Основы панка. Оценка предположения о повышенной частоте встречаемости обнажений горных пород на склонах южной экспозиции

Основы панка. Оценка предположения о повышенной частоте встречаемости обнажений горных пород на склонах южной экспозиции

Тут должен быть какой-то серьезный текст, не столько обозначающий важность проблемы, сколько выставляющий меня регалистым ученым. Но я два месяца пытался написать эту статью и нихрена не получалось. Так что хуй вам, а не академический стиль. И вообще, означенное в заголовке предположение есть суть хуета на палке. Никак экспозиция на частоту обнажений горных пород не влияет.

Ну, а теперь, когда я расставил все по местам, давайте приступим. Известный геолог И.А. Мальков выдвинул предположение, что склоны южной и особенно юго-восточной экспозиции более перспективны для поиска обнажений коренных горных пород. Дескать, это связано с результатом движения ледника, который двигаясь с северо-запада на юго-восток сильнее заглаживал фронтовую сторону коренных выходов.

Предположение интересное, особенно, если учесть, что в попытке найти обнажение вы весь день можете шароебиться по кустам с молотком. Стоишь так в говнище посреди комаров, на противоположной стороне болота медведь орет, рядом геолог курит и никто не в курсе, с какой стороны холма найдешь выходы маткасельских гранитов.

По опыту и впрямь кажется, что на южных склонах обнажений больше. Но ученый не может доверять своим ощущениям, поэтому я спиздил базу геологических описаний, привел записи в человеческий вид и наложил все на карту.
Все описания

Что было дальше, вы и сами знаете. Потому, что если вы не полный мудак, у вас возникнет только один вопрос: «АSTER или SRTM?». Отвечаю — ASTER:

Я подготовил растр экспозиций через дефолтный функционал QGIS:

кроме того, сделал растр пересеченности рельефа, каждый пиксел которого представляет собой сумму изменений высот в пределах окна 3х3 пикселя (подробнее смотри в статье Riley S.J., DeGloria S.D., Elliot R. A terrain ruggedness index that quantifies topographic heterogeneities // J. Sci. 1999. V. 5. № 1–4. P. 23–27.). Это не входило в изначальное предположение, но преступлением было бы не проверить возможность взаимосвязи частоты обнажений с индексом пересеченности.

Вокруг каждого описания был построен буфер, радиусом в пол-секунды WGS-84 (приблизительно 30х13 метров), не столько, что-бы облегчить вычисление зональной статистики, сколько нивелировать распиздяйство геологов, которые вначале пишут координаты в пикетажку, а после перебивают их в базу. Кроме того, многие обнажения значительны по простиранию и получение точечной статистики для них явно лишено смысла.

В качестве итоговых значений атрибутов полигонального слоя использовалась медианное значение угла экспозиции, что основано на здравом смысле, поскольку при анормальном распределении только медиана имеет физическое значение, а при распределении, близком к нормальному медиана и математическое ожидание совпадают.

Первые результаты оказались более чем вдохновляющими:

По абсциссе главного графика — угол экспозиции склона, по ординате процент встреченных обнажений горных пород. Справа на полярном графике изображена та же хуета, демонстрирующая, что обнажения значительно чаще встречаются на южных склонах.

Но меня не наебешь. Если ледник действительно оказал такое влияние (если он вообще был — все вопросы к В.Г. Чувардинскому), то это должно проявляться не только в частоте выходов коренников на разных склонах, но и в их форме. Разделить выборку геологических описаний на подмножества разной формы практически невозможно, поскольку записи в пикетажках не стандартизированы и зачастую там попадается бессмысленная хуета. Скрепя сердце я принял волевое решение и подсчитал долю описаний в которых фигурирует слово «уступ» и долю описаний с текстовым фрагментом «заглаж». Согласен, критерий так-себе, но при столь сильной неоднородности частоты встречаемости обнажений на склонах с разной экспозицией, он должен был проявиться. Что-же мы видим на левом верхнем и левом нижнем графиках? Правильно — ничего. На южных склонах заглаженных обнажений меньше, но статистически это недостоверно. Величина отношения уступов к заглаженным обнажениям горных пород, рассчитанная по формуле

