Más

Fusionar capas ráster con la calculadora ráster

Fusionar capas ráster con la calculadora ráster


Estoy buscando fusionar tres capas ráster juntas, solo podemos usar la herramienta Calculadora ráster en Spatial Analyst, ArcToolBox.

Usando ArcMap 10.2


Registro de cambios para QGIS 3.20¶

QGIS 3.20 Odense presenta una pantalla de presentación que muestra una sección del mapa más antiguo de la tercera ciudad más grande de Dinamarca, Odense, de 1593. El mapa fue publicado por Georg Braun (1541-1622) en el trabajo Civitates orbis terrarum (Ciudades del Mundo). Todos los mapas de Georg Braun son hermosos y, para la época, se produjeron a un alto nivel cartográfico. Civitates orbis terrarum fue durante mucho tiempo la principal fuente de mapas de las ciudades del mundo, como París, Londres, Ciudad de México y Adén.

El nombre Odense significa literalmente "templo de Odin", y el lugar pudo haber sido originalmente un santuario del dios pagano Odin. En la parte inferior izquierda del mapa se ven las ruinas de una de las grandes fortalezas en forma de anillo de la época vikinga, que fueron construidas en Dinamarca por el rey vikingo danés Harald Bluetooth (fallecido c. 985/86). La fortaleza circular de Odense se llama Nonnebakken.

Esta versión presenta una serie de cambios sutiles y actualizaciones de estabilidad, lo que refuerza el vasto catálogo de funciones de vanguardia introducidas en las últimas versiones de QGIS. En esta versión se incluyen numerosas mejoras en la gestión de datos, con algunos cambios avanzados en la gestión y visualización de los sistemas CRS y la información de proyección. Entre estas mejoras para la gestión de CRS se encuentran el soporte básico para la época coordinada de los sistemas dinámicos de CRS y las advertencias avanzadas de integridad de precisión, lo que coloca a QGIS 3.20 firmemente a la vanguardia de las prácticas de gestión de datos y SIG para sistemas de alta precisión.

Además, los usuarios pueden esperar una mejor gestión y manejo de metadatos para ciertos tipos de datos y metadatos. Otro punto a destacar es la integración nativa del servicio de codificación geográfica nominatim, que permitirá a los usuarios buscar ubicaciones y direcciones utilizando datos del proyecto OpenStreetMap directamente desde la barra de localización de QGIS.

La comunidad de QGIS también ha visto un aumento en la actividad en QGIS HUB, así como en los Virtual QGIS Open Days, con el Cutting Edge Open Day mostrando una serie de demostraciones que aprovechan la rica funcionalidad de QGIS que se introdujo en versiones más recientes.

También nos gustaría extender un gran agradecimiento a los desarrolladores, documentadores, evaluadores y todas las personas que ofrecen voluntariamente su tiempo y esfuerzo (o financian a personas para que lo hagan) para hacer posibles estos lanzamientos. ¡Desde la comunidad de QGIS, esperamos que disfrute de este lanzamiento! Si desea donar tiempo, dinero o participar en hacer que QGIS sea más increíble, visite QGIS.ORG y eche una mano.

QGIS cuenta con el apoyo de donantes y miembros de apoyo. En nuestra lista de donantes se puede ver una lista actualizada de donantes que han hecho contribuciones financieras grandes y pequeñas al proyecto. Si desea convertirse en miembro sustentador oficial del proyecto, visite nuestra página de miembros sustentadores para obtener más detalles. Patrocinar QGIS nos ayuda a financiar nuestras reuniones regulares de desarrolladores, mantener la infraestructura del proyecto y financiar los esfuerzos para corregir errores. A continuación se proporciona una lista completa de los patrocinadores actuales. ¡Nuestro gran agradecimiento a todos nuestros patrocinadores!

QGIS es software gratuito y no tiene la obligación de pagar nada para usarlo; de hecho, queremos alentar a las personas de todo el mundo a que lo usen independientemente de su estado financiero o social; creemos que empodera a las personas con la toma de decisiones espaciales Las herramientas resultarán en una sociedad mejor para toda la humanidad.


Marco de determinación espacial de la producción de energía sostenible, basado en la toma de decisiones de criterios múltiples y el sistema de información geográfica en un entorno neutrosófico: un estudio de caso en Egipto.

El consumo de electricidad está creciendo directamente con el tiempo de acuerdo con: desarrollo urbano, técnico, civil y expansión agrícola. La producción de energía depende principalmente de los combustibles fósiles, que: se reduce en el tiempo (insostenible), así como la extracción de alto costo, reflejada directamente en los consumidores, y los efectos de la contaminación ambiental.

La importancia de la energía eléctrica y sus recursos, llevó a un mayor interés en los recursos energéticos alternativos y renovables. El viento es uno de los recursos energéticos sostenibles. La energía eólica se proporciona como abundante combustible de petróleo, contribuye a la preservación del medio ambiente y facilita el desarrollo en áreas remotas. La ubicación de la energía eólica (WEL) es uno de los factores más importantes de los proyectos de producción de energía eólica, WPL es la piedra angular de la eficiencia y el costo de generación de la energía eólica, así como de los impactos ambientales. Por lo tanto, la determinación de WEL es un tema vital que debe ser analizado en profundidad para que sea efectivo técnica, económica, ambiental y socialmente. WEL se ve afectado por muchos factores, estos factores deben identificarse cuidadosa y sistemáticamente para tomar una decisión del enfoque holístico. Debido a la dificultad de la compensación entre los factores y criterios alternativos disponibles, se ha centrado el uso de herramientas de apoyo a la toma de decisiones. Este documento adoptó el enfoque de Toma de Decisiones de Criterios Múltiples (MCDM) para la determinación de WEL.

MCDM es una de las subdisciplinas de investigación operativa que evalúa específicamente diferentes criterios en competencia en la toma de decisiones1 [1]. Aunque las preferencias en la toma de decisiones deben utilizarse para clasificar las soluciones, no existen soluciones únicas y apropiadas para tales problemas. La toma de decisiones mejor informada es asistida por una estructura adecuada y una consideración consistente de varios parámetros para problemas complejos. Los métodos MCDM demostraron éxito en el proceso de evaluación en varios dominios de resolución de problemas.

Si bien los métodos MCDM ofrecen una base eficiente para la selección de la ubicación ideal para la planta de energía renovable con criterios múltiples y contradictorios, la decisión de elegir una WEL todavía tiene varias restricciones. Uno de los desafíos es la incertidumbre general de determinar la selección, ya que la decisión se toma antes de que se establezca el parque eólico, por lo que, debido a las complejidades y las variables específicas de la ubicación, a menudo es difícil predecir o evaluar con precisión los detalles de evaluación correctos. Además, las opiniones comunicadas por los expertos parecen ser inciertas en gran medida y el nivel de satisfacción no se puede calcular de manera precisa. Por lo tanto, en una atmósfera de conocimiento incompleta e imperfecta, se toma la decisión de selección del sitio.

El proceso de red analítica (ANP) es una de las mejores formas de resolver los problemas de dependencia y retroalimentación entre criterios y subcriterios en los problemas de toma de decisiones bajo el supuesto de que son independientes o muestran auto-relación. Como existen varias interdependencias complicadas entre los criterios utilizados, hay muchos subcriterios ambiguos (no deterministas) y sus conexiones, el proceso de red analítica del conjunto neutrosófico bipolar (BNS -ANP) parece ser una herramienta eficaz para determinar el mejor viento. ubicaciones de la granja.

Hay muchos factores involucrados en el proceso de selección del sitio de un parque eólico, tales como consideraciones socio-económicas, espaciales, ecológicas y ambientales. El Enfoque de Toma de Decisiones de Criterios Múltiples (MCDM) es eficiente para resolver problemas multicapa dinámicos y contradictorios (por ejemplo, beneficios, inconvenientes, costos, recompensas) y es ideal para proporcionar alternativas de decisión graduadas a la selección del sitio [2]. Por otro lado, el instrumento del Sistema de Información Geográfica (SIG), como un poderoso método de recopilación. "Preservar, manejar, medir, evaluar, manipular y cartografiar información geográfica, podría desempeñar un papel fundamental en la posible evaluación y selección de sitios de viento. recursos sobre la base de su capacidad para proporcionar bases de datos de indicadores y mapa visualizado [3-5].

La integración de MCDM y GIS también ha sido ampliamente aplicable al análisis de selección de sitios. Los estudios de ejemplo cubren la selección del sitio de un parque eólico terrestre [3, 6-8]. Y varias técnicas de MCDM son posibles para dar cuenta de la complejidad de la toma de decisiones en circunstancias inciertas e imprecisas, especialmente en el campo de la selección del sitio de parques eólicos. Por ejemplo, Gorsevski et al [9] investigaron la integración de GIS y la técnica de combinación lineal ponderada (WLC) para producir el índice de idoneidad de cada sitio bajo la capa de mapa para los parques eólicos terrestres del noroeste de Ohio.

Sánchez-Lozano y col. [10] Primero se eliminaron las áreas inadecuadas sobre la base de las limitaciones legales relevantes y la consideración de dichos criterios, y luego se identificaron las ubicaciones ideales para las instalaciones de generación de energía en la región española de Murcia utilizando el sistema ELECTRE-TRI basado en GIS. S. Ali y col. [11] sugirió un enfoque combinado de GIS y MCDM para identificar la mejor ubicación para la ubicación de parques eólicos. G. Villacreses y col. [2] introdujo un SIG con técnicas MCDM para determinar el sitio óptimo para la construcción de parques eólicos en Ecuador, seleccionando como la ubicación más adecuada en la zona andina del Ecuador. Diez-Rodríguez y col. [12] desarrolló una metodología para uso futuro en evaluación ambiental estratégica mediante la aplicación de un sistema técnico de Soporte de Decisiones Espaciales-Grupo (GSDSS) que incorpora información y métodos de inteligencia colectiva, teoría de la complejidad y geo-prospectiva.

Para hacer frente a la selección del sitio de un parque eólico en tierra, S. Ali et al. [3] para clasificar los sitios ideales en la provincia de Songkhla, Tailandia, para parques eólicos terrestres a gran escala. Gigovic y col. [13] desarrolló un modelo basado en la combinación de SIG, Laboratorio de Evaluación y Prueba de Toma de Decisiones (DEMATEL), ANP y Comparación de Área de Aproximación de Límites Multi-Atributivos (MABAC), para decidir los sitios para la construcción de parques eólicos en la provincia de Vojvodina, Serbia. Dhiman y Deb propusieron un modelo difuso de TOPSIS y Evaluación Proporcional Compleja (COPRAS) para seleccionar las ubicaciones apropiadas de los parques eólicos [14].

Para hacer frente a la incertidumbre y la imprecisión, Zadeh propuso en primer lugar el concepto de conjuntos difusos (FS) y conjuntos difusos intuicionistas (IF) [15] y [16] respectivamente. En vista del hecho de que las incertidumbres están correlacionadas con la determinación del peso de los indicadores de evaluación propuestos y sus puntajes relevantes para todas las ubicaciones candidatas, los valores fijos no son adecuados para caracterizar las características de los indicadores. Como resultado, han aparecido enfoques inciertos de MCDM en el campo de la selección de sitios para parques eólicos. Por ejemplo, Ayodele et al. [17] sugirió un modelo basado en GIS de tipo 2 difuso AHP para decidir los parques eólicos apropiados en Nigeria, donde se utilizaron conjuntos difusos para describir la inconsistencia, vaguedad e incertidumbre del proceso de toma de decisiones. Y. Wu y col. [18] En primer lugar, utilizó números difusos intuicionistas y medidas difusas para representar las preferencias intuitivas de los expertos y calificar los grados de importancia entre los criterios. Finalmente, se evaluó la aceptabilidad de ubicaciones alternativas para el proyecto de parque eólico en China. Además, en el contexto del Sureste de España [6], el Corredor Sureste de Pakistán [19] y Vietnam [20], el AHP difuso y el TOPSIS difuso también han demostrado ser exitosos en la selección de emplazamientos sostenibles para parques eólicos terrestres.

Fuzzy se centra únicamente en la función de pertenencia (grado de verdad) y no tiene en cuenta el grado de no pertenencia (grado de falsedad) e indeterminación, por lo que no representa indeterminación e incertidumbre. Smarandache [21] desarrolló posteriormente el concepto de conjunto neutrosófico, que puede hacer frente a la indeterminación. En comparación con el conjunto difuso y los conjuntos difusos intuicionistas, que son incapaces de lidiar con la indeterminación de manera efectiva. El conjunto neutrosófico (NS) es la generalización de (FS) y (IF). Numerosos tipos de enfoques MCDM se incorporan por conjunto neutrosófico. Los conjuntos neutrosóficos tienen muchos beneficios en comparación con (FS) e (IF). En consecuencia, muchos investigadores lo estudian ampliamente [22-26].

Este artículo presenta un modelo de evaluación para la selección de ubicaciones de parques eólicos basado en el conjunto neutrosófico bipolar (BNS) que puede manejar la vaguedad, la indeterminación y mejorar la confiabilidad. BNS se aplica con el método ANP y GIS para agregar al campo de la literatura de estaciones de energía eólica. Después de eso, se ha considerado un estudio de caso empírico para ilustrar la aplicabilidad de este enfoque propuesto.

El resto de este documento está planificado de la siguiente manera: La Sección 2 describe el área de estudio. La sección 3 describe la teoría de fondo de los números neutrosóficos bipolares. La Sección 4 describe Materiales y métodos. La sección 5 presenta los resultados y la discusión, seguida de la sección 6 que contiene las observaciones finales.

El Sinaí es una península triangular de 61.000 km2 en el noreste de Egipto que conecta las vastas masas continentales de África y Asia entre las latitudes 27 [grados] 43 'y 31 [grados] 19' Norte y las longitudes 32 [grados] 19 'y 34 [grados] 54 'Este. La península está ubicada entre los golfos de Aqaba y Suez y limita al norte con el mar Mediterráneo, como se muestra en la Fig. (La). Se divide en dos regiones administrativas, con el norte del Sinaí que cubre aproximadamente 27,564 km (2) y el sur del Sinaí que cubre aproximadamente 31,272. Km (2). La Península también cubre partes de tres gobernaciones, a saber, las gobernaciones de Ismailia, Suez y Port Saied. Las llanuras desérticas, las dunas de arena y las orillas del mar, las mesetas y las áreas montañosas se incluyen en la geografía geográfica El Modelo Digital de Elevación (DEM) de la Península del Sinaí se muestra en la Fig. (1b). Con un litoral que alcanza los 205 km, el Mar Mediterráneo limita con la Península por el norte.

3. Conjunto neutrosófico bipolar (BNS)

La bipolaridad se describe como la propensión de la mente humana a razonar y tomar decisiones basadas en consecuencias positivas y negativas. Las declaraciones positivas expresan lo que es probable, satisfactorio, permisible, esperado o considerado adecuado. Las declaraciones negativas, en cambio, transmiten lo que es imposible, prohibido o rechazado [27]. En esta sección, se introducen algunas definiciones importantes de números neutrosóficos bipolares (BNN) [28].

Definición 3.1 Un BNS A en X se define como un objeto de la forma A = <& ltx, [T.sup. +] (X), [I.sup. +] (X), [Fsup. +] ( x), [T.sup .-] (x), [I.sup .-] (x), [Fsup .-] (x) & gt: x [miembro de] X> donde [T.sup. +], [I.sup. +], [Fsup. +]: X [flecha derecha] [1,0] y [T.sup.-], [I.sup.-], [F.sup. .-]: X [flecha derecha] [-1,0]. El grado de pertenencia positivo [T.sup. +] (X), [I.sup. +] (X), [Fsup. +] (X) representan la pertenencia de verdad, la pertenencia de indeterminación y la pertenencia de falsedad de x EA, respectivamente. Y el grado de pertenencia negativo [T.sup .-] (x), [I.sup .-] (x), [Fsup .-] (x) representan la pertenencia de verdad, la pertenencia de indeterminación y la pertenencia de falsedad de x [miembro de] A.

Definición 3.2 Suponga que [[

.a] .sub.1] = & lt [T.sup. +. sub.1], [I.sup. +. sub.1], [F.sup. +. sub.1], [T.sup. .-. sub.1], [I.sup .-. sub.1], [F.sup .-. sub.1] & gt y [[

.a] .sub.2] = & lt [T.sup. +. sub.2], [I.sup. +. sub.1], [F.sup. +. sub.2], [T.sup. .-. sub.2], [I.sup .-. sub.2], [F.sup .-. sub.2] & gt ser dos números neutrosóficos bipolares. Luego, están las siguientes reglas operativas:

.a] .sub.1] = & lt1 - [(1 - [T.sup. +. sub.1]). sup. [lambda]], [([I.sup. +. sub.1]). sup. [lambda]], [([F.sup. +. sub.1]). sup. [lambda]], - [(- [T.sup. .-. sub.1]). sup. [lambda ]], - [(- [I.sup .-. Sub.1]). Sup. [Lambda]], - (l - [(1 - (- [F.sup .-. Sub.1])) .sup. [lambda]]) & gt (1)

.a] .sub.1.sup. [lambda]] = & lt [([T.sup. +. sub.1]). sup. [lambda]], 1 - [(1 - [I.sup. + .sub.1]). sup. [lambda]], 1 - [(1 - [F.sup. +. sub.1]). sup. [lambda]], - (1 - [(1 - (- [T.sup .-. Sub.1])). Sup. [Lambda]]), - [(- [I.sup .-. Sub.1]). Sup. [Lambda]], - [(- [F.sup .-. Sub.1]). Sup. [Lambda]] & gt (2)

.a] 2 = & lt [T.sup. +. sub.1] + [T.sup. +. sub.2] - [T.sup. +. sub.1], [I.sup. +. sub .1] [I.sup. +. Sub.2], [F.sup. +. Sub.1], - [T.sup. Sub.1] -, - (- [I.sup. .sub.1] - [I.sup .-. sub.2] - [I.sup .-. sub.1], - (- [F.sup .-. sub.1] - [F.sup. -.sub.2] - [F.sup .-. sub.1] [F.sup .-. sub.2]) & gt (3)

.a] 2 = & lt [T.sup. +. sub.1] + [T.sup. +. sub.2], + [I.sup. +. sub.1] + [I.sup. + .sub.2] - [I.sup. +. sub.1], [I.sup. +. sub.1] [I.sup. +. sub.2], [Fsup. +. sub .1], + [F.sup. +. Sub.1] [T.sup .-. Sub.1] - [F.sup. +. Sub.1] [F.sup. +. Sub.2] , - (- [T.sup .-. Sub.1] - [T.sup .-. Sub.2] - [I.sup .-. Sub.1] [I.sup .-. Sub.2] , - (- [F.sup .-. Sub.1] - [F.sup .-. Sub.2] - [F.sup .-. Sub.1] [F.sup .-. Sub.2] ) & gt donde [lambda] & gt 0 (4)

Definición 3.3 Suponga que [[

a] .sub.1] = & lt [T.sup. +. sub.1], [I.sup. +. sub.1] [F.sup. +. sub.1], [T.sup. - .sub.1], [I.sup .-. sub.1], [Fsup .-. sub.1] & gt ser un Número Neutrosófico Bipolar. Entonces, la función de puntuación S ([

. [a.sub.1]]), función de precisión A ([[

a] .sub.1]) y función de certeza C (

[a.1]) de un número neutrosófico bipolar se puede definir de la siguiente manera:

. [a.1]]) = ([T.sup. +. sub.1] + 1 - [I.sup. +. sub.1] + 1 - [F.sup. +. sub.1 ] + 1 + [T.sup .-. Sub.1] - [I.sup .-. Sub.1] - [F.sup .-. Sub.1]) / 6 (5)

.a] .sub.1]) = [T.sup. +. sub.1] - [F.sup. +. sub.1] +7 [T.sup. -. sub.1] - [T.sup. +. sub.1] - [T. sup .-. sub.1] (6)

.a] .sub.1]) = [T.sup. +. sub.1] - [F.sup. sub.1] (7)

Esta sección describe el marco propuesto y los conjuntos de datos utilizados con sus recursos. El marco es una integración entre BNS, ANP y GIS (BAG).

