Skip to content

lreis2415/iPSM

BranchesTags

Repository files navigation

iPSM

source codes for employing iPSM (individual Predictive Soil Mapping)

1.简介

iPSM是基于地理学第三定律的土壤属性空间推测方法

2. 文件说明

  • doc下面包含了Google Code style 中文帮助、一张图读懂Google Code style，之前组里培训编写的MPI学习文档

  • cmake：自动创建C++项目的

  • code：实现iPSM功能的C++代码

  • solim 下包含了重构代码，包括两套基础代码（parallel-base, block-base)，一套功能实现代码(apps)，以及代码实现过程中用到的第三方代码 (3rdparty) 基础代码主要负责数据的读写功能，根据读写要求的不同，分为并行基础代码（parallel-base），和**分块读取基础代码（block-base）**两组代码，现对基础代码进行修改，使其为功能型代码提供统一接口，方便代码的修改和维护。 - parallel-base 用于实现MPI并行读写，用于解决计算效率低下的问题 - block-base 用于实现分块读写，用于解决处理较大文件时内存不足的问题 功能实现代码包含在 'apps' 文件夹中，该代码包含了实现iPSM预测制图的核心功能，

3. 工程配置与编译

3.1 新建iPSM工程

（1） 安装CMake并配置环境变量

我们下载和测试的CMake版本为cmake-3.10.0-win64-x64.msi。在安装过程中除了需要选择相应的安装路径，还需选择自动配置系统环境变量，即选择Add CMake to the system PATH for all users。

CMake的安装具体步骤可详见：https://jingyan.baidu.com/article/da1091fb645ab4027849d6bc.html

（2）安装MPI并配置环境变量

在Github中，我们已经提供了MPI相应的下载，在【library】文件夹中，安装【V8】文件夹下的两个SDK程序msmpisdk.msi和MSMpiSetup.exe。安装完成后配置MPI的环境变量，在MPI的安装目录下，复制【bin】文件夹目录字符串，如C:\Program Files (x86)\MPI\Bin，将其复制到系统环境变量中，完成MPI配置。

（3）配置GDAL

推荐使用已编译的C++版本，各个编译版本可从以下网站获取：http://www.gisinternals.com/release.php 。 我们选择的GDAL版本为GDAL 3.4 64位。配置环境变量,在已编译后的GDAL文件夹中复制【bin】文件夹路径至系统的环境变量中。

（4） 从Github上Clone或Download项目

（5）在iPSM项目文件夹根目录新建【build】文件夹

（6）利用VS开发人员命令提示工具，定位到build文件夹

（7）进行项目工程生成 输入cmake ..。

（8）生成工程 生成之后可在【build】文件夹中打开iPSM的VS工程

特别注意：

  1. CMake、MPI和GDAL所用版本的位数需要一致，例如都采用64位。

  2. 在执行CMake反向工程时，默认采用32位，和之前三个类库保持一致，如果之前的三个类库是64位，同时还需考虑到Visual Studio的版本问题，例如cmake -G "Visual Studio 12 2013 Win64" ..

  3. 根据开发目的不同，可以在生成工程（步骤7）前对基础代码进行选择： 运行功能实现代码（即文件夹apps下的代码）时只需要一套基础代码，可通过修改codes文件夹下的CMakeLists.txt 中第二行来选择你所需要的基础代码：

    • 选择parallel-base作为基础代码：
    SET(BASE_DIR ${CMAKE_CURRENT_SOURCE_DIR}/parallel-base)
    • 选择block-base作为基础代码：
    SET(BASE_DIR ${CMAKE_CURRENT_SOURCE_DIR}/block-base)

3.2 在已有工程中新建项目

由于我们采用CMake对iPSM进行反向工程，因此当我们需要在已有项目新建项目或类库扩展功能时，需要特别注意工作流程。

  1. 假设此处以Mapping为例，我们需新建Mapping项目，找到需要新建项目的根目录，例如在【apps】下新建文件夹【Mapping】。（特别注意，这里的文件夹根目录不是build中的，而是原始代码文件）。
  2. 在【Mapping】文件夹中创建*.cpp文件和Readme.txt文件。（特别注意，由于我们之前很多人同学都采用中文写注释，这里新建的*.cpp文件需要在创建的时候将编码改为UTF-8）
  3. 修改CMake配置文件。打开【apps】文件夹下的【CMakeLists.txt】
  4. 模仿其他类库和项目，修改相关的配置信息，一下代码是我们已经存在的项目，只需复制并修改代码中mapping或MAPPING中的部分即可，代码如下：
# <mapping>
SET(<MAPPING>_BASED_DIR .</apps/mapping>)
file(GLOB_RECURSE FREQUENCY_BASED_SOURCES ${<MAPPING>_BASED_DIR}/*.cpp)
file(GLOB_RECURSE <MAPPING>_BASED_HEADERS ${<MAPPING>_BASED_DIR}/*.h)
source_group("Header Files" FILES ${<MAPPING>_BASED_HEADERS})
ADD_EXECUTABLE(<mapping> ${<MAPPING>_BASED_SOURCES} ${<MAPPING>_BASED_HEADERS})
  1. 添加在以下代码段中的<>中添加配置信息：
SET(iPSM_TARGETS
				  #demo
				  ipsm
				  ipsmNeighbor
                  mapping
                  )
  1. 在【build】文件中重新生成iPSM工程文件。

