یک مکانیسم استدلال ترکیبی با روابط توپولوژیکی و متریک برای تشخیص تغییر در پلان‌فرم‌های رودخانه: یک کاربرد برای بدنه‌های آبی GlobeLand30

خلاصه

تغییرات در شکل صفحه رودخانه را تغییرات پلان فرم رودخانه (RPCs) می گویند. چنین تغییراتی می تواند بر توسعه پایدار انسانی (به عنوان مثال، سکونتگاه های انسانی، توسعه صنعتی و کشاورزی و امنیت مرزهای ملی) تأثیر بگذارد. RPC ها را می توان از طریق بررسی های میدانی شناسایی کرد – روشی که بسیار دقیق اما زمان بر است، یا از طریق سنجش از دور (RS) و سیستم اطلاعات جغرافیایی (GIS) که دقیق تر اما کارآمدتر هستند. مطالعات قبلی که به RPCها پرداخته‌اند، اغلب از RS، GIS یا مدل‌های ارتفاعی دیجیتال (DEMs) استفاده می‌کردند و تنها بر یک یا چند رودخانه در مناطق خاص با هدف شناسایی دلایل این تغییرات تمرکز داشتند. در مقابل، در این مقاله، ما یک مکانیسم استدلال ترکیبی مبتنی بر روابط توپولوژیکی و متریک ایجاد کردیم که می‌تواند برای طبقه‌بندی RPCها استفاده شود. این رویکرد به DEM نیاز ندارد و می‌تواند بیشتر اطلاعات تغییر نادرست ناشی از سطوح مختلف آب رودخانه را حذف کند. ابتدا، مدل‌های GIS پلان‌فرم‌های رودخانه را بر اساس ویژگی‌های طبیعی آن‌ها ارائه می‌کنیم و سپس، این مدل‌ها را به مدل‌های پلان فرم رودخانه GIS ساده (SGRPMs) با استفاده از خطوط مستقیم به جای خطوط مشترک برای تسهیل درک محاسباتی و انسانی تغییر می‌دهیم. دوم، ما از مدل‌های دو خط مستقیم 4-تقاطع (DSL4IMs) و مدل‌های تقاطع و تفاوت (IDMs) مناطق برای نمایش روابط توپولوژیکی بین SGRPMs استفاده کردیم و از مدل‌های 8 فاصله نقطه شروع دوگانه (DS8DMs) برای بیان روابط متریک بین SGRPM ها سپس، روابط توپولوژیکی و متریک را برای تجزیه و تحلیل تغییرات در SGRPM ها ترکیب کردیم. در نهایت، برای جبران پیچیدگی پلان‌های معمول رودخانه در طبیعت، ما سه قانون تقسیم‌بندی را برای تبدیل پلان‌فرم‌های رودخانه‌ای رایج به SGRPM پیشنهاد کردیم و از جداول مکانیزم استدلال ترکیبی (CRMT) برای توصیف روابط فضایی بین پلان‌فرم‌های رودخانه مختلف استفاده کردیم. بر اساس روش ما، کاربران می توانند پلان های معمولی رودخانه و تغییرات آنها را با جزئیات توصیف کنند و با اطمینان تغییرات نادرست را رد کنند. کار آینده باید روشی برای تنظیم خودکار یا نیمه خودکار قوانین تقسیم بندی و مکانیسم استدلال ترکیبی ایجاد کند.

کلید واژه ها:

تشخیص تغییر ؛ پلان های رودخانه ای ; مکانیسم استدلال ترکیبی ; رابطه توپولوژیکی ; رابطه متریک

1. معرفی

رودخانه ها برای بقای انسان و توسعه پایدار حیاتی هستند و منابع انسانی ضروری مانند آب خانگی، آب کشاورزی، آب صنعتی، کشتیرانی و دشت های آبرفتی را فراهم می کنند. با این حال، تغییرات در شکل صفحه رودخانه که “تغییرات پلان شکل رودخانه” (RPCs) نامیده می شود، بر پایداری زندگی انسان، توسعه صنعتی، توسعه کشاورزی و امنیت مرزهای ملی تأثیر می گذارد. هر دو فعالیت های بیرونی و درونی انسان می توانند بر RPC ها تأثیر بگذارند. درک کامل مکانیسمی برای تشخیص RPCها به عنوان یک فرآیند جغرافیایی اساسی برای پیش‌بینی تغییرات رودخانه‌ای که می‌تواند بر بقای انسان و توسعه پایدار تأثیر بگذارد، حیاتی است [ 1 ، 2 ، 3 ، 4 ، 5].

با استفاده از سنجش از دور (RS)، داده های جغرافیایی را می توان به سرعت در مناطق بزرگ با وضوح بالا به دست آورد. با استفاده از سیستم اطلاعات جغرافیایی (GIS)، مردم می توانند به سرعت حجم بالایی از داده های جغرافیایی به دست آمده از طریق RS را نمایش، پردازش و تجزیه و تحلیل کنند. هر دو RS و GIS به طور فزاینده ای برای شناسایی و تجزیه و تحلیل RPC ها استفاده می شوند [ 6 , 7 , 8 , 9 , 10 , 11 , 12 , 13 , 14 , 15]. برای تجزیه و تحلیل بهتر RPCها، برخی از اطلاعات کمکی مانند مدل‌های رقومی ارتفاع (DEMs)، مناظر، و هندسه‌ها برای تجزیه و تحلیل پلان‌فرم‌های رودخانه استفاده شده‌اند. لاو و فرانکلین (2013) از هندسه های بخش رودخانه به جای داده های ارتفاع جزئی غیرقابل اعتماد یا در دسترس برای تولید زمین القایی و شبکه کامل رودخانه بهره برداری کردند [ 16 ]. Mantilla و Gupta (2005) CUENCAS را که بر اساس DEMs است، برای درک شبکه های رودخانه پیشنهاد کردند [ 17 ]. Langhammer و Vilímek (2007) اثر تغییرات منظر ناشی از سیل را بر روی RPCs حوضه رودخانه Otava با استفاده از GIS، RS و کار میدانی مورد بررسی قرار دادند [ 18]]. Wohlfart و همکاران. (2016) ویژگی‌ها و دینامیک پوشش زمین را بر اساس سری زمانی طیف‌سنج رادیومتر با وضوح متوسط با وضوح متوسط نوری (MODIS) شاخص گیاهی متفاوت (NDVI) برای کل حوضه رودخانه زرد تعیین کرد. تغییرات NDVI را می توان برای تجزیه و تحلیل تغییرات هیدرولوژیکی استفاده کرد [ 19 ]. این مطالعات قبلی – حتی با برخی اطلاعات کمکی – فقط بر روی RPCهای یک رودخانه واحد یا بر روی چندین رودخانه در یک منطقه خاص تمرکز داشتند، تغییرات را شناسایی کردند، دلایل اساسی را تجزیه و تحلیل کردند و اثرات آنها را بر انسان یا اشیاء دیگر توصیف کردند. نتایج آنها برای جوامع بشری مهم است. با این حال، این مطالعات روشی را برای تجزیه و تحلیل و طبقه‌بندی RPCها در حجم با در نظر گرفتن ویژگی‌های آنها در مناطق بزرگ یا در سراسر جهان پیشنهاد نکردند.

عصر کلان داده فرا رسیده است (اگرچه هنوز هیچ تعریفی از کلان داده در بین همه محققین به توافق نرسیده است). با این حال، اعتقاد بر این است که ویژگی‌های کلان داده – حجم زیاد، سرعت بالا، تنوع گسترده، و ارزش بسیار زیاد اما چگالی کم – به اصلاحاتی در پردازش داده نیاز دارند [20 ، 21 ، 22 ، 23 ، 24 ]]. محصولات پوشش زمین جهانی برای تجزیه و تحلیل تغییرات جهانی به روشی کم‌هزینه و زمان‌بر مهم هستند و چنین محصولاتی با وضوح فزاینده‌ای در حال توسعه هستند. در همین حال، حجم داده ها همچنان در حال افزایش است. هنگامی که به یک سطح معین رسید، به عنوان داده های بزرگ GIS طبقه بندی می شود. بنابراین، توسعه روشی برای شناسایی و تجزیه و تحلیل RPC های مختلف بر اساس ویژگی های مشترک آنها ضروری است. مجموعه داده GlobeLand30 که بر اساس تصاویر نقشه‌برداری موضوعی لندست (TM)، نقشه‌بردار موضوعی پیشرفته پلاس (ETM+) و عکس‌های چندطیفی Huan Jing 1 (HJ-1) منتشر شده توسط چین در سال 2014 است، شامل بالاترین وضوح محصولات پوشش زمین جهانی موجود است. و برای به دست آوردن محصولات پوشش زمین جهانی در سال های 2000 و 2010 که شامل آب های با وضوح 30 متر است، استفاده شد. این محصولات به صورت رایگان در دسترس هستند و برای استفاده غیرتجاری در دسترس هستند. بنابراین، آنها می توانند به عنوان پایه ای برای تجزیه و تحلیل تغییرات جهانی عمل کنند.25 ، 26 ]. علاوه بر این، دقت GlobeLand30 توسط بسیاری از کاربران تایید شده است، و می توان از آن در اکثر مناطق زمین استفاده کرد [ 27 ، 28 ، 29 ، 30]]. بدنه های آبی 2000 و 2010 برای به دست آوردن RPC های اولیه عظیم از طریق تجزیه و تحلیل پوشش در مطالعه ما مناسب هستند. با این حال، پلان های رودخانه پویا هستند زیرا سطح رودخانه تغییر می کند. بنابراین، پلان‌های رودخانه پویا موقتی هستند و نباید به عنوان پلان‌های رودخانه واقعی در نظر گرفته شوند. به عبارت دیگر، تغییرات ناشی از سطوح غیر نرمال رودخانه را باید به عنوان RPCهای کاذب در نظر گرفت. روش رایج برای تشخیص RPC و تشخیص RPCهای کاذب، استفاده از یک DEM با دقت بالا مبتنی بر LiDAR در زمان های مختلف است. با این حال، این رویکرد در مقیاس جهانی پرهزینه است [ 31 ، 32 ، 33 ، 34 ، 35 ، 36]. کاربران می توانند RPC های مستقیم را بر اساس داده های RS و GIS مانند GlobeLand30 بدست آورند، اما تشخیص RPC های نادرست به طور خودکار از این داده ها به دلیل عدم وجود DEM در GlobeLand30 دشوار است.