La Tabla (1) resume el conjunto de datos del investigador que se recopilaron de numerosos recursos que incluyen agencias gubernamentales, fuentes abiertas y literatura relacionada. La tecnología GIS y de teledetección se ha utilizado en combinación para procesar, integrar y analizar datos espaciales. El software utilizado para este estudio es ArcGIS 10.3 y Global Mapper v17.1 para hacerlos utilizables en el modelo de selección del sitio del parque eólico. Los pesos de los criterios se generaron utilizando el conjunto neutrosófico bipolar (BNS) y Analytic Network Process (ANP), el modelo matemático implementado en Microsoft Excel.

4.2 Descripción del marco BAG

BAG utiliza las capacidades de GIS en la gestión de datos geoespaciales y la versatilidad de MCDM para fusionar datos precisos (por ejemplo, pendiente, uso de la tierra, elevación, etc.) con datos basados ​​en valores (por ejemplo, vistas de especialistas, estándares, encuestas, etc.) en un marco neutrosófico. para la selección de ubicaciones adecuadas para parques eólicos. la estructura BAG comprende las siguientes etapas como se muestra en la Fig. (2).

Etapa 1: estudio preliminar, adquisición de datos y preprocesamiento

Esta etapa implica la definición de la meta / problema, la determinación e identificación de las limitaciones y los criterios de evaluación, y el análisis de los sitios generalmente adecuados.

Etapa 2: Identificación de áreas restringidas

Debido a las áreas residenciales, cuerpos de agua, reservas naturales o áreas protegidas, no se considera práctico instalar un sistema de este tipo en dicho entorno. La definición de esa área ayuda a eliminar la definición del área de zonas utilizables para la construcción de un sistema de parque eólico. En primer lugar, se excluyen determinadas zonas que, debido a factores fácticos y requisitos legales, pueden considerarse inadecuadas para la ubicación de parques eólicos. Las zonas de amortiguamiento, es decir, las longitudes mínimas, en estas regiones también están excluidas en algunos casos según la legislación egipcia.

El procedimiento de exclusión se aplica en ArcGIS. La herramienta BUFFER se utiliza para construir una zona de amortiguamiento alrededor de un tipo de campo específico. En un paso siguiente, todos los datasets de entidades se transforman en un dataset ráster. luego, según la lógica booleana, las herramientas IS NULL y CON asignan un valor verdadero o falso a los criterios. Todas las áreas restringidas se marcan como falsas y, por lo tanto, obtienen una puntuación de valor de 0. Después de eso, "multiplique" todas las restricciones. Finalmente, el mapa de áreas de exclusión mostrará la tierra máxima técnicamente disponible para el desarrollo de energía eólica en el área de estudio.

Etapa 3: Estandarización de criterios

Aunque cada atributo de criterio tiene su escala de medición, la estandarización se utiliza para realizar la transformación de atributos en una idoneidad común. que produce atributos transformados en una escala de tasa de referencia común. Por ejemplo, los atributos de criterio para cada submodelo se transformaron de los valores originales a una escala de idoneidad común que varió de 1 a 10 (10 significa más favorable y cero significa píxeles inadecuados).

Etapa 4: Análisis y evaluación

Después de que se identificaron las áreas de exclusión y se excluyeron del área total del área de estudio, el área potencial adecuada para la construcción de parques eólicos es el área restante. Esta área potencialmente adecuada debe evaluarse para seleccionar los sitios preferidos. En este estudio, utilizamos el analista espacial ArcGIS, que proporciona un conjunto de abundancia de herramientas y funciones de análisis espacial y modelado para datos ráster y vectoriales. Las capacidades analíticas de Spatial Analyst facilitan la manipulación espacial y generan datos basados ​​en el análisis espacial y muestran los resultados del análisis espacial. A continuación, se describen los procedimientos analíticos GIS que se han aplicado individualmente o se han utilizado en secuencia dentro de ArcGIS para evaluar la idoneidad inicial para la construcción de parques eólicos:

1. Análisis de distancia euclidiana: la herramienta Distancia euclidiana describe la relación de cada celda con una fuente en función de la distancia en línea recta. La salida de esta herramienta es un mapa ráster.

2. Reclasificar análisis: proporcione una variedad de métodos que le permitan reclasificar o cambiar las celdas de entrada a valores alternativos.

Etapa 5: Aplicación de ANP neutrosófico bipolar

En nueve pasos principales, el ANP neutrosófico bipolar se puede resumir de la siguiente manera:

Paso 1. Generador de modelos: construir un modelo y transformar un problema en un concepto de estructura de red. Debe haber una transformación accesible de un problema en una estructura lógica, como una red. El problema se transforma en un sistema de red en este paso, donde todos los aspectos pueden contactarse entre sí.

Paso 2. Determinación de expertos: Un proceso para seleccionar un comité de expertos que incluye académicos y profesionales en campos relevantes como ciencias sociales, energía, protección ambiental y economía. Es importante tener en cuenta las diversas perspectivas de los expertos en función de sus antecedentes y áreas de especialización.

Paso 3. Evaluación lingüística: los expertos sugieren sus expresiones lingüísticas para evaluar la importancia relativa de los criterios.

Paso 4. Transformación BNS: Transforma las expresiones lingüísticas en números neutrosóficos bipolares. Para las ponderaciones de los criterios, las expresiones lingüísticas se muestran en la Tabla (2).

Paso 5. Deneutrosoficación: Determine el valor de puntuación de los términos lingüísticos para cada factor, utilizando la ecuación. (5) para convertir números neutrosóficos bipolares en valores nítidos.

Paso 6. Construcciones de comparaciones por pares: construir una relación por pares de todas las variables de toma de decisiones y estimar la prioridad de los criterios. Los elementos de decisión para cada grupo se comparan por pares, equivalente a la comparación por pares realizada en AHP. Los propios grupos también son evaluados en función de su posición e influencia en el logro de los objetivos y de las interdependencias entre los criterios de cada grupo. A través del vector propio, se puede presentar el impacto de los criterios entre sí.

Paso 7. Genere una supermatriz: para lograr los objetivos generales en un entorno interconectado, los vectores de importancia interna deben insertarse en columnas únicas de la matriz que se denomina supermatriz. Es esencialmente una matriz de partición que muestra las relaciones entre dos grupos en un sistema. La supermatriz de la jerarquía se puede definir como:

[expresión matemática no reproducible] (8)

Donde en esta supermatriz, [W.sub.21] es un vector que demuestra los impactos del objetivo sobre los criterios, [W.sub.32] demuestra los impactos de los criterios sobre las alternativas, e I representa la matriz unitaria. Si se utilizan los parámetros para las relaciones internas, el modelo de jerarquía se transformará en modelo de red. Las interacciones de los criterios se realizan insertando [W22] en la supermatriz [Wh] para que sea la matriz.

[expresión matemática no reproducible] (9)

Paso 8. Construcción de la supermatriz ponderada: Esta matriz se conoce como la supermatriz inicial. Para obtener la supermatriz no ponderada, los vectores, matrices y elementos de prioridades internas reemplazados en la supermatriz inicial. Al multiplicar los valores de la supermatriz no ponderada en la matriz de grupo, se obtiene la supermatriz ponderada. Luego, usando la ecuación. (10) en la etapa final para calcular la supermatriz limitada.

[expresión matemática no reproducible] (10)

Paso 9. Elección de la elección correcta: En la supermatriz limitada, el peso final de las alternativas se obtiene de la columna de la alternativa. Se considera que una alternativa es la elección correcta a la hora de convertirse en el mayor peso en esta matriz. En la técnica propuesta, se puede aplicar ANP neutrosófico bipolar para determinar los pesos de los criterios. Después de eso, los pesos de los criterios se pueden usar en ARCGIS para determinar alternativas.

Etapa 5: Agregación de los criterios:

Es importante agregar los criterios después de calcular las ponderaciones de los grupos / criterios. WLC se utiliza en el proceso de agregación de requisitos. Cada mapa de criterios estandarizados (cada celda dentro de cada mapa) se multiplica por el peso de sus criterios y luego se suman los resultados. Para integrar los criterios de evaluación (factores) según el proceso WLC, se utilizó la siguiente expresión matemática:

[expresión matemática no reproducible] (11)

Donde S es idoneidad, [Wi] es el valor normalizado del peso del factor i, y [Xi] es la puntuación de criterio del factor i.

En la siguiente etapa, las ubicaciones requeridas deben segregarse eliminando las celdas del mapa de idoneidad con los valores más altos para mostrar la posición de los parques eólicos. Al integrar las operaciones aritméticas y las consultas en la aplicación GIS, las celdas se filtran y luego se identifican los sitios de instalación del parque eólico.

5. Resultados y debates

De acuerdo con los desarrollos recientes y los desarrollos políticos en Egipto durante los últimos años, y en línea con la tendencia del Estado de promover el uso de energías renovables en la mayoría de las aplicaciones industriales, agrícolas, turísticas y de otro tipo, no obstante, la cuestión de la selección de parques eólicos sitio todavía prominente. El proceso de toma de decisiones para elegir el mejor sitio es un gran problema para MCDM. En esta investigación, la solución al problema se ha logrado en un entorno de ambigüedad (borrosidad) e incertidumbre al fusionar el Neutrosófico Bipolar, ANP y GIS en los siguientes pasos:

Paso 1: estudio preliminar, adquisición de datos y preprocesamiento

En esta investigación, utilizamos un conjunto de datos que incluía factores climáticos, topográficos, hidrológicos y geológicos. Sobre la base de varias publicaciones, estudios de casos relacionados con la selección del sitio del parque eólico y las condiciones locales, se revisaron diferentes criterios y se seleccionaron once criterios para evaluar los sitios adecuados para los parques eólicos, los criterios se han clasificado en tres grupos principales porque los grupos juegan un papel importante en el Método ANP factores naturales, ambientales y socioeconómicos. Estos fueron los criterios más importantes para seleccionar sitios adecuados.

Incluye velocidad del viento, elevación, pendiente, dirección de aspecto y dirección del viento. La velocidad del viento es un factor crítico para generar la electricidad de las turbinas eólicas. Para producir energía eólica, la velocidad del viento por encima de determinadas tasas es vital [7]. La altura tiene un impacto en la capacidad técnica de instalar un aerogenerador y maximiza los costos de construcción y mantenimiento, los sitios de gran altitud (por encima de 1500 m.s.n.m.) o cerca de acantilados no suelen ser apropiados para instalar aerogeneradores [29-31]. Los terrenos inclinados se consideran menos adecuados para la mejora de las turbinas eólicas, lo que aumenta drásticamente el costo de construcción y mantenimiento de las turbinas [7, 32]. Se debe tener en cuenta la ubicación del terreno, como factor ideal. Aspecto relativo a la dirección del viento [33], y las turbinas eólicas se ubican a través de la dirección predominante del viento para que sean efectivas.

Incluya la proximidad a los aeropuertos, la distancia a las áreas de interés ambiental y la cobertura terrestre / uso del suelo de la superficie terrestre. La distancia entre aeropuertos y aerogeneradores afecta la seguridad de los vuelos, por lo que se debe tener en cuenta la ubicación del factor para aeropuertos. Además, las turbinas eólicas pueden interferir con las transmisiones de radio, el radar y las señales de microondas debido a su altura, de ahí la necesidad de ubicarlas lejos de los aeropuertos [34]. a la hora de decidir dónde se deben instalar las turbinas, se debe tener en cuenta el efecto de las turbinas eólicas en las áreas de interés ambiental (áreas protegidas, paso de migración de aves) [35,36]. Además, la posibilidad de que ocurran inundaciones cerca de los parques eólicos durante el invierno debe tenerse en cuenta ya que un factor crucial afecta la funcionalidad de las turbinas, y para evitar daños en los componentes de la turbina, las aletas de las turbinas eólicas se bajan y desconectan. Y todas las partes mecánicas de las turbinas de energía eólica deben mantenerse alejadas del agua. Uno de los factores más importantes para las inversiones en energía es el uso / cobertura del suelo. Los parques eólicos deben instalarse en el área en la que interfieran de manera insignificante con el uso de la tierra existente fuera de las áreas protegidas, superficies artificiales, humedales, áreas acuáticas y forestales [33].

Incluya la proximidad a la red eléctrica, la proximidad a las ciudades, la distancia a las carreteras. Para reducir los costos asociados a la construcción de parques eólicos y reducir los costos de transporte eléctrico generados en el sistema nacional de distribución de energía, los parques eólicos deben ubicarse en las proximidades de las redes de transmisión actuales [33]. Una de las consideraciones técnicas clave, por tanto, es la necesidad de acortar la distancia entre los aerogeneradores -como fuente de energía renovable- y la red energética nacional existente. El parque eólico debe estar ubicado lejos de las ciudades y pueblos para lograr la protección y una menor interferencia de ruido [33]. La distancia a las carreteras tiene un impacto en los gastos de instalación y mantenimiento de las turbinas eólicas, pero por razones de seguridad, la ubicación de las turbinas eólicas debe colocarse correctamente a una distancia determinada de las carreteras y vías férreas [33].

Después de eso, todos los mapas se tomaron como capas GIS para toda el área de la península del Sinaí y se proyectaron en WGS_1984_UTM_Zone_36N del Sistema Universal Transverse Mercator (UTM) de coordenadas proyectadas. Luego, todos los conjuntos de datos vectoriales se convirtieron en conjuntos de datos ráster. Recorte o enmascare el conjunto de datos con el límite del área de estudio y asegúrese de que todo el tamaño de celda sea igual a 30 * 30.

Paso 2: Identificación y exclusión de áreas restringidas.

La Tabla (3) muestra los criterios de exclusión y las zonas de amortiguamiento para los potenciales parques eólicos. Basado en un criterio predefinido, el método restrictivo utiliza el enfoque de lógica booleana para definir la posibilidad de ubicar un parque eólico. Las herramientas matemáticas lógicas representan las condiciones correctas como 1 para el área con una probabilidad de ser la ubicación de un parque eólico y las condiciones falsas como 0 para un área con un impedimento para la ubicación de un parque eólico.

Paso 3: Estandarización de criterios a una escala común.

Para nuestra investigación, usamos la fórmula más simple para la estandarización lineal que se llama procedimiento de puntaje máximo. La fórmula divide cada valor de criterio sin procesar por el valor de criterio máximo como se muestra en la Ec. (12).

[x'.sub.ij] = [[x.sub.ij] / [x.sup.max.sub.j]] (12)

Donde [x'.sub.ij] es la puntuación estandarizada para la [i.sup.th] alternativa de decisión y el [j.sup.th] criterio, [x.sub.ij] es el valor de los datos brutos, y [ x.sup.max.sub.j] es la puntuación máxima para el criterio [j.sup.th].

Paso 4: Análisis y evaluación.

La función de distancia euclidiana (múltiples zonas de influencia) en ArcGIS Spatial Analyst se utilizó para calcular la distancia desde las líneas de transmisión de energía en áreas urbanas, carreteras y áreas protegidas. Luego, se utilizó la función de reclasificar análisis en ArcGIS Spatial Analyst para reclasificar el área de estudio en clases. La clasificación completa se presenta en la Tabla (4). La figura (3) muestra un ejemplo de los mapas reclasificados.

Paso 5: construcción de la estructura del problema.

Los criterios y subcriterios generales para la selección se mencionan en la Tabla (5). La figura (2) presenta un diagrama esquemático del problema.

Paso 6: Determine un comité de tomadores de decisiones.

Paso 7: Utilizar variables lingüísticas para expresar la opinión de especialistas Utilizando las escalas mencionadas anteriormente en la Tabla (2).

Paso 8: Determine la relación interna entre los subcriterios, como en la Tabla (6).

Paso 9: construcción de la matriz de comparación por pares entre los criterios principales de la siguiente manera:

* Construya [W.sub.21] como se presenta en la Tabla (7).

* Reemplace la escala lingüística por números neutrosóficos bipolares utilizando la Tabla (2).

* Desneutroficación de los números neutrosóficos bipolares a valores nítidos como se presenta en la tabla (8) usando la Ec. (5).

* Verifique la consistencia calculando el CR de las matrices de comparación con menos o igual 0.1.

* Calculó las interdependencias para los subcriterios como se demuestra en las Tablas (9-18).

* Construyó la matriz [W.sub.22] como se presenta en la Tabla (19).

* Construyó la matriz de ponderaciones y calculó la ponderación de los criterios usando [W.sub.criteria] = [W.sub.21] x [W.sub.22], como se muestra en la Tabla (19).

Paso 10: Agregación de los criterios:

La superposición ponderada en ArcGIS se utilizó para combinar las diferentes capas geoespaciales para los criterios de modelado. Los puntajes finales de idoneidad del área de estudio se calcularon reclasificando los puntajes de superposición ponderados en cuatro clases, y las áreas correspondientes a las áreas de exclusión se calificaron como "no adecuadas". Como se ve en la fig. (4).

