A FIR DIMENZIÓ BŐVÍTÉS PROBLÉMÁI ÉS A 3 D-S MODELLEZÉS
Sárközy Ferenc
Budapesti Műszaki Egyetem Általános Geodézia Tanszék**
ÖSSZEFOGLALÁS
A Földrajzi Információs Rendszerek (FIR) alapelve szerint a világ
homogén tulajdonságjellemzőkkel rendelkező, 0,-1,-2,-dimenziós statikus objektumok
gyűjteménye. A FIR függvények lehetővé teszik, hogy ezekkel az objektumokkal
különböző műveleteket hajtsunk végre, ilyenek többek közt a keresés,
transzformálás, szűrés, elemzés, megjelenítés stb., illetve a fedésbe hozás
műveletét felhasználva módunk van új objektumok létrehozásárai is valós vagy
szimulált adatok alapján. A korszerűbb FIR szoftverek rendszerint tartalmaznak
Digitális Magasság Modellező modulokat, ezek azonban csak fél egységgel emelik meg a
rendszer dimenzióját. Bármily csekély is a fél egységni dimenzió emelés, maga az
emelés ténye maga után vonja a hagyományos FIR objektum fogalom megváltotatzásának
igényét. Már ezen a színten megkezdhetjük az új, nem satikus objektum koncepció
kimunkálását.
A 3 D-s modellezés esetén (magyar nyelven tulajdonképpen csak ebben
az esetben beszélhetünk térbeli modellezésről) az objektumok csak burkai a térben
és időben változó tulajdonság jellemző adatmezőknek. A változások lényegének
feltárását számtalan interpolációs (approximációs) módszer szolgálhatja. A
földtudományokban leginkább a krigelés különböző módozatait használják.
Másrészt, a szemléltetési igényeket egyszerűbb kielégíteni a spline interpoláció
felhasználásával. Röviden ismertetjük az általunk javasolt új interpolációs
módszert, mely egyesíti magában a krigelés és a spline módszer előnyeit, s egyben
számítástechnikailag egyszerűen realizálható. Végkövetkeztetésül a dinamikus
objektum fogalom szükségszerű bevezetését javaslom.
Bevezetés
A FIR technikák túlzottan gyors elterjedése az utóbbi öt évben
azt eredményezte, hogy egyre nő azoknak a feladatoknak a száma, melyek számára nem
nyújtanak kielégítő megoldást a 'hagyományos' 2 D-s FIR szoftverek. Elsőként a
bányamérők láttak hozzá az új elvek és eszkózök kereséséhez [1], [2], őket a
geológusok követték, majd sorra következtek a hidrológusok, meteorológusok,
építőmérnökök, építészek, stb. Jelenleg a talajvíz szennyeződés kérdései
állnak számos szakterület képviselői érdeklődésének középpontjában.
A modellezendő jelenségek eltérő természetűek, ezért megoldásuk
kúlönböző módszereket igényel. Elvileg a legegyszerűbbek azok a 3 D-s modellek,
melyek a terepet és a rajta található mesterséges és természetes tárgyakat
ábrázolják. Ilyen tárgyak lehetnek az épületek, hidak, traverzek, fák, sziklák,
stb. Az esetek többségében ezeket a modelleket azért hozzák létre, hogy az építészeti
tervezés támogatására lehetővé tegyék a különböző megfigyelési pontokból
történő szemléltetést. E modellek segítségével az építész különböző
helyekre teheti a tervezett épületeket és tanulmányozhatja az egyes variánsoknak a
szemlélőre gyakorolt hatását. Ezen rendszerek adatmodelljét a 3D-s CAD rendszerek
elemeivel bövített, DMM-el kiegészített 2D-s FIR rendszerek alapján lehet
létrehozni. E rendszer osztály legfontosabb jellemzői az alábbiakban foglalhatók
össze:
a) a 3D-s objektumok adatai pontosan ismertek, a terep adatok pedig
tetszőleges pontossággal mérhetők;
b) a fedésbe hozás műveletét nem hagyományos értelemben
használják a 3D-s objektumok között (gondoljunk csak arra, hogy az épület és a
talaj fedésbe hozásából származó alapgödör nem aggregálhatja a talaj és az
épület tulajdonság jellemzőit, a metszet segítségével legfeljebb az elvégzendő
földmunka volúmenére kapunk tájékoztatást), ugyanakkor a 3D-s kisérő zóna
létrehozására szükség lehet az épületek telepítésénél (hiszen például be kell
tartani az épületek törvényben megadott távolságát a nagyfeszültségű
vezetékektől);
c) e rendszereknek kiváló grafikus-megjelenítő képességekkel kell
rendelkezniük.
A bányászati 3 D-s rendszereknek elvileg három feladatuk van:
az ásványi erőforrások feltárása a 3 D-s skalár mezők modellezésével, a
mesterséges létesítmények tervezésének támogatása illetve a megvalósult állapot
rögzítése, végül a fejtés geometriai és tulajdonság jellemző adatainak
rögzítése. A fenti feltételek azt jelentik, hogy a követelmények oldaláról a
bányászati rendszereknek modellező modulokkal kiegészített FIR eszköztárral kell
rendelkezniük. A valóságban azonban, az esetek többségében a bányamérők
valamilyen feljavított CAD rendszert használnak és a modellező programokat a térbeli
interfésztől függetlenül futtatják.
