تتطلب المزيد من التحقيق. ومع ذلك ، من المحتمل أن تكون الآثار السلبية لتحول العلاقة الخطية المتداخلة والبيئات الجديدة قابلة للتعميم على خوارزميات النمذجة الأخرى ، لأن هذه المشكلات تعتمد على اختيار بيانات التدريب والإسقاط ، ومستقلة عن خوارزميات النمذجة.

يعكس تصميمنا التجريبي الممارسات الشائعة المستخدمة في نمذجة Maxent (على سبيل المثال ، الاختيار المتغير بناءً على معاملات الارتباط ، ومعلمات Maxent الافتراضية ، ومجموعة البيانات المناخية المستخدمة على نطاق واسع) وبالتالي ، فإن النتائج لها آثار واسعة على تطبيقات Maxent. أيضًا ، أجريت دراستنا عبر قارتين ذات أنظمة مناخية متنوعة. إن استخدام المناظر الطبيعية الحقيقية يجعل دراستنا أكثر احتمالية لالتقاط التعقيدات الشائعة في الدراسات التجريبية. يجدر التفكير في مدى تكرار تحول العلاقة الخطية المتداخلة والبيئات الجديدة إلى اقتران أو فصلها. في دراستنا ، كان سيناريو نقل النموذج هو المحرك الرئيسي لتحول العلاقة الخطية المتداخلة والبيئات الجديدة ، مما يشير إلى أن وجود تحول العلاقة الخطية المتداخلة والبيئات الجديدة يمكن أن يقترن بشكل شائع أثناء نقل النموذج (الشكل 4). ربما يكون هذا صحيحًا بشكل عام ببساطة بسبب المناظر الطبيعية غير المتجانسة على الأرض ، أي أن المناطق المختلفة نادرًا ما تحتوي على نفس البيئات. ومع ذلك ، في سيناريو النقل ، أظهرت قوة تحول العلاقة الخطية المتداخلة والجدة البيئية ارتباطًا ضعيفًا للغاية في حالتنا (الشكل S1) ، مما يشير إلى أنه من المحتمل أن يكون حجم كلاهما منفصلاً. بعبارة أخرى ، يجب أن يعتمد حجم التغيير في الارتباط بين زوج من المتغيرات شديدة الارتباط على سياق النمذجة ، المحدد من خلال اختيار المتنبئ والمدى المكاني والزماني ودقة المتنبئين البيئي (Jiménez-Valverde ، Nakazawa ، وآخرون ، 2009).

على عكس استخدام البيانات من العالم الحقيقي ، هناك اتجاه متزايد لاستخدام الأنواع الافتراضية وحتى المناظر الطبيعية الافتراضية في الاستكشافات المنهجية في ENM (Feng & Papeş، 2017 Hirzel، Helfer، & Metral، 2001 Leroy، Meynard، Bellard، & Courchamp، 2016 Meynard & Kaplan، 2013 Moudrý، 2015 Qiao et al.، 2016). والجدير بالذكر أن De Marco Júnior و Nóbrega (2018) درسا تأثير درجة العلاقة الخطية المتوقعة باستخدام الأنواع الافتراضية التي حددت المنافذ ، مع الميزة الواضحة المتمثلة في معرفة التوزيع الحقيقي للأنواع في تقييم النموذج. توصلت دراستهم إلى استنتاج مماثل حول متانة Maxent في العلاقة الخطية المتداخلة بالإضافة إلى أن الدراسة لديها نطاق موسع على خوارزميات النمذجة المتعددة ووجدت مستويات مختلفة من حساسية الخوارزمية لمسألة العلاقة الخطية المتداخلة. وبالمثل ، يمكن أن تتحقق الأبحاث المستقبلية من صحة النتائج التي توصلنا إليها باستخدام الأنواع الافتراضية أو استخدام منظر طبيعي محاكى بظروف بيئية يتم التحكم فيها جيدًا ، ودراسة دور تحول العلاقة الخطية المتداخلة والبيئات الجديدة على خوارزميات ENM خارج Maxent ، وكذلك استكشاف طرق مختلفة في التعامل مع العلاقة الخطية المتداخلة. ومع ذلك ، من خلال بناء تحقيقاتنا على البيانات التجريبية ، فإننا نسلط الضوء على القضايا التي من المحتمل أن تكون موجودة في الدراسات التي تتعامل مع أنظمة العالم الحقيقي.


تقنيات المعلومات

موقع مباشر

تعرض واجهة برمجة التطبيقات هذه موقعًا مباشرًا دقيقًا وبيانات ذات صلة بالمركبات والأصول والأشخاص بمساعدة الأجهزة / أجهزة الاستشعار / الهواتف المحمولة لتوفير الوعي بالموقع لمستخدمي تطبيقك. توفر واجهة برمجة التطبيقات (API) رؤية في الوقت الفعلي لكائناتك المتعقبة ، ولا تقدم فقط معلومات عن الموقع ، ولكن العديد من الحقول الإضافية التي تضيف قيمة إلى تطبيقك. يمكن استخدام API في حالات الاستخدام المتعددة: سواء كان ذلك للنقل - الخدمات اللوجستية أو لخدمات معلومات الموظفين لجميع أنواع منصات تطوير الويب أو الأجهزة المحمولة.