Este documento presenta un nuevo modelo para mapear zonas potenciales de energía eólica en la península del Sinaí en Egipto que combina datos de teledetección y un modelo de apoyo a la decisión espacial. utilizamos números neutrosóficos bipolares para explicar los valores de los atributos para dar cabida a la escasez de conocimiento de juicio.

La selección de sitios adecuados para parques eólicos en la península del Sinaí se basa en una serie de factores interrelacionados de geografía, clima y uso del suelo-cobertura del suelo. Para el estudio de dichos factores se utilizaron técnicas de teledetección (ASTER) y GIS y se diseñó un modelo de Toma de Decisiones Multicriterio Espacial (SMDM).

La creación de un modelo de decisión espacial resultó de la incorporación de datos interpretados obtenidos de una serie de capas sobre características naturales y ambientales, así como Scioeconómicas. La investigación dio como resultado un mapa de índice de idoneidad con varias zonas adecuadas para la construcción de plantas de energía eólica conectadas a la red.

Se concluye que el modelo de Toma de Decisiones Multicriterio Espacial logró resolver el problema de selección del sitio y cumplir con el objetivo del estudio. Consideró los criterios más efectivos, es decir, natural, ambiental y socioeconómico, y su importancia relativa en la toma de decisiones. Además, para dar cabida a los detalles que faltan, el conjunto neutrosófico bipolar se incluye en el juicio del comité de especialistas. Dichas herramientas de apoyo a las decisiones estudiadas necesitan más atención tanto por parte de los investigadores como de los tomadores de decisiones.

Financiamiento: esta investigación no recibió financiamiento externo

Conflicto de intereses: Los autores declaran no tener ningún conflicto de intereses.

[1] A. Kumar, B. Sah, AR Singh, Y. Deng, X. He, P. Kumar y RC Bansal, "Una revisión de la toma de decisiones multicriterio (MCDM) hacia el desarrollo sostenible de energías renovables", Renewable and Sustainable Energy Reviews, vol. 69, pág. 596-609, 2017.

[2] G. Villacreses, G. Gaona, J. Martinez-Gomez y DJ Jijon, "Ubicación de idoneidad de parques eólicos mediante sistema de información geográfica (SIG), basado en métodos de toma de decisiones multicriterio (MCDM): El caso del Ecuador continental , "Energía renovable, vol. 109, pág. 275-286, 2017.

[3] S. Ali, J. Taweekun, K. Techato, J. Waewsak y S. Gyawali, "Evaluación de idoneidad de sitios basada en SIG para parques eólicos y solares en Songkhla, Tailandia", Renewable Energy, vol. 132, pág. 1360-1372, 2019.

[4] S. M. Bina, S. Jalilinasrabady, H. Fujii y H. Farabi-Asl, "Un enfoque integral para la evaluación del potencial de plantas de energía eólica, aplicación al noroeste de Irán", Energy, vol. 164, pág. 344-358, 2018.

[5] L. Castro-Santos, G. P. García, T. Sim [eth] es y A. Estanqueiro, "Planificación de la instalación de energías renovables costa afuera: un enfoque GIS de la hoja de ruta portuguesa", Energías renovables, vol. 132, pág. 1251-1262, 2019.

[6] J. M. Sánchez-Lozano, M. S. García-Cascales y M. T. Lamata, "Selección del emplazamiento de un parque eólico terrestre basado en SIG utilizando métodos de toma de decisiones de criterios múltiples difusos. Evaluación del caso del sureste de España", Applied Energy, vol. 171, pág. 86-102, 2016.

[7] T. Hofer, Y. Sunak, H. Siddique y R. Madlener, "Ubicación de un parque eólico utilizando un enfoque de proceso de jerarquía analítica espacial: un estudio de caso de la Stadteregion Aachen," Energía aplicada, vol. 163, pág. 222-243, 2016.

[8] S. Degirmenci, F. Bingol y S. C.Sofuoglu, "Análisis MCDM de la energía eólica en Turquía: toma de decisiones basada en el impacto ambiental", Environmental Science and Pollution Research, vol. 25, pág. 19753-19766, 2018.

[9] P. V. Gorsevski, S. C. Cathcart, G. Mirzaei, M. M. Jamali, X. Ye y E. Gomezdelcampo, "Un sistema de apoyo a la decisión espacial basado en grupos para la selección del sitio de un parque eólico en el noroeste de Ohio", Energy Policy, vol. 55, pág. 374-385, 2013.

[10] J. M. Sánchez-Lozano, M. S. García-Cascales y M. T. Lamata, "Identificación y selección de sitios potenciales para el desarrollo de parques eólicos terrestres en la Región de Murcia, España", Energía, vol. 73, pág. 311-324, 2014.

[11] S. Ali, S.-M. Lee y C.-M. Jang, "Determinación de la ubicación más óptima del parque eólico en tierra utilizando una metodología GIS-MCDM: Evaluación del caso de Corea del Sur", Energies, vol. 10, pág. 2072, 2017.

[12] J. J. Diez-Rodríguez, T. B. Fischer y S. Di Zio, "Introducción de un sistema de apoyo de decisiones espaciales grupales para su uso en la evaluación ambiental estratégica del desarrollo de parques eólicos terrestres en México", Journal of Cleaner Production, vol. 220, pág. 1239-1254, 2019.

[13] L. Gigovic, D. Pamucar, D. Bozanic y S. Ljubojevic, "Aplicación del modelo multicriterio GIS-DANP-MABAC para seleccionar la ubicación de parques eólicos: un estudio de caso de Vojvodina, Serbia," Renewable energía, vol. 103, pág. 501521, 2017.

[14] H. S. Dhiman y D. Deb, "Fuzzy TOPSIS y fuzzy COPRAS basado en la toma de decisiones multicriterio para parques eólicos híbridos", Energy, vol. 202, pág. 117755, 2020.

[15] L. A. Zadeh, "Conjuntos difusos", Información y control, vol. 8, págs. 338-353, 1965.

[16] K. T. Atanassov, "Conjuntos difusos intuicionistas", Conjuntos y sistemas difusos, vol. 20, págs. 87-96, 1986.

[17] TR Ayodele, ASO Ogunjuyigbe, O. Odigie y JL Munda, "Un modelo basado en SIG multicriterio para la selección del emplazamiento de un parque eólico utilizando un proceso de jerarquía analítica difusa de intervalo de tipo 2: el estudio de caso de Nigeria", Applied Energy, vol. . 228, pág. 1853-1869, 2018.

[18] Y. Wu, S. Geng, H. Xu y H. Zhang, "Estudio del marco de decisión de la selección del plan de proyecto de un parque eólico en un entorno intuicionista de conjunto difuso y medida difusa", Conversión y gestión de energía, vol. 87, pág. 274-284, 2014.

[19] YA Solangi, Q. Tan, MWA Khan, NH Mirjat y I. Ahmed, "La selección de la ubicación del proyecto de energía eólica en el Corredor Sureste de Pakistán: un análisis factorial, AHP y una aplicación de TOPSIS difusa", Energies, vol. 11, pág. 1940, 2018.

[20] C.-N. Wang, Y.-F. Huang, Y.-C. Chai, V. T. Nguyen y otros, "Una toma de decisiones de criterios múltiples (MCDM) para la selección de la ubicación de las plantas de energía renovable en Vietnam bajo un ambiente difuso", Ciencias Aplicadas, vol. 8, pág. 2069, 2018.

[21] F. Smarandache, "Un campo unificador en la lógica: lógica neutrosófica", en Filosofía, American Research Press, 1999, p. 1-141.

[22] A. Kharal, "Un método neutrosófico de toma de decisiones multicriterio", New Mathematics and Natural Computation, vol. 10, pág. 143-162, 2014.

[23] P. Liu y Y. Wang, "Método de toma de decisiones de atributos múltiples basado en la media de Bonferroni ponderada normalizada neutrosófica de un solo valor", Computación y aplicaciones neuronales, vol. 25, pág. 2001-2010, 2014.

[24] J.-j. Peng, J.-q. Wang, J. Wang, H.-y. Zhang y X.-h. Chen, "Conjuntos neutrosóficos simplificados y sus aplicaciones en problemas de toma de decisiones grupales de criterios múltiples", Revista internacional de ciencia de sistemas, vol. 47, pág. 2342-2358, 2016.

[25] J. Ye, "Entropía cruzada neutrosófica de valor único para problemas de toma de decisiones multicriterio", Modelado matemático aplicado, vol. 38, pág. 1170-1175, 2014.

[26] J. Ye, "Conjunto neutrosófico trapezoidal y su aplicación a la toma de decisiones de atributos múltiples", Neural Computing and Applications, vol. 26, pág. 1157-1166, 2015.

[27] P. Bosc y O. Pivert, "Sobre un álgebra relacional bipolar difusa", Ciencias de la información, vol. 219, pág. 1 al 16 de 2013.

[28] M. Abdel-Basset, A. Gamal, L. H. Son, F. Smarandache y otros, "Un marco de toma de decisiones multicriterio neutrosófico bipolar para la selección profesional", Ciencias Aplicadas, vol. 10, pág. 1202, 2020.

[29] D. Latinopoulos y K. Kechagia, "Una evaluación multicriterio basada en SIG para la selección del sitio de un parque eólico. Una aplicación a escala regional en Grecia", Renewable Energy, vol. 78, pág. 550-560, 2015.

[30] K. B. Atici, A. B. Simsek, A. Ulucan y M. U. Tosun, "Un enfoque de análisis de decisiones de criterios múltiples basado en SIG para la selección del emplazamiento de una planta de energía eólica", Política de servicios públicos, vol. 37, pág. 86-96, 2015.

[31] V. Gass, J. Schmidt, F. Strauss y E. Schmid, "Evaluación del potencial económico de la energía eólica en Austria", Política energética, vol. 53, pág. 323-330, 2013.

[32] Y. Noorollahi, H. Yousefi y M. Mohammadi, "Sistema de apoyo a la decisión de criterios múltiples para la selección del sitio de un parque eólico utilizando SIG", Tecnologías y evaluaciones de energía sostenible, vol. 13, pág. 38-50, 2016.

[33] R. Van Haaren y V. Fthenakis, "Selección del sitio de un parque eólico basado en SIG mediante el análisis espacial de criterios múltiples (SMCA): Evaluación del caso para el estado de Nueva York", Revisiones de energías renovables y sostenibles, vol. 15, pág. 3332-3340, 2011.

[34] D. Pamucar, L. Gigovic, Z. Bajic y M. Janosevic, "Selección de ubicación para parques eólicos utilizando un modelo híbrido de criterios múltiples GIS: un enfoque basado en números aproximados y difusos", Sustainability, vol. 9, pág. 1315, 2017.

[35] P. E. Baffoe y D. Sarpong, "Selección de sitios adecuados para el desarrollo de la energía eólica en Ghana", Ghana Mining Journal, vol. 16, pág. 8-20 de 2016.

[36] D. G. Vagiona y M. Kamilakis, "Selección de emplazamientos sostenibles para parques eólicos marinos en el Egeo meridional - Grecia", Sustainability, vol. 10, pág. 749, 2018.

Amany Mohamed El-hosiny (1, *) Haitham El-Ghareeb (2), Bahaa Taher Shabana (3) y Ahmed AbouElfetouh (4)


Últimas patentes de VID Scale, Inc.:

Esta solicitud es una continuación de la Solicitud No Provisional de los EE. UU. No. 14 / 588,868, presentada el 2 de enero de 2015, que reivindica el beneficio de la Solicitud de Patente Provisional de los EE. UU. No. 61 / 923,132, presentada el 2 de enero de 2014, Patente Provisional de los EE. UU. Solicitud No. 61 / 953,704, presentada el 14 de marzo de 2014, Solicitud de Patente Provisional de EE. UU. No. 61 / 974,961, presentada el 3 de abril de 2014, Solicitud de Patente Provisional de EE. UU. No. 62 / 002,144, presentada el 22 de mayo de 2014, y Solicitud de Patente Provisional de EE. Solicitud de Patente No. 62 / 016.562, presentada el 24 de junio de 2014, cuyas descripciones se incorporan aquí como referencia.

Las aplicaciones para compartir contenido en pantalla se han vuelto muy populares en los últimos años con la creciente popularidad de las aplicaciones de escritorio remoto, videoconferencia y presentación de medios móviles. Puede haber requisitos de aplicación de las industrias. El contenido de la pantalla puede referirse a un video puede incluir, por ejemplo, contornos (por ejemplo, para separar visualmente dos imágenes separadas que se muestran simultáneamente en un monitor), palabras, dibujos de líneas, etc. El contenido de la pantalla puede incluir numerosos bloques con algunos colores principales y bordes nítidos debido a la prevalencia de curvas pronunciadas, texto y similares en el contenido del video.

Se pueden usar métodos de compresión de video para codificar el contenido de la pantalla. Es posible que algunos métodos de compresión no caractericen completamente las características del contenido de la pantalla, lo que puede dar lugar a un rendimiento de compresión ineficaz. Además, la imagen reconstruida en el receptor puede tener problemas de calidad. Por ejemplo, las curvas y los textos pueden aparecer borrosos y difíciles de reconocer.

Los métodos de compresión de video que son eficientes para el contenido de la pantalla se están volviendo cada vez más importantes a medida que más personas comparten el contenido de su dispositivo para presentaciones multimedia y para escritorio remoto. Además, la resolución de visualización de la pantalla de los dispositivos móviles ha aumentado sustancialmente a resoluciones de alta definición o ultra alta definición. Las herramientas de codificación de video, como los modos de codificación de bloques y la transformación, pueden no estar optimizadas para la codificación del contenido de la pantalla y pueden aumentar el consumo de ancho de banda para transmitir el contenido de la pantalla.

Se describen métodos, sistemas e instrumentalidades para la codificación de datos de video con un modo de codificación de paleta, por ejemplo, codificación de datos de video de contenido de pantalla. Los datos de video, por ejemplo, los datos de video del contenido de la pantalla, pueden estar codificados por paleta. Puede producirse una tabla de paleta que contenga uno o más índices de color. Un índice de color puede corresponder a un color. Se puede crear un mapa de índice de paleta. El mapa de índice de paleta puede asignar uno o más píxeles de los datos de video a un índice de color en la tabla de paleta. Se puede realizar una exploración de trama transversal. Una línea de exploración se puede explorar en una dirección opuesta a una línea de exploración paralela precedente. Basándose en la exploración transversal, se pueden generar datos de predicción del mapa de índice de paleta que pueden indicar valores en el mapa de índice de paleta asociado con al menos algunas partes de los datos de vídeo.

Las líneas de exploración pueden ser líneas de exploración horizontales. Las líneas de exploración pueden ser líneas de exploración verticales. Se puede señalar si las líneas de exploración son líneas de exploración horizontales o líneas de exploración verticales. La tabla de paleta se puede producir basándose al menos en una función de costo que representa un costo para codificar la tabla de paleta. Los datos de predicción del mapa de índice de paleta pueden comprender datos que pueden indicar valores para al menos algunas partes de los datos de video en términos de un valor de ejecución de una parte base de los datos de video. El valor de ejecución puede representar el número de porciones de video consecutivas en una secuencia de porciones de video que tienen el mismo índice de color que la porción de base y pueden codificarse como una diferencia entre los valores de ejecución respectivos de la primera y segunda filas.

La tabla de paleta se puede copiar a partir de una pluralidad de colores generados a partir de un predictor de tabla de paleta. Puede generarse un diccionario o un predictor de tabla de paleta que comprenda una pluralidad de valores de color anteriores. Los valores de color anteriores se pueden actualizar con los índices de color de la tabla de paleta.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

Se puede obtener una comprensión más detallada a partir de la siguiente descripción, dada a modo de ejemplo junto con los dibujos adjuntos en los que:

HIGO. 1 es un diagrama de bloques de un sistema para compartir contenido de pantalla

HIGO. 2 es un diagrama de bloques de un decodificador de video

HIGO. 3 es un diagrama de bloques de un codificador de video

HIGO. 4 ilustra los ocho modos de unidad de predicción en HEVC

HIGO. 5A ilustra un contenido de pantalla ejemplar en forma de palabra

HIGO. 5B muestra un mapa de índice de paleta del contenido de pantalla de la FIG. 5A

HIGO. 6 muestra una pluralidad de patrones bidimensionales que pueden usarse para la predicción de patrones bidimensionales de acuerdo con una realización

HIGO. 7 ilustra un esquema de orden de predicción ejemplar para la predicción de patrones bidimensionales de acuerdo con una realización

HIGO. 8 ilustra una pluralidad de órdenes de exploración de PPU de ejemplo de acuerdo con una realización

HIGO. 9 ilustra técnicas ejemplares para predecir las entradas de la tabla de paleta para una CU a partir de una CU anterior

HIGO. 10 ilustra un ejemplo de generación de tablas de paleta

HIGO. 11 es un diagrama de flujo que ilustra un proceso de actualización de ejemplo para la predicción de la tabla de paleta basada en diccionario

HIGO. 12 ilustra un ejemplo de codificación de ejecución

HIGO. 13A es un diagrama de sistema de un sistema de comunicaciones de ejemplo en el que se pueden implementar una o más realizaciones descritas.

HIGO. 13B es un diagrama de sistema de un ejemplo de unidad de transmisión / recepción inalámbrica (WTRU) que puede usarse dentro del sistema de comunicaciones ilustrado en la FIG. 13A y

FIGS. 13C, 13D y 13E son diagramas de sistema de redes de acceso por radio de ejemplo y redes centrales de ejemplo que pueden usarse dentro del sistema de comunicaciones ilustrado en la FIG. 13A.

DESCRIPCIÓN DETALLADA

HIGO. 1 es un diagrama de bloques que ilustra un ejemplo de sistema para compartir contenido de pantalla. El sistema para compartir contenido de pantalla puede incluir un receptor 10, un decodificador 12y una pantalla (por ejemplo, un renderizador) 14. El receptor 10 puede recibir señales de video y puede desmodularlas para enviarlas al decodificador 12, que puede decodificar el flujo de video y puede generar una pluralidad de imágenes separadas almacenadas en múltiples memorias intermedias de imágenes 16 que pueden aparecer en la pantalla 14.

