PROBLEMS OF IMPLEMENTING WEB GIS TECHNOLOGIES FOR PROCESSING, ANALYSIS AND VISUALIZATION OF GEOPHYSICAL DATA

Обложка

Цитировать

Полный текст

Аннотация

The modern trend towards widespread use of software and tools for processing geospatial (including geophysical) data for a wide range of consumers contributes to the development of web-oriented solutions to the associated problems. A special complexity in the context of program implementation as well as the client computing capabilities is the visualization of geospatial information, which in the web environment is associated with the need to ensure acceptable rendering reactivity, on the one hand, and spatial image quality, on the other. Two main problems can be highlighted here: spatial image artifacts that appear as breaks in level lines, and the impossibility of technically combining heterogeneous spatial primitives into a single layer for retrospective dynamic visualization. The paper is concerned with the solutions to eliminate the above problems using geostatistical models and methods, as well as web design algorithms, patterns, and technologies. Using a web GIS for visualizing geophysical parameters as an example, the operability and effectiveness of the proposed software and algorithmic solutions are confirmed.

Об авторах

A. Vorobev

Email: geomagnet@list.ru
ORCID iD: 0000-0002-9680-5609
SPIN-код: 8749-3117
Scopus Author ID: 56767909700

G. Vorobeva

Email: vorobeva.gulya@yandex.ru
ORCID iD: 0000-0001-7878-9724

Список литературы

  1. Alkaradaghi K., Hamamin D., Karim H., et al. Geospatial Technique Integrated with MCDM Models for Selecting Potential Sites for Harvesting Rainwater in the Semi-arid Region // Water, Air, & Soil Pollution. — 2022. — Vol. 233, no. 8. — doi: 10.1007/s11270-022-05796-2.
  2. Breunig M., Bradley P. E., Jahn M., et al. Geospatial Data Management Research: Progress and Future Directions // ISPRS International Journal of Geo-Information. — 2020. — Vol. 9, no. 2. — P. 95. — doi: 10.3390/ijgi9020095.
  3. Chen F., Ma X., Ren H. Progressive Transmission of Vector Spatial Data // Journal of Networks. — 2013. — Vol. 8, no. 5. — doi: 10.4304/jnw.8.5.1065-1072.
  4. Ding H., Cai M., Lin X., et al. RTVEMVS: Real-time modeling and visualization system for vehicle emissions on an urban road network // Journal of Cleaner Production. — 2021. — Vol. 309. — P. 127166. — doi: 10.1016/j.jclepro.2021.127166.
  5. Dintu S., Suletea A., Botez A., et al. The use of spatial modeling to teach engineering graphics // Journal of Social Sciences. — 2022. — Vol. 5, no. 2. — P. 104–112. — doi: 10.52326/jss.utm.2022.5(2).09.
  6. Figueiredo L. J. A. S., Santos G. B. dos, Souza R. P. P. M., et al. MoreData: A Geospatial Data Enrichment Framework // Proceedings of the 29th International Conference on Advances in Geographic Information Systems. — ACM, 2021. — P. 419–422. — doi: 10.1145/3474717.3484210.
  7. Gorokhov S. N., Shcherbakova T. F., Sedov S. S. Elimination of Isoline Drift when Analysis of the Electrocardiosignal of the Vehicle Driver // 2021 Intelligent Technologies and Electronic Devices in Vehicle and Road Transport Complex (TIRVED). — IEEE, 2021. — P. 1–5. — doi: 10.1109/tirved53476.2021.9639163.
  8. Horbiński T., Lorek D. The use of Leaflet and GeoJSON files for creating the interactive web map of the preindustrial state of the natural environment // Journal of Spatial Science. — 2020a. — Vol. 67, no. 1. — P. 61–77. — doi: 10.1080/14498596.2020.1713237.
  9. Horbiński T., Lorek D. The use of Leaflet and GeoJSON files for creating the interactive web map of the preindustrial state of the natural environment // Journal of Spatial Science. — 2020b. — Vol. 67, no. 1. — P. 61–77. — doi: 10.1080/14498596.2020.1713237.
  10. Kachanov P., Zuev A., Yatsenko K. Method of overlapping geospatial data // Bulletin of the National Technical University «KhPI» Series: New solutions in modern technologies. — 2016. — 12 (1184). — P. 119. — doi: 10.20998/2413-4295.2016.12.17.
  11. Kumari S., Parmar V. GeoWebCln: An Intensive Cleaning Architecture for Geospatial Metadata // Quaestiones Geographicae. — 2022. — Vol. 41, no. 1. — P. 51–62. — doi: 10.2478/quageo-2022-0004.