الرحلات والقيادة

تُستخدم واجهة برمجة التطبيقات هذه لطلب تفاصيل رحلة السيارة في حساب على منصة الاتصالات الخاصة بنا. يمكن أن تكون السيارة جهازًا / مستشعرًا متصلًا بمنصة الاتصالات الخاصة بنا مباشرةً أو عبر مُجمِّع بيانات تابع لجهة خارجية يستخدم منصة الاتصالات عن بُعد الخاصة بنا لخدمات التتبع. الرحلة أو القيادة هي قائمة بالمواقع الجغرافية المبلغ عنها لأي كائن (مثل المركبات أو الأصول أو الأشخاص) وفقًا لشروط محددة مسبقًا.

سياج جغرافي

يسمح لك السياج الجغرافي وواجهات برمجة التطبيقات (API) الخاصة بالمسار بإدارة المناطق الجغرافية الافتراضية أو السياجات الجغرافية لحسابك على النظام الأساسي لتقنية المعلومات في MapmyIndia. يتم تعريف المناطق الجغرافية على أنها أشكال هندسية في شكل مضلعات جغرافية أو دوائر أو نقاط ذات صلة بأي جهاز / مستشعر متصل: يجب مراقبة وجود أو عدم وجود (دخول أو خروج) مركبة لهذه المناطق الجغرافية و / أو الأحداث التي تم إنشاؤها على أساس هذه التحولات. قد تكون الأحداث عبارة عن إنذارات أو تقارير عن دخول المركبات أو الخروج منها. تسمح لك واجهات برمجة تطبيقات Geofence بإنشاء / تحرير / تعيين / إلغاء ربط / تحديث السياجات الجغرافية.


مقدمة

يعد فهم ارتباط المناظر الطبيعية ، أو الدرجة التي يغير بها المشهد الحركات بين الموارد (Taylor et al. 1993) ، أمرًا ضروريًا للإيكولوجيا والتطور والحفظ (Slatkin 1993 ، Hanski 1999 ، Fletcher and Fortin 2018) ، وهو يكمن في القلب من التخصصات الفرعية الناشئة لبيئة الحركة (ناثان وآخرون ، 2008). ومع ذلك ، لا يزال التنبؤ الدقيق بتوصيل المناظر الطبيعية ورسم الخرائط أمرًا صعبًا (Fletcher et al. 2011، Sawyer et al. 2011).

تعتمد معظم طرق رسم خرائط الاتصال حاليًا على منظور صريح مكانيًا للمصفوفة أو مقاومة المناظر الطبيعية. الأساس المنطقي هو أن جوانب المصفوفة (مثل استخدام الأراضي والتضاريس) يمكن أن تغير مسارات حركة الأفراد المنتشرين عبر المناظر الطبيعية ، مثل دمج "مقاومة المصفوفة" (أو العكس ، "نفاذية المصفوفة") قد تكون حاسمة لتفسير التوصيل (زيلر) وآخرون 2012). ومع ذلك ، يمكن أن تظهر المقاومة لسببين مختلفين جوهريًا: 1) قد تكون الكائنات الحية أقل احتمالية للتحرك عبر موقع (إليوت وآخرون. 2014) أو 2) قد تعاني الكائنات الحية من الموت في مكان ما (Nowakowski et al. 2015). نظرًا لأن التأثيرات الديموغرافية للوفيات عند التنقل عبر المناظر الطبيعية تكون على الأرجح أكبر من تلك الناتجة عن التغيرات في طرق الحركة ، فإن عزل هذه المشكلات قد يساعد في توجيه إجراءات حماية أكثر فاعلية (Vasudev et al. 2015).

