检查过程中，一旦发现致命缺陷，停止进一步检查，直接判定为不合格。
在应用计算机程序进行数据检查时表5和表6中对应质量元素一栏，可填写质量元素编码，质量元素编码见表7和表8。
表7 国土资源数据质量定量元素编码
一级质量元素
| 编码
| 二级质量元素
| 编码
|
数据完整性
| 10100
| 多余
| 10101
|
遗漏
| 10102
|
逻辑一致性
| 10200
| 概念一致性
| 10201
|
值域一致性
| 10202
|
格式一致性
| 10203
|
拓扑一致性
| 10204
|
接边一致性
| 10205
|
空间定位准确度
| 10300
| 数学基础精度
| 10301
|
校正精度
| 10302
|
采集精度
| 10303
|
接边精度
| 10304
|
属性数据准确性
| 10400
| 分类的正确性
| 10401
|
定性属性正确性
| 10402
|
定量属性准确度
| 10403
|
图面整饰规范性
| 10500
| 符号规范性
| 10501
|
注记规范性
| 10502
|
图廓整饰规范性
| 10503
|
表8 国土资源数据质量定性元素编码
一级质量元素
| 编码
| 二级质量元素
| 编码
|
目的
| 20100
|
|
|
适用性
| 20200
| 可提供数据格式的种类
| 20201
|
易操作性
| 20202
|
用途
| 20300
|
|
|
数据志
| 20400
| 数据现势性
| 20401
|
数据源的状态
| 20402
|
处理步骤或历史信息
| 20403
|
11 数据质量评价
数据质量评价是按照一定的规则与方法，对数据质量检查的结果进行评价并得出结论的过程。
11.1 数据质量合格的判定规则
ａ）出现致命缺陷则判定数据集不合格。
ｂ）多图幅数据集合格的判定规则：合格图幅数大于接收数为合格。
ｃ）以空间数据为主和以属性数据为主的数据集合格的判定规则：当所有检查项都合格时，数据集合格；当有检查项不合格时，依据检查项的重要性和数据集的质量要求，由检查验收者确定，并在检查验收细则中明确规定。
ｄ）数据产品综合质量合格的判定规则：当组成数据产品的所有数据集的质量合格时，产品的综合质量为合格。
11.2 质量评价方法
11.2.1 按通过与不通过判定数据质量的评价方法
11.2.1.1 统计所有检查项各级别缺陷数
根据数据质量检查记录表（表5）记录的检查结果和缺陷分级的规定，确定缺陷级别，统计各级别缺陷的数量，并按照表6的格式汇总。
11.2.1.2 数据集的质量评价方法
将数据集所有不同级别的缺陷依据转换比例转换为最低级别的缺陷，并计算数据集的实际缺陷率/不合格品率。将AQL作为全检数据的接收质量限，将抽检数据抽样方案中的c/n，作为抽检数据对应检查项的接收质量限。所有检查项的实际缺陷率/不合格品率小于接收质量限时判定数据集通过验收，否则按11.1进行判定，单个检查项的实际缺陷率存在超过100%的可能。
ａ）空间数据集和属性（表格）数据集的评价方法
1）判定全检部分检查项是否合格：
统计全检部分中某单个检查项的各级别缺陷数。
根据各级别缺陷的换算比例，将所有缺陷换算为最低级别缺陷数，除以该检查项的个体数得到单个检项的实际缺陷率，用U
全表示。
将AQL作为全检部分数据的接收质量限，用V
全表示。
当：
U
全/ V
全≤1
时判定该数据项合格，否则判定不合格。
按上述步骤判定其它全检部分检查项是否合格。
2）判定抽检部分检查项是否合格：
统计抽检部分中某个检查项各级别缺陷数。
根据各级别缺陷的换算比例，将所有缺陷换算为最低级别缺陷数，除以该检查项样本量得单个个抽检项的实际缺陷率，用U
抽表示。
将该抽检项抽样方案中的c/n值作为该检查项的接收质量限，用V
抽表示。
当：
U
抽/ V
抽≤1
时判定该数据项合格，否则判定不合格。
按上述步骤判定其它抽检部分检查项是否合格。
3）依据各数据项判定情况，按11.1规则要求判定数据集是否通过。
ｂ）多图幅制图数据集的评价方法
1）判定单图幅数据各检查项是否合格， 方法同11.2.1.2a）。
2）依据各数据项判定情况，按11.1规则要求判定单图幅数据是否合格。
3）依据单图幅判定情况，按11.1规则要求判定多图幅制图数据的通过与否。
ｃ）元数据集和文档数据集的评价方法
元数据集按照属性（表格）数据集的评价方法进行评价。
文档数据集的评价由用户自定。
11.2.1.3 数据产品质量的评价
根据11.1数据集和数据产品通过的判定规则，当数据产品包含的数据集全部通过时，数据产品通过。只要有一个数据集不通过，则数据产品不通过。
11.2.2 按优秀、良好、合格与不合格判定数据质量的评价方法
本标准规定数据集的接收质量限对应60分，即60分为合格，预置分数为100分，采用扣分法计算数据集质量得分。当数据产品判为不合格时，不再计算具体得分。
11.2.2.1 判定所有检查项是否合格
同11.2.1.1。
11.2.2.2 数据集的质量评分方法
在11.2.2.1判定检查项是否合格的基础上，按11.1规则要求判定数据集是否合格，数据集不合格则判定数据产品不合格，不再进行分数计算，数据集合格则按以下步骤进行分数计算。
ａ）以图形为主的空间数据和以属性数据为主的数据集的评分方法
1）计算全检部分各检查项得分
将AQL作为全检部分数据的接收质量限，用V
全表示，全检部分某单个检查项的实际缺陷率，用U
全表示。
预置分数为100分，接收质量限对应扣40分。按下式计算全检部分某单个检查项得分：
S
全＝100－U
全×（40/ V
全）
检查项得分最低为零分，低于零分按零分计算。
按上述方法计算出所有全检部分各检查项得分。
2）计算抽检部分各检查项得分
将抽检数据抽样方案中的c/n作为抽检部分对应检查项的接收质量限，用V
抽表示，抽检部分某单个检查项的实际缺陷率，用U
抽表示。
预置分数为100分，接收质量限对应扣40分。按下式计算抽检部分某单个检查项得分：
S
抽＝100－U
抽×（40/ V
抽）
检查项得分最低为零分，低于零分按零分计算。
按上述方法计算出所有抽检部分各检查项得分。
3）计算数据集的得分
数据集得分为所有检查项得分的算术平均数。
ｂ）多图幅制图数据集的评分方法
1）计算单图幅数据各检查项得分，方法同11.2.2.2a）。
2）计算单图幅的得分，对所有检查项得分进行算术平均。
3）计算多图幅数据集的得分：对所有单图幅得分进行算术平均。
ｃ）元数据集和文档数据集的评分方法
元数据集按照属性（表格）数据集的评分方法进行评分。
文档数据集的评分由用户自定。
11.2.2.3 数据产品的评分方法
按照表9的格式填写数据产品所包括的数据集的得分与权重，根据各数据集的权重进行加权平均确定产品的最终得分。
表9 数据产品综合质量评价表
数据产品名称
| | 承担单位
| |
产品得分
| N＝ N1＋…＋ Nn
| 质量等级
| | 组织检查部门
| |
数据集名称
| 数据集得分
| 权重
| 在产品中所占分值
|
数据集1
| S1
| n1
| N1＝S1× n1
|
数据集2
| S2
| n2
| N2＝ S2× n2
|
…
| …
| …
| …
|
数据集n
| Sn
| nn
| Nn＝ Sn× nn
|
专家组长
| | 专家组
| | 检查日期
| |
注： S1 --Sn 为各数据集得分， n1―― nn 为各数据集权重，N1 --Nn为数据集在数据产品中所占分值，N为数据产品总分值
|
当数据产品由多个或多级的下一级数据产品组成时，根据判定规则，参照表7对下级数据产品得分进行加权平均，计算数据产品得分。
11.3 数据质量报告
数据质量报告是数据质量检查与评价过程、方法及结果的综合描述和评述，是数据集质量特性的综合反映。数据质量报告由正文和数据质量评价附表构成。
正文应是质量评价过程、方法和结果的全面记录和描述，包括质量检查与评价的组织、数据集概况、检查方法、评价依据、评价过程、评价规则、质量评述、存在问题及结论等。
数据质量报告的格式可采用文本或表格两种格式，参见附录E。
数据质量评价附表是数据质量综合特性统计表，是对数据产品及其组成部分质量特性的描述和反映，其格式参见表5和表6。
附录A（资料性附录）数据的缺陷分级
附录A给出了以图形为主的空间数据、以属性为主的数据（包括点空间数据）和符号化制图数据的缺陷分级。每类数据中不同数据质量定量元素的缺陷级别基本平衡，即不同数据质量定量元素的相同缺陷级别对质量的影响基本相同。其中包括数据质量定性元素中的现势性。
表中所给出的只是数据通用缺陷分级，在应用过程中要依据数据特点进行适当调整。
表A.1以图形为主的空间数据的缺陷分级
一级质量
元素
| 致命缺陷
| 严重缺陷
（16）注1
| 重缺陷
（9）
| 次重缺陷
（5）
| 轻缺陷
（2）
| 次轻缺陷
（1）注2
|
数据
完整性
| 遗漏重要文件（如数据库必选图层）；
未完成要求的工作量致使数据集不完整而无法评价
| 遗漏一般图层；
遗漏或多余重要空间实体（如面状地质实体、地类图斑）
遗漏一级数据项值
| | 遗漏或多余一般空间实体
| 遗漏二级数据项值
| 遗漏三级属性数据项值
|
逻辑
一致性
| | 空间数据结构（如分层）错误；
图层与相应属性表不一致
| 重要空间实体与相应属性不一致；
属性表结构与标准不符（如增减数据项、改变属性项长度、改变类型等）；
重要拓扑错误（根据专业及建库的目的等因素确定重要程度）；接边实体类型不一致；接边实体属性不一致
| 一般空间实体与相应属性不一致；一般拓扑错误
| 命名错误（虽对数据集成影响大，但易于修改）
| 属性数据项值的范围错误
|
空间定位准确度
| 坐标系或投影参数错误导致数据无法准确定位
| 校正控制点个数少于满足精度要求需要的最少个数；图廓点与理论值之差图面距离大于规定值；
点空间实体位置误差大于规定值（批量错误）；
线空间实体误差大于规定值（批量错误）
| | 校正控制点分布不合理
| 点空间实体位置误差大于规定值（个别错误）；
线空间实体误差大于规定值（个别错误）
| |
属性数据准确性
| | 属性分类错误
| 一级数据项内容错误
| 二级数据项内容错误
| 三级数据项内容错误