A hagyományos 2 D-s FIR-ek térbeli megfelelői azok a rendszerek,
melyeket a globális geológiában használnak. Sajnos az e területen fenálló
korlátozott piaci viszonyok következtében e rendszerek nem igen váltak kereskedelmivé
(álalában egyetemi fejlesztesekről van szó) s ezért kevéssé ismertek a szélesebb
FIR közösség előtt. A globális modellekben az objektumokat rétegek és vetők
hozzák létre. Minden réteget két felület és esetlegesen egy vagy több vető
határol [3]. Ennek a geometriai modellnek az előnye abban rejlik hogy lehetővé teszi
számos olyan felületmodellező módszernek az alkalmazását, melyet a DMM-el
kapcsolatban korábban már kidolgoztak. A réteg tulajdonságjellemző adatai olyan
adatokból állnak, melyek közöseknek tekinthetők az egész rétegre. Mivel egy fizikai
pont rendszerint több réteghez is tartozik a modell elvileg alkalmas a fedésbe hazás
műveletének elvégzésére is. A globális geológiai rendszerek fő problémája a
térben és pontosságban homogén adatok hianyában rejlik. Az adatok egy részét a
felszínen nyerik és nagyobbrészt ösztönös extrapolálással terjesztik ki
érvényességét a mélybe, az adatok másik részét a geofizikusok szolgáltatják.
Ezek az adatok még kiegészülhetnek a feltáró fúrások eredményeivel, melyeket
rendszerint asványvagyon kutatás érdekében hajtanak végre.
A helyi (bányászati) geológia a fúrólukakból származó
pontszerű, szórt adatokat rendszerint testmodellezésre használja. A voxelekre bontás
lehetővé teszi az alap objektum (telér) összetétel változásainak figyelembe
vételét. Az egy objektumon belüli változó attribútum értekek használatának ez a
módja az első lépés a dinamikus objektum fogalom bevezetése útján. Minőségileg
homogén objektum-tér esetén lehetséges az objektumot reprezentáló pontok convex
burkának egyértelmű tetraeder felbontása.
Az utóbbi néhány év tudományos-technikai publikációi (pld. [4],
[5]) akárcsak néhány új kereskedelmi szoftver termék (pld. INTERGRAPH Voxel Analyst)
azt mutatják, hogy nagymértékben nőtt a különböző szennyező anyagok vízbeli
és levegőbeli eloszlása modellezésének jelentősége. A legtöbb projekt a talaj,
talajvíz, tó, öböl stb. szennyeződés vizsgálatával foglalkozik. Bár ezt a modellt
is terhelheti az adthiány korántsem olyan mértékben ahogy a geológiai modellekben
láttuk. A legnagyobb adatproblémát rendszerint az ismételt mérések hiánya okozza.
Megfelelő tagszámú idősorok nélkül lehetetlen a szennyeződés időbeli terjedését
modellezni. Ha modellezni szeretnénk bizonyos vegyi anyagok eloszlását egy tóban, úgy
a tavat olyan összefoglaló objektumnak tekinthetjük, melynek változó attribútum
mezői vannak. Ez azt jelenti, hogy az összefoglaló objektum nem más mint a
vizsgált skalár terek létezési tartománya. Azokban az esetekben amikor a
határoló felület akadályozza a terjedést az összefoglaló objektum modell
megkonstruálása a modellezési folyamat fontos kiinduló pontja. Más esetekben, ha a
rezervoár természetes határai a vizsgált jelenség hatáskörzetén kívül esnek
nincs szükségünk e határok meghatározására mivel úgy tekinthetjük mintha a
jelenséget leíró skalár tér értelmezési tartománya a végtelen féltér volna.
Ebben az esetben összefoglaló objektumként egy olyan téglatestet válaszhatunk, mely
teljességgel tartalmazza a vizsgált jelenséget. Ebben a modellosztályban az
interpolációs eljárás különösen fontos szerepet játszik.
3 D-s adatmodellek
A FIR alapelve a geometriai és leíró adatok kapcsolatán nyugszik.
Lényeges momentum, hogy egy geometriai képződménynek (pont, vonal, terület a 2 D-s
FIR-ben) több attribútuma is lehet.
A 2 D-s geometriai adatokat a rendszerek vagy vektorok vagy elemi
területek segítségével írják le (az utóbbi esetben tesszellációs modellról
beszélünk). A hatékony rendszerek a vektorokat topológiai struktúrákba szervezik,
míg a tesszellációs módszerek szinte kizárólag raszternek nevezett rendszerben elemi
négyzetekből építik fel az objektumot. A legkorszerűbb FIR szoftverek képesek
kezelni mindkét geomeriai adatmodellt.
