أكثر

توليد شبكة القنوات (جريان مياه الأمطار) - أي خوارزمية هي الأفضل؟


أريد حساب مارك ألماني لبلد بأكمله (79000 كيلومتر مربع) وأريد أن أكون صحيحًا هيدرولوجيًا قدر الإمكان. بعد ذلك ، بالنسبة لهذا DEM الصحيح ، أحتاج إلى حساب خطوط تصريف جريان السطح. يمكنني استخدام نموذج 4G ، وهو عبارة عن سحابة من النقاط المنفصلة 5x5 م. لكن هذا ثانوي. ما الخوارزمية التي يجب أن أستخدمها لحل هذا؟

على بيانات نموذجية ، اختبرت TauDEM ، والذي يبدو أنه أداة جيدة حقًا ، ولكن عندما يُفترض أن يصنع خطوطًا نقطية بخطوط تصريف ، فإن النقطية الناتجة لها قيمة واحدة فقط (أسود كامل). لقد جربته على ArcGIS 10.2 و 9.3 (على نظام Win 7). كلاهما كانا متشابهين ، الخطوات الأولى على ما يرام ، ثم النقطية السوداء. حاولت استخدام TauDEM في QGIS ، لكن كان هناك خطأ:

"عفوًا! تعذر فتح طبقات الإخراج التالية" ...

راجعت المسارات إلى صندوق الأدوات وكان كل شيء على ما يرام. الأداة التالية التي جربتها كانت ArcHydro toolbox ، ولكن يبدو أن هذه الأداة غير دقيقة للغاية.

هل يعرف أي شخص أداة جيدة لمحاكاة خطوط الصرف؟ أو لماذا لا يمكنني فعل ذلك مع TauDEM؟

تعديل: كنتيجة نهائية ، أحتاج إلى ملف أشكال لخطوط الجريان السطحي. لدي بالفعل بعض ، ولكن هناك العديد من الأخطاء مثل عبور الخطوط ، لا يتم قطع الخطوط إلى الجزء التالي وما إلى ذلك. الآن أحاول حسابها مرة أخرى بدون هذه الأخطاء.

مثال على خطوط الجريان السطحي:


يعتمد اختيار الخوارزمية الصحيحة لتصحيح DEM هيدرولوجيًا حقًا على تطبيقك الخاص. حجم مارك ألماني هو بالتأكيد مشكلة ، كما اكتشفت. إذا كان لديك DEM ضخم ، فلا يوجد سوى عدد قليل من الخوارزميات التي ستعمل في تطبيقك. اعتبار آخر مهم هو ما إذا كانت جميع المنخفضات الطبوغرافية في DEM الخاص بك هي في الواقع قطع أثرية أم لا ، وما إذا كان أي من الاكتئاب الحقيقي الذي قد يكون في DEM الخاص بك مهمًا من حيث العملية التي تقوم بنمذجة (تدفق السطح النمذجة في حالتك) . إذا كانت هناك ميزات حقيقية ، وكانت مهمة ، فيجب أن تبحث عن طريقة للاحتفاظ بهذه الميزات في DEM الخاص بك. ثم هناك سؤال خرق ملء الاكتئاب مقابل الاكتئاب. اتضح أنه على الرغم من توفر العديد من خوارزمية ملء الاكتئاب ، فإنها ستؤدي جميعها إلى نفس الحل (انظر هذا السؤال). من المهم أن يؤدي ملء الاكتئاب دائمًا تقريبًا إلى تأثير أكبر بكثير على DEM (أي تعديل قيم الارتفاع الأصلية) أكثر من اختراق الاكتئاب. أوصي دائمًا تقريبًا بحلول اختراق الاكتئاب على الملء.

حتى الآن للجزء الصعب حقا. لقد طلبت أداة للتوصية. كإفصاح كامل ، أنا المطور الرئيسي لأدوات تحليل GIS Whitebox Geospatial Analysis مفتوحة المصدر. يحتوي Whitebox GAT على العديد من الأدوات المتاحة لإزالة الاكتئاب داخل صندوق أدوات المعالجة المسبقة لـ DEM الموجود في صندوق أدوات الأدوات الهيدرولوجية. على سبيل المثال ، هناك أدوات تنفذ خوارزمية Planchon و Darboux ، وهي مناسبة للاستخدام مع DEMs الضخمة ، بالإضافة إلى خوارزمية تعبئة Wang and Liu (2006) ، والتي تعد أسرع بكثير ولكنها غير مناسبة لـ DEMs الضخمة. يحتوي أيضًا على أدوات لاختراق الاكتئاب ، وهو حل جيد جدًا لوحدات DEM الضخمة عالية الدقة. لقد انتهيت للتو من كتابة أداة تقوم بخرق الاكتئاب بكفاءة عالية (بسرعة خوارزمية وانج وليو) ولكنها ليست مناسبة لل DEMs الضخمة. لذلك هناك الكثير من الخيارات هناك. مرحبًا بكم في المياه العكرة للمعالجة المسبقة لـ DEM! أعتقد أن العديد من الأشخاص يستخدمون أي أداة متاحة في ArcGIS دون التفكير كثيرًا في مدى تأثيرها على نتائج التحليل.

