GBT 41448-2022 地理信息 观测与测量

国家市场监督管理总局国家标准化管理委员会I Ⅲ 12一致性 12.1概述 12.2与包含观测与测量的应用模式相关的一致性类 1 2 3 5 55.2模式语言 5 5 5 67.1观测场景 6 77.3观测模型的使用 8特定观测 8.1依据结果类型的观测分类 8.2结果为常量的观测 8.3结果为变量的观测 9采样要素的基本特点 9.1采样的场景 9.2采样模式 2310.1空间采样要素的场景 23 2310.3观测中空间延展采样要素的拆分 2510.4采样要素的常用名称(资料性) 2611.1样本的场景 11.2样本模式 附录A(规范性)抽象测试套件 附录B(资料性)观测与测量术语与相关学科常用语对照表 33ⅡGB/T41448—2022/ISO附录C(规范性)工具类 36附录D(资料性)观测和采样模型的应用范例 39 45Ⅲ1地理信息观测与测量根据应用模式的特点，划分了18个一致性类。表1列出这些类以及与抽象测试套件对应的子一致性类中文名一致性类英文名子条目2一致性类中文名一致性类英文名子条目时间观测交换时间覆盖观测交换空间采样要素交换GB/T22022—2008地理信息时间模式(ISO19108:2002,IDT)GB/T23707—2009地理信息空间模式(ISO19107:2003,IDT)GB/T23708—2009地理信息地理标记语言(GML)(ISO19136:2007,IDT)GB/T30170—2013地理信息基于坐标的空间参照(ISO19111:2007,IDT)ISO19101:2002地理信息参考模型(Geographicinformation—Referencemodel)ISO19109:2005地理信息应用模式规则(Geographicinformation—RulesforapplicationISO19115:2003/Cor.1:2006地理信息元数据技术勘误1(Geographicinformation—Meta-ISO19157:2013地理信息数据质量(Geographicinformation—Dataquality)ISO/IEC19501:2005信息技术开放分布式处理统一建模语言(UML)1.4.2版(Informationtechnology—OpenDistributedProcessing—UnifiedModelingLanguage(UML)Versionl.4.2)34术语和定义数据类型datatype4要素特性的类型。类型域的元素。52-D:2维(TwoDimensional)3-D:3维(ThreeDimensio本文件第7章~第11章所述模式中使用的一些模型元素定义在由ISO/TC211制定的其他几个6包名本文件(附录C)时间覆盖本文件(附录C)通用要素模型通用实例坐标参照系时间模式7观测行为的特性和关注要素的特性之间的关系是该模型的语义关键。附录D.3中对此进一步关注物的位置通常与最终关注要素相关联。然而，关注要素的定位并不总能轻而易举地实现。例不同场合需要不同的定位。可能还需要对关注要素内的子采样进行定位。该程序可能涉及到对最终关注要素相距遥远的传感器的定位(例如遥感，采样数据是从它们的采样位置移走后异地下载的)。由于这些原因，通用观测类并不具有固有的位置特性。相关的位置信息宜由关注要素或观测程序观测模式由一个包含11个子包的包组成，对应于2.2中定义的一致性类。它们依赖于涵盖地理信8依赖关系见图1。核心的观测包在本章说明，特定观测包见第8章。地理信息元数据)地理信息概念模式语言)(分类观测)地理信息时间模式)地理信息空间模式)(时间观测)(九何观测)(计数观测)(验真观测)(复杂观测)(履盖观测)pouiCovcragcObservati(点覆盖观测)图1观测模式的包间依赖关系7.2.2OM_Observation(OM_观测)OM_Observuation类(图2)是《metaclass》GF_它代表一个要素类型。OM_Observation应支持5个属性、6个关联，并应受4个约束，见图2,下面分别述之。phenomenonTime(现象时间)属性phenomenonTime:TM_Object应描述结果(见)作用于关注要素特性的时间。它通常就是采样程序(见9.1.3)或观测程序(见0)与真实世界的要素交互作用的时间。9(GF_要素类型)GFI_Feature(GFI_要素)1+carrierOfCharacteri(特征携带者)(产生的观测)+generatedObservatiòn0..