(кол-во уступов + 1)/(кол-во заглаженных обнажений + 1)

никак не связана с экспозицией склонов:

Более того, распределение точек наблюдения, в которых не обнаружены выходы коренных пород совершенно аналогично предыдущему:

Это может означать только одно: само распределение площадей склонов разной экспозиции неоднородно, а выборка только подчеркивает эту неоднородность. Действительно (юг-красный, север-синий):

На всякий случай проверим это на растре SRTM:

Как я однажды сказал: «Зрение может обмануть, гистограмма — никогда»:

Тут я, признаюсь, подохуел. Потому, как прожил треть века с мыслей о том, что для каждого южного склона найдется северный склон, и он, сука, обязательно будет в границах наблюдения. А вот хрен. Я несколько часов изучал высотные профили центральной Карелии, пытаясь увидеть пропавшие склоны меридиональной экспозиции. Да как так-то?

А вот так:

Иллюстрация грубовата, но мысль доносит: соотношение площадей склонов с различной экспозицией вовсе не должно быть равным, скорее наоборот. Банально, но не очевидно. И наталкивает на вопросы самоподобия о которых я в терапевтических целях лучше умолчу.

Ну а что-же с индексом пересеченности? — спросите вы. Да та-же хуйня. Вот график зависимости количества описанных обнажений от величины индекса пересеченности.

А вот гистограмма этого индекса по всему растру:

Таким образом, коренники действительно чаще выходят на южных склонах. Но это ни в коем случае не может рассматриваться как поисковый признак, поскольку распределение обнажений всего-лишь отражает особенности рельефа. Такая-же ситуация с индексом пересеченности. Оба эти признака бессмысленны (по крайней мере для территории центральной Карелии). Точки, расположенные случайным образом, будут иметь аналогичное распределение по экспозициям, сами смотрите (500 случайных точек):

Если и говорить о влиянии ледника, то только в разрезе формирования рельефа. Обнажения горных пород встречаются где-попало (с точки зрения маршрутных работ) и направление движения теоретического ледника на частоте их встречаемости никак не сказывается.

Визуализация рельефа по данным SRTM и ASTER GDEM в QGis+SAGA

Интро. В настоящей статье специально рассмотрен случай отображения рельефа для значительной территории по неоднородным данным о рельефе. В связи с этим, при работе с более простыми территориями, алгоритм может быть упрощен. Под визуализацией рельефа будем понимать создание растра отмывки и шейп-файла изолиний с атрибутивными данными о значении каждой изолинии.

В качестве показательной территории взяты Соликамский и Красновишерский районы Пермского края. В качестве подложки карта OpenStreetMap Mapnik Standart:
Соликамск и Красновишерск

Инструментом для работы послужит QGis 2.18.4 с подключенными алгоритмами SAGA. Все операции, связанные с фильтрацией и созданием изолиний можно выполнять как внутри QGis, так и запуская гис SAGA в качестве автономного приложения.

Рельеф на средне- и крупномасштабных картах в настоящее время в большинстве случаев отображается с помощью данных SRTM или ASTER GDEM, что связано с их глобальным охватом, открытостью и простотой получения. Разрешение этих данных (SRTM 90 м/пикс, ASTER GDEM 30 м/пикс) позволяет, при должной обработке, показывать особенности рельефа примерно до 15 зума. Несмотря на то, что данные ASTER точнее, их использование затруднено необходимостью дополнительной фильтрации для отсеивания значений, не отражающих реальный рельеф (например, высоты леса и жилой застройки). Оптимальных алгоритмов для такой процедуры, которые дают стабильный результат для значительной территории, не разработано, в результате чего, образец визуализации менее точных данных SRTM оказывается обычно более качественным как с геодезической, так и с художественной точек зрения. Однако, севернее 60° с.ш. и южнее 54° ю.ш. данные SRTM отсутствуют, что вынуждает в конечном итоге использовать оба набора данных при визуализации рельефа на территориях, выходящих за границы покрытия SRTM.