HIGO. 2 es un diagrama de bloques que ilustra un decodificador de una sola capa basado en bloques de ejemplo que puede usarse como decodificador 12 en la Fig. 1. Puede recibir un flujo de bits de video 201 producido por un codificador y reconstruye la señal de vídeo que se mostrará. En el decodificador de video, el flujo de bits 201 puede ser analizado por el decodificador de entropía 203. Los coeficientes residuales pueden cuantificarse inversamente en el bloque lógico del descuantificador. 205 e inversa transformada en transformada inversa bloque lógico 207 para obtener la señal residual reconstruida 209. El modo de codificación y la información de predicción pueden usarse para obtener la señal de predicción usando predicción espacial (por ejemplo, bloque lógico de predicción espacial 211) o predicción temporal (p. ej., bloque lógico de predicción temporal 213). La señal de predicción 215 y la señal residual reconstruida 209 pueden sumarse para obtener la señal de video reconstruida 217. El video reconstruido puede pasar adicionalmente por filtrado de bucle (p. Ej., Bloque lógico de filtro de bucle 219) antes de ser almacenado en la tienda de imágenes de referencia 221 que se mostrará en el monitor 223 y / o se utiliza para decodificar una futura señal de video.

HIGO. 3 es un diagrama de bloques que ilustra un codificador de video de una sola capa basado en bloques de ejemplo que puede usarse para generar los datos de video codificados recibidos en el sistema de intercambio de contenido de pantalla de la FIG. 1. Como se muestra en la FIG. 3, para lograr una compresión eficiente, un codificador de una sola capa puede emplear, por ejemplo, predicción espacial (por ejemplo, intra-predicción) en el bloque 301 y / o predicción temporal (por ejemplo, interpredicción y / o predicción compensada por movimiento) en el bloque 303 para predecir la señal de video de entrada 300. El codificador también puede tener lógica de decisión de modo 305 que puede elegir una forma adecuada (por ejemplo, la forma más adecuada) de predicción, por ejemplo, basándose en ciertos criterios, como una combinación de consideraciones de velocidad y distorsión. El codificador puede entonces transformarse en el bloque 307 y / o cuantificar en bloque 309 la predicción residual 310 (p. ej., la señal de diferencia entre la señal de entrada 300 y la señal de predicción 311). El residuo cuantificado 313, junto con la información de modo (por ejemplo, intra o inter predicción) y la información de predicción 311 (por ejemplo, vectores de movimiento, índices de imágenes de referencia, modos de predicción interna, etc.) se pueden comprimir más en el codificador de entropía 315 y empaquetado en el flujo de bits de video de salida 317. Como se muestra en la FIG. 3, el codificador puede generar la señal de video reconstruida 325 aplicando cuantificación inversa en el bloque 319 y / o transformación inversa en bloque 321 al residuo cuantificado para obtener un residuo reconstruido 323y agregarlo de nuevo a la señal de predicción 311. La señal de video reconstruida 325 adicionalmente puede pasar por un filtro de bucle 327 (por ejemplo, un filtro de desbloqueo, compensaciones adaptativas de muestra y / o filtros de bucle adaptativos), y pueden almacenarse en un almacén de imágenes de referencia 329 que se utilizará para predecir futuras señales de vídeo.

MPEG ha estado trabajando en estándares de codificación de video para ahorrar ancho de banda de transmisión y almacenamiento. La codificación de video de alta eficiencia (HEVC) es un estándar de compresión de video emergente desarrollado conjuntamente por el Grupo de expertos en codificación de video ITU-T (VCEG) y el Grupo de expertos en imágenes en movimiento ISO / IEC (MPEG). HEVC puede ahorrar un 50% en ancho de banda en comparación con H.264 mientras produce la misma calidad de video en el decodificador / receptor. HEVC puede ser un estándar de codificación de video híbrido basado en bloques en el que su codificador y descodificador pueden funcionar de acuerdo con las Figs. 2 y 3. HEVC puede permitir el uso de bloques de video más grandes y puede usar una partición de cuatro árboles para señalar la información de codificación de bloques. La imagen o el corte se pueden dividir en bloques de árbol de codificación (CTB) con el mismo tamaño (por ejemplo, 64 × 64). Una CTB puede dividirse en unidades de codificación (CU) con quadtree, y una CU puede dividirse aún más en unidades de predicción (PU) y unidades de transformación (TU) utilizando quadtree. Para cada CU intercodificado, su PU puede tener uno de ocho modos de partición, como se muestra en la FIG. 4. La predicción temporal, también denominada predicción compensada por movimiento, se puede aplicar para reconstruir las PU intercodificadas. Dependiendo de la precisión de los vectores de movimiento, que pueden ser de hasta un cuarto de píxel en HEVC, se pueden aplicar filtros de interpolación lineal para obtener valores de píxeles en posiciones fraccionarias de píxeles vecinos en posiciones enteras. En HEVC, los filtros de interpolación pueden tener siete u ocho taps para luma y cuatro taps para croma. El filtro de desbloqueo en HEVC puede depender del contenido. Se pueden aplicar diferentes operaciones de filtro de desbloqueo en los límites de TU y PU, dependiendo de una serie de factores, como la diferencia de modo de codificación, la diferencia de vector de movimiento, la diferencia de imagen de referencia, la diferencia de valor de píxel, etc. Para la codificación de entropía, HEVC puede adoptar contexto. codificación binaria aritmética adaptativa basada en (CABAC) para la mayoría de los elementos de sintaxis de nivel de bloque, excepto los parámetros de alto nivel. La codificación CABAC puede utilizar bins regulares codificados basados ​​en el contexto y / o bins codificados de by-pass sin contexto.

Aunque el diseño HEVC incluye varios modos de codificación de bloques, es posible que no aproveche completamente la redundancia espacial que se encuentra en el contenido de la pantalla. HEVC puede enfocarse en contenido de video de tono continuo en un formato 4: 2: 0, y las herramientas de codificación de transformación y decisión de modo pueden no estar optimizadas para el contenido de tono discreto que puede capturarse en el formato de video 4: 4: 4. El material de contenido de pantalla, como texto y gráficos, puede mostrar características diferentes al contenido de video natural. Las herramientas de codificación pueden mejorar la eficacia de codificación de la codificación del contenido de la pantalla, por ejemplo, basándose en la codificación de paleta y / o copia intrabloque.

Como se muestra en la FIG. 5A, los bloques de contenido de pantalla pueden incluir un número limitado de colores, y el valor de color de cada píxel puede repetirse desde un píxel adyacente (por ejemplo, arriba o a la izquierda). Se puede usar una tabla de paleta como diccionario para registrar los valores de píxeles significativos y se puede usar el mapa de índice de paleta correspondiente para representar el valor de color de cada píxel, como se muestra en la FIG. 5B. Para reducir la redundancia espacial, los valores de "ejecución" pueden usarse para indicar la longitud de píxeles consecutivos que tienen los mismos valores de píxeles significativos (por ejemplo, índice de paleta). El uso de un método de codificación basado en paletas en lugar de modos de codificación de bloques puede mejorar el rendimiento de la compresión para codificar el contenido de la pantalla.

Un método de codificación de paleta bidimensional para comprimir eficazmente el contenido de la pantalla puede basarse en un patrón de codificación bidimensional que puede agrupar píxeles en unidades más grandes para reducir la magnitud de "ejecución" y la cantidad de símbolos de codificación.La generación de tablas de paletas, la predicción de tablas de paletas y / o la agrupación de índices de tablas de paletas pueden mejorar el rendimiento de varios componentes de la codificación de paletas, por ejemplo, para la codificación de contenido de pantalla. Además, se describen métodos y aparatos de codificación que permiten que el codificador genere flujos de bits de contenido de pantalla eficientes. Las técnicas de codificación de paleta descritas en este documento pueden aplicarse a HEVC u otros códecs de vídeo.

Es posible que algunos estándares de codificación de video no optimicen completamente el rendimiento de compresión de la codificación del contenido de la pantalla. Por ejemplo, algunos codificadores de propósito general pueden optimizarse para secuencias de video naturales. El contenido de la pantalla puede incluir muchos más bordes nítidos con una distribución de color discreta y un tono discontinuo que las secuencias de video naturales. Después de aplicar la decisión de modo convencional y los procesos de codificación basados ​​en transformadas, la mayoría de los valores residuales se ubican en áreas de alta frecuencia de modo que el método de exploración residual puede ser ineficaz para el proceso de codificación de entropía que puede seguir. Un método de codificación basado en paleta puede mejorar el rendimiento de codificación de bloques de contenido de pantalla. Por ejemplo, se puede formar una paleta seleccionando los colores que aparecen comúnmente en el bloque que se está codificando a partir de un histograma de colores. Un píxel de CU se puede convertir en un índice de paleta buscando el elemento más similar en la tabla de paleta. Un valor de ejecución puede indicar varias posiciones de píxeles consecutivas que comparten el mismo índice de paleta. Se pueden usar uno o más modos de predicción, como el modo de ejecución y el modo de copia, para indicar si el índice de la paleta del píxel actual se predice a partir del índice de la paleta del píxel a la izquierda de la posición del píxel actual en el orden de exploración de trama horizontal o predicho a partir del píxel colocado sobre la posición actual del píxel.

Un píxel CU puede agruparse en colores principales y colores de escape para formar la tabla de paleta. Se puede utilizar un modo de línea para codificar el índice de la paleta. Puede aprovecharse la redundancia espacial del mapa de índice de paleta píxel por píxel (por ejemplo, la longitud de ejecución puede generarse en unidades de 1 x 1 píxel). Puede generarse un gran número de bits para señalar el modo de copia o el modo de ejecución y los valores de ejecución, que pueden ser ineficaces, por ejemplo, para codificar bloques de mayor tamaño.

Se puede utilizar un método basado en histogramas para generar la tabla de paleta. Por ejemplo, los primeros valores de N píxeles que aparecen más en una CU pueden usarse para generar la tabla de paleta de la CU. En el caso de codificación con pérdida (por ejemplo, el video decodificado puede ser numéricamente no idéntico al video original), los valores de píxeles que están cerca de una entrada de la tabla de paleta pueden cuantificarse al color representado por esa entrada. Los valores de píxeles que existen en la CU original se pueden seleccionar como elementos de la tabla de paleta.

Un elemento de la tabla de paleta de una CU puede predecirse a partir del elemento correspondiente de la tabla de paleta de su vecino izquierdo o superior. Tal predicción por elementos puede implicar banderas de señalización para indicar la operación de predicción para un elemento de una tabla de paleta.

Se puede realizar la codificación de la tabla de paleta y la codificación del mapa de paleta. Por ejemplo, un método de agrupación de índices de paleta bidimensional puede agrupar índices de paleta en unidades más grandes, de modo que se pueda reducir la magnitud de la longitud de ejecución.

Un método de generación de tabla de paleta basado en valores medios puede formar los colores en la tabla de paleta de una CU. Por ejemplo, el promedio de los colores que caen en la misma zona de cuantificación puede usarse como un color representativo en la tabla de paleta.

Un método de combinación de paleta puede generar los colores que se utilizan para predecir los elementos de color en la tabla de paleta de una UC combinando los colores representativos de las UC previamente codificadas.

En un modo de reutilización de tabla de paleta, una CU puede copiar su tabla de paleta a partir de los colores generados a partir del predictor de tabla de paleta. Si se copia la tabla de paleta, se puede omitir la señalización de una tabla de paleta.

Un método de codificación de paleta bidimensional para la codificación de contenido de pantalla puede implicar la generación de tabla de paleta, generación de mapa de índice de paleta y / o predicción de índice de paleta.

Un bloque de contenido de pantalla puede incluir bordes afilados con una distribución de color discreta. Se puede usar una tabla de paleta para registrar los valores de color k que aparecen con más frecuencia en el bloque de video. Se pueden usar tres tablas de paleta individuales para registrar un componente de color del formato de color YUV o RGB. Una entrada de la tabla de paleta puede tener un componente. Se puede usar una tabla de paleta para registrar los tres componentes de color juntos, una entrada de la tabla de paleta puede tener tres componentes. Por ejemplo, en la FIG. 5 (a), hay nueve colores en el bloque de contenido de la pantalla. Si se utiliza una tabla de paleta, entonces se pueden registrar nueve elementos de color en la tabla e indexarlos de 0 a 8.

Se puede utilizar un método basado en histogramas para generar los colores representativos en la tabla de paleta de una CU. Los primeros N colores que aparecen con mayor frecuencia en la CU codificada actual pueden seleccionarse como los colores de la tabla de paleta. Puede utilizarse un proceso de cuantificación para la generación de tablas de paleta en la codificación con pérdida. Los valores de color que están cerca de un color representativo pueden cuantificarse a ese color representativo. Este método basado en histogramas se puede realizar al generar tablas de paleta para CU con distribución de color desequilibrada donde la aparición de un color específico puede ser estadísticamente dominante sobre los otros colores en ese CU. Sin embargo, este método puede ser ineficaz para las CU con otras distribuciones de color y puede resultar en una degradación de la calidad de las CU reconstruidas utilizando un modo de codificación de paleta. Por ejemplo, en la FIG. 10, el paso de cuantificación puede ser q, y C3 puede ser un color representativo seleccionado por el método original de generación de tablas de paleta basado en histogramas. Otros cuatro colores, por ejemplo, C1, C2, C4 y C5, puede caer en la zona de cuantificación centrada en C3 (encerrado por las líneas de puntos en la figura 10 con la longitud de 2q) después del proceso de cuantificación. Los porcentajes de ocurrencia de C1, C2, C3, C4 y C5 puede ser 18%, 6%, 36%, 6% y 34% respectivamente. Usando un método de generación de tablas de paleta basado en histogramas, los valores de color de C1, C2, C4 y C5 se puede asignar a C3 durante el proceso de mapeo del índice de paleta (por ejemplo, mapeando los colores de la imagen original en las entradas de la tabla de paleta generada). Esto puede producir un gran error reconstructivo para el color C5 y puede conducir a una gran distorsión para la CU reconstruida en su conjunto debido al porcentaje de ocurrencia comparativamente grande de C5 (34%) en las u.m. actuales. Un método de reajuste basado en el valor medio puede recalcular el color representativo de una zona de cuantificación basándose en las ocurrencias de los colores que se mapean inicialmente en esa zona de cuantificación. Por ejemplo, el color representativo actualizado de cada zona de cuantificación puede derivarse como el promedio ponderado de los colores que caen en la zona de cuantificación con su porcentaje relativo de ocurrencia, por ejemplo,

P j ′ = ∑ yo ⁢ (C ji · P ji) ∑ yo ⁢ C ji (1)
donde PJi y CJi puede ser el valor de píxel y el porcentaje de ocurrencia del i-ésimo color en la j-ésima zona de cuantificación, y Pj′ Puede ser el color representativo derivado. Además, se pueden aplicar otras métricas de ponderación, como la suma de la diferencia al cuadrado (SSD) y la suma de la diferencia absoluta (SAD), para calcular los colores representativos. La ecuación (1) se puede expresar como:

P j ′ = arg ⁢ min X ∈

⁢ ∑ i ⁢ C ji · Dist ⁡ (X, P ji) (2) P j ′ = arg ⁢ ⁢ min X ⁢ ∑ i ⁢ C ji · Dist ⁡ ( X, P ji) (3)
donde la función Dist puede ser la función métrica de ponderación para evaluar la distancia entre dos colores. La ecuación (2) se puede utilizar para encontrar un color representativo óptimo en un conjunto de colores existente para Pj. La ecuación (3) puede usarse para encontrar un color representativo óptimo sin ninguna restricción, por ejemplo, el color óptimo puede estar en el conjunto de colores de la zona de cuantificación o puede no existir en el conjunto de colores.

La generación de tablas de paleta se puede aplicar de forma iterativa hasta que se satisfagan las restricciones de optimización. Por ejemplo, una función de costo después de la k-ésima iteración puede ser:
D (k) = ΣjΣICJi (k) · Dist (PJi (k) ,PAGj′ (K)) (4)

El proceso de generación de la tabla de paleta iterativa puede continuar (por ejemplo, puede repetirse iterativamente) hasta que la diferencia del costo en la k-ésima iteración y el costo en la (k − 1) -ésima iteración sea menor que D Th (| D (k) −D (k − 1) | & ltD Th) donde D Th puede ser un valor umbral. La iteración puede continuar hasta un tiempo predefinido, por ejemplo, durante una duración predefinida. La iteración puede continuar hasta que la diferencia entre P j ′ (k) y P j ′ (k − 1) sea menor que un umbral (por ejemplo, predefinido).

La tabla de paleta se puede codificar con codificación predictiva, por ejemplo, usando una tabla de paleta previamente codificada, un diccionario de paleta, un predictor de tabla de paleta y / o similares. Un diccionario de paleta puede ser equivalente a un predictor de tabla de paleta. La generación de la tabla de paleta puede considerar la sobrecarga asociada con la codificación de la tabla de paleta. La sobrecarga asociada con la codificación de la tabla de paleta se puede considerar, por ejemplo, mediante el refinamiento de la tabla de paleta después de la agrupación de colores. Se puede considerar la codificación predictiva. Si el número de grupos es mayor que un umbral, por ejemplo, el tamaño máximo de tabla de paleta permitido, se pueden seleccionar ciertos grupos, por ejemplo, los grupos más efectivos.

Si el color representativo en la tabla de la paleta se encuentra en su predictor, el color representativo puede permanecer. De lo contrario, se puede seleccionar un color representativo. El color representativo seleccionado puede ser un color con un costo de distorsión de tasa mínima (RD), que puede determinarse mediante la Ecuación (5):
RDCosto(k) = Distorsión (k) + lambda ×R(k) (5)

El color representativo puede seleccionarse de candidatos de color, que pueden incluir el color representativo derivado de la agrupación y los colores en el predictor, como la tabla de paleta anterior o el diccionario de paleta. En la ecuación (5), la distorsión (k) puede ser la distorsión asociada con la codificación de los píxeles en el grupo con un color k específico. Si k es de un predictor, R (k) puede ser un valor que puede indicar el costo (por ejemplo, en bits) para especificar qué entrada en la lista de predictores se usa para predecir k. R (k) puede aproximarse como:
R(k) = tamaño (predictor) / tamaño (tabla_paleta) (6)

Si k no se predice a partir de un predictor, R (k) puede ser un valor que puede representar el costo (por ejemplo, en bits) de codificación de esa entrada de la tabla de paleta sin predicción. La entrada de la tabla de paleta puede estar codificada sin pérdidas. R (k) puede estimarse como:
R(k) = Σcomponente = 0 NUM_COMPONENT BitDepth (componente) (7)

Una vez determinados los colores representativos de los grupos, se pueden fusionar los grupos con colores representativos iguales o sustancialmente similares.

