Більше

Порівняйте два растри з накладанням растра та змініть значення комірки на змінну


Я хочу порівняти 2 растра і при зміні з 2 на 1 створити новий растр, який замінює клітинку, де було виявлено зміну, зміною зміни.

## Знаходить клітинки зі змінами від 2 до 1 Тест <- (rasterT1 == 2 & rasterT2 == 1) Дата <- Дата тесту [Тест == 1,] <- зміна

По суті, якщо rasterT1> rasterT2, тоді додайте значення зміни до цієї комірки. З новим растром під назвою рік з використанням растрового накладання, однак я не впевнений, як це буде виконано.

Якщо вам потрібні додаткові подробиці, дайте мені знати.


Для оцінки стану достатньо простого твердження "ifelse".

Тут ми створюємо два випадкових вектора з [1,2] і застосовуємо ifelse для оцінки умови, якщо x = 2 і y = 1 ТІМ ЗМІНА (1) ІНШЕ без зміни (0).

(x <- круглий (runif (10, 1, 2))) (y <- круглий (runif (10, 1, 2))) ifelse (x == 2 & y == 1, 1, 0)

Оскільки це лише оцінка того, що один вектор більший за інший, то можна просто скористатися оператором і примусити булевий результат до числового [0,1], що відповідає FALSE/TRUE.

числовий (x> y)

Потім ми можемо розширити цю програму ifelse до растрового стека за допомогою накладання. Найкраще кодувати зміни фактичним значенням, а не символом. Отриманий растр матиме значення, як у наведеному вище прикладі, 1 для зміни та 0 для жодних змін.

бібліотека (растр) fn <- system.file ("зовнішній/test.grd", package = "растровий") s <- стек (fn, fn) s [[1]] <- круглий (runif (ncell (s)) , 1, 2)) s [[2]] <- круглий (runif (ncell (s), 1, 2)) s.change <- накладення (s [[1]], s [[2]], весело = функція (x, y) {ifelse (x == 2 & y == 1, 1, 0)})

Якщо він завжди буде оператором "> або <", то все набагато простіше. Подвійні дужки індексують певний растр у стеку.

s.change <- s [[1]]> s [[2]]

Доведіть растри в тій же мірі, заповнивши NA - in R

У мене є кілька обрізаних растрів з різною геометрією/контурами. Зокрема, просторові карти врожайності за декілька років одного і того ж поля, але обсяг змінюється - вимірювання не завжди проводилися в цілому по всьому полю, але в окремі роки лише його частині. Я хочу обчислити середнє значення цих карт і об'єднати їх в один растр середнього значення. Однак це означає, що не для кожного пікселя у, скажімо, 5 шарах/растрах є значення. Я міг би прийняти ці пропущені значення як NA, тому кінцеве середнє значення буде розраховане лише, скажімо, 3 растрами для частин поля, де карти не перекриваються.

Я подумав про розширення растру за допомогою "продовжити', заповнюючи неперекриваючі частини значеннями NA:

y & lt- подовжити (y, форма, значення = NA) #Shape - це прямокутна форма, яка містить всі растри карти прибутку

Це чудово працює для всіх растрів. Але вони все ще не мають такого ж обсягу. Навіть якщо я відрегулюю екстент за допомогою setExtent () або екстеншн () & lt- extension () до межі прямокутного файлу фігури або навіть до одного з інших розширених растрів, я все одно отримаю:

Помилка у порівнянніRaster (x): інше число або стовпці

.. коли я хочу скласти їх і використовувати calc (y, fun = mean.). Початкові растрові розширення занадто різні для повторної вибірки. Але вони мають однакову роздільну здатність і CRS.


Ви можете просто використовувати min з двома растровими шарами.
Почнемо з відтворюваного прикладу:

Тепер ми дуже легко обчислюємо хв кожної осередки, що перекривається, у двох растрових шарах за допомогою реалізованої статистики комірки:

Крім того, ви також можете застосувати такі статистичні дані, як середнє, максимальне тощо.

Якщо впроваджена статистика якимось чином не працює, або ви хочете використовувати власну статистику, ви також можете отримати прямий доступ до даних за піксель. Тобто ви спочатку копіюєте один із растрових шарів.


Calc: Обчисліть

Обчисліть значення нового об’єкта Raster* з іншого об’єкта Raster*, використовуючи формулу.

