用三维插值围栏绘制臭氧图

2023-11-21 10:10

本文主要是介绍用三维插值围栏绘制臭氧图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

概述  

对流层臭氧是烟雾中的主要成分。由阳光和化学物质排放相互作用的反应引起 ,这片土地-臭氧是最经常在市区找到,但被风吹散。

如果你住在美国,你可以通过网站查询  AirNow website 您所在地区当前的空气质量状况。  

南加州的空气质量通常在美国最差。根据样本测量数据,您可以可以绘制该区域臭氧浓度的插值图,但是水平绘制臭氧图是 仅图片的一部分。

臭氧浓度如何随海拔高度变化?你能参观高山吗 以呼吸清洁的空气?  

在本练习中,您沿着10号州际公路在3D垂直围栏中绘制臭氧浓度,从海岸的圣莫尼卡(Santa Monica)到沙漠中的棕榈泉(Palm Springs)。

会使用一个Python脚本工具,使用内置  可以通过离散输入在连续表面上插值现象的地统计方法 数据。通常,地统计学用于水平绘制浓度分布图。本例,你会创建一个垂直  

插值以了解臭氧如何随高度变化。

在本课程中,您将学习:  
  • 用三维插值围栏绘制臭氧图。  
  • 将栅栏层符号化为实心墙。
  • 配置围栏层的字段以创建更好的弹出窗口。

探索数据

在进行任何分析之前,您探索臭氧点数据。

1、下载 的 OzoneFence 项目 包。  

2、双击-单击OzoneFence.ppk X 打开 它 的ArcGIS 临。    

本练习中使用的数据是由32个氦气球探头收集的。气球被释放  沿着200 -高速公路公里长。上升时,每个探头都发射了臭氧  浓度测量和位置的坐标。  

数据由美国农业部森林服务局位于河滨的加利福尼亚太平洋西南研究站提供。Ť研究时间八月一个炎热的下午,臭氧浓度倾向于最高,西风。  

根据Ozone_measurements图层的图例,蓝色符号表示较低浓度的臭氧,红色符号表示较高的浓度。臭氧值以十亿分之一(ppb)为单位。

3、导航地图并探索空间的分布数据。  

沿着这条路,臭氧浓度在东部更高且海拔更高。通过绘制散点图可以了解臭氧与海拔之间的关系。  

4、在 该内容窗格中, 右键单击Ozone_measureme单击Create Chart 并单击Scatter Plot。        

将显示一个空图表视图和一个“图表属性”窗格。  

5、在图表属性窗格中, X-axis Number 选择 ozone。      

6、Y-axis Number 选择 elev 

点将显示在图表视图中。它们的颜色与地图的符号系统匹配。每个轴上的值  可能会有所不同,具体取决于窗格的大小。

海拔和臭氧之间的关系并不完全契合,但有一个趋势。那些红点—— 臭氧浓度最高的——在1800米海拔以上才能发现。

7、关闭图表视图。

创建三维垂直围栏

现在你已经观察到的臭氧和高度之间的关系,您将使用离散点数据来插值连续的臭氧浓度

将插值构建为一个垂直围栏,它将不仅沿公路路径可视化臭氧的变化,还将随着高程的变化可视化。 

1、在目录窗格工程中的工具箱 展开 Toolboxe展开 3DFences.pyt

2、双击 Feature-based Fences。   

Geoprocessin窗格中打开 Feature-based Fences。该工具创建一个垂直的沿现有线要素的地统计表面。

会使用 Balloon_trail 线,沿着高速公路。  

3、Geoprocessing的窗格中, 对于 Input point features,选择 Ozone_measuremets。       

4、对于 Field representing Z dimensions,选择 elev 。     

5、对于 Interpolation field选择 ozone。     

6、对于 Interpolation resolution 键入200 。     

较小的插值分辨率将导致更详细的-看输出,但它也将采取有更多的时间来处理。  

7、对于 Input fence line feature(s)选择 Balloon_trail。     

8、对于 Fence buffer distance,键入1200 。     

并非所有的臭氧测量值都位于气球尾部的正上方风已造成他们转向一边。1200米的缓冲距离将确保所有点都用于分析。  

9、如有 必要,输出名称更改为 Ozone_measurements_FeatureFences

10、点击 Run

该工具可能需要几分钟才能完成。Feature-based Fences 工具使用经验贝叶斯克里金插值方法,也称为EBK。

这是最复杂的之一地理统计方法。您可以在什么是经验贝叶斯克里金法内容。  

当分析完成,Ozone_measurements_FeatureFences 层被添加到地图上。它似乎是由均匀分布的点构成的垂直墙。

 