Mindkét geometriai adattipus hatékonyan tárolható hierarchikus
struktúrában, ugyanakkor az attributiv adatok kényelmes tárolására rendszerint
relációs adatbázist használnak. A két adatbázist pointerek kapcsolják össze. Bár
találkozunk olyan törekvésekkel is, melyek mindkét adattipust ugyanabban a relációs
adatbázisban kivánják tárolni, e koncepciónak több hátránya is van: mindenek
előtt a kombinált adatbázis a szokásos táblázatstruktúra átalakításával jár
(változó hosszúságú mezők alkalmazása), másrészt a grafikus műveletek
végrehajtása jóval lassabb az egyesített adatbázisban. Ez utóbbi hátrányt úgy
próbálják kiküszöbölni, hogy külön választják a tartós tárolásra és a
műveletek végrehajtásakor ideiglenes tárolásra szolgáló struktúrákat. Míg a
tartós tárolást az aktualizálás után a relációs adatbázisban végzik, addig a
műveleteket ideiglenes, összekapcsolt de különálló grafikus és relációs
rész-adatbázisok felhasználásával hajtják végre, azaz a műveletekhez létrehozzák
az optimális struktúrát. Ez az adatszervezés azonban azzal a következménnyel is
jár, hogy a projekt területére definiáltan a tényleges munka előtt hosszadalmas
kötegelt műveletekkel létre kell hozni a részadatbázisokat, majd a munka után
ugyanilyen eljárásokkal végre kell hajtani a tartós adatbázis aktualizálását.
Előnyként e rendszerek hívei a tartós adatbázis konzisztencia biztonságára szoktak
hivatkozni, arról azonban nem szólnak hogy ez a cél, bár más eszközökkel, a
különálló grafikus és alfanumerikus adatbázisoknál is megoldható. Igen
valószínű, hogy az új, objektum orientált adatmodell tárolási kérdéseinek
korszerű realizálása fogja szolgáltatni a racionális megoldást a közös tárolási
struktúrára.
Az első 3 D-s adatmodelleket a CAD rendszerek alkalmazták.
Két alapvető adattipust használtak: a határleírást és a konstruktív
test geometriát (angol rövidítéssel CSG) [6]. A határleírást
egyfajta vektor módszernek tekinthetjük, míg a CSG egy nagyon sajátos
tesszellációs modell.
Az egyik leggyakrabban alkalmazott módszer a határleírás,
tulajdonképpen a síkbeli vektoros modellek térbeli megfelelője. A módszer lényege,
hogy a testeket határlapok uniójaként fogja fel, melyet kiegészít a határlapokat
tartalmazó felületek definícióival. Magukat a határlapokat az élek unióinak tekinti
(1. ábra).
1. ábra
A testek felépítése és lebontása elemi műveletekkel, az úgy
nevezett Euler féle operátorokkal valósítható meg (lásd
részletesebben pld. Mantyla és Sulonen tanulmányában [7]). Ezek az
operátorok nevüket a jól ismert Euler törvényekről kapták miszerint
minden egyszerű poliaederben a lapok (f), élek (e) és csúcsok száma (v) között az
alábbi egyenletben megfogalmazott szabály kell, hogy érvényesüljön:
v - e + f = 2 (1).
Ez a kifejezés általánosítható, ha r az oldallapokon található
üregek száma, h a testen áthaladó lukak száma, s pedig a testcsoport független
elemeinek száma. Ebben az esetben:
v - e + f = 2(s - h) + r (2).
Minden Euler képletet kielégítő test leírható öt
operátorral és azok inverzével.
A határleírás igen előnyös a grafikus megjelenítés
szempontjából, hátrányaként azt tartják számon hogy viszonylag nehezen
módosítható az alakzat.
A konstruktív test geometria alapgondolata a következő:
minden test felépíthető egyszerűbb testekből a regularizált
Boolean műveletek az unió (), metszet (), összeg (), és különbség ()
segítségével. Egyes modellekben primitív testeket: téglatesteket és hengereket
alkalmaznak, más modellek alacsonyabb színtű primitív alkotóelemei a félterek. Ebben
a megközelítésben egy blokk (téglatest) hat síkféltér regularizált metszése (2.
ábra).
2. ábra
A féltér azon -ban lévő P pontok együttese, amelyekre érvényes,
hogy
{P: f(P)0} (3),
ahol f=0 egy felület. Sík féltér alatt azokat a pontokat értjük,
melyek az
(4)
síkon és annak egyik oldalán helyezkednek el.
A konstruktív testgeometriai modellezés előnyös a módosítások
és számítások szempontjából, közvetlen rajzi megjelenítése azonban nehézkes,
ezért rajzi igények fellépésekor célszerű ezt a struktúrát előbb határleírásos
alakba konvertálni.
Ezek a modellek jól hasznosíthatók a 2.5 D-s építész
rendszerekben, ugyanakkor nem elégítik ki a 3 D-s FIR követelményeit.
Az általános 3 D-s FIR számára felhasználhatjuk a vektor
modellt. A modell sémáját Molenaar [8] publikációja alapján az 3. ábra
tartalmazza.
Bár a dimenzió emelés a topológiai modellben igen hasznos lehet
mind az általános elmélet, mind az elkövetkező évek szoftverfejlesztései
szempontjából napjainkban, részben a földalatti jelenségek jellege, részben a
nagymértékű adathiány következtében általában a kevésbé általános megoldások
élveznek előnyt.