قدمنا ​​مؤخرًا إطار عمل للاتصال من خلال تطوير نظرية المشي العشوائي بامتصاص سلاسل ماركوف التي تحترم فكرة أن المصفوفة يمكن أن تؤثر على كل من سلوك الحركة ومخاطر الوفاة (فليتشر وآخرون 2019). يوفر هذا الإطار محاسبة احتمالية لكل من سلوك الحركة ومخاطر الوفيات للمشتتات عبر المناظر الطبيعية ، ويوفر تنبؤات قصيرة وطويلة المدى للاتصال ، ويمكنه دمج توزيع السكان ووفرة في تنبؤات الاتصال ، ويمكنه تحديد المعلمات الديموغرافية المتعلقة بـ التشتت والاتصال الناجح. هذا الإطار ، الذي نطلق عليه "سلسلة ماركوف الامتصاصية المكانية" (SAMC) ، يختلف عن مناهج رسم خرائط الاتصال الأخرى (Calabrese and Fagan 2004 ، Rudnick et al. 2012 ، Fletcher et al. 2016) بعدة طرق. على عكس النمذجة الفردية للاتصال (Bocedi وآخرون 2014) ، فإن SAMC عبارة عن إطار تحليلي مثل التحليل الأقل تكلفة (Etherington 2016) ، والمسارات العشوائية الأقصر (Saerens et al. 2009) ، ونظرية الدائرة (McRae et al. 2008). Overall, it is most similar to circuit theory: SAMC and circuit theory are both rooted in Markov chain theory. Yet, the SAMC describes the general case that accounts for time-specific movement and mortality while circuit theory can be thought of a special case with no explicit absorbing states. Fletcher et al. (2019) evaluated this modeling framework relative to least-cost and circuit theory approaches, finding that the SAMC outperformed other approaches for predicting observed movements of an insect herbivore across 15 experimental landscapes undergoing habitat destruction by accounting explicitly for mortality risk.

Here we introduce the samc package for modeling connectivity within the SAMC framework using the R programming language. First, we begin by providing a brief overview of the SAMC framework and how it is implemented in the samc package, including the methods and features of the package. Second, we illustrate the workflow of using the SAMC framework for quantifying connectivity with the samc package by providing an example for the endangered Florida panther Puma concolor coryi.


5 إجابات 5

But there is nothing objective about perception. If the goal is to attempt to reproduce the perception, the closest will be to set the white balance from a grey card which is not directly lit with the Sun.

As you say, white balance is a subjective game. The only way to do this in anyway objectively would be to process your photos in conditions where all the factors affecting subjectivity, i.e. the colour temperature of the ambient light, is the same as when the photo was shot.

In my Canon 5D Mk III, for example, this could be done as follows:

  • Shoot the sunset in RAW
  • Choose RAW Image Processing menu item
  • Adjust colour temperature in increments of 100K until what you see on the screen reflects what you see in the actual scene.

But then no doubt when you go home and view your photo on your laptop screen in a room light by your energy saving lightbulbs (you environmentally conscious person, you), your brain will tell you that your photos are more orange than they did when viewing them on your camera screen in the field.

This is the point of using white balance. White balance is to make photos "perceptually correct" not "objectively correct". An "objective" approach would dispense with white balance manipulations altogether.

The unfortunate thing about sunsets is that the sun (and even anything lit by the the combination of direct sunlight and skylight) actually appears orange to the eye, so to "correct" for it doesn't make any sense.

When it comes to the sun, objectivity is harder than that. Color of the setting sun is changing while it's descending - and white balance basically means that you choose the light of the sun as white point. It differs minute-to-minute in last stages of sunset, but overall - you should decrease color temperature if you want to set white balance correctly during sunset.

tldr Start at 5,780 K before sunset and decrease it to your liking

And remember - after sunset the sky is starting to get blue due to Tyndall effect - so after an hour after sunset your white balance should go up.

I'm a little unclear what you're asking, but if you literally want to measure the color temperature of the light from the setting sun, you can take a photograph of the setting sun in raw mode, making sure not to overexpose the disk of the sun. Then, in your processing software, you can set the white balance by clicking the eyedropper on the disk of the sun. You can then read off the custom color temperature and tint that resulted. (Once you set the white balance this way, the disk of the sun will of course be gray or white.) This approach assumes that your camera has a good, accurate profile in Lightroom or whatever software you're using.

If you're asking whether there are instruments that can measure the color temperature of incident light, there are indeed. For example, the Sekonic Prodigi Color C-500 Color Meter, which works a lot like an incident light meter, but for color temperature.

Interesting to consider what "color temp" or "WB" causes the monitor to show the actual same color.

نفس الشيء spectra would indeed be the same in a real sense. But we don't have that.

The same tristimulus RGB values should "look" the same, at least to a primitive stage in processing in the eye. But the brain interprets that based on the brain's own WB setting, so it still won't look the same even though it's truly identical in the physical meaning!

That's the whole deal with WB. If you remember when other people developed and printed film for you, and they came out orange if shot indoors, that's the thing. The print is "right" but looking at a print doesn't change the mind's current WB to what it was when you were seeing it live. In fact, the pigments on the page are interpreted using the mind's تيار WB, so they ideally would cancel out and the print should be made to a standard white point.

You can't capture the complete perception of the sunset. An accurate color space mapping will not evoke as much of the same feeling as a more poetic interpretation would. That's why people still take pictures of the sunset, and why it's "art". You could get a spectrometer and deliver a chart of scientific readings, but that's not what we're after here.

"I'm not worried about it changing in the few seconds between setting the white balance and taking the photo" No, don't "set" the white balance in the camera. You don't care, as the RAW data will be processed later with a more powerful computer and under your guidance. Shoot a test target immediately before, and use that to help you figure things out when you "develop" it. That takes no time or fiddling it's just another photo.