تحرير: حسنًا ، إذا كانت خطوط القناة هي ما تسعى إليه ، فهناك طريقتان عامتان لإنجاز هذه المهمة. النهج الأول هو استخدام نهج قائم على الشكل. تعتمد هذه التقنيات على العمل المبكر لبيكر ودوغلاس (1975) وجونستون وروزنفيلد (1975) ، وتستند إلى إيجاد ملامح على شكل حرف V ، أو بعض مقاييس الانحناء العتبة ، أو بعض المواقع الطبوغرافية المنخفضة. لديهم ميزة أنها لا تتطلب ملء الاكتئاب أو إزالة المناطق المسطحة ويمكنهم العمل بشكل جيد للغاية للحصول على وحدات DEM عالية الدقة والدقة في المناطق ذات التضاريس الطبوغرافية العالية نسبيًا. لديهم عيب أنها لا تنتج بالضرورة شبكات قناة واسعة أحادية الخلية مستمرة وبالتالي تتطلب معالجة لاحقة كبيرة. يمكن أن تتأثر أيضًا بشكل كبير بحجم التشغيل كما يتضح من تأثيرات مرشحات تجانس DEM. في Whitebox GAT ، ستجد ملف البحث عن الوديان سلسلة من الأدوات في مربع أدوات Stream Network Analysis التي يمكن استخدامها لتنفيذ هذا النوع من تعيين القنوات.

يعتمد النهج العام الثاني على قياس المنطقة المساهمة في المنحدرات. تعود كل هذه التقنيات إلى عمل O'Callaghan و Mark وخوارزمية تدفق D8 ، على الرغم من وجود العديد من الدراسات منذ ذلك الحين. الفكرة العامة هي أنه يمكنك استخدام DEM كوسيلة لتمييز مسارات التدفق ولقياس المنطقة المساهمة في المنحدر. في الواقع ، تكمن أهمية المنطقة المساهمة في المنحدر في أنها بديل للتصريف (كلما زادت المساحة التي يتم تصريفها إلى الموقع ، زادت كمية المياه التي يتم تصريفها من الموقع). في حين أن منطقة الصرف والتصريف مرتبطان جيدًا في الواقع بالنسبة لمعظم الأحواض ، إلا أنهما بشكل عام علاقة غير خطية. مع معالجة DEM لكل من مشكلة اتجاه التدفق ومنطقة المنحدر / مقياس التفريغ ، تصبح المشكلة واحدة من تحديد رؤوس القنوات ، أي أنها مشكلة بدء القناة المتعلقة بتآكل المواد السطحية. بشكل عام ، نكتشف ذلك ببساطة عن طريق تطبيق عتبة ثابتة ثابتة للمناظر الطبيعية على خريطة المنطقة المساهمة ، على الرغم من وجود قدر لا بأس به من الأبحاث التي توضح عدم وجود مثل هذه العتبة الثابتة في الواقع وأنها تعتمد على مواد الانحدار والسطح المحلية (انظر عمل مونتغمري). لهذا السبب يتعين عليك عمومًا تجربة قدر معقول مع عتبات مختلفة قبل العثور على القيمة المناسبة. على أي حال ، في Whitebox GAT ، يمكنك استخدام واحدة من عدة خوارزميات توجيه التدفق المتوفرة في مربع أدوات التحليل الهيدرولوجي لقياس منطقة المنحدر ، على الرغم من تذكر أن هذه التقنيات تتطلب إزالة المنخفضات والمناطق المسطحة لتعمل بشكل صحيح. راجع أيضًا ملف استخراج تيارات أداة في مربع أدوات تحليل شبكة البث. الميزة الرئيسية لهذه الأساليب القائمة على المنطقة هي أنها يمكن أن تنتج شبكات قنوات واسعة أحادية الخلية مستمرة وقابلة لتدفق تحليل الشبكة. يمكن استخدام الأدوات الموجودة في مربع أدوات Stream Network Analysis للقيام بجميع أنواع المعالجة التحليلية لشبكات تدفق البيانات النقطية المستخرجة من DEMs بما في ذلك تصنيف الدفق والترتيب وتحليل منحدر القناة ورسم خرائط الملف الشخصي وتحديد القنوات الرئيسية وما إلى ذلك. هي أداة تسمى تدفقات نقطية إلى متجه سيحول الدفق النقطي إلى ملف شكل يمكنك استخدامه لأغراض العرض.


تعريف دقيق لمتوسط ​​الوقت المعقد؟

الآن أنا من خلفية رياضية ، ووجدت تعريف رجال علوم الكمبيوتر لمتوسط ​​تعقيد الوقت قليلاً. مربكة على أقل تقدير.

إليكم تعريف أشعر بالراحة تجاهه:

ضع في اعتبارك مجموعة $ A $ من العناصر المحدودة ، حيث تشير كل $ a in A $ إلى حالات الإدخال الفردية. توجد دالة $ T (a) mapsto t in mathbb$ ، أي ، وقت الركض للحالات الفردية. الآن يمكننا تحديد متوسط ​​وقت تشغيل مجموعة الإدخال ليكون ببساطة $ overline(أ) = فارك < مجموع حدود_T (a)> < # A>، $ حيث يشير $ # A $ عدد العناصر بعملة $ A $. على سبيل المثال ، في QuickSort ، نسمح لـ $ A_n = < text> = mathbb^ ن $.

