Концепция обработки, анализа и визуализации геофизических данных на основе элементов тензорного исчисления

Обложка

Цитировать

Полный текст

Аннотация

Одним из основных подходов к обработке, анализу и визуализации геофизических данных является применение геоинформационных систем и технологий, что обусловлено их геопространственной привязкой. Вместе с тем, сложность представления геофизических данных связана с их комплексной структурой, предполагающей множество составляющих, которые имеют одну и ту же геопространственную привязку. Яркими примерами данных такой структуры и формата являются гравитационные и геомагнитные поля, которые в общем случае задаются трех и четырехкомпонентными векторами с разнонаправленными осями координат. При этом на сегодняшний день отсутствуют решения, позволяющие визуализировать указанные данные в комплексе, не декомпозируя их на отдельные скалярные значения, которые, в свою очередь, могут быть представлены в виде одного или многих пространственных слоев. В этой связи в работе предложена концепция, использующая элементы тензорного исчисления для обработки, хранения и визуализации информации такого формата. Формализован механизм тензорного представления компонент поля с возможностью его комбинирования с другими данными такого же формата, с одной стороны, и свертки при сочетании с данными более низкого ранга. На примере гибридной реляционно-иерархической модели данных предложен механизм хранения информации по тензорным полям, предусматривающий возможность описания и применения инструкций по трансформации при переходе между различными системами координат. В работе рассматривается применение подхода при переходе от декартовой к сферической системе координат при представлении параметров геомагнитного поля. Для комплексной визуализации параметров тензорного поля предложен подход, основанный на применении тензорных глифов. В качестве последних при этом используются суперэллипсы с осями, соответствующими рангу тензора. При этом атрибутивные значения предлагается визуализировать относительно осей графического примитива таким образом, что распределение данных может быть задано посредством варьирования градиента монохромного представления параметра вдоль оси. Работоспособность концепции была исследована в ходе сравнительного анализа тензорного подхода с решениями, основанными на скалярной декомпозиции соответствующих комплексных значений с последующим их представлением в виде одного или многих пространственных слоев. Проведенный анализ показал, что применение предложенного подхода позволит в значительной степени повысить наглядность формируемого геопространственного изображения без необходимости сложного перекрывания пространственных слоев.