روابط فضایی شامل روابط توپولوژیکی، روابط متریک و روابط نظم است و می تواند تجزیه و تحلیل هر دو RPC و RPC نادرست را افزایش دهد. به طور فزاینده‌ای، مطالعاتی که به بررسی پلان‌فرم‌های رودخانه می‌پردازند، روابط فضایی را در نظر گرفته‌اند (Peršić و Horvatić (2011) [ 37 ]، Zhou و همکاران (2012) [ 38 ]، Schilling and Jacobson (2012) [ 39 ]، Hudson و همکاران (20). [ 40 ]، پان و همکاران (1999) [ 41 ]، هرناندز-گراسیداس و همکاران (2011) [ 42 ] و باکینگهام و ویتنی (2007) [ 43 ]]). با این حال، این مطالعات تنها یک یا چند رودخانه را در نظر گرفتند و بنابراین، روابط فضایی بین پلان‌های رودخانه‌ای رایج را بیان نکردند. پلان‌های رودخانه معمولاً به صورت خطوط یا مناطق در GIS بیان می‌شوند. بنابراین، روابط فضایی بین پلان‌فرم‌های رودخانه را باید به‌عنوان روابط فضایی خطوط و مناطق در نظر گرفت. علاوه بر این، پلان‌های رودخانه باید توسط خطوط و مناطق در اشکال سازمان‌یافته بیان شوند که می‌توانند به عنوان مدل‌هایی در GIS نمایش داده شوند تا درک انسان و پردازش رایانه را تسهیل کنند. در این مقاله، با در نظر گرفتن ویژگی‌های پلان‌فرم رودخانه، یک مکانیسم استدلالی ایجاد می‌کنیم که روابط توپولوژیکی و متریک را برای شناسایی و تجزیه و تحلیل مقادیر انبوه RPCها و تشخیص RPCهای کاذب ترکیب می‌کند.

بقیه این مقاله به شرح زیر سازماندهی شده است: در بخش 2 ، ما در مورد کارهای مرتبط در مورد روابط فضایی خطوط یا مناطق بحث می کنیم. در بخش 3 ، ما پلان‌های رودخانه را رسمی کرده و مدل‌های GIS آن‌ها را می‌سازیم. در بخش 4 ، مکانیسم استدلال ترکیبی را برای RPC ها توضیح می دهیم. در نهایت، در بخش 5 ، چند نتیجه گیری می کنیم و کار آینده را مورد بحث قرار می دهیم.

2. آثار مرتبط

در این مقاله، ما از یک مکانیسم استدلال ترکیبی با روابط توپولوژیکی و متریک برای تجزیه و تحلیل RPCهای بیان شده به عنوان خطوط و مناطق استفاده کردیم. بنابراین، روابط توپولوژیکی و متریک و ترکیب آنها از خطوط و مناطق در مطالعه ما مهم است.

2.1. روابط توپولوژیکی خطوط و مناطق

روابط توپولوژیکی را می توان برای بررسی و تجزیه و تحلیل اطلاعات فضایی بین اشیاء مختلف برای یافتن مواردی که تحت تبدیل های توپولوژیکی مانند ترجمه، مقیاس بندی، چرخش و چولگی ثابت هستند، استفاده کرد. Egenhofer و Franzosa (1991) صرفاً بر اساس خواص توپولوژیکی، ساختاری را پیشنهاد کردند که روابط توپولوژیکی را در زمان نسبتاً اولیه تعیین شده توسط مدل های چهار تقاطع دو مجموعه تعریف می کند [ 44 ]. روابط توپولوژیکی اغلب برای پرس و جو و تجزیه و تحلیل روابط فضایی بین اشیاء ساده استفاده می شود [ 45 ، 46 ]، و مطالعات روابط توپولوژیکی متعددی برای تجزیه و تحلیل روابط فضایی خطوط یا مناطق انجام شده است [ 47 ، 48]]. برای تحلیل آسان روابط توپولوژیکی بین اشیاء ساده، محققان چند مدل توپولوژیکی تکاملی را بر اساس مدل‌های چهار تقاطع پیشنهاد کرده‌اند. وانگ و همکاران (2014) مدل رابطه توپولوژیکی DTString را پیشنهاد کرد، که جزئیات کامل رابطه توپولوژیکی بین دو منطقه را با استفاده از یک رشته مرزی برای حل این مشکل ارائه کرد که روابط فضایی پیچیده را نمی توان با استفاده از مدل های موجود در حال حاضر متمایز کرد [49 ] . گائو و همکاران (2008) مدلی بر اساس توپولوژی نقطه-مجموعه برای نشان دادن روابط توپولوژیکی بین هندسه ها و خطوط جهت دار ایجاد کرد که می تواند به عنوان پایه ای برای توصیف معنایی خطوط در مقایسه با ویژگی های پس زمینه عمل کند [ 50]. با این حال، این مدل قادر به تفکیک جزئیات ناچیز در روابط توپولوژیکی نبود. لانگ و لی (2013) یک طبقه‌بندی رسمی و کامل برای روابط V9I بین انواع مختلف موجودات فضایی ایجاد کردند، که نشان می‌دهد مدل V9I، در واقع، گویاتر از آنچه قبلاً تصور می‌شد [51] است . بر و ناپولی (2003) روش جدیدی ارائه کردند که می تواند بازنمایی های فضایی کیفی را مدیریت کند و دلایل زیربنای روابط توپولوژیکی بر اساس شبکه های رابطه را روشن کند [ 52 ]. با این حال، در این مطالعات قبلی، روابط توپولوژیکی به خوبی برای حل روابط فضایی بین مناطق و خطوط ساده مفید بود، اما خطوط ساحلی رودخانه برای تجزیه و تحلیل با استفاده از روش‌های موجود بسیار پیچیده بودند.

برای حل روابط توپولوژیکی بین اشیاء پیچیده، بسیاری از محققان روابط توپولوژیکی بین اشیاء پیچیده را بر اساس روابط توپولوژیکی بین اشیاء ساده مطالعه کرده اند. دنگ و همکاران (2007) یک روش چند لایه پیشنهاد کرد که می تواند روابط توپولوژیکی پیچیده بین مناطق را توصیف و تعیین کند [ 53 ]. Schneider و Behr (2005) تکنیک Proof-By-Constraint-And-Drawing را توسعه دادند، که انواع روابط توپولوژیکی انحصاری را بین انواع مختلف داده های فضایی پیچیده ایجاد کرد. آنها این روش را با استخراج 43 رابطه توپولوژیکی بین یک منطقه پیچیده و یک خط پیچیده نشان دادند [ 54]. رنز و همکاران (2000) این امکان را برای کاربران فراهم کرد که با کاهش جزئی محدودیت‌های مربوط به اشکال مناطق، اقلام را گروه‌بندی کنند [ 55 ]. دو و همکاران (2010) روش‌های جدیدی را برای استخراج و مدل‌سازی وابستگی‌های روابط مقیاس توپولوژیکی بین مناطق و خطوط چند مقیاسی پیشنهاد کرد. این وابستگی های مقیاس برای استخراج روابط توپولوژیکی خطوط برای متمایز کردن پارتیشن ها استفاده شد [ 56 ]. اگرچه روابط فضایی پیچیده بین خطوط و مناطق را می توان در قالب روابط توپولوژیکی مانند روش های توسعه یافته در این مطالعات قبلی بیان کرد، توصیف روابط توپولوژیکی بین خطوط ساحل رودخانه با استفاده از پلانفرم های منحصر به فرد آنها دشوار است.

2.2. روابط متریک خطوط و مناطق

روابط متریک، که اغلب به عنوان مکمل های حیاتی روابط توپولوژیکی در نظر گرفته می شوند، می توانند بر اساس کمیت یا کیفیت به روابط جهت و فاصله تقسیم شوند. Guo و Du (2009) روشهای محاسباتی را برای استخراج روابط توپولوژیکی از روابط جهت ارائه کردند که می تواند اطلاعات توپولوژیکی را در مواردی که روابط توپولوژیکی در دسترس نیست تولید کند. انتظار می رفت این روش ها نتایج نسبتاً دقیقی را ارائه دهند [ 57 ]. وانگ (2014) مدل جدیدی به نام مدل شعاعی ارائه کرد که می توانست هم روابط جهت کیفی و هم کمی را مدیریت کند و بر اساس اصل پرتوهای منتقل شده به صورت خطوط مستقیم بود [ 58]]. دنگ و لی (2007) یک روش مدلسازی آماری را برای روابط جهتی اجسام فضایی پیشنهاد کردند که می تواند چنین رابطه ای را با دقت بیشتری نسبت به روش های قبلی توصیف کند، زیرا نیازی به تقریب اشیاء ندارد [59 ] . لین و همکاران (2013) یک نمودار خط مستقیم بدون جهت به نام نمودار دلونای محدود (CD) پیشنهاد کرد تا همسایگی فضایی و روابط همسایگی فضایی را با محدودیت های مانع و تسهیل کننده در دنیای واقعی نشان دهد [60 ] . با این حال، این مطالعات برای تجزیه و تحلیل روابط فضایی بین اشیاء حیاتی هستند، اما فقط خطوط یا مناطق عادی در نظر گرفته می‌شوند و بنابراین، برای تشخیص RPC مناسب نیستند.