在三个维度上都可以看到该栅栏,但是它只能插入单个3D空间的片段。

打造真正的 3D 插值,则可以使用 Empirical Bayesian Kriging 3D 地理统计方法。

学习如何申请这个 3D 的方法,你可以参照 Interpolate 3D Oxygen Measurements in Monterey Bay

将栅栏符号化为砖墙  

接下来,你会改变围栏的符号以更好的方式的显示插值结果。  

1、在内容窗格,关闭 Ozone_measurements 和 Balloon_trail。       

2、双击 Ozone_measurements_FeatureFences ,以 打开图层属性窗口。      

3、单击显示 选中 以实际单位显示 3D 符号

4、单击确定。   

现在,符号的大小以米而不是点为单位。  

5、放大拉近栅栏

点的大小相对于地球(而不是相对于屏幕)保持恒定。  

注:符号的实际大小取决于属性更改时地图的当前比例。您的点可能比示例图像中显示的点小或大。  

接下来,你会改变这些点的颜色,以反映臭氧值。  

6、在内容窗格中, 右击 Ozone_measurements_FeatureFences选择 Symbology。       

7、在符号化窗格 Primary Symbology 改为 Unclassed Colors。        

8、将 Field 更改为 EBK_ozone

EBK_ozone 是由 Feature-based Fences 工具 产生的用于存储存储臭氧浓度的预测值   。  

9、点击 该配色方案菜单选中 Show names 和 Show all。         

10、滚动配色方案的列表,选择 Prediction

  

臭氧浓度最低的区域将显示为蓝色,而臭氧浓度最高的区域将显示为红色。  

11、单击符号旁边的 Template

符号系统窗格更改为 Format Point Symbol 选项。  

12、如有 必要,请单击“属性”  然后单击“图层”选项卡。 

模板符号当前为灰色圆圈,但地图上的点不是灰色的。相反,它们使用“预测”配色方案中的颜色绘制 。  

13、将 Shape marker 更改为 3D model marker。 

    

默认的3D模型标记是一个立方体。通过与3D立方体更换圈,栅栏被符号化看起来像砖墙。

之前,运行 Feature-based Fences 时指定了200米作为插值分辨率。您将对立方体的尺寸使用相同的大小。

14、在 Appearance, 改变 Height (Z) 为200 米。

Width(X) 和 Depth(Y) 自动更新为200 m ,因为这三个维度已链接一起。(如果没有,则可以手动更改它们。  

15、单击应用

一堵墙出现在您的地图上。它由将近14,000个立方体构成,其颜色可以反映该区域中的预测臭氧浓度。  

16、探索臭氧围栏。 

您注意到什么模式?这一天的臭氧水平在沿海地区最低。风吹散了  

海洋通常意味着洛杉矶西部的臭氧浓度低于东部的臭氧浓度内陆帝国地区。

棕榈泉,尽管离洛杉矶有一百多英里,城市化程度也低得多,但它的臭氧含量相对较高,因为风把烟雾从山与山之间的圣戈尔戈尼奥山口吹来。

臭氧如何随海拔高度变化?它是否倾向于以更高的浓度到达地面以下, 或更高的空气?  

17、.单击臭氧栅栏上的任何位置。  

弹出窗口,其中列出了该点的属性值。

简化弹出式窗口  

弹出窗不是很容易阅读。您建立了臭氧隔离栅,所以您知道 EBK_ozone 值表示该区域的预测臭氧浓度,以十亿分之一为单位,但是其他人探索这张地图,他们可能不知道。

接下来,简化弹出窗,使其更加清晰易读。  

1、如果有必要, 关闭弹出窗。  

2、在内容窗格中, 选择 Ozone_measurements_FeatureFences 按下F2使名称可编辑,重命名图层 Interpolated Ozone Concentrations

 

3、右击 Interpolated Ozone Concentrations,指向设计选择字段。  

打开字段”视图。使用此视图,您可以控制在属性表和弹出窗中显示哪些字段。  

4、点击检查旁边 Visible,以 关闭所有字段可见性

5、在可见性列, 检查 EBK_ozone elev。       

这是您要显示的仅有两个字段。接下来,您将更改这些字段的别名。  

别名可用于为字段赋予更多描述性名称。  

6、双 EBK_ozone 的别名 使 之 可编辑。

7、重命名 的 别名 Ozone (ppb) 。   

8、重命名 elev 为 Height(m)。  

9、在上字段选项卡, 将在更改组, 单击保存。       

10、关闭 “字段”视图。    

11、在地图上, 点击臭氧围栏。

现在,弹出窗更容易阅读。它仅显示重要的值及其单位。  

提示:另一种方法来控制和定制这个内容是从该层的上下文菜单选择 Configure Pop-ups 。  

12、关闭弹出窗。  

13、快速访问工具栏 单击保存按钮。

14、关闭 ArcGIS  Pro。  

总结  

该分析表明,臭氧并不总是集中在其产生的地方。反而,它漂浮在风中,污染附近区域的空气。垂直栅栏还表明臭氧浓度往往随海拔升高而增加。  

在约3公里处,臭氧达到了上限,难以进一步上升。为此原因, 山脉是阻止臭氧扩散的有效屏障,但是除非您在  

在这样的山脉的另一边,您可能会遭受比山谷中更高的臭氧水平产生污染物的地方。 

这篇关于用三维插值围栏绘制臭氧图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/401665

相关文章

hdu1240、hdu1253(三维搜索题)

