Более

Пересечение векторной линейной линии и базовой матрицы высот

Пересечение векторной линейной линии и базовой матрицы высот


Ниже приведен снимок экрана, на котором растровый слой АСТЕР ЦМР наложен на векторный слой линий дороги. Я хочу извлечь те пиксели матрицы высот, которые лежат точно под линиями линий. Я хочу присвоить соответствующие значения высоты каждой линии. Какую функцию PostGIS следует использовать или какой-либо другой подход? PostGISST_Intersectionфункция для растровых слоев бесполезна.


Вы можете использовать функцию ST_DumpAsPolygons:

SELECT (ST_DumpAsPolygons (rast)). * FROM road_linestring_table, dem WHERE ST_Intersects (rast, geom);

После этого вы можете растрировать результат.


Пересечение векторной линии и лежащей в ее основе ЦМР - географические информационные системы

Цифровые модели рельефа для прибрежных растровых цифровых данных, пилотное исследование 1 в Орегоне

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Флоренс Л. Вонг, Энджи Дж. Вентурато, Эрик Л. Гейст

Пилотное исследование цунами в Сисайд, штат Орегон - Модернизация карт опасностей наводнений FEMA: векторные цифровые данные ГИС Данные Геологической службы США 236

Этот набор данных является одним из набора цифровых файлов с пространственной привязкой в ​​географической информационной системе, относящейся к экспериментальному исследованию цунами на побережье Сисайд, штат Орегон. Федеральное агентство по чрезвычайным ситуациям (FEMA) В настоящее время не существует руководящих указаний по Федеральной карте ставок страхования (FIRM) для проведения и включения оценок опасности цунами, которые отражают существенный прогресс в исследованиях цунами, достигнутый за последние два десятилетия (Tsunami Pilot Study Working Group, 2006). Поэтому в рамках программы модернизации FEMA в районе Сисайд / Геархарт, штат Орегон, было проведено пилотное исследование цунами, чтобы получить информацию, на основе которой можно было бы разработать рекомендации по картированию цунами. Этот район был выбран потому, что он типичен для прибрежных сообществ на участке Тихоокеанского побережья от мыса Мендосино до пролива Хуан-де-Фука. Государственные агентства и местные заинтересованные стороны также проявили значительный интерес к картированию угрозы цунами в этом регионе. Исследование было межведомственным усилием ученых из Геологической службы США, Национального управления океанических и атмосферных исследований, Университета Южной Калифорнии и Ближневосточного технического университета. Мы представляем данные ГИС из этого отчета в этой публикации. Эти данные предназначены для научных сотрудников, студентов, политиков и широкой общественности. Данные могут использоваться с программным обеспечением географических информационных систем (ГИС) для отображения геологической и океанографической информации.

Наборы данных состоят из трех растровых сеток ASCII, охватывающих побережье Орегона и Вашингтона и северо-запад Тихого океана, с разрешением 1/3 угловых секунд, 6 угловых секунд и 36 угловых секунд. Сетка 1/3 угловой секунды состоит из батиметрических и топографических значений. Сетки с более низким разрешением состоят из значений, представляющих только батиметрию. Дата публикации 2006 г.

Не планируется -124.040000 -123.889898 46.079862 45.900000 никто цифровая модель рельефа растровая сетка ascii батиметрия топография DEM

Информационная система географических названий

США 206-526-6556 [email protected]

https://pubs.usgs.gov/ds/2006/236/metadata/seasidedems.jpg
Объем цифровых моделей рельефа и анализа цунами.
JPEG Национальная океаническая служба NOAA, Геологическая служба США, Бюро управления земельными ресурсами штата Орегон Microsoft Windows XP версии 5.1 (сборка 2600) Пакет обновления 2 ESRI ArcCatalog 9.1.0.722 Рабочая группа по экспериментальному исследованию цунами

Пилотное исследование цунами в Сисайд, штат Орегон - Модернизация карт опасностей наводнений FEMA 1 Отчет Геологической службы США в открытом доступе за 2006-1234 гг.

https://pubs.usgs.gov/of/2006/1234/ Вентурато, А.Дж.

Цифровая модель рельефа для Сисайд, штат Орегон: процедуры, источники данных и анализ http://www.pmel.noaa.gov/pubs/PDF/vent2812/vent2812.pdf Центр исследований цунами NOAA

Береговая линия для векторных цифровых данных Тихоокеанского Северо-Западного региона

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Национальный центр геофизических данных NOAA

GEODAS Version 4.1.18 векторные цифровые данные

Национальный центр геофизических данных NOAA

http://www.ngdc.noaa.gov Центр исследования цунами NOAA

Цифровые векторные данные для измерения уровня воды на северо-западе Тихого океана и распределения приливных данных

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Программа прибрежного дистанционного зондирования NOAA Coastal Services Center

Авиационное лазерное / GPS-картирование растровых цифровых данных прибрежной топографии

Чарльстон, Южная Каролина

Центр прибрежных услуг NOAA

http://www.csc.noaa.gov/lidar/ Национальная геодезическая служба NOAA

Горизонтальные и вертикальные геодезические данные управления векторными цифровыми данными

Национальная геодезическая служба NOAA

http://www.ngs.noaa.gov/ Геологическая служба США, Центр данных EROS

Растровые цифровые данные National Elevation Dataset

http://seamless.usgs.gov/ Инженерный корпус армии США

Векторные цифровые данные по гидрографическим исследованиям рек Колумбия, Грейс-Харбор и Уиллапа-Бэй

Сиэтл, Вашингтон, Портленд, Орегон

Инженерный корпус армии США

Данные в Вашингтоне были получены из USACE в округе Сиэтл. Данные в штате Орегон были получены через Национальную океаническую службу NOAA, Управление береговой службы http://www.usace.army.mil/ Ralph A. Haugerud.

Цифровая модель рельефа (ЦМР) Каскадии, широта 39N-53N, долгота 116W-133W растровые цифровые данные

http://wrgis.wr.usgs.gov/open-file/of99-369/ См. перекрестную ссылку Venturato (2005). Полный.

Горизонтальная точность каждой сетки выражается как оцененная среднеквадратичная ошибка (RMSE). Оценка RMSE основана на тестах горизонтальной точности исходных данных, которые выбраны равными или меньшими, чем предполагаемая горизонтальная ошибка RMSE каждой сетки. Горизонтальное расположение различных точек источника сравнивалось друг с другом для проверки точности сетки. СКО по вертикали используется для определения точности сетки по вертикали. Он учитывает систематические и случайные ошибки. См. Перекрестную ссылку Venturato (2005).

Береговая линия для векторных цифровых данных Тихоокеанского Северо-Западного региона

https://pubs.usgs.gov/ds/2006/236/catalog.shtml онлайн, 1999 г., дата публикации 2002 г., береговая линия береговой линии, представляющая нулевой контур в Национальном центре геофизических данных NOAA.

GEODAS Version 4.1.18 векторные цифровые данные

Национальный центр геофизических данных NOAA

http://www.ngdc.noaa.gov онлайн, 1927 г., 1999 г., дата публикации, значения батиметрических данных геод, NOAA Center for Tsunami Research

Цифровые векторные данные для измерения уровня воды на северо-западе Тихого океана и распределения приливных данных

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Дата публикации в Интернете 2004 г., приливные станции, вертикальное распределение данных, Центр прибрежных служб NOAA Программа дистанционного зондирования побережья

Авиационное лазерное / GPS-картирование растровых цифровых данных прибрежной топографии

Чарльстон, Южная Каролина

Центр прибрежных услуг NOAA

http://www.csc.noaa.gov/lidar/ online 19971017 19980428 дата публикации Seaside97, Seaside98 Значения батиметрических и топографических данных NOAA National Geodetic Survey

Горизонтальные и вертикальные геодезические данные управления векторными цифровыми данными

Национальная геодезическая служба NOAA

http://www.ngs.noaa.gov/ онлайн, дата публикации 2004 г., ngs_control, контроль вертикального датума, Геологическая служба США, Центр данных EROS

Растровые цифровые данные National Elevation Dataset

дата источника 1973 г., NED 1/3 угловой секунды http://seamless.usgs.gov/ онлайн Дата публикации 1999 г. ned1_3 значения топографических данных Инженерный корпус армии США

Векторные цифровые данные по гидрографическим исследованиям рек Колумбия, Грейс-Харбор и Уиллапа-Бэй

Сиэтл, Вашингтон, Портленд, Орегон

Инженерный корпус армии США

Данные в Вашингтоне были получены из USACE Округ Сиэтл. Данные в штате Орегон были получены через Национальную океаническую службу NOAA, Управление береговой службы http://www.usace.army.mil/ онлайн 1998 2004 состояние грунта usace2004 значения батиметрических данных Ральф А. Хаугеруд

Цифровая модель рельефа (ЦМР) Каскадии, широта 39N-53N, долгота 116W-133W растровые цифровые данные


Расширение NetLogo Gis

Это расширение добавляет в NetLogo поддержку ГИС (географических информационных систем). Он предоставляет возможность загружать в вашу модель векторные данные ГИС (точки, линии и полигоны) и растровые данные ГИС (сетки).

Расширение поддерживает векторные данные в виде шейп-файлов ESRI. Формат шейп-файлов (.shp) является наиболее распространенным форматом для хранения и обмена векторными данными ГИС. Расширение поддерживает растровые данные в виде файлов ESRI ASCII Grid. Файл сетки ASCII (.asc или .grd) не так распространен, как шейп-файл, но поддерживается в качестве формата обмена большинством платформ ГИС.

Как пользоваться

Обычно вы сначала определяете преобразование между пространством данных ГИС и пространством NetLogo, затем загружаете наборы данных и выполняете с ними различные операции. Самый простой способ определить преобразование между пространством ГИС и пространством NetLogo - взять объединение & ldquoenvelopes & rdquo или ограничивающих прямоугольников всех ваших наборов данных в пространстве ГИС и сопоставить его непосредственно с границами мира NetLogo. См. «Общие примеры ГИС» для примера этой техники.

Вы также можете дополнительно определить проекцию для пространства ГИС, и в этом случае наборы данных будут повторно проецироваться для соответствия этой проекции по мере их загрузки, если каждый из ваших файлов данных имеет связанный файл .prj, который описывает проекцию или географическое положение. система координат данных. Если связанный файл .prj не найден, расширение будет предполагать, что набор данных уже использует текущую проекцию, независимо от того, что это за проекция.

После определения системы координат вы можете загружать наборы данных с помощью gis: load-dataset. Этот примитив сообщает либо VectorDataset, либо RasterDataset, в зависимости от того, какой тип файла вы ему передаете.

VectorDataset состоит из коллекции VectorFeatures, каждая из которых является точкой, линией или многоугольником, а также набором значений свойств. Один VectorDataset может содержать только один из трех возможных типов функций.

Есть несколько вещей, которые вы можете сделать с VectorDataset: спросить у него имена свойств его функций, спросить у него его & ldquoenvelope & rdquo (ограничивающий прямоугольник), запросить список всех VectorFeatures в наборе данных, найти один VectorFeature или список VectorFeatures, значение которого для определенного свойства меньше или больше определенного значения, или находится в заданном диапазоне, или соответствует заданной строке с использованием подстановочного знака ("*", который соответствует любому количеству вхождений любых символов). Если VectorFeatures являются полигонами, вы также можете применить значения определенного свойства набора данных & rsquos функций к заданной переменной патча.

Есть также несколько вещей, которые вы можете сделать с VectorFeature из VectorDataset: запросить у него список списков вершин, запросить значение свойства по имени, запросить его центроид (центр тяжести) и запросить подмножество заданный набор агентов, чьи агенты пересекают данный VectorFeature. Для данных точек каждый список вершин будет списком из одного элемента. Для линейных данных каждый список вершин будет представлять вершины линии, составляющей этот объект. Для данных многоугольника каждый список вершин будет представлять одну & ldquoring & rdquo многоугольника, а первая и последняя вершины списка будут одинаковыми. Списки вершин состоят из значений типа Vertex, а центроид также будет значением типа Vertex.

Для RasterDatasets также определен ряд операций. В основном это включает выборку значений в наборе данных или повторную выборку растра с другим разрешением. Вы также можете применить растр к заданной переменной патча и свернуть растр, используя произвольную матрицу свертки.

Пример кода: Общие примеры ГИС содержат общие примеры использования расширения.

Пример кода: Пример градиента ГИС - это более сложный пример анализа набора растровых данных.

Известные проблемы

Значения типа RasterDataset, VectorDataset, VectorFeature и Vertex неправильно обрабатываются командами export-world и import-world. Для сохранения наборов данных необходимо использовать примитив gis: store-dataset.

В настоящее время нет способа отличить полигоны & ldquoshell & rdquo с положительной площадью от полигонов & ldquohole & rdquo с отрицательной площадью или определить, какие отверстия связаны с какими оболочками.

Кредиты

Основным разработчиком расширения ГИС был Эрик Рассел.

Расширение ГИС использует несколько библиотек программного обеспечения с открытым исходным кодом. Информацию об авторских правах и лицензии на них см. В разделе об авторских правах в руководстве. Расширение также содержит элементы, заимствованные из My World GIS.


Трехмерная реконструкция ландшафта Хуэйчжоу в сочетании с мультимедийными технологиями и географической информационной системой

Архитектура Хуэйчжоу - самая важная китайская древняя архитектура. Будучи традиционной архитектурой, архитектура Хуэйчжоу всегда сохраняла уникальный художественный стиль элегантности, простоты, богатства и интеграции. Пейзаж Хуэйчжоу является неотъемлемым воплощением культуры Хуэйчжоу. Пейзаж и узор деревень Хуэйчжоу являются внешними проявлениями символов культуры Хуэйчжоу. Эту архитектуру необходимо сохранить с помощью мультимедийных технологий и географической информационной системы. В данной статье эти системы используются для извлечения изображения ландшафта и разработки методов трехмерного моделирования деревни Хуэйчжоу с автоматизацией, высокой эффективностью и низкой стоимостью. Он реализовал функции запроса информации о ландшафте, многомерных измерений, анализа местности, анализа видимости и виртуального роуминга в деревне Хуипай. Это моделирование оказывает конкретное стимулирующее воздействие на пространственный анализ ландшафта, ландшафтное планирование, защиту окружающей среды, природное и культурное наследие и развитие туризма.

1. Введение

Пейзаж деревни Хуэйчжоу - это многофункциональный социализированный ландшафтный носитель, состоящий из человеческого ландшафта и природного ландшафта, сформированного в определенной временной и пространственной среде. Он создает региональный комплексный экологический ландшафт с долгосрочным сосуществованием людей и окружающей среды, отражающий характеристики. Смысл «культуры хуэйхуа» - это реалистичный взгляд на «небеса и человека» и простая концепция экологического сознания. На его структуру влияет природная среда, такая как горы, растительность, вода, климат, и человеческие факторы, такие как архитектура, обычаи, фен-шуй и экономическое поведение [1]. Традиционные китайские деревни, представленные деревнями Хуэйпай, находятся под глубоким влиянием традиционной доктрины фэн-шуй в процессе выбора, строительства и развития, полностью воплощая модель «гармонии между человеком и природой», естественной координации и гармоничного симбиоза. Пространственный образец, модель среды обитания, архитектурная форма и социальные отношения, сформировавшиеся в результате долгосрочной обкатки, имеют глубокие экологические коннотации и являются ценным экологическим богатством Китая. С точки зрения экологии концепция населенных пунктов в деревнях Хуэйчжоу с мультикультурными целями идеальна для населенных пунктов [2]. В сегодняшнем конфликте между человеком и окружающей средой анализируются пространственные характеристики деревень Хуэйчжоу. Раскрытие экологической коннотации деревни Хуэйчжоу может обеспечить концептуальную поддержку современного дизайна человеческих поселений.

В настоящее время исследование пространственных характеристик традиционных деревень в основном сосредоточено на трех аспектах. Во-первых, это качественный анализ планировки поселения, пространственной структуры и механизма воздействия элементов человеческого фактора, Лю Пэйлиня и других «культур фэн-шуй», «духовного пространства», «ландшафта», «образа» и т. Д. В качестве отправной точки. точка для изучения изображения пространства поселения, для изучения многомерного пространственного стереоскопического изображения пейзажа древней китайской деревни. Чтобы предложить концепцию экосистемы села с экологической точки зрения и характеристик села с точки зрения структуры, функции, распределения, эволюции и гуманитарных наук, с помощью модели был проведен качественный анализ. Hu et al. и Лю Пэйлинь предложили концепцию традиционной карты ландшафтного генома поселения и проанализировали ее взаимосвязь с ландшафтными генами и ландшафтными геномами, а также дополнительно изучили типы, функции и значение традиционных ландшафтных карт генома поселения [3]. Второй - использовать ландшафтный узор, пространственный анализ ГИС, экологическую модель и другие методы измерения для изучения планировки, типа, масштаба, системы, пространственной структуры и эволюции поселения, а также использовать анализ ландшафтного узора для выявления феномена Фэн. Шуй содержится в макете поселения. Третий - это попытка теории фэн-шуй и экологического ландшафтного дизайна в сочетании с комплексными методами качественного и количественного анализа для определения пространственных характеристик поселений и применения идей и концепций планировки деревни в ландшафтном дизайне. В вышеуказанном исследовании все больше внимания уделяется комплексным междисциплинарным исследованиям, сочетающим качественные и количественные методы. Качественный подход основан на мультикультурализме, таком как теория фэн-шуй, теория психологического поля и жанры пейзажа. Количественный метод использует ландшафтный индекс для анализа ландшафтов и показывает сложные взаимодействия природы и биологии с социальными силами во времени и пространстве. Традиционный двумерный ландшафтный индекс игнорирует топографические и геоморфологические особенности, важные для экологического ландшафта, что приводит к искажению точной информации о геометрической форме земельной единицы, что приводит к недооценке и завышению результатов анализа ландшафтного индекса. Точное измерение индекса 3D-ландшафта может компенсировать недостатки индекса 2D-ландшафта. Он может значительно обогатить информацию о ландшафте, отражая его структурный состав и характеристики пространственной конфигурации [4]. В этой статье в качестве отправной точки исследований используются мультимедийные технологии и географические информационные системы. Уровень деревни Хуэйчжоу рассматривает Чэнкан в качестве объекта исследования, объединяет китайскую традиционную теорию фэн-шуй, психологическую теорию поля и идеальную среду обитания и выдвигает идею среды человеческого поселения. Модель экосистемы анализирует планировку деревни и элементы ландшафта деревни Чэнкан, анализирует характеристики ее пространственной структуры и улучшает традиционный метод анализа ландшафта. Он вводит метод трехмерного индекса ландшафта и заменяет двухмерный ландшафт, вычисляя длину поверхности участков ландшафта и особенности местности: характеристики и количественный анализ ландшафта деревни Хуэйчжоу [5]. Сочетание идеальной модели экосистемы с методом трехмерного ландшафтного индекса может более эффективно анализировать характеристики пространственной структуры деревень Хуэйчжоу.

В настоящее время существует множество методов трехмерной реконструкции двумерного изображения, используемых в медицине, таких как КТ [6] и МРТ [7]. Они также широко используются при реконструкции лица [8, 9]. Кроме того, Пан и другие исследовали применение двумерных изображений в реконструкции одежды, Чжан исследовал метод трехмерной реконструкции двумерных изображений при бинокулярном зрении, а Е изучал трехмерную реконструкцию твердых тел на основе на двумерных последовательностях изображений. Некоторые методы вычислительной реконструкции позволяют визуализировать трехмерное изображение без оптического отображения элементарных изображений [13]. Эти методы классифицируются с использованием методов плоской реконструкции (PPRT) и методов реконструкции точки обзора (VPRT). PPRT использует виртуальный массив точечных отверстий вместо массива линз для восстановления трехмерного изображения. В реконструированной плоскости изображения на рисунке 1 каждый пиксель первичного изображения интегрирован, и наблюдатели могут видеть трехмерное изображение, которое сфокусировано на этой плоскости.

С другой стороны, в VPRT трехмерное изображение восстанавливается путем извлечения одного пикселя из каждого соответствующего элементарного изображения массива линз [10]. В этой статье используются мультимедийные технологии и географическая информационная система для извлечения изображения ландшафта и разработки методов трехмерного моделирования деревень Хуэйчжоу с автоматизацией, высокой эффективностью и низкой стоимостью. Он реализовал функции запроса информации о ландшафте, многомерных измерений, анализа местности, анализа видимости и виртуального роуминга в деревне Хуипай. Он оказывает особое стимулирующее воздействие на пространственный анализ ландшафта, ландшафтное планирование, защиту окружающей среды, природное и культурное наследие и развитие туризма [14]. По сравнению с другими методами, эта стратегия может реконструировать ландшафт более эффективно и с большей точностью [11].

Вклад этой статьи резюмируется следующим образом: (1) Мы рассматриваем новую схему трехмерной реконструкции, которая объединяет мультимедийные технологии и географическую информационную систему. Этот новый метод может помочь эффективно извлекать особенности данных и быстро восстанавливать исходные данные. (2) Реконструируем ландшафт Хуэйчжоу с помощью предложенной стратегии. Реконструированный ландшафт может помочь реализовать функции запроса информации о ландшафте, многомерных измерений, анализа местности, анализа видимости и виртуального роуминга в деревне Хуипай. (3) Новая схема трехмерной реконструкции оказывает особое стимулирующее воздействие на пространственный анализ ландшафта, ландшафтное планирование, защиту окружающей среды, природное и культурное наследие и развитие туризма.

Эта статья организована следующим образом. В разделе 2 представлены некоторые предварительные исследования и связанные с ними работы по мультимедийным технологиям и географическим информационным системам. Раздел 3 предлагает обзор исследований трехмерной реконструкции. Реконструкция пейзажа Хуэйчжоу будет дана в Разделе 4. Наконец, Раздел 5 суммирует некоторые выводы и предлагает некоторые предложения по темам будущих исследований [12].

2. Обзор и развитие мультимедийных технологий и географических информационных систем.

Медиа относится к носителям, которые доставляют информацию, включая хранимые объекты и носители, передающие информацию. Диски, ленты и т. Д. - это объекты, которые представляют информацию, а значения (число), литература (текст), звук (аудио), графика (изображение), изображения (видео) и т. Д. Являются носителями для передачи информации. [15]. Медиа в том, что мы называем «мультимедиа», относится к последним. Так называемая «мультимедиа» часто представляет собой не саму мультимедийную информацию, а в основном набор методов ее обработки и применения. Поэтому «мультимедиа» часто используется как синоним «мультимедийной технологии».

2.1. Концепция мультимедийных технологий

Мультимедийные технологии используют компьютеры для комплексной обработки текста, графики, изображений, звуков, анимации, видео и других типов информации для установления логических взаимосвязей и взаимодействия человека с компьютером. Точные мультимедийные технологии включают объект компьютерных технологий, в то время как другие простые вещи, такие как фильмы, телевидение и аудио, не относятся к категории мультимедийных технологий [16].

2.2. Концепция географической информационной системы

Географическая информационная система (ГИС) - это развивающаяся дисциплина, которая объединяет информатику, информатику, географию, геодезию и картографирование, экологию, городские науки, науку управления и многие другие науки. При поддержке компьютерного программного и аппаратного обеспечения теория системной инженерии и науки об информационных системах используется для научного управления и всестороннего анализа географических данных с пространственной коннотацией для создания пространственных информационных систем для планирования, управления, принятия решений и исследований [17] . Развитие ГИС отражает характеристики междисциплинарного пересечения. Структура интеграции мультимедийных ГИС показана на Рисунке 1. С ростом продвижения различных секторов национальной экономики ГИС привлекает все больше внимания со стороны различных ведомств, местных органов власти и сообщества. Группы, принимающие решения, и группы потребителей срочно нуждаются в мультимедийных продуктах для анализа, исследования, исследования и использования информации о географической среде [18]. В прошлом многие инструменты ГИС могли представлять и передавать пространственную информацию только с использованием текста, графики и таблиц, что значительно снижает эффект от обработки и передачи пространственной информации ГИС. Следовательно, необходимы мультимедийные технологии для улучшения визуализации этого программного обеспечения ГИС [19]. Комбинация мультимедийных технологий и географической информационной системы может интуитивно и наглядно выражать пространственную информацию в форме зрения, слуха и осязания, повышать эффективность сбора, обработки данных, выражения и вывода ГИС-данных, а также обеспечивать полную свободу действий. к преимуществам мультимедийных технологий, значительно усиливающих эффект визуализации пространственной информации ГИС [20]. Следовательно, необходимо ввести мультимедийные технологии в ГИС. Сочетание мультимедийных технологий и геоинформационной системы стало одним из важных направлений развития ГИС-технологий. Применение мультимедийных технологий в географических информационных системах существенно влияет на структуру системы, системные функции и режимы приложений ГИС, делая ГИС более обширными, гибкими и дружественными.

Данные, участвующие в интегрированном процессе разработки мультимедийной ГИС, в основном включают два источника: один - это файл пространственных графических данных, а другой - данные атрибутов мультимедиа. Для повышения гибкости обработки данных всей системы принят особый метод хранения [21, 22]. Структура интеграции для мультимедиа и ГИС показана на рисунке 1. Атрибутная информация мультимедиа является основным содержимым системы и представляет собой информацию, которую пользователи могут использовать и запрашивать. Требования очень точные [23]. Информацию об атрибутах мультимедиа можно собирать различными способами, включая текст, фотографии, графику, аудио, видео и анимацию, а затем эта информация проверяется, упорядочивается и обрабатывается. Разнообразные типы данных мультимедийных географических информационных систем, объединяющие звук, изображение, картинку и текст, необходимы для интеграции технологии баз данных и мультимедийной технологии. Обычный доступ к базе данных - это обычно более подробная информация, такая как текст, числа и даты. Для мультимедийной информации, такой как изображения, звуки, фильмы и т.п., к базе данных нельзя получить прямой доступ из-за ограничения типа поля [24]. С постоянным развитием технологии баз данных в типе поля появляются типы BLOB (типы больших двоичных объектов). Вы можете написать программу для преобразования файла мультимедийного типа в тип BLOB, а затем получить к нему доступ в базе данных. Данные пространственных мультимедийных атрибутов хранятся в реляционной базе данных. В базе данных создаются разные поля для предоставления разных типов информации. Сохраненная мультимедийная информация может быть расширена по мере необходимости, и различная мультимедийная информация может быть интерпретирована с помощью конкретного модуля [25, 26].

Стандартизированные электронные географические графические данные хранятся в определенном каталоге в стандартном формате файла, и каждый объект на графике имеет соответствующий уникальный идентификатор (идентификационный номер). Система использует это как индекс для создания файла графических данных [27]. При проектировании структуры хранения данных и структуры выходного входного интерфейса ГИС встроенное соединение базы данных поддерживает несколько баз данных для соединения различных данных атрибутов. Ключевое слово каждой записи атрибута представляет собой идентификационный номер объекта в графическом файле, тем самым реализуя взаимно однозначное соответствие между пространственной, графической информацией и информацией мультимедийных атрибутов.

3. Обзор исследований трехмерной реконструкции.

3.1. D Концепция реконструкции

Трехмерная реконструкция относится к созданию трехмерной модели с определенным уровнем детализации, соответствующей реальному объекту в цифровой виртуальной среде. Поскольку человеческое исследование геопространственной информации становится все более глубоким и более широко используемым, трехмерная модель монолитного или группового здания больше не может удовлетворять потребности людей в глобальной пространственной информации. Трехмерная модель строительной группы постепенно превратилась в городское планирование и управление, архитектурное проектирование, необходимую инфраструктуру во многих областях, таких как помощь в чрезвычайных ситуациях, общественная безопасность, охрана окружающей среды, выбор недвижимости и коммерческих площадок, а также навигация по транспорту.

3.2. Классификация технических методов

Трехмерная реконструкция зданий - горячая точка исследований в стране и за рубежом, поэтому были разработаны различные методы. В зависимости от используемой технологии их можно условно разделить на следующие семь типов: (1) Метод, основанный на картографических данных местности (2) Метод на основе данных ЦМР (3) Метод на основе технологии распознавания изображений (4) Метод на основе технологии трехмерного лазерного сканирования (5) Метод на основе бумажной интеллектуальной технологии идентификации для построения векторов (6) Метод на основе методов моделирования CSG (7) Моделирование процесса метод

Как показано в таблице 1, можно получить преимущества и недостатки перечисленных выше семи методов.

3.3. 3D Реконструкция Модель Проектирования

В этой главе основное внимание уделяется методу анализа паттернов ландшафта, основанному на идеальной модели экосистемы и трехмерному индексу ландшафта, и методу визуализации ландшафта, основанному на моделировании правил.

3.3.1. Идеальная модель экосистемы

Экосистема - это географическая единица или экологическая зона и системная единица с функциями ввода и вывода и естественной или искусственной границей [19]. Идеальная экосистема среды обитания предназначена для оптимизации выживания, развития и продолжения жизни людей, а также для оптимизации обмена энергией, материального метаболизма, обмена информацией и биологической миграции между внутренними элементами экосистемы. Экологические функции каждого элемента показаны в Таблице 2. Выбор места также требует соблюдения экологических норм строительства.

3.3.2. Индекс трехмерного ландшафта

Индекс 3D ландшафта улучшает традиционный метод индекса 2D ландшафта, который в основном заменяет площадь проекции и длину стороны обычного индекса ландшафта на площадь поверхности участка ландшафта и длину стороны поверхности [20]. Расчет площади поверхности и длины сторон участков ландшафта является ключом к индексу трехмерного ландшафта.

Количество ландшафтных индексов велико, корреляция сильная, и любой выбор индекса может вызвать профицит индекса. В соответствии с топографическими характеристиками деревни Хуэйпай, согласно результатам исследования большого количества ландшафтных узоров, при выборе индекса горного ландшафта основное внимание уделяется отражению масштаба, формы и концентрации ландшафта. В исследовании использовались трехмерные индикаторы, как показано в таблице 3.


Пересечение векторной линии и лежащей в ее основе ЦМР - географические информационные системы

Создание наборов данных функций и редактирование векторов

Большинство проектов, с которыми вы столкнетесь, будут включать данные, которые уже были разработаны. Однако иногда вам может потребоваться создать новые наборы данных или изменить существующие наборы данных. В этом разделе рассматривается внесение изменений в объекты в базах данных координат, используемых в ArcGIS.

Когда вы создаете или изменяете наборы данных объектов (векторные) в ArcGIS, вы будете использовать шейп-файлы. Шейп-файлы являются предпочтительным исходным набором данных для ArcGIS. Шейп-файлы полностью редактируются в ArcGIS, что означает, что их можно изменять как по пространственным, так и по атрибутивным объектам. Кроме того, любые другие допустимые источники векторных данных в проектах ArcGIS можно легко преобразовать в шейп-файлы или классы пространственных объектов базы геоданных, после чего их объекты можно будет редактировать.

Самый распространенный "устаревший" метод ввода данных в ГИС - использование планшетов для оцифровки.

Таблички оцифровки использовались с первых дней существования ГИС для сбора данных координатной карты. Дигитайзер - это специальный стол, заделанный под поверхностью последовательными проводами. Провода располагаются в горизонтальных рядах и вертикальных столбцах с плотным интервалом. Эти провода получают сигналы от курсора дигитайзера (который ведет себя как мышь) и позволяют отслеживать объекты карты и сохранять их в виде координатных данных. Программное обеспечение ГИС используется для преобразования значений координат таблицы в значения координат реального мира.

Обычно карта приклеивается к планшету и регистрируется с точками известного местоположения (& quot; Quottics & quot). Затем объекты на карте отслеживаются по мере того, как программное обеспечение «прослушивает» коммуникационный порт, к которому подключен дигитайзер. Специальные клавиши на курсоре используются для управления функциями дигитайзера.

Большинство программных приложений, которые были разработаны как полные ГИС-решения, включают поддержку оцифровки как на планшете, так и на экране («наверху»).

ArcGIS поддерживает оцифровку в обоих режимах, за некоторыми исключениями. Шейп-файлы и классы пространственных объектов базы геоданных - единственный тип файлов источников пространственных данных, которые можно изменять путем оцифровки. Полностью поддерживается оперативная оцифровка шейп-файлов и классов пространственных объектов базы геоданных. Оцифровка планшета поддерживается только в системах MS-Windows и поддерживается только в том случае, если драйверы Windows установлены для марки оцифровывающего планшета, подключенного к аппарату. Из-за нехватки времени и отсутствия достаточного количества планшетов для оцифровки мы не будем рассматривать оцифровку планшетов в этом курсе. Однако файлы справки по оцифровке планшетов в ArcGIS ясны и обширны.

Работа с шейп-файлами и базами геоданных

Шейп-файлы являются наиболее легко управляемым форматом векторных данных ArcGIS. Один шейп-файл представляет собой группу точек, линий или многоугольников. В то время как другие источники данных (например, покрытия ArcInfo, чертежи САПР) могут состоять из нескольких типов объектов, шейп-файлы состоят из Только точки, линии, или полигоны.

Шейп-файл на самом деле представляет собой набор файлов, а не один файл. Один шейп-файл состоит как минимум из 3-х файлов (в этом примере имя шейп-файла дороги).

  • Road.shp: геометрия объекта (форма и расположение)
  • Road.shx: индекс геометрии объекта
  • Road.dbf: таблица атрибутов объекта

Помимо 3-х основных файлов, могут быть и другие файлы:

  • Road.sbn: пространственный индекс объекта
  • Road.sbx: пространственный индекс объекта
  • Road.ain: индекс атрибута объекта
  • Road.aix: индекс атрибута объекта
  • Road.prj: данные проекции и координат

Индексные файлы используются для перекрестных ссылок на пространственные объекты или атрибуты, а также для ускорения запроса, обработки и отображения.

Шейп-файлы полезны в ArcGIS, потому что они

  • рисовать быстро (по сравнению с другими источниками данных о функциях)
  • можно создать в приложении
  • можно полностью редактировать в приложении
  • могут быть созданы из других источников векторных данных
  • можно легко перемещать по файловой структуре без повреждения

Базы геоданных - это специальные типы файлов базы данных, которые содержат геометрию объектов, таблицы атрибутов и другие таблицы, в которых хранятся правила и отношения между наборами классов объектов. Базы геоданных могут хранить несколько различных наборов классов объектов в одном файле базы данных, поэтому это делает базу геоданных удобным и мощным методом хранения данных. Кроме того, в базе геоданных можно хранить отношения, такие как многослойная топология. Базовая модель данных для векторных слоев (точка, линия, полигон) используется в модели базы геоданных. Векторные данные, хранящиеся в базах геоданных, называются классы пространственных объектов или наборы классов объектов (которые представляют собой группы отдельных классов пространственных объектов). Растры также можно хранить в базах геоданных.

В ArcGIS существует два типа форматов файлов базы геоданных: персональная база геоданных, который хранится как файл Microsoft Access MDB, и файловая база геоданных, который хранится в специальном формате файла ESRI.

Создание нового слоя-фигуры

Помимо преобразования шейп-файлов или классов пространственных объектов базы геоданных из других источников пространственных данных, также возможно создавать шейп-файлы или классы пространственных объектов с нуля, используя другие слои пространственных данных или изображения только в качестве визуального ориентира для позиционной ссылки. В остальной части этой лекции шейп-файлы и классы пространственных объектов будут называться просто «классами функций».

Когда создается новый класс пространственных объектов, пользователь должен решить, будет ли класс пространственных объектов представлять точечные, линейные или полигональные объекты. Вам необходимо заранее определить тип объекта для вашего набора данных. Классу пространственных объектов также должно быть присвоено имя и место в файловой системе.

Затем класс пространственных объектов добавляется в текущий документ карты и открывается для редактирования.

Координаты новых объектов определяются экстентом фрейма данных, в который добавляются объекты, и системой координат нового набора данных. Если вы используете новый фрейм данных без других слоев, добавляемые вами объекты будут размещены рядом с исходной точкой фрейма данных (по умолчанию экстент нового фрейма данных составляет примерно [(0,0), (1,1)]).

Здесь создается новый класс точечных объектов:

Новый слой готов к редактированию, но не содержит объектов или табличных атрибутов. Это похоже на создание новой электронной таблицы или текстового документа, когда он только что был создан, он пуст. Чтобы добавить объекты в новый шейп-файл, его необходимо добавить в документ ArcMap и открыть для редактирования.

Добавление элементов слоя-фигуры

После того, как новый слой добавлен в документ карты и открыт для редактирования, вы можете добавлять объекты. Панель инструментов редактора в ArcMap должна быть включена. На панели инструментов редактора имеется ряд различных инструментов для создания и редактирования объектов. Есть также ряд различных задач редактирования на выбор. Мы рассмотрим наиболее распространенные инструменты и задачи, но у нас не будет времени охватить все инструменты и задачи редактирования.

Различные инструменты редактирования представлены в раскрывающемся списке значков, каждый из которых выполняет свою функцию редактирования. В зависимости от состояния приложения один или несколько инструментов могут быть недоступны (выделены серым цветом). Список инструментов и их функций приведен здесь:

эскиз: основной рисунок

midpoint: создать точку в середине нарисованной линии

расстояние-расстояние: создать точку на известном расстоянии от 2 других мест
пересечение: создать точку на пересечении двух существующих векторов
дуга конечной точки: создайте круговое сечение с определенными конечными точками
направление-расстояние: создать точку на известном расстоянии и в направлении от другого места
дуга: создайте круговое сечение, указав начало, середину и конец кривой
касательная: удлинить сегмент линией, касательной к существующему сегменту
трассировка: создать новый объект, который отслеживает существующие объекты на том же или другом слое.

Когда создается новый класс пространственных объектов, также создается таблица атрибутов «голые кости». Эта таблица изначально будет содержать только одну запись для каждой функции и два поля, FID, Форма и Идентификатор. В следующей таблице создана одна точка, и отображается таблица атрибутов.

Пользователь может добавлять поля в таблицу атрибутов (или в любую таблицу в проекте, если на то пошло). Поля добавляются для представления свойств пространственных объектов. При добавлении полей необходимо указать имя поля, тип данных (например, короткое целое число, текст, большой двоичный объект), длину (количество символов) и / или десятичную точность. Новое поле добавляется после последнего существующего поля в таблице.

После добавления полей в таблицу можно ввести значения.

Редактирование классов пространственных объектов

классы пространственных объектов, созданные с нуля или из других источников, можно редактировать. Когда создается новый класс пространственных объектов, он автоматически переводится в режим редактирования. Однако любой класс пространственных объектов можно редактировать, если у пользователя есть разрешение на запись в файлы и каталоги на диске, в которых хранится класс пространственных объектов. В следующих разделах показаны некоторые конкретные изменения, которые можно вносить в пространственные элементы слоев.

Прежде чем можно будет внести какие-либо изменения, класс пространственных объектов должен быть переведен в режим редактирования. На панели инструментов редактора выберите Редактор & gt Начать редактирование из меню. Любой из доступных для редактирования источников данных в текущем фрейме данных будет открыт для редактирования. Чтобы решить, какой слой редактировать, выберите Цель:

Вы можете переключаться между разными источниками данных в рамках одного сеанса редактирования.

Кроме того, можно переключаться между различными задачами редактирования. Различные задачи редактирования в основном не требуют пояснений.

Когда слой находится в режиме редактирования, используйте Редактировать инструмент для выбора отдельных функций. Держать & ltSHIFT & gt нажата клавиша, чтобы выбрать более одной функции. Когда функции выбраны, они отображаются жирным голубым символом. Здесь вы можете увидеть два выделенных полигона. Если функция выбрана, ее можно удалить с помощью & ltDELETE & gt клавиша на клавиатуре,

Чтобы увидеть вершины отдельных фигур, нажмите и удерживайте v ключ. Фигура, находящаяся в данный момент под курсором, и любые окружающие фигуры будут иметь свои вершины. Таким образом вы сможете понять, как устроена фигура.

Использовать Особенности изменения формы задача и Эскиз инструмент, чтобы нарисовать новую кромку для полигональных или линейных объектов. Вот несколько простых диаграмм, показывающих, как изменяются формы многоугольников и линий.

Чтобы изменить расположение отдельных вершин линии или многоугольника, используйте Изменить функции и с помощью инструмента Редактировать щелкните вершину объекта, форму которой вы хотите изменить. Все вершины линии будут отмечены маленьким квадратом.

Щелкните и перетащите вершину в новое положение.

Если вы хотите одновременно редактировать общие ребра, необходимо создать топологическую связь. Для редактирования шейп-файла топологическая взаимосвязь сохраняется только для данного сеанса редактирования. Для баз геоданных можно сохранить топологические правила в базе геоданных, поэтому топологические правила восстанавливаются каждый раз, когда вы редактируете классы пространственных объектов, которые участвуют в топологии.

Когда топология активна, можно использовать инструменты топологии для выбора общих объектов, а затем использовать инструменты эскиза и Изменить форму края или Изменить край задания. Здесь та же область, но выбрано общее ребро (при этом одновременно выбираются оба набора вершин для обеих смежных фигур).

Изменение формы края изменяет оба соседних многоугольника.

Вершины можно удалить с помощью Изменить функции задача. Здесь одна из вершин удалена, чтобы показать, что предыдущая задача по изменению общего ребра действительно изменила оба полигона одновременно:

Установка среды привязки

Привязка используется, чтобы гарантировать, что новые функции имеют общее расположение в конечных точках или узлах. Привязка приведет к тому, что конец новой строки присоединится к существующей строке либо из конца в конец, либо из конца в конец. Привязка устанавливается либо интерактивно, либо в свойствах слоя на определенный допуск. Если конечная точка новой линии находится в пределах допустимого расстояния существующей линии, новая линия будет привязана и присоединится к существующей линии. Добавляемые или изменяемые компоненты подчиняются правилам привязки. Среда привязки устанавливает правила и приоритеты для привязки.

Вот две строки, добавляемые в шейп-файл без привязки:

Разделение линий и многоугольников

Существующие линии могут быть разделены с помощью Разделение линии орудие труда . Полигоны можно разделить с помощью Вырезать многоугольники задача.

При разделении линий щелкните место на линии, где вы хотите, чтобы произошло разделение.

Разделение полигонов аналогично разделению линий, за исключением того, что существующие полигоны разделены линией, а не одним местоположением. Чтобы разбить многоугольники, необходимо, чтобы линия разбиения начиналась и заканчивалась за пределами разбиваемого многоугольника.

Одна линия разделения может разделять более одной существующей линии или многоугольника одновременно.

Когда существующая линия или полигон разделяется, запись атрибутов исходного объекта удаляется, а новые записи атрибутов добавляются для каждого нового объекта. Для классов пространственных объектов базы геоданных можно указать различные политики, определяющие, что происходит с атрибутами при разделении пространственных объектов. Для шейп-файлов новые записи для разделенных элементов дублируют исходные значения из родительской фигуры.

Здесь один из полигонов древостоя разделен на два отдельных полигона.

Здесь одна из добавленных ранее линий разделена на два сегмента.

Обновление атрибутов с помощью Split

Когда объекты разделены, вы можете указать, как атрибуты новых объектов наследуются от исходных объектов. Каждому полю в таблице атрибутов можно назначить правила поведения для разделения. Следует ли копировать числовые поля или учитывать их долю от исходного значения? Следует ли копировать строковые (символьные) поля или поля должны быть пустыми для новых функций?

ArcGIS предоставляет правила для обновления значений атрибутов для разделенных объектов:

Разделенная политика

эффект

Значение по умолчанию значения в новых записях являются значением по умолчанию для поля в настройках атрибутивного домена класса пространственных объектов.
Дубликат значения в новых записях копируются из родительской записи
Соотношение геометрии числовые значения пропорциональны исходной площади или длине объекта.

К каждому полю в таблице атрибутов слоя можно применить политику разделения.

Объединение функций с Union

Помимо разделения объектов, ArcGIS позволяет объединять более одного объекта. Объединяемые объекты должны быть частью выбранного набора.

Линии, которые встречаются в одной точке, объединяются в одну линию с одной записью атрибута.

Полигоны, которые перекрывают или имеют общую границу, объединяются в один многоугольник с одной записью атрибута. Полигоны, которые не перекрываются и не являются смежными, также могут быть объединены в один многоугольник с одной записью. В этом смысле класс пространственных объектов отличается от других наборов векторных данных, поддерживающих классы пространственных объектов. не замужем полигоны, состоящие из более чем одного пространственного объекта.

Здесь объединены два полигона древостоя. Новый многоугольник имеет одну запись атрибута.

Если объединяемые полигоны не являются смежными, объекты все равно можно объединить. Перед:

Обновление атрибутов с помощью слияния

Union просто объединяет геометрию выбранного набора и генерирует новую пустую запись. Когда особенности слился, исходные записи атрибутов удаляются и создается новая запись атрибутов. Как и в случае разделения, для установки значений атрибутов новой записи можно использовать политики.

Политика слияния

эффект

Значение по умолчанию значения в новых записях являются значением по умолчанию для поля в настройках атрибутивного домена класса пространственных объектов.
Дубликат значения в новых записях копируются из родительской записи
Взвешенная геометрия числовые значения пропорциональны исходной площади или длине объекта.

Когда объекты объединяются, вам необходимо выбрать, какой объект будет устанавливать значения атрибутов для нового объекта.

Геометрия слияние идентичен тому из союз, но в этом слиянии вы можете видеть, что запись получила значения от одной из родительских функций, а не пуста, как в приведенном выше объединении.

Больше операций редактирования

Для полигональных объектов доступно еще несколько операций редактирования. Вот некоторые общие функции, используемые для иллюстрации операций. Один шейп-файл состоит из круга, перекрывающего прямоугольник.

  • Обрезать (отбрасывая пересекающуюся область): clipping удаляет область перекрытия между двумя полигонами. Многоугольник, который выбран в этот момент, действует как «резак для печенья», удаляя область из перекрывающегося (ых) многоугольника (ов). Здесь после операции обрезки прямоугольник был перемещен, чтобы показать эффект операции. Изображение слева показывает прямоугольник в качестве клипсатора, изображение справа показывает кружок в качестве клипера.

Любые изменения, внесенные в классы пространственных объектов, можно отменить, выбрав Изменить & gt Отменить из меню или с помощью комбинации клавиш & ltCTRL-Z & gt. Все изменения можно отменить до тех пор, пока не было выполнено последнее сохранение, или до создания класса пространственных объектов, если класс пространственных объектов новый и никогда не сохранялся.

Если вы закончили редактирование класса пространственных объектов, вы можете сохранить изменения. Также рекомендуется регулярно сохранять изменения в случае системных проблем. Любые сохраненные изменения записываются на диск как часть структуры класса пространственных объектов.

Вам будет предложено сохранить изменения, если вы попытаетесь остановить редактирование.

Вам также будет предложено сохранить изменения, если вы попытаетесь закрыть документ карты, открыть другой проект или закрыть ArcGIS.