Наш случай именно такой (снизу данные SRTM, сверху ASTER GDEM):
ASTER и SRTM

Данные SRTM доступны из различных источников, из которых наиболее удобны сайты cgiar, gis-lab и viewfinderpanoramas. Я предпочитаю использовать последний, поскольку многие сцены там объединены и загружены сразу в geotiff-растры (обычно SRTM представлен в hdt-формате).

ASTER получить немного сложнее: сайты геологической службы США и NASA позволяют скачивать различные данные ДЗЗ, что требует от пользователя определенной подготовки. Кроме того, эти сайты иногда бывают недоступны, либо работают чрезвычайно медленно. В этих случаях можно скачать всю базу через торрент. Дополнительные источники получения данных SRTM и ASTER доступны на странице получения данных.

Помимо растровых данных, для работы нам потребуется шейп-слой с границами районов, который можно скачать с сайта gis-lab или загрузить с помощью overpass.

После того как исходные получены, можно запускать QGis:
ASTER и SRTM в QGis

Для начала объединим сцены ASTER в единый растр с помощью меню «растр-прочее-объединение»:
1объединение растров

В диалоговом окне укажем директорию со сценами и название итогового файла.
2объединение растров

Обратите внимание, что в некоторых версиях GDAL отказывается работать, если пути к файлам содержат кириллические символы. В моем случае все прошло успешно:
3объединение растров

Теперь сохраним полученный файл уменьшив его разрешение до разрешения SRTM. Если этого не сделать, в месте соприкосновения сцен из разных источников мы получим вот такую картину:
рельеф SRTM и ASTER

Выделяем в ТОСе наш ASTER, и через правую кнопку мыши вызываем диалоговое окно сохранения растра:
Сохранение растра в QGIS

Здесь обратите внимание на то, что-бы растр сохранялся как данные. Разрешение уменьшаем в три раза, т.е. вместо 18001 столбца вписываем 6000, а вместо 7201 строк вписываем 2400:
Сохранение растра в QGIS2

После сохранения растра он выглядит загрубленным, но все-равно более информативным, чем SRTM:
Сохранение растра в QGIS3

Большее сходство данным можно придать разнородной фильтрацией, однако этот вопрос мы здесь в должной глубине не затрагиваем. Дело в том, что отмывка обычно используется в виде почти прозрачного слоя-наложения и тщательное выравнивание разнородных данных для идентичности отмывки не всегда оправдано. Главная задача — сделать незаметной границу между данными, что зачастую, особенно на равнине, не представляет большой сложности. Разнородная фильтрация имеет смысл в основном для создания аналогичной насыщенности изолиний, о чем будет отдельно сказано ниже.

По той-же схеме объединим полученный растр с растром SRTM:
DEM-композит

Получившийся растр охватывает излишне большую территорию, что будет отнимать у нас лишнее время на его обработку. Что-бы избежать этого, отрежем все, что не входит в область наших интересов, указав при сохранении растра видимый охват (не забывайте сохранять растр как данные!):

image

Теперь необходимо отфильтровать наш растр или другими словами размыть его. Это не совсем тождественные понятия, но итоговый результат выглядит именно как размытие. Более подробно о различных типах фильтрации я пишу в соответствующей статье, здесь же рассмотрим вопрос практического использования простого фильтра.