  12. Ma X. Linked Geoscience Data in practice: where W3C standards meet domain knowledge, data visualization and OGC standards // Earth Science Informatics. — 2017. — Vol. 10, no. 4. — P. 429–441. — doi: 10.1007/s12145-017-0304-8.
  13. Moins I., Boggio D. SIRS Digues 2.0: A Cooperative Software For Levees Management // 3rd European Conference on Flood Risk Management (FLOODrisk 2016). — EDP Sciences, 2016. — doi: 10.1051/e3sconf/20160704018.
  14. Mohd Napi N. N. L., Zainal M. H., Abdullah S., et al. Spatio-Temporal Modelling of Noise Pollution // International Journal of Integrated Engineering. — 2021. — Vol. 13, no. 3. — doi: 10.30880/ijie.2021.13.03.015.
  15. Oswald Beiler M. R., Filion E. Amtrak Rail Trespasser Analysis using a GIS Space-Time Approach // Public Works Management & Policy. — 2021. — Vol. 26, no. 4. — doi: 10.1177/1087724X211003249.
  16. Pakdil M. E., Çelik R. N. Serverless Geospatial Data Processing Workflow System Design // ISPRS International Journal of Geo-Information. — 2021. — Vol. 11, no. 1. — P. 20. — doi: 10.3390/ijgi11010020.
  17. Papadakis G., Mandilaras G., Mamoulis N., et al. Static and Dynamic Progressive Geospatial Interlinking // ACM Transactions on Spatial Algorithms and Systems. — 2022. — Vol. 8, no. 2. — P. 1–41. — doi: 10.1145/3510025.
  18. Peuquet D. J., Duan N. An event-based spatiotemporal data model (ESTDM) for temporal analysis of geographical data // International journal of geographical information systems. — 1995. — Vol. 9, no. 1. — P. 7–24. — doi: 10.1080/02693799508902022.
  19. Podany J., Stary V., Tomicek J. 3D surface roughness characteristics for biological applications // Manufacturing Technology. — 2022. — Vol. 21, no. 6. — P. 836–841. — doi: 10.21062/mft.2021.096.
  20. Prince Czarnecki J. M., Jones M. A. The problem with open geospatial data for on‐farm research // Agricultural & Environmental Letters. — 2022. — Vol. 7, no. 1. — doi: 10.1002/ael2.20062.
  21. Rachmatullah R. S., Azizah F. N. A Conceptual Data Model for Flood Based on Cellular Automata Using Moving Object Data Model // Journal of Physics: Conference Series. — 2017. — Vol. 801. — doi: 10.1088/1742-6596/801/1/012037.
  22. Sun K., Zhu Y., Pan P., et al. Geospatial data ontology: the semantic foundation of geospatial data integration and sharing // Big Earth Data. — 2019. — Vol. 3, no. 3. — P. 269–296. — doi: 10.1080/20964471.2019.1661662.
  23. Traxler C., Hesina G. Interacting with big geospatial data // GIM International. — 2017. — Vol. 31. — P. 19–21.
  24. Vorobev A. V., Pilipenko V. A., Krasnoperov R. I., et al. Short-term forecast of the auroral oval position on the basis of the ”virtual globe” technology // Russian Journal of Earth Sciences. — 2020. — Vol. 20, no. 6. — doi: 10.2205/2020es000721.
  25. Vorobev A. V., Vorobeva G. R., Khristodulo O. I. An information system for spatial visualization of prognostic and retrospective data on the probability of observing auroras // Scientific and Technical Journal of Information Technologies, Mechanics and Optics. — 2021. — Vol. 21, no. 2. — P. 225–233. — doi: 10.17586/2226-1494-2021-21-2-225-233.
  26. Vorobev A., Soloviev A., Pilipenko V., et al. An Approach to Diagnostics of Geomagnetically Induced Currents Based on Ground Magnetometers Data // Applied Sciences. — 2022a. — Vol. 12, no. 3. — P. 1522. — doi: 10.3390/app12031522.
  27. Vorobev A., Soloviev A., Pilipenko V., et al. Interactive computer model for aurora forecast and analysis // Solar-Terrestrial Physics. — 2022b. — Vol. 8, no. 2. — P. 84–90. — doi: 10.12737/stp-82202213.
  28. Yu B., Zhang C., Sun J., et al. Massive GIS Spatio-temporal Data Storage Method in Cloud Environment // Proceedings of the 2018 2nd International Conference on Computer Science and Artificial Intelligence. — ACM, 2018. — P. 105– 109. — doi: 10.1145/3297156.3297193.
  29. Zhang H., Gao P., Li Z. Improvements to Information Entropy for Raster Spatial Data: A Thermodynamic-based Evaluation // Abstracts of the ICA. — 2019. — Vol. 1. — doi: 10.5194/ica-abs-1-426-2019.
  30. Zhu X., Hu T., Ye X., et al. Development and implementation of a dynamic and 4D GIS based on semantic location model // Geo-spatial Information Science. — 2019. — Vol. 22, no. 3. — P. 193–213. — doi: 10.1080/10095020.2019.1649192.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Vorobev A., Vorobeva G., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».