Об авторах

Г. Р Воробьева

Уфимский университет науки и технологий

Email: gulnara.vorobeva@gmail.com
улица Карла Маркса 12

А. В Воробьев

Уфимский университет науки и технологий

Email: geomagnet@list.ru
улица Карла Маркса 12

Г. О Орлов

Уфимский университет науки и технологий

Email: orlovgleb99@mail.ru
улица Карла Маркса 12

Список литературы

  1. Vorobev A.V., Pilipenko V.A., Sakharov Ya.A., Selivanov V.N. Statistical relationships between variations of the geomagnetic field, auroral electrojet, and geomagnetically induced currents // Solar-Terrestrial Physics. 2019. vol. 5. no. 1. pp. 35–42.
  2. Vorobev A.V., Pilipenko V.A., Enikeev T.A., Vorobeva G.R. Geoinformation system for analyzing the dynamics of extreme geomagnetic disturbances from observations of ground stations // Computer Optics. 2020. vol. 44. no. 5. pp. 782–790.
  3. Fleming J., Marvel S., Supak S., Motsinger-Reif A., Reif D. ToxPi*GIS Toolkit: creating, viewing, and sharing integrative visualizations for geospatial data using ArcGIS // Journal of Exposure Science & Environmental Epidemiology. 2022. vol. 32. no. 6. pp. 900–907. doi: 10.1038/s41370-022-00433-w.
  4. Simonyan A., Ohanyan M. Refined Spatio-Temporal Model of Accelerations of the Main Geomagnetic Field on the Earth’s Surface and Geomagnetic Jerks // Geomagnetism and Aeronomy. 2023. vol. 63. no. 3. pp. 325–348. doi: 10.1134/S0016793223600078.
  5. Boyarchuk M.A., Zhurkin I.G., Nepoklonov V.B. Concept of a visualization method for Earth’s gravity field on plain maps // Scientific Visualization. 2019. vol. 11. no. 1. pp. 70–79. doi: 10.26583/sv.11.1.06.
  6. Peng Z, Laramee S. Higher Dimensional Vector Field Visualization. A Survey // Theory and Practice of Computer Graphics (TPCG ‘09). 2009. pp. 149–163.
  7. Meuschke M., Vob S., Gaidzik F., Preim B., Lawonn K. Skyscraper Visualization of Multiple Time-Dependent Scalar Fields on Surfaces // Computers & Graphics. 2021. vol. 99. pp. 22–42. doi: 10.1016/j.cag.2021.05.005.
  8. Lobo M.-J., Telea A., Hurter C. Feature Driven Combination of Animated Vector Field Visualizations // Computer Graphics Forum. 2020. vol. 39. no. 3. pp. 429–441. doi: 10.1111/cgf.13992.
  9. Hergl C., Blecha C., Kretzschmar V., Raith F., Gunther F., Stommel M., Jankowai J., Hotz I., Nagel T., Scheuermann G. Visualization of Tensor Fields in Mechanics // Computer Graphics Forum. 2021. vol. 40. no. 6. pp. 135–161. doi: 10.1111/cgf.14209.
  10. He Z., Hu X., Teng Yu., Zhang X., Shen X. Data agreement analysis and correction of comparative geomagnetic vector observations // Earth, Planets and Space. 2022. vol. 74. doi: 10.1186/s40623-022-01583-9.
  11. Huang Y., Wu L., Li D. Theoretical Research on Full Attitude Determination Using Geomagnetic Gradient Tensor // The Journal of Navigation. 2015. no. 68(5). pp. 951–961. doi: 10.1017/S0373463315000259.
  12. Vorobev A.V., Vorobeva G.R., Yusupova N.I. Conception of geomagnetic data integrated space // SPIIRAS Proceedings. 2019. vol. 18. no. 2. pp. 390–415. doi: 10.15622/sp.18.2.390-415.
  13. Reddy B., Bommala H., Bhyrapuneni S. Strategies and Approaches for Generating Identical Extensive XML Tree Instances // International Journal on Recent and Innovation Trends in Computing and Communication. 2023. vol. 11. pp. 559–564. doi: 10.17762/ijritcc.v11i8s.7238.
  14. Yu Q., Zhang X., Huang Zh.-H. Tensor Factorization-Based Method for Tensor Completion with Spatio-temporal Characterization // Journal of Optimization Theory and Applications. 2023. vol. 119. pp. 337–362. doi: 10.1007/s10957-023-02287-0.
  15. Xia S., Qiu D., Zhang X. Tensor factorization via transformed tensor-tensor product for image alignment // Numerical Algorithms. 2023. vol. 22. pp. 1251–1289. doi: 10.1007/s11075-023-01607-9.
  16. Tomasevic D., Peer P., Solina F., Jaklic A., Struc V. Reconstructing Superquadrics from Intensity and Color Images // Sensors. 2022. vol. 22(14). no. 5332. doi: 10.3390/s22145332.
  17. Mamieva I. Ruled algebraic surfaces with a main frame from three superellipses // Structural Mechanics of Engineering Constructions and Buildings. 2022. vol. 18. no. 4. pp. 387–395. doi: 10.22363/1815-5235-2022-18-4-387-395.
  18. Borisenko V., Ustenko S., Ustenko I. Constructing a method for the geometrical modeling of the lame superellipses in the oblique coordinate systems // Eastern-European Journal of Enterprise Technologies. 2020. vol. 2. no. 4. pp. 51–59. doi: 10.15587/1729-4061.2020.201760.
  19. Olayiwola T., Choi S.-J. Superellipse model: An accurate and easy-to-fit empirical model for photovoltaic panels // Solar Energy. 2023. vol. 262. doi: 10.1016/j.solener.2023.05.026.
  20. Vorobev A.V., Pilipenko V.A., Enikeev T.A., Vorobeva G.R. Geoinformation system for analyzing the dynamics of extreme geomagnetic disturbances from observations of ground stations // Computer Optics. 2020. vol. 44. no. 5. pp. 782–790.
  21. Vorobev A.V., Pilipenko V.A., Enikeev T.A., Vorobeva G.R., Khristodulo O.I. System for dynamic visualization of geomagnetic disturbances according to the data of ground magnetic stations // Scientific Visualization. 2021. vol. 13. no. 1. pp. 162–176. doi: 10.26583/sv.13.1.11.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».