(49-2) 15 * << * >> * Русский * English * Содержание * Все выпуски

Подход к адаптивной пространственной интерполяции геофизической информации
А.В. Воробьев 1,2, Г.Р. Воробьева 1

1 Геофизический центр РАН,
119296, Россия, г. Москва, ул. Молодежная, д.3;
2 Уфимский университет науки и технологий,
450000, Россия, г. Уфа, ул. К. Маркса, д. 12

  PDF, 1074 kB

DOI: 10.18287/2412-6179-CO-1474

Страницы: 301-310.

Аннотация:
Одной из проблем обработки пространственной информации в прикладных областях является ее выраженная пространственная анизотропия, обусловленная как неравномерным распределением источников данных по земной поверхности, так и их временной неработоспособностью ввиду технических сбоев и человеческого фактора. Указанная проблема создает ощутимые препятствия как в изучении различных процессов, так и в процессах принятия решений на основе такой информации. Так, выраженной пространственной анизотропией обладает геофизическая информация, в частности, геомагнитные данные, которые в режиме реального времени регистрируются сетью магнитных обсерваторий по всему миру. При этом известные методы интерполяции, не учитывающие ни особенности описываемых процессов, ни их зависимость от внешних факторов, недостаточно эффективно справляются с задачей. В работе предложен подход к адаптивной пространственной интерполяции, основной идеей которого является определение статистических и геостатистических методов интерполяции, наиболее эффективных при различных сочетаниях внешних и внутренних факторов. Далее в процессе интерполяции искомое значение восстанавливается выделенным методом на основе геопространственной привязки и внешних факторов. На примере геомагнитной информации посредством разработанного веб-ориентированного прототипа программного решения показана эффективность подхода. Установлено, что предложенный авторами подход к адаптивной пространственной интерполяции позволяет снизить значение среднеквадратической ошибки восстановления данных по сравнению с известными подходами.

Ключевые слова:
геопространственные данные, пространственная интерполяция, пространственная анизотропия, геоинформационные системы и технологии, веб-ГИС.

Благодарности
Исследование выполнено при поддержке Российского научного фонда (проект No 21-77-30010).
Авторы благодарят рецензентов за ряд конструктивных замечаний и предложений, позволивших существенно улучшить работу .

Цитирование:
Воробьев, А.В. Подход к адаптивной пространственной интерполяции геофизической информации / А.В. Воробьев, Г.Р. Воробьева // Компьютерная оптика. – 2025. – Т. 49, № 2. – С. 301-310. – DOI: 10.18287/2412-6179-CO-1474.

Citation:
Vorobev AV, Vorobeva GR. Approach to adaptive spatial interpolation of geophysical information. Computer Optics 2025; 49(2): 301-310. DOI: 10.18287/2412-6179-CO-1474.

