أكثر

لماذا تختلف REST LOD (المقاييس) عن XML قدرات WMTS

لماذا تختلف REST LOD (المقاييس) عن XML قدرات WMTS


لدي خريطة ويب ArcGIS منشورة داخليًا. يبلغ مستوى التفاصيل (LOD) الباقي عن رقم مختلف لإمكانيات WMTS XML. تحققت من بعض الخدمات العامة ووجدت نفس الشيء بالضبط ...

لماذا هذه الأرقام مختلفة. ماذا ينقصني؟

REST MapServer: USGS Topo MapServer

WMTS XML: USGS Topo MapServer WMTS XML

وما يليها


إنها DPI. لاحظ أنه تم الإبلاغ عن 96 لخدمة REST ولكن من المفترض أن تكون 90.7 لـ WMTS. انظر السؤال ذي الصلة الرياضيات وراء تحويل المقياس إلى القرار ؟.


التجارب التي تستخدم تقنيات الويب الدلالية لربط بوابات بيانات IUGONET و ESPAS و GFZ ISDC

تلعب العلوم الإلكترونية على الويب دورًا مهمًا وتوفر أكثر التقنيات تقدمًا لتكامل أنظمة البيانات. كما أنه يوفر بيانات للبحث عن جوانب أكثر وأكثر تعقيدًا لنظام الأرض وما بعده. إن العدد الكبير من مشاريع العلوم الإلكترونية التي أسسها الاتحاد الأوروبي (EU) ، والجهود اليابانية التي تقودها الجامعات في مجال خدمات البيانات والتطورات المؤسسية الراسخة لتعزيز إدارة البيانات المستدامة في ألمانيا هي دليل على أهمية وقبول تطبيقات العلوم الإلكترونية أو الفضاء الإلكتروني كأداة مهمة للعمل العلمي الناجح. تركز هذه الورقة على أنشطة التعاون المتعلقة بأنظمة بيانات علوم الفضاء القريبة من الأرض والنتائج الأولى في مجال علم المعلومات بين المشروع الممول من الاتحاد الأوروبي ESPAS ، ومشروع IUGONET الياباني وأنشطة البحث والتطوير القائمة على GFZ ISDC. الهدف الرئيسي من التعاون هو استخدام نهج الويب الدلالي لمزج أنظمة البيانات ذات الصلة بالمشروع والتي لا تعمل حتى الآن. يتم تناول كل من تطوير واستخدام المفردات المحددة و / أو المدمجة الجغرافية وعلوم الفضاء التي يتم التحكم فيها وربط الكيانات في نموذج بيانات المجال المستند إلى علم الوجود. سيتم نشر المفردات المضبوطة المطورة لوصف البيانات الجغرافية وعلوم الفضاء ومعلومات السياق ذات الصلة بالإضافة إلى علم أصول المجال نفسه مع مجالها والعلاقات عبر المجالات في البيانات المفتوحة المرتبطة.

المزج الدلالي المستند إلى الويب للأرض وعلوم الفضاء المتعلقة بأنظمة بيانات IUGONET اليابانية و ESPAS و ESPAS و GFZ ISDC.


خدمات الخرائط المُستضافة بواسطة ArcGIS Online و Portal for ArcGIS

يمكن لخدمات الخريطة المُستضافة بواسطة ArcGIS Online أو Portal for ArcGIS إرجاع المربعات فقط من ذاكرة التخزين المؤقت للخادم ولا يمكنهم رسم الصور ديناميكيًا ، ولا تسمح بالاستعلام عن المعالم الفردية الموجودة خلف الخريطة. يمكنك دعم الاستعلامات والنوافذ المنبثقة المعلوماتية في تطبيقاتك باستخدام خدمات المعالم جنبًا إلى جنب مع خدمات الخرائط الخاصة بك.

وفقًا لذلك ، لا تنطبق بعض الموارد والعمليات والخصائص المذكورة في هذا القسم من الوثائق على خدمات الخريطة المستضافة بواسطة ArcGIS Online أو Portal for ArcGIS.


نتائج

لتسهيل تحليلاتنا ، قمنا ببناء أول تجميع للجينوم المرجعي لـ Coelopa frigida باستخدام مزيج من التسلسل طويل القراءة (PacBio) والقراءات المرتبطة من تقنية 10xGenomics. سمحت لنا خريطة ربط عالية الكثافة (28639 علامة تفصل عبر 6 مجموعات ربط) بتثبيت وتوجيه أكثر من 81٪ من الجينوم إلى 5 كروموسومات كبيرة (LG1 إلى LG5) وكروموسوم جنسي صغير واحد (LG6). كان هذا النمط النووي متسقًا مع العمل الخلوي السابق على C. frigida (عزيز 1975) ومع عناصر مولر الستة (أ=LG4 ، ب=LG5 ، ج=LG2 ، د=LG3 ، إي=LG1، F=LG6، الشكل S1) ، والتي يتم حفظها عادة في Diptera (Vicoso and Bachtrog 2015 Schaeffer 2018). تضمن التجميع النهائي 6 كروموسومات و 1،832 سقالة غير مثبتة مع N50 من 37.7 ميجا بايت لحجم جينوم إجمالي يبلغ 239.7 ميجا بايت. كان لهذا المرجع مستوى عالٍ من الاكتمال ، حيث تم تجميع 96٪ (ميتازوان) و 92٪ (مفصليات الأرجل) من جينات تقويم العظام أحادية النسخة الشاملة بالكامل. تم شرحه بنسخة كاملة للغاية (87 ٪ BUSCOs كاملة في المفصليات) بناءً على تسلسل الحمض النووي الريبي للعديد من المراحل الجينية بما في ذلك 35،999 نسخة.

لتحليل التباين الجينومي على نطاق السكان ، استخدمنا تغطية منخفضة (

1.4X) تسلسل الجينوم الكامل لـ 1446 ذبابة من 16 موقعًا على طول ساحل المحيط الأطلسي لأمريكا الشمالية (88-94 ذبابة بالغة / موقع). امتدت المواقع التي تم أخذ عينات منها على انحدار من الشمال إلى الجنوب يبلغ 1500 كيلومتر ، وأكثر من 10 درجات من خط العرض ، وتدرج ملوحة واضح في مصب سانت لورانس ، ومجموعة من الموائل ذات التركيبة المتغيرة للأعشاب البحرية وخصائص قاع التكسير (الشكل 1 ، الجدول S1). بعد محاذاة 1446 فردًا متسلسلًا مع الجينوم المرجعي ، قمنا بتحليل التباين الجيني ضمن إطار احتمالي يمثل التغطية المنخفضة (ANGSD ، Korneliussen وآخرون. 2014) وأبلغنا عن 2.83 مليون تعدد أشكال النوكليوتيدات المفردة (SNPs) مع ترددات أليلية طفيفة أعلى من 5 ٪ لتحليلات التمايز.

اثنين من الانقلابات الكروموسومية كبيرة هيكل التباين الجيني داخل النوع

كشفت احتمالات النمط الجيني المتحلل للنماذج الجينية من خلال تحليل المكون الرئيسي (PCA) أن المكونين الرئيسيين الأول والثاني (PCs) يحتويان على جزء كبير من التباين الجيني ، على التوالي 21.6٪ و 3.9٪ ، وسمح لنا بعرض 1446 ذبابة على أنها 9 مجموعات منفصلة (الشكل 2 أ). على طول PC1 ، تتوافق المجموعات الثلاث مع ثلاثة أنماط وراثية للانعكاس سي اف-انف (1) (αα ، αβ ،) ، على النحو المحدد باستخدام اثنين من تعدد الأشكال التشخيصي (Mérot وآخرون. 2018) مع توافق 100 ٪ و 98.3 ٪ على التوالي (الجدول S2). على طول PC2 ، تم تحديد ثلاث مجموعات متميزة لا تتوافق مع الجنس ولا الأصول الجغرافية ، وبالتالي ربما تمثل ثلاثة أنماط وراثية لانقلاب متعدد الأشكال آخر.