Si el número de conglomerados supera un umbral, por ejemplo, el tamaño máximo permitido de la tabla de paleta, es posible que los colores representativos de algunos conglomerados no estén representados en la tabla de paleta. Ciertos grupos, por ejemplo, los grupos más eficaces, pueden seleccionarse para su representación en la tabla de paleta. Los píxeles que no se pueden codificar con la tabla de paleta se pueden codificar como colores de escape, que se pueden codificar, por ejemplo, explícitamente. Puede considerarse una penalización si un grupo no está dentro de la tabla de paleta. El costo del clúster c se puede estimar como:
Costo(C) = DistPLT (c)+ lambda ×RPLT (c)- (Dist_Esc (C) + lambda ×R_Esc(C)) (8)

En la ecuación (8), Dist_PLT (c) y R_PLT (c) pueden ser la distorsión y los bits si el grupo c está representado en la tabla de paleta. Dist_Esc (c) y R_Esc (c) pueden ser la distorsión y los bits si el grupo c no está representado en la tabla de paleta, por ejemplo, si el grupo c se representa como un color de escape. Según el costo, los grupos se pueden clasificar en orden ascendente. Se pueden seleccionar los grupos al principio del pedido (por ejemplo, asociados con el menor costo). Se puede considerar el efecto de fusionar clústeres que no están seleccionados en la tabla de paleta. Para considerar la fusión de clústeres que no están seleccionados en la tabla de la paleta, los criterios pueden incluir el costo RD de codificar píxeles en un clúster como un color de escape y / o el costo RD de codificar píxeles en un clúster como un color que probablemente se representará en el mesa de paleta.

Para la codificación sin pérdidas, la codificación predictiva puede ignorarse, por ejemplo, considerando que la codificación predictiva puede no ser aplicable. El color representativo de los clústeres no se puede cambiar en la codificación sin pérdidas. Al seleccionar grupos para su representación en la tabla de paleta, se puede considerar el costo de bits (por ejemplo, la distorsión puede ser 0). La fusión se puede aplicar en codificación sin pérdidas. Es posible que la fusión no sea aplicable en la codificación sin pérdidas.

El reajuste de la tabla de paleta se puede aplicar a otros métodos de agrupación de colores para encontrar colores representativos (por ejemplo, colores representativos óptimos) para la generación de la tabla de paleta. Por ejemplo, se puede usar un método de división de color para dividir los colores (por ejemplo, todos los colores) en todo el espectro en zonas de cuantificación iguales que pueden simplificar el proceso de la tabla de paleta a expensas de reducir la calidad de los colores reconstruidos.

La tabla de paleta se puede regenerar en el decodificador para decodificar los píxeles de las CU codificadas con paleta. Puede aplicarse un esquema de predicción de tabla de paleta. Por ejemplo, un elemento de color en la tabla de paleta de una UC se puede predecir a partir del elemento de color correspondiente en la tabla de paleta de una UC vecina. Por ejemplo, la UC vecina puede incluir su UC vecina superior o izquierda. La UC vecina puede incluir su UC vecina inferior o derecha. Esta técnica de predicción de la tabla de paleta se puede aplicar a las CU para las que está disponible al menos una de sus CU vecinas superior e izquierda. Si tanto las CU vecinas anteriores como las izquierdas no están codificadas en el modo de codificación de paleta, tal método de predicción de la tabla de paleta puede no aplicarse ya que es posible que no exista una tabla de paleta para las CU sin codificación de paleta.

Se puede realizar un método de combinación de tablas de paleta para crear y / o actualizar el diccionario que se puede usar para predecir la tabla de paleta de la CU actual. Se puede crear y / o inicializar un diccionario a un valor predeterminado (por ejemplo, a un conjunto de colores genéricos o representativos) y se puede actualizar en función de los colores realmente seleccionados para su uso en la tabla de paleta de una o más CU codificadas. El proceso de actualización del diccionario puede fusionar los colores de la paleta de la CU codificada más recientemente con los colores (por ejemplo, los colores más utilizados o más importantes) de una versión anterior del diccionario para producir una versión actualizada del diccionario. La versión actualizada del diccionario puede usarse para predecir y / o codificar de manera predictiva la tabla de paleta de una o más CU futuras. La versión actualizada del diccionario se puede actualizar mediante una aplicación adicional del proceso de combinación.

Un diccionario de paleta puede almacenar colores codificados recientemente, por ejemplo, los colores representativos de una o más CU codificadas recientemente, antes de codificar la tabla de paleta de la CU actual. Dado este diccionario de paleta, un elemento de color en la tabla de paleta de la CU actual puede predecirse a partir del elemento de color correspondiente del diccionario de paleta.

Se puede mantener un tamaño razonable (por ejemplo, un tamaño constante o un tamaño máximo) del diccionario de paleta. Se puede aplicar un proceso de actualización de diccionario de paleta después de codificar una CU, por ejemplo, agregando los colores representativos de la CU codificada más recientemente que no existen en el diccionario de paleta y eliminando los elementos de color que se utilizan menos. Debido a que puede haber fuertes correlaciones entre los valores de color de las CU vecinas en el orden de codificación / decodificación, los colores representativos de las CU codificadas más recientemente pueden colocarse al principio del diccionario de paleta actualizado. La poda se puede realizar después de actualizar el diccionario de la paleta o durante el proceso de actualización para eliminar cualquier entrada redundante, de modo que se puedan mantener colores únicos en el diccionario de la paleta.

HIGO. 11 es un diagrama de flujo que ilustra un proceso de actualización de ejemplo 1100 para la predicción de tablas de paleta basada en diccionario. A 1102, los colores almacenados en el búfer CurrentPaletteDictionary, que puede almacenar el diccionario de la paleta actual que se puede usar para la predicción o la codificación predictiva de una tabla de paleta para una CU, se pueden copiar en un búfer TempDictionaryBuffer. CurrentPaletteDictionary puede almacenar un diccionario que se utilizó anteriormente para predecir o codificar las entradas de la tabla de paleta para la CU anterior. Durante el procedimiento de actualización, CurrentPaletteDictionary puede ser un búfer de trabajo en el que se puede construir el diccionario de paleta actualizado. TempDictionaryBuffer puede ser un búfer en el que se copian los contenidos del diccionario de paleta anterior. Estos contenidos pueden fusionarse selectivamente en el búfer de trabajo para construir el diccionario de paleta actualizado. Se puede inicializar un contador j.

A 1104, los colores de una tabla de paleta CurrentCUPaletteTable se pueden copiar al inicio del búfer CurrentPaletteDictionary, por ejemplo, reemplazando el contenido anterior del búfer. CurrentCUPaletteTable puede ser la tabla de paleta de una CU actual. El contenido de esta tabla de paleta se puede copiar en las posiciones iniciales del búfer de trabajo, reemplazando el contenido anterior. Las entradas de la tabla de paleta de la CU actual pueden tener prioridad en el diccionario de paleta actualizado. El tamaño del búfer del diccionario puede ser mayor que el tamaño de la tabla de paleta de la CU actual. El proceso de combinación puede usarse para completar las entradas restantes del búfer de trabajo, por ejemplo, hasta un tamaño o capacidad máxima.

A 1106, si un j-ésimo elemento de TempDictionaryBuffer no existe en el búfer CurrentPaletteDictionary, se puede agregar al final del búfer CurrentPaletteDictionary. Esta evaluación puede basarse en una comparación (por ejemplo, una comparación exacta) de los valores de color o puede probar la similitud de los valores de color. Por ejemplo, la prueba puede comparar el j-ésimo elemento de TempDictionaryBuffer con cada entrada de CurrentPaletteDictionary usando una métrica de comparación como una norma L 2 de la diferencia entre las entradas de color expresadas como vectores en el espacio YUV o RGB. Si un par de entradas comparadas son lo suficientemente similares como para que la métrica de comparación esté por debajo de un umbral, entonces la prueba puede ser positiva (por ejemplo, se puede considerar que el j-ésimo elemento de TempDictionaryBuffer ya existe en CurrentPaletteDictionary).

A 1108, si el j-ésimo elemento de TempDictionaryBuffer existe en el diccionario de paleta, el contador j puede incrementarse. A 1110, si el búfer CurrentPaletteDictionary ha alcanzado su capacidad o si las entradas en TempDictionaryBuffer se han agotado, el proceso de actualización 1100 puede terminar.

Las entradas del diccionario de la paleta se pueden ordenar, de modo que las entradas que son más importantes o que se usan con más frecuencia se coloquen al principio del diccionario de la paleta, y las entradas que son menos importantes o que se usan con menos frecuencia se pueden colocar más adelante en el orden. .

Un diccionario de paleta grande puede proporcionar más colores para la predicción mientras aumenta la sobrecarga de codificar la posición de un predictor. Un diccionario de paleta más pequeño puede reducir la sobrecarga, pero puede proporcionar menos colores para la predicción. Para obtener una mejor compensación entre la eficiencia de la predicción y la sobrecarga, el tamaño del diccionario de la paleta se puede cambiar de forma adaptativa, por ejemplo, a nivel de imagen o a nivel de secuencia. Por ejemplo, el tamaño del diccionario de paleta se puede establecer en un tamaño de acuerdo con el contenido y las preferencias de codificación, como codificación sin pérdida, codificación con pérdida y estructuras de predicción (por ejemplo, todo intra, acceso aleatorio y / o retraso bajo). El tamaño del diccionario de paleta se puede establecer más grande en la codificación sin pérdida en comparación con la codificación con pérdida. En la codificación con pérdida, el tamaño del diccionario de paleta puede establecerse más grande para una configuración de codificación interna completa en comparación con una configuración de acceso aleatorio y / o de retardo bajo. El tamaño del diccionario de paleta puede indicarse en un conjunto de parámetros de imagen (PPS) y / o en un conjunto de parámetros de secuencia (SPS). La bandera de predicción que indica si el color en el diccionario de paleta se usa para la predicción o no puede estar codificado.El número de indicadores de predicción puede ser igual al tamaño del diccionario de paleta. Cuando se aumenta el tamaño del diccionario de paleta, el método de señalización de las banderas de predicción puede ajustarse, por ejemplo, optimizarse. Por ejemplo, si la bandera de predicción es 1, se puede señalar una bandera de finalización para indicar si hay siguientes banderas "1" inmediatamente después de la bandera de predicción. Si el indicador final es 1, es posible que no haya indicadores "1" siguientes y que ya no sea necesario codificar los indicadores de predicción.

La predicción de la tabla de paleta se puede realizar de una manera por elementos en la que se puede usar una bandera de señalización para un elemento de color de la tabla de paleta actual para indicar si el elemento correspondiente se predice o no. En un modo de reutilización de tabla de paleta, se puede copiar una tabla de paleta de una CU a partir de los colores generados a partir del predictor de tabla de paleta. Un nuevo juego de colores para la paleta de la CU. Cuando se copia la tabla de paleta (p. Ej., Se copia en su totalidad), se puede omitir la señalización de la tabla de paleta. Puede usarse una bandera para señalar si las entradas del predictor de tabla de paleta se usan como elementos de color de la tabla de paleta de la CU actual. Si es así, se puede omitir el proceso de codificación de la tabla de paleta de la CU actual y el decodificador puede reutilizar el predictor de la tabla de paleta como tabla de paleta de la CU actual. De lo contrario, se puede usar otra bandera para señalar si la tabla de paleta de la CU actual se predice a partir de la tabla de paleta de una CU anterior. Por ejemplo, como se muestra en la FIG. 9 y se describe en el presente documento, se puede predecir una entrada de tabla utilizando la posición de entrada correspondiente de su predictor. Además, la diferencia entre la entrada de la tabla actual y su predictor se puede escalar o cambiar. El tamaño de la tabla de paleta se puede señalar usando codificación diferencial con la predicción del tamaño de la tabla de paleta de la CU anterior.

El modo de reutilización de la mesa de paleta se puede operar independientemente o en combinación con la fusión de la mesa de paleta como se describe en el presente documento. Por ejemplo, la combinación de la tabla de paleta se puede combinar con el modo de reutilización de la tabla de paleta para codificar de manera predictiva la información de la tabla de paleta de las CU que están codificadas en el modo de paleta.

Se puede construir un índice de paleta que mapee un píxel en el bloque (por ejemplo, una CU) a un color almacenado en la tabla de paleta. Para determinar el índice de paleta para un píxel, se puede determinar un elemento de tabla de paleta con el error mínimo relativo al píxel. El error puede medirse, por ejemplo, por el valor absoluto de la diferencia o el cuadrado de la diferencia. Los píxeles de un bloque se pueden convertir al índice de paleta, como se muestra en la FIG. 5B. Sin embargo, debido a la limitación del tamaño de almacenamiento de la tabla de paleta, es posible que un píxel no tenga una coincidencia exacta en la tabla de paleta. Por lo tanto, se puede codificar un valor de residuo de un píxel con respecto al elemento de tabla de paleta correspondiente de modo que se pueda usar para refinar la imagen en el lado del descodificador. Si se utiliza un modo de compresión sin pérdidas, los valores de los residuos se pueden codificar mediante un proceso de codificación de entropía. En una realización, los valores de los residuos pueden codificarse directamente, por ejemplo, sin transformación ni cuantificación. Si se utiliza un modo de compresión con pérdida, los valores de los residuos pueden codificarse mediante procesos de codificación de transformación, cuantificación y entropía.

Se pueden usar herramientas de codificación para reducir la sobrecarga de almacenar el mapa de índice de paleta. Estas herramientas de codificación pueden incluir, por ejemplo, cálculo de ejecución, predicción de patrón bidimensional y / o orden de exploración de índice de paleta.

Se puede usar un valor de "ejecución" para indicar la longitud de las posiciones consecutivas que tienen el índice de paleta. Puede haber varios tipos de modos de predicción, por ejemplo, modo de ejecución y modo de copia. En un modo de ejecución, un valor de índice en una posición se puede comparar con un valor de índice en una posición anterior (por ejemplo, la posición a la izquierda, asumiendo el orden de exploración raster horizontal normal en el modo de ejecución o la posición anterior asumiendo el orden de exploración vertical normal en modo de copia). Si se indica el modo de ejecución, si el valor de índice del píxel actual es el mismo que el valor de índice del píxel en la posición anterior, el valor de ejecución se puede aumentar hasta que se encuentre un píxel con un valor de índice diferente. Si se indica el modo de copia, el valor del índice en una posición en el mapa de índice de la paleta se puede comparar con el valor del índice en la posición inmediatamente superior a la posición actual. Si comparten el mismo valor de índice, entonces el valor de ejecución puede incrementarse.

En un modo de ejecución, se puede codificar el índice y / o el valor de ejecución del valor de color del primer píxel en el mapa de índice, por ejemplo, se puede codificar el índice y se puede codificar el valor de ejecución. En un modo de copia, el valor de ejecución (por ejemplo, solo el valor de ejecución) puede codificarse, por ejemplo, los índices que representan los valores de color de los píxeles pueden copiarse de la fila codificada previamente. Un codificador puede seleccionar un modo de copia si ambos modos tienen el mismo valor de ejecución porque la selección del modo de copia puede resultar en menos información lateral (por ejemplo, un modo de copia puede usar menos bits para representar el mismo número de píxeles). Como se muestra en la FIG. 12, si una posición actual C0 está codificado como un modo de ejecución, y el índice de valor de color de C0 es el mismo que su píxel superior T0, la ejecución de la fila actual que comienza en C0 puede ser mayor que el número de píxeles idénticos que comienzan con T0 de la fila anterior, de lo contrario, el codificador puede haber seleccionado un modo de copia. En el ejemplo mostrado en la FIG. 12, la ejecución de la fila superior puede ser 6. En este ejemplo, la ejecución de la fila actual puede ser mayor que 6. La diferencia entre la ejecución de la fila actual y la ejecución de la fila superior (p. Ej., Solo la diferencia ) puede estar codificado.

Por ejemplo, el codificador puede seleccionar el modo de ejecución cuando el valor de ejecución del modo de ejecución es mayor que el valor de ejecución del modo de copia. Por ejemplo, puede incluirse una bandera de restricción en el flujo de bits (por ejemplo, en un conjunto de parámetros de secuencia) para señalar que el flujo de bits se genera con la restricción.

Un segmento puede incluir un grupo de píxeles codificados en un modo de ejecución o en un modo de copia. En un modo de ejecución, se pueden codificar dos elementos de sintaxis (por ejemplo, índice, ejecución). En un modo de copia, se puede codificar un elemento de sintaxis (por ejemplo, ejecutar). C0 puede ser la primera posición del segmento actual. T0 puede ser la posición anterior de C0. Fila (x) puede ser el número de fila de la posición x. Run (x) puede ser el valor de run en la posición x. Se puede tomar una decisión del codificador, por ejemplo, codificando el valor de ejecución como Ejecutar (C0) −run_top-1 o como Ejecutar (C0), por ejemplo, de acuerdo con lo siguiente:

En el decodificador, el valor de "ejecutar" para el modo de ejecución se puede interpretar, por ejemplo, de acuerdo con lo siguiente:

Mientras que el ejemplo ilustrado en la FIG. 12 puede usar codificación por filas, se puede aplicar una técnica similar para otras codificaciones direccionales de las corridas. Por ejemplo, cualquiera de los ordenamientos de exploración mostrados en la FIG. Se pueden utilizar 8. Si la codificación por columnas de la FIG. 8 (B), la comparación puede ser entre píxeles en una columna actual y píxeles en una columna adyacente codificada previamente. Si la codificación de exploración diagonal de la FIG. 8 (mi), la comparación puede ser entre píxeles a lo largo de una diagonal actual y píxeles a lo largo de una diagonal adyacente codificada previamente.

En la codificación de contenido de pantalla basada en paleta, el índice de paleta de cada píxel puede predecirse para un píxel tras otro. Un patrón bidimensional puede agrupar píxeles en unidades más grandes (por ejemplo, unidades de patrón de píxeles o PPU) de modo que se pueda reducir la magnitud de los valores de ejecución y el número de ejecuciones. Algunos ejemplos de patrones bidimensionales se ilustran en la FIG. 6, en el que las líneas continuas pueden demarcar la separación entre las PPU y las líneas discontinuas pueden demarcar píxeles individuales dentro de las PPU. Por ejemplo, si se usa un patrón de 1 × 2, como se muestra en (a), los dos píxeles de cada PPU pueden compartir el mismo valor de ejecución. En comparación con el uso de un patrón 1 × 1, un patrón 1 × 2 puede reducir la cantidad de elementos de ejecución para codificar la señal de video. Cuando los índices de los dos píxeles son iguales, la magnitud del valor de ejecución puede reducirse.

Los patrones (a) a (h) en la FIG. 6 son algunos patrones ejemplares de PPU. El patrón (a) es un patrón de dos píxeles que puede incluir dos píxeles adyacentes verticalmente. El patrón (b) es un patrón de dos píxeles que puede incluir dos píxeles adyacentes horizontalmente. El patrón (c) es un patrón de cuatro píxeles que puede incluir cuatro píxeles adyacentes verticalmente. El patrón (d) es un patrón de cuatro píxeles que puede incluir cuatro píxeles adyacentes horizontalmente. El patrón (e) es un patrón de cuatro píxeles que puede incluir cuatro píxeles adyacentes en un cuadrado.

