Модели и методы адаптивной интерполяции и глифовой визуализации геопространственных данных (на примере геомагнитной информации)

Г. О. Орлов, Э. Ф. Фарваев

Аннотация


Одним из магистральных направлений развития современных информационных технологий является создание новых и модернизация известных решений по обработке, анализу и визуализации геопространственной информации, активно используемой в системах поддержки принятия решений (в частности, для обеспечения функционирования объектов техносферы в экстремальных ситуациях). Важнейшей задачей здесь представляется максимально точное определение атрибутивных значений в точках, в которых физические измерения недоступны / невозможны всегда или в течение длительного периода времени. В работе на примере геомагнитных данных предложен и формализован адаптивный подход к интерполяции, при котором для различных пространственных областей и при различном сочетании внутренних и внешних факторов используются наиболее эффективные с точки зрения минимизации ошибки восстановления данных модели и методы. Применительно к рассматриваемым данным предлагается подход к визуализации, учитывающий их внутреннюю структуру, представленную в формате векторов и тензоров. Посредством многоосевых глифов сложной формы формализуется пространственная визуализация сложных геопространственных данных, сформированных на основе элементов тензорного исчисления. Предлагается исследовательский веб-ориентированный прототип решения, на примере пространственных данных о параметрах геомагнитного поля и его вариаций демонстрирующий эффективность предложенных решений.

Ключевые слова


геопространственные данные; геомагнитные данные; пространственная интерполяция; визуализация

Полный текст:

PDF

Литература


Vorobev A., Soloviev A., Pilipenko V., Vorobeva G., Sakharov Y. “An approach to diagnostics of geomagnetically induced currents based on ground magnetometers data” // Appl. Sci. 2022. no. 12, pp. 15-22.

Авакян С. В., Воронин Н. А., Дубаренко К. А. Влияние магнитных бурь на аварийность систем электроэнергетики, автоматики и связи // Глобальная энергия. 2012. № 3-2 (154). С. 253-266. EDN PESLKL. [[ Avakyan S. V., Voronin N. A., Dubarenko K. A. “The influence of magnetic storms on accidents in electric power, automation and communication systems” // Global Energy. 2012. No. 3-2 (154), pp. 253-266. EDN PESLKL. (In Russian). ]]

Vorobev A. V., Vorobeva G. R. “Approach to assessment of the relative informational efficiency of intermagnet magnetic observatories” // Geomagn. Aeron. 2018. no. 58, pp. 625-628. DOI 10.1134/S0016793218050158. EDN BVMYCD.

Воробьев А. В., Соловьев А. А., Пилипенко В. А., Воробьева Г. Р. Интерактивная компьютерная модель для прогноза и анализа полярных сияний // Солнечно-земная физика. 2022. Т. 8, № 2. С. 93-100. EDN YLVVDW. [[ Vorobyov A. V., Soloviev A. A., Pilipenko V. A., Vorobyeva G. R. “Interactive computer model for forecasting and analyzing polar auroras” // Solar-Terrestrial Physics. 2022. Vol. 8, No. 2, pp. 93-100. EDN YLVVDW. (In Russian). ]]

Zou T. et al “An overview of geospatial information visualization” // 2018 IEEE International Conference on Progress in Informatics and Computing (PIC), Suzhou, China, 2018, pp. 250-254.

Кориков А. М., Павлов С. Н. Теория систем и системный анализ. Москва: ИНФРА-М, 2024. 288 с. [[ Korikov A. M., Pavlov S. N. Systems Theory and System Analysis. Moscow: INFRA-M, 2024. (In Russian). ]]

Dieter M. Imboden, Stefan Pfenninger. Introduction to Systems Analysis: Mathematically Modeling Natural Systems. Berlin: Springer, 2012.

Гвишиани А. Д., Панченко В. Я., Никитина И. М. Системный анализ больших данных для наук о Земле // Вестник Российской академии наук. 2023. Т. 93, № 6. C. 518-525. EDN YCSNEI. [[ Gvishiani A. D., Panchenko V. Ya., Nikitina I. M. “Systems analysis of big data for Earth sciences” // Bulletin of the Russian Academy of Sciences. 2023. Vol. 93, No. 6, pp. 518-525. EDN YCSNEI. (In Russian). ]]

Gjerloev J. W. “The SuperMAG data processing technique” // J. Geophys. Res. 2012, no. 117, pp. A09213.

