Mehr

ModelBuilder Tool erzeugt unterschiedliche Ergebnisse, wenn die Schaltfläche Ausführen verwendet und als Werkzeug ausgeführt wird


Ich habe herausgefunden, dass ich ein in ModelBuilder erstelltes Werkzeug ausführen kann, indem ich auf die Schaltfläche Ausführen klicke, nachdem ich auf das Werkzeug geklickt habe, um es zu bearbeiten. Es führt jedoch nicht zu den gleichen Ergebnissen, wenn ich das Werkzeug ausführe, nachdem ich im ArcCatalog-Fenster darauf geklickt habe.

Das funktioniert nicht:

Aber das geht:

Richtige Ausgabe:

Falsche Ausgabe:

Weiß jemand, warum dies passieren kann?


Ich habe die Ausgabe-Feature-Class des Pufferbereichs meines Werkzeugs (CSRS_ORN_NER_Buffer%n%) zu einem Modellparameter gemacht, und obwohl bei der Ausführung ein Datumskonflikt angezeigt wird, scheint es sowohl im ArcCatalog-Fenster als auch in der ModelBuilder-Anwendung gut zu funktionieren .


Wie oft sind Sie schon zu einem System in Ihrem Büro gegangen und mussten sich durch mehrere Diagnosefenster klicken, um sich an wichtige Konfigurationsaspekte wie Name, IP-Adresse oder Betriebssystemversion zu erinnern? Wenn Sie mehrere Computer verwalten, benötigen Sie wahrscheinlich BGInfo. Es zeigt automatisch relevante Informationen zu einem Windows-Computer im Hintergrund des Desktops an, z. B. Computername, IP-Adresse, Service Pack-Version und mehr. Sie können jedes Feld sowie die Schrift- und Hintergrundfarben bearbeiten und es in Ihrem Startordner ablegen, damit es bei jedem Start ausgeführt wird, oder es sogar so konfigurieren, dass es als Hintergrund für den Anmeldebildschirm angezeigt wird.

weil BGInfo schreibt einfach eine neue Desktop-Bitmap und wird beendet, Sie müssen sich keine Sorgen machen, dass es Systemressourcen verbraucht oder andere Anwendungen stört.

Sysinternals BgInfo


schau dir SCons an. Zum Beispiel machen Doom 3 und Blender davon Gebrauch.

Ich habe viele Freunde, die auf CMake für plattformübergreifende Entwicklung schwören:

Es ist das Build-System, das (unter anderem) für VTK verwendet wird, eine C++-Bibliothek mit plattformübergreifenden Python-, Tcl- und Java-Bindungen. Ich denke, es ist wahrscheinlich das am wenigsten komplizierte, was Sie mit so vielen Funktionen finden werden.

Sie können immer die Standard-Autotools ausprobieren. Automake-Dateien sind ziemlich einfach zusammenzustellen, wenn Sie nur unter Unix laufen und sich an C/C++ halten. Die Integration ist komplizierter und Autotools ist bei weitem nicht das einfachste System aller Zeiten.

doit ist ein Python-Tool. Es basiert auf den Konzepten von Build-Tools, ist aber allgemeiner.

  • Sie können festlegen, wie eine Aufgabe/Regel aktuell ist (nicht nur Zeitstempel überprüfen, Zieldateien sind nicht erforderlich)
  • Abhängigkeiten können von anderen Tasks dynamisch berechnet werden
  • Die Aktionen der Aufgabe können Python-Funktionen oder Shell-Befehle sein

Einige der GNOME-Projekte sind auf waf migriert.

Es ist Python-basiert, wie Scons, aber auch eigenständig. Anstatt also von anderen Entwicklern die Installation Ihres bevorzugten Build-Tools zu verlangen, kopieren Sie einfach das eigenständige Build-Skript in Ihr Projekt.

Ich empfehle die Verwendung von Rake. Es ist das einfachste Werkzeug, das ich gefunden habe.

Andere gute Tools, die ich jedoch verwendet habe, wenn Ruby nicht Ihr Ding ist, sind:

Beachten Sie das Ninja-Build-Tool (v1.8.2 Sept. 2017), das von tup und redo beeinflusst wird.

Der Build-File-Generator cmake (z. B. für Unix Makefiles, Visual Studio, XCode, Eclipse CDT, . ) kann seit Version 2.8.8 (April 2012) auch Ninja-Build-Dateien erzeugen und ninja ist nun leider sogar das Standard-Build-Tool von cmake.

Es soll das Make-Tool übertreffen (besseres Dependency-Tracking und ist auch parallelisiert).

cmake ist ein bereits etabliertes Tool. Sie können das Build-Tool später jederzeit auswählen, ohne Ihre Konfigurationsdateien zu ändern. Wenn also in Zukunft ein besserer Build entwickelt wird, der von cmake unterstützt wird, können Sie bequem darauf umsteigen.

Beachten Sie, dass die Verbesserung der Kompilierungszeit für c/c++ manchmal aufgrund von Headern begrenzt ist, die durch den Präprozessor eingefügt werden (insbesondere bei Verwendung von Nur-Header-Bibliotheken, zum Beispiel boost & eigen), die hoffentlich durch den Vorschlag von Modulen ersetzt werden (in einer technischen Überprüfung .) von c++11 oder eventuell in c++1y). Weitere Informationen zu diesem Thema finden Sie in dieser Präsentation.


GIS-SWIAS: Tool zur Zusammenfassung des Meerwasserintrusionsstatus und der Vulnerabilität auf Grundwasserleiterebene

In diesem Artikel stellen wir GIS-SWIAS vor, eine neuartige generalisierte ArcGIS ArcToolbox, die hilft, den Status und die Verwundbarkeit von Meerwasserintrusionen (SWI) auf Aquifer-Maßstab (SWIAS) zu analysieren. Es ist ein benutzerfreundliches Werkzeug, das auf jeden Grundwasserleiter angewendet werden kann und vollständig in die ArcGIS-Umgebung integriert ist, die ein weit verbreitetes Softwarewerkzeug ist. Es ist das erste ArcGIS-Tool mit diesen Eigenschaften, das sich auf SWI-Analysen konzentriert, das wir in der Literatur finden. GIS-SWIAS ist in der Lage, mit georeferenzierten Informationen umzugehen, die erforderlichen Daten (Eingaben) einzugeben und die erforderlichen anspruchsvollen Rechenoperationen effizient durchzuführen. Die Ergebnisse liegen in Form von Formen, Berichten und Bildern (Karten, konzeptionelle Querschnitte und Zeitreihen von konzentrierten Indizes) vor, um die Größe, Intensität und zeitliche Entwicklung von SWI innerhalb eines Grundwasserleiters für bestimmte Daten zusammenzufassen oder Statistiken für einen gewählten Zeitraum. Es kann verwendet werden, um die historische SWI-Dynamik in Fällen zu bewerten, in denen kein Grundwasserströmungsmodell vorhanden ist. In diesen Fällen wird die räumliche Verteilung durch Anwendung einfacher Interpolationstechniken bewertet. Wenn wir jedoch eine rationale quantitative Analyse der Nachhaltigkeit alternativer Managementszenarien zum SWI-Problem wünschen, erfordert das GIS-SWIAS-Tool, dass Informationen über die Wassersäule und die Chloridkonzentrationsverteilung aus Simulationen ihrer Auswirkungen durch eine kalibrierte dichteabhängige Strömung generiert werden Modell. In solchen Fällen könnten mit diesem Tool Anpassungsstrategien an potenzielle Zukunftsszenarien – deren verteilte Auswirkungen innerhalb der zuvor kalibrierten Modelle propagiert werden müssen – sinnvoll analysiert und verglichen werden. Angesichts all dieser Möglichkeiten, wie das GIS-SWIAS-Tool angewendet werden kann, bietet es sowohl dem Forscher als auch dem Techniker ein wertvolles Werkzeug, um die SWI-Dynamik und die Aquifer-Resilienz unter verschiedenen Szenarien zu bewerten. Es kann den Entscheidungsprozess unterstützen, indem es hilft, eine rationale Auswahl von nachhaltigen Managementstrategien zu treffen. Seine Leistungsfähigkeit für die Analyse historischer und potenzieller Zukunftsszenarien wurde in zwei Fallstudien, die in früheren Forschungsarbeiten beschrieben wurden, getestet und bestätigt.

1. Einleitung

Die Meerwasserintrusion (SWI) in Küstengrundwasserleitern ist ein weltweites Problem, das grundwasserabhängige Ökosysteme und die menschliche Gesundheit beeinträchtigt. In den letzten Jahrzehnten ist das Bewusstsein der Gesellschaft für dieses Thema gewachsen, was sich in den rechtlichen Rahmenbedingungen vieler Länder widerspiegelt. So fordert beispielsweise die Wasserrahmenrichtlinie (WRRL) der Europäischen Union, dass Flusseinzugsgebietspläne auf die Erreichung eines guten qualitativen und quantitativen Zustands von Grundwasserkörpern abzielen [1]. In küstennahen Grundwasserkörpern ist die Intrusion eines der Hauptprobleme, die berücksichtigt werden müssen, um einen guten Grundwasserzustand zu erreichen oder zu erhalten.

Die Auswirkungen von SWI auf das Grundwasser sind heterogen verteilt. Analysen der raumzeitlichen Verteilung von SWI erfordern die Kartierung des Salzgehalts oder der Chloridkonzentration für verschiedene Daten. Je nach zu behandelndem Problem und den verfügbaren Informationen kann SWI mit verschiedenen Modellen angenähert werden. SWI kann entweder durch Anwendung einfacher Interpolationsmodelle [2, 3] auf vorhandene Punktdaten oder durch Simulation der physikalischen Prozesse mit instationären dichteabhängigen Grundwasserströmungsmodellen [4, 5] abgebildet werden. Die mit diesen physikalischen Prozessmodellen gewonnenen Ergebnisse können verwendet werden, um nachhaltige Managementstrategien zu bewerten, d. h. Strategien, die eine Verschlechterung der Aquifer-Ressource durch SWI verhindern [6]. Sie können sogar eingesetzt werden, um Auswirkungen potenzieller Szenarien des lokalen Klimawandels (CC) [7] oder des globalen Wandels (GC) zu propagieren und Anpassungsstrategien zu identifizieren [8].

Basierend auf den Karten des Salzgehalts oder der Chloridkonzentration zu verschiedenen Zeitpunkten haben einige Autoren Indizes zur Zusammenfassung von SWI definiert [9–12]. Diese Indizes geben einen Überblick über die Intensität und räumliche Verteilung bzw. den prozentualen SWI auf Grundwasserleiterskala. Solche Indizes müssen deskriptive und synthetische Ergebnisse liefern, damit der Status von SWI in verschiedenen Grundwasserleitern und über verschiedene Zeiträume hinweg verglichen werden kann. Diese Index-Methoden [9, 13] legen Schwellenwerte für Chlorid fest, um die Grundlage von SWI zu definieren, die auf verschiedene Weise definiert wurden: durch Bezugnahme auf natürliche Hintergrundwerte und/oder durch Berücksichtigung der Konzentrationen, die zum Schutz abhängiger Ökosysteme oder der menschlichen Gesundheit erforderlich sind [14].

Wenn die Karten zur Definition der Indizes mit einfacher Interpolation gezeichnet werden, müssen die Analysen auf den historischen Zeitraum beschränkt werden, für den Daten vorliegen. Im Gegensatz dazu können physikalische Prozessmodelle verwendet werden, um verschiedene potenzielle Bedingungen zu propagieren, und so können Karten für verschiedene Szenarien (z. B. alternative Managementszenarien oder zukünftige potenzielle CC-Szenarien) erhalten werden. Im letzteren Fall kann die Ausgabe verwendet werden, um die optimale Strategie zu bestimmen und unterstützen somit den Entscheidungsprozess [15].

Neben dem SWI-Status und der SWI-Dynamik ist die Anfälligkeit des Aquifers für SWI ein weiteres wichtiges Thema, das bei der Identifizierung nachhaltiger Managementstrategien für Küstengrundwasserleiter berücksichtigt werden muss. In der Literatur fanden wir verschiedene Methoden zur Abbildung der SWI-Vulnerabilität, wie beispielsweise die GALDIT-Methode [16]. Durch die Anwendung einer Methode, die Vulnerabilität als Index ausdrückt, können wir uns dann auch einen Überblick über die Intensität und räumliche Verteilung oder den Prozentsatz von SWI auf Grundwasserleiterskala verschaffen [13].

2. Verwandte Werke

In der Literatur finden wir viele Instrumente zur Bewertung und Analyse von Wasserressourcenproblemen [17–19]. Der Erfolg dieser Softwaretools liegt in ihrer Benutzerfreundlichkeit. Eine benutzerfreundliche Umgebung und die Umsetzung in gängige Software sind Schlüsselfaktoren für den Erfolg und die Beliebtheit. Zum Beispiel werden bei Grundwasserstudien in der Regel Geographische Informationssysteme (GIS) verwendet, da diese leistungsstarke, weit verbreitete Werkzeuge sind, die große Mengen an räumlichen georeferenzierten Informationen verarbeiten können [20] und auf effiziente Weise Berechnungen durchführen können, um schnelle Ergebnisse zu liefern [21]. Die Analyse und Kartierung hydrogeologischer Daten liefert Entscheidungsträgern nützliche raumzeitliche Informationen [22].

GIS-Tools werden häufig für verschiedene Zwecke im Zusammenhang mit Grundwasserproblemen eingesetzt [23, 24]. Mehrere Autoren haben verschiedene Quellcodes innerhalb der GIS-Umgebung (Alcaraz et al. [25] Bhatt et al. [26]) für die hydrogeologische Modellierung entwickelt. Ein kostenloses Open-Source-Modul, das in FREEWAT enthalten ist, wurde von Criollo et al. [19] zur Analyse hydrochemischer und hydrogeologischer Daten, um die Charakterisierung der chemisch gefährdeten Grundwasserkörper zu vereinfachen. Almeidaet al. [27] koppelte ein Grundwasserströmungsmodell in eine GIS-Umgebung, um die transiente Strömung in einem begrenzten Grundwasserleiter zu simulieren. Akbaret al. [28] und Ríos et al. [29] stellten GIS-basierte Modelle vor, um das Auswaschen von Schadstoffen in das Grundwasser zu simulieren.