Los patrones híbridos pueden combinar múltiples patrones bidimensionales no homogéneos, como se muestra en los patrones (f) - (h). Por ejemplo, el patrón PPU (f) puede incluir 16 píxeles dispuestos como cuatro patrones (b) colocados sobre cuatro patrones (a). El patrón (g) puede incluir 16 píxeles dispuestos como dos patrones (c) sobre dos patrones (d). El patrón (h) puede incluir dos patrones (e) colocados sobre dos patrones (d). Pueden ser posibles muchos otros patrones y tamaños de patrones.

Para señalar el uso de la predicción de patrones bidimensionales, se puede codificar un valor de N para indicar si se usa o no la predicción de patrones bidimensionales en la CU actual. Por ejemplo, si N es igual a 0, se puede usar un patrón 1 × 1 en la CU actual. De lo contrario, el valor de N puede usarse para indicar cuál de los diversos patrones bidimensionales predefinidos puede usarse en la CU actual.

Si se utiliza este método de predicción de patrón bidimensional, entonces, al realizar la predicción del modo de ejecución, un píxel dentro del patrón puede compararse con el píxel en la posición correspondiente del patrón más cercano a lo largo de la dirección inversa del orden de exploración del índice de la paleta. Por ejemplo, la FIG. 7 muestra una CU 701 compuesto por PPU 703 utilizando el patrón de dos píxeles, 1 x 2 PPU (a) de la FIG. 6. En estas PPU, puede haber dos píxeles 705, 706 por PPU, por ejemplo, superior e inferior. Pixel superior C0 de la PPU actual se puede predecir a partir del píxel superior P0 de la PPU inmediatamente a la izquierda de la PPU actual (excepto, por ejemplo, para la primera PPU en una fila), y el píxel inferior C1 de la PPU actual se puede predecir a partir del píxel inferior P1 de la PPU inmediatamente a la izquierda de la PPU actual.

Si se usa la predicción del modo de copia (de modo que la PPU anterior en el orden de escaneo puede ser la PPU por encima de la PPU actual, en lugar de la PPU a la izquierda de la PPU actual), un píxel dentro del patrón puede compararse con su píxel colocado ubicación en su PPU anterior. Para buscar rápidamente el píxel colocado (por ejemplo, el píxel que tiene la posición correspondiente) en la PPU anterior, se pueden usar dos tablas de búsqueda para los modos de ejecución y copia, y las dos tablas de búsqueda para cada tamaño de bloque y patrón bidimensional pueden estar predefinidos en los lados del codificador y del descodificador.

Para el orden de exploración del índice de la paleta, una parte o posición (p. Ej., Píxel o PPU) de la CU (u otro segmento de bloque de los datos de vídeo) se puede predecir en orden de exploración de trama vertical u horizontal, como se muestra en los patrones (a) y (b), respectivamente, de la FIG. 8. Una parte o posición de la CU puede predecirse en un orden de línea de exploración, como se muestra, por ejemplo, en los patrones (c) y (d) de la FIG. 8. Una línea de exploración puede ser horizontal o vertical, por ejemplo, y puede incluir una o más partes de líneas horizontales y / o verticales.

Una línea de exploración (por ejemplo, una línea de trama) se puede explorar en la dirección opuesta a la línea de exploración paralela precedente, como se muestra por los patrones (c) y (d) en la FIG. 8 para el modo de ejecución y el modo de copia, respectivamente. Puede conservarse la probabilidad de similitud de los índices de paleta entre las PPU exploradas secuencialmente en la ruta del orden de exploración. Por ejemplo, en los extremos de las líneas de trama, la siguiente PPU secuencial se ubica físicamente adyacente a la PPU escaneada previamente en la imagen de video real. En un ejemplo, el orden de exploración puede ser un zig-zag diagonal, como se ilustra mediante los patrones de orden de exploración (e) y (f) en la FIG. 8.

El valor de la PPU que se utilizará como base para la predicción del índice se puede restablecer a la PPU inmediatamente por encima de la PPU actual para la PPU en la primera posición de cada fila cuando se realiza la predicción del modo de ejecución con orden de exploración de trama.

    • A B C D
    • A A A D
      La predicción para la primera posición de la segunda fila en un modo de ejecución puede ser D porque ese es el valor del píxel en la posición anterior, por ejemplo, la última posición de la primera fila. Si el valor de la predicción de píxeles se restablece a la PPU inmediatamente por encima de la PPU actual, la predicción en el modo de ejecución puede ser A porque ese es el valor del píxel inmediatamente por encima de ese píxel (por ejemplo, en la primera posición de la primera fila) . Debido a que las siguientes dos A consecutivas en la segunda fila también son A, la codificación puede ser A (por ejemplo, correspondiente al valor de color del primer píxel en la primera fila) con un valor de ejecución de 3 (por ejemplo, correspondiente a los tres primeros píxeles en la segunda fila). El modo de escaneo puede cambiar entre el modo de ejecución y el modo de copia en medio de un valor de ejecución.

    El mismo concepto se puede aplicar en el modo de ejecución en orden de exploración vertical, en cuyo caso el valor de la PPU que se utilizará como base para la predicción de píxeles para la PPU en la primera posición de cada columna se puede restablecer a la PPU inmediatamente a la a la izquierda de ese PPU.

    Los elementos de sintaxis pueden señalar CU que pueden codificarse con un modo codificado de paleta. La codificación de paleta como se describe en el presente documento puede indicarse en el flujo de bits utilizando elementos de sintaxis. Por ejemplo, en el nivel de UC, palette_table_reuse_flag puede indicar si la UC actual reutiliza los elementos de color del predictor de tabla de paleta como la tabla de paleta de la UC actual o no. Si palette_table_reuse_flag es igual a 1, el modo de reutilización de la tabla de paleta se puede aplicar a la CU actual. Los elementos de color de la tabla de paleta de la CU actual se pueden copiar del predictor de la tabla de paleta. Si palette_table_reuse_flag es igual a 0, la CU actual puede usar un nuevo conjunto de colores como su tabla de paleta.

    Un elemento de sintaxis, como palette_pattern_mode, puede indicar si la codificación de paleta bidimensional está habilitada y qué patrón de codificación se utiliza. Si palette_pattern_mode es igual a 0, se puede usar un patrón 1 × 1. De lo contrario, el valor de palette_pattern_mode puede usarse para indicar qué patrón bidimensional predefinido (ver, por ejemplo, patrones ejemplares en la Figura 6) se usa en la CU actual.

    Se puede utilizar un elemento de sintaxis, como palette_index_scan_order, para indicar qué orden de exploración de índice de paleta se utiliza. Por ejemplo, si palette_index_scan_order es igual a 0, el orden de exploración ráster puede usarse en el proceso de predicción del índice de paleta. De lo contrario, el valor de palette_index_scan_order puede usarse para indicar qué orden de exploración predefinido (ver, por ejemplo, patrones ejemplares en la Figura 8) se usa. Por ejemplo, se puede señalar si la exploración transversal se realiza horizontalmente con líneas de exploración horizontal o verticalmente con líneas de exploración verticales.

    La Tabla 1 ilustra elementos de sintaxis de ejemplo.

    HIGO. 13A es un diagrama de un sistema de comunicaciones ejemplar 100 en relación con las cuales se pueden implementar una o más realizaciones descritas. El sistema de comunicaciones 100 puede ser un sistema de acceso múltiple que proporciona contenido, como voz, datos, video, mensajería, transmisión, etc., a múltiples usuarios inalámbricos. El sistema de comunicaciones 100 puede permitir que múltiples usuarios inalámbricos accedan a dicho contenido compartiendo los recursos del sistema, incluido el ancho de banda inalámbrico. Por ejemplo, los sistemas de comunicaciones 100 puede emplear uno o más métodos de acceso al canal, como acceso múltiple por división de código (CDMA), acceso múltiple por división de tiempo (TDMA), acceso múltiple por división de frecuencia (FDMA), FDMA ortogonal (OFDMA), FDMA de portadora única (SC-FDMA) , y similares.

    Como se muestra en la FIG. 13A, el sistema de comunicaciones 100 puede incluir unidades de transmisión / recepción inalámbrica (WTRU) 102a, 102B, 102C, 102D, una red de acceso por radio (RAN) 104, una red central 106, una red telefónica pública conmutada (PSTN) 108, La Internet 110y otras redes 112, aunque se apreciará que las realizaciones descritas contemplan cualquier número de WTRU, estaciones base, redes y / o elementos de red. Cada una de las WTRU 102a, 102B, 102C, 102D puede ser cualquier tipo de dispositivo configurado para funcionar y / o comunicarse en un entorno inalámbrico. A modo de ejemplo, las WTRU 102a, 102B, 102C, 102D puede estar configurado para transmitir y / o recibir señales inalámbricas y puede incluir equipo de usuario (UE), una estación móvil, una unidad de abonado fija o móvil, un buscapersonas, un teléfono celular, un asistente digital personal (PDA), un teléfono inteligente, un computadora portátil, netbook, computadora personal, sensor inalámbrico, electrónica de consumo y similares.

    Los sistemas de comunicaciones 100 también puede incluir una estación base 114a y una estación base 114B. Cada una de las estaciones base 114a, 114B puede ser cualquier tipo de dispositivo configurado para interactuar de forma inalámbrica con al menos una de las WTRU 102a, 102B, 102C, 102D para facilitar el acceso a una o más redes de comunicación, como la red central 106, La Internet 110, y / o las redes 112. A modo de ejemplo, las estaciones base 114a, 114B puede ser una estación transceptora base (BTS), un Nodo-B, un eNodo B, un Nodo B de inicio, un eNodo B de inicio, un controlador de sitio, un punto de acceso (AP), un enrutador inalámbrico y similares. Mientras que las estaciones base 114a, 114B se representan cada uno como un solo elemento, se apreciará que las estaciones base 114a, 114B puede incluir cualquier número de estaciones base interconectadas y / o elementos de red.

    La estacion base 114a puede ser parte de la RAN 104, que también puede incluir otras estaciones base y / o elementos de red (no mostrados), como un controlador de estación base (BSC), un controlador de red de radio (RNC), nodos de retransmisión, etc. La estación base 114a y / o la estación base 114B puede configurarse para transmitir y / o recibir señales inalámbricas dentro de una región geográfica particular, que puede denominarse celda (no mostrada). La celda se puede dividir además en sectores de celda. Por ejemplo, la celda asociada con la estación base 114a se puede dividir en tres sectores. Así, en una realización, la estación base 114a puede incluir tres transceptores, por ejemplo, uno para cada sector de la celda. En otra forma de realización, la estación base 114a puede emplear tecnología de múltiples entradas y múltiples salidas (MIMO) y, por lo tanto, puede utilizar múltiples transceptores para cada sector de la celda.

    Las estaciones base 114a, 114B puede comunicarse con una o más de las WTRU 102a, 102B, 102C, 102D a través de una interfaz aérea 116, que puede ser cualquier enlace de comunicación inalámbrico adecuado (por ejemplo, radiofrecuencia (RF), microondas, infrarrojos (IR), ultravioleta (UV), luz visible, etc.). La interfaz de aire 116 puede establecerse utilizando cualquier tecnología de acceso por radio (RAT) adecuada.

    Más específicamente, como se señaló anteriormente, el sistema de comunicaciones 100 puede ser un sistema de acceso múltiple y puede emplear uno o más esquemas de acceso de canal, tales como CDMA, TDMA, FDMA, OFDMA, SC-FDMA y similares. Por ejemplo, la estación base 114a en el RAN 104 y las WTRU 102a, 102B, 102C puede implementar una tecnología de radio como el acceso de radio terrestre del sistema universal de telecomunicaciones móviles (UMTS) (UTRA), que puede establecer la interfaz aérea 116 utilizando CDMA de banda ancha (WCDMA). WCDMA puede incluir protocolos de comunicación como el acceso de paquetes de alta velocidad (HSPA) y / o HSPA evolucionado (HSPA +). HSPA puede incluir acceso de paquetes de enlace descendente de alta velocidad (HSDPA) y / o acceso de paquetes de enlace ascendente de alta velocidad (HSUPA).

    En otra forma de realización, la estación base 114a y las WTRU 102a, 102B, 102C puede implementar una tecnología de radio como Evolved UMTS Terrestrial Radio Access (E-UTRA), que puede establecer la interfaz aérea 116 utilizando Long Term Evolution (LTE) y / o LTE-Advanced (LTE-A).

    En otras formas de realización, la estación base 114a y las WTRU 102a, 102B, 102C puede implementar tecnologías de radio como IEEE 802.16 (por ejemplo, Interoperabilidad mundial para acceso por microondas (WiMAX)), CDMA2000, CDMA2000 1 ×, CDMA2000 EV-DO, Interim Standard 2000 (IS-2000), Interim Standard 95 (IS-95) Norma provisional 856 (IS-856), Sistema global para comunicaciones móviles (GSM), Velocidades de datos mejoradas para GSM Evolution (EDGE), GSM EDGE (GERAN) y similares.

    La estacion base 114B en la Fig. 13A puede ser un enrutador inalámbrico, Home Node B, Home eNode B o punto de acceso, por ejemplo, y puede utilizar cualquier RAT adecuada para facilitar la conectividad inalámbrica en un área localizada, como un lugar de trabajo, una casa, un vehículo, un campus y cosas por el estilo. En una forma de realización, la estación base 114B y las WTRU 102C, 102D puede implementar una tecnología de radio como IEEE 802.11 para establecer una red de área local inalámbrica (WLAN). En otra forma de realización, la estación base 114B y las WTRU 102C, 102D puede implementar una tecnología de radio como IEEE 802.15 para establecer una red de área personal inalámbrica (WPAN). En otra realización más, la estación base 114B y las WTRU 102C, 102D puede utilizar una RAT de base celular (por ejemplo, WCDMA, CDMA2000, GSM, LTE, LTE-A, etc.) para establecer una picocélula o femtocélula. Como se muestra en la FIG. 13A, la estación base 114B puede tener una conexión directa a Internet 110. Por lo tanto, la estación base 114B puede no ser necesario para acceder a Internet 110 a través de la red central 106.

    El RAN 104 puede estar en comunicación con la red central 106, que puede ser cualquier tipo de red configurada para proporcionar servicios de voz, datos, aplicaciones y / o voz sobre protocolo de Internet (VoIP) a una o más de las WTRU 102a, 102B, 102C, 102D. Por ejemplo, la red central 106 puede proporcionar control de llamadas, servicios de facturación, servicios móviles basados ​​en la ubicación, llamadas prepagas, conectividad a Internet, distribución de video, etc., y / o realizar funciones de seguridad de alto nivel, como la autenticación de usuarios. Aunque no se muestra en la FIG. 13A, se apreciará que la RAN 104 y / o la red central 106 puede estar en comunicación directa o indirecta con otras RAN que emplean la misma RAT que la RAN 104 o una RAT diferente. Por ejemplo, además de estar conectado a la RAN 104, que puede estar utilizando una tecnología de radio E-UTRA, la red central 106 también puede estar en comunicación con otra RAN (no mostrada) que emplee una tecnología de radio GSM.

    La red central 106 también puede servir como puerta de entrada para las WTRU 102a, 102B, 102C, 102D para acceder a la PSTN 108, La Internet 110y / u otras redes 112. La PSTN 108 puede incluir redes telefónicas de conmutación de circuitos que brinden un servicio telefónico antiguo (POTS). La Internet 110 puede incluir un sistema global de redes y dispositivos informáticos interconectados que utilizan protocolos de comunicación comunes, como el protocolo de control de transmisión (TCP), el protocolo de datagramas de usuario (UDP) y el protocolo de Internet (IP) en la suite de protocolos de Internet TCP / IP. Las redes 112 puede incluir redes de comunicaciones inalámbricas o alámbricas que son propiedad de otros proveedores de servicios o son operadas por ellos. Por ejemplo, las redes 112 puede incluir otra red central conectada a una o más RAN, que pueden emplear la misma RAT que la RAN 104 o una RAT diferente.

    Algunas o todas las WTRU 102a, 102B, 102C, 102D en el sistema de comunicaciones 100 puede incluir capacidades multimodo, por ejemplo, las WTRU 102a, 102B, 102C, 102D puede incluir múltiples transceptores para comunicarse con diferentes redes inalámbricas a través de diferentes enlaces inalámbricos. Por ejemplo, la WTRU 102C mostrado en la FIG. 13A puede configurarse para comunicarse con la estación base 114a, que puede emplear una tecnología de radio basada en celular, y con la estación base 114B, que puede emplear una tecnología de radio IEEE 802.

    HIGO. 13B es un diagrama de sistema de un ejemplo de WTRU 102. Como se muestra en la FIG. 13B, la WTRU 102 puede incluir un procesador 118, un transceptor 120, un elemento de transmisión / recepción 122, un altavoz / micrófono 124, un teclado 126, una pantalla / panel táctil 128, memoria no extraíble 106, memoria extraíble 132, una fuente de poder 134, un conjunto de chips del sistema de posicionamiento global (GPS) 136y otros periféricos 138. Se apreciará que la WTRU 102 puede incluir cualquier subcombinación de los elementos anteriores sin dejar de ser coherente con una realización.

    El procesador 118 puede ser un procesador de propósito general, un procesador de propósito especial, un procesador convencional, un procesador de señal digital (DSP), una pluralidad de microprocesadores, uno o más microprocesadores en asociación con un núcleo DSP, un controlador, un microcontrolador, Circuitos integrados de aplicación específica (ASIC), circuitos de matriz de puerta programable en campo (FPGA), cualquier otro tipo de circuito integrado (IC), una máquina de estado y similares. El procesador 118 puede realizar codificación de señales, procesamiento de datos, control de potencia, procesamiento de entrada / salida y / o cualquier otra funcionalidad que habilite la WTRU 102 para operar en un entorno inalámbrico. El procesador 118 se puede acoplar al transceptor 120, que se puede acoplar al elemento de transmisión / recepción 122. Mientras que la FIG. 13B representa el procesador 118 y el transceptor 120 como componentes separados, se apreciará que el procesador 118 y el transceptor 120 pueden integrarse juntos en un paquete o chip electrónico.

    El elemento de transmisión / recepción 122 puede configurarse para transmitir señales a, o recibir señales de, una estación base (por ejemplo, la estación base 114a) a través de la interfaz aérea 116. Por ejemplo, en una realización, el elemento de transmisión / recepción 122 puede ser una antena configurada para transmitir y / o recibir señales de RF. En otra forma de realización, el elemento de transmisión / recepción 122 puede ser un emisor / detector configurado para transmitir y / o recibir señales de luz infrarroja, ultravioleta o visible, por ejemplo. En otra realización más, el elemento de transmisión / recepción 122 puede configurarse para transmitir y recibir señales de luz y RF. Se apreciará que el elemento de transmisión / recepción 122 puede configurarse para transmitir y / o recibir cualquier combinación de señales inalámbricas.

    Además, aunque el elemento de transmisión / recepción 122 se representa en la FIG. 13B como un solo elemento, la WTRU 102 puede incluir cualquier número de elementos de transmisión / recepción 122. Más específicamente, la WTRU 102 puede emplear tecnología MIMO. Por tanto, en una forma de realización, la WTRU 102 puede incluir dos o más elementos de transmisión / recepción 122 (por ejemplo, múltiples antenas) para transmitir y recibir señales inalámbricas a través de la interfaz aérea 116.

    El transceptor 120 puede configurarse para modular las señales que serán transmitidas por el elemento transmisor / receptor 122 y demodular las señales que son recibidas por el elemento transmisor / receptor 122. Como se señaló anteriormente, la WTRU 102 puede tener capacidades multimodo. Por lo tanto, el transceptor 120 puede incluir varios transceptores para habilitar la WTRU 102 para comunicarse a través de múltiples RAT, como UTRA e IEEE 802.11, por ejemplo.

    El procesador 118 de la WTRU 102 puede estar acoplado y puede recibir datos de entrada del usuario desde el altavoz / micrófono 124, el teclado 126y / o la pantalla / panel táctil 128 (por ejemplo, una unidad de visualización de pantalla de cristal líquido (LCD) o una unidad de visualización de diodos emisores de luz orgánicos (OLED)). El procesador 118 también puede enviar datos de usuario al altavoz / micrófono 124, el teclado 126y / o la pantalla / panel táctil 128. Además, el procesador 118 puede acceder a información de, y almacenar datos en, cualquier tipo de memoria adecuada, como la memoria no extraíble 106 y / o la memoria extraíble 132. La memoria no extraíble 106 puede incluir memoria de acceso aleatorio (RAM), memoria de solo lectura (ROM), un disco duro o cualquier otro tipo de dispositivo de almacenamiento de memoria. La memoria extraíble 132 puede incluir una tarjeta de módulo de identidad de abonado (SIM), un lápiz de memoria, una tarjeta de memoria digital segura (SD) y similares. En otras realizaciones, el procesador 118 puede acceder a la información y almacenar datos en la memoria que no se encuentra físicamente en la WTRU 102, como en un servidor o en una computadora doméstica (no se muestra).

    El procesador 118 puede recibir energía de la fuente de energía 134, y puede configurarse para distribuir y / o controlar la energía a los otros componentes en la WTRU 102. La fuente de poder 134 puede ser cualquier dispositivo adecuado para alimentar la WTRU 102. Por ejemplo, la fuente de energía 134 puede incluir una o más baterías de celda seca (por ejemplo, níquel-cadmio (NiCd), níquel-zinc (NiZn), hidruro metálico de níquel (NiMH), iones de litio (Li-ion), etc.), celdas solares, celdas de combustible , y similares.

    El procesador 118 también se puede acoplar al chipset GPS 136, que puede configurarse para proporcionar información de ubicación (por ejemplo, longitud y latitud) con respecto a la ubicación actual de la WTRU 102. Además de, o en lugar de, la información del chipset GPS 136, la WTRU 102 puede recibir información de ubicación a través de la interfaz aérea 116 desde una estación base (por ejemplo, estaciones base 114a, 114B) y / o determinar su ubicación basándose en la sincronización de las señales que se reciben de dos o más estaciones base cercanas. Se apreciará que la WTRU 102 puede adquirir información de ubicación mediante cualquier método de determinación de ubicación adecuado sin dejar de ser coherente con una realización.

    El procesador 118 además se puede acoplar a otros periféricos 138, que puede incluir uno o más módulos de software y / o hardware que proporcionan características, funcionalidad y / o conectividad inalámbrica o por cable adicionales. Por ejemplo, los periféricos 138 puede incluir un acelerómetro, una brújula electrónica, un transceptor satelital, una cámara digital (para fotografías o video), un puerto de bus serie universal (USB), un dispositivo de vibración, un transceptor de televisión, un auricular manos libres, un módulo Bluetooth® , una unidad de radio de frecuencia modulada (FM), un reproductor de música digital, un reproductor de medios, un módulo de reproductor de videojuegos, un navegador de Internet y similares.

    HIGO. 13C es un diagrama de sistema de la RAN 104 y la red central 106 según una realización. Como se señaló anteriormente, el RAN 104 puede emplear una tecnología de radio UTRA para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. El RAN 104 también puede estar en comunicación con la red central 106. Como se muestra en la FIG. 13C, el RAN 104 puede incluir Nodos-B 140a, 140B, 140C, que pueden incluir cada uno uno o más transceptores para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. Los Nodos-B 140a, 140B, 140C cada uno puede estar asociado con una celda en particular (no se muestra) dentro de la RAN 104. El RAN 104 también puede incluir RNC 142a, 142B. Se apreciará que la RAN 104 puede incluir cualquier número de Nodos-B y RNC sin dejar de ser coherente con una realización.

    Como se muestra en la FIG. 13C, los Nodos-B 140a, 140B puede estar en comunicación con el RNC 142a. Además, el Nodo-B 140C puede estar en comunicación con el RNC 142B. Los Nodos-B 140a, 140B, 140C puede comunicarse con los respectivos RNC 142a, 142B a través de una interfaz Iub. Los RNC 142a, 142B pueden estar en comunicación entre sí a través de una interfaz Iur. Cada uno de los RNC 142a, 142B puede configurarse para controlar los respectivos Nodos B 140a, 140B, 140C al que está conectado. Además, cada uno de los RNC 142a, 142B puede configurarse para llevar a cabo o soportar otras funciones, tales como control de potencia de bucle exterior, control de carga, control de admisión, programación de paquetes, control de traspaso, macrodiversidad, funciones de seguridad, cifrado de datos y similares.

    La red central 106 mostrado en la FIG. 13C puede incluir una puerta de enlace de medios (MGW) 144, un centro de conmutación móvil (MSC) 146, un nodo de soporte de servicio GPRS (SGSN) 148y / o un nodo de soporte de puerta de enlace GPRS (GGSN) 150. Si bien cada uno de los elementos anteriores se describe como parte de la red central 106, se apreciará que cualquiera de estos elementos puede ser propiedad y / o estar operado por una entidad distinta del operador de la red central.

    El RNC 142a en el RAN 104 puede estar conectado al MSC 146 en la red central 106 a través de una interfaz IuCS. El MSC 146 puede estar conectado al MGW 144. El MSC 146 y el MGW 144 puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de circuitos, como la PSTN 108, para facilitar las comunicaciones entre las WTRU 102a, 102B, 102C y dispositivos tradicionales de comunicaciones por línea terrestre.

    El RNC 142a en el RAN 104 también puede estar conectado al SGSN 148 en la red central 106 a través de una interfaz IuPS. El SGSN 148 puede estar conectado al GGSN 150. El SGSN 148 y el GGSN 150 puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de paquetes, como Internet 110, para facilitar las comunicaciones entre y las WTRU 102a, 102B, 102C y dispositivos habilitados para IP.

    Como se señaló anteriormente, la red central 106 también puede estar conectado a las redes 112, que puede incluir otras redes cableadas o inalámbricas que son propiedad de otros proveedores de servicios o están operadas por ellos.

    HIGO. 13D es un diagrama de sistema de la RAN 104 y la red central 106 según otra realización. Como se señaló anteriormente, el RAN 104 puede emplear una tecnología de radio E-UTRA para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. El RAN 104 también puede estar en comunicación con la red central 106.

    El RAN 104 puede incluir eNode-B 160a, 160B, 160C, aunque se apreciará que el RAN 104 puede incluir cualquier número de eNode-B sin dejar de ser coherente con una realización. Los eNode-B 160a, 160B, 160C cada uno puede incluir uno o más transceptores para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. En una realización, los eNode-B 160a, 160B, 160C puede implementar la tecnología MIMO. Por lo tanto, el eNode-B 160a, por ejemplo, puede usar múltiples antenas para transmitir señales inalámbricas y recibir señales inalámbricas de la WTRU 102una.

    Cada uno de los eNode-B 160a, 160B, 160C puede estar asociado con una celda particular (no mostrada) y puede configurarse para manejar decisiones de gestión de recursos de radio, decisiones de traspaso, programación de usuarios en el enlace ascendente y / o enlace descendente, y similares. Como se muestra en la FIG. 13D, los eNode-B 160a, 160B, 160C pueden comunicarse entre sí a través de una interfaz X2.

    La red central 106 mostrado en la FIG. 13D puede incluir una puerta de enlace de gestión de movilidad (MME) 162, una puerta de entrada al servicio 164y una puerta de enlace de red de paquetes de datos (PDN) 166. Si bien cada uno de los elementos anteriores se describe como parte de la red central 106, se apreciará que cualquiera de estos elementos puede ser propiedad y / o estar operado por una entidad distinta del operador de la red central.

    El MME 162 puede estar conectado a cada uno de los eNode-B 160a, 160B, 160C en el RAN 104 a través de una interfaz S1 y puede servir como nodo de control. Por ejemplo, el MME 162 puede ser responsable de autenticar a los usuarios de las WTRU 102a, 102B, 102C, activación / desactivación del portador, seleccionar una puerta de enlace de servicio particular durante una conexión inicial de las WTRU 102a, 102B, 102C, y similares. El MME 162 también puede proporcionar una función de plano de control para cambiar entre la RAN 104 y otras RAN (no mostradas) que emplean otras tecnologías de radio, como GSM o WCDMA.

    La puerta de entrada al servicio 164 puede estar conectado a cada uno de los eNodos B 160a, 160B, 160C en el RAN 104 a través de la interfaz S1. La puerta de entrada al servicio 164 generalmente puede enrutar y reenviar paquetes de datos de usuario hacia / desde las WTRU 102a, 102B, 102C. La puerta de entrada al servicio 164 también puede realizar otras funciones, como anclar los planos de usuario durante los traspasos entre eNodo B, activando la búsqueda cuando los datos de enlace descendente están disponibles para las WTRU 102a, 102B, 102C, gestión y almacenamiento de contextos de las WTRU 102a, 102B, 102C, y similares.

    La puerta de entrada al servicio 164 también se puede conectar a la puerta de enlace PDN 166, que puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de paquetes, como Internet 110, para facilitar las comunicaciones entre las WTRU 102a, 102B, 102C y dispositivos habilitados para IP.

    La red central 106 puede facilitar las comunicaciones con otras redes. Por ejemplo, la red central 106 puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de circuitos, como la PSTN 108, para facilitar las comunicaciones entre las WTRU 102a, 102B, 102C y dispositivos tradicionales de comunicaciones por línea terrestre. Por ejemplo, la red central 106 puede incluir, o puede comunicarse con, una puerta de enlace IP (por ejemplo, un servidor de subsistema multimedia IP (IMS)) que sirve como interfaz entre la red central 106 y la PSTN 108. Además, la red central 106 puede proporcionar las WTRU 102a, 102B, 102C con acceso a las redes 112, que puede incluir otras redes cableadas o inalámbricas que son propiedad de otros proveedores de servicios o están operadas por ellos.

    HIGO. 13E es un diagrama de sistema de la RAN 104 y la red central 106 según otra realización. El RAN 104 puede ser una red de servicio de acceso (ASN) que emplea tecnología de radio IEEE 802.16 para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. Como se discutirá más adelante, los enlaces de comunicación entre las diferentes entidades funcionales de las WTRU 102a, 102B, 102C, el RAN 104y la red central 106 pueden definirse como puntos de referencia.

    Como se muestra en la FIG. 13E, el RAN 104 puede incluir estaciones base 170a, 170B, 170Cy una puerta de enlace ASN 172, aunque se apreciará que el RAN 104 puede incluir cualquier número de estaciones base y pasarelas ASN sin dejar de ser coherente con una realización. Las estaciones base 170a, 170B, 170C cada uno puede estar asociado con una celda particular (no se muestra) en el RAN 104 y cada uno puede incluir uno o más transceptores para comunicarse con las WTRU 102a, 102B, 102C a través de la interfaz aérea 116. En una realización, las estaciones base 170a, 170B, 170C puede implementar la tecnología MIMO. Por lo tanto, la estación base 170a, por ejemplo, puede usar múltiples antenas para transmitir señales inalámbricas y recibir señales inalámbricas de la WTRU 102a. Las estaciones base 170a, 170B, 170C también puede proporcionar funciones de gestión de la movilidad, tales como activación de traspaso, establecimiento de túneles, gestión de recursos de radio, clasificación de tráfico, aplicación de políticas de calidad de servicio (QoS) y similares. La puerta de enlace ASN 172 puede servir como un punto de agregación de tráfico y puede ser responsable de la localización, el almacenamiento en caché de los perfiles de los suscriptores y el enrutamiento a la red central 106, y similares.

    La interfaz de aire 116 entre las WTRU 102a, 102B, 102C y el RAN 104 puede definirse como un punto de referencia R1 que implementa la especificación IEEE 802.16. Además, cada una de las WTRU 102a, 102B, 102C puede establecer una interfaz lógica (no mostrada) con la red central 106. La interfaz lógica entre las WTRU 102a, 102B, 102C y la red central 106 puede definirse como un punto de referencia R2, que puede utilizarse para autenticación, autorización, gestión de la configuración del host IP y / o gestión de la movilidad.

    El enlace de comunicación entre cada una de las estaciones base. 170a, 170B, 170C puede definirse como un punto de referencia R8 que incluye protocolos para facilitar los traspasos de WTRU y la transferencia de datos entre estaciones base. El enlace de comunicación entre las estaciones base. 170a, 170B, 170C y la puerta de enlace ASN 172 puede definirse como un punto de referencia R6. El punto de referencia R6 puede incluir protocolos para facilitar la gestión de la movilidad basada en eventos de movilidad asociados con cada una de las WTRU. 102a, 102B, 100C.

    Como se muestra en la FIG. 13E, el RAN 104 puede estar conectado a la red central 106. El enlace de comunicación entre la RAN 104 y la red central 106 puede definirse como un punto de referencia R3 que incluye protocolos para facilitar la transferencia de datos y las capacidades de gestión de la movilidad, por ejemplo. La red central 106 puede incluir un agente doméstico IP móvil (MIP-HA) 174, un servidor de autenticación, autorización y contabilidad (AAA) 176y una puerta de entrada 178. Si bien cada uno de los elementos anteriores se describe como parte de la red central 106, se apreciará que cualquiera de estos elementos puede ser propiedad y / o estar operado por una entidad distinta del operador de la red central.

    El MIP-HA 174 puede ser responsable de la gestión de la dirección IP y puede habilitar las WTRU 102a, 102B, 102C para moverse entre diferentes ASN y / o diferentes redes centrales. El MIP-HA 174 puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de paquetes, como Internet 110, para facilitar las comunicaciones entre las WTRU 102a, 102B, 102C y dispositivos habilitados para IP. El servidor AAA 176 puede ser responsable de la autenticación del usuario y de respaldar los servicios del usuario. La salida 178 puede facilitar el interfuncionamiento con otras redes. Por ejemplo, la puerta de enlace 178 puede proporcionar las WTRU 102a, 102B, 102C con acceso a redes de conmutación de circuitos, como la PSTN 108, para facilitar las comunicaciones entre las WTRU 102a, 102B, 102C y dispositivos tradicionales de comunicaciones por línea terrestre. Además, la puerta de enlace 178 puede proporcionar las WTRU 102a, 102B, 102C con acceso a las redes 112, que puede incluir otras redes cableadas o inalámbricas que son propiedad de otros proveedores de servicios o están operadas por ellos.

    Aunque no se muestra en la FIG. 13E, se apreciará que el RAN 104 puede estar conectado a otros ASN y a la red central 106 puede estar conectado a otras redes centrales. El enlace de comunicación entre la RAN 104 los otros ASN pueden definirse como un punto de referencia R4, que puede incluir protocolos para coordinar la movilidad de las WTRU 102a, 102B, 102C entre el RAN 104 y los otros ASN. El enlace de comunicación entre la red central 106 y las otras redes centrales pueden definirse como una referencia R5, que puede incluir protocolos para facilitar el interfuncionamiento entre las redes centrales domésticas y las redes centrales visitadas.

    Los procesos e instrumentos descritos en este documento pueden aplicarse en cualquier combinación, pueden aplicarse a otras tecnologías inalámbricas y para otros servicios.

    Una WTRU puede referirse a una identidad del dispositivo físico, o a la identidad del usuario, como identidades relacionadas con la suscripción, por ejemplo, MSISDN, SIP URI, etc. WTRU puede referirse a identidades basadas en aplicaciones, por ejemplo, nombres de usuario que pueden usarse por solicitud.

    Los procesos descritos anteriormente pueden implementarse en un programa de computadora, software y / o firmware incorporado en un medio legible por computadora para su ejecución por una computadora y / o procesador. Los ejemplos de medios legibles por computadora incluyen, pero no se limitan a, señales electrónicas (transmitidas a través de conexiones alámbricas y / o inalámbricas) y / o medios de almacenamiento legibles por computadora. Los ejemplos de medios de almacenamiento legibles por computadora incluyen, pero no se limitan a, una memoria de solo lectura (ROM), una memoria de acceso aleatorio (RAM), un registro, memoria caché, dispositivos de memoria semiconductores, medios magnéticos como, entre otros, , discos duros internos y discos extraíbles, medios magnetoópticos y / o medios ópticos como discos CD-ROM y / o discos versátiles digitales (DVD). Puede usarse un procesador en asociación con software para implementar un transceptor de radiofrecuencia para su uso en una WTRU, UE, terminal, estación base, RNC y / o cualquier computadora principal.


    Azulejos y mosaicos

    "Corta" automáticamente las imágenes reproyectadas en mosaicos. Ingrese el ancho de las columnas y el alto de las filas, especifique el número de columnas y filas para permitir que Transformer calcule el ancho y el alto de los mosaicos, o configure parámetros de mosaico personalizados. La pestaña de vista previa muestra cómo se creará el mosaico de la imagen antes de que se creen los mosaicos. Las herramientas de mosaico son flexibles y permiten a los usuarios múltiples opciones de nombres para cada mosaico. La herramienta de mosaico personalizado le permite dibujar a mano los rectángulos exactamente donde desea colocar la imagen en mosaico. Ya no está limitado a un simple cuadrado o cuadrícula.