Az eredeti modell homogén objektumokat tételez fel, azaz ebben a
modellben minden egyes objektum minden pontjának tetszőleges időpillanatban azonos
tulajdonság jellemzői vannak. Ezek a feltételek vagy igen nagy felbontású felmérést
tételeznek fel a föld alatti vagy föld feletti térben, vagy igen durva osztályozást
továbbra is viszonylag nagy felbontású felmérés mellett. Ráadásul, bizonyos
esetekben (pld. vízszennyezési vizsgálatoknál) a felmérést közel azonos időben
kell végrehajtani, ugyanakkor a eredményként levezetett konstans tulajdonságjellemzők
csak nagyon rövid ideig érvényesek.
3. ábra
Ha azonban megváltoztatjuk a konstans attribútumok elvét, s
bevezetjük helyette az attribútum függvények fogalmát, úgy a modell valóban
általánossá válik és alkalmazhatóvá a legkúlönfélébb speciális esetekben.
Jó példa a kevésbé általános megoldásokra a Kvázi
keresztszelvényekkel bemért alagút digitális modellje. Amint az a módszer
elnevezéséből is kitünik, alkalmazhatóságának feltétele, hogy a felmérést
keresztszelvények segítségével hajtsuk végre. Azért beszélünk kvázi
keresztszelvényekről, mivel az eljárás nem igényli, hogy a szelvények síkok
legyenek, csak azt, hogy a szelvények ne messék egymást.
Az oldalágak fellépését kettéágaztatással vesszük figyelembe,
ami azt jelenti, hogy mind a felmérésnél, mind a feldolgozásnál egy alagút
szakasznak csak két követője lehet. A 4. ábra jól szemlélteti az elmondottakat: az 1
és 2 keresztszelvények közötti egyenes szakasz után három irányba is elágazik a
barlang, de mivel a modellunk csak kettős elágazásokat kezel, a hármas elágazást
két egymás után következő kettős elágazásra bontjuk. A 2 szelvénytől kezdődően
az elágazás először a 3 és 5 szelvényekkel indúl, majd az 5 szelvényből
kiindulóan a 6 és 8 szelvények következnek. Kézenfekvő, hogy ez a megoldás csak
akkor alkalmazható, ha az 5 szelvényt a helyszínen is kitűztük és bemértük.
4. ábra
Két keresztszelvény között a barlang határfelületét
háromszöghálózattal modellezzük, azaz tulajdonképpen a határleírás módszerét
használjuk. Ha erről a modellről szabálytalan tesszellációra azaz tetraederes
felbontásra akarunk áttérni, úgy magukon a síkba vetített keresztszelvényeken is el
kell végezni a háromszögfelbontást. Ezután sorra véve valamelyik keresztszelvény
háromszögeit és a hozzájuk csatlakozó háromszögeket a paláston megkapjuk a
szakaszt alkotó tetraederek első részét, az eljárást a másik keresztszelvénnyel
megismételve pedig a másikat. Térjünk azonban vissza a palást modellezésére.
Meghatározzuk mindkét keresztszelvény súlypontját és a két
súlypontot összeillesztve egymásra helyezzük a súlypontokat összekötő tengelyre
merőleges síkra vetített keresztszelvényeket (ne felejtsük, hogy a felmérés során
nem kötöttük ki a keresztszelvények sík voltát, mivel ez jelentősen nehezítette
volna a terepi munkát, csak azt a követelményt támasztottuk, hogy a
kvázi-keresztszelvények nem metszhetik egymást). Az összevetítés eredményeképpen,
kedvező esetben, az egyik keresztszelvény magában foglalja a másikat. Mivel
algoritmusunk erre a feltételezésre épült, abban az esetben ha a keresztszelvények
metszik egymást olyan mértékben változtatjuk meg az egyik keresztszelvény
méretarányát, hogy a bennfoglalási követelmény kielégüljön. A palástot
reprezentáló háaromszöghálózat szerkesztését a két keresztszelvény egymáshoz
legközelebb eső két pontjának összekötésével kezdjük (5 ábra). A következő
háromszögoldal meghúzására két lehetőségünk is van (ha egy haladási értelmet
pld. az óramutató járásával megegyezőt előírunk): ugyanis az első oldal első
vagy második végpontjából is indulhat a következő háromszögoldal. Azt az oldalt
választjuk a két lehetséges közül, mely kisebb szöget zár be a súlypontból az
oldal felezőjébe húzott egyenessel. Az eljárást az elmondottak szerint mindaddig
folytatjuk, amíg a két keresztszelvény között a háromszöghálózat teljes nem lesz.
5. ábra
Az elágazások helyein a két ághoz is tartozó (nagy)
keresztszelvényeket már a felmérés során két részre kell bontani (be kell mérni az
elválasztó vonal két pontját),
6. ábra
majd a háromszög hálózatok megszerkesztését a két rész
számára a korábban elmondott módon végezzük azzal a különbséggel, hogy a közös
keresztszelvény egy-egy felét úgy tekintjük mintha olyan önálló keresztszelvény
volna, melynek két pontja azonos egy másik keresztszelvénnyel.
Az elmondottakból következik, hogy a két részkeresztszelvényt a
hozzájuk tartozó ág másik végének keresztszelvényével együtt a saját ághoz
tartozó súlypontokat összekötő egyenesre merőleges síkra vetítjük, ami
természetszerűen különböző a két ágra (6 ábra).