2.3. روابط ترکیبی توپولوژیکی و متریک خطوط و مناطق

برای رفع کاستی های روابط توپولوژیکی و متریک، محققان روابط ترکیبی توپولوژیکی و متریک بین خطوط و مناطق را تجزیه و تحلیل کرده اند. دو و همکاران (2012) یک مثال کاربردی عمومی با استفاده از استدلال مبتنی بر مورد (CBR) برای مقابله با مشکلات جغرافیایی ارائه کرد. برای درک بهتر روابط فضایی، عنصر جدیدی از “محیط جغرافیایی” در مدل استاندارد نمایش موردی CBR [ 61 ] گنجانده شد. نداس و همکاران (2007) مدل 9 تقاطع را با تمرکز بر جزئیات متریک روابط بین خطوط از طریق تقسیم نسبت و اندازه گیری های نزدیکی گسترش داد، که می تواند به دستیابی به جزئیات بیشتر در مورد هندسه مقایسه ای و موقعیت اشیاء کمک کند [62] .]. Xu (2007) رویکردی را با استفاده از مقادیر کمی توسعه داد که در آن شاخص‌های متریک و توپولوژیک هر دو می‌توانند برای رسمی کردن بهتر محمولات فضایی زبان طبیعی در مقایسه با مواردی که فقط با استفاده از شاخص‌های توپولوژیکی به‌دست می‌آیند، استفاده شوند [63 ] . Legleiter (2014) مدل های زمین آماری را ارائه کرد که به جای ترجمه ساده مورفولوژی، به تغییرات از نظر شکل، اندازه و جهت گیری ویژگی های کانال حساس بودند. این نتایج اهمیت در نظر گرفتن اجزای عرضی و جریانی را به طور مشترک به جای منفرد برجسته می کند [ 64]. این مطالعات برای تشخیص تغییرات اجسام فضایی مفیدتر از روابط توپولوژیکی یا متریک جداگانه هستند. با این حال، یک روش هدفمند برای تشخیص تغییر در و تجزیه و تحلیل پلان‌های رودخانه رایج قبلاً توسعه نیافته است. بنابراین، مدل‌هایی از پلان‌فرم‌های رودخانه باید برای شناسایی RPCها با استفاده از استدلال ترکیبی بر اساس روابط توپولوژیکی و متریک ساخته شوند.

3. River Planforms و مدل های GIS آنها

پلان‌های رودخانه‌ای روی زمین به قدری پیچیده و متنوع هستند که هر رودخانه یک شکل پلانی منحصر به فرد دارد. با این حال، وجوه مشترکی در میان پلان های مختلف رودخانه وجود دارد. برای شناسایی RPCها، پلان‌های رودخانه باید بر اساس ویژگی‌های مشترکشان طبقه‌بندی شوند تا مدل‌های GIS بسازند.

3.1. دو طبقه بندی معمولی پلانفرم های رودخانه

بریس (1983) و فولر (2007) دو طبقه بندی معمولی برای پلان های رودخانه ارائه کردند. همانطور که در شکل 1 نشان داده شده است، بریس پلان های رودخانه را به شکل کانالی سینوسی، نوار نقطه ای سینوسی، بافته سینوسی و غیر سینوسی طبقه بندی کرد، در حالی که فولر پلان های رودخانه را بر اساس درجات سینوسی، قیطان و انشعاب آنها طبقه بندی کرد، همانطور که در شکل 26،65 نشان داده شده است. ].

3.2. مدل‌های GIS پلان‌فرم‌های رودخانه

با این حال، استفاده از این دو سیستم طبقه‌بندی معمولی برای پلان‌فرم‌های رودخانه برای نشان دادن تمام پلان‌فرم‌های رودخانه روی زمین دشوار است. با در نظر گرفتن این طبقه‌بندی‌های معمولی و با در نظر گرفتن پلان‌های رودخانه‌ای که در طبیعت یافت می‌شوند، ما پلان‌های رودخانه‌ای را به غیرسینوسی ساده (غیر سینوسی بدون قیطان یا انشعاب)، سینوسی بافته شده، غیرسینوسی انشعاب‌دار، سینوسی ساده (سینوس بدون قیطان یا انشعاب)، سینوسی و سینوسی طبقه‌بندی کردیم. پلان های منشعب سینوسی. در این مقاله از خطوط و نواحی برای بیان پلان‌فرم‌های رودخانه در GIS استفاده کردیم: خطوط کرانه با خطوط، در حالی که قیطان‌ها یا انشعاب‌ها توسط مناطق بیان می‌شوند. برای تکمیل پلان های طبقه بندی شده رودخانه ما، دو شرط خاص باید در نظر گرفته شود: اولین شرط این است که تمایز بین braiding و anabranchings دشوار است که هر دو توسط مناطق در GIS بیان می شوند. دومین شرط ویژه این است که وقتی عرض یک رودخانه خیلی کوچک است که نمی‌توان آن را با خطوط دوتایی یا علامت تجاری در مقیاس مشخص در GIS بیان کرد، شکل پلان رودخانه باید با یک خط بیان شود. بر اساس دو طبقه بندی معمولی پلان رودخانه و دو شرایط ویژه ارائه شده در بالا، پلان های رودخانه را می توان با استفاده از پنج نوع مدل GIS بیان کرد – یک خط، دو خط، دو خط با یک منطقه داخلی، دو خط با چندین منطقه داخلی، و سه یا سه یا خطوط بیشتر با چندین منطقه – همانطور که در نشان داده شده است دومین شرط ویژه این است که وقتی عرض یک رودخانه خیلی کوچک است که نمی‌توان آن را با خطوط دوتایی یا علامت تجاری در مقیاس مشخص در GIS بیان کرد، شکل پلان رودخانه باید با یک خط بیان شود. بر اساس دو طبقه بندی معمولی پلان رودخانه و دو شرایط ویژه ارائه شده در بالا، پلان های رودخانه را می توان با استفاده از پنج نوع مدل GIS بیان کرد – یک خط، دو خط، دو خط با یک منطقه داخلی، دو خط با چندین منطقه داخلی، و سه یا سه یا خطوط بیشتر با چندین منطقه – همانطور که در نشان داده شده است دومین شرط ویژه این است که وقتی عرض یک رودخانه خیلی کوچک است که نمی‌توان آن را با خطوط دوتایی یا علامت تجاری در مقیاس مشخص در GIS بیان کرد، شکل پلان رودخانه باید با یک خط بیان شود. بر اساس دو طبقه بندی معمولی پلان رودخانه و دو شرایط ویژه ارائه شده در بالا، پلان های رودخانه را می توان با استفاده از پنج نوع مدل GIS بیان کرد – یک خط، دو خط، دو خط با یک منطقه داخلی، دو خط با چندین منطقه داخلی، و سه یا سه یا خطوط بیشتر با چندین منطقه – همانطور که در نشان داده شده استشکل 3 . شکل 3 a یک پلان رودخانه را با عرض آنقدر کوچک نشان می دهد که باید با یک خط بیان شود. شکل 3 ب، پلان‌فرم‌های سینوسی ساده و غیر سینوسی را نشان می‌دهد که با استفاده از مدل دو خطی بیان شده‌اند. شکل 3 ج مدلی را با خطوط دوتایی حاوی یک ناحیه نشان می دهد که برای بیان پلانفرم های غیر سینوسی و سینوسی با یک میله مرکزی استفاده می شود. شکل 3 d، پلان‌های بافته یا غیرشاخه‌ای غیرسینوسی و سینوسی را نشان می‌دهد که به صورت خطوط دوتایی با چندین ناحیه بیان می‌شوند. در نهایت، شکل 3e سه یا چند خط را با چندین ناحیه نشان می‌دهد که برای به تصویر کشیدن پلان‌فرم‌های بافته یا غیرشاخه‌ای پیچیده غیرسینوسی و سینوسی استفاده می‌شود. خطوط از دو نقطه پایانی (نقطه شروع [SP] و نقطه پایان [EP]) و یک داخلی، و مناطق از یک مرز (H-boundary) و یک داخلی (H-interior) تشکیل شده اند.

3.3. مدل‌های GIS ساده پلان‌فرم‌های رودخانه

برای تکمیل مدل‌های GIS پلان‌فرم‌های رودخانه، از خطوط مستقیم به جای خطوط مشترک برای تسهیل درک انسان و تحلیل محاسباتی استفاده کردیم. این انتخاب بر روابط توپولوژیکی پلان‌فرم‌های رودخانه تأثیری نداشت. علاوه بر این، پلان‌فرم‌های غیرسینوسی و سینوسی پیچیده که با سه یا چند خط با چندین ناحیه بیان می‌شوند را می‌توان به چندین مدل ساده‌تر GIS دیگر، مانند مدل دو خطی و مدل یک منطقه‌ای دو خطی، تقسیم کرد. از این رو، ما این مدل را در مدل‌های پلان فرم رودخانه GIS ساده (SGRPMs) لحاظ نکردیم. SGRPM ها که شامل مدل های تک خط مستقیم (SSL) (SSLM)، مدل های دو خط مستقیم (DSL) (DSLM)، مدل های DSL یک منطقه ای (DSL-1RMs) و مدل های DSL چند منطقه ای (DSL-SRMs) هستند. در شکل 4 نشان داده شده اند. DSL-SRM ها را می توان به عنوان یکپارچه ترین مدل های SGRPM در نظر گرفت (برای بیان ساده DSL-SRM، از دو ناحیه استفاده می کنیم که چندین منطقه متعلق به آنها را نشان می دهد). وقتی نواحی به یکی تبدیل می‌شوند، تبدیل به DSL-1RM می‌شوند و وقتی ناحیه‌ها ناپدید می‌شوند، تبدیل به DSLM می‌شوند – به عبارت دیگر، DSLM را می‌توان به عنوان یک DSL با مجموعه خالی (برای منطقه ناپدید شده) در نظر گرفت. هنگامی که عرض رودخانه خیلی کوچک است که نمی توان به تصویر کشیده شود، DSLM ها تبدیل به SSLM می شوند – به عبارت دیگر، SSLM ها ساده ترین هستند، و یک SSLM باید به عنوان یک DSLM خاص در نظر گرفته شود که شامل یک SSL و یک مجموعه خالی (برای SSL دیگر) با یک مجموعه خالی (برای منطقه ناپدید شده). شکل 4 a-d به ترتیب SSLM، DSLM، DSL-1RM و DSL-SRM را نشان می دهد.

4. مکانیسم استدلال ترکیبی برای RPC

RPC ها را می توان بر اساس روابط فضایی آنها بیان کرد، اما تشخیص RPC ها تنها از نظر روابط توپولوژیکی یا متریک آنها دشوار است. در این مقاله، روابط فضایی بین پلان‌فرم‌های رودخانه یا SGRPM از روابط توپولوژیکی و متریک و ترکیب آنها برای بیان کامل RPCها تشکیل شده است. روابط فضایی بین SGRPM ها پایه و اساس روابط فضایی بین پلانفرم های رودخانه را تشکیل می دهند و پلان های پیچیده رودخانه با ترکیب چندین SGRPM بیان می شوند. بر اساس ویژگی‌ها و بیان‌های GIS پلان‌فرم‌های رودخانه، قوانین تقسیم‌بندی را پیشنهاد کرده‌ایم که می‌توان از آنها برای تقسیم کل پلان‌فرم رودخانه به چندین SGRPM استفاده کرد و بنابراین، روابط فضایی بین پلان‌فرم‌های رودخانه را آسان‌تر تحلیل کرد و RPC‌ها را توصیف کرد.