Откроем панель инструментов в меню «анализ данных» и в списке геоалгоритмов SAGA-Grid-Filter выберем алгоритм «Простой фильтр»:

После нескольких минут обработки, алгоритм выдаст сглаженный растр:
отфильтрованный растр

Его мы и будем использовать для отмывки. С помощью меню «растр-морфометрический анализ-теневой рельеф»:

вызовем диалог создания карты теней:

На этом этапе следует знать одно неявное правило. В том случае, когда вы планируете использовать теневую отмывку в качестве подложки саму по себе, можно использовать значения по умолчанию. В том случае, когда ваша отмывка ложится на некую базовую карту (в нашем случае, такой картой служит OpenStreetMap), следует повернуть источник освещения на сто восемьдесят градусов. Дело в том, что стандартная отмывка представляет собой темный растр, который при наложении не только перестает читаться, но и зашумливает перекрываемые слои. Для того, что-бы это избежать, отмывку следует инвертировать, но в этом случае, горы выглядят как впадины, а каньоны напоминают холмы. Учитывая это, мы заранее изменяем источник освещения, что позволит нам при инвертировании сохранить визуальную форму отмывки. По умолчанию, источник освещения расположен в районе трехсот градусов, чего, конечно-же в природе почти никогда не бывает. Еще Салищев указывал на эту особенность — привычная отмывка рельефа обязана своему появлению лампам, которые обычно устанавливали слева от кульмана. Мы поменяем значение «300» на «120» и через несколько секунд алгоритм выдаст нам вот такой результат:

Теперь обрежем ту часть растра, что выходит за границы интересующих нас районов. Для этого выделим полигоны необходимых районов в шейп-файле и сохраним выделение в качестве отдельного файла.
Сохранение вектора

Через меню «растр-извлечение-обрезка»

вызовем диалог, в котором укажем исходный и результирующий растр и шейп-маску по которой будет произведена обрезка:

В результате получим вот такую картину:

Двойным кликом по полученному растру в ТОСе вызовем меню свойств, где сменим градиент с «от белого к черному» на «от черного к белому». После применения изменений растр инвертируется. В месте сочленения данных ASTER GDEM и SRTM осталась небольшая белая полоса, однако, после того как будет установлена прозрачность, а сама отмывка наложена на подложку, заметить эту полосу будет практически невозможно:

Для того, что-бы не инвертировать растр при каждой новой загрузке, сохраним его как новый слой, но на этот раз в меню сохранения отметим его не как «данные», а как «изображение». На этом создание отмывки закончено. Установим прозрачность отмывки 95% и подложим под нее OpenStreetMap:

Так выглядит чистая карта OSM:

А так выглядит карта OSM с наложенной на нее картой теней в районе соприкосновения данных SRTM и ASTER:

Процедуру создания изолиний мы специально усложним, дабы проиллюстрировать проблему, возникающую при визуализации рельефа на значительной территории.

Основная трудность при создании горизонталей в том, что для обработки больших растров не хватает никаких вычислительных мощностей. Растр приходиться делить, но процедура фильтрации, примененная к разным файлам приводит к тому, что изолинии на границе областей получаются разорванными. Особенно это заметно в случае, когда обработке подвергались сцены целиком — четкая линия небьющихся горизонталей видна даже при невнимательном рассмотрении. Исправить эту проблему простым способом нельзя, но можно сделать так, что-бы нестыковка изолиний не бросалась в глаза. Для этого следует разрезать первоначальный большой растр кривыми границами, в качестве которых замечательно подходят границы административные. Дополнительным преимуществом использования административных границ в качестве линий разреза является то, что при финальной компоновке карты они будут нанесены сверху, что еще сильнее замаскирует несогласованность изолиний.

С практической точки зрения эта проблема решается так. Создадим временный полигональный слой:
Новый временный слой2

Сделаем его редактируемым (иконка желтого карандаш), после чего установим режим добавления нового объекта
Редактирование в QGis

и обведем один из районов:

Сохраним фрагмент растра для этого участка (не фильтрованного растра, а исходного, мы же усложняем себе задачу!), обрежем его по обведенной области и отфильтруем с теми же параметрами, что и при создании отмывки. Затем с помощью геоалгоритма SAGA-Shapes-GRID-Горизонтали по ЦМР создадим изолинии через каждые 50 метров высоты.