| |
现势性
| | 数据源不满足规定要求；数据源时点不符合要求
| 数据未进行更新
| 数据更新程度不够
| | |
注1：（16）～（1）为各级别缺陷与最低级别缺陷即次轻缺陷的比例，用于缺陷换算。
2：当缺陷达不到次轻缺陷级别时，几个缺陷换算为一个次轻缺陷。
3： 一级、二级或三级数据项的级别可根据必填和重要程度等因素划分；划分级别多于3时应给出换算比例。
|
表A.2以属性为主的数据（包括点空间数据）的缺陷分级
一级质量元素
| 致命缺陷
| 严重缺陷
（16）注1
| 重缺陷
（9）
| 次重缺陷
（5）
| 轻缺陷
（2）
| 次轻缺陷
（1）注2
|
数据
完整性
| 遗漏主表文件；未完成要求的工作量致使数据集不完整而无法评价
| 遗漏重要数据表文件
| 遗漏主表记录和一般数据表文件；
遗漏一般表记录
| 遗漏一级数据项的值
| 遗漏二级数据项的值
| 遗漏三级数据项的值
注2
|
逻辑
一致性
| | 不符合产品规范要求的结构错误（除按规定允许增加或减少的个别项）；
格式类错误
| | 数据项间的逻辑关系错误
| 命名错误（虽对数据集成影响大，但易于修改）
| 数据项的类型错误
数据项的范围错误
|
空间定位准确度
| | 准确度不符合量度的范围
| | | | |
属性数据准确性
| | | | 一级数据项的值错误和量纲错误
| 二级数据项的值和量纲错误
注3
| 三级数据项的值错误和量纲错误
|
现势性
| | 数据源不满足规定要求；数据源时点不符合要求
| 数据未进行更新
| 数据更新程度不够
| | |
注1：（16）～（1）为各级别缺陷与最低级别缺陷即次轻缺陷的比例，用于缺陷换算。
2：当缺陷达不到次轻缺陷级别时，几个缺陷换算为一个次轻缺陷。
3： 一级、二级或三级数据项的级别可根据必填和重要程度等因素划分；划分级别多于3时应给出换算比例。
|
表A.3 符号化制图数据的缺陷分级
一级质量元素
| 致命缺陷
| 严重缺陷
（16）注1
| 重缺陷
（9）
| 次重缺陷
（5）
| 轻缺陷
（2）
| 次轻缺陷
（1）注2
|
数据
完整性
| 遗漏重要文件（如重要图层）；未完成要求的工作量致使数据集不完整而无法评价。
| 遗漏一般图层；遗漏或多余重要空间实体（如面状地质实体或重要的断层等实体）
| 遗漏或多余一般点、线空间实体
| 缺注记或注记错误
| | |
逻辑
一致性
| | | 不符合产品规范要求的结构错误
| 格式类错误
| 命名错误（虽对数据集成影响大，但易于修改）
重要拓扑错误
| 一般拓扑错误
|
空间定位准确度
| 坐标系或投影参数错误导致数据无法准确定位
| 图廓点与理论值之差大于规定值；校正控制点的个数少于规定个数
| 点空间实体位置定位误差大于规定值（整体错误）；线空间实体定位误差大于规定值（整体错误）
| 校正控制点分布不合理；空间实体相对位置不符合量度的范围；线状实体形态不正确（不符合量度的范围）
| 点空间实体定位误差大于规定值或线线空间实体定位误差大于规定值（个别错误）
| 线状实体不圆滑；注记点位不准确
|
图面整饰规范性
| | 坐标网错；穿插压盖关系错误；面状重要地质体的注记丢失
| 图面颜色、花纹、符号或线型设置错；图名、图例、比例尺错；坐标网注记错
| | 图面颜色、花纹、符号或线型设置不合理；附图、镶图搭配不合理性
| |
注1：（16）～（1）为各级别缺陷与最低级别缺陷即次轻缺陷的比例，用于缺陷换算。
2：当错误达不到次轻缺陷级别时，几个错误换算为一个次轻缺陷
|
附录B（规范性附录）
数据抽样方案
表B.1是样本量查找表。分连续批与单批。批量的范围是根据各类数据抽样的要求设计的。数据通常采用正常检查水平，只有当检查过程中发现质量具有普遍较好或较差的系统趋势时，可考虑放宽或加严。表B.2是连续批正常检验抽样方案表；表B.3是连续批加严检验抽样方案表；表B.4是连续批放宽检验抽样方案表。
表B.1样本量表
批量
N
| 连续批
| 单批
|
放宽
| 正常
| 加严
|
8-12
| 2
| 3
| 4
| 5
|
13-17
| 3
| 4
| 5
| 6
|
18-23
| 4
| 5
| 6
| 8
|
24-32
| 5
| 6
| 8
| 10
|
33-40
| 6
| 8
| 10
| 13
|
41-60
| 8
| 10
| 13
| 16
|
61-75
| 10
| 13
| 16
| 20
|
76-100
| 13
| 16
| 20
| 25
|
101-135
| 16
| 20
| 25
| 32
|
136-174
| 20
| 25
| 32
| 40
|
175-240
| 25
| 32
| 40
| 50
|
241-315
| 32
| 40
| 50
| 63
|
316-438
| 40
| 50
| 63
| 80
|
439-635
| 50
| 63
| 80
| 100
|
636-923
| 63
| 80
| 100
| 125
|
924-1500
| 80
| 100
| 125
| 160
|
1501-2460
| 100
| 125
| 160
| 200
|
2461-4100
| 125
| 160
| 200
| 250
|
4101-7380
| 160
| 200
| 250
| 315
|
7391-12000
| 200
| 250
| 315
| 400
|
12001-26320
| 250
| 315
| 400
| 500
|
26321-41750
| 315
| 400
| 500
| 630
|
41751-108500
| 400
| 500
| 630
| 800
|
108501-150000
| 500
| 630
| 800
| 1000
|
150001-300000
| 650
| 800
| 1000
| 1250
|
300001-500000
| 800
| 1000
| 1250
| 1600
|
500001-850000
| 1000
| 1250
| 1600
| 2000
|
850001-1750000
| 1250
| 1600
| 2000
| 3150
|
1750001-4000000
| 1600
| 2000
| 3150
| 4000
|
4000001-9600000
| 2000
| 3150
| 4000
| 5000
|
9600001-23600000
| 3150
| 4000
| 5000
| 6300
|
＞23600001
| 4000
| 5000
| 6300
| 8000
|
表B.2连续批（单批）正常检验抽样方案表（主表）
AQL
n
| 0.01
| 0.02
| 0.03
| 0.05
| 0.10
| 0.20
| 0.30
| 0.50
| 0.80
| 1.00
| 1.25
| 1.50
| 1.75
| 2.00
| 2.25
| 2.50
| 2.75
| 3.00
| 3.25
| 3.50
| 3.75
| 4.00
| 4.25
| 4.50
| 4.75
| 5.00
| 6.50
| 8.00
| 10.0
| 12.5
| 15.0
| 20.0
| 25.0
| 30.0
| 40.0
| 50.0
|
3
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| 0
| 0
| 0
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
|
4
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| 0
| 0
| ↑
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
|
5
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| 0
| 0
| ↑
| ↑
| ↑
| ↑
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
|
6
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| 0
| ↑
| ↑
| ↑
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
|
8
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| 0
| ↑
| ↑
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
|
10
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
| 10
|
13
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| 1
| 1
| 1
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
| 10
| 12
|
16
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| 1
| 1
| ↓
| ↓
| ↓
| ↓
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
| 10
| 12
| 14
|
20
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↑
| ↑
| ↓
| ↓
| ↓
| ↓
| ↓
| 1
| 1
| 1
| ↓
| ↓
| ↓
| 2
| 2
| 2
| 2
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
| 10
| 12
| 14
| 17
|
25
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↓