*(元数据)+parameter:NamedValue(十resultTime:TM_Instant(结果时间+validTime:TM_Period(有效时间：TM_时间段)[0..1]GF_PropertyType(GF属性类型)Phenomenon(现象)(观测属性)1[observedProperty(观测特性)应一个与fcatureOfnterest(兴趣要素)相关联的phenomenon(现象)][procedure(程序)应与observedProperty(观测属性)相匹配]fresulttype(结果类型)应《DataType(数据类型)》NamedValue(命名值)+result(结果)《type(类型)》Any(任意){root(根)}(观测上下文环境)属性resultTime:TM_Instant应描述获得该结果的时间，典型地为与该观测相关联的程序Time为2018年9月7日，phenomenonTime是2025年。validTime(有效时间)注：在预测应用中，通常需要该属性。应描述预计该结果可以使用的时间段。parameter(参数)如果存在，属性parameter:NamedValue应描述一个任意的事件细节参数表。这可能是一个环境参数，一个仪器设置或输入，或一个事件对应的采样参数，这个采样参数并不与关注要素(见)或观测程序(见0)绑定。为了避免混淆，名称应与参数一一对应。注：与程序紧密绑定的参数可以作为程序描述的一部分来记录。在某些场景下，Observation::procedure(见0)是一个通用或标准程序，而不作为一个特定事件处理。在这种场景下，绑定在一个观测行为上的参数，例如仪器的设置、标定或输入、所处位置、探测限制、设备标识、操作员等都有可能增强对一个标准程序的描述。示例：对一口井水质观测的时间序列可以在该井的不同深度测得。而这与采自该井的关注要素井深的样本相关联，一个更通用的方法是标识这口井为一个关注要素，而添加一个参数“采样深度”到这个观测上(图3)。与这个位置上水质随时间变化相比较，这个采样深度就是次要关注点。(参数=“深度=3.5米”)parameter=“depth=7.1m”(参数=“深度=7.1米”)paramcter=“depth=5.6m”(参数=“深度=5.6米”)图3(示例)用“参数”属性描述同一口井不同深度的观测实例resultQuality(结果质量)如果存在，属性resultQuality:DQ_Element应描述观测结果的质量(见)。这个特定实例描述是对观测程序(见0)描述的补充，它提供关于使用该程序的所有观测的质量信息。观测质量评定可以遵循ISO19157:2013的程序，可以提供多种衡量指标。Domain(域)关联Domain应连接该OM_Observation到GFI_Feature(见C.2.1)上，该GFI_Feature是观测的主题，并且携带着观测特性。该要素有一个与该观测对应的角色featureOfInterest。该要素是真实世界的对象，它的属性在观测之下，或者是一个打算采样的真实世界对象，这部分在第9章中描述。观测实例为它的关注要素充当propertyValueProvider。关联Phenomenon应连接该OM_Observation到GFI_PropertyType上，为OM_Observation:构或本体，以支持具有查找功能的注册簿或目录的形式进行管理。观测到的属性支持按观测的语义或Range(范围)关联Range应连接该OM_Observation到由该程序所产生的值。这个值应有一个与该观测所对应的角色result。该result的类型应显示为“Any”,因该观测结果的类型应与观测特性一致，并且这个值的尺度或范围应与数量或种类的类型相一致。关联ProcessUsed应连接该OM_Observation到用于产生本结果的OM_Process(见7.2.3)上。该处理有一个与本观测对应的角色procedure。一个处理可能负责多个generatedObservation。如果存在，关联Metadata应连接OM_Observation到描述的元数据上。能是来自于一个跨领域的模型，如采样要素(见第9章)。要素类型定义了它的特性集合。为了一致性，关注要素应携带要观测的特性作为其类型定义的一部分(见图4)。PalletPallet(地磅)(描述=标量)OMObservaton(OM观测)在要素特性具有内部结构的情况下(例如要素关联),所观测的特性可能是完整的要素特性的分量，某一级别的要素类型结构内(见图5)。Wel(水井)WaterBody(水体)+result(结果)注：ISO19115:2003提供ML_Instrument(MI仪器)、LE_Processing(LE_处理)和LE_Algrithm(LE_算法),它们都可以建模为OM_Process的特化。