In Küstengebieten wurde ein dreidimensionales GIS-basiertes Grundwasserströmungsmodell entwickelt [30], um die Reaktion des Grundwasserleiters auf vergangene Klimaänderungen zu simulieren. Ein neues ArcGIS-Tool zur Grundwasserströmungssimulation und Visualisierung der Ergebnisse wurde ebenfalls von [19] implementiert. Andere Autoren (De Filippis et al. [31]) verwendeten zusätzlich zu einem Grundwasserströmungsmodell ein zuvor entwickeltes GIS-basiertes Werkzeug (AkvaGIS), um die Auswirkungen des Pumpens auf die Meerwasserintrusion in Küstengrundwasserleitern in Malta und Italien zu untersuchen. Dieses Werkzeug wurde in anderen Studien (Perdikaki et al. [32]) verwendet, um hydrochemische Parameter in einem Küstengrundwasserleiter zu analysieren, der Probleme mit dem Eindringen von Meerwasser aufwies.

Nichtsdestotrotz gibt es unseres Wissens kein ArcGIS-Tool, das sich auf die Analyse des Meerwasserintrusionsstatus (SWI) und der Verwundbarkeit auf Grundwasserleiterebene konzentriert.

In diesem Artikel beschreiben wir die Entwicklung eines neuen ArcGIS-Tools namens GIS-SWIAS, das die von [13, 15] vorgeschlagene indexbasierte Methode zur Bewertung des Aquiferstatus und der Anfälligkeit für SWI implementiert. Es hilft bei der Analyse des SWI-Status und/oder der Vulnerabilität auf Grundwasserleiterebene mithilfe einer gemischten punktförmig verteilten Analyse. Es handelt sich um eine benutzerfreundliche ArcGIS®-Toolbox, die alle erforderlichen Berechnungen für bestimmte Daten oder Zeiträume innerhalb einer GIS-Umgebung durchführt. Die Dateneingaben in das Modell sind Karten der hydraulischen Förderhöhe und der Chloridkonzentration. Das Tool bietet zwei Möglichkeiten, diese Variablen abzubilden: Die erste besteht darin, Punktdaten durch Anwendung von in GIS-SWIAS integrierten Interpolationstechniken zu verwenden, während die zweite darin besteht, diese Daten aus vorhandenen externen verteilten Modellen zu übernehmen. Der zweite Ansatz ermöglicht die Bewertung und den Vergleich unterschiedlicher Klima- und/oder Managementszenarien. Aus diesen Karten wurden umfangreiche Berechnungen in GIS-SWIAS vollständig automatisiert, um die Ergebnisse als verteilte Karten betroffener und nicht betroffener Volumina (zu einem bestimmten Zeitpunkt oder über einen bestimmten Zeitraum), mittlere konzeptionelle Querschnitte und einen zusammengefassten Index (Ma und L_Vul), um die globale Intensität und die Dynamik von SWI zu analysieren.

Obwohl es in der Literatur viele GIS-basierte Werkzeuge gibt, die es ermöglichen, Grundwasserströmungen zu simulieren und die Grundwasserqualität zu analysieren, führt keines von ihnen räumliche und zeitliche Analysen zu Fragen der Grundwasserqualität und Verwundbarkeit durch. Darüber hinaus bietet dieses neue Tool einfache Bilder, die die proportionale betroffene Fläche innerhalb des Grundwasserleiters gemäß einem Chloridgrenzwert zusammenfassen. Zu diesem Zweck wurde GIS-SWIAS verwendet, um das Problem des Eindringens von Meerwasser zu analysieren, aber dieses Werkzeug könnte verwendet werden, um den globalen Zustand eines Grundwasserleiters gegenüber jeglichen Kontaminanten darzustellen. Das Hauptziel von GIS-SWIAS besteht darin, ein einfach zu bedienendes Werkzeug über eine benutzerfreundliche Oberfläche bereitzustellen, das von Benutzern mit unterschiedlichen Fachkenntnissen verwendet werden kann, um das SWI-Problem auf Grundwasserleiterebene zusammenzufassen. Es ermöglicht die Analyse langer Zeiträume mit geringem Rechenaufwand.

3. Beschreibung des GIS-SWIAS Tools: Modelle, Eingaben und Ausgaben Output

GIS-SWIAS ist eine ArcGIS ArcToolbox, die die Modelle enthält, die zur Analyse des SWI-Status und der Vulnerabilität auf Grundwasserleiterebene gemäß der in früheren Arbeiten beschriebenen Methodik [13, 15] erforderlich sind. Abbildung 1 zeigt die Struktur des Tools, das Eingaben, Schritte und Modelle sowie die generierten Ausgaben umfasst.

Um den Gesamtzustand des Grundwasserleiters zu bestimmen, Eingänge Zum Werkzeug gehören Variablen (zur Charakterisierung der historischen Entwicklung der Wassersäule und der Chloridkonzentration) und Parameter (um die Geometrie des Grundwasserleiters und das hydrodynamische Verhalten zu definieren). Daten, die die historische Entwicklung beschreiben, können aus direkten Beobachtungen (Überwachungsnetzwerk) oder anderen Techniken (geophysikalische Anwendungen usw.) stammen. Für die Vulnerabilitätsbewertung ist ein zusätzlicher Input erforderlich: eine verteilte Vulnerabilitätsindexkarte, die aus anderen intrinsischen Informationen (Aquifertyp, Leitfähigkeit, Entfernung von der Küste und Bikarbonatkonzentration) stammt.

Die Ergebnisse/Ausgänge erstellt, um den Status und die Anfälligkeit für SWI durch visuelle Darstellungen und Zeitreihen zusammenzufassen, sind wie folgt: (1) Karten der von SWI betroffenen Aquifervolumen (2) konzeptionelle 2D-Querschnitte (mit mittlerer Durchdringung im Landesinneren und mittlerer Mächtigkeit zu bestimmten Daten oder Mittelwerten über einen bestimmten Zeitraum) (3) zusammengefasster Index (Masse von Chlorid, die dazu führt, dass die Konzentration in einigen Gebieten den SWI-Schwellenwert überschreitet, und zusammengefasster Vulnerabilitätsindex), um die globale Dynamik von SWI innerhalb des Grundwasserleiters zusammenzufassen.

3.1. Beschreibung der Outputs: Theoretischer Hintergrund

Um die Karten der SWI-betroffenen Aquifervolumen für verschiedene Daten zu bewerten, müssen wir (A) Karten der Chloridkonzentration oder Vulnerabilität gegenüber SWI erstellen (B) Karten der Grundwassermengen für bestimmte Daten (C) Schwellenwert der Chloridkonzentration oder Vulnerabilität die verwendet werden, um zu kennzeichnen, welche Teile des Grundwasserleiters betroffen sind (Gebiete mit Chloridkonzentration oder Vulnerabilitätsindex über dem Schwellenwert). Das Tool bietet zwei Optionen in Bezug auf die Eingabekarten (A) (Chlorid- oder Schwachstellenkarten) und (B), entweder die Karten intern aus Punktdaten zu berechnen, indem in GIS-SWIAS integrierte Interpolationstechniken angewendet werden, oder die Karten aus vorhandenen externen verteilten Modelle die zweite Option bedeutet, dass verschiedene potenzielle Klima- und/oder Managementszenarien verglichen und bewertet werden können. Karten des Grundwasservolumens werden durch Kombination von Druckhöhe, Geometrie und dem Speicherkoeffizienten berechnet. Die Karten des Grundwasservolumens und der Chloridkonzentration werden kombiniert, um das betroffene Aquifervolumen zu bewerten, indem ein Chloridschwellenwert verwendet wird (Vr). Es wird davon ausgegangen, dass dieser Schwellenwert dem natürlichen Hintergrundniveau des Grundwasserleiters oder dem von den Behörden festgelegten Referenzqualitätsstandard entspricht, um einen guten Grundwasserzustand aufrechtzuerhalten. Die betroffene Menge ist definiert als die Grundwassermenge der Ressource, deren Chloridkonzentration über dem festgelegten Schwellenwert liegt.

Der konzeptionelle 2D-Querschnitt zeigt das Ausmaß des Intrusionsprozesses im Grundwasserleiter zu einem bestimmten Zeitpunkt oder die Mittelwerte über einen Zeitraum. Der Querschnitt wird orthogonal zur Uferlinie definiert. Es fasst die mittlere Geometrie des betroffenen Volumens zusammen, d. h. die mittlere Mächtigkeit und Inlandpenetration des Aquifervolumens mit Chloridkonzentration über dem Schwellenwert. Die durchschnittliche betroffene Dicke THa(ich) und Inlandpenetration P(ich) des Eindringens kann durch Summieren der Werte in jeder Zelle berechnet werden ich des Grundwasserleiternetzes, wenn die Chloridkonzentration den Schwellenwert überschreitet:

wo Vich(>Vr) ist das Grundwasservolumen (m 3 ) in der Zelle ich mit einer Chloridkonzentration (oder Anfälligkeit) von mehr als Vr Sich ist die Oberfläche (m 2 ) der Zelle ich mit Chloridkonzentration (oder Anfälligkeit) über Vr bich ist die gesättigte Dicke (ich) innerhalb der Zelle ich mit Cl-Konzentration (oder Anfälligkeit) oben Vr αich ist der Speicherkoeffizient in der Zelle i LKüste ist die Länge der Küstenlinie (m).

Die mittlere Chloridkonzentration (C) des betroffenen Volumens beträgt

wo ist die Chloridkonzentration (mg/l) in der Zelle ich Vich(>Vr) ist das Grundwasservolumen (m 3 ) in Zelle ich mit einer Konzentration über Vr ist das gesamte Grundwasservolumen (m 3 ) des betroffenen Gebiets.

Der Anstieg der Chloridkonzentration (IC) über den Schwellenwert (Vr) im betroffenen Volumen ist

Beide Variablen, der konzeptionelle Querschnitt und der IC-Index, geben einen Überblick über das Ausmaß und die Intensität des Intrusionsprozesses pro laufendem Meter Küste zu einem bestimmten Zeitpunkt.

Der konzentrierte Index Ma (Masse von Chlorid, die dazu führt, dass die Konzentration in einigen Gebieten den Schwellenwert überschreitet), um die globale Dynamik von SWI innerhalb des Grundwasserleiters zusammenzufassen, wird durch Multiplikation der Konzentrationszunahme (IC) mit der Penetration erhalten (P) und betroffene Dicke (THa) aus (1) und (3).

Die Anfälligkeit für SWI (oder die Anfälligkeit für Kontamination im Allgemeinen) wird nach den gleichen Schritten zur Bewertung des SWI-Status bewertet und zusammengefasst. In diesem Fall muss anstelle von Chloridkonzentrationswerten eine verteilte Karte der Grundwasser-Vulnerabilität durch Anwendung einer beliebigen indexbasierten Methode (z. B. GALDIT) erstellt werden und der Schwellenwert zur Identifizierung des betroffenen Gebiets wird durch eine bestimmte Vulnerabilitätsklasse definiert (z , hohe oder sehr hohe Vulnerabilität).

Das betroffene Volumen entspricht dem Grundwasser, das Vulnerabilitätswerte oberhalb des Schwellenwerts aufweist (z. B. sehr hohe Vulnerabilität). Die durchschnittliche betroffene Dicke THa(m) und Binneneindringung P(m) werden durch Anwendung von (1) berechnet.

Der zusammengefasste Index zur Bewertung der Anfälligkeit lautet

Wo ist der Wert des Schwachstellenindex (-) in Zelle ich.

Das Konzept von Ma und L_Vul beinhaltet einige Vereinfachungen gemäß der Definition der konzeptionellen Querschnitte. Während 2D-Karten und Querschnitte das Ausmaß und die Größe von SWI und Vulnerabilität in einem Aquifer zu einem bestimmten Zeitpunkt zusammenfassen, zeigen die Ma- und L_Vul-Indizes die zusammengefasste Intensität und zeitliche Dynamik des SWI und der Vulnerabilität gegenüber SWI im Aquifer-Maßstab.

3.2. Werkzeugprogrammierung in ArcGIS

GIS-SWIAS ist eine ArcGIS ArcToolbox, die aus einer Kette von Modellen besteht, die in ModelBuilder programmiert wurden. ModelBuilder ist eine visuelle Programmiersprache, die das Verketten und Sequenzieren mehrerer Geoverarbeitungs-ArcGIS-Werkzeuge über eine benutzerfreundliche Oberfläche ermöglicht. ModelBuilder ist in der Symbolleiste von ArcGIS verfügbar. Es ermöglicht das Hinzufügen eines beliebigen Geoverarbeitungswerkzeugs von ArcGIS, indem seine Ausgabe verknüpft und bereitgestellt und als Eingabe an ein anderes Werkzeug übertragen wird.

Die Programmierung in ModelBuilder ermöglicht es uns, einen Workflow zum Erstellen eines Modells zu automatisieren, das dokumentiert und als ArcGIS-Tool freigegeben werden kann. ModelBuilder enthält ein Skript-Tool zum Verknüpfen mit Python-Skripten und anderen Modellen. Es ermöglicht auch die Iteration eines Arbeitsablaufs, so dass es sehr nützlich sein kann, die Entwicklung der historischen hydrogeologischen Prozesse zu analysieren.

Die drei Modelle, aus denen GIS-SWIAS besteht, wurden zusammengestellt, indem verschiedene Werkzeuge aus ArcToolbox hinzugefügt wurden, um Formen aus Punktdaten zu erstellen, zu interpolieren usw. Abbildung 2 zeigt den Arbeitsablauf eines der drei Modelle.

Obwohl ModelBuilder ein intuitives und benutzerfreundliches Werkzeug ist, kann die Integration vieler Geoprozesse in dasselbe Modell schwierig sein. Da mehrere Geoprozesse dynamische Parameter haben und die Benutzerinteraktion erforderlich ist, wurde GIS-SWIAS in drei Schritte (Modelle) unterteilt, die nach dem in Abbildung 1 gezeigten Workflow ausgeführt werden müssen.

3.3. Beschreibung der Modelle innerhalb von GIS-SWIAS

GIS-SWIAS enthält drei ModelBuilder-Modelle (Abbildung 2), die einzeln oder nacheinander angewendet werden können, um eine vollständige zusammengefasste Bewertung des SWI im Aquifer-Maßstab zu erstellen. GIS-SWIAS kann mit anderen Benutzern geteilt und als Toolbox hinzugefügt werden, wie in Abbildung 3 gezeigt. Die Ablaufreihenfolge folgt der im Workflow gezeigten Reihenfolge (Abbildung 1): „Chloridkonzentrationskarte“, „Hydraulische Kopfkarte“, und „Zusammenfassende SWI“. Diese Modelle können im ArcToolbox-Fenster ausgeführt werden, das eine benutzerfreundliche grafische Benutzeroberfläche bietet.