(أ) تحليل المكون الرئيسي (PCA) لتغير الجينوم الكامل. يتم تلوين الأفراد بواسطة الأنماط النووية عند الانعكاس سي اف-انف (1)، كما تم تحديده مسبقًا باستخدام علامة SNP (Mérot et al. 2018). تشير القطع الناقصة إلى تجميع ثانوي على طول PC2. (ب) اختلال التوازن (LD) في LG1 و LG4. تشمل المثلثات العلوية جميع الأفراد وتشمل المثلثات السفلية متجانسات النوى للترتيب الأكثر شيوعًا لكل انعكاس. تمثل القضبان موضع الانقلابات. يُظهر مقياس اللون النسبة المئوية الأعلى الثانية لقيمة R 2 بين SNPs التي تلخصها النوافذ البالغة 250 كيلو بايت (ج) على طول الجينوم ، تم إجراء الارتباط بين درجات PC1 من PCAs المحلية على نوافذ 100 SNPs وعشرات PC1 من PCA على الجينوم الكامل Fشارع التمايز بين نمطي نوى سي اف-انف (1) في النوافذ المنزلقة من 25 كيلو بايت وتنوع النوكليوتيدات () ضمن المجموعات النمطية الثلاث لـ سي اف-انف (1) سلاسة من أجل التصور. تمثل الخطوط المتقطعة الحدود المستنتجة للانعكاس سي اف-انف (1) (د) الارتباط بين درجات PC1 من PCA المحلية التي تم إجراؤها على نوافذ 100 SNPs و PC2 عشرات من PCA التي تم إجراؤها على تمايز الجينوم الكامل FST بين نمطين متماثلان لـ CF-Inv (4.1) في النوافذ المنزلقة من 25 كيلو بايت وتنوع النوكليوتيدات () ضمن المجموعات النمطية الثلاث لـ CF-Inv (4.1) سلاسة من أجل التصور. تمثل الخطوط المتقطعة الحدود المستنتجة للانعكاس CF-Inv (4.1).

لتقييم مناطق الجينوم التي عكست الأنماط التي لوحظت في PCA الكامل للجينوم ، أجرينا PCA محليًا على نوافذ 100 SNPs على طول كل كروموسوم وقمنا بتقييم العلاقة بين درجات PC1 لكل PCA محلي وعشرات أجهزة الكمبيوتر من PCA العالمي (الشكل. 2 ج). كان PC1 مرتبطًا ارتباطًا وثيقًا بمنطقة 25.1 ميجا بايت على LG 1 ، مما يشير إلى الموقع الجيني للكبير سي اف-انف (1) انعكاس (الجدول 1). كان PC2 مرتبطًا بشكل كبير بمنطقة أصغر تبلغ 6.9 ميجا بايت على LG4 ​​(الشكل 2D) ، بما يتفق مع فرضية الانعكاس ، والتي يُطلق عليها فيما بعد CF-Inv (4.1). كانت العديد من الخصائص الأخرى متوافقة مع الفرضية القائلة بأن هاتين المنطقتين عبارة عن انقلاب. أولاً ، داخل هذه المناطق ، كان اختلال التوازن (LD) مرتفعًا جدًا عند النظر إلى جميع الأفراد ، ولكنه منخفض داخل كل مجموعة من الأنماط متجانسة النواة (الشكل 2 ب). يشير هذا إلى أن إعادة التركيب محدودة بين الترتيبات ولكنها تحدث بحرية في الأنماط المتجانسة التي تحمل نفس الترتيب. ثانيًا ، Fشارع كانت عالية جدًا بين متجانسات النوى في المنطقة المقلوبة (سي اف-انف (1) αα مقابل ββ: 0.75 ، CF-Inv (4.1) AA مقابل BB: 0.51 ، الشكل 2C) مقارنة بالقيم المنخفضة في بقية الجينوم (سي اف-انف (1) αα مقابل: 0.002 ، CF-Inv (4.1) AA مقابل BB: 0.001 ، الشكل 2D). ثالثًا ، تميزت المجموعة الوسيطة على PCA بنسبة أعلى من متغاير الزيجوت المرصودة لـ SNPs في المنطقة المقلوبة من المجموعات المتطرفة ، مما يؤكد أن هذه ربما تكون المجموعة غير المتجانسة (الشكل S2).

بالنسبة للانقلابات المفترضة ، فإن الاختلاف المطلق للنيوكليوتيدات (دس ص) في المناطق غير المشفرة بين مجموعات النمط المتماثل ، وتم تصحيحه بمتوسط ​​تنوع النوكليوتيدات (π) داخل مجموعات النمط المتماثل للنمط بواسطة نوافذ تبلغ 25 كيلو بايت. تشير الأرقام بين الأقواس المربعة إلى فواصل الثقة المرسومة بواسطة نوافذ تمهيدية بحجم 25 كيلو بايت.

كان تنوع النوكليوتيدات ، كما تم قياسه بواسطة ، مشابهًا بين مجموعات النمط النووي على طول الجينوم ، وأعلى في الأنماط غير المتجانسة مقارنة بالأنماط المتجانسة في المناطق المقلوبة (الشكل 2C-D). لكلا الانقلابين ، كان تنوع النوكليوتيدات قابلاً للمقارنة بين متجانسات النوى. كان الاختلاف المطلق في النوكليوتيدات بين الترتيبات قوياً في المناطق المقلوبة (الجدول 1 ، الشكل S3). بافتراض معدل تحور مماثل ل ذبابة الفاكهة (5 × 10 9 طفرات لكل قاعدة لكل جيل (Assaf et al. 2017)) ، وما يقرب من 5 إلى 10 أجيال سنويًا ، وبالتالي قدرنا ، من الاختلاف المطلق في المناطق غير المشفرة ، أن الترتيبات انقسمت على الأقل 180،000 إلى 376،000 منذ سنوات سي اف-انف (1) وما لا يقل عن 61000 إلى 134000 سنة مضت من أجل CF-Inv (4.1).

C. frigida تعرض مناطق أخرى بما في ذلك الكتل الفردية غير المعاد توحيدها

لمزيد من فحص عدم تجانس البنية الجينية على طول الجينوم ، قمنا بإعادة تحليل PCA المحلية باستخدام طريقة تعتمد على القياس متعدد الأبعاد (MDS) الذي يحدد مجموعات نوافذ PCA التي تعرض نمطًا شائعًا. تم استخدام هذه الطريقة سابقًا لتحديد الكتل الفردية غير المعاد تجميعها وتحديد موقعها (Li and Ralph 2019 Huang et al. 2020 Todesco et al. 2020). إلى جانب ما سبق ذكره سي اف-انف (1) و CF-Inv (4.1) الانقلابات ، التي تسببت في المحور الأول والثاني من MDS ، حددنا خمس مناطق جينومية خارجية عبر محاور MDS المختلفة (الشكل 3 ، الشكل S4). في جميع المناطق الخمس ، تم تسجيل نسبة كبيرة من التباين على طول الكمبيوتر الشخصي الأول (& gt50٪) ، وكان عدم توازن الارتباط مرتفعًا (الشكل 3 أ).

(أ) LD عبر الكروموسومات الخمسة الرئيسية معبرًا عنها على أنها النسبة المئوية الثانية الأعلى لقيمة R 2 بين SNPs التي تم تلخيصها بواسطة نوافذ 1Mb. (ب) معدل إعادة التركيب (في cM / Mb) المستنتج من خريطة الربط ، تم تنعيمه بوظيفة اللوس التي تمثل 10٪ من العلامات. (ج) تنوع النوكليوتيدات (π) عن طريق نوافذ منزلقة تبلغ 100 كيلو بايت (الخطوة 20 كيلو بايت) متوسطها عبر مجموعات سكانية جغرافية مختلفة. (د) الموضع على طول جينوم مجموعات نوافذ PCA المحلية التي تم تسجيلها على أنها قيم متطرفة (& gt4sd) على طول كل محور من MDS ، في الطرف العلوي باللون الأسود ، والطرف السفلي باللون الرمادي. تشير المستطيلات الملونة إلى موضع الانقلابات ومناطق الاهتمام التي تجمع المجموعات الخارجية أو الانقلابات المفترضة. تمثل الخطوط المتقطعة حدودها المستنتجة عبر جميع المؤامرات. (هـ) تم إجراء PCA على SNPs داخل كل منطقة من مناطق الاهتمام. بالنسبة لمنطقتين على LG4 ​​تظهران على أنهما انقلابان مفترضان مرتبطانCF-Inv (4.2) و CF-Inv (4.3)) ، تم تحديد ثلاث مجموعات بثقة عالية وتم تلوينها على أنها متجانسة نوى مفترضة وغير متجانسة. يتم استخدام نفس الألوان في كلتا المنطقتين لأن التنميط النووي كان متسقًا عبر جميع الأفراد.

تمثل منطقتان على LG4 ​​انعكاسات افتراضية مقنعة تبلغ 2.7 ميجابايت و 1.4 ميجابايت على التوالي. في كلتا المنطقتين ، أظهر PCA ثلاث مجموعات من الأفراد مع ثقة عالية في التجميع ، احتوت المجموعة المركزية على نسبة عالية من متغاير الزيجوت وتم تمييز المجموعات المتطرفة (الشكل 3E ، الشكل S5). داخل هاتين المنطقتين ، كان تنوع النوكليوتيدات قابلاً للمقارنة بين مجموعات هابلوغروبس والتباعد المطلق (د.س ص) بين الأنماط متجانسة النواة كان أقل من ل سي اف-انف (1) و CF-Inv (4.1)، مما يشير إلى الانقلابات الشابة التي كان من الممكن أن تكون قد تباعدت مؤخرًا منذ 6000 إلى 68000 عام. كان تخصيص النمط النووي هو نفسه بين الانقلابين المفترضين ، مما يشير إلى أنهما إما مرتبطان بإحكام أو ينتميان إلى انعكاس واحد. يدعم سطرين من الأدلة الفرضية القائلة بأن هذين انعكاسين. أولاً ، وفرت الكثافة العالية لعلامات خريطة الارتباط ومعدل إعادة التركيب غير الفارغ عبر هذه المنطقة البالغة 50 سم الثقة في تجميع الجينوم ودعمت فجوة تبلغ 5 ميجا بايت بين الانقلابين. علاوة على ذلك ، أظهرت الأعمال الوراثية الخلوية السابقة أن كروموسوم واحد من C. frigida يُظهر انعكاسًا متعدد الأشكال على ذراع واحدة (ربما CF-Inv (4.1)) ومن ناحية أخرى ، هناك انقلابان متعدد الأشكال نادراً ما يتحدان (عزيز 1975). تم لاحقًا تحليل كلا الانقلابين معًا واستدعائهما CF-Inv (4.2) و CF-Inv (4.3).

تمثل المناطق الثلاث الأخرى ، التي تمتد 6.8 ميجا بايت على LG2 ، و 6.3 ميجا بايت على LG3 و 16.7 ميجا بايت على LG5 ، مناطق معقدة تتصرف بشكل مختلف عن بقية الجينوم. تم تقليل إعادة التركيب محليًا ، سواء في خريطة الربط أو في التجمعات البرية ، كما يتضح من عدم توازن الارتباط القوي (الشكل 3 أ-ب). كانت هذه المناطق الثلاث جميعها غير متجانسة للغاية داخل كل منطقة ، وأظهر تنوع النيوكليوتيدات نمطًا شديد التباين عبر المناطق الفرعية (الشكل 3 ج). أظهر جزء من هذه المناطق الفرعية تنوعًا منخفضًا من النوكليوتيدات ، والذي قد يتوافق مع المناطق المركزية أو المحيطية المركزية (الشكل 3C ، الشكل S6) ، فضلاً عن كثافة عالية من العناصر القابلة للنقل ، مثل LINEs أو LTRs (الشكل S7). ومع ذلك ، فإن هذه المناطق الفرعية منخفضة التنوع تتخللها مناطق فرعية ذات تنوع عالٍ ، لا سيما في LG5 (الشكل 3C). تتوافق بعض هذه المناطق الفرعية عالية التنوع أيضًا مع مجموعات النوافذ الخارجية في تحليل PCA المحلي وظهرت ككتل نمطية غير معاد تجميعها ذات حجم متوسط ​​(1 ميجا بايت -2 ميجا بايت) في LD الجزئي (الشكل S8-S10). في حالة عدم وجود مزيد من المعلومات حول الآليات الكامنة وراء انخفاض إعادة التركيب ، فإننا نعتبر تلك المناطق الثلاث من الجينوم مجرد "مناطق إعادة اتحاد منخفضة" (تسمى فيما بعد Cf-Lrr (2) ، Cf-Lrr (3) ، CF-Lrr (5)). وفقًا لذلك ، فإن جزء الجينوم الذي يُطلق عليه لاحقًا "خطي خطي" استبعد كل من هذه المناطق والانعكاسات (Cf-Inv (1) ، Cf-Inv (4.1) ، Cf-Inv (4.2)، و CF-Inv (4.3)).

يُظهر الهيكل الجغرافي إشارات مميزة في مناطق إعادة الاتحاد المقلوبة والمنخفضة

لعبت الجغرافيا أيضًا دورًا رئيسيًا في هيكلة التباين الجيني. يمثل الكمبيوتر الشخصي الثالث لدينا ، والذي أوضح 1.4٪ من التباين ، التباين الجيني على طول التدرج بين الشمال والجنوب (الشكل 4 أ). التمايز بين أزواج السكان ، مقاسة بـ Fشارع على مجموعة فرعية من SNPs المشذبة LD ، اتبعت أيضًا التدرج بين الشمال والجنوب ولكنها كانت ضعيفة عالميًا (Fشارع = 0.003 إلى 0.016 ، الشكل S11)). اكتشفنا أيضًا إشارة قوية للعزلة عن طريق المسافة (IBD) عند فحص العلاقة بين المسافات الوراثية والمسافات الإقليدية بين المجموعات السكانية الـ 16 (R 2 = 0.45 ، F = 97 ، p & lt0.001 ، الجدول S3). أدى النظر في مسافات التكلفة الأقل على طول السواحل بدلاً من المسافات الإقليدية بين المواقع إلى تحسين ملاءمة النموذج (R 2 = 0.63 ، F = 199 ، p & lt0.001 ، ΔAIC = 47 ، الجدول 2 ، الجدول S3). يدعم هذا نمطًا من العزلة عن طريق المقاومة (IBR ، انظر الطرق) ، حيث يحدث التشتت بشكل أساسي على طول الساحل ويكون محدودًا عبر البر الرئيسي أو البحر.

(أ) المكونات الرئيسية الثالثة والرابعة عشر للـ PCA على تباين الجينوم الكامل. يتم تلوين الأفراد حسب منطقتهم الجغرافية ، كما في الشكل 1 (قبل الميلاد) يتم عرض العزلة بالمقاومة كعلاقة بين المسافة الجينية (Fشارع/ (1-فشارع) والمسافة بالمسار الأقل تكلفة الذي يلي الساحل. تشير الألوان إلى المجموعة الفرعية من SNPs المستخدمة لحساب F.شارع. يتم عرض النتائج في لوحتين بمقاييس y مختلفة لعرض القيم الأدنى بشكل أفضل. (د) الاختلاف العرضي لترددات الانعكاس.

تشير الأرقام بين الأقواس المربعة إلى حدود توزيع 95٪ لمعامل الميل. تعرض المقارنة بالمناطق الخطية ناتج نموذج كامل يقارن كل منطقة بالجينوم الخطي ، مما يوفر الاتجاه والأهمية (*) لمصطلح التفاعل.

تختلف أنماط IBD و IBR بشكل كبير على طول الجينوم. عند النظر في جميع SNPs ، كان التمايز الزوجي أكثر تغايرًا (Fشارع= 0.002 إلى 0.021 ، الشكل 4 ب) وكان IBR أضعف بكثير ، وإن كان مهمًا (R 2 = 0.19 ، F = 29 ، p & lt0.001) مما هو عليه عند التفكير في تعدد الأشكال LD-pruned أو SNPs الخطية. وهكذا حسبنا الزوجي Fشارع بين أزواج من السكان على أساس مجموعات فرعية مختلفة من تعدد الأشكال ، إما من كل انعكاس ، من كل منطقة منخفضة إعادة التركيب ، أو من الجينوم الخطي.

أظهرت جميع الانقلابات تمايزًا متزايدًا بين السكان بالمقارنة مع الجينوم الخطي (الجدول S3 ، الشكل S12). ومع ذلك ، اختلفت الأنماط الجغرافية العالمية بين الانقلابات. في المنطقة المقلوبة سي اف-انف (1)، لم يكن هناك ارتباط بين المسافات الجينية والجغرافية (الشكل 4 ب ، الجدول 2) ، وهي نتيجة تتناقض بشكل كبير مع الجينوم الخطي (الشكل S13). كانت هذه النتيجة بسبب التمايز الجيني الزوجي المتغير للغاية بين السكان في المنطقة المقلوبة سي اف-انف (1). على العكس من ذلك ، أظهر التمايز الجيني بين السكان الجغرافيين في المناطق المقلوبة لـ LG4 أنماطًا مهمة لـ IBD / IBR مع منحدر أكثر انحدارًا بين المسافات الوراثية والجغرافية مقارنة بالمناطق الخطية (الشكل 4B-C ، الجدول 2 ، الجدول S4 ، الشكل. S13). انعكس الاختلاف بين السكان في الشمال والجنوب من خلال خط عرضي حاد وهام من الترددات الانعكاسية ، تتراوح من 0.27 إلى 0.75 من أجل CF-Inv (4.1) (GLM: z = -8.1، p & lt0.001، R 2 = 0.41) ومن 0.02 إلى 0.26 لـ Cf-Inv (4.2 / 4.3) (GLM: z = -6.6، p & lt0.001، R 2 = 0.37). كان الارتباط بين خط العرض وتردد الانعكاس أقوى بكثير من تعدد الأشكال المختار عشوائياً بمتوسط ​​ترددات مماثلة (الشكل 4D ، الشكل S14-S15).