4.1. روابط فضایی بین SGRPM ها

رابطه فضایی بین یک SSLM در زمان 1 و یک DSLM در زمان 2 متفاوت از رابطه بین یک DSLM در زمان 1 و یک SSLM در زمان 2 است. با این حال، مکانیسم‌های استدلالی، که بر اساس روابط فضایی مربوط به رودخانه تغییر یافته حاصل است. پلانفرم ها، به همان شکل باقی می مانند. از این رو، این دو نوع روابط فضایی را معادل در نظر گرفتیم. بر اساس تجزیه و تحلیل ارائه شده در بالا، ما روابط فضایی را به چند نوع تقسیم کردیم، همانطور که در جدول 1 نشان داده شده است .

قبل از تجزیه و تحلیل روابط توپولوژیکی بین SGRPMها، آنهایی که احتمال کمی دارند و بعید است که نماینده باشند باید کنار گذاشته شوند تا روابط باقیمانده ساده و موثر باشند. از آنجایی که پلان‌های رودخانه پویا هستند و خطوط ساحلی همیشه پیوسته هستند، روابط توپولوژیکی بین خطوط ساحلی باید به عنوان روابط توپولوژیکی بین خطوط مستقیم در نظر گرفته شود که می‌تواند تا حدودی گسترش یا کوتاه شود. به عبارت دیگر، روابط توپولوژیکی بین خطوط مستقیم بانکی در صورتی که طول خطوط تا حد معینی تغییر کند، تغییر نخواهد کرد. ما یک رابطه توپولوژیکی واقعی بین خطوط مستقیم را به عنوان رابطه ای تعریف کردیم که با افزایش یا کوتاه شدن خطوط به مقدار دلخواه خود تغییری نمی کند. در مقابل، روابطی که تغییر می کنند، روابط فضایی کاذب نامیده می شوند.شکل 5 a رابطه توپولوژیکی بین خط مستقیم A در زمان 1 و خط مستقیم را نشان می دهد.

α

در زمان 2 زمانی که خط مستقیم A به مقدار دلخواه کمی کوتاه می شود، مانند

ε_{1}

ε_{2}

، بر اساس دو نقطه پایانی و خط مستقیم

α

به اندازه خط مستقیم A تغییر می کند (

δ_{1}

δ_{2}

، به ترتیب). شکل 5 ب-د وضعیت مشابه شکل 5 الف را نشان می دهد. شکل 5 رابطه توپولوژیکی بین خط مستقیم A و خط مستقیم را نشان می دهد

α

هنگامی که خط مستقیم A به مقدار دلخواه کمی بر اساس دو نقطه پایانی و خط مستقیم گسترش می یابد

α

به اندازه خط مستقیم A تغییر می کند. شکل 5 f–h وضعیت مشابه شکل 5 e را نشان می دهد. روابط توپولوژیکی نشان داده شده در شکل 5 a,e یکسان است و پس از کوتاه شدن یا گسترش یکسان باقی می ماند. ما این نوع رابطه توپولوژیکی را رابطه توپولوژیکی واقعی بین SGRPM می نامیم. با همان استدلال، روابط توپولوژیکی نشان داده شده در شکل 5 b,f را روابط توپولوژیکی واقعی می نامیم و شکل 5 c,g همان شکل 5b ,f است. در مقابل، اگرچه روابط توپولوژیکی نشان داده شده در شکل 5d,h یکسان هستند، زیرا آنها پس از کوتاه شدن یا گسترش به دو نوع مختلف روابط فضایی متمایز می شوند، روابط توپولوژیکی نادرستی را بین SGRPM ها ارائه می دهند و در این مقاله آنها را از روابط توپولوژیکی بین SGRPM حذف می کنیم. علاوه بر این، شکل 5 فقط روابط توپولوژیکی بین SSL ها را در زمان های مختلف نشان می دهد. توجه به این نکته ضروری است که یک خط مستقیم را می توان مدلی از یک خط بانکی از DSLM در نظر گرفت. با این حال، روابط توپولوژیکی بین دو DSL در زمان‌های مختلف باید با قانون مشابهی مطابقت داشته باشد، همانطور که در بالا برای SSLها بیان شد.

4.1.1. روابط توپولوژیکی بین SGRPM ها

روابط توپولوژیکی بین SGRPMها باید به صورت روابط توپولوژیکی بین DSLها و بین مناطق آنها بیان شود. ما یک مدل 4 تقاطع DSL (DSL4IM) را بر اساس چهار تقاطع ممکن فضای داخلی پیشنهاد کردیم.

A^{o}

B^{o}

) از DSL در زمان 1 با اجزای متناظر DSL در زمان 2 برای بیان روابط توپولوژیکی بین دو DSL از SGRPM در زمان های مختلف. DSL4IM که روابط توپولوژیکی بین خط مستقیم A (راست) و خط مستقیم B (چپ) را در زمان 1 و خط مستقیم بیان می کند.

α

(راست) و خط مستقیم

β

(سمت چپ) در زمان 2، با یک مقدار دودویی (خالی (0)، غیر خالی (1)) از مجموعه تقاطع های داخلی A و داخلی B با

α

فضای داخلی و

β

داخلی (معادله (1)). به طور خاص، DSL4IM بین دو SSLM را می توان به عنوان محل تلاقی فضای داخلی A و یک مجموعه خالی با

α

فضای داخلی و یک مجموعه خالی:

من (A ، B ، α ، β) = (A ° \cap α ° B ° \cap α ° A ° \cap β درجه B ° \cap β درجه) .

(1)

روابط توپولوژیکی بین مناطق شرایط تکمیلی مهمی هستند که روابط توپولوژیکی بین دو DSL (یا SSL) برای تمایز بین RPCهای درست و نادرست کافی نباشد. ما از مدل تقاطع و تفاوت (IDM) پیشنهاد شده توسط دنگ و همکاران استفاده کردیم. (2007) [ 53 ] برای بیان روابط توپولوژیکی بین مناطق. این مدل می تواند روابط توپولوژیکی بین یک منطقه و یک مجموعه خالی را با دقت بیشتری نسبت به مدل های دیگر توصیف کند. روابط توپولوژیکی بین مناطق بر اساس IDM را می توان با رابطه (2) نشان داد:

من د (اچ من ، اچ 1) = (اچ من ° \cap اچ 1 درجه اچ 1 - اچ من اچ من - اچ 1 \partial اچ من \cap \partial اچ 1) ،

(2)

جایی که $H_{I}^{o} \cap H_{1}^{o}$ و $\partial H_{I} \cap \partial H_{1}$ نشان دهنده تقاطع بین $H_{1} ’ s$ داخلی ( $H_{I}^{o}$ ) و $H_{1} ’ s$ داخلی ( $H_{1}^{o}$ ) و بین $H_{1} ’ s$ مرز ( $\partial H_{I}$ ) و $H_{1} ’ s$ مرز ( $\partial H_{1}$ )، به ترتیب؛ و $H_{I} - H_{1}$ و $H_{1} - H_{I}$ نشان دهنده تفاوت بین مناطق است $H_{I}$ (محدود به الف و ب) و $H_{1}$ (محدود شده توسط $α$ و $β$ ). ما می‌توانیم اینها را با استفاده از یک مدل معمولی توصیف کنیم، زمانی که تغییرات فقط با روابط توپولوژیکی بین دو DSL قابل شناسایی باشد. علاوه بر این، زمانی که تغییرات تنها با استفاده از روابط توپولوژیکی بین دو DSL ثابت نشده باشند، می توان آنها را به طور کامل توصیف کرد. با این حال، روابط توپولوژیکی بین یک یا چند جفت منطقه باید با یک یا چند ماتریس رابطه توپولوژیکی بیان شود.

روابط توپولوژیکی بین DSLها (یا SSLها) و مناطق در این مقاله توضیح داده نشده است زیرا آنها پیچیده و غیر ضروری هستند. علاوه بر این، روابط توپولوژیکی بین DSLها و بین مناطق برای به تصویر کشیدن RPCها کافی است.

از آنجایی که DSL-SRM یکپارچه ترین مدل SGRPM ها است، تمام روابط توپولوژیکی بین SGRPM ها را می توان بین DSL-SRM ها یا DSL-SRM های تغییر یافته در نظر گرفت. در این مقاله، هر رابطه توپولوژیکی بین دو DSL-SRM توسط یک DSL4IM (IM) و چهار IDM ناحیه بیان شده است. برای ساده‌تر کردن درک این مفهوم، یک رابطه توپولوژیکی معمولی بین دو DSL-SRM و ماتریس‌های آنها را توصیف می‌کنیم (IM برای DSL4IM.

{IDM}_{a}

{IDM}_{a}

{IDM}_{c}

{IDM}_{d}

برای IDM مناطق؛

{IDM}_{a}

در رابطه با

H_{I}

H_{1}

{IDM}_{b}

در رابطه با

H_{I}

H_{2}

;

{IDM}_{c}

در رابطه با

H_{II}

H_{1}

; و

{IDM}_{d}

در رابطه با

H_{II}

H_{2}

) در شکل 6 نشان داده شده است .

هنگامی که روابط توپولوژیکی بین DSL-1RM و DSL-SRM تغییر می کند، یک IM و دو IDM وجود خواهد داشت (

{IDM}_{a}

{IDM}_{b}

) هنگامی که روابط توپولوژیکی بین DSL-1RM و DSL-1RM تغییر می کند، روی IM و یک IDM وجود خواهد داشت (

{IDM}_{a}

) هنگامی که روابط توپولوژیکی بین DSLM و DSL-SRM تغییر می کند، یک IM و دو IDM وجود خواهد داشت (

{IDM}_{a}

{IDM}_{b}

، بیان یک مجموعه خالی با

H_{1}

و یک مجموعه خالی با

H_{2}

) وقتی بین SSLM و DSL-SRM، یک IM و دو IDM وجود خواهد داشت ((

{IDM}_{a}

{IDM}_{b}

، بیان یک مجموعه خالی با

H_{1}

و یک مجموعه خالی با

H_{2}

) و غیره. در نهایت، روابط توپولوژیکی بین SSLM و SSLM تغییر می کند، تنها یک DSL4IM وجود خواهد داشت.

4.1.2. روابط متریک بین SGRPM ها

ما یک مدل 8 فاصله دو نقطه شروع (DS8DM) پیشنهاد می کنیم که روابط متریک بین DSL A و B و بین DSL را بیان می کند.

α

β

که با سه مقدار فاصله مشخص می شود (0، 1،

\infty

): بین SP A و B و SP بین

α

SP و

β

SP (معادله (3)):

D (A ، B ، α ، β) = (D 1 D D 1 D 2 D D 2 D 3 D D 3 D 4 D D 4)

(3)

جایی که

$D_{1}$ فاصله بین SP A است ( ${SP}_{A}$ ) و $α$ SP ( ${SP}_{α}$ )
$D_{2}$ فاصله بین SP A است ( ${SP}_{A}$ ) و $β$ SP ( ${SP}_{β}$ )
$D_{3}$ فاصله بین SP B است ( ${SP}_{B}$ ) و $α$ SP ( ${SP}_{α}$ )
$D_{4}$ فاصله بین SP B است ( ${SP}_{B}$ ) و $β$ SP ( ${SP}_{β}$ )
$D_{I}$ فاصله بین SP A است ( ${SP}_{A}$ ) و B’s SP ( ${SP}_{B}$ ) و
$D_{II}$ فاصله بین است $α$ SP ( ${SP}_{α}$ ) و $β$ SP ( ${SP}_{β}$ ):
${DD}_{1} = D_{1} + D_{2} - D_{II}$ ;
${DD}_{2} = D_{3} + D_{4} - D_{II}$ ;
${DD}_{3} = D_{1} + D_{3} - D_{I}$ ; و
${DD}_{4} = D_{2} + D_{4} - D_{I}$ .

علاوه بر این، مقدار فاصله (0) نشان می دهد که فاصله 0 است، فاصله بین یک SP و یک مجموعه خالی به صورت تعریف شده است.

\infty

، و مقدار فاصله (1) نشان می دهد که فاصله 0 نیست و

\infty

. سپس، مقادیر نشان دهنده DS8DM را می توان به صورت زیر توصیف کرد:

اگر مقادیر

D_{1}

D_{2}

D_{3}

، و

D_{4}

0 هستند، سپس دو SP برابر هستند.

اگر مقادیر

D_{1}

D_{2}

D_{3}

، و

D_{4}

1 هستند، سپس دو SP از هم جدا هستند.

اگر مقادیر

D_{1}

D_{2}

D_{3}

، و

D_{4}

هستند

\infty

، پس حداقل یک SP وجود ندارد و مقادیر عناصر مربوطه مانند

{DD}_{1}

{DD}_{2}

{DD}_{3}

، و

{DD}_{4}

نباید محاسبه شود. یعنی اگر ارزش

D_{1}

است

\infty

{DD}_{1}

{DD}_{3}

نباید محاسبه شود؛ در عوض، آنها باید فقط به عنوان تعریف شوند

\infty

اگر ارزش از

{DD}_{1}

پس 0 است

{SP}_{A}

بین است

{SP}_{α}

{SP}_{β}

، یا

{SP}_{A}

برابر است

{SP}_{α}

یا

{SP}_{β}

. اگر ارزش از

{DD}_{1}

پس 1 است

{SP}_{A}

بیرون است

{SP}_{α}

{SP}_{β}

اگر ارزش از

{DD}_{2}

پس 0 است

{SP}_{B}

بین است

{SP}_{α}

{SP}_{β}

، و اگر ارزش

{DD}_{2}

پس 1 است

{SP}_{B}

بیرون است

{SP}_{α}

{SP}_{β}

اگر ارزش از

{DD}_{3}

پس 0 است

{SP}_{α}

بین است

{SP}_{A}

{SP}_{B}

، و اگر ارزش

{DD}_{3}

پس 1 است

{SP}_{α}

بیرون است

{SP}_{A}

{SP}_{B}

اگر ارزش از

{DD}_{4}

پس 0 است

{SP}_{β}

بین است

{SP}_{A}

{SP}_{B}

، و اگر ارزش

{DD}_{4}

پس 1 است

{SP}_{β}

بیرون است

{SP}_{A}

{SP}_{B}

تمام DS8DM های SGRPM ها را می توان به سه نوع طبقه بندی کرد که SSL ها را در زمان 1 و SSL ها در زمان 2، SSL ها در زمان 1 و DSL ها در زمان 2، و DSL ها در زمان 1 و DSL ها در زمان 2 را توصیف می کنند. DS8DM های DSL ها در زمان 1 و DSL ها در زمان 2 را می توان یکپارچه ترین انواع در نظر گرفت، در حالی که دو نوع دیگر را می توان به عنوان DS8DM های DSL های تغییر یافته در زمان 1 و DSL های تغییر یافته در زمان 2 در نظر گرفت. ما DS8DM ها را با سه وضعیت معمول بیان می کنیم: بین دو SSL ( شکل 7 الف)، بین یک SSL و یک DSL ( شکل 7 ب)، و بین دو DSL ( شکل 7 ج).

برای درک کامل روابط متریک بین SGRPM ها، ما تمام 21 DS8DM را در شکل A1 در پیوست A فهرست می کنیم .

4.1.3. مکانیسم استدلال ترکیبی با روابط توپولوژیکی و متریک بین SGRPM ها

به دلیل محدودیت‌های بیان تغییر بین SGRPM با استفاده از روابط توپولوژیکی یا متریک، ما یک مکانیسم استدلال ترکیبی شامل روابط توپولوژیکی و متریک را پیشنهاد می‌کنیم. این ترکیب شامل ماتریس های DSL4IM و IDM مناطق و DS8DM می باشد. برای بیان کامل مکانیسم استدلال ترکیبی، ما چهار موقعیت مشابه بین SGRPM ها را پیشنهاد می کنیم (که به راحتی اشتباه می شوند) تا توضیح دهیم که چگونه برای تشخیص تغییرات مختلف کار می کند. برای تمایز بین وضعیت اول ( شکل 8 الف) و موقعیت دوم ( شکل 8 ب)، که دارای DSL4IM و IDM یکسان هستند، DS8DM حیاتی است. برای تمایز بین وضعیت دوم ( شکل 8 ب) و موقعیت سوم ( شکل 8ج)، که دارای DS8DM و IDM یکسان هستند، DSL4IM بسیار مهم است. برای تمایز بین وضعیت سوم ( شکل 8 ج) و موقعیت چهارم ( شکل 8 د)، که دارای همان DSL4IM و IDM هستند، DS8DM ها بسیار مهم هستند. بر اساس این ماتریس های استدلال ترکیبی، ما می توانیم انواع مختلف تغییرات را بین SGRPM ها به جز تغییرات بین کل مهاجرت های چپ و کل مهاجرت های راست، که منجر به ماتریس های یکسان می شود، تشخیص دهیم، همانطور که در شکل 9 نشان داده شده است . با این حال، این چهار موقعیت مشابه همه موقعیت‌های بین مهاجرت‌های کل چپ و مهاجرت کل به راست را شامل نمی‌شوند. از آنجایی که IDMها در این شرایط بی فایده هستند، RPCها با موقعیت های خط بانکی یکسان – همانطور که در شکل 9 نشان داده شده است.– همه تغییرات واقعی هستند و می توان آنها را بر اساس زمینه بیشتر متمایز کرد. از این رو، با استفاده از مکانیسم استدلال ترکیبی، می‌توانیم اکثر تغییرات نادرست ناشی از گشاد یا باریک شدن خطوط کرانه را حذف کنیم ( شکل 8 b احتمالاً یک تغییر نادرست است که ناشی از گشاد شدن خطوط بانکی از زمان 1 به زمان 2 است).

برای درک کامل مکانیسم استدلال ترکیبی، روابط توپولوژیکی و متریک ترکیبی بین SGRPM ها مورد نیاز است. به طور خاص، موارد بین DSL-SRM ضروری هستند. با توجه به اینکه IDM ها بین دو منطقه هشت نوع هستند (جدا، ملاقات، همپوشانی، پوشش، حاوی، پوشانده شده توسط، محتوی توسط و برابر) [53]، فهرست کردن همه موقعیت ها بسیار پیچیده است. در نتیجه، شکل A2 در پیوست A فقط 38 رابطه معمولی بین دو DSL-SRM را فهرست می کند که تنها یک رابطه توپولوژیکی معمولی را بین مناطق بیان می کند.

4.2. قوانین تقسیم بندی برای پلان های رودخانه ای

پلان‌های معمول رودخانه همیشه بسیار پیچیده‌تر از آن هستند که با یک SGRPM بیان شوند. از این رو، لازم است که پلان های رودخانه رایج را به چندین SGRPM تقسیم کنیم. ما سه قانون تقسیم بندی را برای تقسیم بندی یک پلان رودخانه مشترک به چندین SGRPM پیشنهاد کردیم که به شرح زیر است.

قانون تقسیم بندی 1: اگر شکل پلان رودخانه از SSLM به DSLM تغییر کند، یا برعکس، توسط خط تقسیم بندی 1 که از نقطه تغییر O می گذرد، تقسیم می شود ( شکل 10 a). بنابراین، شکل پلان رودخانه به یک DSLM و یک SSLM تقسیم خواهد شد.

قانون تقسیم 2: اگر خطوط ساحلی یک پلان رودخانه از خط دوتایی به سه خط یا بیشتر تغییر کند، یا بالعکس، با خط تقسیم 2 که از نقطه تغییر P می گذرد، یک نقطه داخلی دلخواه Q برای خط راست و یک نقطه داخلی دلخواه R برای خط چپ ( شکل 10 ب). بنابراین، شکل پلان رودخانه به DSLM، DSL-1RM و DSL-SRM تقسیم می شود.

قانون تقسیم بندی 3: اگر یک پلان رودخانه در زمان 1 با یک پلان رودخانه در زمان 2 تلاقی کند و دو یا چند نقطه تقاطع بین هر یک از خطوط ساحلی وجود داشته باشد، توسط خط تقسیم بندی 3 که از یک نقطه دلخواه بین خطوط عبور می کند، تقسیم می شود. نقاط تقاطع مجاور خطوط ساحلی مانند U و V یا S و T ( شکل 10 ج). بنابراین، پلان‌های رودخانه در زمان 1 و زمان 2 به دو یا چند DSLM، DSL-1RM و DSL-SRM تقسیم می‌شوند. این سه قانون تقسیم بندی باید با هم در نظر گرفته شوند. بنابراین، اگر یک پلان رودخانه هر سه قانون را برآورده کند، باید با هر سه تقسیم بندی شود.