3.3.1. Modell „Chloridkonzentrationskarte“

Das Modell „Chloridkonzentrationskarte“ generiert ein klassifiziertes Chloridkonzentrations-Shapefile aus einer Punktmerkmalstabelle im Textformat unter Verwendung der Interpolationstechnik der inversen Distanzgewichtung (IDW) (andere Interpolationstechniken könnten in diesem Tool implementiert werden). Es kann auch Chloridkonzentrationsfelder aus Visual MODFLOW-Dateien importieren. Das in Abbildung 4 gezeigte Dialogfeld wird durch Doppelklicken auf das Modellwerkzeug im ArcToolbox-Fenster geöffnet.

Das Modell erfordert ein Polygon-Shapefile des Grundwasserleiters und den Arbeitsbereich, der eine Textdatei für jedes zu analysierende Datum enthält. Die Textdateien müssen enthalten X und Y UTM-Koordinaten, die die Positionen der Punktmerkmale und Chloridkonzentrationswerte (mg/l) in den Beobachtungsbrunnen definieren. Textdateien müssen auch Spaltenüberschriften enthalten, wie in Abbildung 4 gezeigt. Der Name der Textdatei darf nicht länger als acht Zeichen sein und darf keine Leerzeichen oder Sonderzeichen enthalten (als Ersatz kann ein Unterstrich verwendet werden). Es ist nicht erforderlich, dass alle Punkte Daten zu jedem Datum des zu analysierenden Zeitraums enthalten.

Der Benutzer muss die Felder (Spalten) in der Eingabetabelle angeben, die die X und Ja Koordinaten und den Chloridkonzentrationswert für jeden Punkt (Abbildung 5). Optionale Einstellungen zu IDW-Interpolationstechniken können vom Benutzer geändert werden. Außerdem ist eine Umklassifizierung der Werte nach der Interpolation erforderlich. Schließlich muss der Benutzer einen Ordner auswählen, in dem die Ausgabe-Shapefiles gespeichert werden.

Wenn alle erforderlichen Parameter ausgefüllt sind, kann das Modell durch Klicken auf „OK“ am unteren Rand des Dialogfelds ausgeführt werden. Der Ausführungsbildschirm (Abbildung 6) zeigt die laufenden Prozesse und kann geschlossen werden, wenn die Ausführung erfolgreich abgeschlossen wurde.

Das Modell „Chloridkonzentrationskarte“ bietet die folgenden Shapefiles für jedes analysierte Datum: (1) Punkt-Shapefile der Chloridkonzentrationsdaten (2) Raster aus Dateninterpolation (3) Polygon-Shapefile aus Interpolation, das die Standarderweiterung abdeckt und (4) Polygon-Shapefile vonfile Interpolation auf die Form des Grundwasserleiters zugeschnitten.

3.3.2. Modell „Hydraulische Kopfkarte“

Das Modell „Hydraulic Head Map“ generiert ein klassifiziertes Hydraulikkopf-Shapefile aus einer Punktmerkmalstabelle im Textformat. Außerdem wird ein Shapefile generiert, das Aquifer-Variablen (Chloridkonzentration und hydraulische Druckhöhenwerte) und Aquifer-Parameter (Speicherkoeffizient und Grund des Aquifers) enthält. Das Dialogfeld ist in Abbildung 7 dargestellt.

Dieses Modell hat die gleichen Eingabeanforderungen wie das Modell der „Chlorid-Konzentrationskarte“, konzentriert sich jedoch auf die Daten der hydraulischen Fallhöhe (m.ü.M.). Es ermöglicht auch den Import von hydraulischen Förderhöhenfeldern aus Visual MODFLOW. Der Name der Textdateien für den Hydraulikkopf muss für jeden analysierten Zeitraum mit den Textdateien für die Chloridkonzentration übereinstimmen.

Der Benutzer muss die Position der Chlorid-Shapefiles angeben, die im vorherigen Modell (Modell „Chloride-Konzentrationskarte“) generiert wurden. Es erfordert auch Polygon-Shapefiles mit Speicherkoeffizient und Boden (ich) des Grundwasserleiters als Input.

Das Modell generiert Shapefiles von Druckhöhendaten analog zum Modell der „Chlorid-Konzentrationskarte“. Darüber hinaus bietet es ein Polygon-Shapefile mit Variablen für jedes analysierte Datum (Chloridkonzentration und hydraulische Druckhöhenwerte) und Parameter (Boden und Speicherkoeffizient) des Aquifers. Dieses Shapefile heißt „union_%name der Hydraulikkopf-Textdatei%_hh.shp“, wobei „% Name der Hydraulikkopf-Textdatei%“ variabel ist, wenn unterschiedliche Daten analysiert werden.

3.3.3. Modell „Zusammenfassendes SWI“

Für das Modell „Summarizing SWI“ wird die in Baena-Ruiz et al. [13,15] und in Abschnitt 3.1 beschrieben wurde in der ArcGis-Umgebung implementiert. Dieses Tool generiert Excel®-Tabellen mit Statistiken, die SWI auf Grundwasserleiterebene zusammenfassen. Es generiert auch konzeptionelle Querschnitte (.shp), in denen die mittleren betroffenen und nicht betroffenen Volumina für den Grundwasserleiter gezeichnet werden (Durchschnittswerte über einen Zeitraum oder Momentanwerte zu einem bestimmten Datum). Wenn verschiedene Daten analysiert werden, zeigt es Grafiken, die die zeitliche Entwicklung der Pa- und Ta-Variablen, den Prozentsatz des betroffenen Volumens, die Chloridkonzentration im Grundwasserleiter und den Ma-Index (oder zusammengefassten Vulnerabilitätsindex) darstellen. Der Dialog zur globalen Statusbewertung ist in Abbildung 8 dargestellt.

Für das Modell „SWI SWI“ muss der Ordnerpfad angegeben werden, in dem die Ergebnisse des Modells „Hydraulikkopf“ zuvor gespeichert wurden. In diesem Ordner enthält das Shapefile mit dem Namen „union_%name of the Hydraulic Head text file%_hh.shp“ die Felder Chloridkonzentration, hydraulische Förderhöhe, Grundwasserleiter und Speicherkoeffizienten. Der Benutzer muss aus der Pulldown-Liste die entsprechende Spalte im Eingabe-Shapefile für jedes Feld auswählen, wie in Abbildung 9 gezeigt.

Der nächste erforderliche Parameter in diesem Tool ist der „Chlorid-Schwellenwert“. Er ist definiert als der Chloridkonzentrationswert, oberhalb dessen der Grundwasserleiter als von SWI betroffen angesehen wird. Dieser Schwellenwert kann als natürlicher Hintergrundpegel des Grundwasserleiters oder als relevante Umweltqualitätsnormen festgelegt werden. Hinsbyet al. [14] schlug eine Methode zur Berechnung von Grundwassergrenzwerten basierend auf diesen Kriterien vor.

Die Küstenlänge (ich) wird auch für nachfolgende Berechnungen benötigt.

X und Ja Achsen bilden das Koordinatensystem der konzeptionellen Querschnitte. Das GIS-SWIAS-Tool bietet Polylinien-Shapefiles für X und Ja Achsen, die sich bei (0,0) befinden, aber der Benutzer kann sie in einen anderen Koordinatenursprung verschieben oder neue erstellen.

Der vertikale Skalierungsfaktor wird verwendet, um die vertikale Größe (Ta) des konzeptionellen Querschnitts neu zu skalieren, wenn der Faktor Ta/Pa zu klein ist. Wenn der vertikale Skalierungsfaktor = 1 ist, behält der konzeptionelle Querschnitt das tatsächliche Größenverhältnis bei.

Schließlich sind zwei Pfade erforderlich, in denen die Ausgabeergebnisse gespeichert werden. „Ausgabe-Arbeitsbereich-Statistik“ enthält zusammengefasste Variablenberichte im Excel-Tabellenformat für jedes analysierte Datum (Abbildung 10) und Durchschnittsstatistiken für den gesamten Zeitraum. In diesem Pfad werden auch vier Grafiken gespeichert: (1) zeitliche Entwicklung der Pa- und Ta-Variablen (2) prozentuales betroffenes Volumen (3) Ma-Index und (4) Chloridkonzentration im Grundwasserleiter (mittlere Chloridkonzentration im Grundwasserleiter, mittlere Chlorid Konzentration im betroffenen Volumen und der Konzentrationszuwachs innerhalb des betroffenen Volumens über dem Schwellenwert).

„Ergebnisse des Arbeitsbereichs ausgeben“ enthält die Polygon-Shapefiles, die es ermöglichen, (1) den mittleren betroffenen und (2) den nicht betroffenen konzeptionellen Querschnitt innerhalb des Grundwasserleiters für jedes analysierte Datum zu zeichnen, (3) den mittleren betroffenen und (4) den nicht betroffenen konzeptionellen Querschnitt Querschnitt innerhalb eines Zeitraums und (5) der maximal betroffene Querschnitt für einen Zeitraum. Diese beiden Pfade können für alle Ergebnisse gleich sein, müssen sich jedoch von den Ausgabepfaden der vorherigen Modelle unterscheiden.

Abbildung 11 und Tabelle 1 zeigen die grafischen bzw. statistischen Zusammenfassungen des GIS-SWIAS-Tools.

Gebündelte Variablen (Excel-Tabelle)
Zu einem bestimmten ZeitpunktStatistik für einen Zeitraum
Gesamtvolumen des GrundwasserleitersDurchschnittliches Grundwasserleitervolumen
Gesamtes betroffenes Volumen des GrundwasserleitersDurchschnittliches betroffenes Volumen des Grundwasserleiters
Gesamtchloridkonzentration

Das GIS-SWIAS-Tool kann zu jedem Datum, an dem Informationen verfügbar sind, Ergebnisse liefern, die durch iterative Anwendung der beschriebenen Methode gewonnen werden. GIS-SWIAS ermöglicht die Analyse historischer [13] und zukünftiger Zeiträume [15], wenn die Druckhöhen- und Chloridkarten aus einem dichteabhängigen Strömungsmodell stammen. Auf diese Weise können mit GIS-SWIAS Anpassungsstrategien [15] im Hinblick auf die Reduzierung von SWI analysiert werden, unter Berücksichtigung zukünftiger potenzieller Szenarien, die CC und/oder GC beinhalten können, auch unter Berücksichtigung projizierter Landnutzungsänderungsszenarien (neue urbanisierte Gebiete, Pflanzenumwandlungen) [15].

Darüber hinaus kann dieses Tool auch verwendet werden, um die SWI-Schwachstelle für jede Indexmethode zusammenzufassen, die zu ihrer Bewertung verwendet wird. In diesem Fall würden anstelle der Chloridkonzentrationskarten, die durch die Ausführung des Modells „Chloridekonzentrationskarte“ generiert wurden, Polygon-Shapefiles des Vulnerabilitätsindex (zuvor vom Benutzer erstellt) als Eingaben des Modells „Zusammenfassende SWI-Verwundbarkeit“ verwendet (Abbildung 12), die auch das vom Werkzeug generierte Shapefile „Hydraulic head map“ erfordert, wie zuvor beschrieben.

Die Vulnerability-Index-Maps müssen als numerische Felder (Werte, die vor der Definition der Vulnerability-Klassen ermittelt wurden) enthalten sein. Um die konzeptionellen Querschnitte zu generieren, die das „betroffene“ Grundwasserleitervolumen zusammenfassen, d. h. wo die Anfälligkeit für SWI identifiziert wird, erfordert das Tool die Eingabe eines Anfälligkeitsschwellenwerts, der den gewählten Referenzwert darstellt, um zwischen betroffenen und nicht betroffenen Volumen zu unterscheiden. Dieser Schwellenwert wird auch verwendet, um den zusammengefassten Vulnerabilitätsindex zu bewerten.

Genau wie bei der Definition des Ma-Index wird der zusammengefasste globale Wert der Vulnerabilität im Aquifer zu einem bestimmten Datum durch Gewichtung des Vulnerabilitäts-Scores in jeder Zelle mit ihrer Wasserspeicherung erhalten. Dieser zusammengefasste Index ermöglicht auch eine Analyse der Dynamik der SWI-Verwundbarkeit des Systems auf Grundwasserleiterebene. Der Lumped Index kann auch mit unterschiedlichen Schwellenwerten ermittelt werden [13, 15].

4. Diskussion

GIS-SWIAS ist ein benutzerfreundliches polyvalentes ArcGIS-Tool, das einen umfassenden Überblick über den SWI-Status und die Anfälligkeit auf Grundwasserleiterebene bietet. Es integriert drei Modelle, die dokumentiert werden, um die Beschreibung des Tools, seinen Nutzen und die für jedes Element erforderlichen Daten kurz zu erläutern. Dieses Tool kann von Wissenschaftlern und Entscheidungsträgern, die möglicherweise keine fortgeschrittenen Benutzer von GIS sind, verwendet werden, um SWI-Probleme zusammenzufassen. Viele GIS-basierte Werkzeuge haben sich als leistungsstark und kosteneffektiv für die Analyse von Grundwasserproblemen erwiesen (Criollo et al. und Perdikaki et al. [19, 32]). Darüber hinaus können GIS-Modelle als ModelBuilder-Modelle mit dem Python-Skriptwerkzeug (Menezes und Inyang [33]) in andere Plattformen integriert werden.

Aufgrund der heterogenen Verteilung der Meerwasserintrusion, verteilte Informationen und Bewertungen sind erforderlich, um ihre Auswirkungen zu untersuchen [8, 30]. Aus diesem Grund ist die Methoden zur Modellierung [34, 35] SWI-Auswirkungen und die darauf basierenden benutzerfreundlichen Werkzeuge [36–38] erfordern ebenfalls verteilte Eingaben und Berechnungen. Das GIS-SWIAS ist ein Werkzeug, das als Nachbearbeitungswerkzeug klassifiziert werden kann, um die Auswirkungen von SWI auf Grundwasserleiterebene zusammenzufassen und bei der Analyse zu helfen. Dieses Tool erzeugt sowohl verteilte als auch zusammengefasste Ergebnisse auf Grundwasserleiterebene, erfordert aber logischerweise auch verteilte Eingaben und Bewertungen, wie in den vorherigen Abschnitten beschrieben. In dieser Gruppe von Nachbearbeitungswerkzeugen finden wir in der Literatur beispielsweise [39]. GIS-SWIAS ist ein neues Werkzeug, in dem die von [13, 15] vorgeschlagene Methode implementiert wurde. Eine bedeutende Neuheit dieser Methode gegenüber anderen zuvor entwickelten Methoden besteht darin, dass der vorgeschlagene Pauschalindex zur Zusammenfassung des SWI-Status auf der Ebene des Grundwasserleiters auf einer Variablen mit physikalischer Bedeutung basiert (Masse von Chlorid, die dazu führt, dass die Konzentration in einigen Gebieten den natürlichen Schwellenwert überschreitet exceed ). Andererseits ist ein neuer Aspekt dieses Tools, dass GIS-SWIAS aus den verteilten Informationen und Berechnungen eine einfache Berechnung des betroffenen Volumens mit einer Chloridkonzentration über einem Schwellenwert ermöglicht. Dieses Tool hilft auch bei der Erstellung von zusammengefassten SWI-Ergebnissen (Indizes) auf Grundwasserleiterebene. Es liefert wertvolle Informationen, die helfen, Rückschlüsse auf die Dynamik auf Grundwasserleiterebene in Bezug auf das betroffene Volumen und die globale SWI-Intensität zu ziehen. Somit bietet es auch Einblicke in die Widerstandsfähigkeit und Trends von Grundwasserleitern. Daher wird es helfen, küstennahe Grundwasserkörper zu identifizieren, die die Umsetzung neuer Bewirtschaftungsstrategien erfordern, um einen guten Zustand zu erreichen.