على الرغم من أن الجينوم بأكمله (باستثناء الانقلاب سي اف-انف (1)) IBD و IBR ، فقد زادت بشكل ملحوظ في اثنتين من مناطق إعادة الاتحاد المنخفضة الثلاثة مقارنة بالمناطق الخطية. عند مقارنتها بالمناطق الخطية من نفس الحجم ، كان منحدر الانحدار بين المسافات الجينية والجغرافية أكثر انحدارًا بشكل ملحوظ بالنسبة لـ سي اف ال ار ار (2) و سي اف ال ار ار (5) ولكن ليس من أجل سي اف ال ار ار (3) (الشكل 4C ، الجدول 2 ، الجدول S4 ، الشكل S13). بشكل عام ، أظهر التمايز الجغرافي في المناطق الأربع المقلوبة ومنطقتين منخفضتين إعادة الاتحاد أنماطًا تختلف عن الجينوم الخطي ، مما يشير إلى تأثير العمليات الأخرى غير توازن الانجراف والهجرة ، ربما على نطاقات جغرافية مختلفة لـ سي اف-انف (1) مقابل الآخرين.

يتحد التنوع التكيفي مع الانقلابات ومناطق إعادة الاتحاد المنخفضة

للتحقيق في الأنماط المفترضة للتنوع التكيفي في C. frigida، قمنا بتحليل الارتباط بين ترددات SNP والمتغيرات البيئية على نطاق واسع (التدرج العرضي الحراري وتدرج الملوحة في مصب سانت لورانس R.) والمحلي (الخصائص اللاأحيائية والحيوية للموئل المتصدع) المقاييس المكانية (الشكل 1 ، الشكل 1). S16 ، الجدول S1). أظهرت التحليلات باستخدام طريقتين مختلفتين للارتباط بالبيئة الوراثية (النماذج المختلطة للعوامل الكامنة ونماذج بايز) نتائج متسقة ، مع إبراز قمم عالية من الارتباطات البيئية ومجموعات كبيرة من تعدد الأشكال الخارجة في مناطق إعادة التركيب المقلوبة أو المنخفضة (الشكل 5A-E ، الجدول 3 ، الجدول S5 ، الشكل S17-18). ومع ذلك ، تم التورط في الانقلابات المختلفة اعتمادًا على العامل البيئي والمقياس المكاني. لقد اعتبرنا تعدد الأشكال الذي تم تحديده باستمرار على أنه قيم متطرفة عبر كلا التحليلين لتكون قابلة للتكيف.

المرشح SNPs المرتبطة (أ) الاختلاف المناخي على طول التدرج بين الشمال والجنوب ، (ب) تغير الملوحة على طول الانحدار المصبوغ ، (ج) الاختلافات في الخصائص اللاأحيائية للموئل المتصدع ، (D-E) الاختلاف في تكوين الطحالب المتكسرة. تُظهر مؤامرة مانهاتن العامل البايزي من تحليل الارتباط البيئي الذي تم إجراؤه في Baypass ، للتحكم في التركيب السكاني. (F) المرشح SNPs المرتبطة بحجم الجناح. تُظهر مؤامرة مانهاتن القيم p من GWAS. يتم تلوين النقاط وفقًا لمعدل الاكتشاف الخاطئ (أسود: & lt0.00001 ، أحمر: & lt0.0001 ، برتقالي: & lt0.001). تمثل الخطوط المتقطعة الحدود المستنتجة للانعكاسات ومناطق إعادة التركيب المنخفضة.

إعادة تقسيم النيوكلوتايد المرشح المرتبطة بكل اختلاف بيئي باستخدام مزيج من طريقتين من GEA. N هو عدد القيم المتطرفة SNPs داخل منطقة معينة ،٪ هي نسبة القيم المتطرفة الموجودة في هذه المنطقة و OR تشير إلى النسبة الفردية. تشير القيم المكتوبة بخط عريض مع نجمة إلى زيادة كبيرة في تعدد الأشكال المرشح في اختبار فيشر الدقيق. يتم عرض النتائج التي تم الحصول عليها لكل طريقة من طرق GEA في الجدول S5.

على نطاق جغرافي كبير ، أظهرت الارتباطات مع الاختلاف المناخي على طول التدرج العرضي وجود فائض قوي في تعدد الأشكال الخارجية في الانقلابات الأربعة ومناطق إعادة التركيب المنخفضة في LG2 و LG5. أظهرت هذه المناطق 2 إلى 5 مرات أكثر من المتوقع بالصدفة (الجدول 3) مع قمم قوية بشكل خاص من الارتباط البيئي (BF & gt50 ، الشكل 5 أ) ، وإشارة أقوى بكثير من الكتل العشوائية من الجينوم الخطي من نفس الحجم ( الشكل S19). ومع ذلك ، لم يكن هذا هو الحال بالنسبة ل سي اف ال ار ار (3). كانت هذه النتائج متسقة سواء كان النموذج يتحكم فيه هيكل السكان الجغرافي (الشكل S17-18) أم لا. تباين ترددات CF-Inv (4.1) و CF-In (4.2 / 4.3) كانت مرتبطة أيضًا بشكل كبير بالتغير المناخي ، عند اعتبارها موقعًا فرديًا (GLM: CF-Inv (4.1): z = -7.76، p & lt0.001 Cf-Inv (4.2 / 4.3): z = -6.45، p & lt0.001 ، مع شرح النموذج 36٪ و 37٪ من التباين في تردد الانعكاس ، الشكل S20). كان التباين على طول تدرج الملوحة ، والذي امتد أيضًا من التباين في سعة المد والجزر ، مرتبطًا بشكل كبير بعدد محدود من SNPs. تم العثور على فائض كبير من هذه القيم المتطرفة في سي اف ال ار ار (3) و سي اف ال ار ار (5) (الجدول 3) ، المنطقتان الوحيدتان اللتان كانت فيهما إشارة الارتباط أقوى مما كانت عليه في الجينوم الخطي (الشكل S19).

على نطاق جغرافي أدق ، تم إثراء النيوكلوتايد النثرية المرتبطة بالخصائص اللاأحيائية المتصدعة (العمق ودرجة الحرارة والملوحة) في المنطقة المقلوبة سي اف-انف (1) مع نسبة أرجحية 5 ، بما في ذلك القيم المتطرفة مع دعم قوي جدًا (BF & gt20 ، الشكل 4C). كانت ارتباطات SNP ذات الخصائص اللاأحيائية المدمرة أقوى مما كانت عليه في المناطق الخطية في سي اف-انف (1)، وأكثر هامشية في Cf-Inv (4.2 / 4.3) (الشكل S19). وقد انعكس هذا من خلال سي اف-انف (1) التردد ، والذي يتناسب بشكل كبير مع التكسير (GLM ، z = 3.5 ، p & lt0.001 ، R 2 = 0.26 ، الشكل S20). كان التباين في تكوين الطحالب في قاع التكسير ، مدفوعًا بالوفرة النسبية لعائلتين مهيمنتين من الأعشاب البحرية ، Fucaceae أو Laminariaceae ، مرتبطًا بشكل كبير مع تعدد الأشكال على نطاق واسع ، على الرغم من الانعكاس سي اف-انف (1) كانت ممثلة تمثيلا زائدا بنسبة أرجحية 1.4. كان التباين في المكونات الثانوية للركيزة أكثر صعوبة في التفسير لأنها تتغاير مع خطوط العرض ودرجة الحرارة (الشكل S16). على الرغم من ذلك ، ارتبطت هذه المكونات الثانوية أيضًا بعدد كبير من SNPs في سي اف-انف (1) و في سي اف ال ار ار (5) مع نسبة أرجحية من 3.6 إلى 6 (الشكل 5E) ، وتوزيع درجات الارتباط أعلى بكثير من الكتل الخطية (الشكل S19).

رابطة النمط الجيني النمط الظاهري

كما تكوين مدمر و سي اف-انف (1) من المعروف أنها تؤثر على حجم البالغين (بوتلين ، ريد ، وآخرون ، 1982 إدوارد وجيلبورن 2013) ، استخدمنا GWAS للكشف عن التباين الجيني المرتبط بحجم الجناح. من بين 124،701 تعددًا متعدد الكلور مرشحًا تم تحديده بواسطة GWAS ، كان يوجد أكثر من 99.8 ٪ في سي اف-انف (1) (الشكل 5F). عندما تمت إزالة التباين في النمط النووي (من خلال تشغيل التحليل باستخدام الأنماط المتجانسة فقط) ، لم نجد أي تعدد الأشكال المرشح تقريبًا المرتبط بتغير الحجم (0 لأفراد αα ، وما يصل إلى 3 SNPs عندما تم تخفيض FDR إلى p = 0.01 للأفراد ββ ، الشكل S21). أجرينا علم الوجود الجيني باستخدام مجموعتين من البيانات: المرشحون المحددون بواسطة GWAS وجميع الجينات الموجودة في سي اف-انف (1). أظهر كلا التحليلين إثراءً في العديد من العمليات البيولوجية التي تتوافق جميعها مع الاختلافات الكبيرة في حجم الجناح وتاريخ الحياة ، مثل التشكل أو نمو العضلات أو تطوير النظام العصبي (الجدول S6-S7).