OGC的SensorML⁷提供了一个可适合于很多观测程序的模型。7.2.4ObservationContext(观测场景)接一个OM_Observation到另一个OM_Observation上，以一个relatedObservation(相关的观测)的属性role:GenericName(角色：通用名)应描述目标OM_Observation到源OM_Observation的关系。类NamedClass(命名的类)提供一个通用的柔性类型的参数对。NamedClass应支持2个属性。属性name:GenericName应指示命名值的含义。如果可能，这些值宜取自于管理良好的权威来源。属性value:Any提供值。其类型“Any”宜用一个合适的具体类型来替代，例如CI_ResponsiblePart观测就是为关注要素提供特性值。除了结果，观测活动的细节对于应用中所关心的值的误差估计附录D进一步讨论了观测和采样模型的应用以及它们之间的细微差别。8.2结果为常量的观测关注要素的特性值在观测期间在空间与时间上不变，相应的观测结果可以是标量(如质量、长度、温度),也可以是由观测特性对应专题分解组成的记录(如频谱带、风速矢量的分量、应力张量的分量、几何元素)。在观测特性可以使用标准模型的情况下，标准模型也可用于其结果(如观测的位置、形状、时8.2.2结果为常量的观测类型结果与时空无关的观测类型包括在特定观测包中，如图6所示：Measure(度量)Boolean(布尔型)(结果)(结果)《FeatureType(要素类型)》(OM_分类观测)(OM_计数观测)《FcatureType(要素类型)》(OM_验真观测)《FeatureType(要素类型)》(OM_时间观测)(OM_几何观测)《FeatureType(要素类型)》(OM_观测)《FecatureType(要素类型)》(OM_复杂观测)kange(范围)+recordType(记录类型)/0..1《type(类型)》RecordType(记录类型)TM_Object(TM对象)图6根据结果类型划分的特定观测(记录类型)等类型定义在ISO/TS结果类型示例(MO_测量)(度量)用厨房秤(程序)测量“第七根香蕉”(关注型),得到结果值为“150g”(OM_分类观测)(范围名)对由“第二次青藏高原综合科学考察研究”(程序号标本”(关注要素)进行“种类鉴别”(特性类型)的分类观测的结果值为“喜马拉雅雪莲”(来自菊科风毛菊属雪莲亚属的草本植物)(OM_计数观测)(整型)进行“投票人数”(特性类型)计数观测的结果是“3542”(OM_验真观测)(布尔型)侵”(关注要素)的新闻为“假”(OM_时间观测)(TM_对象)类型)的时间观测，结果为“9.91秒”(OM_几何观测)(GM_对象)素)几何测量，结果为“93348m²”(OM_复杂观测)(记录)(见ISO/用“ICPMS”(程序)对“样品ZBK440”(关分元素”(特性类型)的化学元素分析，其结果为“...”注：如果OM_TemporalObservation的观测特性是“发生时间”,则结果的值通常与phenomenonTime的值相同。DiscreteCoverage(CV_离散覆盖))。目标要素可能用不同的采样方法作了多次观测，因此，采样方法是与观测行为相关联，而不是关注要素所固有。这可以通过分解观测结果中的域几何[即CV_DomainObject(CV_域对象)元素]来实现。结果中域几何的分解方案是总体观测方案的核心元素。简单采样案例涉及到在空间展布要素的多个点上对某一特性进行采样。观测结果是一组“点一值”对的集合[CV_PointValuePair(CV_点值对),见ISO19123:20一类重要的采样案例涉及在离散时间点上采样，监测持久要素的特性随时间的变化。观测结果是“时间一值”对的集合[或者是CV_PointValuePair,它使用一个时间参照系的几何点，或者是CV_Time- InstantValuePair(CV_时间瞬时值对),见C.3.2]。关注要素可分解成组成单元，如公路网由道路组成、国家由行政区域组成、农场由若干农田组成。对该类要素的某一特性的观测可以发现其变化为组成单元的函数。在这种情况下，目标要素的标准成员对应于域的几何分解。8.3.2覆盖观测类型具有可变结果的观测类型如图7所示。