Szórt, többdimenziós adatpontok esetén a Delaunay-háromszögelés
és duálisa a Voronoi tesszelláció n dimenziós kiterjesztésén
alapúló modell használható [9]. Nem véletlen, hogy a 2 D-s FIR-ekben a terepet
rendszerint TIN (szabálytalan háromszöghálózat) modulokkal modellezik. A módszert
alkalmazva a pontmező konvex héja automatikusan számítható. A módszernek értékes
tulajdonságai vannak az attribútum értékek durva interpolációjában is [10]. Bár a
rendszert felépítő eljárások hatékonyak, a módszer segítségével végrehajtott
tömeg és felület számítások időigénye nagyobb mint a voxelek alkalmazása esetén.
Ezzel is magyarázható ez utóbbi szélesebb elterjedése. Meg kell azonban említeni,
hogy a többdimenziós Delaunay módszer lehetőségei koránt sincsennek megfelelően
kihasználva. A modell egyik legfőbb előnye, hogy lehetővé teszi az attribútumok
bekapcsolását a geometriába a 'háromszögelés' dimenziójának felemelésével.
Ebből a tulajdonságból az a természetes következtetés vonható le, hogy mivel
mindkét adattipus azonos megjelenésűvé lényegült át közös tárolásuk és
kezelésük egy relációs adatbázisban lehetséges és indokolt.
A leggyakrabban használt térbeli adatmodell a voxel modell.
A modell alapeleme a kocka, mely korlátlanul oszható vagy aggregálható kisebb vagy
nagyobb hasonló kocka-idomokba. A tárolás és a kezelés racionálisabbá tételére a
voxeleket rendszerint a nyolcágú fa (octree) struktúra valamely válfajába
szervezik [11], [12]. Ez a modell igen jól használható a halmaz műveletekre és a
tömeg számításokra. E kedvező tulajdonságai következtében az octree-t gyakran
használják szórt pontok inerpolálásával levezetett másodlagos modellként is. Bár
a modellben rejlenek olyan fejlesztési lehetőségek is, melyek támogatják a gyűjtő
objektumok generálását illetve lebontását, a gyakorlatilag használható rendszerek
konstans attribútumú objektumokat kezelnek.
Az interpolació kérdései
A földalatti és légköri mérések nehézségei, a hely azonosítás
problémái a vízben ismételt mérések esetén, kellően hangsúlyozzak az
interpoláció jelentőségét a 3 D-s modellezésben.
A módszereket három alapvető csoportra oszthatjuk: a) statisztikai
eljárások, b) polynómos interpoláció, c) függvény approximácio.
A módszerek csoportosítását elvégezhetjük a feldolgozott rendszer
kiterjedése alapján is. Ha az interpolációs eljárás felhasználja a mező összes
mért pontját az eljárást globális-nak nevezzük, ha csak az
inerpolálandó pont környezetében mért pontokat vesszük figyelembe lokális eljárásról
beszelünk. A legtöbb olyan gyakorlati esetben amikor nagymennyiségű mért pont áll
rendelkezésünkre a gobális módszerek is lokális approximációs technikákat
alkalmaznak..
A következő két szempont is fontos szerepet játszik az
interpolációs eljárás megválasztásánál: mi a modellezés célja és mi lesz a
sorsa az eredeti és interpolált adatoknak a műveletek elvégzése után.
A statisztikai módszerek alapgondolata szerint az interpolált
értéket az ismert adatok valamilyen súlyozott számtani középértéke szolgáltatja:
(5),
ahol az interpolált érték az helyen, a mért érték az pontban, i=1,...,
n, és a értékek a súlyok. A súlyok meghatározására számtalan módszer áll
rendelkezésünkre. Az egyszerűbb módszerek a reciprok távolság valamelyik hatványát
használják súlyként, azaz: , ahol p=1,2 vagy 3.
Komplikáltabb módszert a 'krigelés' különböző
válfajai közül választhatunk [13]. A krigelés az interpolált értékek minimális
varianciájú becslését szolgáltaja, ha a mért értékek kielégítenek
bizonyos stacionaritási feltételeket (első rendű stacionaritás, másod
rendű stacionaritás, belső stacionaritás). Ha egy stacionaritási hypothézis sem
vehető fel úgy a megoldást az univerzális krigelés segítségével
számíthatjuk. Sajnos ez utóbbi módszernek nincs egyértelmű megoldása s
nagymennyiségű interaktív inputot és subjektív értékelést igényel a feldolgozás
folyamatában.
A krígelés első lépésében az u.n. tapasztalati fél-variogrammot
számolják az alábbi képlet felhasználásával:
(6),
ahol a h távolságra becsült félvariancia, n(h)
a h osztályban mért pontpárok száma, Z(.) mért érték az (.) helyen.