Die Identifizierung von SWI (dem Phänomen, das wir analysieren möchten) erfordert einen festgelegten Schwellenwert, der den Wendepunkt definiert, ab dem der Grundwasserleiter beginnt, einen Einfluss zu registrieren. Frühere Forschungen zeigen, dass die Auswirkungen von SWI signifikant von der Wahl des gewählten Schwellenwerts abhängig sind [13]. Die erheblichen Unsicherheiten bei der Bestimmung dieser Schwellenwerte [14] und die Sensitivität, ob der Grundwasserleiter als von SWI beeinflusst gemeldet wird oder nicht, erhöhen das praktische Interesse des GIS-SWIAS-Tools: Es ist in der Lage, die umfangreichen Berechnungen durchzuführen, die zur Zusammenfassung von SWI erforderlich sind auf Grundwasserleiterskala, für die Analyse sowohl historischer als auch potenzieller Szenarien unter Berücksichtigung unterschiedlicher Schwellenwerte, die einen Vergleich der Ergebnisse ermöglichen.

In Bezug auf die als Eingabe verwendeten Karten bietet das Tool zwei Möglichkeiten: Karten aus verfügbaren Daten mit verschiedenen im Tool integrierten Interpolationstechniken zu generieren und die Karten direkt aus SEAWAT-Dateien zu übernehmen. Diese Funktionalität, mit der Karten aus Punktdaten generiert oder aus anderen gängigen Tools geladen werden können, wurde auch in anderen SWI-Bewertungstools implementiert [36, 37]. In Nachbearbeitungstools steht sie jedoch unseres Wissens nicht zur Verfügung. In Fällen, in denen Karteneingaben aus dichteabhängigen Modellen entnommen werden, könnte eine vergleichende Bewertung verschiedener Szenarien (klimatische Bedingungen und/oder Managementstrategien) durchgeführt werden. Der physikalisch-prozessuale Ansatz kann angewendet werden, um verschiedene potenzielle Bedingungen zu propagieren und zu vergleichen. In diesem Fall können Karten für verschiedene Szenarien (z. B. Managementszenarien oder zukünftige potenzielle CC-Szenarien) erhalten und verglichen werden unterstützen den Entscheidungsprozess [15]. Werden die zur Definition der Indizes verwendeten Karten hingegen durch Anwendung einfacher Interpolationsansätze gewonnen, beschränkt sich die Analyse auf den historischen Zeitraum, für den die Daten zur Verfügung stehen.

Das Tool hilft auch, die Anfälligkeit für das Eindringen von Meerwasser auf Grundwasserleiterebene zu analysieren. In der Literatur finden wir verschiedene Methoden zur Bewertung der Grundwasseranfälligkeit in Abhängigkeit von den Verschmutzungsfaktoren (Aller et al., Vias et al. und Baena-Ruiz und Pulido-Velazquez [40–42]), Pumpen (Pulido-Velazquez et al. [43, 44]) und SWI [12, 16]. Benutzerfreundliche Werkzeuge scheinen bei dieser Bewertung zu helfen, einige von ihnen wurden in einer GIS-Umgebung entwickelt [45]. Dennoch gibt es keine Tools, die bei der Bewertung von SWI-Schwachstellen mit Fokus auf Nachbearbeitung helfen. Daher ist dies das erste beschriebene Nachbearbeitungstool, das SWI-Status und Vulnerabilitätsbewertung integriert, was sehr wertvolle Informationen ist, um die Bedeutung von SWI-Problemen in Grundwasserleitern und potenzielle nachhaltige Lösungen zu identifizieren.

Das GIS-SWIAS-Tool wurde auf zwei verschiedene Fallstudien im Mittelmeerraum Spaniens (Plana de Oropesa Torreblanca und Plana de Vinaroz) angewendet, wobei die in früheren Arbeiten beschriebenen Ergebnisse erzielt wurden [13, 15].In [13] ermöglichte die Prozessautomatisierung zur Generierung der interpolierten Karten den Autoren, den SWI-Status und die Vulnerabilität über einen längeren Zeitraum (1977–2015) zu analysieren und die Sensitivität der Ergebnisse gegenüber dem Chlorid-Schwellenwert nachzuweisen (untersucht wurden zwei Schwellenwerte: 250 mg/l und 1100 mg/l) in den Grundwasserleitern Plana de Oropesa-Torreblanca und Plana de Vinaroz. In [15] wurden die Auswirkungen zukünftiger GC-Szenarien im Grundwasserleiter Plana de Oropesa-Torreblanca analysiert. Die Methodik aus [13] wurde angepasst, um sechs potenzielle Zukunftsszenarien inklusive Anpassungsstrategien zu vergleichen. Der historische Zeitraum erstreckte sich von 1973 bis 2010 und die sechs Zukunftsszenarien deckten den Zeitraum 2011–2035 ab.

Die in GIS-SWIAS implementierte zugrunde liegende Methodik wurde in [13] durch Interpolation von Chloridkarten und hydraulischen Fallhöhen von Beobachtungspunkten angewendet, während die Informationen zur Generierung der Feldkarten in [15] aus dem SEAWAT-Modell geladen wurden. Die Ergebnisse dieser Studien für den Grundwasserleiter Plana de Oropesa-Torreblanca zeigen Unterschiede, die zeigen, dass die SWI-Näherungen des physikalischen Prozesses, die unter Verwendung des dichteabhängigen Strömungsmodells erhalten wurden, eine genauere Darstellung liefern. Trotz dieser Unterschiede liegen die Ergebnisse in der gleichen Größenordnung. Andere Autoren, die Indizes für SWI entwickelt haben [6, 9], haben ebenfalls nachgewiesen, dass sich die Ergebnisse durch die Einbeziehung von dreidimensionalen Salinitätsdaten nicht wesentlich unterscheiden. Darüber hinaus hängt die durch Interpolation erhaltene Näherung von der Anzahl der Beobachtungen und der Verteilung dieser Punkte im Grundwasserleiter ab.

Obwohl dieses Tool entwickelt wurde, um SWI-Probleme zu analysieren, könnte es verwendet werden, um die zusammengefassten Auswirkungen von Schadstoffen auf das Grundwasser und/oder die Grundwasseranfälligkeit durch Anwendung eines beliebigen Anfälligkeitsindex zu untersuchen. In diesem Fall sind anstelle des Parameters „Länge der Uferlinie“ zur Erzeugung des Querschnitts andere äquivalente Längen (z. B. die Aquiferlänge orthogonal zur Fließrichtung des Grundwassers) zu berücksichtigen. Damit erfüllt GIS-SWIAS die Anforderungen an Flexibilität, Robustheit, einfache Interaktion und Benutzerfreundlichkeit, die es zu einem nützlichen Werkzeug im Entscheidungsprozess machen. Es wird es ermöglichen, sie als „Modelle/Instrumente zum Teilen von Visionen“ zu verwenden, um bei der Diskussion von Managementalternativen zwischen Interessenvertretern und Verwaltungsvertretern zu helfen [46]. Viele Tools von Decision Support Systems waren nicht erfolgreich, weil sie nicht benutzerfreundlich waren [47, 48].

4.1. Annahmen und Einschränkungen

In diesem Abschnitt fassen wir die wichtigsten Annahmen/Einschränkungen des GIS-SWIAS-Tools und der implementierten Methodik zusammen.

4.1.1. Zugrundeliegende Methodik
4.1.2. GIS-SWIAS-Tool

5. Schlussfolgerungen

In diesem Papier beschreiben wir ein neues allgemeines Werkzeug, GIS-SWIAS. Es ist ein ArcGIS-basiertes Werkzeug, das entwickelt wurde, um den SWI-Status und die Vulnerabilität auf Grundwasserleiterebene zu analysieren, indem die von [13, 15] vorgestellte Methode angewendet wird. Es ist ein benutzerfreundliches Werkzeug, das den Umgang mit georeferenzierten Informationen ermöglicht und es ist einfach, die erforderlichen Daten (Eingaben) einzugeben und die erforderlichen anspruchsvollen Rechenoperationen effizient durchzuführen. Die Ergebnisse liegen in Form von Berichten und Bildern vor, um die Größe, Intensität und zeitliche Entwicklung von SWI innerhalb eines Grundwasserleiters zusammenzufassen.

Das GIS-SWIAS-Tool kann verwendet werden, um die historische SWI-Dynamik in Fallstudien zu bewerten, für die wir kein vorheriges Modell haben. Wenn wir jedoch eine rationale quantitative Analyse der verschiedenen alternativen Managementszenarien für ein nachhaltiges Management von SWI durchführen möchten, muss das GIS-SWIAS-Tool Informationen über die Wassersäule und die Chloridkonzentrationsverteilung verwenden, die aus Simulationen ihrer Auswirkungen durch ein kalibriertes dichteabhängiges Strömungsmodell. In solchen Fällen könnten mit diesem Tool Anpassungsstrategien an potenzielle Zukunftsszenarien, deren verteilte Auswirkungen innerhalb der zuvor kalibrierten Modelle propagiert werden müssen, sinnvoll analysiert und verglichen werden. GIS-SWIAS kann verwendet werden, um nicht nur den SWI-Status auf Grundwasserleiterebene, sondern auch die Anfälligkeit gegenüber jeglichen Schadstoffen zu bewerten.

Angesichts all dieser Möglichkeiten, mit denen das GIS-SWIAS-Tool angewendet werden kann, bietet es sowohl Forschern als auch Technikern ein wertvolles Werkzeug zur Bewertung der SWI-Dynamik und der Widerstandsfähigkeit von Grundwasserleitern unter verschiedenen Managementszenarien. Es kann den Entscheidungsprozess bei der rationalen Auswahl nachhaltiger Managementstrategien unterstützen. Die Leistungsfähigkeit des Tools wurde in zwei Fallstudien, die in früheren Forschungsarbeiten beschrieben wurden, getestet und bestätigt.

Es kann auf jede Fallstudie angewendet werden. Der einfach zu bedienende Workflow und die wenigen erforderlichen Eingabedaten erleichtern die Anwendung auf eine Vielzahl von Fallstudien, um SWI zu vergleichen.

Datenverfügbarkeit

Die in dieser Studie entwickelte Software kann auf Antrag an die Autoren freigegeben werden, die unter [email protected] oder [email protected] kontaktiert werden können.

Interessenskonflikte

Die Autoren erklären, dass keine Interessenkonflikte bezüglich der Veröffentlichung dieser Arbeit bestehen.

Danksagung

Diese Arbeit wurde durch die Projekte GeoE.171.008-TACTIC und GeoE.171.008-HOVER der GeoERA-Organisation unterstützt, die durch das Horizon 2020-Forschungs- und Innovationsprogramm der Europäischen Union und das SIGLO-AN-Projekt (RTI2018-101397-B-I00) des spanischen Ministeriums finanziert werden für Wissenschaft, Innovation und Universitäten (Programa Estatal de I+D+I orientada a los Retos de la Sociedad).

Verweise

  1. Wasserrahmenrichtlinie (WRRL), „Directiva 2000/60/CE del Parlamento Europeo y del Consejo de 23 de Octubre de 2000“, Diario Oficial de las Comunidades Europeas vom 22.12.2000, Wasserrahmenrichtlinie (WRRL), 2000, L 327/ 1–327/32. Ansehen bei: Google Scholar
  2. N. Momejian, M. Abou Najm, I. Alameddine und M. El-Fadel, „Grundwasser-Vulnerabilitätsmodellierung zur Bewertung des Eindringens von Meerwasser: ein methodischer Vergleich mit georäumlicher Interpolation“, Wasserressourcenmanagement, Bd. 33, nein. 3, S. 1039–1052, 2019. View at: Publisher Site | Google Scholar
  3. V. Elumalai, K. Brindha, B. Sithole und E. Lakshmanan, „Räumliche Interpolationsmethoden und Geostatistiken zur Kartierung der Grundwasserverschmutzung in einem Küstengebiet“, Umweltwissenschaften und Umweltverschmutzungsforschung, Bd. 24, nein. 12, S. 11601–11617, 2017. View at: Publisher Site | Google Scholar
  4. C. Llopis-Albert und D. Pulido-Velazquez, „Diskussion über die Gültigkeit von Sharp-Interface-Modellen zum Umgang mit Meerwasserintrusion in Küstengrundwasserleitern“, Hydrologische Prozesse, Bd. 28, Nr. 10, S. 3642–3654, 2014. View at: Publisher Site | Google Scholar
  5. C. Llopis-Albert und D. Pulido-Velazquez, „Verwenden des MODFLOW-Codes, um eine transiente hydraulische Druckhöhe mit einer scharfen Grenzflächenlösung zu erreichen“, Hydrologische Prozesse, Bd. 29, nein. 8, S. 2052–2064, 2015. View at: Publisher Site | Google Scholar
  6. A. Renau-Pruñonosa, I. Morell und D. Pulido-Velazquez, „Eine Methodik zur Analyse und Bewertung von Pumpenmanagementstrategien in Küstengrundwasserleitern, um eine Verschlechterung aufgrund von Meerwasserintrusionsproblemen zu vermeiden.“ Wasserressourcenmanagement, Bd. 30, nein. 13, S. 4823–4837, 2016. View at: Publisher Site | Google Scholar
  7. A.-J. Collados-Lara, D. Pulido-Velazquez und E. Pardo-Igúzquiza, „Eine integrierte statistische Methode zur Generierung potenzieller zukünftiger Klimaszenarien zur Analyse von Dürren“, Wasser, Bd. 10, nein. 9, S. 1224–1248, 2018. View at: Publisher Site | Google Scholar
  8. D. Pulido-Velazquez, A. Renau-Pruñonosa, C. Llopis-Albert et al., „Integrierte Bewertung zukünftiger potenzieller globaler Änderungsszenarien und ihrer hydrologischen Auswirkungen in Küstengrundwasserleitern – ein neues Werkzeug zur Analyse von Managementalternativen in der Plana Oropesa- Torreblanca-Aquifer“, Hydrologie und Erdsystemwissenschaften, Bd. 22, nein. 5, S. 3053–3074, 2018. View at: Publisher Site | Google Scholar
  9. B. J. Ballesteros, I. Morell, O. García-Menéndez und A. Renau-Pruñonosa, „Ein standardisierter Index zur Bewertung des Eindringens von Meerwasser in Küstengrundwasserleiter: der SITE-Index“, Wasserressourcenmanagement, Bd. 30, nein. 13, S. 4513–4527, 2016. View at: Publisher Site | Google Scholar
  10. M. Tomaszkiewicz, M. Abou Najm und M. El-Fadel, „Entwicklung eines Grundwasserqualitätsindex für Meerwasserintrusion in Küstenaquiferen“, Umgebungsmodellierung und Softwareamp, Bd. 57, S. 13–26, 2014. View at: Publisher Site | Google Scholar
  11. I. S. Babiker, M. A. A. Mohamed und T. Hiyama, „Beurteilung der Grundwasserqualität mit GIS“, Wasserressourcenmanagement, Bd. 21, nein. 4, S. 699–715, 2007. View at: Publisher Site | Google Scholar
  12. A. Zeynolabedin und R. Ghiassi, „Der SIVI-Index: ein umfassender Ansatz zur Untersuchung der Verwundbarkeit von Meerwasserintrusionen für Insel- und Küstengrundwasserleiter“, Umweltgeowissenschaften, Bd. 78, 2019. Ansicht auf: Publisher-Site | Google Scholar
  13. L. Baena-Ruiz, D. Pulido-Velazquez, A.-J. Collados-Lara, A. Renau-Pruñonosa und I. Morell, „Globale Bewertung von Problemen mit dem Eindringen von Meerwasser (Status und Verwundbarkeit)“ Wasserressourcenmanagement, Bd. 32, nein. 8, S. 2681–2700, 2018. View at: Publisher Site | Google Scholar
  14. K. Hinsby, M. T. Melo und M. Dahl, „Europäische Fallstudien zur Ableitung natürlicher Hintergrundwerte und Grundwassergrenzwerte zum Schutz abhängiger Ökosysteme und der menschlichen Gesundheit“, Die Wissenschaft der gesamten Umwelt, Bd. 401, Nr. 1-3, S. 1–20, 2008. View at: Publisher Site | Google Scholar
  15. L. Baena-Ruiz, D. Pulido-Velazquez, A.-J. Collados-Lara et al., „Zusammenfassung der Auswirkungen zukünftiger potenzieller globaler cdslfthange-Szenarien auf das Eindringen von Meerwasser auf der Ebene des Grundwasserleiters“, Umweltgeowissenschaften, Bd. 79, nein. 5, s. 99, 2020. Ansicht auf: Publisher-Site | Google Scholar
  16. A. G. Chachadi und J. P. Lobo Ferreira, „Assessing Aquifer Vulnerability to sea-water Intrusion using GALDIT method: Part 2 – GALDIT Indicator descriptions“, in Wasser in keltischen Ländern: Menge, Qualität und Klimavariabilität, J. P. Ferreira, Hrsg., S. 172–180, Proceedings of the four interceltic colloquium on Hydrology and Management of Water Resources IAHS Press Publications, Guimarães, Portugal, 2007. View at: Google Scholar
  17. J. Andreu, J. Capilla und E. Sanchís, „AQUATOOL, ein generalisiertes Entscheidungsunterstützungssystem für die Planung und das Betriebsmanagement von Wasserressourcen“, Zeitschrift für Hydrologie, Bd. 177, nein. 3-4, S. 269–291, 1996. View at: Publisher Site | Google Scholar
  18. E. Vázquez-Suñé, E. Abarca, J. Carrera et al., „Grundwassermodellierung als Werkzeug für die Anwendung der europäischen Wasserrahmenrichtlinie (WRRL): der Fall llobregat“, Physik und Chemie der Erde, Teile A/B/C, Bd. 31, Nr. 17, S. 1015–1029, 2006. View at: Publisher Site | Google Scholar
  19. R. Criollo, V. Velasco, A. Nardi et al., „AkvaGIS: ein Open-Source-Tool für Wassermengen- und Qualitätsmanagement“, Computer und Geowissenschaften, Bd. 127, S. 123–132, 2019. View at: Publisher Site | Google Scholar
  20. D. Machiwal, M. K. Jha, V. P. Singh und C. Mohan, „Bewertung und Kartierung der Anfälligkeit des Grundwassers gegenüber Verschmutzung: aktueller Status und Herausforderungen“, Geowissenschaften Bewertungen, Bd. 185, S. 901–927, 2018. View at: Publisher Site | Google Scholar
  21. A. Rikalovic, I. Cosic und D. Lazarevic, „GIS-basierte Multi-Kriterien-Analyse für die Auswahl von Industriestandorten“, Verfahrenstechnik, Bd. 69, nein. 12, S. 1054–1063, 2014. View at: Publisher Site | Google Scholar
  22. D. Machiwal und M. K. Jha, „Rolle des geografischen Informationssystems für die Bewertung der Wasserqualität“, in Geographische Informationssysteme (GIS): Techniken, Anwendungen und Technologien, D. Nielson, Ed., S. 217–278, Nova Science Publishers, New York, NY, USA, 2014. Ansicht bei: Google Scholar
  23. W. Gossel, A. M. Ebraheem und P. Wycisk, „Ein sehr groß angelegtes GIS-basiertes Grundwasserströmungsmodell für den nubischen Sandstein-Aquifer in der Ostsahara (Ägypten, Nordsudan und Ostlibyen)“ Hydrogeologie-Journal, Bd. 12, nein. 6, S. 698–713, 2004. View at: Publisher Site | Google Scholar
  24. L. Wang, C. R. Jackson, M. Pachocka und A. Kingdon, „Ein nahtlos gekoppeltes GIS- und verteiltes Grundwasserströmungsmodell“, Umgebungsmodellierung und Softwareamp, Bd. 82, S. 1–6, 2016. Ansicht auf: Verlagsseite | Google Scholar
  25. M. Alcaraz, E. Vázquez-Suñé, V. Velasco und R. Criollo, „Ein lose gekoppelter GIS- und hydrogeologischer Modellierungsrahmen“, Umweltgeowissenschaften, Bd. 76, Nr. 11, s. 382, 2017. Ansicht auf: Publisher-Site | Google Scholar
  26. G. Bhatt, M. Kumar und C. J. Duffy, „Ein eng gekoppeltes GIS und verteiltes hydrologisches Modellierungs-Framework“, Umgebungsmodellierung und Softwareamp, Bd. 62, S. 70–84, 2014. View at: Publisher Site | Google Scholar
  27. C. N. Almeida, J. Roehrig und E. Wendland, „Entwicklung und Integration eines Grundwassersimulationsmodells in ein offenes geografisches Informationssystem“, JAWRA-Journal der American Water Resources Association, Bd. 50, nein. 1, S. 101–110, 2014. Ansicht auf: Website des Herausgebers | Google Scholar
  28. T. A. Akbar, H. Lin und J. DeGroote, „Entwicklung und Bewertung des GIS-basierten ArcPRZM-3-Systems zur räumlichen Modellierung der Grundwasseranfälligkeit gegenüber Pestizidkontamination“, Computer und Geowissenschaften, Bd. 37, nein. 7, S. 822–830, 2011. View at: Publisher Site | Google Scholar
  29. J. F. Rios, M. Ye, L. Wang, P. Z. Lee, H. Davis und R. Hicks, „ArcNLET: eine GIS-basierte Software zur Simulation der Grundwasser-Nitratbelastung von septischen Systemen zu Oberflächengewässern“, Computer und Geowissenschaften, Bd. 52, S. 108–116, 2013. View at: Publisher Site | Google Scholar
  30. R. Ali, D. McFarlane, S. Varma, W. Dawes, I. Emelyanova und G. Hodgson, „Potenzielle Auswirkungen des Klimawandels auf den Wasserhaushalt regionaler nicht begrenzter Aquifersysteme im Südwesten Australiens“, Hydrologie und Erdsystemwissenschaften, Bd. 16, nein. 12, S. 4581–4601, 2012. Ansicht auf: Verlagsseite | Google Scholar
  31. G. De Filippis, C. Pouliaris, D. Kahuda et al., „Raumdatenmanagement und numerische Modellierung: Demonstration der Anwendung der QGIS-integrierten FREEWAT-Plattform an 13 Fallstudien zur Bewältigung des Grundwasserressourcenmanagements“, Wasser, Bd. 12, nein. 1, s. 41, 2020. View at: Publisher Site | Google Scholar
  32. M. Perdikaki, R. C. Manjarrez, C. Pouliaris, R. Rossetto und A. Kallioras, „Kostenloses und Open-Source-GIS-integriertes hydrogeologisches Analysetool: eine Anwendung für Küstengrundwasserleitersysteme“, Umweltgeowissenschaften, Bd. 79, nein. 14, s. 348, 2020. Ansicht auf: Publisher-Site | Google Scholar
  33. G. B. Menezes und H. I. Inyang, „GIS-basiertes Schadstofftransportmodell für heterogene hydrogeologische Umgebungen“, Zeitschrift für Umweltinformatik, Bd. 14, nein. 1, 2009. Ansicht auf: Website des Herausgebers | Google Scholar
  34. M. G. McDonald und A. W. Harbaugh, „Ein modulares dreidimensionales Finite-Differenz-Grundwasserströmungsmodell“, U.S. Geological Survey Techniques of Water-Resources Investigations, Washington, DC, USA, 1988, Buch 6, Kap. A1. Ansehen bei: Google Scholar
  35. M. Bakker, F. Schaars, J. D. Hughes, C. D. Langevin und A. M. Dausman, „Documentation of the seawater intrusion (SWI2) package for MODFLOW“, Geologische Vermessungstechniken und -methoden in den USA, Washington, DC, USA, 2013, Buch 6, Kap. A46, https://pubs.usgs.gov/tm/6a46/. Ansehen bei: Google Scholar
  36. Waterloo Hydrogeological Inc., Visual MODFLOW-Benutzerhandbuch, Waterloo Hydrogeologische. Inc., Waterloo, Kanada, 2005.
  37. W. H. Chiang und W. Kinzelbach, 3D-Grundwassermodellierung mit PMWIN: Ein Simulationssystem zur Modellierung von Grundwasserströmungs- und -transportprozessen, Bd. 2, Springer, New York, NY, USA, 2001.
  38. R. B. Winston, ModelMuse: Eine grafische Benutzeroberfläche für MODFLOW-2005 und PHAST, US Geological Survey, Reston, VA, USA, 2009.
  39. R. Criollo, V. Velasco, E. Vázquez-Suñé, A. Serrano-Juan, M. Alcaraz und A. García-Gil, „Ein integriertes GIS-basiertes Tool zur Analyse von Aquifer-Tests“, Umweltgeowissenschaften, Bd. 75, nein. 5, s. 391, 2016. View at: Publisher Site | Google Scholar
  40. L. Aller, T. Bennett, J. Lehr, R. Petty und G. Hackett, DRASTIC: Ein standardisiertes System zur Bewertung des Grundwasserverschmutzungspotenzials unter Verwendung hydrogeologischer Einstellungen, U.S. Environmental Protection Agency, , Washington, DC, USA, 1987, Bericht der US-Umweltschutzbehörde.
  41. J. M. Vías, B. Andreo, M. J. Perles, F. Carrasco, I. Vadillo und P. Jiménez, „Vorgeschlagene Methode zur Kartierung der Grundwasseranfälligkeit in karbonatischen (karstischen) Aquiferen: die COP-Methode“, Hydrogeologie-Journal, Bd. 14, nein. 6, S. 912–925, 2006. View at: Publisher Site | Google Scholar
  42. L. Baena-Ruiz und D. Pulido-Velazquez, „Ein neuartiger Ansatz zur Harmonisierung der Vulnerabilitätsbewertung in karbonatischen und detritischen Grundwasserleitern im Beckenmaßstab“, Wasser, Bd. 12, nein. 11, s. 2971, 2020. Ansicht auf: Publisher-Site | Google Scholar
  43. D. Pulido-Velazquez, A.-J.Collados-Lara, L. Baena-Ruiz, F. Fernández-Chacón und F. J. Alcalá, Bewertung der gegenwärtigen und zukünftigen Anfälligkeit für Pumpen in spanischen Grundwasserkörpern anhand eines natürlichen Umschlagzeitindex, IAH, Dubrovnik, Kroatien, 2017.
  44. D. Pulido-Velazquez, J. Romero, A.-J. Collados-Lara, F. J. Alcalá, F. Fernández-Chacón und L. Baena-Ruiz, „Verwendung des Umschlagszeitindex zur Identifizierung potenzieller strategischer Grundwasserressourcen zur Bewältigung von Dürren in Kontinentalspanien“ Wasser, Bd. 12, nein. 11, s. 3281, 2020. View at: Publisher Site | Google Scholar
  45. L. Duarte, A. C. Teodoro, J. A. Gonçalves, A. J. Guerner Dias und J. E. Marques, „Assessing groundwater vulnerability to Verschmutzung through the DRASTIC method“, in Proceedings of the International Conference on Computational Science and its Applications, S. 386–400, Minho, Guimaraes, Portugal, Juli 2014. View at: Publisher Site | Google Scholar
  46. D.P. Loucks und E. Van Beek, Planung und Management von Wasserressourcensystemen: Eine Einführung in Methoden, Modelle und Anwendungen, Springer, Berlin, Deutschland, 2017.
  47. R. F. Reitsma, „Struktur und Unterstützung des Wasserressourcenmanagements und der Entscheidungsfindung“, Zeitschrift für Hydrologie, Bd. 177, nein. 3-4, S. 253–268, 1996. Ansicht auf: Publisher Site | Google Scholar
  48. M. T. Atta, „Der Einfluss von Benutzerfreundlichkeit und Informationsqualität auf das Informationssystem zur Entscheidungsunterstützung (DSS),“ Zeitschrift für Kunst- und Sozialwissenschaften, Bd. 8, nein. 2, s. 257, 2017. Ansicht auf: Publisher-Site | Google Scholar

Urheberrechte ©

Copyright © 2021 Leticia Baena-Ruiz und David Pulido-Velazquez. Dies ist ein Open-Access-Artikel, der unter der Creative Commons Attribution License vertrieben wird und die uneingeschränkte Verwendung, Verbreitung und Reproduktion in jedem Medium erlaubt, vorausgesetzt, das Originalwerk wird ordnungsgemäß zitiert.