Фильтрация не только убирает излишний шум, упрощая и выравнивая изолинии, но и позволяет «сцепить» наши разнородные данные. Вот пример извлечения изолиний из сырого растра:

Отчетливо просматривается линия сочетания данных ASTER и SRTM. При различных способах фильтрации растра ASTER GDEM эту линию можно делать более или менее заметной о чем я упоминал в начале данной статьи.

Изолинии из отфильтрованного растра на этот район выглядят так:

На границе растра изолинии замыкаются и не несут в себе географического смысла. Такие участки в последующем будут удалены. Именно поэтому обрезка dem-растра производилась нами не по границе района а по внешнему слою.

Аналогичные операции повторяем для второго района. Обратите внимание, что полигоны обрезки растра перекрывают друг друга:

Чем больше полигоны обрезки растров, тем дольше времени будет затрачено на обработку, но тем точнее будут соединяться изолинии:

После того, как изолинии извлечены, остается только обрезать их по контуру границ, сохранив оригинальные значения атрибутов изолиний. Для этого успешно применяется алгоритм «SAGA-Shapes-Lines-Пересечение линий и полигонов»:

Небольшая настройка стиля и изолинии готовы:

Обычная карта OpenStreetMap:

Тот же фрагмент карты, но с наложенной картой теней и горизонталями:

Отдельно необходимо вынести проблему неоднородности данных ASTER GDEM по качеству. Даже на нашем примере видно, насколько сильно артефакты отсутствующей и ошибочной информации сказываются на качестве визуализации рельефа в целом:

Данная проблема не имеет однозначного механистического решения. Наиболее оптимальные способы ее устранения зависят от требований к визуализации, выбранного региона и доступной вычислительной мощности. В качестве одного из способов решения я предлагаю использовать последовательное применение фильтра DTM (предельный уклон местности 10 градусов, радиус поиска 2 пикселя), заполнение пропусков в образованном в результате DTM-фильтрации растра (порог напряжения 10) и последующая фильтрация простым фильтром (круговой режим поиска, гладкий фильтр, радиус 5px). Этот метод не позволяет полностью избавиться от артефактов, но существенно снижает их число и сглаживает, что определенно положительно сказывается на визуализации рельефа:

Карта OpenStreetMap без отмывки и изолиний:

Карта OpenStreetMap с отмывкой и изолиниями:

Пивопровод на ХБК

В поселке ХБК сто четыре жилых дома, которые необходимо подключить к пивопроводу. Само собой, сделать это необходимо с минимальными издержками на прокладку труб и дальнейшее их обслуживание.

Для проектирования пивопроводной сети, откроем в QGis карту OpenStreetMap с помощью плагина QuickMapServices или его старого аналога OpenLayersPlugin:

1

Приблизим интересующий нас район, и создадим полигональный шейп-файл:
2

Обведем контуры поселка:
3
Теперь, требуется загрузить контуры домов, нуждающихся в подключении. В нашем случае самым простым решением будет импорт зданий из базы геоданных OpenStreetMap с помощью сервиса Overpass turbo. Мы для этих целей воспользуемся плагином QuickOSM, загрузив полигональные объекты со значением «building=apartmens». В OSM полигонального типа нет, модуль выполняет эту конвертацию за нас:
4
В результате получим векторные слой, который будем использовать для построения графа.

