کلید واژه ها:
درجات شباهت توپولوژیکی تعمیم نقشه ; تغییر مقیاس نقشه ; خوشه های کانتور
1. مقدمه
2. مجموعه داده ها و پیش پردازش آنها
2.1. مجموعه داده های تجربی
2.2. پیش پردازش مجموعه داده ها
3. روش شناسی
3.1. ساخت درخت کانتور جهت دار
3.2. روش بیان کمی روابط توپولوژیکی
3.2.1. رابطه حاوی توپولوژیکی
برای همان زیردرخت یک درخت کانتور هدایتشده، روابط بین هر دو گره و گرههای اجدادش و گره و گرههای نوادهاش از نظر توپولوژیکی روابطی هستند. به منظور اجتناب از محاسبه مکرر، فقط موارد اول در نظر گرفته می شود. بنابراین، تعداد کل روابط توپولوژیکی شامل خوشه کانتور در مقیاس را می توان به صورت زیر بیان کرد:
3.2.2. رابطه همسایه توپولوژیکی
در یک درخت کانتور جهت دار، روابط همسایه توپولوژیکی بین یک گره والد و گره های فرزند آن یا بین گره های خواهر و برادر وجود دارد، یعنی تعداد کل روابط همسایه از نظر توپولوژیکی. ) گره i به تعداد گره های فرزند و گره های خواهر و برادر آن بستگی دارد، به عنوان مثال، . بنابراین، تعداد کل روابط همسایه توپولوژیکی خوشه کانتور در مقیاس S 1 را می توان به صورت زیر محاسبه کرد:
3.2.3. رابطه گسسته از نظر توپولوژیکی
روابط غیر مجاورت بین خطوط به جز آنهایی که از نظر توپولوژیکی دارای روابط محتوی و همسایه هستند، از نظر توپولوژیکی روابط گسسته نامیده می شوند [ 27 ].]. برای همان زیردرخت یک درخت کانتور جهت دار، به جز روابط همسایه توپولوژیکی بین یک گره و گره والد آن، گره های خواهر و برادر، و گره های فرزند، روابط بین این گره و گره های دیگر همگی از نظر توپولوژیکی ناپیوسته هستند. برای گرههای متعلق به زیردرختهای مختلف، به جز روابط توپولوژیکی ناپیوسته بین یک گره و گرههای برادر، روابط بین یک گره از این زیردرخت و سایر گرههای زیردرختهای دیگر از نظر توپولوژیکی ناپیوسته هستند، از جمله روابط بین یک گره از این زیردرخت و گرههای پسرعموی آن یا نوادگان سایر درختان فرعی. علاوه بر این، رابطه همسایه توپولوژیکی و رابطه ناهمگون بین خطوط از نظر کمیت یکدیگر را تکمیل می کنند. از این رو، ، تعداد کل روابط از نظر توپولوژیکی ناپیوسته را می توان به طور غیر مستقیم و کمی با تعداد کل روابط همسایه توپولوژیکی بیان کرد:
با توجه به تجزیه و تحلیل فوق، انواع توپولوژیکی مختلف خوشه های کانتور یکدیگر را قطع می کنند و از نظر کمی یکدیگر را تکمیل می کنند. روابط توپولوژیکی بین برخی از گره ها فقط باید یک بار محاسبه شود، به عنوان مثال، روابط همسایه توپولوژیکی بین خواهر و برادر، در حالی که برخی دیگر باید دو بار تکرار شوند، به عنوان مثال، به جز روابط بین گره والدین و گره فرزند، رابطه توپولوژیکی حاوی و از نظر توپولوژیک ناپیوسته رابطه بین گره های اجداد و نوادگان در همان زیردرخت وجود دارد. بنابراین، چگونگی بیان موثر و دقیق روابط توپولوژیکی بین خطوط، کلید و هسته بیان کمی آن است. تعداد کل روابط توپولوژیکی خوشه کانتور در مقیاس را می توان به صورت زیر بیان کرد:
3.3. فرمولی برای محاسبه شاخص های توپولوژیکی چند مقیاسی
3.3.1. تعریف تغییر فاصله کانتور
3.3.2. نسبت شاخص توپولوژیکی مقیاس مجاور
نسبتهای شاخص توپولوژیکی مقیاس مجاور، از جمله نسبت تعداد خطوط بسته مقیاس مجاور، نسبت عمق درختان کانتور مقیاس مجاور، و نسبت تعداد کل توپولوژیکی خوشههای کانتور مقیاس مجاور، برای توصیف روند تغییر شاخصهای توپولوژیکی قبل و بعد استفاده میشوند. تعمیم، که برای شناخت فضایی انسان و درک روند تغییر روابط توپولوژیکی چند مقیاسی مهم است. نسبت شاخص توپولوژیکی را می توان به صورت زیر محاسبه کرد:
جایی که، نشان دهنده نسبت شاخص توپولوژیکی قبل و بعد از تعمیم است، مانند نسبت عمق درخت کانتور چند مقیاسی یا نسبت تعداد خطوط بسته، نسبت شاخص توپولوژیکی قبل از تعمیم است و نسبت شاخص توپولوژیکی پس از تعمیم زمانی است که خوشه کانتور از مقیاس تعمیم می یابد مقیاس کردن بودن و . در اینجا، k سطح درخت کانتور هدایت شده است.
3.3.3. شاخص های توپولوژیکی چند مقیاسی
شاخص های توپولوژیکی چند مقیاسی، مانند شباهت توپولوژیکی چند مقیاسی ( S )، نسبت توپولوژیکی حاوی چند مقیاس، و نسبت همسایه توپولوژیکی چند مقیاسی برای توصیف قوانین تغییرات کمی روابط توپولوژیکی چند مقیاسی با تغییر مقیاس نقشه استفاده می شود. که با [ 1 ] قابل اندازه گیری است:
جایی که، نشان دهنده نسبت شاخص های توپولوژیکی چند مقیاسی خوشه کانتور است که با تغییر مقیاس نقشه همبستگی منفی دارد. ; S 1 و S 2 به ترتیب مقیاس نقشه نقشه اصلی و نقشه تعمیم یافته را نشان می دهند. . تعداد کل j امین روابط توپولوژیکی مربوط به مقیاس نقشه را نشان می دهد .
4. آزمایش ها و نتایج
4.1. اعتبارسنجی درختان کانتور هدایت شده
4.2. تحلیل عوامل موثر بر شاخص های توپولوژیکی
- (1)
-
متفاوت از رابطه توپولوژیکی مجزا و همسایه از نظر توپولوژیکی، میانگین تعداد کل رابطه توپولوژیکی حاوی توپوگرافی کوهستانی به طور مداوم بالاتر از شکل زمین رودخانه و ژئومورفی لس است، هر مقیاس نقشه که باشد.
- (2)
-
از انواع مختلف ماکرو ژئومورفولوژیکی در یک دیدگاه مقیاس نقشه، انحراف استاندارد عمق درخت کانتور هدایتشده و تعداد کل روابط حاوی توپولوژی مربوط به توپوگرافی کوهها و شکل زمین رودخانه به طور قابلتوجهی بیشتر از ژئومورفی لس است. با این حال، ضریب تغییرات تعداد کل خطوط بسته کاملاً برعکس است.
- (3)
-
از نظر مقیاس های نقشه های مختلف از انواع ژئومورفولوژیکی یکسان، با کاهش مقیاس نقشه، به جز ضرایب تغییرات تعداد کل خطوط بسته مربوط به توپوگرافی کوه ها و شکل زمین رودخانه بدون تغییر باقی می ماند، انحراف معیار سایر شاخص های توپولوژیکی کاهش می یابد. به تدریج در مقابل، ضریب تغییرات تعداد کل روابط ناپیوسته توپولوژیکی توپوگرافی کوه به تدریج افزایش می یابد.