نظرا لنطاق درجات الحرارة القصوى التي يسكنها C. frigida (من معتدل إلى شبه قطبي) قمنا أيضًا بالتحقيق في التكيف الحراري. قمنا بتقييم وقت الاسترداد بعد غيبوبة البرد في F2s المستخدمة لبناء خريطة الربط. مقاومة الصدمات الباردة المترجمة إلى QTL على LG4 ​​، والتي فسرت حوالي 13 ٪ من التباين (الشكل S22). كانت الذروة الرئيسية موجودة في LG4 حوالي 25-28 ميجا بايت. يشمل هذا QTL الواسع العديد من النيوكلوتايد (SNPs) المرتبطة بالتغير المناخي ، وجينات متعددة مشروحة ، من بينها بروتينان للصدمات الحرارية ، والتي قد تمثل المرشحين المناسبين للتكيف الحراري (Uniprot P61604 في الموضع 25،128،992 و P29844 في الموضع 26،816،283). كانت هذه القمة تقع بين الانقلابين المفترضين CF-Inv (4.2) و CF-Inv (4.3)، وكانت هناك ذروة ثانوية عند 8 ميجابايت ، وهي نقطة التوقف المفترضة لـ CF-Inv (4.1).


ملخص:

في هذا وثيقة، حددت لجنة الاتصالات الفيدرالية (اللجنة أو لجنة الاتصالات الفيدرالية) نطاقات طيف محددة فوق 24 جيجاهرتز تبدو مناسبة لخدمة الهاتف المحمول ، ونسعى للحصول على تعليق على قواعد الخدمة المقترحة التي من شأنها أن تسمح بعمليات الهاتف المحمول وغيرها من العمليات في تلك النطاقات. يحدث هذا التطوير لقواعد الخدمة للاستخدام المحمول لنطاقات الموجات المليمترية (mmW) في سياق جهودنا لتطوير إطار عمل تنظيمي يساعد في تسهيل ما يسمى بخدمات الهاتف المحمول من الجيل الخامس (5G).


الملخص

توفر التطورات الأخيرة في علوم الحوسبة وتكنولوجيا الويب للمجتمع البيئي موارد تتوسع باستمرار لجمع البيانات وتحليلها مما يشكل تحديات غير مسبوقة لتصميم طرق التحليل وسير العمل والتفاعل مع مجموعات البيانات. في ضوء المشروع التجريبي للمرصد البيئي الافتراضي الذي تم تمويله مؤخرًا من قبل مجلس أبحاث المملكة المتحدة ، تقدم هذه الورقة لمحة عامة عن التطبيقات المتاحة حاليًا المتعلقة بالتقنيات المستندة إلى الويب لمعالجة مجموعات البيانات الكبيرة وغير المتجانسة ومناقشة أهميتها في سياق معالجة البيانات البيئية والمحاكاة والتنبؤ. لقد وجدنا أن معالجة مجموعات البيانات البسيطة المستخدمة في البرنامج التجريبي أثبتت أنها سهلة نسبيًا باستخدام مزيج من R و RPy2 و PyWPS و PostgreSQL. ومع ذلك ، فإن استخدام قواعد بيانات NoSQL والأطر الأكثر تنوعًا مثل تطبيقات OGC القياسية قد توفر مجموعة أوسع وأكثر مرونة من الميزات التي تسهل بشكل خاص العمل مع أحجام أكبر ومصادر بيانات غير متجانسة.


نماذج خدمة سحابة ArcGIS

تنقسم نماذج الخدمة التشغيلية الأولية إلى أربع فئات:

  • يوفر IaaS موارد البنية التحتية المدارة (الأنظمة الأساسية للخوادم والتخزين) لتوسيع إمكانات مركز البيانات الخاصة بك المستضافة في السحابة. مطلوب دعم الخدمة الذاتية القياسي لتكنولوجيا المعلومات للحفاظ على الخدمات التي يتم نشرها في البنية التحتية السحابية.
  • توفر SaaS التطبيقات وموارد البيانات المستضافة في السحابة. يوفر ArcGIS Online محتوى البيانات وموارد الخدمة الذاتية لبناء الخرائط والتطبيقات المنشورة لتأمين التعاون والمشاركة مع المجموعات المحددة في بيئة مجتمع السحابة الخاصة بك.
  • Portal for ArcGIS هو منتج متاح لنشر العميل في مكان العمل لتعزيز التعاون والمشاركة في بيئة خاصة آمنة غير متصلة بالإنترنت. تتوفر أجهزة البيانات للنشر المحلي لمشاركة الموارد المماثلة المتوفرة في بيئة ArcGIS Online.
  • توفر PaaS نظام ArcGIS for Developers الأساسي لإنشاء تطبيقات ArcGIS ومشاركتها.

كما تلاحظ ، من أجل تكوين صورة غير واضحة ، تحتاج أولاً إلى عمل صورة ، ثم تعتيمها. يقوم هذا التظليل (فقط) بالخطوة الثانية ، حيث يلتقط صورة تم إنشاؤها سابقًا وتشويشها. يجب أن يكون هناك رمز إضافي في مكان آخر لإنشاء الصورة الأصلية غير الواضحة.

يطبق نواة ضبابية على الصورة. يجب تهيئة tc_offset بشكل صحيح بواسطة التطبيق لتشكيل منطقة 3x3 من نقاط أخذ العينات حول تنسيق النسيج الفعلي:

(بافتراض أن x هو الإحداثي الأصلي). الإزاحة لنقطة أخذ العينات العلوية اليسرى ستكون -1 / عرض ، -1 / ارتفاع. يجب محاذاة إزاحة النقطة المركزية بعناية مع مركز texel (مشكلة off-by-0.5). أيضًا ، يمكن استخدام مرشح الجهاز ثنائي الخطوط لزيادة مقدار التمويه بتكلفة زهيدة (عن طريق أخذ عينات بين texels).

يقيس باقي التظليل العينات حسب المسافة. عادةً ما يتم احتساب هذا مسبقًا أيضًا:

تتمثل إحدى الطرق في إنشاء صورتك الأصلية لتقديمها إلى نسيج ، وليس على الشاشة. ثم ترسم رباعي ملء الشاشة باستخدام هذا التظليل والنسيج حيث يتم إدخالها لمعالجة الصورة بعد ذلك.


مقدمة

عند التعامل مع البيانات المكانية ، اعتمادًا على الخصائص المحددة لنوع المعلومات ، قد يكون من الأنسب تمثيل تلك المعلومات (على المستوى المنطقي) باستخدام إما نموذج البيانات النقطية أو المتجه [1]. يوفر تقدم المجتمع الرقمي نموًا مستمرًا لمقدار بيانات المتجه المتاحة ، لكن ظهور الأجهزة الرخيصة المزودة بنظام تحديد المواقع العالمي (GPS) ، مثل الهواتف الذكية ، هو المسؤول عن انفجار البيانات الضخمة ، وخاصةً مسارات الأجسام المتحركة. يمكن العثور على نفس الظاهرة في مجموعات البيانات النقطية ، حيث تكون التطورات في الأجهزة مسؤولة عن زيادة مهمة في حجم وكمية البيانات المتاحة. فقط مع الأخذ في الاعتبار الصور التي تم الحصول عليها بواسطة الأقمار الصناعية ، يتم إنشاء عدة تيرابايت من البيانات كل يوم [2] ، ويقدر أن الكمية المؤرشفة من البيانات النقطية ستصل قريبًا إلى مقياس زيتابايت [3].

أدت هذه الزيادة الكبيرة في تنوع وثراء وكمية البيانات المكانية أيضًا إلى طلبات معلومات جديدة. في الوقت الحاضر ، تتطلب العديد من مجالات التطبيق مزيجًا من البيانات المخزنة بتنسيقات مختلفة [4] لإجراء تحليل معقد. من الواضح أن دمج نماذج البيانات المختلفة يصبح أكثر صعوبة عند التعامل مع كميات كبيرة من البيانات.