5

Прежде всего, получим вершины графа, путем извлечения центроидов полигонов:
6
Если бы мы располагали графическими картами в качестве исходного материала, то пришлось бы их отсканировать, затем привязать, затем оцифровать. Это конечно дольше, но мы бы расставили точки более сложным образом. Центроиды полигонов хорошо применять только в случае простых полигонов, на сложных это приводит к погрешности:
8
Впрочем, нас такая точность устраивает, тем более, что от каждого центроида будет идти разводящая сеть. Мы получили вершины графа. Теперь, используя триангуляцию Делоне создадим множество полигонов, каждая вершина которых будет точкой центроида зданий.
7
Преобразуем полигональную триангуляцию в сеть линий. С помощью команды «split» плагина Networks разобьем сеть на отдельные линии. Мы получили граф, достаточный для роутинга. Если нам потребуется кратчайшим образом связать между собой две его вершины, достаточно будет просто использовать модуль RoadGraph:
9
При необходимости, можно добавить каждому ребру графа определенный вес. Полученные полилинии можно экспортировать в виртуальный слой и во внешний шейп.
15

Но у нас немного другая задача — построить сеть с ребрами минимальной длины. Для этого рассчитаем длину каждого ребра, используя встроенный калькулятор QGis:
13
Раскрасим слой ребер по градиенту возрастания длины ребра.
14
Ребер у нас много, поэтому выведем длину каждого из них в качестве подписи:

4

Теперь начинается чистая математика: нам требуется выбрать наиболее подходящий алгоритм. Очень много зависит от конкретных условий проектирования, например нельзя оставлять висячие ребра, нельзя делать множественное ветвление и др.

В нашем случае используем модификацию алгоритма Дейкстры: будем объединять вершины по наименьшему графу до тех пор пока не придем к самопересечению, либо к ребру длиной более 500 метров. Получившиеся графы свяжем между собой ветвлением. Наверняка можно использовать и более выгодную разновидность жадного алгоритма, но это уже задача математиков.

Добавим домики, отметим точки ветвления сети, изменим для лучшей визуализации проекцию и схема готова.

2

Теперь, зная длину каждого участка, формулу прогиба труб, значения износа и сложности монтажа, мы можем рассчитать затраты на строительство пивопроводной сети.

Учебные курсы

Друзья мои! Вы долго просили выложить на сайте программы читаемых мною курсов, а я все откладывал это в долгий ящик. Но вот пришел новый экономический кризис и настало время собирать камни. В этом посте я выкладываю для вас описания семи курсов с подробной программой, сроками, стоимостью и формой проведения.

О форме проведения скажу особо. Пару лет назад я регулярно проводил такие встречи у себя в петербургской лаборатории на Васильевском острове и шахтинской лаборатории на Парковой. Но в связи с тем, что тотальный пиздец в России вырос до тех же космических масштабов, что и арендные ставки, я пристроил свою скромную фирму в более бюджетное место, а занятия начал проводить на выезде, обычно в офисе у корпоративных клиентов. Это сразу всем понравилось, поскольку, с одной стороны, людям нет нужды отрываться от своего привычного места, а с другой стороны, у меня нет нужды включать в стоимость издержки по содержанию помещения. В ближайшее время, я не намерен отказываться от этого замечательного решения, но если по каким-то причинам вы хотите провести занятие на нейтральной территории, будьте готовы к увеличению конечной стоимости занятий. Кроме того, я с радостью приму приглашения посетить другие города.


«ГИС и работа с геоданными»

Курс предназначен для людей, свободно владеющих компьютером и знакомых с базовыми цифровыми технологиями. Он состоит из десяти занятий по три часа каждое. Если вы знаете что такое «геоданные» и понимаете отличие между векторной и растровой графикой, то этот курс для вас.

Стоимость курса 12 000 рублей. Занятия проводятся для групп свыше трех человек.

Программа курса ГИС и работа с геоданными

В ходе занятий, мы познакомимся с важными теоретическими понятиями картографии и ГИС, узнаем как устроен проект OpenStreetMap и как можно использовать данные этого проекта. Научимся работе в QGIS: редактированию, анализу и настройке отображения данных. Сможем легко создавать клиентские проекты на базе библиотек leaflet.js и openlayers3.js. Поймем как просто создавать объемные пространственные модели, вроде этой:


«Картирование и анализ растительности»

Курс состоит из четырех занятий по 4 часа каждое. Предназначен для специалистов в области биологии, экологии, лесного и сельского хозяйства, заинтересованных в освоении картографических методов.