4.3. روندهای کمی شاخص های توپولوژیکی چند مقیاسی
4.3.1. شاخص های توپولوژیکی مقیاس مجاور
- (1)
-
اگرچه نمونههای مختلف که به مقیاس نقشه و انواع ریزژئومورفولوژیکی یکسان تعلق دارند، فواصل کانتوری متفاوتی دارند، میانگین نسبت تعداد خطوط یا میانگین نسبت عمق درختان کانتور برابر با نسبت فاصله کانتوری خوشه کانتور مقیاس مجاور است. با این حال، به دلیل تفاوت سطح تسکین، شیب تند و درجه تکه تکه شدن سطح، نسبت عدد خطوط مقیاس مجاور یا نسبت عمق درختان کانتور مقیاس مجاور ثابت نیست اما در اطراف نسبت فاصله کانتور مقیاس مجاور در نوسان است. هنگامی که تغییر مقیاس نقشه 2.5 است، یعنی وقتی خوشه کانتور از 1:100000 به 1:250000 تعمیم داده می شود، شاخص های توپولوژی مقیاس مجاور تمایل بیشتری به فرار دارند.
- (2)
-
متفاوت از اولی، میانگین نسبت عدد کل توپولوژیکی مقیاس مجاور با نسبت فاصله کانتور مربوطه همبستگی مثبت دارد، اما هیچ رابطه تناسبی بین آنها وجود ندارد. به عنوان مثال، زمانی که نسبت فاصله کانتور توپوگرافی کوهستانی {2، 2.5، 4} است، میانگین متناظر نسبت عدد کل توپولوژیکی {5، 6، 8} است. حتی اگر نسبتهای فاصله کانتور مقیاس مجاور یکسان هستند، تفاوتهای قابلتوجهی در نسبت تعداد کل توپولوژیکی برای خوشههای کانتور مقیاس مجاور از انواع مختلف کلان ژئومورفولوژیکی وجود دارد، به عنوان مثال، وقتی هر دو اولی 2.5 هستند، دومی 15 و 8 برای ژئومورفی لس و توپوگرافی کوهستانی به ترتیب. بنابراین، بخشهای زیر روند تشابه توپولوژیکی را بیشتر بررسی میکنند (به عنوان مثال،
4.3.2. شاخص های توپولوژیکی چند مقیاسی
- (1)
-
با افزایش تغییر مقیاس نقشه، نسبت شاخص توپولوژیکی چند مقیاسی به تدریج در مقایسه با هر گروه از نمونه ها کاهش می یابد (خط قرمز > سیاه > خاکستری). با این وجود، همه اینها بین گروه های مختلف نمونه درست نیست. به عنوان مثال، در شکل 4 ب، تغییر مقیاس نقشه، تغییر فاصله کانتور و درجه شباهت توپولوژیکی گروه 15 و 30 به ترتیب {10، 4، 0.0772} و {5، 4، 0.0622} است. تغییر فاصله کانتور دو نمونه 4 است و تغییر مقیاس نقشه اولی بیشتر از دومی است، اما درجه شباهت توپولوژیکی اولی نیز بزرگتر از دومی است.
- (2)
-
اگرچه تغییر مقیاس نقشه و نوع کلان ژئومورفولوژیکی یکسان است، نسبت های شاخص توپولوژیکی چند مقیاسی انواع مختلف میکروژئومورفولوژیکی به طور قابل ملاحظه ای متفاوت است. به عنوان مثال، همانطور که توسط منحنی قرمز در شکل 4 ب نشان داده شده است، تغییر مقیاس نقشه و نوع کلان ژئومورفولوژیکی گروه های 13-17 و گروه های 1-12 یکسان است، همه متعلق به توپوگرافی کوهستانی هستند، اما نوع میکروژئومورفولوژیکی اولی ارتفاع متوسط و زیاد و کوههای برجسته متوسط و دومی ارتفاع متوسط و کوههای برجسته متوسط است و درجات شباهت توپولوژیکی چند مقیاسی مربوطه به ترتیب در حدود 06/0 و 24/0 در نوسان است. از جدول 1 می توان آن را شناختکه تغییرات فاصله کانتور گروه 13-17 و گروه 1-12 به ترتیب 4 و 2 است.
- (3)
-
اگر تغییرات فاصله کانتور دو گروه از نمونه ها یکسان باشد، نسبت شاخص های توپولوژیکی متناظر آنها نیز بسیار نزدیک است که همگی حول میانگین آن نوسان می کنند. به عنوان مثال، از شکل 4 ب و جدول 1 می توان فهمید که تغییر فاصله کانتور و نوع کلان ژئومورفولوژیکی گروه های 1-12 و 13-17 یکسان است و نوع میکروژئومورفولوژیکی اولی ارتفاع متوسط است. و کوههای برجستگی متوسط، دومی ارتفاع متوسط و بلند و کوههای برجسته متوسط، نوع میکروژئومورفولوژیکی متفاوت است، اما درجات شباهت توپولوژیکی چند مقیاسی آنها بسیار نزدیک است که همگی در حدود 0.24 نوسان دارند.
4.4. روابط کمی بین درجه تشابه توپولوژیکی چند مقیاسی و تغییر مقیاس نقشه
4.4.1. روندهای کمی
- (1)
-
با افزایش تغییر مقیاس نقشه، درجه شباهت توپولوژیکی چند مقیاسی و انحراف معیار آن به تدریج کاهش می یابد، اما ضریب تغییرات به تدریج افزایش می یابد. به عنوان مثال، با افزایش تغییر مقیاس نقشه از 5 به 25، انحراف استاندارد متناظر درجه تشابه توپولوژیکی چند مقیاسی توپوگرافی کوهستانی از 0.0849 به 0.0054 کاهش می یابد، اما ضرایب تغییرات از 0.4501 به 0.6993 افزایش می یابد که نشان می دهد با افزایش تغییر مقیاس نقشه، درجه پراکندگی درجه شباهت توپولوژیکی چند مقیاسی به تدریج کاهش می یابد، اما نوسان نسبی بین درجه شباهت توپولوژیکی به تدریج افزایش می یابد. این روند با نتایج در شکل 4 مطابقت دارد.
- (2)
-
اگر فاصله کانتور قبل و بعد از تعمیم بدون تغییر باقی بماند، نسبت شاخص توپولوژیکی چند مقیاسی به 1 تمایل دارد. در آزمایش، چهار گروه از خوشههای کانتور چند مقیاسی از انواع مختلف میکروژئومورفولوژیکی انتخاب شدند و از 1:5000 تعمیم داده شدند. به 1:10000، و فاصله کانتور قبل و بعد از تعمیم 5 متر است، و نسبت شماره خط کانتور بسته متناظر، نسبت عمق درخت کانتور و درجه شباهت توپولوژیکی {0.9294، 0.9853، 0.8728}، {1، 1، 1} است، به ترتیب {0.9881، 0.9863، 1} و {1، 1، 0.9669}.