对于每一个结果变化的特定观测类，都应按照图7和表4所示重新定义名为“Range”且角色名为表4特定观测的结果类型结果类型OM_DiscreteCoverageObservation(OM_离散覆盖观测)CV_DiscreteCoverage(CV_离散覆盖)OM_DiscretePointCoverageObservation(OM_离散点覆盖观测)CV_DiscretePointCoverage(CV_离散点覆盖)OM_DiscreteTimeSeriesObservation(OM_离散时间序列观测)CVT_DiscreteTimeInstantCoverage(时时间覆盖)(见C.3.1)《FeatureType(要素类型)》OM_Observation(OM_观测)《FeatureType(要素类型)》Range(范围)(OM_Range(范围)十result(结果)CV_Coverage(CV_覆盖)(CV_离散覆盖)《FeatureType(要素类型)》OM_PointCoveragcObs(OM_点覆盖观测)《FeatureType(要素类型)》(OM_时间序列观测)Range(范围)Range(范围)+result(结果)(CV_离散点覆盖)CVT_DiscreteTimelnstan(CVT_离散瞬时覆盖)观测模型将一个程序的应用结果映射到一个主题上，这个主题在观测中起一个关注要素(见第7a)观测并没有获得一个领域要素的所有值；b)观测程序获得的特性值不具备最终要素的类型特征。为最终关注要素的特性的估计值。这种观测模型要求最初观测的关注要素是这样的一种类型，在其特性中观测科学中有些采样方式是跨学科的。这里提供了处理与描述工具的基础采样模式由一个包含7个子包的包组成，对应于2.2中定义的一致性类，并依赖于观测模式(第7章)、通用要素实例包(见C.2),以及其他几个来自地理信息的国家标准或国际标准的包。这些包之间的依赖关系见图8。本章是关于采样要素的核心包。空间采样要素包在第10章，样本包在第11章。(模式语言)A(采样要素)(空间采样要素)(采样点)(采样曲线)(采样曲面)(采样体)(应用模式)《FeatureType(要素类型)》GFI_Feature(GFI要素)《FeatureType(要素类型)》SF_SamplingFeature(SF_SamplingFeature(SF_采样要素)+lineage:LI_Lineage(谱系：LI谱系)[0..1][sampledFeature->forAll(not(ocllsKindOf(SForocllsKindOf(OM_Observation)))}(采样要素>对所有(非(类型为(SF_采样要素)或类型为(OM_观测)))}+member(成员)Design(设计)《FeatureType(要素类型)》(SF_采样要素集合)如果存在，属性parameter:NamedVal采样要素是为了进行与领域要素相关的观测而构建的。关联角色Intention应连接SF_Sampling-Feature到采样要素所设计采样的领域要素上。该关联的目标有一个与采样要素对应的角色sampled-Feature,并且该目标不应是采样要素或观测自己。该目标通常来自于应用领域的一个真实世界的要素+procedure(程序)SFSamplingFeature(SF_采样要素)(GFI_领域要素)GFI_Feature(GFI_要素)OMProcess1采样要素因具有可导航到“观测”上的关联而明显地区别于其他来自于应用领域的要素。如果存的情况下提供几何域的分解，该OM_Observation有一个与该采样要素对应的relatedObservation角对OM_Observation的约束为它的观测特性是该关注要素的特性的成员，可以是直接的也可以是相关联。如果存在，关联类SamplingFeatureComplex(见图9)应连接一个SF_Samp一个SF_SamplingFeature上。它应支持1个属性。关联角色Collection应连接SF_SamplingFeatureCollection到成员SF_SamplingFeatur《《FcatureIype(要素类型)》SFSamplingFeanre(SF采样要素)GH/Obiea(GM对象)(平台)+positionalAccuracyDQ_PositionalAccuracy[0..2](SF_采样曲线)(形状)GM_Curve(GM_曲线)+shape业(形状)《type(类型)》《type(类型)》GM_Point(GM_点)Geometry(几何+shapeV(形状)《type(类型)》GM_Solid(GM_体)(SF_采样点)(SF_采样曲面)(FeatureType(要素类型)>《FeatureType(要素类型)OMProcess(OM_处理)(几何)《Featurelype(要素类型)》《type(类型)》关联Geometry应连接一个SF_SpatialSamplingFeature到一个描述其形状的GM_Object上。Platform(平台)形状类型SF_SamplingPoint(SF_采样点)GM_Point(GM_点)SF_SamplingCurve(SF_采样曲线)GM_Curve(GM_曲线)SF_SamplingSurface(SF_采样曲面)GM_Surface(GM_曲面)SF_SamplingSolid(SF_采样体)GM_Solid(GM_体)采样要素的特化遵循了传统的关注其空间维度的常见做法。在采样要素上观如何分解。子采样可通过相关的采样要素进行描述，或者被描述为表达(SF_采样点)(SF_采样曲线)(SF_采样体)ObservationWellProfile(剖面)Flightline(飞行线路约束类SF_Specimen(见图13)是一个特定的SF_SamplingFeature。SF_Specimen应支持7个属性和GFIFeatuare(GFI_要素)(采样要素)SFSamplingFeature(SF_采样要素)+lincage:LI_Lineage(谱系LI_谱系)[0..1]《FeatureType(要素类型)》SF_Specimen(SF_样本)+currentLocation:Location十materialClass:Generi+samplingLocation:GM_Object+samplingMethod:SF_Process+specimenType:GenericNamePreparationStep(制备步骤)+processOperatorCI_ResponsiblePartyLocation(定位)+geomctryLocation.GM_+nameLocationEX_GeographicDe(名称定位：EX_地理描述)图13样本模型materialClass(材质类)(相关的采样要素),而且该要素具有准确的位置，那么采样位置属性就不需要了。但如果sampledFeature的特定采样位置很重要，那么该属性应支持这个描述。currentLocation(当前位置) c)参考：第7章；a)测试目的：检查交换模式是否正确地实现了OM_DiscreteCoverag(资料性)本文件定义了一套术语以支持一个通用的、跨领域的观测与采样模型。集的。这些术语在本模型内的使用方式是一致的。为了达到学科间的一致性，在不同学科其意义是如何变化的。为了帮助在不同的领域间正确地使用本模型，B.2.1对地观测对地观测示例Observation::result(观测：结果)观测值、测量值、观测Observation::procedure(观测：程序)自动监测系统技术要求及Observation::observedProperty(观测：观测属性)关注要素：采样曲面)采样格网注要素：采样体)3维采样空间采样格网SamplingSolid::sampledFeature(采样体：:采样要素)变化主目录“专题”表B.2计量学Observation::result(观测：:结果)值Observation::procedure(观测：:程序)Observation::observedProperty属性)表B.3地球科学模拟Observation::result(观测：:结果)Observation::observedProperty(观测：:观测属性)Observation::featureofInterest:Sampling(观测：:关注要素：采样要素)断面、扫描带、体、格网Observation:;featureofInterest:SamplingFeature::sampled(观测：:关注要素：采样要素：:采样的要素)(即，最终关注要素或‘领域’关注要素)Observation::procedure(观测：:程序)Observation::phenomenonTimes(观测：:现象时间)未来(预测)、过去(回放)Observation::resultTime(观测：:结果时间)模拟执行时间Observation::validTime(观测：:有效时间)B.2.4化验/化学表B.4化验/化学Observation::featureOfInterest:Specimen(观测：:关注要素：样本)样品Specimen::sampledFeature:GeologicUnit(样本：:采样要素：地质单元)Specimen::relatedSamplingFeature