    Utilice la pestaña Configuración de mosaico para configurar los parámetros de mosaico


    Utilice la pestaña Vista previa de mosaico para obtener una vista previa y ajustar los parámetros de mosaico

    Cree imágenes compuestas haciendo mosaicos de mapas de imágenes individuales. La herramienta de recorte en trabajos de mosaico permite recortar las imágenes de entrada así como recortar el mosaico final. También hay un visor de vista previa de mosaico para que pueda obtener una vista previa de su trabajo de mosaico antes de ejecutarlo.


    Use la pestaña Configuración de mosaico para agregar archivos al mosaico y configurar sus parámetros


    Referências

    Baptista, Márcio Benedito Pádua, Valter Lúcio de. Restauração de sistemas fluviais. 1. ed. Barueri: Manole, v. 20, 2016. (Coleção ambiental).

    Brasil. Lei n. 9433, de 08 de enero de 1997. Diário Oficial da União. Brasilia, DF, 08 de enero de 1997. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/l9433.htm#:

    Cauchick, Paulo y col. Metodologia Científica Para Engenharia. 1. ed. Río de Janeiro: Elsevier, f. 140, 2019. 280 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788595150805/. Acesso em: 27 mai. 2021.

    Cavalcanti, Enilson P. Silva, Vicente de P. R. Sousa, Francisco de A. S. de. Programa computacional para a estimativa da temperatura do ar para a Região Nordeste do Brasil. Scielo. Campina Grande, 2006. 8 p. Disponível em: https://doi.org/10.1590/S1415-43662006000100021. Acesso em: 23 de mayo. 2020.

    Ceará. Assembleia legislativa do Ceará. Lei n. 14.844, de 30 de diciembre de 2010. Diário Oficial. Fortaleza, 28 de diciembre de 2010. Disponível em: https://belt.al.ce.gov.br/index.php/legislacao-do-ceara/organizacao-tematica/desenv-regional-recursos-hidricos-minas-e-pesca/item/379-lei -n-14-844-de-28-12-10-do-30-12-10. Acesso em: 24 de mayo. 2021.

    Ceará. Constituição do Estado do Ceará. Fortaleza: Assembleia Legislativa do Estado do Ceará, 1989. Disponível em: https://www2.senado.leg.br/bdsf/item/id/70432. Acesso em: 24 de mayo. 2021.

    Ceará. Secretaria dos Recursos Hídricos. Decreto n. 26.462, de 11 de diciembre de 2001. Diário Oficial. Fortaleza, 29 de noviembre de 1999. Disponível em: https://www.srh.ce.gov.br/decreto-no-26462-11-de-dezembro-de-2001/. Acesso em: 24 de mayo. 2021.

    COGERH. Base Cartográfica. COGERH. Fortaleza, 2020. Disponível em: https://portal.cogerh.com.br/mapas/#pid=4. Acesso em: 20 mai. 2021.

    Comitê da Bacia Hidrográfica do Curu. Conheça nossa Bacia Hidrográfica. Comitê da Bacia Hidrográfica do Curu. Pentecoste, 2021. Disponível em: http://www.cbhcuru.com.br/conheca/. Acesso em: 20 mai. 2021.

    Comitê da Bacia Hidrográfica do Curu. Histórico. Comitê da Bacia Hidrográfica do Curu. Pentecoste, 2019. Disponível em: http://www.cbhcuru.com.br/institucional/historico/. Acesso em: 24 de mayo. 2021.

    Conselho de Altos Estudos e Assuntos Estratégicos, Assembleia Legislativa do estado do Ceará. Caderno Regional da bacia do Curu. Fortaleza: INESP, v. 4, 2009. 115 p. (Coleção Cadernos Regionais do Pacto das Águas).

    Creswell, John W. Creswell, J. David. Projeto de pesquisa: Métodos qualitativo, quantitativo e misto. Tradução Sandra Maria Mallmann da Rosa. 5. ed. Porto Alegre: Penso, f. 132, 2021. 264 p. Tradução de: Enfoques cualitativos, cuantitativos y de métodos mixtos. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9786581334192/. Acesso em: 28 mai. 2021.

    Câmara, Gilberto et al. Anatomia de Sistemas de Informação Geográfica. Campinas: UNICAMP, 1996. 193 p. Disponível em: https://biblioteca.isced.ac.mz/bitstream/123456789/1180/1/livro_1.pdf. Acesso em: 31 de marzo. 2021.

    Definición de DEM en la literatura científica. SlideToDoc. 2021. Disponível em: https://slidetodoc.com/dem-definition-in-scientific-literature-there-is-no/. Acesso em: 1 de junio. 2021.

    Deswal, Surinder Pal, Mahesh. Modelado basado en redes neuronales artificiales de pérdidas por evaporación en reservorios. Academia Mundial de Ciencias, Ingeniería y Tecnología. 2008. 5 p. Disponível em: http://publications.waset.org/2045/pdf. Acesso em: 23 de mayo. 2020.

    Florenzano, Teresa Gallotti. Iniciação em Sensoriamento Remoto. 3. ed. São Paulo: Oficina de Textos, f. 64, 2011. 128 p.

    Fundação Instituto de Administração. Estudos de Caso: O que são, ejemplos e como fazer para TCC. FIA - Fundação Instituto de Administração. São Paulo, 2020. Disponível em: https://fia.com.br/blog/estudos-de-caso/#:

    Gerhardt, Tatiana Engel Silveira, Denise Tolfo. Métodos de Pesquisa. 1. ed. Porto Alegre: Editora da UFRGS, 2009. 120 p. Disponível em: http://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf. Acesso em: 28 mai. 2021.

    Gil, Antônio Carlos. Como elaborar proyectos de pesquisa. 6. ed. São Paulo: Atlas, 2017. 173 p. Disponível em: https://integrada.minhabiblioteca.com.br/books/9788597012934. Acesso em: 19 de mayo. 2021.

    GIS OpenCourseWare. Cursos disponibles. OCWGIS. Delft, 2021. Disponível em: https://courses.gisopencourseware.org/?lang=en. Acesso em: 3 de junio. 2021.

    Goergen, Laura Camila de Godoy Schuh, Mateus Sabadi Pereira, Rudiney Soares. Comparação Entre a Delimitação Manual e Automática da Bacia do Arroio Corupá, RS, Brasil. Revista Eletrônica em Gestão, Educação e Tecnologia Ambiental. 2012. Disponível em: http://dx.doi.org/10.5902/223611707277. Acesso em: 18 nov. 2020.

    Gorayeb, Adryane y col. Aspectos ambientais e qualidade das águas superficiais na Bacia Hidrográfica do Rio Curu - Ceará- Brasil. Ambiente Holos. Rio Claro, SP, 2007. 18 p. Disponível em: https://doi.org/10.14295/holos.v7i2.1358. Acesso em: 25 mai. 2021.

    Gribbin, John E.. Introdução a hidráulica, hidrologia e gestão de águas pluviais. Tradução Andrea Pisan Soares Aguiar. 4. ed. São Paulo: Cengage Learning, 2014. Traducción de: Introducción a la hidráulica y la hidrología con aplicaciones para la gestión de aguas pluviales.

    Grupo Transitar & amp Associados. Representação topográfica a partir de las curvas de nível: 15 de janeiro de 2020. GTA levantamentos. Fortaleza, 2020. Disponível em: https://www.gtalevantamentos.com.br/representacao-topografica-a-partir-das-curvas-de-nivel/. Acesso em: 28 de marzo. 2021.

    Hans van der Kwast. Direção de Hans van der Kwast. Produção de Hans van der Kwast. Delft: IHE Delft Open Educational Resources (REA), 2013. Canal de YouTube. Disponível em: https://www.youtube.com/c/HansvanderKwast/featured. Acesso em: 3 de junio. 2021.

    Universidad Estatal de Humboldt. Modelos de datos ráster. Geoespacial del estado de Humboldt en línea. Arcata, California, 2018. Disponível em: http://gsp.humboldt.edu/OLM/Lessons/GIS/04%20CreatingSpatialData/RasterDataModels3.html. Acesso em: 31 de mayo. 2021.

    IHE Delft Institute for Water Education. Acerca de IHE Delft. IHE Delft. Delft, 2021. Disponível em: https://www.un-ihe.org/about-ihe-delft. Acesso em: 3 de junio. 2021.

    Instituto Nacional de Pesquisas Espaciais. Acesso. Topodata. São José dos Campos, 2020. Disponível em: http://www.dsr.inpe.br/topodata/acesso.php. Acesso em: 27 mai. 2021.

    Instituto Nacional de Pesquisas Espaciais. Dados. Topodata. São José dos Campos, 2020. Disponível em: http://www.dsr.inpe.br/topodata/dados.php. Acesso em: 27 mai. 2021.

    Instituto Nacional de Pesquisas Espaciais. Documentos. Topodata. São José dos Campos, 2020. Disponível em: http://www.dsr.inpe.br/topodata/documentos.php. Acesso em: 27 mai. 2021.

    Instituto Nacional de Pesquisas Espaciais. TOPODATA: GUIA PARA UTILIZAÇÃO DE DADOS GEOMORFOLÓGICOS LOCAIS. São José dos Campos, 2008. 75 p. Disponível em: http://mtc-m16c.sid.inpe.br/col/sid.inpe.br/[email protected]/2008/07.11.19.24/doc/publicacao.pdf. Acesso em: 27 mai. 2021.

    Organización Internacional de Normalización. CONCEPTO: “información geográfica”. ISO / TC 211 Geolexica. 2020. Disponível em: https://isotc211.geolexica.org/concepts/205/. Acesso em: 26 de marzo. 2021.

    Jasiewicz, Jarek. r.stream.order - Calcula la jerarquía de Strahler y más arroyos: Módulo básico para el análisis topológico de la red de drenaje. GRASS GIS. 2021. Disponível em: https://grass.osgeo.org/grass78/manuals/addons/r.stream.order.html. Acesso em: 31 de mayo. 2021.

    Lima, Marcondes Ribeiro et al. Modelo de gestão SISAR para sistemas de abastecimiento de agua en la zona rural del estado de Ceará. Portal Tratamento de Água. 2019. 7 p. Disponível em: https://tratamentodeagua.com.br/wp-content/uploads/2019/12/modelo-gestao-sisar-abastecimento-agua.pdf. Acesso em: 2 fev. 2021.

    Longley, Paul A. y col. Sistemas e Ciência da Informação Geográfica. Tradução André Schneider et al. 3. ed. Porto Alegre: Bookman, v. 1, 2013. Traducción de: Ciencia y Sistemas de Información Geográfica. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788565837651/. Acesso em: 20 nov. 2020.

    Lozada, Gisele Nunes, Karina da Silva. Metodologia científica. Porto Alegre: SAGAH, 2018. 238 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788595029576/. Acesso em: 28 mai. 2021.

    Machado, Vanessa de Souza. Princípios de climatologia e hidrologia. Porto Alegre: SAGAH, 2017.

    Macêdo, Alisson Pinheiro de Araújo, Cyntia Pereira Nunes de Soares, Jailma Gomes. O sucesso do modelo de gestão SISAR para sistemas de abastecimento de água rural no Ceará. Portal Tratamento de Água. 2019. 8 p. Disponível em: https://tratamentodeagua.com.br/wp-content/uploads/2019/04/9561.pdf. Acesso em: 2 fev. 2021.

    Marconi, Marina de Andrade Lakatos, Eva Maria. Fundamentos de metodología científica. 9. ed. São Paulo: Atlas, 2021b. 353 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788597026580/. Acesso em: 28 mai. 2021.

    Marconi, Marina de Andrade Lakatos, Eva Maria. Metodologia do trabalho cientifico: projetos de pesquisa, pesquisa bibliográfica, teses de doutorado, disertações de mestrado, trabalhos de conclusão de curso. 9. ed. São Paulo: Atlas, 2021a. 246 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788597026559/. Acesso em: 28 mai. 2021.

    Marconi, Marina de Andrade Lakatos, Eva Maria. Técnicas de pesquisa: planejamento y ejecución de pesquisas amostragens y técnicas de pesquisa elaboración, análisis e interpretación de datos. 9. ed. São Paulo: Atlas, 2021c. 314 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788597026610/. Acesso em: 28 mai. 2021.

    Marques, Luísa Santana Bortoni, Samanta Ferreira Gomes, Maria Helena Rodrigues. Análise da Bacia Hidrográfica do Ribeirão Marmelo sollozo o enfoque da Geometria Fractal. Puerta de la investigación . João Pessoa, 2012. Disponível em: https://www.researchgate.net/publication/271837039_Analise_da_Bacia_Hidrografica_do_Ribeirao_Marmelo_sob_o_Enfoque_da_Geometria_Fractal. Acesso em: 31 de mayo. 2021.

    Matias, Átila. Bacia hidrográficas. Brasil Escola. 2019. Disponível em: https://brasilescola.uol.com.br/geografia/bacias-hidrograficas.htm. Acesso em: 18 nov. 2020.

    Maïsseau, André P. Desalación nuclear: impactos ambientales e implicaciones para las actividades de planificación y seguimiento. Real Sociedad de Química. 2009. 2 p. Disponível em: https://pubs.rsc.org/en/content/articlehtml/2010/em/b913882j. Acesso em: 23 de mayo. 2020.

    Menezes, Paulo Márcio Leal de Fernandes, Manoel do Couto. Roteiro de cartografia. 1. ed. Oficina de Textos, 2013. Disponível em: https://www.google.com.br/books/edition/Roteiro_de_cartografia/SNojDAAAQBAJ?hl=pt-BR&gbpv=0. Acesso em: 1 de junio. 2021.

    Nascimento, Luiz Paulo. Elaboración de proyectos de pesquisa: Monografía, disertación, tese e estudo de caso, com base em metodologia científica. São Paulo: Cengage Learning, 2012. 168 p. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788522126293/cfi/2!/4/[email protected]:57.8. Acesso em: 28 mai. 2021.

    Philippi Jr, Arlindo Sobral, Maria do Carmo. Gestão de bacias hidrográficas e sustentabilidade. 1. ed. Barueri: Manole, v.25 de enero de 2019. (Ambiental).

    Sandford, Robert Willliam Freek, Kerry. Previsión de inundaciones: riesgo climático y resiliencia en Canadá. Toronto, Canadá: Rocky Mountain Books, 2014. Disponível em: https://books.google.com.br/books?id=T5-VAgAAQBAJ&printsec=frontcover&hl=pt-BR#v=onepage&q&f=false. Acesso em: 22 mai. 2020.

    Santiago, Emerson. Talvegue. Infoescola. [S.I.], 2011. Disponível em: https://www.infoescola.com/agua/talvegue/. Acesso em: 9 nov. 2020.

    Santos, Isabela Ribeiro Corrêa dos Bettine, Sueli do Carmo. MANEJO DE ÁGUAS PLUVIAIS EM ÁREA URBANA. PUC-Campinas. 2012. 6 p. Disponível em: http://www.puc-campinas.edu.br/websist/Rep/Sic08/Resumo/2012824_123734_965912203_resuel.pdf. Acesso em: 23 de mayo. 2020.

    Shiklomanov, Igor A. Valoración y evaluación de los recursos hídricos mundiales. Taylor y Francis en línea. 2000. Disponível em: https://doi.org/10.1080/02508060008686794. Acesso em: 23 de mayo. 2020.

    Silva, Jefferson Fernandes do Amaral Pereira, Roberto Guimarães. Panorama global da distribución y uso de agua doce. Revista Ibero Americana de Ciências Ambientais, v.10, n.3, p.263-280, 2019. Disponível em: http://doi.org/10.6008/CBPC2179- 6858.2019.003.0023. Acesso em: 1 dez. 2019.

    Silva, Luciene Pimentel da. Hidrología: engenharia e meio ambiente. 1. ed. Río de Janeiro: Elsevier, 2015.

    Singh, V. P Xu, C.-Y. . EVALUACIÓN Y GENERALIZACIÓN DE 13 ECUACIONES DE TRANSFERENCIA DE MASA PARA DETERMINAR LA EVAPORACIÓN DE AGUA LIBRE. Biblioteca en línea de Wiley. 1997. 13 p. Disponível em: https://onlinelibrary.wiley.com/doi/epdf/10.1002/%28SICI%291099-1085%2819970315%2911%3A3%3C311%3A%3AAID-HYP446%3E3.0.CO%3B2-Y. Acesso em: 23 de mayo. 2020.

    Skolnik, Merrill I. Radar . Enciclopedia Británica . 2020. Disponível em: https://www.britannica.com/technology/radar. Acesso em: 31 de marzo. 2021.

    Sperling, Marcos Von. Estudos e modelagem da qualidade da água de rios. 1. ed. Belo Horizonte: Universidade Federal de Minas Gerais, v.7, 2007. 588 p. (Princípios do tratamento biológico de águas residuárias).

    Stein, Ronei Tiago. Manejo de bacias hidrográficas. Porto Alegre: SAGAH, 2017.

    Strahler, Arthur Newell. Análisis hipsométrico (área-altitud) de topografía erosiva. Boletín de la Sociedad Geológica de América. 1952. Disponível em: http://dx.doi.org/10.1130/0016-7606(1952)63[1117:HAAOET]2.0.CO2. Acesso em: 31 de mayo. 2021.

    Delineación de arroyos y cuencas en QGIS 3. Direção de IHE Delft Institute for Water Education. Produção de Hans van der Kwast. Delft: GIS Open Course Ware, 2018. Tutorial explicativo (33min39s). Disponível em: https://www.youtube.com/watch?v=Ro-RRzMMw-c. Acesso em: 3 de junio. 2021.

    Delineación de arroyos y cuencas con GIS (teoría). Direção de IHE Delft Institute for Water Education. Produção de Hans van der Kwast. Delft: GIS Open Course Ware, 2019. Tutorial explicativo (21min12s). Disponível em: https://www.youtube.com/watch?v=ZLUjSEK-nbg. Acesso em: 3 mai. 2021.

    Topodata. Mapa índice. Webmapit. São José dos Campos, 2021. Disponível em: http://www.webmapit.com.br/inpe/topodata/. Acesso em: 27 mai. 2021.

    Tucci, Carlos Eduardo Morelli. Hidrología: Ciência e aplicação. 2. ed. Porto Alegre: UFRGS, v.4, 2001. (Coleção ABRH de Recursos Hídricos).


    Ver el vídeo: Calculadora Raster