ModelBuilder Tool erzeugt unterschiedliche Ergebnisse, wenn die Schaltfläche Run verwendet und als Tool ausgeführt wird - Geographic Information Systems

Sie können Simulink ® verwenden, um ein System zu modellieren und dann das dynamische Verhalten dieses Systems zu simulieren. Die grundlegenden Techniken, die Sie in diesem Tutorial zum Erstellen eines einfachen Modells verwenden, sind dieselben wie bei komplexeren Modellen. Dieses Beispiel simuliert die vereinfachte Bewegung eines Autos. Ein Auto ist normalerweise in Bewegung, während das Gaspedal gedrückt wird. Nach dem Loslassen des Pedals läuft das Auto im Leerlauf und kommt zum Stehen.

Ein Simulink-Block ist ein Modellelement, das eine mathematische Beziehung zwischen seiner Eingabe und Ausgabe definiert. Um dieses einfache Modell zu erstellen, benötigen Sie vier Simulink-Blöcke.

BlocknameSperrzweckModellzweck
Impulsgenerator Erzeuge ein Eingangssignal für das ModellStellt das Gaspedal dar
Dazugewinnen Multiplizieren Sie das Eingangssignal mit einem konstanten WertBerechnen Sie, wie sich das Drücken des Gaspedals auf die Fahrzeugbeschleunigung auswirkt
Integrator zweiter Ordnung Integrieren Sie das Eingangssignal zweimalPosition aus Beschleunigung ermitteln
Outport Bestimmen Sie ein Signal als Ausgabe des ModellsBestimmen Sie die Position als Ausgabe des Modells

Bei der Simulation dieses Modells wird ein kurzer Impuls zweimal integriert, um eine Rampe zu erhalten. Die Ergebnisse werden in einem Scope-Fenster angezeigt. Der Eingangsimpuls stellt ein Drücken des Gaspedals dar – 1 wenn das Pedal gedrückt wird und 0, wenn es nicht gedrückt wird. Die Ausgangsrampe ist der zunehmende Abstand vom Startpunkt.

Neues Modell öffnen

Verwenden Sie den Simulink-Editor, um Ihre Modelle zu erstellen.

Starten Sie MATLAB ® . Klicken Sie im MATLAB-Toolstrip auf das Simulink Taste .

Drücke den Blankes Modell Vorlage.

Der Simulink-Editor wird geöffnet.

Von dem Simulation Registerkarte, wählen Sie Speichern > Speichern unter. In dem Dateiname Geben Sie im Textfeld einen Namen für Ihr Modell ein. Beispiel: simple_model . Klicken speichern. Das Modell wird mit der Dateierweiterung .slx gespeichert.

Öffnen Sie den Simulink-Bibliotheksbrowser

Simulink bietet eine Reihe von Blockbibliotheken, die nach Funktionen im Bibliotheksbrowser geordnet sind. Die folgenden Bibliotheken sind in den meisten Workflows üblich:

Kontinuierlich — Blöcke für Systeme mit kontinuierlichen Zuständen

Diskrete — Blöcke für Systeme mit diskreten Zuständen

Mathematische Operationen — Blöcke, die algebraische und logische Gleichungen implementieren

Senken — Blöcke, die die mit ihnen verbundenen Signale speichern und anzeigen

Quellen — Blöcke, die die Signalwerte generieren, die das Modell antreiben

Von dem Simulation Klicken Sie auf die Registerkarte Bibliotheksbrowser Taste .

Stellen Sie den Bibliotheksbrowser so ein, dass er über den anderen Desktop-Fenstern bleibt. Wählen Sie in der Symbolleiste des Simulink-Bibliotheksbrowsers die Option An der Spitze bleiben Taste .

Um die Bausteinbibliotheken zu durchsuchen, wählen Sie im linken Fensterbereich eine Kategorie und dann einen Funktionsbereich aus. Um alle verfügbaren Bausteinbibliotheken zu durchsuchen, geben Sie einen Suchbegriff ein.

Suchen Sie beispielsweise den Block Pulse Generator. Geben Sie in das Suchfeld auf der Symbolleiste des Browsers pulse ein und drücken Sie dann die Eingabetaste. Simulink durchsucht die Bibliotheken nach Blöcken mit Puls im Namen oder in der Beschreibung und zeigt dann die Blöcke an.

Erhalten Sie detaillierte Informationen zu einem Block. Klicken Sie mit der rechten Maustaste auf den Block Pulse Generator und wählen Sie dann Hilfe zum Pulse Generator Block. Der Hilfebrowser wird mit der Referenzseite für den Block geöffnet.

Blöcke haben typischerweise mehrere Parameter. Durch einen Doppelklick auf den Baustein können Sie auf alle Bausteinparameter zugreifen.

Blöcke zu einem Modell hinzufügen

Um mit dem Erstellen des Modells zu beginnen, durchsuchen Sie die Bibliothek und fügen Sie die Blöcke hinzu.

Ziehen Sie den Pulse Generator-Block aus der Sources-Bibliothek in den Simulink-Editor. In Ihrem Modell wird eine Kopie des Impulsgeneratorblocks mit einem Textfeld für den Wert des . angezeigt Amplitude Parameter. Geben Sie 1 ein.

Parameterwerte werden während der Simulation gehalten.

Fügen Sie Ihrem Modell die folgenden Blöcke mit dem gleichen Ansatz hinzu.

Fügen Sie einen zweiten Outport-Block hinzu, indem Sie den vorhandenen kopieren und mit Tastenkombinationen an einer anderen Stelle einfügen.

Ihr Modell enthält jetzt die benötigten Blöcke.

Ordnen Sie die Blöcke an, indem Sie auf jeden Block klicken und ihn ziehen. Um die Größe eines Blocks zu ändern, ziehen Sie eine Ecke.

Blöcke verbinden

Verbinden Sie die Blöcke, indem Sie Linien zwischen Ausgangsports und Eingangsports erstellen.

Klicken Sie auf den Ausgangsport auf der rechten Seite des Impulsgeneratorblocks.

Der Ausgangsport und alle für eine Verbindung geeigneten Eingangsports sind durch ein blaues Chevron-Symbol gekennzeichnet .

Zeigen auf um den Verbindungshinweis zu sehen.

Klicken Sie auf den Hinweis. Simulink verbindet die Blöcke mit einer Linie und einem Pfeil, der die Richtung des Signalflusses anzeigt.

Verbinden Sie den Ausgangsport des Gain-Blocks mit dem Eingangsport des Integrator-Blocks zweiter Ordnung.

Verbinden Sie die beiden Ausgänge des Integrator, Second-Order-Blocks mit den beiden Outport-Blöcken.

Speichern Sie Ihr Modell. In dem Simulation Registerkarte, klicken Sie speichern.

Signalanzeige hinzufügen

Um Simulationsergebnisse anzuzeigen, verbinden Sie den ersten Ausgang mit einem Signal Viewer .

Klicken Sie auf das Signal. In dem Simulation Tab unter Bereiten, klicken Betrachter hinzufügen. Wählen Umfang. Auf dem Signal erscheint ein Viewer-Symbol und ein Oszilloskop-Fenster wird geöffnet.

Sie können den Bereich jederzeit öffnen, indem Sie auf das Symbol doppelklicken.

Simulation ausführen

Nachdem Sie die Konfigurationsparameter definiert haben, können Sie Ihr Modell simulieren.

In dem Simulation legen Sie die Stoppzeit der Simulation fest, indem Sie den Wert in der Symbolleiste ändern.

Die Standardstoppzeit von 10,0 ist für dieses Modell geeignet. Dieser Zeitwert hat keine Einheit. Die Zeiteinheit in Simulink hängt davon ab, wie die Gleichungen aufgebaut sind. Dieses Beispiel simuliert die vereinfachte Bewegung eines Autos für 10 Sekunden – andere Modelle könnten Zeiteinheiten in Millisekunden oder Jahren haben.

Um die Simulation auszuführen, klicken Sie auf das Lauf Taste .

Die Simulation wird ausgeführt und erzeugt die Ausgabe im Viewer.

Modell verfeinern

In diesem Beispiel wird ein vorhandenes Modell, moving_car.slx , verwendet und ein Näherungssensor basierend auf diesem Bewegungsmodell modelliert. In diesem Szenario misst ein digitaler Sensor den Abstand zwischen dem Auto und einem 10 m entfernten Hindernis. Das Modell gibt die Sensormessung und die Position des Fahrzeugs unter Berücksichtigung dieser Bedingungen aus:

Das Auto kommt hart zum Stehen, wenn es das Hindernis erreicht.

In der physischen Welt misst ein Sensor die Entfernung ungenau und verursacht zufällige numerische Fehler.

Ein digitaler Sensor arbeitet in festen Zeitintervallen.

Blockparameter ändern

Öffnen Sie zunächst das Modell moving_car. Geben Sie in der MATLAB-Befehlszeile Folgendes ein:

Sie müssen zuerst den harten Stopp modellieren, wenn die Fahrzeugposition 10 erreicht. Der Integrator, Second-Order-Block verfügt zu diesem Zweck über einen Parameter.

Doppelklicken Sie auf den Block Integrator, zweiter Ordnung. Das Dialogfeld Blockparameter wird angezeigt.

Wählen Grenze x und gib 10 für . ein Obergrenze x. Die Hintergrundfarbe für den Parameter ändert sich, um eine Änderung anzuzeigen, die nicht auf das Modell angewendet wird. Klicken OK um die Änderungen zu übernehmen und das Dialogfeld zu schließen.

Neue Blöcke und Verbindungen hinzufügen

Fügen Sie einen Sensor hinzu, der die Entfernung zum Hindernis misst.

Ändern Sie das Modell. Erweitern Sie das Modellfenster, um die neuen Blöcke nach Bedarf aufzunehmen.

Ermitteln Sie die tatsächliche Entfernung. Um den Abstand zwischen der Hindernisposition und der Fahrzeugposition zu ermitteln, fügen Sie den Subtract-Block aus der Math Operations-Bibliothek hinzu. Fügen Sie auch den Konstantenblock aus der Quellenbibliothek hinzu, um den konstanten Wert von 10 für die Position des Hindernisses festzulegen.

Modellieren Sie die unvollkommene Messung, die für einen echten Sensor typisch wäre. Generieren Sie Rauschen, indem Sie den Block Band-Limited White Noise aus der Sources-Bibliothek verwenden. Stellen Sie die Rauschleistung Parameter auf 0,001 . Fügen Sie der Messung das Rauschen hinzu, indem Sie einen Add-Block aus der Math Operations-Bibliothek verwenden.

Modellieren Sie einen digitalen Sensor, der alle 0,1 Sekunden auslöst. In Simulink erfordert das Abtasten eines Signals in einem bestimmten Intervall ein Abtasten und Halten. Fügen Sie den Zero-Order Hold-Block aus der Discrete-Bibliothek hinzu. Nachdem Sie den Block zum Modell hinzugefügt haben, ändern Sie die Beispielzeit Parameter auf 0,1 .

Fügen Sie einen weiteren Ausgang hinzu, um eine Verbindung zum Sensorausgang herzustellen. Behalten Sie den Standardwert von . bei Port-Nummer Parameter.

Verbinden Sie die neuen Blöcke. Der Ausgang des Integrator, Second-Order-Blocks ist bereits mit einem anderen Port verbunden. Um eine Verzweigung in diesem Signal zu erstellen, klicken Sie mit der linken Maustaste auf das Signal, um potenzielle Ports für die Verbindung hervorzuheben, und klicken Sie auf den entsprechenden Port.

Signale kommentieren

Fügen Sie dem Modell Signalnamen hinzu.

Doppelklicken Sie auf das Signal und geben Sie den Signalnamen ein.

Um den Vorgang abzuschließen, klicken Sie außerhalb des Textfelds.

Wiederholen Sie diese Schritte, um die Namen wie gezeigt hinzuzufügen.

Vergleichen Sie mehrere Signale

Vergleichen Sie das tatsächliche Distanzsignal mit dem gemessenen Distanzsignal.

Erstellen und verbinden Sie einen Scope Viewer mit dem tatsächlichen Entfernungssignal. Klicken Sie mit der rechten Maustaste auf das Signal und wählen Sie Viewer erstellen & verbinden > Simulink > Scope. Der Name des Signals erscheint im Viewer-Titel.

Fügen Sie das gemessene Distanzsignal demselben Viewer hinzu. Klicken Sie mit der rechten Maustaste auf das Signal und wählen Sie Mit Viewer verbinden > Scope1. Stellen Sie sicher, dass Sie eine Verbindung zu dem Viewer herstellen, den Sie im vorherigen Schritt erstellt haben.

Führen Sie das Modell aus. Der Viewer zeigt die beiden Signale an, die tatsächliche Distanz in Gelb und die gemessene Distanz in Blau.

Vergrößern Sie die Grafik, um die Auswirkungen von Rauschen und Abtastung zu beobachten. Drücke den Zoomen Taste . Klicken Sie mit der linken Maustaste und ziehen Sie ein Fenster um den Bereich, den Sie genauer sehen möchten.

Sie können wiederholt heranzoomen, um die Details zu beobachten.

Beachten Sie aus dem Diagramm, dass die Messung bis zu 0,3 m vom tatsächlichen Wert abweichen kann. Diese Informationen sind nützlich, wenn Sie ein Sicherheitsmerkmal entwerfen, beispielsweise eine Kollisionswarnung.


4 Antworten 4

  1. Installieren Sie R-4.0.0
  2. Installieren Sie Rtools35
  3. Bearbeiten von $R_HOME/etc/x64/Makeconf (für R-4.0.0-x64)
  4. Rcmd RDCOMClient INSTALLIEREN

Riks Antwort war unglaublich hilfreich und brachte eine Version zum Laufen, aber nachdem ich einen Tag damit verbracht hatte, konnte ich sie verbessern. Ich möchte das hier einfügen, falls ich es noch einmal tun muss. Die Hauptverbesserung besteht darin, ein Arbeitspaket für 32- und 64-Bit-Architekturen erstellen zu können. Standardmäßig installiert R beide, was die Installation abhängiger Pakete erleichtert.