A (6) egyenlet viszonylag könnyen számítható, ha a mért pontok
szabályos raszterben helyezkednek el és a mező izotróp, azaz ha csak a h nagyságátóltól
függ, de nem függ a kérdéses pontokat összekötő egyenes irányától. Ha az ismert
pontok nem szabályos helyzetűek távolság osztályokat kell alkotni, az izotrópia
hiánya esetén pedig különböző fél-variogrammokat kell számolni a jellemző irány
csoportokban. A kövekező lépésben a tapasztalati fél-variogrammo(ka)t helyettesítik
egy megfelelő függvénnyel, melyet a legkisebb négyzetek módszerével illesztenek a
tapasztalati adatokra.
Az (5)-ben a Z(x0) ismeretlen függvény interpolálására
használt súlyokat az (n+1) lineáris egyenletből álló alábbi rendszer megoldásával
nyerik:
(7),
ahol , és K az úgy nevezett Krige-mátrix
(8).
A C0 vektorok különbözőek minden interpolálandó ponton a ci,j
együtthatókat pedig az elméleti (interpolált) fél-variogrammból kell számolni. Az
elméleti fél-variogramm maximumát (vagy annak 95%-át) a H értéknél éri el,
melyet a jelenség hatástávolságának hívnak. Azok az együtthatók, melyekhez
tartozó pontok a hatástávolságra vagy annál nagyobb távolságra helyezkednek el
egymástól zérus értéket vesznek fel, a többi együtható pedigig a következő
kifejezésből nyerhető: , ahol h a távolságot jelöli az xi és xj.
pontpár között.
A krigelés rövid összefoglalása is mutatja már, hogy ennek a
módszernek több hátránya van a 3 D-s FIR-ben való alkalmazása esetén. Elsőnek az
egyértelműség hiányát kell megemlítenünk a trendek és anizotrópiák
kezelésénél. Ez gyakorlatilag azt jelenti, hogy torzított becsléseket kaphatunk, ha
rosszul választjuk meg a trendegyütthatókat és a variogramm csoportokat. Másodszor,
az eredményként jelentkező függvényértékeket előre meghatározott helyeken
(rendszerint egy szabályos rácsháló sarokpontjaiban) kapjuk. Ez pedig azzal jár, hogy
a módszer nem szolgáltatja a függvény deriváltjait s ez a tény megnehezíti
használatát a felületelemzésben. Mivel a módszer globális a számítási munka
jelentős futásidőt vesz igénybe. Megjelenítési célokra egy másik módszert,
rendszerint a spline interpolációt kell igénybe vennünk.
A módszer előnyeként ugyanakkor megjegyezzük, hogy az interpolált
pontok szabályos rácsban tárolhatók, ami kényelmessé teszi az adatmozgatásokat és
számításokat.
Az első szélesen elterjedt 3 D-s modellező kereskedelmi
program-csomag [4], mely a 2 D-s spline interpoláció 3 D-s kiterjesztését
használja, Briggs 1973-ban kidolgozott eljárásán [14] alapul.
Az eredeti 2 D-s módszer előre definiált
rácspontokban határozza meg a függvényértékeket anélkül, hogy előbb
meghatározná a térbeli változóknak azt a folytonos függvényét, mely visszaadja a
mért értékeket az adott helyzetű pontokon. A célból, hogy megoldja a két dimenziós
polynóm szakaszok illesztési problémáit a szórt elhelyezkedésű észlelési
pontokhoz, Briggs megoldotta a vékony lemez differenciál egyenletét,
mely megoldás harmadrendű spline-hoz vezetett. A numerikus megoldásra differencia
egyenletek szolgáltak, melyek megadták a függvényértékeket a szabályos
rácspontokban. Az eljárás végtermékeként színtvonalas térképet állitott elő a
színtvonalak és a rácsoldalak metszéspontjait négy pontos, harmadfokú polynómmal
interpolálta, e metszéspontokat pedig harmadfokú spline-al kötötte össze.
Sajnos a [4] nem tartalmaz semmi részletet a dimenzió kiterjesztés
problémáiról, ennek ellenére valószínűsíthető, hogy a differencia egyenletek
levezetése a 3 D-s esetben is a közelítő összgörbület négyzetének
minimalizálásán alapul.
Mitasova és Mitas [15], [16] kidolgozták a
variációs feltételek explicit megoldását az első-, és másodfokú deriváltak
direkt becslésével két, három és négy dimenziós esetekre. A kapott függvény,
melyet az összes deriváltat tartalmazó u.n. 'simasági' funkcionál négyzetének
minimalizálásával vezettek le az alábbi alakkal rendelkezik:
(9),
ahol a j index a mért pontokat, lj az ismeretlen
együtthatókat, R(x, x[j]) pedig a bázisfüggvényeket jelöli.
A vizsgált esetekre T(x) = a1 = constans. Három
és négy dimenziós esetekben a bázis függvények az alábbiak:
(10),
ahol , pedig egy tetszőlegesen választott
'feszültségnek' nevezett paraméter, mely alkalmas arra, hogy
szabályozza a rendszer hajlékonyságát,
a hibafüggvény.
A l1,...,lN, a1, összesen N+1 ismeretlen parametert az alábbi
N+1 lineáris egyenletből határozhatjuk meg, amelyekben z[i]-el jelöljük
az x[i] pontban mért függvény értéket;
(11).
Az explicit módszerrel kapcsolatban több kérdés vár további
vizsgálatra. Mindenek előtt az általános globális módszerek gyakorlati alkalmazása
tűnik problematikusnak a nagy futási idő igény miatt, mely nagyságrendje egyébként
a mért mennyiségek számának köbével arányosan növekszik. A [15]-ben a szerzők
olyan szegmentált eljárásra tesznek javaslatot, melyben számos átfedő lokális
modellel közelítik a globális modellt. Sajnos a hivatkozott műben nem találunk
utalást arra, hogy mennyiben függ a közelítés pontossága az átfedés
mértékétől, a vizsgált jelenség sajátosságaitól stb. Ha azonban a módszert FIR
függvényként kivánjuk alklmazni úgy ki kell dolgozni az adott tűrések
függvényében automatikusan szegmentáló eljárást is.
Ismeretesek olyan klasszikus szegmentáló eljárások, melyek
globális megoldáshoz vezetnek. Ha az elemzés azt mutatja, hogy lokális
szegmentálással nem lehet kielégíteni a pontossági követelményeket, úgy
alkalmazhatók a globális szegmenteló eljárások, lehetőleg kihasználva a párhuzamos
feldolgozás előnyeit.
A modellezett három és négy dimenziós mezők megjelenítésére
olyan program modulokat használtak, melyek lazán kapcsolódtak a GRASS FIR
program legújabb verziójához. A laza kapcsoltot az indokolta, hogy a kérdéses FIR
szoftver nem rendelkezik a megkivánt térbeli adatstruktúrákkal [16]. Ez a tény
ismételten aláhúzza olyan nyílt FIR szoftver létrehozásának szükségességét,
mely rendelkezik kiterjeszthető adatstruktúrákkal.
A krigelésnél bemutatott (7) lineáris egyenlet rendszer, legalább
is külsőleg, nagyon hasonlít a (11) rendszerre. Érdekes volna numerikus esetleg
analitikus vizsgálatokat végezni a két rendszer lényegi viszonyát illetően.
A 3 D-s interpolációs módszer kiválasztásánál tekintettel kell
lennünk a hazai hardver környezetre is. A nagy számítógépes rendszerek illetve a
párhuzamos feldolgozást támogató munkaállomás hálózatok hiányában előnyben kell
részesítenünk a viszonylag csekély futás idejű lokális módszereket. A szerző
által javasolt egyszerű módszer [17], mely kielégíti ezeket a követelményeket az
alábbiakban foglalható össze:
Minden ri pont számára, melyben ismerjük az
általában ismeretlen f(r) függvény értékét ui-t,
létrehozható egy olyan Gi(r) approximáló függvény, mely megfelelöen
közelíti az eredeti függvényt a pont környezetében. E függvény értelmezve van az
egész globális modellre és legalább a szomszédos pontokat jól közelíti. A
legegyszerűbb lokális függvény a három ismeretlenes polinóm az alábbi kifejezéssel
írható fel: (12).
Az approximáció pontossága a függvény központi pontjától mért
távolságtól függ. Az ismert (mért) értékek és a megfelelő függvényértékek
különbségét a kifejezésből számolhatjuk. Az eltéréseket távolság intervallum
csoportokba rendezhetjük és a kifejezéssel kiszámithatjuk minden intervallum
szórásnégyzetét. A képletben K a kérdéses intervallumba eső eltérések
számát jelöli.
Izotróp mezők esetén ahol sm a függvényértékek szórása
a csomópontokban. Az a, b, c parametereket a megfelelő d, sd
párokból számolhatjuk. Kidolgoztuk az anizotrópia kezelésének módszerét is és meg
van a lehetősége minden lokális modell speciális viselkedésének a figyelembe
vételére.
A szórásokból kiszámíthatjuk a súlyokat, majd súlyozott
számtani közép képzéssel az interpolált függvény értéket:
(13).
Az első, néhány kisméretű adatálománnyal végzett próba
számítás a módszer kiváló approximácós tulajdonságairól tanuskodik.
Következtetések
A három dimenziós skalár és négy dimenziós vektor terek
matematikai modellezése jelentős mértékben fejlődött az elmult néhány évben. Ezt
a folyamatot a megbízható adtok növekvő igénye váltotta ki a természet és műszaki
tudományok különböző ágaiban. Különösen a környezetvédelem és az
ásványvagyon gazdálkodás érdekelt a témában.
A modellezett jelenségek terei kölcsönhatásban állnak más olyan
terekkel, melyek ugyanarra a tér (idő) tartományra vonatkoznak. Mind a modelleket, mind
kölcsönhatásukat más terekkel elemezni, mérni és szemléltetni kell. A tartomány
összes gyűjtött és modellezett adatát közösen kell tárolni és kezelni.
A hagyományos 2 D-s FIR arra képes, hogy felhasználva a topológiai
struktúrálás elvét (illetve valamely négyágú fa verziót a raszteres esetben) és a
konstans attributum fogalmat, statikus objektumokat tároljon, kezeljen, elemezzen.
A 3 D-s FIR-nek megfelelő geometriai adat struktúrával kell
rendelkeznie az előforduló 0, 1, 2, 3 dimenziós objektum tipusok leírására de
emellett még kiegészítő eszközei is kell hogy legyenek a változó attribútum
értékek kezelésére. A 3 D-s modellezést támogató FIR környezet egy lehetséges
realizálását a 7. ábrában vázoltam fel.
7. ábra
A koncepció legstatikusabb eleme a tartomány.
Geometriailag a 3. ábrán bemutatott vektor eszközökkel vagy nyolcágú fával
modellezhető. A tartomány attribútumai azok a terek, melyeket eredetileg a szórt
mérési pontok reprezentáltak. Az interpolációs eljárások vagy explicit függvények
együtthatóivá, vagy szabályos rácsbeli értékekké transzformálják a szórt pontok
adatait. Maguk az explicit függvények is felhasználhatók rácsadatok levezetésére,
de valódi előnyük inkább az előzetes analyzis végrehajtásában illetve a
különböző kölcsönhatások számításában van. Az előzetes analyzis például a
signifikáns grádiens változások detektálásával javíthatja a rácspontok
levezetését.
Az objektumok ebben a sémában elvileg időleges képződmények,
melyeket egy választott tulajdonságjellemző kijelölt értékintervallumára hoznak
létre. A FIR szoftver támogatja a halmazműveleteket és a megjelenítési eljárásokat
de a tárolás a függvény vagy rács struktúrán alapul.
Ez az általános struktúra egyszerűen lebontható több hagyományos
(állandó attribútumokkal dolgozó) 3 D-s FIR-re kielégítve azon mérnöki
szakterületek igényeit, melyek nem hasznosítják a magasabb felbontást illetve nem
veszik figyelembe a jelenségek változó természetét.
Irodalmi hivatkozások
[1] Kavouras M.: Design of a geometry-system to handle 3-D mining
information. VIth International Congress International Society for Mine Surveying
Harrogate / 9-13 September 1985. Proceedings. Volume one. A. A. Balkema /
Rotterdam / Boston. pp. 40-46.
[2] Sárközy F.: The role of integrated geodetic-photogrammetric
complexes in establishing information systems for mining. VIth International
Congress International Society for Mine Surveying Harrogate / 9-13 September 1985. Proceedings.
Volume one. A. A. Balkema / Rotterdam / Boston. pp. 27-34.
[3] Sárközy F.: Designing an integrated 2.5 and 3 dimensional
information system for geoscientific and engineering purposes. XIX Congress
International Federation of Surveyors 10.-19. 9. 1990 Helsinki Finland. Proceedings. Comission
6. pp. 131-145.
[4] Smith D. R., Paradis A. R.: Three-dimensional GIS for the earth
sciences. AUTO-CARTO 9. Proceedings. Baltimore, 1989. pp. 324-335.
[5] Calkins H. W., Xia F. F. and Guan W.: GIS based 3-D segmentation
for water quality modeling. GIS/LIS '93 Annual Conference November 2-4, 1993.
Minneapolis, Minnesota. Proceedings. Volume 1. pp. 92-101.
[6] Siki Z.: Mathematical model for solids under the surface of the
earth. Periodica Politechnica Civil Engineering. Vol. 34. Nos 3-4. pp. 143-152.
Budapest 1990.
[7] Mantyla M., Sulonen R.: GWB: a solid modeler with Euler
operators. Computer Graphics & Applications. September 1982. pp. 17-31.
[8] Rikkers R., Molenaar M., Stuiver J.: A query oriented
implementation of a 3D topologic datastructure. EGIS '93. Proceedings. Vol. 2.
Genoa 1993. pp. 1411-1420.
[9] Bowier A.: Computing Dirichlet tesselation. The Computer
Journal. Vol. 24, No. 2, 1981. pp. 162-166.
[10] Gold C. M.: Problems with handling spatial data - the Voronoi
approach. CISM Journal ACSGC. Vol. 45, No. 1. Spring 1991. pp. 65-80.
[11] Samet H.: Application of spatial data structures.
Addision-Wesley Publishing Company. 1989.
[12] Samet H.: The design and analysis of spatial data structures.
Addison-Wesley Publishing Company, Inc. 1990.
[13] Dowd P. A.: A review of geostatistical techniques for
contouring. NATO ASI Series. Vol. F17. Fundamental Algorithms for Computer
Graphics. Edited by R. A. Earnshaw. pp.483-529. Springer-Verlag Berlin Heidelberg
1985.
[14] Briggs I. C.: Machine contouring using minimum curvature. Geophysics.
Vol. 39, No. 1. February 1974. pp. 39-48.
[15] Mitaova H. and Mita L.: Interpolation by Regularized Spline
with Tension: I. Theory and Implementation. Mathematical Geology. Vol. 25. No.
6, 1993. pp. 641-655.
[16] Mitaova H., Brown W., Gerdes D. P., Kosinovsky I.., Baker T.: Multidimensional
interpolation, analysis and visualization for environmental modeling. GIS/LIS '93
Annual Conference November 2-4, 1993. Minneapolis, Minnesota. Proceedings. Volume 2.
pp. 550-556.
[22] Sárközy F., Gáspár P.: Modelling of scalar fields
represented by scattered 3D points. Periodica Polytechnica Civil Engineering. Vol.
36, No. 2. pp. 187- 200. Budapest 1992.
|