Стоимость курса 6500 рублей. Занятия проводятся для групп от пяти человек

Программа курса

В ходе встреч мы рассмотрим ключевые подходы к составлению карт растительности, создадим одну из таких карт в программе QGIS. Познакомимся с принципами экологического шкалирования, самоподобными свойствами проективного покрытия живого напочвенного покрова. Изучим классический метод угловых проб и его современную модификацию. Кроме того, рассмотрим растительность с точки зрения теории неравновесных систем, получив тем самым новые инструменты и методы оценки структуры и динамики растительных сообществ.

grass

 


«Введение в цифровую картографию»

Экспресс-курс для тех, кому необходимо быстро вникнуть в сущность современных геотехнологий. Вы не преобразитесь в гуру цифровой картографии, но всего за день приобретете опыт, достаточный для того, что-бы объективно понимать возможности современных геотехнологий.

Занятия рассчитаны на hr-работников, специалистов ответственных за пространственное размещение объектов и территориальные решения. Если для вашей работы требуется карта, но вы ничего не знаете о таком понятии как ГИС, то это курс вне всякого сомнения будет полезен для вас.

Продолжительность занятия 6 часов. Стоимость 2 000 рублей. Для групп от пяти человек.

Программа курса

В ходе встреч мы не только познакомимся с главными теоретическими понятиями геоинформатики, но плотно поработаем в программах JOSM и QGIS, создав подготовленную для печати карту и наглядный веб-гис проект.

Введение в цифровую картографию

 


«Фрактальный анализ данных»

Существуют три веские причины записаться на этот курс. Во-первых, вы узнаете источник систематических ошибок пространственных и временных измерений. Это сбережет вам кучу нервов и времени при планировании работ на разномасштабных объектах. Во-вторых, вы сможете выявлять фальсифицированные наборы данных о природных объектах, численно оценивать стабильность динамики, измерять сложность организации пространственных систем и степень их устойчивости. Но самое главное, вы получите важнейшие базовые понятия о структуре и динамике природных систем, без понимания которых невозможен современный количественный анализ.

Продолжительность занятия 6 часов. Стоимость 3 000 рублей. Для групп от трех человек.

Программа курса

Популярность термина «фрактал» сыграла с ним злую шутку — многие считаю это чем-то новомодным и незначительным. В ходе общения я покажу всю ошибочность этого мнения. Если прежде вы не сталкивались близко с понятием самоподобности — то будьте готовы к тому, что данный курс принципиально расширит ваше понимание таких привычных (казалось-бы!) вещей как пространство, время, размер, число и форма. Во многом курс построен на моих собственных исследованиях и разработках.

fractal

 


«Открытые геотехнологии»

Ознакомительный курс для тех, кто желает свободно ориентироваться в большом перечне открытых данных, форматов и программных продуктов. В ходе пяти занятий (по три часа каждое) мы изучим значительный набор открытого программного обеспечения, способного не только успешно заменять проприетарные аналоги, но иногда и превосходить их. Узнаем как устроен проект OpenStreetMap и как его можно использовать с выгодой для себя. Изучим множество доступных наборов геоданных, познакомимся со стандартными гис-форматами данных и библиотеками для их визуализации.

Стоимость курса 7 000 рублей. Занятия проводятся для групп свыше пяти человек.

Программа курса

Курс не предполагает подробного изучения каждого формата, программы или библиотеки (на это потребовались бы годы). Но мы обязательно попрактикуемся в таких ведущих разработках как QGIS, JOSM, GDAL, OpenLayers3.js и Leaflet.js. Операционную систему OSGeoLive 9.0, на базе которой проводится курс можно бесплатно скачать с официального сайта.