لكن علينا الآن القيام بخطوة إضافية. يمكن أن يأخذ العدد الصحيح على لانهائي مجموعة من القيم ، لذلك فإننا نعتبر بطبيعة الحال قيود الذاكرة وبدلاً من ذلك نحصر كل عدد صحيح $ i $ ليكون $ L le i le U $. الآن $ # (A_n) = (U-L + 1) ^ n $ ، ولدينا $ T محدد بوضوح ( cdot) $ ، ويمكننا محاولة اكتشاف $ overline(A_n) $ ، على الرغم من أن هذا ملف جدا مشكلة التوافقية الصعبة.

يمكننا أيضًا اعتبار $ i $ رقمًا حقيقيًا محددًا ، مع التعديل $ # (A_n) = mu _ < text> (A_n) = (U-L) ^ n $ و $ overline(A_n) = frac <1> <(U-L) ^ n> int limits_ت (أ) ، ماثرم mu _ < text>. $

ما فعله الأشخاص في CS بدلاً من ذلك ، هو ذكر $ T (a) le T ( text) + T ( text) + cn $ لبعض $ c $ ، ثم ببساطة متوسط ​​$ T ( text) $ و $ T ( text) دولار لتفاوت أطوال الرأس أو الذيل. يشير هذا ضمنيًا إلى أن أطوال الرأس (أو الذيل) المتغيرة بطريقة ما هي & quot ؛ احتمالية متساوية & quot ، حتى مع مراعاة القيد الذي يجعل $ A_n $ محدودًا. يشبه هذا القول أنه يمكنك اختيار رقم فردي من مجموعة جميع الأعداد الصحيحة عند & quot $ 50 ٪ $ احتمال & quot دون حتى عناء تحديد ما تعنيه هذه & quotprobability & quot.

إذن ، كيف يتم تحديد متوسط ​​التعقيد الزمني هذا بدقة على عدد لا حصر له من الحالات؟

إذا كان متوسط ​​التعقيد الزمني يعتمد على مجموعة من القواعد لترجمة العودية المحددة بوضوح إلى ما هو في الأساس تعريف مخصص بديهي في كل مرة ، كيف يمكننا تحديد متوسط ​​التعقيد الزمني للتعليمة البرمجية التعسفية؟


2 إجابات 2

إذا كنت تريد حلاً مفتوح المصدر للصندوق الأسود ، فحاول النظر إلى Weka ، مكتبة جافا من خوارزميات ML. استخدم هذا الرجل أيضًا الطبقات Covolutional Layers في Weka ويمكنك تعديل رمز التصنيف الخاص به ليناسب مهمة تصنيف السلاسل الزمنية.

أما بالنسبة للترميز الخاص بك. أنا أعمل على نفس المشكلة باستخدام مكتبة python ، theano (سأقوم بتحرير هذا المنشور برابط إلى الكود الخاص بي إذا قمت بفكه في وقت ما قريبًا). فيما يلي قائمة شاملة بجميع الأوراق التي سأستخدمها لمساعدتي في قضاء ساعة جيدة في البحث على الويب:

كنقطة بداية ، يمكنك تحرير الكود الموجود هنا لتصنيفه مقابل عدد مختلف من الفئات ، أو تحريره من التصنيف إلى الانحدار - لقد قمت بذلك عن طريق إزالة طبقة softmax النهائية وإنشاء عقدة إخراج واحدة فقط. قمت بتدريبه على شرائح دالة مثل y = sin (x) كاختبار.

من الممكن تمامًا استخدام CNN لعمل تنبؤات متسلسلة زمنية سواء كان ذلك الانحدار أو التصنيف. CNNs جيدة في العثور على الأنماط المحلية وفي الواقع تعمل شبكات CNN مع افتراض أن الأنماط المحلية ذات صلة في كل مكان. الالتفاف أيضًا عملية معروفة في السلاسل الزمنية ومعالجة الإشارات. ميزة أخرى على RNNs هي أنها يمكن أن تكون سريعة جدًا للحساب حيث يمكن موازنتها على عكس الطبيعة المتسلسلة RNN.

في الكود أدناه ، سأعرض دراسة حالة حيث من الممكن التنبؤ بالطلب على الكهرباء في R باستخدام keras. لاحظ أن هذه ليست مشكلة تصنيف (لم يكن لدي مثال مفيد) ولكن ليس من الصعب تعديل الكود للتعامل مع مشكلة التصنيف (استخدم ناتج softmax بدلاً من الإخراج الخطي وخسارة إنتروبيا متقاطعة).

مجموعة البيانات متاحة في مكتبة fpp2:

بعد ذلك نقوم بإنشاء مولد بيانات. يستخدم هذا لإنشاء مجموعات من بيانات التدريب والتحقق من الصحة لاستخدامها أثناء عملية التدريب. لاحظ أن هذا الرمز هو نسخة أبسط من منشئ البيانات الموجود في الكتاب & quotDeep Learning with R & quot (وإصدار الفيديو منه & quotDeep Learning with R in Motion & quot) من المنشورات الإدارية.

بعد ذلك ، نحدد بعض المعلمات التي سيتم تمريرها إلى مولدات البيانات الخاصة بنا (نقوم بإنشاء مولدين ، أحدهما للتدريب والآخر للتحقق).

معلمة البحث هي إلى أي مدى نريد أن ننظر في الماضي ونتطلع إلى أي مدى في المستقبل نريد أن نتنبأ به.

بعد ذلك ، قمنا بتقسيم مجموعة البيانات الخاصة بنا وإنشاء مولدين:

بعد ذلك ، نقوم بإنشاء شبكة عصبية بطبقة تلافيفية ودرّب النموذج:

أخيرًا ، يمكننا إنشاء بعض التعليمات البرمجية للتنبؤ بتسلسل من 24 نقطة بيانات باستخدام إجراء بسيط ، موضح في تعليقات R.


2 إجابات 2

الطريقة التي يتنبأ بها المستشعر بالإخراج في كل تكرار هي باتباع المعادلة:

كما قلت ، وزنك $ vec$ يحتوي على مصطلح تحيز $ w_ <0> $. لذلك ، تحتاج إلى تضمين $ 1 في الإدخال للحفاظ على الأبعاد في حاصل الضرب النقطي.

تبدأ عادةً بمتجه عمود للأوزان ، أي متجه $ n مرة 1 $. بحكم التعريف ، يتطلب المنتج النقطي تبديل هذا المتجه للحصول على متجه وزن بقيمة 1 دولار مرات n دولارًا ولإكمال المنتج النقطي ، تحتاج إلى متجه إدخال $ n مرات 1 دولار. لهذا السبب أكد A على التغيير بين تدوين المصفوفة ورمز المتجه في المعادلة أعلاه ، حتى تتمكن من رؤية كيف يقترح التدوين الأبعاد الصحيحة.

تذكر أن هذا يتم لكل إدخال لديك في مجموعة التدريب. بعد ذلك ، قم بتحديث متجه الوزن لتصحيح الخطأ بين المخرجات المتوقعة والمخرجات الحقيقية.

بالنسبة إلى حدود القرار ، إليك تعديل لرمز scikit Learn الذي وجدته هنا:

والتي تنتج المؤامرة التالية:

الفكرة الأساسية هي التنبؤ بقيمة كل نقطة في شبكة تغطي كل نقطة ، ورسم كل تنبؤ بلون مناسب باستخدام كفاف.


تقيس هذه الطريقة المسافة من النقاط في مجموعة واحدة إلى العناقيد الأخرى. ثم بصريا لديك مؤامرات صورة ظلية تتيح لك اختيار K.

K = 2 ، صورة ظلية من ارتفاعات متشابهة ولكن بأحجام مختلفة. لذا ، مرشح محتمل.

K = 3 ، صور ظلية من ارتفاعات مختلفة. إذن ، مرشح سيء.

K = 4 ، صورة ظلية من ارتفاعات وأحجام مماثلة. أفضل مرشح.


الجريان السطحي ودورة المياه

الجريان السطحي ليس أكثر من "جريان" الماء على سطح الأرض. تمامًا كما تنساب المياه التي تغسل سيارتك بها في الممر أثناء عملك ، فإن المطر الذي تغطي الطبيعة الأم به المناظر الطبيعية ينساب أيضًا إلى أسفل المنحدرات (بسبب الجاذبية). الجريان السطحي هو عنصر مهم في دورة المياه الطبيعية.

ملاحظة: يناقش هذا القسم من مدرسة علوم المياه دورة المياه "الطبيعية" للأرض دون تدخل بشري.

مكونات دورة المياه " أجواء · تركيز · تبخر · التبخر · بحيرات وأنهار المياه العذبة · تدفق المياه الجوفية · تخزين المياه الجوفية · الجليد و الثلج · تسرب · المحيطات · تساقط · ذوبان الجليد · الينابيع · التدفق · تسامي · الجريان السطحي

الجريان السطحي هو جريان هطول الأمطار فوق الأرض

المناطق غير منفذة تسبب الجريان السطحي المفرط.

في قسمنا حول تخزين المياه في المحيطات نصف كيف تعمل المحيطات كمخزن كبير للمياه يتبخر لتصبح الرطوبة الجوية. المحيطات ممتلئة تساقط وكذلك عن طريق الجريان السطحي والتصريف من الأنهار و الارض. ربما يكون لدى الكثير من الناس فكرة مبسطة للغاية مفادها أن هطول الأمطار يسقط على الأرض ويتدفق براً (جريان المياه) ، ويصب في الأنهار ، التي تصب بعد ذلك في المحيطات. وهذا "مفرط في التبسيط" لأن الأنهار تكتسب أيضًا المياه وتفقدها على الأرض. ومع ذلك ، فمن الصحيح أن الكثير من المياه في الأنهار تأتي مباشرة من الجريان السطحي من سطح الأرض، والذي يعرف بأنه الجريان السطحي.

متي تمطر يضرب المشبعة أو أرض منيعة يبدأ في التدفق على المنحدرات البرية. من السهل معرفة ما إذا كان يتدفق عبر الممر الخاص بك إلى الرصيف وفي مجاري العاصفة ، ولكن من الصعب ملاحظة أنه يتدفق برا في بيئة طبيعية. أثناء هطول أمطار غزيرة ، قد تلاحظ وجود مجاري صغيرة من المياه تتدفق إلى أسفل التل. سوف يتدفق الماء على طول القنوات عندما يتحرك إلى حجم أكبر الجداول والجداول والأنهار. تعطي هذه الصورة مثالاً بيانيًا لكيفية دخول الجريان السطحي (الذي يتدفق هنا من الطريق) إلى جدول صغير. الجريان السطحي في هذه الحالة يتدفق فوق التربة العارية ويترسب الرواسب في النهر (ليس جيدًا لـ جودة المياه). الجريان السطحي الذي يدخل هذا الخور يبدأ رحلته إلى المحيط.

يأتي الكثير من المياه في الأنهار مباشرة من جريان الأمطار من المناظر الطبيعية.

الائتمان: Galen Hoogestraat ، USGS

كما هو الحال مع جميع جوانب دورة المياه ، يختلف التفاعل بين هطول الأمطار والجريان السطحي وفقًا للوقت والجغرافيا. ستنتج عواصف مماثلة تحدث في غابات الأمازون وفي الصحراء جنوب غرب الولايات المتحدة تأثيرات مختلفة للجريان السطحي. يتأثر الجريان السطحي بكل من عوامل الأرصاد الجوية والجيولوجيا الفيزيائية وتضاريس الأرض. فقط حوالي ثلث هطول الأمطار الذي يسقط على الأرض يتدفق إلى الجداول والأنهار ويعود إلى المحيطات. تم تبخير الثلثين الآخرين ، رشحأو نقع (يتسلل) داخل مياه جوفية. يمكن أيضًا تحويل الجريان السطحي بواسطة البشر لاستخداماتهم الخاصة.

سوف يندمج الخور الصغير الموضح في الصورة أعلاه مع جدول آخر ، ويتدفق في النهاية إلى نهر أكبر. وبالتالي ، فإن هذا الخور هو رافد لنهر في مكان ما أسفل مجرى النهر ، وسوف تتدفق المياه في هذا النهر في النهاية إلى المحيط. لا يختلف هذا المفهوم كثيرًا عن الشعيرات الدموية الصغيرة في جسمك التي تنقل الدم إلى الشرايين الكبيرة ، وفي النهاية تجد طريقها إلى قلبك ، على غرار المحيط.

عوامل الأرصاد الجوية التي تؤثر على الجريان السطحي:

  • نوع من تساقط (مطر ، ثلج ، صقيع ، إلخ.)
  • شدة هطول الأمطار
  • كمية الأمطار
  • مدة هطول الأمطار
  • توزيع هطول الأمطار على إناء تفريغ
  • اتجاه حركة العاصفة
  • هطول الأمطار الذي حدث في وقت سابق ونتج عنه رطوبة التربة
  • الظروف الجوية والمناخية الأخرى التي تؤثر على التبخر ، مثل درجة الحرارة والرياح والرطوبة النسبية والموسم

الخصائص الفيزيائية التي تؤثر على الجريان السطحي:

  • استخدام الأراضي
  • الغطاء النباتي
  • نوع التربة
  • مساحة حوضه
  • شكل الحوض
  • ارتفاع
  • التضاريس وخاصة منحدر الأرض
  • أنماط شبكة الصرف الصحي
  • البرك والبحيرات ، الخزانات، والمصارف ، وما إلى ذلك في الحوض ، والتي تمنع أو تؤخر الجريان السطحي من الاستمرار في اتجاه مجرى النهر

يمكن أن تؤثر الأنشطة البشرية على الجريان السطحي

يمكن أن يحدث التعرية الشديدة عندما يتلاعب الناس بالمناظر الطبيعية بغض النظر عن كيفية تسبب جريان مياه الأمطار في تآكل التربة المكشوفة.

الائتمان: هوارد بيرلمان ، USGS

مع تزايد عدد الأشخاص الذين يسكنون الأرض ، ومع حدوث المزيد من التنمية والتحضر ، يتم استبدال المزيد من المناظر الطبيعية أسطح غير منفذة، مثل الطرق والمنازل ومواقف السيارات والمباني التي تقلل من تسرب المياه إلى الأرض وتسرع الجريان السطحي للخنادق والجداول. بالإضافة إلى زيادة المناعة ، وإزالة الغطاء النباتي والتربة ، وتدريج سطح الأرض ، وبناء شبكات الصرف ، مما يزيد من حجم الجريان السطحي ويقصر وقت الجريان في الجداول من الأمطار و ذوبان الجليد. ونتيجة لذلك ، فإن ذروة التفريغ وحجم وتواتر الفيضانات تزداد في الجداول المجاورة.

التنمية الحضرية والفيضانات

تحضر يمكن أن يكون لها تأثير كبير على العمليات الهيدرولوجية ، مثل أنماط الجريان السطحي. تخيل الأمر على هذا النحو: في بيئة طبيعية ، فكر في الأرض الموجودة في مستجمعات المياه جنبًا إلى جنب مع مجرى مائي كإسفنجة (بشكل أكثر دقة ، كطبقات من الإسفنج بمسامات مختلفة) تنحدر صعودًا بعيدًا عن التيار. عندما تمطر ، يتم امتصاص بعض الماء في الإسفنج (تسرب) وبعضها يمتد من سطح الإسفنج إلى التيار (الجريان السطحي). افترض حدوث عاصفة استمرت ساعة واحدة ودخل نصف هطول الأمطار إلى التيار بينما تمتص الإسفنج الباقي. الآن ، لا تزال الجاذبية تلعب دورًا هنا ، لذا فإن الماء الموجود في الإسفنج سيبدأ في التحرك في اتجاه هبوطي عام ، مع تسرب معظمه إلى ضفاف النهر خلال اليوم أو اليومين التاليين.

بعد ذلك ، تخيل أن الطرق والمباني قد حلت محل معظم سطح مستجمعات المياه. عندما تحدث شبر واحد من الأمطار ، فإنه لا يمكنه التسلل إلى هذه الأسطح غير المنفذة وسيجري الجريان مباشرة في التيار ، وبسرعة كبيرة أيضًا! والنتيجة هي فيضان حضري سريع للغاية وقصير العمر ، وليس ارتفاعًا تدريجيًا وهبوطًا في النهر. ومع ذلك ، فإن الفيضان الذي يستمر حتى 10 دقائق قصيرة يكفي لتدمير الطابق السفلي الخاص بك.

يتضح هذا المفهوم من خلال مخطط هيدروغرافي ريفي (Newaukum Creek - الخط الأزرق) وخور حضري (Mercer Creek - الخط الأخضر) في ولاية واشنطن. إذا قمت بقياس المنطقة الواقعة أسفل كلا المنحنيين (الحجم الإجمالي للمياه التي تدفقت بواسطة موقع القياس للفترة الزمنية الموضحة على المحور X) في المخطط ، فقد تكون هي نفسها. ولكن في التيار الحضري ، والمياه في قياس ارتفع الموقع بمعدل أعلى بكثير ووصل إلى مرحلة (ارتفاع) أعلى بكثير مما وصل إليه التيار الريفي. أظهر منحنى ميرسر كريك طويلًا شديد الانحدار حدوث تدفقات أعلى بكثير في التيار الحضري. تراجعت مرحلة التيار الحضري نحو التدفق الأساسي بشكل أسرع أيضًا ، مما يشير إلى أنها لم تكن تتلقى الكثير من التسرب من المياه الجوفية. "تدفق القاعدة"هو التدفق المستدام للتيار في حالة عدم وجود جريان مباشر. وهو يشمل تدفقات مجاري طبيعية وبشرية. ويتم الحفاظ على تدفق القاعدة الطبيعي إلى حد كبير عن طريق تصريف المياه الجوفية.

ارتفع التيار الريفي بشكل أبطأ بكثير ووصل إلى ذروة منخفضة ، مما يعني أنه ربما لم يغمر على الإطلاق. استغرق الأمر وقتًا أطول للعودة إلى التدفق الأساسي حيث تسربت المياه الجوفية ببطء إلى ضفاف النهر خلال الأسبوع التالي.


توليد شبكة القنوات (جريان مياه الأمطار) - أي خوارزمية هي الأفضل؟ - نظم المعلومات الجغرافية

تحميل الصفحة - الرجاء الانتظار.

مساحة حوضه

يُعرّف المصطلح & quot؛ منطقة الصرف & quot على أنه مساحة الأرض التي يتساقط فيها هطول الأمطار في الجداول والجداول والأنهار والبحيرات والخزانات. إنها ميزة أرضية يمكن تحديدها من خلال تتبع خط على طول أعلى ارتفاع بين منطقتين على الخريطة ، وغالبًا ما تكون سلسلة من التلال. تحتوي أحواض الصرف الأكبر ، مثل المناطق التي تصب في نهر كولومبيا ، على العديد من أحواض الصرف الأصغر ، والتي تسمى غالبًا مستجمعات المياه. يتم قياس مساحة الصرف لحوض النهر في مستوى أفقي محاط بحاجز الصرف الذي يحدد الحوض. في بعض الحالات ، قد تحتوي أحواض الأنهار على أحواض فرعية غير مساهمة ، أو تسمى عادة الأحواض المغلقة ، حيث يبقى الجريان السطحي داخل الحوض ولا يساهم في الحوض الأكبر المحيط بالحوض المغلق.

تاريخيا تم ترسيم مناطق الصرف باستخدام مقاييس الكواكب. تم تحديد مناطق الصرف مؤخرًا باستخدام نظام المعلومات الجغرافية (GIS). تعتمد دقة حساب منطقة الصرف على مقياس الخريطة ، والتقنية ، وترسيم حدود فجوات الصرف ، من بين أسباب أخرى. بالإضافة إلى ذلك ، قد يشمل الإبلاغ عن مناطق الصرف أو لا يشمل أحواض مغلقة ، ويجب أن يأخذ استخدام القيمة في تحليل الحوض في الاعتبار أي تحويل أو تصريف مرتجع داخل الحوض الأكبر أو إلى / من الحوض نفسه.

في بعض الحالات ، سيتم الإبلاغ عن منطقة الصرف إما & quotunknown & quot أو & quotundetermined & quot. هذا يعني إما أن الصرف لم يتم تحديده ، وهو شائع مع المحطات الجديدة حيث سنحدد المنطقة ونبلغ عنها بالمطبوعات المستقبلية ، أو يعني أن منطقة الصرف ليس لها معنى نسبي ، حيث تكون المحطة عبارة عن تحويل ، عودة ، قناة ري بحيرة ، أو سمات هيدرولوجية مماثلة حيث لا يمكن أن يرتبط تدفق المجرى أو محتويات البحيرة بحوض نهر ومنطقة صرفه.

رابط لصفحة الويب على مقاييس الكواكب المستخدمة بإذن من الدكتور روبرت فوت ، قسم الرياضيات وعلوم الكمبيوتر ، كلية واباش.


4 إجابات 4

ما يمكنك فعله هو إنشاء خريطة فورونوي بشكل عشوائي مثل هذا:

  1. انتقاء نقاط مركزية عشوائية (انظر النقاط السوداء) وقرر عشوائيًا ما إذا كانت عشبًا أم ترابًا.
  2. ثم بالنسبة لجميع البلاط ، تحقق مما إذا كانت الأقرب إلى نقطة مركزية من الأوساخ أو العشب.
  3. منجز!

إذا كان ما فعلته سابقًا هو "قلب عملة" لكل بلاطة (ضوضاء) ، فإن إنشاء مخطط Voronoi سيوفر نتيجة أفضل بكثير.

يمكنك تحسين ذلك عن طريق تقسيم نقاط المركز إلى جزر باستخدام خوارزمية:

  1. يختار مجموعة صغيرة من نقاط المركز ويعينهم كقادة.
  2. يضيف بشكل تكراري نقطة مركزية متجاورة عشوائية غير محددة في كل منعطف.
  3. منجز!

يمكنك استخدام ضوضاء بيرلين ، والتي تُستخدم بشكل طبيعي لتوليد خريطة الارتفاع. ضجيج بيرلين في الألعاب

ثم يمكنك استخدام المرتفعات كمستشار ، ومدى ارتفاع فرصة حدوث العشب / الأوساخ في منطقة واحدة من الخريطة.

مثال (قيم ضوضاء بيرلين من 0-256): إذا كانت القيمة تزيد عن 200 ، فإن فرصة وضع العشب هي 80٪ (ترابية 20٪). إذا كانت القيمة بين 100 و 200 ، فإن فرصة وضع العشب هي 50٪ (الأوساخ أيضًا 50٪). إذا كانت القيمة أقل من 100 ، فإن فرصة وضع العشب هي 20٪ (الأوساخ 80٪).

هنا نسختي من طريقة التشغيل الآلي الخلوية تبدأ بملء الشبكة بشكل عشوائي ثم قم بتشغيل قواعد الأوتوماتا cullular عليها عدة مرات

  • إذا كان للخلية الحية أقل من جارين على قيد الحياة ، فإنها تموت.
  • إذا كان للخلية الحية اثنان أو ثلاثة من الجيران الأحياء ، فإنها تظل حية.
  • إذا كان للخلية الحية أكثر من ثلاثة جيران أحياء ، فإنها تموت.
  • إذا كان للخلية الميتة ثلاثة جيران أحياء بالضبط ، فإنها تصبح حية.

وينتهي به الأمر وكأنه كهف

يمكن تحويل الفهرس إلى الموضع x & ampy والعودة بهذا الرمز

أعيد فقط قائمة العناصر المنطقية لأنني أستخدم هذه القائمة للعديد من الأشياء: الكهوف ، والأشجار ، والزهور ، والعشب ، والضباب ، والماء ، يمكنك حتى الجمع بين قوائم متعددة بطرق مختلفة هنا أولاً أزل جميع الكهوف الصغيرة ثم اتحد قائمتين عشوائي


اعتبارًا من OpenSSL 1.1.1 ، يصبح توفير subjectAltName مباشرة في سطر الأوامر كثير أسهل ، مع إدخال علامة -addext إلى openssl req (عبر هذا الالتزام).

يضيف الالتزام مثالاً إلى صفحة الدليل openssl req:

تم دمج هذا في الفرع الرئيسي للأمر openssl على Github ، واعتبارًا من 18 أبريل 2018 يمكن تثبيته عبر تجميع git pull + (أو عبر Homebrew إذا كان على OS X: brew install --devel [email protected]).

لاحظ أنه إذا قمت بتعيين سمة التكوين "req_extensions" في القسم "[req]" في openssl.cfg ، فسوف تتجاهل معلمة سطر الأوامر

استنادًا إلى ارتباط من DarkLighting ، إليك الأمر الذي توصلت إليه باستخدام الأجزاء الفرعية المتداخلة.

كان الحل هو تمرير subjectAltName عبر متغير بيئة.

قم أولاً بإضافة هذا إلى openssl.conf:

ثم اضبط متغير البيئة قبل استدعاء openssl:

ملاحظة: يجب أن تكون المعلمة -extensions san_env موجودة عند توقيع CSR وكذلك عند إنشائها. لذلك ، بالنسبة لممثلي خدمة العملاء الموقعة من قِبل المرجع المصدق ، قم بإضافة ملحقات san_env إلى الأمر openssl ca أيضًا.

هذا هو الحل الذي أقدمه أخيرًا لإنشاء شهادة موقعة ذاتيًا للعمل ، استنادًا إلى الإجابات المذكورة أعلاه (الإجابة المقبولة لا تناسبني):

opensl x509 في server.crt -text-noout:

خطوة Repro لـ "الإجابة المقبولة لا تعمل معي" (في OSX 10.12.4 ، مع نظام openssl):

يوضح الأمر التالي كيفية إنشاء شهادة موقعة ذاتيًا باستخدام SAN على سبيل المثال example.com و example.net.