بر اساس این قوانین تقسیم‌بندی، از شش خط تقسیم‌بندی برای تقسیم‌بندی یک پلان رودخانه عملی به چندین بخش استفاده کردیم که می‌توان آن‌ها را به SGRPM‌ها که در شکل 11 نشان داده شده است، ساده کرد .

H_{I} - H_{VIII}

مناطقی از پلان رودخانه در زمان 1 هستند و نقاط A، B، C، D، E و F در زمان 1 SP یا EP هستند.

H_{1} - H_{9}

مناطقی از پلان رودخانه در زمان 2 هستند و نقاط α، β، γ، δ، ε و ζ SP یا EP در زمان 2 هستند.

4.3. جدول مکانیزم استدلال ترکیبی پلانفرم های رودخانه

به دلیل پیچیدگی پلان‌های رودخانه، بر اساس مکانیسم استدلال ترکیبی بین SGRPMs و قوانین تقسیم‌بندی، ما یک جدول مکانیزم استدلال ترکیبی (CRMT) ارائه می‌کنیم تا مکانیسم استدلال ترکیبی برای RPCها را با جزئیات توصیف کنیم. CRMT شامل چندین DSL4IM، IDM مناطق و DS8DM از SGRPM های مربوطه است، همانطور که در نشان داده شده است.همانطور که در جدول 2. با در نظر گرفتن زمینه، افرادی که از CRMT استفاده می‌کنند می‌توانند همه RPCها را بیان کنند – از جمله کل مهاجرت‌های راست و کل مهاجرت به چپ که دارای ماتریس‌های توپولوژیکی و متریک ترکیبی یکسانی هستند. علاوه بر این، فرآیندهای تغییر که برای تجزیه و تحلیل پلان‌فرم‌های رودخانه مهم هستند، می‌توانند توسط CRMT تحلیل شوند. برای توصیف ساده و واضح IDM ها و DSL4IM ها، از زیرنویس ها برای نمایش روابط متناظر و تمایز بین ماتریس هایی با مقادیر یکسان استفاده کردیم، به عنوان مثال،

(\begin{matrix} 0 & 1 \\ 1 & 0 \end{matrix}) ~ H_{6} - H_{III - VI, VIII}

نشان دهنده IDM های بین

H_{6}

H_{III}

به

H_{VI}

H_{VIII}

، که همه آنها را می توان با یک ماتریس توصیف کرد

(\begin{matrix} 0 & 1 \\ 1 & 0 \end{matrix})

. ما از نقاط مربوطه برای تمایز بین DSL4IMs و DS8DM های مختلف استفاده کردیم. برای مثال،

(\begin{matrix} 0 & 0 \\ 1 & 0 \end{matrix}) ~ F, C - δ, γ

از بخش‌های L4-L5 نشان‌دهنده DSL4IM بین پلان‌های رودخانه در زمان 1 و زمان 2 است که در آن خطوط ساحلی حاوی نقاط F و C هستند.

δ, γ

باید توسط

(\begin{matrix} 0 & 0 \\ 1 & 0 \end{matrix})

، و DS8DM های مربوطه آن باید با نشان داده شوند

(\begin{matrix} 1 & 1 \\ 1 & 0 \end{matrix} \begin{matrix} 1 & 1 \\ 0 & 1 \end{matrix})

5. نتیجه گیری و کار آینده

این مقاله یک مکانیسم استدلال ترکیبی را پیشنهاد می‌کند که از روابط توپولوژیکی و متریک برای توصیف روابط فضایی بین پلان‌های رودخانه برای تشخیص RPCها و تمایز بین RPCهای درست و نادرست استفاده می‌کند. پنج نوع مدل GIS بر اساس پلان‌های طبیعی رودخانه و دو طبقه‌بندی معمولی پلان رودخانه توسعه داده شده‌اند. چهار نوع SGRPM بر اساس مدل‌های GIS پلان‌فرم‌های رودخانه برای توصیف روابط توپولوژیکی بین آنها ارائه شده‌اند. DSL4IMها برای توصیف روابط توپولوژیکی بین خطوط مستقیم ارائه شده‌اند، IDMهای نواحی برای بیان روابط توپولوژیکی بین مناطق توسعه داده شده‌اند، و DS8DMs برای تعیین روابط متریک بین خطوط مستقیم پیشنهاد شده‌اند. سه قانون تقسیم‌بندی برای تقسیم‌بندی پلان‌های رودخانه به SGRPMs ایجاد شده‌اند.

مکانیسم استدلال پیشنهادی می‌تواند برای شناسایی RPCها، شناسایی تغییرات کاذب و توصیف فرآیندهای تغییر برای پلان‌های عظیم رودخانه استفاده شود. توسعه روشی برای تنظیم خودکار یا نیمه خودکار مکانیسم استدلال باید تمرکز تحقیقات آینده باشد.

پیوست اول

شکل A1. DS8DM بین SGRPM ها. ( a )–( u ) 21 DS8DM بین SGRPM ها را به تصویر می کشد.

شکل A2. مکانیسم استدلال ترکیبی با روابط توپولوژیکی و متریک بین SGRPM ها ( a )–( al ) 38 رابطه معمولی بین دو DSL-SRM را به تصویر می‌کشد که تنها یک رابطه توپولوژیکی معمولی بین مناطق را بیان می‌کند.

منابع

Perillo، GME؛ پرز، دی. پیکولو، ام سی؛ پالما، ED; کوادرادو، DG خصوصیات ژئومورفولوژیکی و فیزیکی یک مصب تحت تاثیر انسان: مصب رودخانه کوئکن گراند، آرژانتین. استوار. ساحل. Shelf Sci. 2005 ، 62 ، 301-312. [ Google Scholar ] [ CrossRef ]
گریگوری، کی جی نقش انسان در تغییر کانال های رودخانه. ژئومورفولوژی 2006 ، 79 ، 172-191. [ Google Scholar ] [ CrossRef ]
بیلن، جی. گارنیر، جی. فیچت، آ. Cun, C. مدل‌سازی پاسخ کیفیت آب در مصب رودخانه سن به فعالیت‌های انسانی در حوزه آبخیز آن در طول 50 سال گذشته. مصب 2001 ، 24 ، 977-979. [ Google Scholar ] [ CrossRef ]
ژانگ، جی. ژانگ، ZF; لیو، اس ام. وو، ی. شیونگ، اچ. چن، HT تأثیرات انسان بر رودخانه‌های بزرگ جهان: آیا چانگ‌جیانگ (رودخانه یانگ تسه) یک تصویر است؟ گلوب. بیوژئوشیمی. چرخه های 1999 ، 13 ، 1099-1105. [ Google Scholar ] [ CrossRef ]
Vanacker، V. مولینا، ا. گاورز، جی. پوسن، جی. درکن، جی. پاسخ کانال دکرز، S. ریور به تغییر کوتاه‌مدت ناشی از انسان در اتصال چشم‌انداز در اکوسیستم‌های آند. ژئومورفولوژی 2005 ، 72 ، 340-353. [ Google Scholar ] [ CrossRef ]
گوشال، س. جیمز، لس آنجلس; خواننده، MB; آلتو، R. تجزیه و تحلیل تغییر کانال و دشت سیلابی در یک دوره 100 ساله: رودخانه یوبا پایین، کالیفرنیا. Remote Sens. 2010 ، 2 ، 1797-1825. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
خان، NI; اسلام، الف. کمی سازی الگوهای فرسایش در رودخانه برهماپوترا-جامونا با استفاده از سیستم اطلاعات جغرافیایی و تکنیک های سنجش از دور. هیدرول. روند. 2003 ، 17 ، 959-966. [ Google Scholar ] [ CrossRef ]
گوسوامی، یو. Sarma, JN; پاتگیری، تغییر کانال رودخانه AD سوبانسیری در آسام، هند. ژئومورفولوژی 1999 ، 30 ، 227-244. [ Google Scholar ] [ CrossRef ]
پاتی، JK; لعل، ج. پراکاش، ک. بوسان، R. تغییر فضایی-زمانی کرانه غربی رودخانه گانگا، شهر الله آباد و پیامدهای آن. J. شرکت هندی Remote Sens. 2008 , 36 , 289-297. [ Google Scholar ] [ CrossRef ]
راکوتین، ص. سانسنا، تی. مرجنگ، ن. Rungsipanich، A. استفاده از داده های سنجش از دور چند زمانی برای تخمین مساحت و حجم سیل 2011 بر روی حوضه رودخانه چائو فرایا، تایلند. سنسور از راه دور Lett. 2013 ، 4 ، 243-250. [ Google Scholar ] [ CrossRef ]
داس، جی دی. دوتا، تی. صراف، سنجش از دور AK و کاربرد GIS در تشخیص تغییر کانال رودخانه باراک، شمال شرقی هند. J. شرکت هندی Remote Sens. 2007 , 35 , 301-312. [ Google Scholar ] [ CrossRef ]
کومو، ام. لو، XX; راسفون، ا. سارککولا، ج. Koponen، J. Riverbank تغییرات در امتداد رودخانه مکونگ: تشخیص سنجش از راه دور در منطقه Vientiane-Nong Khai. کوات. بین المللی 2008 ، 186 ، 100-112. [ Google Scholar ] [ CrossRef ]
Mossa, J. تغییرات تاریخی یک مقطع بزرگ: رودخانه قدیمی پایین، لوئیزیانا. فیزیک Geogr. 2013 ، 34 ، 315-334. [ Google Scholar ]
کومار، ا. Jayappa، KS; دیپیکا، ب. کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در تشخیص تغییر کانال های رودخانه نترواتی و گورپور، کارناتاکا، هند. Geocarto Int. 2010 ، 25 ، 397-425. [ Google Scholar ] [ CrossRef ]
Peixoto، JMA; نلسون، BW; ویتمن، F. پویایی مکانی و زمانی مهاجرت کانال رودخانه و پوشش گیاهی در دشت‌های سیلابی آب سفید مرکزی آمازون با تکنیک‌های سنجش از دور. سنسور از راه دور محیط. 2009 ، 113 ، 2258-2266. [ Google Scholar ] [ CrossRef ]
لاو، تی. تکمیل شبکه رودخانه فرانکلین، WR بدون نمونه های ارتفاعی با استفاده از زمین القایی مبتنی بر هندسه. کارتوگر. Geogr. Inf. علمی 2013 ، 40 ، 316-325. [ Google Scholar ] [ CrossRef ]
مانتیلا، آر. Gupta، VK A چارچوب عددی GIS برای مطالعه اساس فرآیند آمار مقیاس‌گذاری در شبکه‌های رودخانه‌ای. IEEE Geosci. سنسور از راه دور Lett. 2005 ، 2 ، 404-408. [ Google Scholar ] [ CrossRef ]
لانگهامر، جی. Vilímek، V. تغییرات چشم انداز به عنوان یک عامل موثر بر روند و پیامدهای سیل شدید در حوضه رودخانه Otava، جمهوری چک. محیط زیست نظارت کنید. ارزیابی کنید. 2008 ، 144 ، 53-66. [ Google Scholar ] [ CrossRef ] [ PubMed ]
وولفارت، سی. لیو، جی. هوانگ، سی. Kuenzer، C. یک حوضه رودخانه در طول زمان: تجزیه و تحلیل چند زمانی دینامیک سطح زمین در حوضه رودخانه زرد (چین) بر اساس داده‌های سنجش از دور با وضوح متوسط. Remote Sens. 2016 ، 8 . [ Google Scholar ] [ CrossRef ]
Assunção، MD; Calheiros، RN; بیانچی، اس. Netto، MAS; Buyya, R. محاسبات کلان داده و ابرها: روندها و جهت گیری های آینده. J. توزیع موازی. محاسبه کنید. 2015 ، 79 ، 3-15. [ Google Scholar ] [ CrossRef ]
فن، جی. هان، اف. لیو، اچ. چالش های تحلیل داده های بزرگ. نات علمی Rev. 2014 , 1 , 293-314. [ Google Scholar ] [ CrossRef ] [ PubMed ]
گندمی، ع. Haider, M. Beyond the hype: Big data مفاهیم، روش ها و تجزیه و تحلیل. بین المللی J. Inf. مدیریت 2015 ، 35 ، 137-144. [ Google Scholar ] [ CrossRef ]
کامباتلا، ک. کولیاس، جی. کومار، وی. Grama, A. روندها در تجزیه و تحلیل داده های بزرگ. J. توزیع موازی. محاسبه کنید. 2014 ، 74 ، 2561-2573. [ Google Scholar ] [ CrossRef ]
سوان، ام. خود کمی: اختلال اساسی در علم داده های بزرگ و کشف بیولوژیکی. کلان داده 2013 ، 1 ، 85-99. [ Google Scholar ] [ CrossRef ] [ PubMed ]
چن، جی. چن، جی. لیائو، AP; کائو، ایکس. چن، ال جی. چن، XH; او، CY; آویزان شدن.؛ پنگ، اس. لو، ام. و همکاران نقشه برداری جهانی پوشش زمین با وضوح 30 متر: یک رویکرد عملیاتی مبتنی بر POK ISPRS J. Photogramm. Remote Sens. 2015 ، 103 ، 7-27. [ Google Scholar ] [ CrossRef ]
آویزان شدن.؛ چن، جی. او، CY; لی، SN; وو، اچ. لیائو، AP; پنگ، اس. یک سیستم مبتنی بر وب برای پشتیبانی از تولید داده های پوشش زمین جهانی. ISPRS J. Photogramm. Remote Sens. 2015 ، 103 ، 66-80. [ Google Scholar ] [ CrossRef ]
ژائو، YY; گونگ، پی. یو، ال. هو، LY; Li، XY; Li، CC; ژانگ، هی. ژنگ، ی.ام. وانگ، جی. ژائو، YC; و همکاران به سمت یک مجموعه نمونه اعتبارسنجی مشترک برای نقشه برداری جهانی پوشش زمین. بین المللی J. Remote Sens. 2014 ، 35 ، 4795-4814. [ Google Scholar ] [ CrossRef ]
گرکوسیس، جی. مونتراکیس، جی. Kavouras, M. مروری بر 21 محصول جهانی و 43 منطقه ای نقشه برداری پوشش زمین. بین المللی J. Remote Sens. 2015 ، 36 ، 5309-5335. [ Google Scholar ] [ CrossRef ]
ارسنجانی، ج. طیبی، ع. Vaz، E. GlobeLand30 به عنوان یک نقشه جایگزین در مقیاس خوب جهانی پوشش زمین: چالش ها، امکانات، و پیامدها برای کشورهای در حال توسعه. Habitat Int. 2016 ، 55 ، 25-31. [ Google Scholar ] [ CrossRef ]
ران، ی. لی، ایکس. اولین نقشه جامع پوشش زمین با وضوح خوب در جهان از چین – نظرات نقشه جهانی پوشش زمین با وضوح 30 متر. علمی علوم زمین چین 2015 ، 58 ، 1677-1678. [ Google Scholar ] [ CrossRef ]
کوستابیل، پ. ماکیونه، اف. ناتال، ال. پتاچیا، جی. نقشه برداری سیل با استفاده از LIDAR DEM. محدودیت‌های مدل‌سازی 1 بعدی که توسط رویکرد دو بعدی مشخص شده است. نات خطرات 2015 ، 77 ، 181-204. [ Google Scholar ] [ CrossRef ]
فلنر، سی. واجا، م. جااکولا، ا. کروکس، آ. کارتینن، اچ. کوکو، ا. کاسویت، ای. هایپا، اچ. Hyyppä، J.; Alho, P. نقشه برداری بدون درز از کانال های رودخانه با وضوح بالا با استفاده از LiDAR موبایل و UAV-Photography. Remote Sens. 2013 , 5 , 6382–6407. [ Google Scholar ] [ CrossRef ]
ماندلبرگر، جی. هاور، سی. ویزرت، ام. Pfeifer، N. Topo-Bathymetric LiDAR برای نظارت بر مورفودینامیک رودخانه و زیستگاه های درون جریان – مطالعه موردی در رودخانه Pielach. Remote Sens. 2015 ، 7 ، 6160–6195. [ Google Scholar ] [ CrossRef ]
پان، ز. گلنی، سی. هارتزل، پی. فرناندز-دیاز، جی سی. لگلیتر، سی. Overstreetet، B. ارزیابی عملکرد LiDAR شکل موج کامل هوابرد با وضوح بالا برای عمق سنجی رودخانه کم عمق. Remote Sens. 2015 ، 7 ، 5133-5159. [ Google Scholar ] [ CrossRef ]
تنگ، جی. وازه، ج. دوتا، دی. مروانک، S. مدل‌سازی طغیان سریع در دشت‌های سیل‌آبی بزرگ با استفاده از LiDAR DEM. Water Res. مدیریت 2015 ، 29 ، 2619-2636. [ Google Scholar ] [ CrossRef ]
گولدن، تی. هاپکینسون، سی. جیمیسون، آر. استرلینگ، S. حساسیت ویژگی های DEM، شیب، جنبه و حوضه به عدم قطعیت اندازه گیری LiDAR. سنسور از راه دور محیط. 2016 ، 179 ، 23-35. [ Google Scholar ] [ CrossRef ]
پرشیچ، وی. Horvatić، J. توزیع فضایی محدودیت مواد مغذی در دشت سیلابی رودخانه دانوب در رابطه با اتصال هیدرولوژیکی. Wetlands 2011 , 31 , 933-944. [ Google Scholar ] [ CrossRef ]
ژو، دی.م. Luan، ZQ; Guo، XY; لو، YJ الگوهای توزیع فضایی گیاهان تالاب در رابطه با شیب محیطی در ذخیره‌گاه طبیعی ملی هونگه، شمال شرقی چین. جی. جئوگر. علمی 2012 ، 22 ، 57-70. [ Google Scholar ] [ CrossRef ]
شیلینگ، KE; Jacobson، P. روابط فضایی توپوگرافی، سنگ شناسی و کیفیت آب در یک دشت سیلابی رودخانه بزرگ. River Res. Appl. 2012 ، 28 ، 1417-1427. [ Google Scholar ] [ CrossRef ]
هادسون، پی اف. Colditz، RR; Aguilar-Robledo، M. روابط فضایی بین محیط های دشت سیلابی و استفاده از زمین – پوشش زمین دره بزرگ رودخانه گرمسیری دشت: حوضه پانوکو، مکزیک. محیط زیست مدیریت 2006 ، 38 ، 487-503. [ Google Scholar ] [ CrossRef ] [ PubMed ]
پان، DY; دومون، جی. بلویس، SD; آندره، بی. زمانی (1958-1993) و الگوهای فضایی تغییرات کاربری زمین در سنت لوران (کبک، کانادا) و ارتباط آنها با ویژگی های فیزیکی چشم انداز. Landsc. Ecol. 1999 ، 14 ، 35-52. [ Google Scholar ]
هرناندز-گراسیداس، کالیفرنیا؛ سوکار، LE; Montes-y-Gómez, M. بهبود بازیابی تصویر با استفاده از روابط فضایی. اپلیکیشن ابزارهای چندرسانه ای 2011 ، 62 ، 479-505. [ Google Scholar ] [ CrossRef ]
باکینگهام، SE; ویتنی، روش JW GIS برای تعیین کمیت تغییر کانال در لاس وگاس، نوادا. مربا. Water Res. دانشیار 2007 ، 43 ، 888-898. [ Google Scholar ] [ CrossRef ]
Egenhofer، MJ; Franzosa، روابط فضایی توپولوژیکی مجموعه نقطه RD. بین المللی جی. جئوگر. Inf. سیستم 1991 ، 5 ، 161-174. [ Google Scholar ] [ CrossRef ]
فرمیکا، ا. پورعباس، ا. Rafanelli، M. محدودیت محدودیت رابطه توپولوژیکی چند ضلعی-چند خطی برای زبان های پرس و جو تصویری جغرافیایی. محاسبه کنید. علمی Inf. سیستم 2013 ، 10 ، 1053-1075. [ Google Scholar ] [ CrossRef ]
Lin, PL; Tan, WH یک روش کارآمد برای بازیابی اشیا با روابط توپولوژیکی در سیستم های پایگاه داده فضایی. Inf. روند. مدیریت 2003 ، 39 ، 543-559. [ Google Scholar ] [ CrossRef ]
لیو، KF; شی، WZ محاسبه روابط توپولوژیک فازی اجسام فضایی بر اساس توپولوژی فازی القایی. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 857-883. [ Google Scholar ] [ CrossRef ]
لیو، KF; شی، WZ مدل توسعه یافته روابط توپولوژیکی بین اشیاء فضایی در سیستم های اطلاعات جغرافیایی. بین المللی J. Appl. زمین Obs. اطلاعات جغرافیایی 2007 ، 9 ، 264-275. [ Google Scholar ] [ CrossRef ]
وانگ، اس اس. لیو، دی. ژانگ، سی. لیو، بازنمایی DY، استدلال و تطبیق مشابه برای روابط توپولوژیکی دقیق با DTString. Inf. علمی 2014 ، 276 ، 255-277. [ Google Scholar ] [ CrossRef ]
گائو، ی. ژانگ، ی. تیان، ی. Weng, JN روابط توپولوژیکی بین خطوط جهت دار و هندسه های ساده. علمی چین سر. E 2008 ، 51 ، 91-101. [ Google Scholar ] [ CrossRef ]
بلند، ZG; Li, SJ طبقه بندی کامل روابط فضایی با استفاده از مدل نه تقاطع مبتنی بر Voronoi. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 2006-2025. [ Google Scholar ] [ CrossRef ]
بر، فلوریدا; Napoli, A. طراحی و مقایسه شبکه های روابط توپولوژیکی برای نمایش و استدلال فضایی. J. Exp. نظریه. آرتیف. هوشمند 2003 ، 15 ، 331-371. [ Google Scholar ] [ CrossRef ]
دنگ، م. چنگ، تی. چن، XY; Li، ZL روابط توپولوژیکی چند سطحی بین مناطق فضایی بر اساس متغیرهای توپولوژیکی. Geoinformatica 2007 ، 11 ، 239-267. [ Google Scholar ] [ CrossRef ]
اشنایدر، ام. بهر، T. روابط توپولوژیکی بین خطوط پیچیده و مناطق پیچیده. لکت. یادداشت ها محاسبه. علمی 2005 ، 3716 ، 483-496. [ Google Scholar ] [ CrossRef ]
رنز، جی. راوه، آر. Knauff، M. به سوی کفایت شناختی روابط فضایی توپولوژیکی. در شناخت فضایی II ; Springer: برلین/هایدلبرگ، آلمان، 2000; ص 184-197. [ Google Scholar ]
دو، SH; وانگ، کیو. Guo, L. مدل‌سازی وابستگی‌های مقیاس روابط توپولوژیکی بین خطوط و مناطق ناشی از کاهش ویژگی‌ها. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 1649-1686. [ Google Scholar ] [ CrossRef ]
گوا، ال. Du, SH استخراج روابط توپولوژیکی بین مناطق از روابط جهت. J. Vis. لنگ محاسبه کنید. 2009 ، 20 ، 368-384. [ Google Scholar ] [ CrossRef ]
وانگ، ک. یک مدل محاسباتی برای روابط جهت بین اشیاء فضایی در GIS. اپتیک. بین المللی J. الکترون نور. انتخاب کنید 2014 ، 125 ، 6981-6986. [ Google Scholar ] [ CrossRef ]
دنگ، م. Li، ZL یک مدل آماری برای روابط جهتی بین اشیاء فضایی. Geoinformatica 2007 ، 12 ، 193-217. [ Google Scholar ] [ CrossRef ]
لین، جی ایکس؛ چن، سی سی; Wu، JW CD-graph: نمایش نمودار مسطح برای مجاورت فضایی و رابطه همسایگی با محدودیت ها. بین المللی جی. جئوگر. Inf. علمی 2013 ، 27 ، 1902-1923. [ Google Scholar ] [ CrossRef ]
دو، ی. لیانگ، اف. Sun، Y. ادغام روابط فضایی در استدلال مبتنی بر مورد برای حل مسائل جغرافیایی. دانستن سیستم مبتنی بر 2012 ، 33 ، 111-123. [ Google Scholar ] [ CrossRef ]
نداس، کالیفرنیا؛ Egenhofer، MJ; ویلمسن، دی. جزئیات متریک روابط خط-خط توپولوژیکی. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 21-48. [ Google Scholar ] [ CrossRef ]
Xu, J. رسمی کردن روابط فضایی زبان طبیعی بین اشیاء خطی با خواص توپولوژیکی و متریک. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 377-395. [ Google Scholar ] [ CrossRef ]
Legleiter، CJ یک چارچوب زمین‌آماری برای کمی‌سازی ساختار فضایی مقیاس دسترسی مورفولوژی رودخانه: مدل‌های واریوگرام، معیارهای مرتبط، و ارتباط با شکل کانال. ژئومورفولوژی 2014 ، 205 ، 65-84. [ Google Scholar ] [ CrossRef ]
Brice, JC Planform Properties of Meandering Rivers. در مجموعه مقالات کنفرانس ریورز 83، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 24-26 اکتبر 1983.
ریخت شناسی رودخانه و کانال فولر، سی . گزارش فنی تهیه شده برای شورای منطقه ای افق. دانشگاه مسی: Раلمرستون شمال، نیوزیلند، 2007. [ Google Scholar ]

شکل 1. طبقه بندی پلان فرم رودخانه که توسط بریس توسعه یافته است. ( الف ) بافته غیر سینوسی; ب ) بافته سینوسی; ( ج ) نوار نقطه سینوسی. ( د ) کانال بافته سینوسی.

شکل 2. طبقه بندی پلان رودخانه بر اساس درجات سینووسیت، بافته شدن و انشعاب. ( الف ) درجات مختلف سینوسی، درجه سینوسی پلان فرم 2 رودخانه بالاتر از پلان فرم رودخانه 1 است. ( ب ) درجات مختلف بافته شدن، درجه بافته شدن پلان فرم رودخانه 2 از پلان فرم رودخانه 1 بالاتر است. ج ) درجات مختلف انشعاب، درجه انشعاب پلان رودخانه 2 بیشتر از پلان فرم رودخانه 1 است .

شکل 3. مدل های GIS پلانفرم های رودخانه. ( الف ) مدل تک خطی؛ ( ب ) مدل دو خطی. ( ج ) مدل دو خط یک منطقه; ( د ) دو خط مدل چند منطقه; ( ه ) مدل سه یا چند خط با چندین منطقه.

شکل 4. مدل های پلان فرم رودخانه GIS ساده. ( الف ) مدل خط مستقیم (SSLM)؛ ( ب ) مدل دو خط مستقیم (DSLM). ( ج ) مدل یک منطقه ای دو خط مستقیم (DSL-1RM). ( د ) مدل چند منطقه ای دو خط مستقیم (DSL-SRM).

شکل 5. روابط توپولوژیکی درست و نادرست بین SGRPM ها. ( الف ، ه ) پس از کوتاه شدن و افزایش دلخواه به مقدار کم، محل تقاطع باقی می ماند. ( ب ، و ) پس از کوتاه شدن و تمدید شدن به مقدار دلخواه ناچیز، از هم گسسته می مانند. ( ج ، ج ) پس از کوتاه شدن و افزایش دلخواه به مقدار کم، برابر باقی می‌ماند. و ( d , h ) روابط توپولوژیکی متفاوتی دارند پس از کوتاه شدن و گسترش به مقدار دلخواه خود: این نشان دهنده یک رابطه توپولوژیکی نادرست در RPCها است.

شکل 6. DSL4IM و IDM یک رابطه توپولوژیکی معمولی بین دو DSL-SRM.

شکل 7. سه DS8DM معمولی. ( الف ) DS8DM بین دو SSL. ( ب ) DS8DM بین یک SSL و یک DSL. ( ج ) DS8DM بین دو DSL.

شکل 8. چهار موقعیت مشابه بین دو DSLM. الف ) حالت اول؛ ب ) وضعیت دوم؛ ج ) وضعیت سوم؛ د ) وضعیت چهارم.

شکل 9. چهار مهاجرت معمولی به چپ و کل مهاجرت به راست. ( الف ) مهاجرت‌های کل چپ و انتقال کل راست بین دو SSLM. ( ب ) کل مهاجرت های چپ و کل مهاجرت های راست بین یک SSLM و یک DSLM. ( ج ) مهاجرت کل به چپ و مهاجرت کل راست بین دو DSLM. ( د ) مهاجرت کل به چپ و مهاجرت کل راست بین دو DSL-1RM.

شکل 10. قوانین تقسیم بندی برای پلان های رودخانه. ( الف ) قانون تقسیم بندی 1 از SSLM به DSLM. ( ب ) قاعده تقسیم بندی 2 از دو خط به سه یا چند خط. ( ج ) قاعده تقسیم بندی 3 بر اساس دو تقاطع همسایه.

شکل 11. تقسیم بندی های پلانی رودخانه.

جدول 1. انواع روابط فضایی بین SGRPM ها.

جدول 2. جدول مکانیزم استدلال ترکیبی.

© 2017 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

خلاصه

1. معرفی

2. آثار مرتبط

2.1. روابط توپولوژیکی خطوط و مناطق

2.2. روابط متریک خطوط و مناطق

2.3. روابط ترکیبی توپولوژیکی و متریک خطوط و مناطق

3. River Planforms و مدل های GIS آنها

3.1. دو طبقه بندی معمولی پلانفرم های رودخانه

3.2. مدل‌های GIS پلان‌فرم‌های رودخانه

3.3. مدل‌های GIS ساده پلان‌فرم‌های رودخانه

4. مکانیسم استدلال ترکیبی برای RPC

4.1. روابط فضایی بین SGRPM ها

4.1.1. روابط توپولوژیکی بین SGRPM ها

4.1.2. روابط متریک بین SGRPM ها

4.1.3. مکانیسم استدلال ترکیبی با روابط توپولوژیکی و متریک بین SGRPM ها

4.2. قوانین تقسیم بندی برای پلان های رودخانه ای

4.3. جدول مکانیزم استدلال ترکیبی پلانفرم های رودخانه

5. نتیجه گیری و کار آینده

پیوست اول

منابع

قبلیپهپاد فتوگرامتری ارتفاع پایین برای بازرسی خطوط برق

بعدیبه سوی یک چارچوب مشترک برای شناسایی لندفرم ها در مدل های زمین

بدون نظر

دیدگاهتان را بنویسید لغو پاسخ