3.3 编译程序

  1. 使用visual studio打开【build】文件夹中新生成的*.sln工程文件

  2. 在【解决方案资源管理器中】展开apps文件夹，选择需要编译的项目，如ipsm

  3. 右键目标项目（如ipsm），选择【属性】，打开属性界面，将【配置】修改为Release，在【配置属性->常规】中，将将输出目录修改为【bin】文件夹的路径

  4. 在主界面中【解决方案配置】修改为Release，右键目标项目，选择【生成】，生成成功后即可在bin文件夹中找到编译好的ipsm.exe文件

3.4 iPSM测试

3.4.1 iPSM参数设置

iPSM项目在进行利用各类算法进行计算时，由于需要使用大量环境协变量，涉及到很多图层，因此，参数的设置采用特殊符号分段的方法。

  • ipsm类库，共7个参数
参数符号 解释
-inlayers 输入环境因子图层文件名（以#分割）
-datatypes 每个环境因子图层的数据类型，包含类别型(categorical)和连续型(continuous)，（以#分割）
-sample 样点数据文件名(csv格式)，文件中包含样点地理坐标(名为:x,y,大小写均可,并且与环境因子图层的空间参考对应)和要推测的属性值
-target 要推测的属性名(存在于样点文件的表头中)
-simithred 环境相似度阈值，默认值0.5（可选）
-predmap 输出的推测图层文件名
-uncmap 输出的不确定性图层文件名 
参数设置示例：
```-inlayers D:/data/xc/geo.asc#D:/data/xc/planc.asc#D:/data/xc/preci.asc#D:/data/xc/profc.asc#D:/data/xc/slope.asc#D:/data/xc/tempr.asc#D:/data/xc/twi.asc -datatypes categorical#continuous#continuous#continuous#continuous#continuous#continuous -sample D:/data/xc/samples_xc.csv -target SOMB -simithred 0.5 -predmap D:/data/test/pred.tif -uncmap D:/data/test/unc.tif```

3.4.2 调用示例

在生成编译程序（ipsm.exe等）的bin文件夹，打开命令提示符（cmd.exe），依次输入目标执行程序名和调用参数，执行程序。调用示例：
```ipsm -inlayers D:/data/xc/geo.asc#D:/data/xc/planc.asc#D:/data/xc/preci.asc#D:/data/xc/profc.asc#D:/data/xc/slope.asc#D:/data/xc/tempr.asc#D:/data/xc/twi.asc -datatypes categorical#continuous#continuous#continuous#continuous#continuous#continuous -sample D:/data/xc/samples_xc.csv -target SOMB -simithred 0.5 -predmap D:/data/test/pred.tif -uncmap D:/data/test/unc.tif```

4. 文献

4.1 推测理论

4.2 iPSM 方法

  • iPSM

    • Zhu, A-X., Liu, J., Du, F., Zhang, S. J., Qin, C.-Z., Burt, J. E., Behrens, T., Scholten, T., 2015. Predictive soil mapping with limited sample data. European Journal of Soil Science. 66(3), 535-547. https://doi.org/10.1111/ejss.12244

  • iPSM considering data availability (iPSM-FilterNA)

    • Fan, N. Q., Zhu, A-X., Qin, C. Z., Liang, P. 2020. Digital soil mapping over large areas with invalid environmental covariate data. ISPRS International Journal of Geo-Information. 9(2), 102. http://dx.doi.org/10.3390/ijgi9020102

  • iPSM considering adaptive covariate applicability (iPSM-WCovar)

    • Fan, N.-Q., Zhao, F.-H., Zhu, L.-J., Qin, C.-Z., Zhu, A-X. 2022. Digital soil mapping with adaptive consideration of the applicability of environmental covariates over large areas. International Journal of Applied Earth Observation and Geoinformation 113, 102986. https://doi.org/10.1016/j.jag.2022.102986

  • iPSM considering spatial distances (iPSM-IDW)

    • Fan, X., Fan, N., Qin, C.-Z., Zhao, F.-H., Zhu, L.-J., Zhu, A-X. 2023. Large-area soil mapping based on environmental similarity with adaptive consideration of spatial distance to samples. Geoderma 439, 116683. https://doi.org/10.1016/j.geoderma.2023.116683

    • Qin, C.-Z., An Y., Liang, P., Zhu, A-X., Yang, L. 2021. Soil property mapping by combining spatial distance information into the Soil Land Inference Model (SoLIM). Pedosphere, 31(4), 638-644. https://doi.org/10.1016/S1002-0160(20)60016-9

4.3 软件

About

c++ implementations of iPSM

Resources

Readme

License

LGPL-2.1 license
Activity
Custom properties

Stars

0 stars

Watchers

6 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages