Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: spatial indexes

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie wskaźników przestrzennych 3D w analizach cech roślinności miejskiej na podstawie danych z lotniczego skanowania laserowego

Tompalski P.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

2012

Vol. 23

443--456

W pracy przedstawiono wyniki badań nad zastosowaniem zintegrowanych danych z lotniczego skanowania laserowego (ALS) oraz zobrazowań satelitarnych (GeoEye-1) w celu automatycznego kartowania roślinności (obiektowa analiza obrazu) oraz generowania wskaźników przestrzennych 3D opisujących w sposób syntetyczny strukturę roślinności. Utworzone wskaźniki charakteryzują zróżnicowanie pionowe roślinności wysokiej (VDI – Vegetation Diversity Index) oraz objętość wypełnionej przez nią przestrzeni (FR – Filling Ratio, V2A – Volume to Area). Ponadto opracowany został wskaźnik VV2BV (Vegetation Volume to Built-up Volume) wyrażający stosunek objętości roślinności do objętości (kubatury) budynków. Wskaźnik ten stosowany może być do przyrodniczej waloryzacji obszarów zabudowanych.

The paper presents results of studies on the application of integrated data from airborne laser scanning (ALS) and satellite imagery (GeoEye-1) for the automatic mapping of vegetation (object-oriented image analysis) and to generate 3D spatial indices describing the structure of the vegetation. Created indices characterize the vertical diversity of vegetation (VDI – Vegetation Diversity Index) and the amount of space filled by vegetation (FR – Filling Ratio, V2A – Volume to Area). In addition, the VV2BV index (Vegetation Volume to Built-up Volume) is expressing the ratio of volume of vegetation to volume of buildings. This indicator can be applied for valorization of built-up areas.

Zaawansowane hurtownie danych

Gorawski M.

Studia Informatica

2009

Vol. 30, nr 3B

1-386

Niniejsza monografia jest poświęcona nowej wizji ewolucji hurtowni danych (DW), której wyrazem jest nowa generacja modeli DW, o nazwie Zaawansowane Hurtownie Danych (AdvDW). Zdolność formułowania nowych modeli klasycznych DW dla nowych wyzwań globalnych, przy szybkim postępie ICT, jest znacznie ograniczona, natomiast stan badań nad przestrzenno-temporalnymi hurtowniami danych (STDW) jest dalece niewystarczający. Prognozuje się, że w kolejnej dekadzie 2010 nowym celem ICT będą: "Analityczne systemy zaawansowanych hurtowni danych, zorientowane na rozlegle przetwarzanie (rozproszone, równoległe, gridowe, agentowe) w sieciach (szkieletowych, bezprzewodowych, przemysłowych), ukierunkowane na zaawansowaną analizę ogromnych (petabajto-wych) wolumenów (repozytoriów) danych strumieniowych". Zatem model wizji ewolucji DW ma na celu podniesienie poziomu badań o stopień wyżej, przez promowanie modeli AdvDW, jako samodzielnego podejścia, a nie tylko cechy wynikającej z bardziej uogólnionych własności klasycznych DW. Pomocna w modelowaniu wizji ewolucji DW jest Lista 15 kluczowych wyzwań badawczych w dziedzinie DW. Jako całościowe rozwiązanie ramowe problematyki badawczej, objętej tą listą opracowano koncepcje ramowe, modele, metody, prototypy, charakterystyki efektywnościowe i ich analizy w zakresie zagadnień badawczych: 1. Wysoce Hierachiczne Systemy Agregacji i E-Receptorów 2HAa*, w tym Decyzyjny System Monitorowania i Dystrybucji Mediów (2MDSS). 2. Spichlerz Agregatów, w tym Wielopierścieniowa Hurtowni Danych (MultiRingDW) o schemacie rozszerzonej gwiazdy kaskadowej. 3. Indeksy przestrzenne ogólnego przeznaczenia i rodzina agregacyjnych drzew przestrzennych o wysokiej efektywności. 4. Przestrzenno-czasowe struktury agregatów, jako wielopoziomowe hybrydowe agregacyjne drzewa indeksów przestrzennych i czasowych oraz specjalne struktury wspomagające agregację danych przestrzenno-czasowych. 5. Materializowana Lista Agregatów (MAL) i zintegrowane z nią indeksy. 6. Ekstrakcja danych i jej odtwarzanie. 7. Przestrzenno-temporalne hurtownie danych (D)STDW, jako I klasa AdvDW. 8. Silnie chronione hurtownie danych SPrevDW, jako II klasa AdvDW. 9. Gridowe hurtownie danych GDW-

The following dissertation presents a new vision of Data Warehouses (DW) evolution -a new generation of DW models called Advanced Data Warehouses (AdvDW). The ability to formulate new models of classical data warehouse for new global challenges is strongly limited. Moreover, the research on spatio-temporal data warehouses (STDW) is rather insufficient. Forecasts are that in the next decade the new goal of ITC will be "Analytical advanced data warehouse systems oriented on massive processing (distributed, parallel, grid, agent) in networks (framework, wireless, industrial) directed to advanced analysis of huge (petabyte) volumes (repositories) of a stream data". The vision of DW evolution presented in the following work creates a next level of research promoting AdvDW models as a self-reliant approach being much more than only features derived from generalized nature of classical DWs. To specify the model of DW evolution vision a list of 15 key challenges in DWs was created. As an all-out solutions for problems from the list, framework concepts, models, methods, prototypes, effective characteristics and their analyses were defined: 1. Highly Hierarchical Aggregation and E-Receptors Systems (2HAa*), including Monitoring and Media Distribution Support System (2MDSS). 2. Aggregates Granary including MultiRing Data Warehouse (MultiRingDW) with expanded cascaded star schema. 3. General purpose spatial indices and a family of highly efficient aggregation trees. 4. Spatio-temporal aggregates structures as multilevel hybrid aggregate tree of the spatial and temporal indexes and special structures supporting the spatio-temporal data aggregation. 5. Materialized Aggregates List (MAL) with integrated indexes. 6. Data extraction and its resumption. 7. Spatio - temporal data warehouses (D)STDW as the class I of AdvDW. 8. Strongly preserved data warehouses (SPrevDW) as the class II of AdvDW. Abstract 381 9. Grid data warehouses (GDWSA) as the class III of AdvDW. 10. Stream data warehouses StrDW) as the class IV of AdvDW. The realization of above-mentioned problem groups was verified with prototype software basing on Java and C++ environments running on Windows and Solaris platforms and databases Oracle 9i/10(ll)g, MSSQL, IBM DB2. A number of effectiveness characteristics of AdvDW was presented along with their evaluation. The framework of future research is a continuation of the presented approach: Phase I: Classic data warehouses. Phase II: Advanced data warehouses AdvDW. Phase III: Branch systems 2HAa basing on AdvDW. Phase IV: MultiRing Data Warehouse. Phase V: Multibranch 2HAa systems basing on MultiRingDW. Phase VI: Aggregates granary (A4G). Phase VII: MultiBranch 2HAa systems basing on A4G. Current works include Phase II and Phase III with special focus on prototypes of advanced analytical systems. The progress marks in realization of the 7FSEDW will be yearly and long term works. In the dissertation a choice of such subjects is presented.