Якщо x - це RasterLayer, весело, як правило, є функцією, яка може взяти один вектор як вхідний сигнал і повернути вектор значень тієї ж довжини (наприклад, sqrt). Якщо x - це RasterStack або RasterBrick, забава повинна працювати на векторі значень (по одному вектору для кожної клітинки). calc повертає RasterLayer, якщо fun повертає одне значення (наприклад, суму), і повертає RasterBrick, якщо fun повертає більше одного числа, наприклад, fun = квантиль.

У багатьох випадках те, що можна досягти за допомогою calc, також може бути досягнуто за допомогою більш інтуїтивного позначення "растрової алгебри" (див. Методи Аріфа). Наприклад, r & lt- r * 2 замість

r & lt- calc (r, fun = function (x) , або r & lt- сума (и) замість

r & lt- calc (s, fun = сума). Однак розрахунок має бути швидшим при використанні складних формул для великих наборів даних. За допомогою calc можна встановити вихідну назву файлу та тип файлу.

Див. (Накладання), щоб використовувати функції, які посилаються на певні шари, наприклад (функція (a, b, c) )


Дистанційне зондування та GIS -наука в геоморфології

М. Дж. Сміт ,. М. Гейлхаузен, у Трактаті про геоморфологію, 2013

3.11.4.1 Дисплей

Растрові виходи місцевості зазвичай відображаються та оглядаються на відеодисплеї (VDU), використовуючи аддитивну модель змішування кольорів червоного, зеленого та синього (RGB) (малюнок 12). Враховуючи чутливість людського ока, колірний куб дозволяє змішувати три основні кольори з різною інтенсивністю, щоб забезпечити повну гаму можливих кольорів для перегляду. Таким чином, можна одночасно відображати до трьох окремих зображень однієї і тієї ж області, кодуючи значення пікселів як 3D -координатну позицію всередині колірного куба. Це відоме як «композит фальшивого кольору» (якщо він не відображає фактичний колір об’єкта, сприйнятий людським оком, у цьому випадку це «композит справжнього кольору»). Методика широко використовується в дистанційному зондуванні і в рамках геовізуалізації дозволяє здійснювати інтерактивний огляд декількох наборів даних про місцевість.

Малюнок 12. Колір червоного, зеленого та синього кольору (RGB). Куб визначає інтенсивність кожного основного кольору, дозволяючи 3D -графік усіх кольорів у кубі. Сіра лінія показує, як кольори будуються для сірої шкали, де кожен компонент RGB має однакову інтенсивність.

На рисунку 13 представлений приклад того, як композит фальшивого кольору можна використовувати для інтерпретації ландшафту, оскільки він поєднує кут нахилу (червоний: ядро ​​3 × 3), топографічну відкритість (зелений: ядро ​​51 × 51) та топографічну відкритість (синій : Ядро 501 × 501). Червонуваті кольори представляють високий нахил і низьку відкритість (наприклад, на крутих і замкнутих схилах пагорбів), тоді як зеленувато -синюваті кольори зображують низькі схили і відносно високу відкритість (наприклад, на рівних і відкритих ділянках).

Малюнок 13. Композит фальшивого кольору, створений за допомогою топографічної відкритості (зелений: ядро ​​51 × 51), топографічної відкритості (синій: ядро ​​501 × 501) та нахилу (червоний: ядро ​​3 × 3). Червонуваті кольори представляють високий нахил і низьку відкритість, а зеленувато -синюшні кольори зображують низькі схили та відносно високу відкритість (наприклад, на плоских і відкритих ділянках).


Незважаючи на те, що області просторових баз даних більше 40 років, більшість існуючих логічних моделей даних дуже зосереджені або на просторових об’єктах (векторні моделі даних), або на просторових полях (растрові моделі даних). Крім того, просторові структури індексу та алгоритми запитів все ще пропонуються для одного з підходів, і невелика дослідницька робота була присвячена структурам індексу та алгоритмам запитів, де потрібні обидва типи інформації. Однак, через нинішню високу доступність різних типів даних, сьогодні набагато частіше трапляється, що додатки вимагають одночасно запитувати векторні та растрові дані.

У цій статті представлений метод виконання просторового запиту між векторним набором даних, представленим за допомогою R-дерева, і растровим набором даних, представленим за допомогою компактної та просторової структури даних, званої k 2 -дерево, що економить основний простір пам'яті. Тому метод, описаний у цьому документі, вирішує дві проблеми: по -перше, він може бути використаний для оцінки запитів між векторними та растровими даними без необхідності конвертувати один із наборів даних до іншої моделі даних, а по -друге, це економить основний простір пам’яті, таким чином отримання більш масштабованої системи.


Використання

Растровий* об’єкт. Зазвичай багатошаровий тип (RasterStack або RasterBrick)

підібрана модель будь -якого класу, що має метод "передбачення" (або для якого ви можете надати аналогічний метод як забавний аргумент. Наприклад, glm, gam або randomForest

характер. Необов’язкове ім’я вихідного файлу

функція. Значення за замовчуванням - "передбачити", але його можна замінити, наприклад, predict.se (залежно від типу моделі), або власну користувацьку функцію.

Об'єм об'єкта для обмеження передбачення до підзона x

data.frame. Може використовуватися для додавання константи, для якої немає растрового об’єкта для прогнозування моделі. Особливо корисно, якщо константа є символоподібним значенням коефіцієнта, для якого наразі неможливо скласти RasterLayer

ціле число. Щоб вибрати стовпець (и) для використання, якщо передбачити. 'Model' повертає матрицю з кількома стовпцями

логічний. Видаліть клітини зі значеннями NA у предикторах перед вирішенням моделі (і поверніть значення NA для цих клітин). Ця опція запобігає помилкам з моделями, які не можуть обробляти значення NA. У більшості інших випадків це не вплине на вихід. Виняток становить прогнозування за допомогою моделі дерев регресії з прискоренням, оскільки вони повертають передбачені значення, навіть якщо деякі (або всі!) Змінні є NA


Призначення лабораторії

Будь ласка, скористайтесь сторінкою завдань, щоб завершити завдання та завантажте її до Stellar.


Створений Радж Сінгх та Джозеф Феррейра.
Змінено за 1999-2008 роки Джозеф Феррейра, Томас Грейсон, Jeeseong Chung , Цзіньхуа Чжао, Сюнцзю Ляо, Діао Мі, Майкл Флаксман та Ян Чень.
Остання зміна: 24 жовтня 2010 року Джо Феррейра.

Назад до 11.520 Домашня сторінка.
Назад до Домашня сторінка CRON.


Операції

Хоча багато операцій у професійних ГІС та#8217 присвячені
створюючи професійно виглядаючі карти, присвячений базовий R
більше до аналітичних операцій.
До матриць і векторів можна застосувати цілий ряд математичних операцій
допомогти підготувати просторові дані та відповісти на статистичні запитання.

Растеризація

Перша операція - растеризація та#8212 нанесення точок на растр.
Це надзвичайно легко, використовуючи операції індексування в R
як показано нижче.

Гістограми є важливою конструкцією для вивчення
розподіл цінностей. У гістограмі класів у растровому шарі.
велика частка значень - 255. Це пояснюється використанням значення
255 представляє океан.

Маскування

В екологічній ніші моделювання просторових даних це
зазвичай необхідно замаскувати значення, які не мають значення для аналізу.
Один із способів зробити це - встановити певне значення у векторі маски, наприклад нуль, і використати
арифметичні операції для зведення значень в іншому векторі, наприклад множення
на нуль.

При використанні операцій обробки зображень можна досягти маскування
з операціями додавання або віднімання.

Наприклад, під час виконання маскувальної операції, використовуючи обмежене
діапазон одного байта в кожній комірці за допомогою наступної команди, якщо області
маскування має значення 255 (біле), тоді всі області зображення мають бути замасковані,
back.ppm матиме значення 255 після операції.

Близькість

Близькість часто є важливим зв'язком для залучення до екології
аналіз. Згортання - це операція, за допомогою якої ми використовуємо сусідні значення
визначити значення центральної комірки. До R можна застосувати фільтр
досягти згортання в одному напрямку. Тоді матриця може
транспонувати, щоб застосувати фільтр в інших напрямках.

Пакети обробки зображень зазвичай мають операцію згладжування
що досягає тієї ж мети. Програма в neppbm є pnmsmooth
або pnmconvol. Утиліта pnmconvol використовує файл матриці згортки.
У netpbm це вказано
з зображенням pgm наступним чином. Параметри ширина та висота визначають
розміри матриці згортки hte.

Обрізання

Обрізання відноситься до обрізання небажаних частин 2D -матриці до
залиште частини, необхідні для аналізу. Наприклад, ворогом може бути континентальна карта
обрізано, щоб видалити область навколо набору точок, де зустрічається вид, т
для розробки більш конкретних регіональних моделей.

Це робиться за допомогою pamcut у netpbm наступним чином:

Підхід у R полягає у розробці масиву індексів для кожної з клітин у
прямокутник, необхідний за допомогою команди розширення.grid. Це, однак
не підходить для великих матриць даних.

Узагальнення або розробка моделі

Усі моделі - це, по суті, узагальнення або спрощення, які дають змогу висловлюватись
теорій в математичному плані. Таким чином, одна з найпростіших форм узагальнення
- це категоризація або кластеризація, де велика кількість різнорідних елементів сортується на менші
кількість контейнерів, виходячи з їх схожості. Після встановлення набору контейнерів або категорій,
і є підстава для вирішення того, до якого кошика слід віднести нові предмети
бути класифікованим. Таким чином, категоризація або кластеризація може служити прогнозом
модель.

У R називається основна операція кластеризації k означає. В k означає, дані, які потрібно згрупувати
розділено на k такі групи, що сума
квадратів від точок до призначених центрів кластера мінімізовано.
Як мінімум, усі кластерні центри мають середнє значення
набір точок даних з тією ж категорією.

Подібна операція використовується для обробки зображень під назвою квантування кольору
або зменшення кольору. Зменшення кількості кольорів зменшить розмір
зображення за рахунок кількості кольорів. Утиліта в netpbm
з цією метою називається ppmquant.

Передбачення

Передбачення можна досягти дуже ефективно за допомогою відображення індексу де
залежна змінна є одновимірною.
Інформаційне відображення - ще одна фундаментальна операція для
відображення значень матриці в інший набір значень.
Ця операція може бути використана для застосування результатів моделі,
наприклад, зміна значень у клітинках від їх
вихідне значення, з ймовірністю для кожного конкретного класу.

При обробці зображень індексне відображення називається відображенням палітри,
процес, коли вихідні кольори замінюються новим набором.
Тут використовується файл палітри, що визначає відображення.

Утиліта пакета netpbm - pamlookup, викликається із зображенням як
таблицю пошуку для зіставлення старих кольорів з новими.

Зауважте, що це дуже ефективна операція, оскільки дані на зображенні
не змінюється, лише невеликий набір значень у палітрі зображення.


Джозеф Е. Е., Філліпс ДР: Доступність та використання: Географічні перспективи надання медичної допомоги. 1984, Harper & amp Row Ltd, Лондон

Arcury TA, Gesler WM, Preisser JS, Sherman J, Spencer J, Perin J: Вплив географії та просторової поведінки на використання медичної допомоги серед мешканців сільського регіону. Дослідження медичних послуг. 2005, 40: 135-156. 10.1111/j.1475-6773.2005.00346.x.

Кромлі Е. К., Маклаферті С: ГІС та громадське здоров’я. 2002, Guilford Press, Нью -Йорк

Гуальярдо М: Просторова доступність первинної медичної допомоги: концепції, методи та виклики. Міжнародний журнал Health Geographics. 2004, 3 (3): 1-13.

Макгірк М.А., Порелл Ф.В .: Просторові моделі використання лікарень: вплив відстані та часу. Запит. 1984, 21: 84-95.

Шеннон Г. В., Скіннер Дж. Л., Башшур Р. Л.: Час і відстань: подорож за медичною допомогою. Міжнародний журнал медичних послуг. 1973, 3 (2): 237-244. 10.2190/FK1K-H8L9-J008-GW65.

McLafferty SL: ГІС та охорона здоров’я. Щорічні огляди в сфері громадського здоров'я. 2003, 24: 25-42. 10.1146/annurev.publhealth.24.012902.141012.

Apparicio P, Abdelmajid M, Riva M, Shearmur R: Порівняння альтернативних підходів до вимірювання географічної доступності міських медичних послуг: типи відстані та сукупність помилок. Міжнародний журнал Health Geographics. 2008, 7 (7): 1-14.

Haynes R, Jones A, Sauerzapf V, Zhao H: Перевірка часу подорожі до лікарні, оцінена за допомогою ГІС. Міжнародний журнал Health Geographics. 2006, 5 (40): 1-8.