با توجه به تحلیل فوق، توابع مطابق با روند را می توان به صورت زیر فهرست کرد:
شکل 5 نشان می دهد که تابع توان (فرمول (8)) بهترین تناسب روابط کمی بین درجه شباهت توپولوژیکی و تغییر مقیاس نقشه خوشه کانتور چند مقیاسی با تغییر فاصله کانتور یکسان است، صرف نظر از اینکه یکسان یا متفاوت باشند. نوع(های) ژئومورفولوژیکی، دقت برازش ( R2) تابع قدرت در بین توابع کاندید بالاترین است. دقت فیتینگ کمتر از 0.8578 نیست و حداکثر دقت فیتینگ تا 0.9783 است. هنگامی که تغییر مقیاس نقشه از 1 تا 5 متغیر است، درجه شباهت توپولوژیکی چند مقیاسی به سرعت با افزایش تغییر مقیاس نقشه کاهش می یابد. بنابراین، زمانی که تغییرات فاصله کانتوری خوشه های کانتور یکسان باشد، صرف نظر از اینکه نوع(های) ژئومورفولوژیکی یکسان یا متفاوت باشند، روابط کمی بین درجه تشابه توپولوژیکی چند مقیاسی و تغییر مقیاس نقشه را می توان به صورت کمی با استفاده از توان یکسان بیان کرد. عملکرد:
4.4.2. تأثیر اندازه نمونه بر انواع و دقت عملکرد برازش
5. بحث
6. نتیجه گیری و کارهای آینده
منابع
- Yan، HW; Li, J. روابط شباهت فضایی در فضاهای نقشه چند مقیاسی . Springer International Publishing: Cham, Switzerland, 2014. [ Google Scholar ]
- چهرقان، ع. عباسپور، RA ارزیابی درجه تشابه فضایی بین چندخطوط بر روی نقشه های چند مقیاسی و چند منبعی. Geocarto Int. 2017 ، 32 ، 471-487. [ Google Scholar ] [ CrossRef ]
- وی، ZW; Guo، QS; چن، ال. لیو، ی. Tong، Y. اندازهگیری تشابه شکل بر اساس همترازی DNA برای ساختمانهایی با ویژگیهای متعامد متعدد. Acta Geod. کارتوگر. گناه 2021 ، 50 ، 1683-1693. [ Google Scholar ]
- لی، دبلیو دبلیو; راسکین، آر. گودچیل، اندازهگیری شباهت معنایی MF بر اساس دانش کاوی: یک رویکرد شبکه عصبی مصنوعی. بین المللی جی. جئوگر. Inf. علمی 2012 ، 26 ، 1415-1435. [ Google Scholar ] [ CrossRef ]
- گائو، XR؛ Yan، HW; اندازهگیری شباهت معنایی Lu، XM برای ایجاد تجمع چند ضلعی در فضای نقشه چند مقیاسی. Acta Geod. کارتوگر. گناه 2022 ، 51 ، 95-103. [ Google Scholar ]
- لی، بی. Fonseca، F. TDD: یک مدل جامع برای ارزیابی شباهت فضایی کیفی. تف کردن شناخت. محاسبه کنید. 2006 ، 6 ، 31-62. [ Google Scholar ] [ CrossRef ]
- ژانگ، ال. Guilbert, E. ارزیابی روشهای تعمیم شبکه رودخانه برای حفظ الگوی زهکشی. بین المللی J. Geo-Inf. 2016 ، 5 ، 230. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
- Yan، XF; Ai, TH; یانگ، م. یین، اچ. یک شبکه عصبی کانولوشن گراف برای طبقه بندی الگوهای ساختمان با استفاده از داده های برداری فضایی. ISPRS J. Photogramm. Remote Sens. 2019 ، 150 ، 259–273. [ Google Scholar ] [ CrossRef ]
- Yan، XF; Ai, TH; یانگ، ام. سادهسازی ویژگیهای مسکونی با روش شناخت شکل و تطبیق الگو. Acta Geod. کارتوگر. گناه 2016 ، 45 ، 874-882. [ Google Scholar ]
- فن، HC; Zipf، A.; فو، س. Neis, P. ارزیابی کیفیت برای ایجاد داده های ردپایی در OpenStreetMap. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 700-719. [ Google Scholar ] [ CrossRef ]
- ژائو، YP; سان، س. لیو، XG; چنگ، م. یو، تی. روش اندازهگیری شباهت معنایی مبتنی بر نهاد جغرافیایی لی، YF و کاربرد آن در تطبیق جاده. Geomat. Inf. علمی دانشگاه ووهان 2020 ، 45 ، 728-735. [ Google Scholar ]
- فن، HC; یانگ، BS; Zipf، A.; Rousell, A. یک رویکرد مبتنی بر چند ضلعی برای تطبیق شبکه جاده نقشه خیابان باز با داده های مرجع حمل و نقل منطقه ای. بین المللی جی. جئوگر. Inf. علمی 2016 ، 30 ، 748-764. [ Google Scholar ] [ CrossRef ]
- چهرقان، ع. عباسپور، RA یک رویکرد مبتنی بر هندسی برای تطبیق جاده در مجموعه دادههای چند مقیاسی با استفاده از الگوریتم ژنتیک. کارتوگر. Geogr. Inf. علمی 2018 ، 45 ، 255-269. [ Google Scholar ] [ CrossRef ]
- رواس، الف. خودکارسازی تعمیم داده های جغرافیایی. در مجموعه مقالات بیستمین کنفرانس بین المللی کارتوگرافی، پکن، چین، 18 مه 2010; صفحات 1943-1953. [ Google Scholar ]
- یانگ، WF; Yan، HW; فرمول Li, J. برای محاسبه درجه شباهت فضایی بین ابرهای نقطه ای روی نقشه های چند مقیاسی که تغییر مقیاس نقشه را به عنوان تنها متغیر مستقل در نظر می گیرند. Geod. ژئودین. 2015 ، 6 ، 113-125. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- وانگ، جی. او، ZY; کارتوگرافی Pu، YX ; مطبوعات نقشه برداری و نقشه برداری: پکن، چین، 2016. [ Google Scholar ]
- Li، ZL; Sui, HG یک تکنیک یکپارچه برای تعمیم خودکار نقشه های کانتور. کارتوگر. J. 2000 , 37 , 29-37. [ Google Scholar ] [ CrossRef ]
- Guo، RZ تجزیه و تحلیل فضایی ; انتشارات آموزش عالی: پکن، چین، 2001. [ Google Scholar ]
- Yan، HW; Wang, JY توضیحات رویکردها و خودکارسازی الگوریتمهای تعمیم برای گروههایی از اشیاء نقشه . انتشارات علمی: پکن، چین، 2009. [ Google Scholar ]
- Qiao، CF; ژائو، RL; چن، جی. Chen, YH یک رویکرد مبتنی بر مجاورت داخلی voronoi برای تولید یک درخت کانتور. Geomat. Inf. علمی دانشگاه ووهان 2005 ، 30 ، 801-804. [ Google Scholar ]
- ژانگ، ی. فن، اچ. Huang, W. روش تولید درخت کانتور بر اساس مثلث کانتور Delaunay. Acta Geod. کارتوگر. گناه 2012 ، 41 ، 461-474. [ Google Scholar ]
- چن، جی. لی، سی ام؛ Li، ZL; طلا، C. مدل 9 تقاطع مبتنی بر ورونوی برای روابط فضایی. ISPRS J. Geogr. Inf. علمی 2001 ، 15 ، 201-220. [ Google Scholar ] [ CrossRef ]
- چن، جی. ژائو، RL; روابط همسایه مبتنی بر K-order Li، ZL Voronoi برای تجزیه و تحلیل فضایی. ISPRS J. Photogramm. Remote Sens. 2004 ، 59 ، 60-72. [ Google Scholar ] [ CrossRef ]
- Li، ZL; Huang، PZ اقدامات کمی برای اطلاعات فضایی نقشه ها. بین المللی جی. جئوگر. Inf. علمی 2002 ، 16 ، 699-709. [ Google Scholar ] [ CrossRef ]