على الرغم من وجود مجموعة كبيرة من الأبحاث المتعلقة بالحجم والتحليل وعدم تجانس البيانات ، في حالة البيانات المكانية ، في معظم الحالات ، يركز هذا البحث إما على نموذج المتجه أو على نموذج البيانات النقطية بشكل منفصل. نادرًا ما يتم التعامل مع النموذجين معًا. على سبيل المثال ، الحل المعتاد للاستعلامات التي تتضمن مجموعات البيانات النقطية والمتجهة (معًا) هو تحويل مجموعة بيانات المتجه إلى مجموعة بيانات نقطية ، ثم استخدام خوارزمية نقطية لحل الاستعلام. هذا هو الحل لعملية إحصائيات المنطقة في Map Algebra ، على الأقل ، ArcGIS و GRASS [5 ، 6].

ومع ذلك ، فقد تناولت بعض الأبحاث السابقة المشكلة باستخدام نهج مشترك. في [4] ، تم اقتراح نموذج بيانات واحد ولغة واحدة لتمثيل والاستعلام عن بيانات المتجه والبيانات النقطية على المستوى المنطقي. Even a Join operator is suggested, which allows combining, transparently and interchangeably, vector datasets, raster datasets, or both. As an example, the authors propose the query “return the coordinates of the trajectory of an aircraft when it was over a ground with altitude over 1,000”. Unfortunately, no implementation details are given.

Other previous contributions deal with the implementation of query operators that are explicitly defined for querying datasets in different formats [7–10]. Some of them tackled the Join, or a close query, but in this case, these works suffer from limitations (data structures not functional enough, too restrictive join operations, size problems) that will be explained more in detail in the next section.

On the other hand, compression has been used traditionally with the aim of just reducing the size of the datasets in disk and during network transmissions. However, it has recently begun to be used as a way to obtain improvements in other dimensions, such as processing time or scalability [11]. In the last few years, several authors [12–15] have proposed the use of modern compact data structures [16] to represent raster datasets. Compact data structures use compression to reduce the size of the stored dataset, but with the novelty that the compressed data structure can be managed directly in compressed form, even in main memory. By saving main memory, we obtain a more scalable system, but at the same time, we take advantage of a better usage of the memory hierarchy, and thus obtain better running times. This strategy is sometimes called “in-memory” data management [17]. In addition, many compact data structures are equipped with an index that, in the same compressed space, speeds up the queries. This feature is known as “self-indexation”. One example of these compact data structures designed for raster data, and the one achieving the best space/time trade-offs [15], is the ك 2 -raster [14], which will be used in this work, thus extending its functionality.

In this work, we propose to use a new framework to store and manage raster and vector datasets. The vector dataset is stored and indexed in a traditional way, using an R-tree [18]. For the raster data, instead, we propose to use a modern compact data structure, the ك 2 -raster, which improves the performance of traditional methods.

The algorithms to manage independently each type of data and its corresponding data structure are well-known [14, 19]. However, as explained, the algorithms to process both types of data jointly have been much less studied. Therefore, our proposal requires the design of new algorithms. In this work, we present two new algorithms that are able to efficiently answer two operations having as input a vector dataset and a raster dataset. The first one is a spatial join between the two input datasets imposing a range restriction on the values of the raster dataset. The second algorithm obtains the top-ك different objects of the vector dataset overlapping the highest (or lowest) values of the raster dataset.

Our proposal obtains important savings in disk space, which are mainly due to the use of a ك 2 -raster for representing the raster data. In our experiments, the compressed raster data occupied between 9% and 73% of the disk space needed by the original uncompressed raster data. However, the main contributions of this paper are the algorithms for solving the aforementioned operations, which obtain savings also in main memory consumption and processing time. Although the ك 2 -raster was designed to be used directly in compressed form, it is not trivial to save main memory while processing it. Thus, designing these algorithms becomes challenging, as the direct management of compressed data and indexes requires complex data structures and processes, which could negatively impact the results in main memory consumption and running time.


Note that there is a wide variation regarding the identified tasks in the literature (refer to Li (2009) for an overview). In this survey we focus on a faceted-oriented task analysis approach.

For example, instead of just displaying the number of books of an author on a particular topic, also show the average price of the author’s books.

One could adopt visualization approaches like in Kehrer and Hauser (2013) or techniques that derive overviews, like the top-ك diagrams proposed in Fafalios and Tzitzikas (2014), but such works go beyond the scope of this paper.

Since cr3 does not participate to a madeBy property, an alternative approach that one might follow is to add an artificial value, say NonApplicable/Unknown , whose count would equal 1, for informing the user that one element of the focus has no value to the madeBy property.

This kind of transition is called existential selection in Oren et al. (2006).

TriQ (Arenas et al. 2014) is a datalog based QL that offers a general form of recursion, reasoning and navigational capabilities, that incorporates the main RDF QLs.

This “mapping” can be implemented over any web accessible RDF/S dataset by exploiting the SPARQL extension described in Fafalios and Tzitzikas (2015), even if no triplestore or SPARQL endpoint is installed.

Measurements performed b Michalis Mountantonakis


Grades of Accuracy and Grades of Generation for scan-to-BIM model process: specification proposal inheriting the representation scale concept

In this paragraph, the authors introduce the concept of scale in the model generation, demonstrating the importance of adopting new scan-to-BIM requirements and reference scales for the generation of 3D model as unique elements of their kind. The growing need to escape from a preconceived logic of BIM object libraries for new buildings has led to the definition of a method based on the following research objectives.

It was found that in the scan-to-BIM process, GOGs and GOA, and LOGs, are fundamental concepts introduced in the digitization process of the built heritage to improve multiple aspects such as:

the specifications required to define a generative process based on point clouds coming from surveying (terrestrial laser scanning or mobile techniques, photogrammetry),

the level of the information linked to each parametric object (new customized HBIM parameters, schedules, and BIM databases, including the scale of model generation),

a reliable HBIM models capable of orienting itself to different types of BIM-based analysis and uses (HBIM model export through open source and proprietary formats).

In this context, the definition of new scan-to-BIM modeling requirements, such as GOAs, is decisive for the generation of complex architectural elements in order to address the model generation following the GOG specifications. It overcomes the pre-set logic of BIM default libraries and simple objects (as generally followed for the creation of new buildings) that do not communicate the peculiarities (geometric and semantic) of such unique elements, in favor of ad hoc specification process.

For those reasons, in the next paragraph, an HBIM model specification is proposed starting from the commonly recognized concept of representation scales defining different level of details and tolerances indicators: the concepts of graphic error, tolerance and grades of generation, and accuracy, have been related to the final purpose of declaring the reliability of the scan-to-HBIM model at different scales of representation and tolerance.

How to evaluate a 3D model? It is the model committed at the scale 1:100 feasible for my purposes? What does it mean that a model has a 1:100 scale? If I have a model generated with the precision of a 1:100 scale, is it useful to understand the morphologic shape and the construction techniques, or the state of its conservation? To answer these questions, we have to start from a commonly shared specification that can be fixed for the different scales to different 3D models. Then, in the function of the thousands of variables of the constrain and decision context, every actor can associate a proper scale to generate a proper model. This way actors and users can decide if the model, coming from previous analysis, requires further integration or if the model needs to be simplified at a certain point of the data management (i.e., for energetic purposes using standard tools not enabled to manage complex model).

HBIM models, scales, and grades of 3D model accuracy: specifications, scales of representation, and tolerance

To reliably share a model, such as a vault BIM object, one needs to know the following: which was the commitment purpose and thus the required scale how it has been surveyed if the model has been generated in a congruent way that depends on the object level of complexity and the type of geometrical survey in order to generate an object model with the proper accuracy. This information should be included within the Level of Information of each object model in order to manage the different Level of Geometry within the different phases as described in the “A proposal for HBIM Levels of Geometry (100–500) as a function of the phases, the Levels of Development” section.

Some constraints, roles, and specifications need to be fixed to guarantee the needed accuracy in the model’s generation. The proposal is to inherit the surveying specification concept traditionally linked to the different map representation scales (as for the case of the scale 1:25.000 for territorial maps, i.e., IGM maps, Istituto Geografico Militare, the Geographic Military Institute in Italy, or the scale 1:10.000 and 1:5000 for the technical regional-scale maps, 1:2000, 1:1000 and 1:500 for the municipality technical maps, etc.), as standardized in the aero-photogrammetric process adopted in the cartographic world, and inherited by the architectural surveying specifications (1:100, 1:50, 1:20, 1:10, 1:1), now addressing them to the 3D HBIM model objects. Such requirements have been adopted for many decades in the tenders’ specifications at a worldwide level. In these cases, the simple basic role conventionally adopted is the minimum level of detail (the so-called Graphic Error, G.E.) and the related Tolerance (T). The choice of the “scale” depends on the survey’s objective and the type of use of the final product (Banfi 2019 Brumana et al. 2019): once defined, clear indicators allow to generate and to validate the output.

Given the conventional definition of Graphic Error fixing the smallest detail that can be represented at a given scale (G.E. = 0.2 mm,) and tolerance (T = 2 ÷ 3 G.E. value), we can apply such values to all the different scales obtaining an indicator of precision and domain usability. If we relate the minimum graphic details (pixel or vector) to the real object (the correspondent physical object, as in the case of the Terrain Pixel value), we derive the following proportion: “1: ن = G.E.: x,” where “ن” is the scale factor (20, 50, etc.) and “x” is the correspondent dimension of the G.E. on the ground or on the architectural object that can be a façade or a plan or section.

For example, at 1:50 scale, the G.E. value is 1 cm, and the admitted tolerance (T) is 2 ÷ 3 cm, while for the 1:20 scale, G.E. is 4 mm, and T is equivalent to a ranging value (8 ÷ 12 mm). The Grade of Accuracy is automatically associated with the chosen scale. Technical municipalities’ maps at the scale 1:1000 have G.E. = 200 mm and T = 400 ÷ 600 mm, as illustrated in the first 4 columns of Table 1. In the case of photogrammetric restitution (as rectified images or orthoimages), the minimum detail is fixed at half the G.E. value at the given scale, with a restrictive requirement in order to consider the whole data processing (third column).

The precision of the surveying instruments and restitution scale needs to be coherent with those values to make them reliable by the technical uses and users. For this matter, the specifications for tender of maps production as well as for large-scale architectural surveys are strictly related to the concept of scale or scales adopted (i.e., global surveying at 1:50 scale with some details at 1:20, others at 1:10, depending on the different purposes and specificity of the object). Every architect knows that a drawing of a window for its manufacturing or preservation requires 1:5 ÷ 1:10 scales to properly represent some specific details. The photogrammetric mosaic floor of the Basilica of San Marcus has been realized at a 1:1 scale to represent the “waving” floor for the maintenance purposes and intervention on the single “tessera” (Monti et al. 2006).Table 1 illustrates the concept of scales related to the HBIM 3D models object created by the generative process to respect the richness of detail and tolerance fixed in the given scale. A model generated at the common scale 1:50 implies a minimum detail equivalent to 10 mm and a tolerance contained among 20 ÷ 30 mm.

The scale index of an object model is here proposed to be explicated by the Grade of Accuracy (GOA10, GOA20, GOA50, GOA100) defines automatically the different minimum detail to be taken in account and tolerances admitted in the modeling generations (Table 1, columns 6 and 7). Thus, GOA 20 means that the model accuracy of vaults as well as other components (as the octagonal columns in the Basilica di Collemaggio) with respect to the cloud points needs to be contained within the tolerance at that scale (T 20 = 8 ÷ 12 mm). The precision of the surveying, as in the case of point clouds acquired with TLS (laser scanner FARO Focus 3D), allows the extraction of vertical and horizontal profiles with high accuracy (2 ÷ 5 mm), thus coherent to the scales GOA20 and GOA50. Obviously in case we choose model scale bigger than the surveying precision (as it happens when we require 1:20/1/10 scale for porfiles and out of plumbs analysis), it will work in favor of the object model that will be generated, not the opposite!

The selection of the proper scale of the object model is complementary to the orthoimage scale definition. It can also happen to define a lower model scale (i.e., GOA50 for the HBIM model) and a higher orthoimage scale (i.e., 1:20) for the model texturing, obviously, we will have different tolerances. And in the common praxis, it often happens: given the short distances of indoor contexts among the principal point of the digital camera and the object to be acquired, i.e., the vault intrados, the terrain pixel coming from the photogrammetric image block (conventionally set at G.E./2 for the different scales) ranges from 1 ÷ 2 mm dependently from the distances from the camera parameters and the object surface thus, the richness of the data acquired is coherent to scales that range from 1:20 to 1:10, without any additional effort (time and cost) in the surveying phase. The specification related to the adoption of the smallest detail of the pixel unit correspondent to half the G.E., inherited from the cartographic domain, takes into account the average of the “scale” of the photogrammetric images, with the different distances from the objects, the distortions, and the whole image data processing. Thus, the data entry quality concerning the whole process guarantees the output scale in terms of quality.

Once fixed the HBIM model scale with its indicators (G.E. and T), the second step to be clarified in the specification is how to guarantee a model generation coherent with the chosen scale as defined in the following paragraphs.

NURBS-based modeling and descriptive geometry are defined in the Grades of Generation (GOGs) 9 and 10, where the 3D architectural representation from point clouds meets the measurement value. Behind these concepts emerges the growing need to faithfully represent the detected artifact, thus ensuring its reliability for subsequent uses (Banfi 2020).

The following paragraphs describe the case of a Wall Object and Vaulted Object to guide the end-users across selecting the proper scale in the function of geometry, modeling and general objectives.

Cases of wall objects: scale models and model generation specifications

Different scales can be thus adopted in the same HBIM design project following the lesson learnt from the Basilica di Collemaggio in L’Aquila (Brumana et al. 2018a) adopting a global 1:50 GOA scale for the wall objects, and a GOA scale 1:20 for the most damaged South Wall with the Holy door without of plumb ranging from 10 ÷ 20 cm after the earthquake.

In the case of the Basilica di Sant’Ambrogio in Milan (Banfi et al. 2019), the particular curved waved wall (round 46 cm with respect to a virtual plane) adjacent to the left nave at the women gallery level has been modeled generating the wall object characterized by a double curvature at the scale 1:20 in order to analyze that specificity to carry on the hypothesis on the wall generation, transformation, and supposed reinforcing (Fig. 3). Given the complexity of the wall and the maximum range of the undulation, its simplification and degeneration to a single parallelopiped correspond to urban scales (GOA2000, T800 ÷ 1200 mm, clashing the arches, or GOA1000, T400 ÷ 600 mm keeping the arches in the model) and not to a 1:100 scale generally considered a simplified scale! In fact, a GOA100 would mean to take into account the deformation with respect to a virtual plan within 40 ÷ 60 mm. Obviously, it is a case limit but it is worth stressing the point.

Three possible models (GOA2000, 1000, 20) of the same wall. GOA can change according to project requirements, scales of representation, and tolerance. The Automatic Validation System (AVS), obtained at the end of the NURBS-based modeling, allows to understand the standard deviation of the surfaces from the cloud points (in case of a laser scanning survey)

GOAs 50 and 20 roles are hereafter described for the model generation.

Case of GOA50-wall object

Planarity check: standard deviation ≤ 20 ÷ 30 mm

Case of walls (or portions) with a standard deviation of the point clouds surveyed representing the physical object respect to the average plane surface in correspondence of the façade surfaces (internal and/or external) ≤ 20 ÷ 30 mm: the planarity check can be easily carried out using the available functionalities within modelers’ tools and/or BIM tools. In this case, a 1:50 scale (equivalent GOA50) is chosen: the objects can be modeled adopting simplified Grade of Generations 1–8 (Brumana et al. 2019).

Research of Plane Extraction Methods can be inherited to guide toward the proper scale selection with the support of automatic and semiautomatic point interpolations (Wang et al. 2016).

GOGs 1–8 define simplified functionalities (i.e., based on extrusion, subtraction, sweep, and other modeling functionalities). Where needed, it is possible to associate the different options to model sub-portions (as in the case of openings, or irregular plan profile with discontinuities coming from the transformation occurred across the centuries or others): the discretization of the overall object is made by subdividing its homogeneous elements, checking the planarity and modeling the different portions. Void and subtraction functions can be used to model the complexity of a historical stratified wall.

GOG 1–8: simplified solid model objects can be adopted for elements whose conceptual model (in this case planarity check) has standard deviation respect to the cloud points ≤ 20 ÷ 30 mm (i.e., vertical walls with non-planarity or out of plumbs ≤ 20 ÷ 30 mm).

Planarity check: standard deviation ≥ 20 ÷ 30 mm

Case of walls (or portions) with a standard deviation of the point clouds respect to the average plane surface in correspondence of the façade surfaces (internal and/or external) ≥ 20 ÷ 30 mm: if the planarity check gives back this range of values, it means that the wall within this scale cannot be considered a plan at the given 1:50 scale - thus the out of plumbs need to be checked for the structural analysis (as in the case of Collemaggio’s Basilica walls), or characterized by voluntary morphological shapes adopted in the construction phase, to be further decoded, as in this case.

GOG 9–10: NURBS-based model object built on the primitives (profiles) or on the cloud points together with the 3D border outline can be thus adopted for elements with standard deviation respect to the adopted conceptual simplified solid ≥ 20 ÷ 30 mm (i.e., vertical walls with standard deviation respect to the planarity check ≥ 20 ÷ 30 mm, or without of plumbs ≥ 20 ÷ 30 mm or pillars with standard deviation respect to the planarity check ≥ 20 ÷ 30 mm).

If this scale is not enough to understand the state of the art, it can be shifted toward a deeper scale 1:20 (equivalent GOA20): the objects are modeled adopting the GOGs 9–10 (NURBS-based object modeling), embodying the complexity of the shape to follow the geometry discretized by the point clouds.

Case of GOA20-wall object

Planarity check: standard deviation ≤ 8 ÷ 12 mm

GOG 1–8: simplified solid model objects can be adopted for elements whose conceptual model (in this case planarity check respect to the intrados and extrados a plane surface) has standard deviation respect to the cloud points ≤ 8 ÷ 12 mm.

Planarity check: standard deviation ≥ 8 ÷ 12 mm

GOG 9–10: NURBS-based model object can be adopted for elements whose conceptual model (in this case planarity check respect to the intrados and extrados plane surface or planes with different orientation as in the case of scarf walls) has standard deviation respect to the conceptual simplified solid ≥ 8 ÷ 12 mm.

HBIM of St. Bernard’s chapel star vault in the Plasy Monastery: model generation with different scales

A different GOA (200–100–50–20) adoption is illustrated for a complex vaulted system. Vaults generally have a more complex geometry than the typology classification based on simplified volumes and their intersection: detailed surveying of intrados and extrados, together with thermal images analysis, allows one to detect shapes that are different from the conceptual solids coming from the technical literature (Brumana et al. 2018b).

This paragraph describes the different scales and accuracy applied to different GOAs (GOA20, GOA50, and GOA10) to detect the geometry and the construction techniques, depending on the available information. In this case, intrados and extrados of St. Bernard’s chapel star vault were studied through on-site observations, geometric surveys, and photogrammetry.

At the intrados, the star vault can be schematically represented by a sphere interpreted by 8 lunettes that creates arches, while at the extrados, it is framed by radial Y-ribs.

A proper scale was defined for each component of the star vault, taking into account (i) the survey precision gained (and also surveying limitations due to the context and museum management), (ii) the geometric characteristics that could be evidenced adopting the proper scale, and the particularity of the surface finishing (i.e., the intrados stuccoes and the raw mortar finishing of the extrados). Each object model scale characterized by different tolerance factors has driven the model generation of the vault components.

In order to filter the stuccoes decoration at the intrados and to analyze the geometry of the framed ribs and of the lunettes, it has been chosen a 1:20 scale adopting a GOA20 in the modeling phase. The intrados surface has been surveyed and modeled at a 1:20 scale, generating an HBIM object at GOA20. Since the vault construction technique is an example of so-called frame vault (arches and lunettes), the HBIM model generation has been addressed to the segmentation of these two object elements.

Modeling the whole star vault object does not only require a reliable intrados model, adopting GOA20 to detect the geometry of the ribs and lunettes, but also an integration of the extrados textured model with GOA50. The extrados, due to surveying constraints and mortar cover irregularities given back from the photogrammetric orthoimage and point clouds, was modeled at a 1:50 scale, with a range tolerance of 20 ÷ 30 mm. However, from the extrados, it was possible to see the arrangement of the bricks, thus understanding the construction technique and the connection with the intrados. Thus, a detail of the Y-ribs was modeled at GOA10 to represent the arrangement of the bricks on the vault and lunette extrados surface (Fig. 4). The analysis made it possible to derive a more in-depth knowledge of the construction technique to better support the vault structural behavior and boost the preservation actions.

Intrados (vault and lunette) geometric analysis: (A) the longitudinal section of the vault is a segmental arch that has a deviation from a round arch of about 18 cm (worst case) (B) lunette profile is a segmental arch that deviates from the round one of about 18 cm (worst case) (C) lunette transversal section is a part of a round arch whose center is not at the same level of the end of the arch (D) lunette transversal section is a segmental arch that deviates from the round arch of about 10 cm (E) lunette profile is a curve that deviates from the line of about 6 cm

Model generations and specifications

HBIM model generation followed the specification steps for the generative model of complex shapes (Banfi 2019). It was then adapted to the different GOAs:

Extraction of primitives from point clouds to intercept the primary geometry: this process can be done manually or in a semi-automatic way. It should be stressed that the geometric interpretation of the collected data and the constructive analysis of the product depend totally on the modeler.

From the NURBS model to HBIM objects: thanks to NURBS algorithms, it was possible to apply GOG 10 where it was necessary. Through a semi-automatic procedure, simple points were turned into a model capable of accurately following the vault geometry, both at the intrados and the extrados. The upper and lower vault parts have been connected and georeferenced directly in a three-dimensional environment thanks to common points identified in the wall texture. In the generative phase, GOG 10 scan-to-BIM requirements, the scale of representation, and the amount of information included in the model had been considered. An accurate breakdown by structural elements consequently determined the level of information shared via BIM parameters, clouds, and databases. NURBS-based models have been generated with the intrinsic characteristic of being HBIM enabled parametric complex object.

The Grade of Accuracy and the scale of representation definition, validation, and communication of the object library (toward HBIM metadata enrichment): the definition of methods capable of validating and communicating the model reliability to the various users has been undertaken. Communicating the specific GOAs and the scale of representation adopted for each model component within the HBIM information properties, through known quantitative parameters, is vital for each phase of BIM uses after the HBIM model generation within the HBIM contest but also in the case of data sharing outside the single HBIM use. For this reason, the HBIM object, before being shared, must be verified connecting such values as a sort of metadata: an Automatic Verification System (AVS) has been applied to different scales of representation with the ultimate goal of demonstrating the level of accuracy, analyzing the quality level (Banfi 2019).

Implementation and development of new HBIM parameters enriching the object library: as briefly mentioned, the need to create a library of unique objects, such as St. Bernard’s chapel, required the development of new description parameters for communicating a series of contents, such as construction, materials, arrangements, family of workers, and geolocation with more specific information such as historical periods, descriptions, and historical documentation from the archives. External links could also redirect the collected data, such as orthophotos, texts, point clouds, 2D drawings, and historical reports.

GOA20—the intrados and the lunettes

The intrados and the lunettes structure of the star vault were modeled with GOA20 (a Grade of Accuracy of the model equivalent to 1:20 scale).

GOA20 means that the object model accuracy respect to the cloud points will be contained within the tolerance at that scale (T20 = 8 ÷ 12 mm). This factor implies that to model the object with such precision, it is required reliable modeling of the intrados. This object cannot be modeled at this scale with a sphere!

Such accuracy highlighted the complex typology and detected the creativity of the geometric design (Stanga et al. 2019). Thanks to the direct application of GOG 9 and 10, it has been possible to go beyond a simple 2D representation or simplified theoretical representation.

The analysis on the shape and dimension of vault sections and lunettes profiles was carried out (Fig. 4). The longitudinal section of the vault (A) is not a round arch but is a segmental arch. It slightly deviates from the round arch of about 18 cm (worst case). Considering the lunettes: B profile is a segmental arch that deviates from the round one of about 18 cm (worst case), C transversal section is a part of a round arch whose center is not at the same level of the end of the arch, D transversal section is a segmental arches that deviates from the round arch of about 10 cm, and E profile is a curve that deviates from the line of about 6 cm.

Santini would probably get inspiration from the pure solids for the design of the vault (a sphere), since he was keen onmathematics and geometry. Then, why those discrepancies between the conceptual model and the real vault? Many reasons could explain those deviations: problems during the construction process (a bad construction of the centering or problems during de-centering), the thickness of stuccos and paintings, settlement of the building across the centuries (the Monastery was built in the twelfth century on a water-land on 5100 oak piles to reinforced the swampy ground) or a voluntary adoption of curves characterized by multiple centers (polycentric arches).

Moreover, since the ه profile of the lunettes is not a straight line, it means that the lunette surfaces are not built by the translation of the segmental arch. They are surfaces with double-curvature, which means that they were probably built without using a centering, or maybe using the groins of the lunette as a centering. This hypothesis could be possible, but the brick arrangement of the lunettes is longitudinal and it does not match the herringbone pattern, which is the usual pattern for free-hand vault (Wendland 2008). In the case the lunettes were built using a centering, it could be possible that they place some sand on it to give curvature to the ه profile, perhaps due to aesthetic reason. To properly model such complex geometries, the modeling process of the lunettes and ribs at the intrados is illustrated adopting GOA20 with the result of modeling the curvature of the intrados not approximating a simple semi-circumference—as from the profile analysis—but the geometric curvature by extracting the primitives and the borders, thus obtaining the wireframe model as explained in Fig. 5.


شاهد الفيديو: دروس إدارة الموارد البشرية:ضبط وتقويم أداء الموظفين