Phibbs CS, Luft HS: Співвідношення часу подорожі дорогами та відстані прямої лінії. Дослідження та огляд медичної допомоги. 1995, 52 (4): 532-542. 10.1177/107755879505200406.

Jones SG, Ashby AJ, Momin SR, Naidoo A: Просторові наслідки, пов'язані з використанням євклідових вимірювань відстані та географічної центроїдної імпутації у дослідженнях охорони здоров’я. Дослідження медичних послуг. 2010, 45: 316-327. 10.1111/j.1475-6773.2009.01044.x.

Куклеліс Н: Люди маніпулюють об’єктами (але обробляють поля): Поза растрово-векторними дебатами в ГІС. Теорії та методи просторово-часових міркувань у географічному просторі, том 639 Конспектів лекцій з інформатики. Редакція: Френк А.В., Кампарі I, Форментіні У. 1992, Спрингер, Берлін / Гейдельберг, 65-77.

ван Беммелен Дж, Куак В, ван Хекен М, ван Остером Р: векторні проти растрових алгоритмів для планування руху по бездоріжжю. Матеріали Auto-Carto, том 11. 1993, 304-317.

Гудчайлд М. Ф., Юань М, Кова Т. Дж .: До загальної теорії географічного представлення в ГІС. Міжнародний журнал географічної інформатики. 2007, 21 (3): 239-260. 10.1080/13658810600965271.

Адей Л.А., Андерсен Р .: Рамка для дослідження доступу до медичної допомоги. Дослідження медичних послуг. 1974, 9 (3): 208-220.

Пенчанський Р., Томас Дж. В.: Концепція доступу: визначення та зв’язок із задоволенням споживачів. Медична допомога. 1981, 19 (2): 127-140. 10.1097/00005650-198102000-00001.

Хан А. А.: Інтегрований підхід до вимірювання потенційного просторового доступу до медичних послуг. Соціально-економічне планування наук. 1992, 26 (4): 275-287. 10.1016/0038-0121 (92) 90004-О.

Хіггс Г: Літературний огляд використання на основі ГІС заходів доступу до медичних послуг. Методологія дослідження медичних послуг та результатів. 2004, 5 (2): 119-139. 10.1007/s10742-005-4304-7.

Хіггс Г: Роль ГІС для досліджень використання здоров'я: огляд літератури. Методологія дослідження медичних послуг та результатів. 2009, 9 (2): 84-99. 10.1007/s10742-009-0046-2.

Мартін D, Wrigley H, Barnett S, Родерік P: Покращення складності вимірювання доступу в сільському дослідженні охорони здоров'я. Здоров'я та підсилювач. 2002, 8: 3-13. 10.1016/S1353-8292 (01) 00031-4.

Педіго А.С., Одой А: Дослідження розбіжностей у географічній доступності до екстреного інсульту та інфаркту міокарда у Східному Теннессі за допомогою геоінформаційних систем та аналізу мережі. Літописи епідеміології. 2010, 20 (12): 924-930. 10.1016/j.annepidem.2010.06.013.

Шахід Р, Бертацсон С, Кнудтсон М, Галі В: Порівняння дистанційних заходів у просторовому аналітичному моделюванні для планування медичних послуг. Дослідження BMC Health Services. 2009, 9 (200): 1-14.

Witlox F: Оцінка достовірності повідомлених даних про відстань в аналізі поведінки міських подорожей. Журнал транспортної географії. 2007, 15 (3): 172-183. 10.1016/j.jtrangeo.2006.02.012.

Longley PA, Goodchild M, Maguire DJ, Rhind DW: Геоінформаційні системи та наука. 2010, Уайлі, Чичестер

Dai D: Чорна сегрегація житла, диспропорції у просторовому доступі до закладів охорони здоров’я та діагностика раку молочної залози на пізніх стадіях у столичному Детройті. Здоров'я та підсилювач. 2010, 16 (5): 1038-1052. 10.1016/j.healthplace.2010.06.012.

Schuurman N, Berube M, Crooks VA: Вимірювання потенційного просторового доступу до лікарів первинної медичної допомоги за допомогою модифікованої моделі тяжіння. Канадський географ. 2010, 54: 29-45. 10.1111/j.1541-0064.2009.00301.x.