Die ersten beiden Schritte sind gleich:

Wenn Sie (wie ich) bereits rtools40 installiert haben, wird eine Systemumgebungsvariable namens RTOOLS40_HOME erstellt. Der erste Schritt besteht darin, dies zu ändern:

Wenn rtools40 nicht installiert ist, erstellen Sie die Systemumgebungsvariable RTOOLS40_HOME.

In den Make-Dateien sind noch zwei Änderungen erforderlich. Diese befinden sich in Ihrem R-Installationsverzeichnis.

Fügen Sie in etcx64Makeconf Unterstriche hinzu, die der Verzeichnisstruktur von rtools35 entsprechen, indem Sie diese Werte festlegen:

Machen Sie dasselbe in etci386Makeconf :

Unterlassen Sie setze BINPREF als Umgebungsvariable, oder dies überschreibt die Makefile-Änderungen (wie es RTOOLS40_HOME tut). Wenn diese abgeschlossen sind, schließen Sie mit den gleichen Schritten ab, die Rik beschrieben hat:

Öffnen Sie die Windows-Eingabeaufforderung und wechseln Sie in das Verzeichnis, das das Unterverzeichnis RDCOMClient enthält, und geben Sie Folgendes ein:

R CMD INSTALL RDCOMClient –-build RDCOMClient.zip

Dadurch wird RDCOMClient in der lokalen Installation von R-4.0.0 installiert und zusätzlich die Datei RDCOMClient_0.94-0.zip erstellt, die mit folgendem Befehl auf anderen Systemen installiert werden kann:


ModelBuilder Tool erzeugt unterschiedliche Ergebnisse, wenn die Schaltfläche Run verwendet und als Tool ausgeführt wird - Geographic Information Systems

Aufbau des MPM Online Tools

- Das MPM-Online-Tool ist ein Modellierungstool für geografische Informationssysteme (GIS) zur Modellierung der Mineralprospektivität in Nordfinnland.

- Das MPM-Online-Tool besteht aus GTK-Open-Source-Geodatendatensätzen und Fuzzy-Logik-Modellierungswerkzeugen.

- Die Eingabedaten, d. h. Raster-Layer und andere GIS-Datensätze, die zur Lokalisierung und Bewertung von Modellierungsergebnissen dienen, befinden sich auf der linken Seite des Werkzeugs unter „Layer“ (Abb. 1). Aus den geologischen GIS-Daten wie Entfernung zu Bauwerken und Bauwerksdichte werden „Derivate“ generiert. Die luftgestützten geophysikalischen Daten bestehen aus magnetisch und elektromagnetisch interpolierten Messdaten. Die geochemischen Daten werden aus den Untersuchungsdaten aus der Eiszeit interpoliert (siehe Daten für Spezifikationen). Leider kann in der aktuellen Version des MPM-Onlinetools die Histogrammdehnung der Farbskala vom Benutzer nicht durchgeführt werden.

- Die räumliche Darstellung der Input- und Output-Layer sowie anderer explorationsbezogener Datenlayer kann in der „Karte“ (Abb. 1) eingesehen werden.

- Fuzzy-Tools, d. h. die Tools „Fuzzy Membership“ und „Fuzzy Overlay“ befinden sich in der oberen rechten Ecke des MPM-Online-Tools (Abb. 1).

Abb. 1. Die Benutzerschnittstelle des Mineral Prospectivity Modeler Online Tools.

- Um ein Prospektivitätsmodell zu erstellen, werden die Eingabedaten und Fuzzy-Modellierungswerkzeuge in einem Geoverarbeitungsmodell im 'Model Builder' auf der rechten Seite des MPM-Online-Tools angeordnet (Abb. 2).

- 'Lesezeichen' unten links im MPM-Online-Tool können helfen, in einen Fokusbereich hineinzuzoomen.

Aufbau eines Mineralprospektmodells im Model Builder

- Die Eingabedaten und Fuzzy-Werkzeuge können mit der linken Maustaste gezogen und jeweils ein Datensatz oder ein Werkzeug im Model Builder abgelegt werden (Abb. 2). Das Kopieren und Einfügen der Datenellipsen und Werkzeugrechtecke ist in der aktuellen Version des MPM-Tools nicht möglich.

- Eine Rasterein- und -ausgabe kann durch Anklicken der Rasterellipse (Umrisse werden grün) und Drücken der Löschtaste auf der Tastatur entfernt werden.

- Ein Eingabe-Raster-Dataset kann mit einem Fuzzy-Mitgliedschaftswerkzeug verbunden werden, indem der Cursor auf eine Ellipse gesetzt wird, die das Eingabe-Raster darstellt (siehe Abb. 3). Wenn sich der Cursor in ein Handsymbol verwandelt, klicken Sie mit der rechten Maustaste auf die Ellipse. Halten Sie die rechte Maustaste gedrückt und bewegen Sie den Cursor auf das Tool Fuzzy-Mitgliedschaft. Lassen Sie die Maustaste los und der Eingabe-Raster-Layer und das Fuzzy-Werkzeug sollten mit einem Pfeil verbunden sein.

Abbildung 3. Verbinden Sie einen Eingabe-Layer ( ap_resistivity ) mit dem Werkzeug Fuzzy-Mitgliedschaft, indem Sie im Model Builder einen Pfeil zeichnen. Die Ausgabe der Fuzzy-Mitgliedschaft ist in diesem Beispielfall raster( 15).

- Damit das Modellierungsergebnis aussagekräftig ist, muss jeder Eingabedatensatz vor dem Fuzzy-Overlay mit dem Fuzzy-Mitgliedschaftswerkzeug transformiert werden. Die Fuzzy-Logik als eine von Experten gesteuerte maschinelle Lerntechnik wird in 'Fuzzy-Logik' beschrieben und die Details der Fuzzy-Tools unter http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/an -overlay-of-the-overlay-tools.htm

- Die Mitgliedschaft wird immer zwischen 0 und 1 skaliert. Wenn also die reale minimale Mitgliedschaft größer als 0 oder das reale Maximum kleiner als 1 ist, müssen die Mitgliedschaften mit anderen Tools, die noch nicht in der MPM-Online-Tool.

- Die Parameter des Fuzzy-Mitgliedschaftstools werden in Tabelle 1 kurz beschrieben. Weitere Informationen finden Sie unter http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/fuzzy-membership.htm und klicken Sie auf um die Spezifikationen für jede Funktion anzuzeigen.

Parameter des Fuzzy-Mitgliedschaftstools

Die Fuzzy-Zugehörigkeitstransformationsfunktion 'Large' definiert die Form der Fuzzy-Zugehörigkeitsfunktion als eine S-förmig ansteigende Funktion. Die kleinen Werte der Eingabedaten liegen nahe 0 und die großen Werte nahe 1.

Definiert die Form der Fuzzy-Zugehörigkeitsfunktion als Gaußsche Glockenfunktion. Die kleinen und großen Werte der Eingabedaten liegen nahe 0 und die Werte nahe dem Mittelpunkt nahe 1.

Die Near-Funktion ist der Gaußschen Fuzzy-Zugehörigkeitsfunktion ähnlich, außer dass die Near-Funktion eine engere Streuung hat.

Definiert die Form der Fuzzy-Zugehörigkeitsfunktion als eine S-förmig abnehmende Funktion. Die kleinen Werte der Eingabedaten liegen nahe 1 und die großen Werte nahe 0.

Definiert den Wert der Eingabedaten mit einer Fuzzy-Mitgliedschaft von 0,5. Der Standardwert des Mittelpunkts ist der Mittelwert des Datensatzes, wenn das Feld für den Mittelpunkt im Werkzeug leer gelassen wird. Der Verarbeitungsumfang wird bei der Mittelwertbildung berücksichtigt.

Definiert die Streuung einer Funktion. Für die Funktionen Large und Small reichen die Spread-Werte von 1 bis 10, für Gaussian von 0,01 bis 1 und für Near von 0,001 bis 1. Größere Werte führen zu einer steileren Verteilung vom Mittelpunkt aus.

Das Definieren einer Absicherung erhöht oder verringert die Fuzzy-Mitgliedschaftswerte, die die Bedeutung einer Fuzzy-Menge modifizieren. Hedges sind nützlich, um die Kriterien oder wichtige Attribute zu kontrollieren.

NONE - Es wird keine Absicherung angewendet. Dies ist die Standardeinstellung.

SOMEWHAT 'Bekannt als Dilatation, definiert als die Quadratwurzel der Fuzzy-Zugehörigkeitsfunktion. Diese Absicherung erhöht die Fuzzy-Zugehörigkeitsfunktionen.

SEHR - Auch als Konzentration bekannt, definiert als die quadratische Fuzzy-Zugehörigkeitsfunktion. Diese Absicherung verringert die Fuzzy-Zugehörigkeitsfunktionen.

Tabelle 1. Parameter der Fuzzy-Mitgliedschaftsfunktionen und ihre Spezifikationen.

- Um die Parameter festzulegen, kann ein Fuzzy-Mitgliedschafts-Tool durch Doppelklick auf das Fuzzy-Mitgliedschaft-Rechteck geöffnet werden. Es öffnet sich ein zusätzliches Fenster zur Angabe der Parameter (Abb. 4).

Abbildung 4. Das Fuzzy-Mitgliedschaftstool. Geben Sie den Fuzzy-Mitgliedschaftstyp, Mittelpunkt, Streuung und Absicherung an.

- Die Bestimmung des Mittelpunktes ist entscheidend für den Erfolg der Modellierung. In der aktuellen Version des MPM-Online-Tools gibt es kein Tool, um die Verteilung der Daten z.B. als Histogramm oder deskriptive Statistik neben dem Mittelwert. Wenn das Feld für den Mittelpunkt im Werkzeug Fuzzy-Mitgliedschaft leer bleibt, verwendet das Werkzeug den Mittelwert der Eingabedaten als Mittelpunkt. Dabei wird der gewählte Umfang berücksichtigt.Es ist ratsam, zuerst ein Fuzzy-Mitgliedschaftstool mit einem leeren Mittelpunktsfeld auszuführen und sich den verwendeten Mittelpunkt zu notieren, der im 'Laufenden Modell. '-Fenster und zurück zum Werkzeug aktualisiert, wenn es ursprünglich leer gelassen wurde. Auf diese Weise kennt der Benutzer den Mittelwert der Daten und kann ihn dann für die folgenden Durchläufe des Modells manuell erhöhen oder verringern.

- Verbinden Sie die Ausgabe-Raster der Fuzzy-Mitgliedschaft mit dem Werkzeug Fuzzy Overlay miteinander. Es wird davon ausgegangen, dass der Benutzer die Eingaben zwischen 0 und 1 skaliert hat, bevor er sie mit einer Fuzzy-Overlay-Funktion kombiniert. Um die Parameter festzulegen, kann das Fuzzy-Mitgliedschafts-Tool durch Doppelklick auf das Fuzzy-Overlay-Rechteck geöffnet werden. Es öffnet sich ein zusätzliches Fenster zur Angabe der Parameter (Abb. 5).

- Die Fuzzy-Overlay-Typen und ihre kurze Definition sind in Tabelle 2 angegeben.

- Um die aktiven Parameter des Werkzeugs anzuzeigen, fahren Sie mit der Maus über das Werkzeug und die QuickInfo wird geöffnet.

Gibt den Mindestwert aller Eingabe-Beweis-Raster für jede Zelle zurück.

Gibt den Maximalwert aller Eingabe-Beweis-Raster für jede Zelle zurück.

Berechnet das Produkt der Ungünstigen aller Eingabe-Raster und subtrahiert es von der Einheit für jede Zelle. Neigt zu großen Werten, wenn auch nur einer der Inputs einen großen Wert hat oder viele Inputs Zwischenwerte haben.

Berechnet das Produkt der Werte aller Eingabe-Raster für jede Zelle. Neigt zu kleinen Werten, wenn auch nur einer der Eingänge einen kleinen Wert hat oder viele Eingänge Zwischenwerte haben.

Der Typ GAMMA wird normalerweise verwendet, um grundlegendere Daten zu kombinieren. Wenn Gamma 1 ist, entspricht das Ergebnis der Fuzzy-SUMME. Bei 0 entspricht das Ergebnis dem Fuzzy-PRODUKT. Mit Werten zwischen 0 und 1 können Sie Beweise kombinieren, um Ergebnisse zwischen den beiden Extremen zu erzielen, die durch Fuzzy-UND oder Fuzzy-OR festgelegt wurden.

Tabelle 2. Parameter der Fuzzy-Overlay-Funktionen mit einer kurzen Erklärung. Bearbeitet von http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/fuzzy-overlay.htm.

Abbildung 4. Das Fuzzy-Mitgliedschaftstool. Geben Sie den Fuzzy-Mitgliedschaftstyp, Mittelpunkt, Streuung und Absicherung an.

- Die Bestimmung des Mittelpunktes ist entscheidend für den Erfolg der Modellierung. In der aktuellen Version des MPM-Online-Tools gibt es kein Tool, um die Verteilung der Daten z.B. als Histogramm oder deskriptive Statistik neben dem Mittelwert. Wenn das Feld für den Mittelpunkt im Werkzeug Fuzzy-Mitgliedschaft leer bleibt, verwendet das Werkzeug den Mittelwert der Eingabedaten als Mittelpunkt. Dabei wird der gewählte Umfang berücksichtigt. Es ist ratsam, zuerst ein Fuzzy-Mitgliedschaftstool mit einem leeren Mittelpunktsfeld auszuführen und sich den verwendeten Mittelpunkt zu notieren, der im 'Laufenden Modell. '-Fenster und zurück zum Werkzeug aktualisiert, wenn es ursprünglich leer gelassen wurde. Auf diese Weise kennt der Benutzer den Mittelwert der Daten und kann ihn dann für die folgenden Durchläufe des Modells manuell erhöhen oder verringern.

- Verbinden Sie die Ausgabe-Raster der Fuzzy-Mitgliedschaft mit dem Werkzeug Fuzzy Overlay miteinander. Es wird davon ausgegangen, dass der Benutzer die Eingaben zwischen 0 und 1 skaliert hat, bevor er sie mit einer Fuzzy-Overlay-Funktion kombiniert. Um die Parameter festzulegen, kann das Fuzzy-Mitgliedschafts-Tool durch Doppelklick auf das Fuzzy-Overlay-Rechteck geöffnet werden. Es öffnet sich ein zusätzliches Fenster zur Angabe der Parameter (Abb. 5).

- Die Fuzzy-Overlay-Typen und ihre kurze Definition sind in Tabelle 2 angegeben.

- Um die aktiven Parameter des Werkzeugs anzuzeigen, fahren Sie mit der Maus über das Werkzeug und die QuickInfo wird geöffnet.