1、从后往前输入,(x,y,z); 2、从下往上输入,(y , z, x); 3、从左往右输入,(z,x,y); hdu1240代码如下: #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#inc

hdu4826(三维DP)

这是一个百度之星的资格赛第四题 题目链接:http://acm.hdu.edu.cn/contests/contest_showproblem.php?pid=1004&cid=500 题意:从左上角的点到右上角的点,每个点只能走一遍,走的方向有三个:向上,向下,向右,求最大值。 咋一看像搜索题,先暴搜,TLE,然后剪枝,还是TLE.然后我就改方法,用DP来做,这题和普通dp相比,多个个向上

【WebGPU Unleashed】1.1 绘制三角形

一部2024新的WebGPU教程,作者Shi Yan。内容很好,翻译过来与大家共享,内容上会有改动,加上自己的理解。更多精彩内容尽在 dt.sim3d.cn ,关注公众号【sky的数孪技术】,技术交流、源码下载请添加微信号:digital_twin123 在 3D 渲染领域,三角形是最基本的绘制元素。在这里,我们将学习如何绘制单个三角形。接下来我们将制作一个简单的着色器来定义三角形内的像素

Flutter 进阶:绘制加载动画

绘制加载动画:由小圆组成的大圆 1. 定义 LoadingScreen 类2. 实现 _LoadingScreenState 类3. 定义 LoadingPainter 类4. 总结 实现加载动画 我们需要定义两个类:LoadingScreen 和 LoadingPainter。LoadingScreen 负责控制动画的状态,而 LoadingPainter 则负责绘制动画。

利用matlab bar函数绘制较为复杂的柱状图,并在图中进行适当标注

示例代码和结果如下:小疑问:如何自动选择合适的坐标位置对柱状图的数值大小进行标注?😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87

Vector3 三维向量

Vector3 三维向量 Struct Representation of 3D vectors and points. 表示3D的向量和点。 This structure is used throughout Unity to pass 3D positions and directions around. It also contains functions for doin

YOLOv8/v10+DeepSORT多目标车辆跟踪(车辆检测/跟踪/车辆计数/测速/禁停区域/绘制进出线/绘制禁停区域/车道车辆统计)

01:YOLOv8 + DeepSort 车辆跟踪 该项目利用YOLOv8作为目标检测模型,DeepSort用于多目标跟踪。YOLOv8负责从视频帧中检测出车辆的位置,而DeepSort则负责关联这些检测结果,从而实现车辆的持续跟踪。这种组合使得系统能够在视频流中准确地识别并跟随特定车辆。 02:YOLOv8 + DeepSort 车辆跟踪 + 任意绘制进出线 在此基础上增加了用户

数据集 3DPW-开源户外三维人体建模-姿态估计-人体关键点-人体mesh建模 >> DataBall

3DPW 3DPW-开源户外三维人体建模数据集-姿态估计-人体关键点-人体mesh建模 开源户外三维人体数据集 @inproceedings{vonMarcard2018, title = {Recovering Accurate 3D Human Pose in The Wild Using IMUs and a Moving Camera}, author = {von Marc

Rhinoceros 8 for Mac/Win:重塑三维建模边界的革新之作

Rhinoceros 8(简称Rhino 8),作为一款由Robert McNeel & Assoc公司开发的顶尖三维建模软件,无论是对于Mac还是Windows用户而言,都是一款不可多得的高效工具。Rhino 8以其强大的功能、广泛的应用领域以及卓越的性能,在建筑设计、工业设计、产品设计、三维动画制作、科学研究及机械设计等多个领域展现出了非凡的实力。 强大的建模能力 Rhino 8支持多种建

数据集 Ubody人体smplx三维建模mesh-姿态估计 >> DataBall

Ubody开源人体三维源数据集-smplx-三维建模-姿态估计 UBody:一个连接全身网格恢复和真实生活场景的上半身数据集,旨在拟合全身网格恢复任务与现实场景之间的差距。 UBody包含来自多人的现实场景的1051k张高质量图像,这些图像拥有2D全身关键点、3D SMPLX模型。 UBody由国际数字经济学院(IDEA)提供。 (UBody was used for mesh r