Ван Н, Чжан ФБ, Зоу Б, Чоу Е: Підхід до оцінки відносного просторового доступу для аналізу потенційного просторового доступу до послуг колоректального раку в Техасі. Прикладна географія. 2011, 32 (2): 291-299.

Кван М. П., Хонг XD: Формування набору обмежень, орієнтованих на обмеження, з використанням ГІС. Географічні системи. 1998, 5: 139-162.

Лопес-Кілез А, Муньос Ф: Геостатистичні обчислення акустичних карт за наявності бар’єрів. Математичне та комп’ютерне моделювання. 2009, 50 (5-6): 929-938. 10.1016/j.mcm.2009.05.021.

Messina JP, Shortridge AM, Groop RE, Varnakovida P, Finn MJ: Оцінка доступу до громадської лікарні штату Мічиган: просторові методи підтримки прийняття рішень. Міжнародний журнал Health Geographics. 2006, 5: 1-18. 10.1186/1476-072X-5-1.

Ray N, Ebener S: AccessMod 3.0: обчислення географічного охоплення та доступності медичних послуг за допомогою анізотропного переміщення пацієнтів. Міжнародний журнал Health Geographics. 2008, 7: 1-17. 10.1186/1476-072X-7-1.

Tanser F, Gijsbertsen B, Herbst K: Моделювання та розуміння доступності та використання первинної медичної допомоги у сільській місцевості Південної Африки: дослідження з використанням географічної інформаційної системи. Соціальні науки та медицина. 2006, 63 (3): 691-705. 10.1016/j.socscimed.2006.01.015.

Сандер HA, Ghosh D, ван Ріпер D, Manson SM: Як ви вимірюєте відстань у просторових моделях? Приклад використання оцінки відкритого простору. Навколишнє середовище та планування B: Планування та проектування. 2010, 37 (5): 874-894. 10.1068/b35126.

Upchurch C, Kuby M, Zoldak M, Barranda A: Використання ГІС для створення взаємовиключних областей обслуговування, що пов’язують подорожі в мережі та поза нею. Журнал транспортної географії. 2004, 12: 23-33. 10.1016/j.jtrangeo.2003.10.001.

Департамент охорони здоров'я штату Мічиган: Свідоцтво про необхідність перегляду стандартів для лікарняних ліжок. 2009, [www.michigan.gov/documents/mdch/HB_Standards_189311_7.pdf],

Біркмейєр Дж. Д., Сієверс А. Е., Март Н. Дж., Гудман, округ Колумбія: Регіоналізація хірургії з високим ризиком та наслідки для подорожей пацієнтів. Журнал Американської медичної асоціації. 2003, 290 (20): 2703-2708. 10.1001/jama.290.20.2703.

Nallamothu BK, Bates ER, Wang Y, Bradley EH, Krumholz HM: Час їзди та відстані до лікарень з перкутанним коронарним втручанням у Сполучених Штатах: Наслідки для долікарняної терапії пацієнтів з інфарктом міокарда зі стимуляцією ST. Тираж. 2006, 113 (9): 1189-1195. 10.1161/ЦИРКУЛЯЦІЯAHA.105.596346.

Berke E, Shi X: Обчислення часу подорожі, коли точна адреса невідома: порівняння методів наближення точки та полігону поштового індексу. Міжнародний журнал Health Geographics. 2009, 8 (23): 1-9.

Офіс планування безпеки дорожнього руху Мічигану: Встановлення реалістичних обмежень швидкості. Технологія Представник OHSP 894, Лансінг, Мічиган

Ван F, Сюй Y: Оцінка матриці часу на подорожі за допомогою API Карт Google: реалізація, переваги та наслідки. Літописи ГІС. 2011, 17 (4): 199-209.

Ціна М: Схили, різкі повороти та швидкість. ArcUser. 2008 ,, (Весна): 50–55

Ціна М: Переконати начальника. ArcUser. 2009 ,, (Весна): 50–54

Schuurman N, Fiedler R, Grzybowski S, Grund D: Визначення раціональних водоспадів для неміських територій на основі часу подорожі. Міжнародний журнал Health Geographics. 2006, 5 (43): 1-8.

Поточний JR, Schilling DA: Аналіз помилок, зумовлених агрегацією даних попиту в наборі покриття та максимальному охопленні проблем розташування покриття. Географічний аналіз. 1990, 22 (2): 116-126.


Подивіться відео: How to sew a Bee tutorial. Free Pattern (Жовтень 2021).