| ↓
| ↓
| ↓
| 1
| 1
| ↓
| ↓
| ↓
| 2
| 2
| 2
| ↓
| ↓
| ↓
| ↓
| 3
| 4
| 5
| 6
| 7
| 8
| 10
| 12
| 14
| 17
| 21
|
32
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| ↓
| ↓
| 1
| 1
| ↓
| ↓
| 2
| 2
| 2
| ↓
| ↓
| ↓
| 3
| 3
| 3
| 3
| 4
| 5
| 6
| 7
| 8
| 10
| 12
| 14
| 17
| 21
| 25
|
40
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↓
| ↓
| 1
| ↓
| ↓
| 2
| 2
| ↓
| ↓
| ↓
| 3
| 3
| 3
| 4
| 4
| 4
| 4
| 5
| 6
| 7
| 8
| 10
| 12
| 14
| 17
| 21
| 25
| 30
|
32
|
50
| ↓
| ↓
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| ↓
| 1
| ↓
| 2
| 2
| ↓
| ↓
| 3
| 3
| 3
| 4
| 4
| 4
| 5
| 5
| 5
| 5
| 6
| 7
| 8
| 10
| 12
| 14
| 17
| 21
| 25
| 30
| 36
|
40
| 40
|
63
| ↓
| ↓
| ↓
| ↓
| ↓
| 0
| ↑
| ↓
| 1
| ↓
| 2
| ↓
| ↓
| 3
| 3
| 4
| 4
| 4
| 5
| 5
| 5
| 6
| 6
| 6
| 6
| 7
| 8
| 10
| 12
| 14
| 17
| 21
| 25
| 30
| 36
| 44
|
50
| 50
| 50
|
80
| ↓
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| ↓
| ↓
| 2
| ↓
| 3
| 3
| 4
| 4
| 5
| 5
| 5
| 6
| 6
| 6
| 7
| 7
| 7
| 7
| 8
| 10
| 12
| 14
| 17
| 21
| 25
| 30
| 36
| 44
| 54
|
63
| 50
| 50
| 50
|
100
| ↓
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| 1
| 2
| ↓
| 3
| 4
| 4
| 5
| 5
| 6
| 6
| 6
| 7
| 7
| 7
| 8
| 8
| 8
| 9
| 10
| 12
| 14
| 17
| 21
| 25
| 30
| 37
| 44
| 53
| 66
|
80
| 80
| 63
| 63
| 63
|
125
| ↓
| ↓
| ↓
| ↓
| 0
| ↓
| ↓
| ↓
| ↓
| 3
| 4
| 5
| 5
| 6
| 6
| 7
| 7
| 7
| 8
| 8
| 9
| 10
| 10
| 10
| 11
| 12
| 14
| 17
| 21
| 25
| 30
| 36
| 45
| 53
| 65
| 80
|
100
| 100
| 100
| 80
| 80
| 80
|
160
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| 1
| 2
| 3
| 4
| 5
| 6
| 6
| 7
| 7
| 8
| 8
| 9
| 10
| 10
| 11
| 12
| 12
| 12
| 13
| 14
| 17
| 21
| 25
| 30
| 36
| 44
| 55
| 66
| 81
| 100
|
125
| 100
| 100
| 100
| 80
| 80
| 80
|
200
| ↓
| ↓
| ↓
| ↓
| ↑
| ↓
| ↓
| ↓
| 4
| 5
| 6
| 7
| 7
| 8
| 9
| 10
| 10
| 11
| 12
| 12
| 13
| 14
| 14
| 15
| 16
| 17
| 21
| 25
| 30
| 37
| 43
| 53
| 67
| 81
| 99
| 122
|
160
| 160
| 125
| 125
| 125
| 100
| 100
| 100
|
250
| ↓
| ↓
| ↓
| 0
| ↓
| 1
| 2
| 3
| 5
| 6
| 7
| 8
| 9
| 10
| 11
| 12
| 12
| 13
| 14
| 15
| 16
| 17
| 18
| 19
| 20
| 21
| 25
| 30
| 37
| 45
| 52
| 65
| 82
| 99
| 121
| 150
|
200
| 200
| 200
| 160
| 160
| 160
| 125
| 125
| 125
|