:Speciment(样本：:采样要素：样品)Specimen::materialClass(样本：:材质类)Specimen::processingDetails(样本：:处理细节)Specimen::samplingMethod(样本：:采样方法)Specimen::samplingLocation(样本：:采样位置)样品采集地点Specimen:;size(样本：:大小)Specimen::currentLocation(样本：:当前位置)保存地点Specimen::samplingTime(样本：:采样时间)样品取样时间Observation::phenomenonTime(观测：:现象时间)样品取样时间Observation::resultTime(观测：:结果时间)分析时间Observation::result(观测：:结果)Observation::observedProperty(观测：:观测属性)Observation::procedure(观测：:程序)表B.5地质野外观测地质Observation::featureOfInterest:SamplingFeatureCol(观测：;关注要素：采样要素集合)露头SamplingFeatureCollection::relatedSamplingFeature:Samp(采样要素集合：:相关采样要素：采样点)地质构造观测点SamplingPoint::sampledFeature:Geo(采样点：:采样要素：地质单元)Observation:;samplingTime(观测：:采样时间)露头观测日期Observation::observedProperty(观测：:观测属性)SamplingFeatureCollection::relatedSamplingFeature(采样要素集合：:相关采样要素：样本)Specimen::samplingFeature:Geo(样本：:采样要素：地质单元)(规范性)观测和测量模式依赖于许多其他地理信息方面的国家标准或国际标准的类和包，如在图1和图8所示。有几个必备类在这些已有的外部标准中并未给出，而且也并不真正在本文件的范围之内。本附注：GFI_Feature是由GML(见GB/T23708—2009)通过元素gml:AbstractFeafure和类型gml:《metaclass(元类)》GeneralFeatureModel::GF_Fcatur(通用要素模型：:GF_要素类型)[root(根)](GF要素类型)1eOf(实例)》《FeatureType(要素类型)》(特性携带者)+carrierOfCharacteri《metaclass(元类)》GeneralFeatureModel::GF(通用要素模型：:GF_属性类型)[root(根)]图C.1要素实例模型+element(元素)0..*+element(元素)0..*图C.2覆盖类型对时间序列的特化特性2覆盖2(₂Y2.特性1要素3图D.1与位置集关联信息的表格表示D.2观测要点应用领域观测模型的特化主要是靠领域应用模型及其要素类型目录实现的。例如，领域要素类型目录中要素类型实例就会提供调查的最终关注要素(观测是该调查工作的一部分),要素类型的特有特性提供潜在的观测特性。用观测程序的值来描述应用领域中常见传感器或处理。观测模型鼓励在关联的类中对领域特化进行封装，而观测类本身很少需要特化。然而，在本模型中对不同类之间的区分信息应该做出其他选择。对于一些应用，这样可以方便地获取与关联于特定观测类型的第二层对象(程序、关注要素)紧密相关的信息。例如，当测量化学物或污染物时，其过程通常涉及到对来自采样点的样本的收集，然后送往实验室分析。样本是一个客观存在的带有标识的要素实例。对于一些应用，识别样本存在状况和保留其独立的描述是很重要的。然而，在其他一些应用中，特别是其关注点是在监测采样点的特性变化时，一系列有明显区别的样本的存在性是次要的，或者人们不感兴趣。在这种情况下，创建一个对象序列和标识对于用户需求来说是多余的。然而，一些可能与这样的样本紧密关联的特性仍然是必须记录的，例如在水体或大气柱上的采样高程。可以有多种选择，例如高程可以是：a)每一个单独样本的一种特性，在该高程上进行细微观测；b)采样站点的一种特性(在所有进行观测的高程上，都需要有不同的站点);c)观测程序的一个参数(使得该程序特定于该观测序列);d)观测事件的一个参数，或者运用灵活的程序参数，或者通过观测类型的特化。上面任何一种都是合理的。哪个最合适取决于应用。这里所介绍的模型中用于观测的所有类和程序可进一步特化以适应特定领域的目的。必要时应添加附加特性和关联。D.2.2与面向提供者模型的比较观测与测量模型是打算为网络传感器和相关应用提供一个“面向基本输出或面向用户”的信息模型。其目的就是要为讨论关于传感器和观测系统提供一种通用语言。相比之下，SensorML[¹7](传感器模型语言)提供面向处理和面向提供者的数据模型。它通常用于在数据处理和增值链早期描述数据。比关注要素和观测特性的细节更重要的是它们是怎样被集成并分配到结果中的，并以哪种方式携带关键语义给观测数据的最终用户的。特别是SensorML数据流的一然而，甚至在低层次的模型中也会使用观测与测量的形式体系。原始的关注要素就是传感器的拍步处理以获得最终关注要素的细节。该程序是一个传感器包，它包括的元素能捕获组合现象的元素或D.2.3观测的发现与使用这里表达的观测与测量模型提供了一种面向用户的视角。可以用一个很小的特性集来概括信息对化感兴趣。该模型提供了这些数据项作为一级元素。观测信息接口应明确地暴露这些特性。传感器观测服务(SOs)[18]以featureOfInterest和observedProperty用下面两种方式直接使用观可以以内联的形式出现，或者使用这里表达的模型进行描述，或使用URI(统一资源标识符)引用标识[0。URI标识可以是一个URL(统一资源定位器)链接或者服务资源。这个URI标识也可以是一个权威的标识，如URN(统一资源名称),在这里使用者和提供者需预另一方面，SensorML采用面向处理和面向提供者的视角。发现和请求主要是基于用户对特定传作为它们信息建模方法的基础，概念性框架对观测与解释进行了必要的区分。它支持这样一种模求估计圆柱的长度。热膨胀理论和仪器物理实现的校准要求转换成预测温度。其他的观测与测量都涉使用更基本的观测(如一幅影像),而得到更高层次的观测(如确定某一类型要素实例的存在)。D.3采样要点采样要素模型满足9.1中规定的要求。采样要素提供：D.3.2观测关注要素使用观测与测量模型要求格外仔细地正确识别关注要素。如果很容易从领域模型中清除地识别出测想要的最近似的关注要素。在有些情况下，仔细分析就会发现关注要素的类型以前并没有在应用领关键是近似关注要素必须能够携带这个结果作为相关特性的值或其分量的值。所以，分析的有效每个中间值必须适用于携带该特性的关注要素或采样要素。注意：这些要素的类型按照传统的方法可一类重要观测是通过具有时间持续性的扩展要素的特性采样来完成的，这里观测结果是采样域上示例3:移动的传感器在试验中用来监视城市的空气质量，通过测量四周污染物的浓度制作传感器沿着采样曲线时空轨迹的覆盖。——observedProperty.memberName=result,rangeType.——result.domainElement>forAll(d:CV_DomainObjFeatureOfInterest.Shape::contains(d.spatia——result.domainElement->forAll(d:CV_DomainObjphenomenonTime::relativePosition(d.temporalEl=TM_RelativePosition.GFI_Feature(GFI要素)(设计)(现象)《FcatureType(要素类型)》(结果)Range(范围)《Type(类型)》CV_Coverage(CV_覆盖)CV_Coverage(CV_覆盖)+commonPointRule:CVCommonP(域范围[1..*:EX_延展范围)/+shape(形状《type(类型)》[root(根)]+featureOflnterst(关注要素)Domain(域)《FeatureType(要素类型)》[observedProperty(观(featureOfInterestshape(关注要素的形状)应与resultdomain(结果域)的空间分量一致)图D.2用于很多这样的观测结果，见表D.1。示例空间采样要素Profile(剖面)的水温测量(SF_采样曲线)4维参照系(r-y-z-t)内固定1维格网(x,y,t)格网轴沿着参照系的z轴(剖面时间序列)(SF_采样曲线)4维参照系(r-y-z-t)内固定2维格网(x,y)格网轴沿着参照系的z和t轴Trajectory(轨迹)检测传感器获得污染物浓度(SF_采样曲线)4维参照系(x-y-z-t)内的1维格网Section(断面)水流测量的垂直剖(SF_采样曲面)4维参照系(r-y-z-t)内的2维格网(x,y)一个格网轴沿着参照系的z轴(网格时间序列)震模型的3维速度场时间序列(SF_采样体)4维参照系(x-y-z-t)内的4维格网[1]GB/T17694—2009