إنه محمول بمعنى أنه لا يتعين علينا العبث (أو حتى معرفة) موقع ملف openssl.cnf:

الحيلة هنا هي تضمين الحد الأدنى من قسم [الطلب] الذي يكون جيدًا بما يكفي لـ OpenSSL ليتوافق بدون ملف openssl.cnf الرئيسي.

في OpenSSL ≥ 1.1.1 ، يمكن اختصار هذا إلى:

نحن هنا نستخدم الخيار -addext الجديد ، لذا لا نحتاج إلى -امتدادات و -config بعد الآن.

لا تنس التحقق من محتويات الشهادة التي تم إنشاؤها:

لذلك كان لدي وقت طويل في العمل بشكل صحيح ، ووضعه على الإطلاق في Ansible. نظرًا لأن وحدة أوامر Ansible لا تسمح بإعادة توجيه الملفات (& lt (.)) ، فقد اضطررت إلى استخدام ملف .cnf صغير كقالب ، لكنه يعمل الآن. هذا ما فعلته لإنجاحه:

قالب san.cnf (تم إنشاؤه لكل زوج CSR / CRT):

بعض المتغيرات

تُستخدم متغيرات Ansible هذه في الأوامر التالية ، ولكن يمكنك استبدالها حسب الحاجة في البرامج النصية الخاصة بك:

key ssl_certs_local_caserial_path: ملف الترقيم التسلسلي CA ssl_certs_local_cert_path: ملف الشهادة النهائي الذي تم إنشاؤه.

قيادة جيل المسؤولية الاجتماعية للشركات

التوقيع الذاتي على CSR لإنشاء الشهادة

للتحقق من النتيجة

يجب أن يتضمن قسمًا يظهر على النحو التالي:

يقول المنشور الثاني في هذا الرابط أنه لا يمكن القيام بذلك فقط من سطر الأوامر ، ولكن المنشور الرابع في نفس الرابط يوفر حلاً بديلاً باستخدام قدرة bash على الرجوع إلى البيانات كما لو كانت في ملف.

بإلقاء نظرة أخرى عليه ، ذكر أحدهم يطلب تستخدم المعلمة لعمل إضافات لطلب الشهادة. تستخدم هذه المدونة ملفات الحسد كنهج لهذا.

لكني أحاول فقط المساعدة. لم أختبر أيًا من هذا بنفسي.

تم اختباره لـ RHEL7 (إنشاء شهادة موقعة ذاتيًا باستخدام SAN)

أردت أمر سطر واحد لإنشاء CSR - عملت بشكل مثالي مع عدم وجود ملفات conf ، لكن لم تنشئ إدخال SubjAltName. هذا الإصدار هو ما كنت أستخدمه باستخدام read -p لطلب FQDN وأردت أن يعمل هذا مع إدخال SAN أيضًا - لذا إليك حل عملي.

هناك اعتماد على إصدار opensl ، يجب أن يكون 1.1.1 على الأقل. لأنك تحتاج -إضافة.

لا تعبث مع ملفات أسيوط بهذه الطريقة.

كان الحل الخاص بي لهذه المشكلة هو إنشاء ملف cnf مؤقت والإشارة إليه عن طريق إلحاق معلومات subjectAltName التي تم جمعها في سطر الأوامر.

كنت بحاجة إلى القيام بذلك لإنشاء شهادات موقعة ذاتيًا للاختبار المحلي ، ولكني أردت أيضًا أن أكون قادرًا على تمرير عدة معلمات للإضافات ، وليس فقط SAN. اكتشفت أن القيام بأوامر نصية متعددة ، بدا وكأنه يستبدل بعضها البعض ، وفقط آخر قيمة نصية انتهى بها الأمر في cert.


السلس التظليل الطبيعي

بعد الإضاءة بالمعايير المحسوبة على النحو الوارد أعلاه ، ستلاحظ ظهور حواف المثلث. إذا كان هذا غير مرغوب فيه ، يمكنك حساب الأعراف السلسة بدلاً من ذلك ، من خلال مراعاة جميع الوجوه التي تشترك في نفس الرأس.

الفكرة هي أنه في حالة مشاركة الرأس نفسه بين ثلاثة مثلثات $ T1 $ و $ T2 $ و $ T3 $ على سبيل المثال ، فإن $ N $ العادي سيكون متوسط ​​$ N1 $ و $ N2 $ و $ N3 $. علاوة على ذلك ، إذا كان $ T1 $ مثلثًا كبيرًا وكان $ T2 $ مثلثًا صغيرًا ، فربما تريد أن يتأثر $ N $ بدرجة $ N1 $ أكثر من $ N2 $.

تذكر كيف يتناسب حاصل الضرب الاتجاهي مع المنطقة؟ إذا جمعت حاصل الضرب التبادلي ثم قمت بتسوية المجموع ، فسيؤدي ذلك بالضبط إلى المبلغ المرجح الذي نريده. لذلك تصبح الخوارزمية:

تم شرح هذه التقنية بتفصيل أطول هذه المقالة بواسطة Iñigo Quilez: التطبيع الذكي للشبكة.


شاهد الفيديو: تصريف #تجمع #المياه و #السيول في #حوش #البيت #مطوعالمطوع (شهر اكتوبر 2021).