Вопрос отличный — потому что эта поправка уже почти столетие (примерно с 1930х годов) действительно не имеет смысла ввиду возросшей точности получаемых данных и доступности хотя бы арифмометров для их анализа. Поправка Буге придумана столетия назад для упрощения обработки первых гравиметрических измерений. По смыслу, это способ выполнить полосовую пространственную фильтрацию без каких-либо вычислительных машин. Для современной точности измерений поправка плоха вообще всем — приведенная в ссылках книга на 145 страниц рассказывает обо всем подробно.
На графиках даны двумерные коррелограммы, то есть графики корреляции пространственных компонент двух растров (графики и топографии). Подробнее и с кодом на питоне смотрите в указанной статье на линкедине. Фактически, это вариант визуализации пространственной когерентности, вот здесь я воспроизвел довольно известную статью авторов из НАСА (в книгу рецептов открытого датасета топографии GEBCO входит) и сравнил графики радиальной когерентности и двумерную коррелограмму: https://www.linkedin.com/pulse/computing-coherence-between-two-dimensional-gravity-grids-pechnikov/
Смотрите мой комментарий выше — если вы используете формулы на плоской Земле, а не на сферической, хотя результаты значительно отличаются, то как это иначе назвать?
В статье дан ответ — верят, потому что так сложилось исторически. Как доказать, что верят? А потому, что используют именно поправку для плоской Земли. Для сферической Земли поправка Буге значительно отличается:
Рис. 1.8. Разность поправок за сферический и плоский промежуточный слой в зависимости от высоты пункта гравиметрических наблюдений (Бычков, С. Г., 2015)
Сравнение формул для плоского (1.13) и сферического (1.14 б) промежуточного слоя
(плотностью 2.67 г/см3) при различных радиусах S в зависимости от высоты гравиметрического пункта H приведены на рис. 1.8. Как видно из рисунка, расхождение между величинами поправок весьма большое и нелинейно зависит от высоты пункта. Градиент разности поправок для S = 200 км составляет примерно 0.001 мГал/м. Поэтому даже для относительно равнинных территорий с превышениями высот рельефа до 100 – 200 м погрешность, вносимая в аномалии Буге применением модели плоского промежуточного слоя, в десятки раз превосходит точность определения наблюденных значений силы тяжести, т.е. погрешность, вносимая в аномалии Буге неучѐтом сферичности Земли, будет определяться не только выбором радиуса сегмента, но и изрезанностью рельефа местности на площади исследований и не может быть устранена при интерпретации.
Итак, по факту, геофизики верят в плоскую Землю, так как используют формулы для плоской Земли вместо сферической.
Задаете в mantaflow внутреннюю конфигурацию цилиндра и симулируете процесс сгорания топлива, при этом двигая границу, соответствующую поршню. Коленвал и прочая механика к симуляции потоков вообще отношения не имеет.
В теории, можно кластеризовать всю эту уйму точек и показать наиболее важные для нас кластеры, выделить поверхности и т.п. На практике же необходимо интерактивно посмотреть-покрутить весь кубик (а также сделать сечения, посчитать градиенты, выделить изоповерхности...), чтобы принять решение, как с ним дальше работать и что важно, а что нет. Вот посмотрите последнюю картинку в посте — там уже выделены геологически интересные структуры как поверхности, но для этого нужно было поработать с полным кубом данных. И возможность быстро и просто покрутить такой куб данных чрезвычайно ускоряет и облегчает работу. ParaView позволяет и анализ многомерных данных делать — выделить поверхности и много всего еще, возможно, и об этом доберусь написать. Плюс к тому, в ParaView можно вставлять код на питон для дополнительной обработки данных, у меня много таких сниппетов кода выложено в гитхаб репозитории: github.com/mobigroup/gis-snippets/tree/master/ParaView
Разумеется, это не отменяет использования matplotlib. Кстати, а вы умеете быстро визуализировать, скажем, 100 ГБ двумерных данных на среднем ноутбуке? И с этим тоже приходится сталкиваться, если будет интерес, могу показать еще много всего.
Как вы с помощью plotly покажете 3D куб, скажем, 1000х1000х1000 ячеек? А если еще и для 1000 временных отсчетов изменение этого куба? Да и с двумерными данными сложно. У меня matlotlib ну очень медленно работает уже на двумерном гриде 15000х15000 ячеек (сцена Landsat 8). И да, во вводной статье я писал, что с данными проблемами 20 лет как сталкиваюсь, безотносительно к геологии.
Так сохраните в яваскрипт из ParaView (смотрите ссылку с описанием в предыдущем посте) и загрузите на статический хостинг — будете вертеть сколько душе угодно, хоть на планшете, хоть на смартфоне!
Отлично, принято! На самом деле, рассказать мне хотелось про дата сайнс для геологии и геофизики, но приходится начинать издалека:) Без правильной визуализации будет очень сложно об этом рассказывать.
Можно так: загружаем в ParaView точки высот из CSV файла, делаем триангуляцию для получения поверхности, строим изолинии, конвертируем все для веб blog.kitware.com/paraview-glance-mobile-support и смотрим на планшете.
Вопрос отличный — потому что эта поправка уже почти столетие (примерно с 1930х годов) действительно не имеет смысла ввиду возросшей точности получаемых данных и доступности хотя бы арифмометров для их анализа. Поправка Буге придумана столетия назад для упрощения обработки первых гравиметрических измерений. По смыслу, это способ выполнить полосовую пространственную фильтрацию без каких-либо вычислительных машин. Для современной точности измерений поправка плоха вообще всем — приведенная в ссылках книга на 145 страниц рассказывает обо всем подробно.
На графиках даны двумерные коррелограммы, то есть графики корреляции пространственных компонент двух растров (графики и топографии). Подробнее и с кодом на питоне смотрите в указанной статье на линкедине. Фактически, это вариант визуализации пространственной когерентности, вот здесь я воспроизвел довольно известную статью авторов из НАСА (в книгу рецептов открытого датасета топографии GEBCO входит) и сравнил графики радиальной когерентности и двумерную коррелограмму: https://www.linkedin.com/pulse/computing-coherence-between-two-dimensional-gravity-grids-pechnikov/
Смотрите мой комментарий выше — если вы используете формулы на плоской Земле, а не на сферической, хотя результаты значительно отличаются, то как это иначе назвать?
В статье дан ответ — верят, потому что так сложилось исторически. Как доказать, что верят? А потому, что используют именно поправку для плоской Земли. Для сферической Земли поправка Буге значительно отличается:
Рис. 1.8. Разность поправок за сферический и плоский промежуточный слой в зависимости от высоты пункта гравиметрических наблюдений (Бычков, С. Г., 2015)
Итак, по факту, геофизики верят в плоскую Землю, так как используют формулы для плоской Земли вместо сферической.
Стоит добавить рельеф и можно моделировать наводнения, цунами и много всего еще:
Разумеется, это не отменяет использования matplotlib. Кстати, а вы умеете быстро визуализировать, скажем, 100 ГБ двумерных данных на среднем ноутбуке? И с этим тоже приходится сталкиваться, если будет интерес, могу показать еще много всего.
Коммерческих продуктов есть немало, навскидку — www.esri.com/~/media/Files/Pdfs/library/brochures/pdfs/arcgis-for-mobile.pdf