(48-1) 15 * << * >> * Русский * English * Содержание * Все выпуски

Подход к динамической визуализации разнородных геопространственных векторных изображений
А.В. Воробьев 1,2,3, Г.Р. Воробьева 2

Геофизический центр РАН,
119296, Россия, г. Москва, ул. Молодежная, д. 3;
ФГБОУ ВО Уфимский университет науки и технологий,
450076, Россия, г. Уфа, ул. Заки Валиди, д. 32;
ФГБОУ ВО Уфимский государственный нефтяной технический университет,
450064, Россия, г. Уфа, ул. Космонавтов, д. 1

 PDF, 1279 kB

DOI: 10.18287/2412-6179-CO-1279

Страницы: 123-138.

Аннотация:
Одной из известных проблем геоинформационных программных библиотек при визуализации геопространственных данных является низкая эффективность и ограниченность покадрового изменения группы пространственных слоев с временной привязкой. Среди наиболее значимых трудностей визуализации можно отметить невозможность синхронного переключения группы пространственных слоев по временному параметру, что негативно сказывается на результатах оценки временной анизотропии соответствующих пространственных данных. Проблема усугубляется также разнородностью пространственной информации, что выражается в шагах дискретизации, форматах, используемых геопространственных примитивах. Выявленная проблема существенно затрудняет решение задач, связанных с анализом пространственно-временной информации в различных научных и прикладных областях. Ярким примером тому является решение задачи анализа пространственно-временной анизотропии геофизической информации, что с точки зрения визуализации, предполагает возможность оценки ретроспективных данных в динамическом режиме за заданный временной интервал. В работе предложен подход, позволяющий выполнить интеграцию разнородных векторных геопространственных данных для последующих обработки, анализа и визуализации. Эффективность разработанного подхода была подтверждена на примере веб-приложения, обеспечивающего визуализацию геопространственного изображения в виде комплекса пространственных полилиний произвольных данных, а также при решении задачи анализа пространственно-временных вариаций геофизических данных.

Ключевые слова:
пространственные данные, геоинформационные технологии, геопространственное изображение, геопространственные примитивы.

Благодарности
Исследование выполнено при поддержке Российского научного фонда (проект No 21-77-30010).

Цитирование:
Воробьев, А.В. Подход к динамической визуализации разнородных геопространственных векторных изображений / А.В. Воробьев, Г.Р. Воробьева // Компьютерная оптика. – 2024. – Т. 48, № 1. – С. 123-138. – DOI: 10.18287/2412-6179-CO-1279.

Citation:
Vorobev AV, Vorobeva GR. An approach to dynamic visualization of heterogeneous geospatial vector images. Computer Optics 2024; 48(1): 123-138. DOI: 10.18287/2412-6179-CO-1279.

References:

  1. Breunig M, et al. Geospatial data management research: progress and future directions. ISPRS Int J Geoinf 2020; 9: 95. DOI: 10.3390/ijgi9020095.
  2. Ma X. Linked Geoscience Data in practice: where W3C standards meet domain knowledge, data visualization and OGC standards. Earth Sci Inform 2017; 10: 429-441. DOI: 10.1007/s12145-017-0304-8.
  3. Zhu X, et al. Development and implementation of a dynamic and 4D GIS based on semantic location model. Geo Spat Inf Sci 2019; 22: 193-213. DOI: 10.1080/10095020.2019.1649192.
  4. Sergiu D, Suletea A, Botez A, Jandic T. The use of spatial modeling to teach engineering graphics. J Soc Sci 2022; 5: 104-112. DOI: 10.52326/jss.utm.2022.5(2).09.
  5. Chen F, Ma X, Ren H. Progressive transmission of vector spatial data. J Netw 2013; 8(5): 1065-1072. DOI: 10.4304/jnw.8.5.1065-1072.
  6. Zhang H, Gao P, Li Zh. Improvements to information entropy for raster spatial data: A thermodynamic-based evaluation. Abstracts of the ICA 2019; 1: 426. DOI: 10.5194/ica-abs-1-426-2019.
  7. Alqradaghi K, et al. Geospatial technique integrated with MC. Water Air and Soil Pollution 2022; 233: 313. DOI: 10.1007/s11270-022-05796-2.
  8. Yu B, Zhang C, Sun J, Zhang Yu. Massive GIS spatio-temporal data storage method in cloud environment. CSAI '18: Proc 2018 2nd Int Conf on Computer Science and Artificial Intelligence 2018: 105-109. DOI: 10.1145/3297156.3297193.
  9. Al-Mahfoodh N, Marzuki I, Samsuri A. Spatio-temporal modelling of noise pollution. Int J Integr Eng 2021; 13: 125-131. DOI: 10.30880/ijie.2021.13.03.015.
  10. Peuquet D, Duan N. An event-based spatio-temporal data model (ESTDM) for temporal analysis of geographical data. Int J Geogr Inf Sci 1995; 9(1): 7-24.
  11. Beiler M, Filion E. amtrak rail trespasser analysis using a GIS space-time approach. Public Work Manag Policy 2021; 26: 1087724X2110032. DOI: 10.117.7/1087724X211003249.
  12. Rachmatullah R, Azizah N. A conceptual data model for flood based on cellular automata using moving object data model. J Phys: Conf Ser 2017; 801: 012037. DOI: 10.1088/1742-6596/801/1/012037.
  13. Moins I, Boggio D. SIRS Digues 2.0: A cooperative software for levees management. E3S Web of Conferences 2016; 7: 04018. DOI: 10.1051/e3sconf/20160704018.
  14. Battista A, Saquicela V, Vilches-Blázquez L, et al. Geographical linked data: A Spanish use case. Proc 6th Int Conf on Semantic Systems (I-SEMANTICS '10) 2010: 36. DOI: 10.1145/1839707.1839753.
  15. Egiazarian V, et al. Deep vectorization of technical drawings. In Book: Vedaldi A, Bischof H, Brox T, Frahm J-M, eds. Computer Vision – ECCV 2020: 16th European Conference, Glasgow, UK, August 23–28, 2020, Proceedings, Part XIII. Berlin, Heidelberg: Springer-Verlag; 2020. DOI: 10.1007/978-3-030-58601-0_35.
  16. Kotsakis C. Spatial coordinate transformations with noisy data. In Book: Pepe A, Zhao Q, eds. Geospatial analyses of earth observation (EO) data. Ch 7. InTech Open; 2019. DOI: 10.5772/intechopen.87846.
  17. Sekulovic D, Basaric M, Garic I. Helmert transformation on the case of Gauss-Krüger and UTM. Contemporary Theory and Practice in Construction 2019; 14: 288-298. DOI: 10.7251/STP2014288S.
  18. Diakite A, Zlatanova S. Automatic geo-referencing of BIM in GIS environments using building footprints. Comput Environ Urban Syst 2020; 80: 101453. DOI: 10.1016/j.compenvurbsys.2019.101453.
  19. Ding H, et al. RTVEMVS: Real-time modeling and visualization system for vehicle emissions on an urban road network. J Clean Prod 2021; 309: 127166. DOI: 10.1016/j.jclepro.2021.127166.
  20. Horbiński T, Lorek D. The use of Leaflet and GeoJSON files for creating the interactive web map of the preindustrial state of the natural environment. J Spat Sci 2020: 67(1): 61-77. DOI: 10.1080/14498596.2020.1713237.
  21. Vorobev AV, et al. Short-term forecast of the auroral oval position on the basis of the “virtual globe” technology. Russ J Earth Sci 2020; 20: ES6001. DOI: 10.2205/2020ES000721.
  22. Vorobev AV, et al. System for dynamic visualization of geomagnetic disturbances based on data from ground-based magnetic stations. Sci Vis 2021; 13(1): 162-176. DOI: 10.26583/sv.13.1.11.
  23. Vorobev AV, Pilipenko VA, Enikeev TA, Vorobeva GR. Geographic information system for analyzing the dynamics of extreme geomagnetic disturbances based on observation data from ground stations. Computer Optics 2020; 44(5): 782-790. DOI: 10.18287/2412-6179-CO-707.
  24. Nguyen LAT, et al. Design and implementation of web application based on MVC Laravel architecture. European Journal of Electrical Engineering and Computer Science 2022; 6: 23-29. DOI: 10.24018/ejece.2022.6.4.448.
  25. Marculescu B, Zhang M, Arcuri A. On the faults found in REST APIs by automated test generation. ACM Trans Softw Eng Methodol 2022; 31(3): 41. DOI: 10.1145/3491038.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20