 


«Визуализация геоданных»

Курс предназначен для людей без базовых знаний геоинформатики и веб-технологий, которым периодически необходимо показывать информацию на карте. В ходе трех занятий (всего 9 часов) мы познакомимся с мощной геоинформационной программой QGIS, научимся загружать редактировать и настраивать отображение данных. Уделим внимание постобработке изображений, технологическим особенностям интерьерной и широкоформатной печати. Сможем создавать простые интерактивные веб-карты и настраивать их с помощью технологии CSS.

Стоимость курса 3 000 рублей. Занятия проводятся для групп свыше пяти человек.

Программа курса

В ходе занятий мы научимся эффективным способам создания печатных карт и визуализации геоданных в браузере

 


«OpenStreetMap для всех»

Это однодневное занятие я провожу бесплатно, отчасти из рекламных соображений, отчасти из идеологических убеждений. Можно нарисовать несколько домиков, а можно провести встречу в ходе которой будет нанесен на карту небольшой населенный пункт.

На занятии, я рассказываю о сущности проекта OpenStreetMap, его главных правилах, проблемах и потенциальных возможностях. Мы познакомимся с редакторами JOSM, Merkaartor, ID и Potlatch-2. Попробуем для остроты ощущений низкоуровневый редактор Level0.

Разберемся с форматом «.osm» и узнаем что такое сервер смещений космических снимков. В зависимости от условий: выйдем на полевое картирование или просто в перерывах «диванного маппинга» узнаем про подготовку обходных листов. Изучим полезные картографические веб-сервисы и принципы коллективного картирования территории. Обсудим работу гуманитарной команды, качество рендеров, систему тегирования, а когда обсуждения закончатся продолжим мапить молча до полного изнеможения.

Занятие проводится для групп от трех человек. Стоимость: бесплатно.


Стоимость курсов указана для каждого отдельного слушателя. Оплата возможна по наличному и безналичному расчету. Авансовый платеж для однодневных курсов составляет 100%, многодневных 50%.

По всем вопросам обращайтесь на страницу «Контакты и заказы«, либо

по телефону: 8-904-614-68-29,

электропочте: schwejk-rpnt@rambler.ru

Визуализация геоданных

Друзья мои, вот, по особым просьбам публикую программу учебного курса «Визуализация геоданных». Курс рассчитан на три полных дня по восемь часов, либо на шесть дней по три часа.

Стоимость курса 10 000 рублей. Занятия будем проводить в удобное для вас время и в удобном месте. Если нет возможности встретиться лично, возможно дистанционное общение посредством скайпа.

Звоните по номеру +7-904-614-68-29, либо пишите на электропочту cafco@mail.ru. Можете и в комментарии к этому посту. На этом у меня все, жду вашего отклика.

P.S. Ладно, не кипишуйте. Вот сама программа курса:

Редактирование и оформление данных
Понятие геоданных и геоинформационных систем
Визуализация в геоинформатике. Программы и библиотеки
Классификация форматов геоданных
Интерфейс QGIS
Настройка свойств растрового изображения
Создание векторных данных и настройка их свойств. Редактирование легенды
Редактирование векторных данных. Внесение атрибутивных данных
Импорт, экспорт и редактирование атрибутивных данных
Визуализация атрибутивных данных в QGIS

Постобработка изображений
Настройка макета и вывод карты на печать
Интерфейс программы GIMP
Работа со слоями и редактирование изображений
Интерфейс и настройка Blender
Создание простых моделей в Blender
Интерфейс программы Scribus
Технологические особенности интерьерной и широкоформатной печати карт

Отображение геоданных в браузере
Основы HTML и CSS
Понятие тайлов. Веб-сервисы для публикации больших растровых данных
Использование библиотек OpenLayers 3 и Leaflet
Визуализация трехмерных данных в QGis
Экспорт данных из Blender
Компоновка и настройка отображения данных