- Qiao، CF; ژائو، RL; چن، جی. Chen, YH روشی برای تولید درخت کانتور بر اساس مجاورت داخلی voronoi. ژئو اسپات. Inf. علمی 2005 ، 8 ، 287-290. [ Google Scholar ]
- چن، جی. Qiao، CF; Zhao, RL رویکردی مبتنی بر مجاورت داخلی Voronoi برای ایجاد درخت کانتور. محاسبه کنید. Geosci. 2004 ، 30 ، 355-367. [ Google Scholar ] [ CrossRef ]
- Guo، WY; لیو، هی؛ سان، س. یو، AZ; چن، HX A مدل اندازهگیری شباهت ترکیبی گروه کانتور برای بهروزرسانی افزایشی منطقه. J. Geo-Inf. علمی 2019 ، 21 ، 147-156. [ Google Scholar ]
- Guo، WY; لیو، هی؛ سان، س. یو، AZ; Ding، ZY یک روش تطبیق خطوط چند منبعی با در نظر گرفتن شباهت ویژگیهای هندسی. Acta Geod. کارتوگر. گناه 2019 ، 48 ، 643-653. [ Google Scholar ]
- Ai, TH استخراج شبکه زهکشی از خطوط کانتور برای تعمیم خط کانتور. ISPRS J. Photogramm. Remote Sens. 2007 ، 62 ، 93-103. [ Google Scholar ] [ CrossRef ]
- ژو، ایکس. لی، دبلیو. Arundel، ST یک مدل احتمالی فضایی – زمینه ای برای استخراج ویژگی خطی در زمین تپه ای از داده های DEM با وضوح بالا. بین المللی جی. جئوگر. Inf. علمی 2019 ، 33 ، 666-686. [ Google Scholar ] [ CrossRef ]
- Bjorke، JT; Nilsen, S. Wavelets برای سادهسازی مدلهای زمین دیجیتال به کار رفته است. بین المللی جی. جئوگر. Inf. علمی 2003 ، 17 ، 601-621. [ Google Scholar ] [ CrossRef ]
- Ai, TH; Li، JZ تعمیم DEM با تشخیص جزئی شاخه دره و پر کردن شبکه. ISPRS J. Photogramm. Remote Sens. 2010 ، 65 ، 198-207. [ Google Scholar ] [ CrossRef ]
- ژو، QM; چن، YM تعمیم DEM برای تجزیه و تحلیل زمین با استفاده از روش ترکیبی. ISPRS J. Photogramm. Remote Sens. 2011 ، 66 ، 38-45. [ Google Scholar ] [ CrossRef ]
- چن، سی اف. Li، Y. یک روش مبتنی بر حداقل مربع متعامد برای تعمیم DEM. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 154-167. [ Google Scholar ] [ CrossRef ]
- وانگ، JY ژئومورفولوژی و تعمیم آن . انتشارات نقشه برداری و نقشه برداری: پکن، چین، 2019. [ Google Scholar ]
- چن، WM; ژو، CH; لی، توسط; چای، HX; ژائو، SM استخراج کمی و تجزیه و تحلیل انواع مورفولوژیکی پایه ژئومورفولوژی زمین در چین. جی. جئوگر. علمی 2011 ، 21 ، 771-790. [ Google Scholar ]
- Hao, XY نقشه اطلاعات شناسایی و فناوری استخراج ; انتشارات نقشه برداری و نقشه برداری: پکن، چین، 2001. [ Google Scholar ]
- Wu، HH GIS و مدل پایه و الگوریتم تعمیم اطلاعات نقشه ; انتشارات دانشگاه ووهان: ووهان، چین، 2012. [ Google Scholar ]
- Guo، QS; وو، اچ. Li، PC قوانین رابطه فضایی و ساده سازی گرافیکی پیشرونده خطوط. Geomat. Inf. علمی دانشگاه ووهان 2000 ، 25 ، 31-34. [ Google Scholar ]
- Nigel, W. تجزیه و تحلیل داده های جغرافیایی ; Wiley & Sons Ltd.: نیویورک، نیویورک، ایالات متحده آمریکا، 1995. [ Google Scholar ]







بدون دیدگاه