Gibt den Mindestwert aller Eingabe-Beweis-Raster für jede Zelle zurück.

Gibt den Maximalwert aller Eingabe-Beweis-Raster für jede Zelle zurück.

Berechnet das Produkt der Ungünstigen aller Eingabe-Raster und subtrahiert es von der Einheit für jede Zelle. Neigt zu großen Werten, wenn auch nur einer der Inputs einen großen Wert hat oder viele Inputs Zwischenwerte haben.

Berechnet das Produkt der Werte aller Eingabe-Raster für jede Zelle. Neigt zu kleinen Werten, wenn auch nur einer der Eingänge einen kleinen Wert hat oder viele Eingänge Zwischenwerte haben.

Der Typ GAMMA wird normalerweise verwendet, um grundlegendere Daten zu kombinieren. Wenn Gamma 1 ist, entspricht das Ergebnis der Fuzzy-SUMME. Bei 0 entspricht das Ergebnis dem Fuzzy-PRODUKT. Mit Werten zwischen 0 und 1 können Sie Beweise kombinieren, um Ergebnisse zwischen den beiden Extremen zu erzielen, die durch Fuzzy-UND oder Fuzzy-OR festgelegt wurden.

Tabelle 2. Parameter der Fuzzy-Overlay-Funktionen mit einer kurzen Erklärung. Bearbeitet von http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/fuzzy-overlay.htm.

Abbildung 5. Das Fuzzy-Overlay-Tool. Geben Sie den Fuzzy-Overlay-Typ und den Gamma-Wert an (Standard: 0,9).

Angabe des Verarbeitungsumfangs

- Der standardmäßige Verarbeitungsumfang des MPM-Online-Tools ist Nordfinnland.

- Auf der Karte kann ein kleineres Rechteck für den Bearbeitungsumfang gezeichnet werden. Bei komplexen Modellen kann dies vorzuziehen sein, um die Bearbeitungszeit zu begrenzen. Das Ausdehnungsrechteck kann mit einem Rechteck-Tool (Abb. 5) unter " ModelBuilder " auf der linken Seite des MPM-Online-Tools (Abb. 1) gezeichnet werden. Nachdem Sie das Werkzeug ausgewählt haben, zeichnen Sie einen Bereich auf der Karte, indem Sie mit der linken Maustaste in eine Ecke der Ausdehnung klicken, die Maus gedrückt halten und in der gegenüberliegenden Ecke der Ausdehnung loslassen.

Abbildung 6. Das Model Builder-Tool. Geben Sie den Bearbeitungsumfang mit dem Rechteckwerkzeug und die bekannten Ablagerungen und die modellierte Ablagerungsart unter "Schicht für Abtastpunkte auswählen" an.

- Wählen Sie den modellierten Lagerstättentyp unter "Schicht für Probenpunkte auswählen". Die Auswahl des Ablagerungstyps erfolgt nur für die Modellvalidierung mit Receiver Operating Characteristics (ROC)-Kurven und ihrem Wert unter der Flächenkurve (AUC) (Erklärung siehe FUZZY LOGIC). Die Daten liegen im Vektorpunktdateiformat vor und stammen aus der GTK "Minerallagerstättendatenbank". Wählen Sie Keine, wenn Sie Ihr Modell nicht mit dem ROC-Tool validieren möchten. Natürlich wird die Genauigkeit des Modells basierend auf dieser Auswahl validiert, unabhängig davon, welche Raster-Eingaben Sie für das Modell ausgewählt haben.

- Wenn das Geoverarbeitungsmodell im Model Builder fertig ist, die Verarbeitungsausdehnung auf der Karte eingezeichnet und der gewählte Lagerstättentyp ausgewählt ist, kann das Modell durch Drücken der Schaltfläche Modell ausführen im MPM-Online-Tool (Abb. 6) ausgeführt werden.

- Das Modell wird validiert und die laufende Reihenfolge wird bestimmt, indem eine topologische Sortierung über Werkzeugknoten im Diagramm durchgeführt wird. Dadurch wird sichergestellt, dass das Modell in der richtigen Reihenfolge ausgeführt wird.

- Wenn das Modell läuft, wird automatisch ein Informationsfenster "Running model." über dem Browser geöffnet.

- Alle Eingabe-Raster im Modell müssen mit einem Werkzeug verbunden sein, sonst erscheint eine Warnung im laufenden Modell. Fenster und Modell werden nicht mehr ausgeführt.

- Beim Ausführen des Modells blinkt das Fuzzy-Tool rot. Wenn die Berechnung abgeschlossen ist, wird sie grün und zeigt das AUC-Feld neben den Rechtecken für Fuzzy-Mitgliedschaft oder Fuzzy-Overlay an.

- Ausgabe-Layer der Rasteranalyse werden im Model Builder angezeigt, wenn jeder Schritt des Modells abgeschlossen ist. Für Fuzzy-Mitgliedschaften und Fuzzy-Overlay-Ausgaben wird ein Layer zur Ansicht generiert.

- Bei laufendem Modell wird die Modellqualität für jeden Input separat mit ROC-Kurven bewertet. Die AUC der ROC-Kurve wird nach jeder Fuzzy-Mitgliedschaft und jedem Fuzzy-Overlay-Schritt des Modells in einem Kästchen angegeben. Die ROC-Kurve kann durch Klicken auf das neben den Fuzzy-Tools im Model Builder erscheinende AUC-Feld angezeigt werden (Abb. 7).

- Das AUC-Feld erscheint grün, wenn AUC >0,5 und rot, wenn AUC <0,5 (Abb. 7).

- Das Laufmodell. Informationsfenster informiert Sie, wenn die Modellbearbeitung abgeschlossen ist. Drücken Sie "Schließen", um das Fenster zu verlassen.

Abbildung 7. Ein beispielhaftes Fuzzy-Logik-Modell für orogene Goldlagerstätten.

- Ein Ausgabe-Layer wird im ModelBuilder unter einem Gruppen-Layer angezeigt.

- Sie können die erstellten Modellausgabe-Layer aus dem ModelBuilder entfernen und mit der Schaltfläche Geoverarbeitungs-Raster löschen im ModelBuilder zuordnen. Das Modell muss erneut ausgeführt werden, um die Ausgaben neu zu erstellen.

- Standardmäßig wird die Regenbogen-Farbpalette (Rot-Gelb-Grün-Blau) mit Percent Clip (1%) Histogramm-Stretching verwendet. Leider kann in der aktuellen Version des MPM-Onlinetools die Histogrammdehnung bzw. Klassifizierung der Farben nicht vom Benutzer durchgeführt werden.

- Wenn Sie das Modell erneut ausführen, erscheinen die neuen Ausgabe-Layer unter einem neuen Gruppen-Layer. Die neuen Ausgabe-Layer in den Raster-Analyse-Layern haben dieselben Layer-Namen wie in den vorherigen Läufen des Modells. Wenn Sie Modelle vergleichen möchten, müssen Sie vorsichtig sein und sich selbst notieren, wie sich die Versionen der Modelleingaben und Parameter in verschiedenen Modellläufen unterscheiden.

- Die Schaltfläche Neues Modell entfernt das aktuelle Modell aus dem MPM-Online-Tool und öffnet ein neues leeres Modellerstellungsfenster. Das alte Modell wird nicht gespeichert. Drücken Sie die Taste nicht, es sei denn, Sie möchten ein komplett neues Modell von Grund auf neu erstellen.

Visuelle Bewertung der Modellausgaben

- Die endgültigen Ergebnisse des Modells können in der Karte angezeigt und mit Hintergrunddaten von GTK und anderen Quellen überlagert werden.

- Die Minimal- und Maximalwerte der Ausgaben sind unter Layers> Layername> Selite ersichtlich.


Abstrakt

Die Entwicklung von Raumplanungs- und Managementansätzen ist erforderlich, um den verfügbaren Platz für die Aquakulturproduktion zu vergrößern und den weltweit steigenden Bedarf an Nahrungsressourcen zu unterstützen. Im Rahmen eines von der EU finanzierten Projekts wurde in einer umfangreichen Konsultation hervorgehoben, dass die Einbeziehung der Interessenträger eine Notwendigkeit für eine erfolgreiche Planung ist und ein kontinuierlicher Prozess als Teil der Entwicklung eines Entscheidungsfindungsinstruments sein muss. In dieser Studie präsentieren wir ein Entscheidungsunterstützungstool, das auf einer webbasierten dynamischen Schnittstelle zu geografischen Informationssystemen basiert und den Zugang zu Informationen in Bezug auf Standortauswahl, Umweltinteraktionen und Management in der Aquakultur erleichtert. Es ist vom AkvaVis-Konzept abgeleitet und verwendet interaktive Funktionen, die die Ergebnisse der vom Benutzer gewählten räumlichen Parameter sofort anzeigen. Wir haben das Tool für den Einsatz in vier Fallstudien angepasst, die sich mit sehr unterschiedlichen Maßstäben der Aquakultur und Fragen im Zusammenhang mit der Aquakultur in vier verschiedenen Ländern befassen. Die Stärken unserer Tools liegen in ihrer Fähigkeit, Geodaten aus unterschiedlichen Quellen transparent zu verwalten und darzustellen, in der Fähigkeit, eine Reihe von integrierten Indikatoren zu verwenden und anzuzeigen, und in dem langfristigen Entwicklungspotenzial, das durch die Wartung ermöglicht wird Strategie der Tools, Services und Datendepots. Konsultationen und Meetings lieferten einen genauen Überblick über die Erwartungen der Stakeholder sowie Feedback zur Entwicklung und Anwendbarkeit des Tools und trugen so dazu bei, dass das Tool die Voraussetzung für operative Entscheidungstools erfüllt.


Clients kommunizieren im Namen des Geräts mit Workspace ONE UEM. Es gibt zwei primäre Management-Clients:

Die Clients dienen ihren eigenen, unterschiedlichen Zwecken und verlassen sich auf verschiedene Dienste, um eine Echtzeitkommunikation mit Workspace ONE UEM herzustellen. Die folgende Tabelle vergleicht sie genauer.

  • Gerätekommunikation
  • Geräteregistrierung
  • Profilkonfiguration mit Microsoft CSPs
  • Bereitstellung von Softwareverteilungsmetadaten mit VMware CSPs
  • Profilkonfiguration
  • Durchsetzung lokaler Richtlinien
  • Sensoren, Skripte und Workflows
  • Basislinien
  • Einheitlicher App-Katalog
  • Hub-Dienste
  • Produktbereitstellung

Server-Manager wird standardmäßig mit allen Editionen von Windows Server 2012 R2 und Windows Server 2012 installiert. Für den Server-Manager bestehen keine zusätzlichen Hardwareanforderungen.

Server-Manager wird standardmäßig mit allen Editionen von Windows Server 2012 installiert. Obwohl Sie Server-Manager verwenden können, um Server Core-Installationsoptionen von Windows Server 2012 und Windows Server 2008 R2 zu verwalten, die auf Remotecomputern ausgeführt werden, wird Server-Manager nicht direkt auf Server ausgeführt Optionen für die Kerninstallation.

Um Remoteserver, auf denen Windows Server 2008 oder Windows Server 2008 R2 ausgeführt wird, vollständig zu verwalten, installieren Sie die folgenden Updates in der angezeigten Reihenfolge auf den Servern, die Sie verwalten möchten.

Um Server mit Windows Server 2012, Windows Server 2008 R2 oder Windows Server 2008 mithilfe des Server-Managers in Windows Server 2012 R2 zu verwalten, wenden Sie die folgenden Updates auf die älteren Betriebssysteme an.

Windows-Verwaltungsframework 4.0. Das Downloadpaket von Windows Management Framework 4.0 aktualisiert WMI-Anbieter (Windows Management Instrumentation) auf Windows Server 2012, Windows Server 2008 R2 und Windows Server 2008. Mit den aktualisierten WMI-Anbietern kann der Server-Manager Informationen zu Rollen und Features sammeln, die auf den verwalteten Servern installiert sind . Bis zum Anwenden des Updates haben Server, auf denen Windows Server 2012, Windows Server 2008 R2 oder Windows Server 2008 ausgeführt wird, einen Verwaltungsstatus von Nicht zugänglich.

Das dem Knowledge Base-Artikel 2682011 zugeordnete Leistungsupdate ermöglicht dem Server-Manager das Sammeln von Leistungsdaten von Windows Server 2008 und Windows Server 2008 R2. Dieses Leistungsupdate ist auf Servern mit Windows Server 2012 nicht erforderlich.

Um Server zu verwalten, auf denen Windows Server 2008 R2 oder Windows Server 2008 ausgeführt wird, wenden Sie die folgenden Updates auf die älteren Betriebssysteme an.

Windows Management Framework 3.0 Das Windows Management Framework 3.0-Downloadpaket aktualisiert WMI-Anbieter (Windows Management Instrumentation) auf Windows Server 2008 und Windows Server 2008 R2. Die aktualisierten WMI-Anbieter ermöglichen dem Server-Manager das Sammeln von Informationen zu Rollen und Features, die auf den verwalteten Servern installiert sind. Bis zum Anwenden des Updates haben Server, auf denen Windows Server 2008 oder Windows Server 2008 R2 ausgeführt wird, einen Verwaltungsstatus von Nicht zugänglich – Überprüfen Sie, ob frühere Versionen Windows Management Framework 3.0 ausführen.

Das dem Knowledge Base-Artikel 2682011 zugeordnete Leistungsupdate ermöglicht dem Server-Manager das Sammeln von Leistungsdaten von Windows Server 2008 und Windows Server 2008 R2.

Server-Manager wird in der minimalen grafischen Serverschnittstelle ausgeführt, dh wenn das Feature Server Graphical Shell deinstalliert wurde. Das Feature Server Graphical Shell wird standardmäßig auf Windows Server 2012 R2 und Windows Server 2012 installiert. Wenn Sie Server Graphical Shell deinstallieren, wird die Server-Manager-Konsole ausgeführt, aber einige Anwendungen oder Tools, die über die Konsole verfügbar sind, sind nicht verfügbar. Internetbrowser können ohne Server Graphical Shell nicht ausgeführt werden, sodass Webseiten und Anwendungen wie die HTML-Hilfe (z. B. die MMC F1-Hilfe) nicht geöffnet werden können. Sie können keine Dialogfelder zum Konfigurieren der automatischen Windows-Aktualisierung und des Feedbacks öffnen, wenn die grafische Servershell nicht installiert ist. Befehle, die diese Dialogfelder in der Server-Manager-Konsole öffnen, werden zur Ausführung umgeleitet sconfig.cmd.