References:
  1. Picot P, Guillaume B. The controllability of the Technosphere, an impossible question. The Anthropocene Review 2023; 11(1): 91-109. DOI: 10.1177/20530196231187242.
  2. Bezborodova OE. Intelligent information-measuring and control system for control of the state of the territorial technosphere [In Russian]. Measuring. Monitoring. Management. Control 2022; 2: 21-28. DOI: 10.21685/2307-5538-2022-2-3.
  3. Vorobev AV, Pilipenko VA, Enikeev TA, Vorobeva GR. Geoinformation system for analyzing the dynamics of extreme geomagnetic disturbances from observations of ground stations. Computer Optics 2020; 44(5): 782-790. DOI: 10.18287/2412-6179-CO-707.
  4. Vorobev AV, et al. System for dynamic visualization of geomagnetic disturbances based on data from ground-based magnetic stations. Scientific Visualization 2021; 13(1): 162-176. DOI: 10.26583/sv.13.1.11.
  5. Li G, et al. Multi-channel geomagnetic signal processing based on deep residual network and MVMD. Chin J Geophys 2023; 66(8): 3540-3556. DOI: 10.6038/cjg2022Q0576.
  6. Tsegmed B, Potapov A, Baatar N. Daytime geomagnetic pulsations accompanying sudden impulse of solar wind. Proc Mong Acad Sci 2022; 62(02:242): 1-14. DOI: 10.5564/pmas.v62i02.2380.
  7. Sun H, et al. Development of special geomagnetic data acquisition system with low cost. J Phys: Conf Seri 2022; 2395: 012028. DOI: 10.1088/1742-6596/2395/1/012028.
  8. Shen L, Sun G, Zhai W. A novel geomagnetic assimilation method of vector geomagnetic data. Results Phys 2021; 23: 104081. DOI: 10.1016/j.rinp.2021.104081.
  9. Antal A, Guerreiro P, Cheval S. Comparison of spatial interpolation methods for estimating the precipitation distribution in Portugal. Theor Appl Climatol 2021; 145(3-4): 1193-1206. DOI: 10.1007/s00704-021-03675-0.
  10. Luo P, et al. A generalized heterogeneity model for spatial interpolation. Int J Geogr Inf 2022; 37(3): 634-659. DOI: 10.1080/13658816.2022.2147530.
  11. Bustillo JP, et al. Assessment of a localized deterministic spatial interpolation method in generating an indoor radiofrequency radiation map. J Phys: Conf Ser 2019; 1248: 012075. DOI: 10.1088/1742-6596/1248/1/012075.
  12. Ijaz Z, et al. Development and optimization of geotechnical soil maps using various geostatistical and spatial interpolation techniques: a comprehensive study. Bull Eng Geol Environ 2023; 82(6): 215. DOI: 10.1007/s10064-023-03244-x.
  13. Delasalles E, Ziat A, Denoyer L. Spatio-temporal neural networks for space-time data modeling and relation discovery. Knowl Inf Syst 2019; 61(3): 1241-1267. DOI: 10.1007/s10115-018-1291-x.
  14. Zhang M, Yu D, Li Y. Deep geometric neural network for spatial interpolation. SIGSPATIAL '22: Proc 30th Int Conf on Advances in Geographic Information Systems 2022: 72. DOI: 10.1145/3557915.3561008.
  15. Du Y, et al. An adaptive multipath linear interpolation method for sample optimization. Mathematics 2022; 11(3): 768. DOI: 10.3390/math11030768.
  16. Shepard D. A two-dimensional interpolation function for irregularly-spaced data. ACM '68: Proceedings of the 1968 23rd ACM National Conf 1968: 517-524. DOI: 10.1145/800186.810616.
  17. Sun H, Chen J. Propagation map reconstruction via interpolation assisted matrix completion. IEEE Trans Signal Process 2022; 70: 6154-6169. DOI: 10.1109/TSP.2022.3230332.
  18. Alexa M. Conforming weighted delaunay triangulations. ACM Trans Graph 202; 39(6): 1-16. DOI: 10.1145/3414685.3417776.
  19. Zhang H, Tian Y, Zhao P. Dispersion curve interpolation based on kriging method. Appl Sci 2023; 13(4): 2557. DOI: 10.3390/app13042557.
  20. Lebrenz H, Bardossy A. Geostatistical interpolation by quantile kriging. Hydrol Earth Syst Sci 2019; 23(3): 1633-1648. DOI: 10.5194/hess-23-1633-2019.
  21. Thewlis J, et al. 4-dimensional local radial basis function interpolation of large, uniformly spaced datasets. Comput Methods Programs Biomed 2022; 228: 107235. DOI: 10.1016/j.cmpb.2022.107235.
  22. Saitta S, et al. Radial point interpolation method for isotropic nanoplates in bending using strain gradient theory. Int J Comput Methods 2022; 19(10): 2250023. DOI: 10.1142/S0219876222500232.
  23. Pedroso L, et al. Application of cubic spline interpolation with optimal spatial sampling for damage identification. Struct Contr Health Monit 2022; 29: e2856. DOI: 10.1002/stc.2856.
  24. Merwade V. Effect of spatial trends on interpolation of river bathymetry. J Hydrol 2009; 371(1): 169-181. DOI: 10.1016/j.jhydrol.2009.03.026.
  25. Vorobev AV, Pilipenko VA, Enikeev TA, Vorobeva GR. Geoinformation system for analyzing the dynamics of extreme geomagnetic disturbances from observations of ground stations. Computer Optics 2020; 44(5): 782-790. DOI: 10.18287/2412-6179-CO-707.
  26. Nguyen LAT, et al. Design and implementation of web application based on MVC Laravel architecture. Eur J Electr Eng Comput Sci 2022; 6(4): 23-29. DOI: 10.24018/ejece.2022.6.4.448. 
  27. Marculescu B, Zhang M, Arcuri A. On the faults found in REST APIs by automated test generation. ACM Trans Softw Eng Methodol 2022; 31(3): 41. DOI: 10.1145/3491038.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20