Waters C. L., Gjerloev J. W., Dupont M., Barnes R. J. “Global maps of ground magnetometer data” // J. Geophys. Res.: Space Physics. 2015, no. 120, pp. 9651-9660.

Kleijnen J. Kriging. “Methods and applications” // CentER Discussion Paper Series. 2017, no. 2017-047.

Zhang H., Tian Y., Zhao P. “Dispersion curve interpolation based on kriging method” // Applied Sciences. 2023, no. 13, pp. 2557. DOI 10.3390/app13042557. EDN EFYKTR.

Lebrenz H., Bardossy A. “Geostatistical interpolation by quantile kriging” // Hydrology and Earth System Sciences. 2019, no. 23, pp. 1633-1648.

Alexa M. “Conforming weighted Delaunay triangulations” // ACM Transactions on Graphics. 2020, no. 39, pp. 1-16.

Weng Y., Cao J., Chen Zh. “Global optimization of optimal Delaunay triangulation with modified whale optimization algorithm” // Engineering with Computers. 2024, pp. 1-22.

Weickert, J., Hagen, H. Visualization and Processing of Tensor Fields. Mathematics and Visualization. Berlin: Springer, 2006.

Yu Q., Zhang X., Huang Zh.-H. “Tensor factorization-based method for tensor completion with spatio-temporal characterization” // Journal of Optimization Theory and Applications. 2023. Vol. 199, pp. 337-362. EDN EHWIZX.

Xia S., Qiu D., Zhang X. “Tensor factorization via transformed tensor-tensor product for image alignment” // Numerical Algorithms. 2023. Vol. 95, pp. 1251-1289.

Lamé curve. Encyclopedia of Mathematics [Электронный ресурс]. URL: http://encyclopediaofmath.org/index.php?title=Lam%C3%A9_curve&oldid=53931 (дата обращения: 10.09.2024).

Rahman M. H., Naderuzzaman M., Kashem M. A., et al., “Comparative study: performance of MVC frameworks on RDBMS” // International Journal of Information Technology and Computer Science (IJITCS). 2024. Vol. 16, no. 1, pp. 26-34.

Golmohammadi A., Zhang M., Arcuri A. “Testing RESTful APIs: a survey” // ACM Transactions on Software Engineering and Methodology. 2023. Vol. 33, no. 1, pp. 1-41.

Bogner J., Kotstein S., Pfaff T. “Do RESTful API design rules have an impact on the understandability of Web APIs?” // Empirical Software Engineering. 2023, no. 28.

Воробьев А. В. Методологические основы обработки пространственной информации для поддержки принятия решений на основе агрегированных цифровых двойников (на примере высокоширотных геомагнитных данных) // СИИТ. 2023. Т. 5, № 4(13). С. 3-27. EDN LLACNX. [[ Vorobyov A. V. “Methodological foundations of processing spatial information to support decision-making based on aggregated digital twins (using high-latitude geomagnetic data as an example)” // SIIT. 2023. Vol. 5, No. 4(13), pp. 3-27. EDN LLACNX. (In Russian). ]]

Воробьева Г. Р. Методологические основы обработки неоднородной пространственно-временной информации в системах поддержки принятия решений на основе технологий больших данных (на примере геомагнитных данных) // СИИТ. 2023. Т. 5, № 3(12). С. 3-26. EDN BBUXQT. [[ Vorobyova G. R. “Methodological foundations for processing heterogeneous spatio-temporal information in decision support systems based on big data technologies (using geomagnetic data as an example)” // SIIT. 2023. Vol. 5, No. 3(12), pp. 3-26. EDN BBUXQT. (In Russian). ]]

Орлов Г. О. Подход к обеспечению безопасности программного кода в веб-ориентированной среде // СИИТ. 2023. Т. 5, № 5(14). С. 68-77. EDN HPCIMR. [[ Orlov G. O. “Approach to ensuring security of software code in a web-oriented environment” // SIIT. 2023. Vol. 5, No. 5(14), pp. 68-77. EDN HPCIMR. (In Russian). ]]

Буряковский П. К. Подход к определению кратчайшего расстояния между объектами разнородной геопространственной геометрии // СИИТ. 2023. Т. 5, № 5(14). С. 88-94. EDN ZWGBWG. [[ Buryakovsky P.K. “Approach to determining the shortest distance between objects of heterogeneous geospatial geometry” // SIIT. 2023. Vol. 5, No. 5(14), pp. 88-94. EDN ZWGBWG. (In Russian). ]]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2025 Г. О. Орлов, Э. Ф. Фарваев