Пространственная информация

Пространственное разрешение

Угловое расстояние
Единицы углового расстояния
Горизонтальное расстояние
Единицы измерения горизонтального расстояния
Вертикальное расстояние
Единицы измерения вертикального расстояния
Знаменатель эквивалентной шкалы
Уровень детализации Описание

Пространственное представление

Используется сетка? Нет
Используется векторное представление? да
Используется текстовое / табличное представление? Нет
Используется представление ИНН? Нет
Используется стереомодель? Нет
Используется видео-представление? Нет

Представление в сетке

Размер оси

Размер оси

Векторное представление

Уровень топологии
Сложный объект присутствует?
Счетчик сложных объектов
Составной объект присутствует?
Количество составных объектов
Кривой объект присутствует?
Количество объектов кривой
Точечный объект присутствует? Нет
Счетчик точечных объектов
Твердый объект присутствует?
Количество твердых объектов
Присутствует поверхностный объект?
Количество объектов на поверхности

Векторное представление

Уровень топологии
Сложный объект присутствует?
Счетчик сложных объектов
Составной объект присутствует?
Количество составных объектов
Кривой объект присутствует?
Количество объектов кривой
Точечный объект присутствует?
Счетчик точечных объектов
Твердый объект присутствует?
Количество твердых объектов
Присутствует поверхностный объект?
Количество объектов на поверхности

Справочные системы

Справочная система

Горизонтальное разрешение

Вертикальное разрешение


Модель растровых данных - широко используемый метод хранения географических данных. Модель чаще всего имеет форму сетчатой ​​структуры, которая содержит значения через регулярные интервалы по экстенту растра. Растры особенно хорошо подходят для хранения непрерывных данных, таких как значения температуры и высоты, но также могут содержать дискретные и категориальные данные, такие как землепользование. Разрешение растра задается в линейных единицах (например, метрах) или угловых единицах (например, одна угловая секунда) и определяет протяженность вдоль одной стороны ячейки сетки. Растры с высоким (или высоким) разрешением имеют сравнительно меньший интервал и больше ячеек сетки, чем растры с низким (или грубым) разрешением, и требуют относительно большего объема памяти для хранения. Активные исследования в этой области направлены на улучшение схем сжатия и реализации для альтернативных форм ячеек (например, шестиугольников), а также на улучшение поддержки функций хранения и анализа растров с разными разрешениями.

Пингель, Т. (2018). Модель растровых данных. Свод знаний по географической информатике и технологиям (Издание 3-го квартала 2018 г.), Джон П. Уилсон (ред.). DOI: 10.22224 / gistbok / 2018.3.11

Эта версия была опубликована 2 июля 2018 г.

Эта тема также доступна в следующих изданиях: DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B., and Wentz, E. (2006). Растровая модель. Свод знаний по географической информатике и технологиям. Вашингтон, округ Колумбия: Ассоциация американских географов. (2 квартал 2016 г., первое цифровое издание).

2.5D: Система записи значений на растре, в которой каждая ячейка сетки имеет одно и только одно z-значение.

непрерывные данные: Данные, подобные полям, в которых значения присутствуют в любой точке пространственного экстента, например, высота или температура.

цифровая модель рельефа (ЦМР): Модель данных, используемая для обработки, хранения, анализа и отображения данных о высоте.

цифровая модель поверхности (DSM): Тип матрицы высот, которая представляет максимальное значение в ячейке сетки, таким образом регистрируя вершины зданий, деревьев и других объектов.

цифровая модель местности (ЦМР): Тип ЦМР, предназначенный для представления идеализированной поверхности земли, где объекты поверхности (здания, деревья и т. Д.) Были удалены в цифровом виде.

дискретные данные: Объектно-подобные данные, в которых можно определить пространственную протяженность или границы объектов.

степень: Площадь или расстояние в реальном пространстве, на котором существует какой-либо географический объект. В картографии и ГИС размер изображения - это размер реального представляемого пространства.

формат файла: Спецификация того, как данные хранятся в компьютерном файле. Важные различия включают различия между двоичным и открытым текстовым подходами, а также между проприетарными и бесплатными и открытыми форматами.

смешанный пиксель: Условие, при котором в одной ячейке сетки присутствует более одной категории объектов.

пиксель: Портфолио «элемента изображения», наименьшей единицы растра. Иногда называется ячейкой или точкой сетки.

разрешающая способность: Степень детализации обнаруженного или отображаемого явления. Данные хранятся и отображаются с определенной степенью разрешения представления. В массивах растровых датчиков разрешение определяется размерами отдельных датчиков в наземных единицах (т. Е. Шириной одного пикселя в метрах на Земле).

Модель растровых данных, наряду с моделью векторных данных, является одной из первых и наиболее широко используемых моделей данных в географических информационных системах (Tomlin, 1990, Goodchild, 1992, Maguire, 1992). Обычно он используется для записи, анализа и визуализации данных непрерывного характера, таких как высота, температура или отраженное или испускаемое электромагнитное излучение. Термин «растр» произошел от немецкого слова «экран», означающего серию ортогонально ориентированных параллельных линий. Его происхождение как описания изображений происходит от рисунка, выполненного электронными лучами на экранах электронно-лучевой трубки (ЭЛТ) на заре аналогового телевидения, и впоследствии метафора была распространена и на цифровые изображения. Цифровые растры чаще всего представляют собой сетку с регулярными интервалами, состоящую из строк и столбцов, где каждый элемент называется ячейкой, пикселем или точкой сетки. Растр иногда называют изображением, массивом, поверхностью, матрицей или решеткой (Wise, 2000). Ячейки растра чаще всего квадратные, но могут быть прямоугольными (с разным разрешением в направлениях x и y) или другими формами, которые можно разбить на мозаику, например треугольниками и шестиугольниками (рис. 1 Peuquet, 1984).

Рис. 1. Тесселяции треугольников, квадратов и шестиугольников, которые можно использовать в качестве основы для формы ячеек в растровой модели.

Размер или протяженность каждой ячейки указывает разрешение растра и указывается в линейных единицах расстояния (например, количество футов, метров, километров вдоль одной стороны ячейки) или в градусах или долях градусов широты и долготы. (например, одна угловая секунда или одна треть угловой секунды). Разрешение растра - это один из компонентов, который диктует требования к памяти для него, при этом более высокое разрешение требует больше места в памяти. Количество ячеек в растре увеличивается квадратично по мере увеличения разрешения: удвоение разрешения растра уменьшает линейное расстояние ячейки наполовину (например, перемещение от ячейки 2 м к ячейке 1 м), но увеличивает количество ячеек в четыре раза (удвоение количества ячеек в двух направлениях). На рисунке 2 показано влияние увеличения разрешения на цифровую модель рельефа (ЦМР).

Рис. 2. Цифровая модель рельефа (DEM) с разрешением 30 м (слева), 10 м (в центре) и разрешением 3,3 м (справа).

В наиболее распространенном случае, когда пиксели представляют 2D-область, пиксели можно рассматривать как «ячейку», где значение пикселя представляет собой сводную статистику (например, среднее, медианное, стандартное отклонение) всех значений поля в пределах границы пикселя. Напротив, пиксели могут представлять значение в точном центре сетки, что иногда называют сеткой (Briese, 2010) или растром решетчатого типа (Wise, 2000).

Растры чаще всего используются для представления непрерывных данных, поскольку они позволяют более эффективно хранить значения, чем эквивалентная система векторной или точечной решетки при обычно требуемых плотностях точек. Это связано с тем, что координаты сохраняются неявно как позиция в таблице данных, а не явно (как координаты). Однако растры также часто используются для представления категориальных (например, землепользование) или дискретных данных. В этих случаях область, соответствующая ячейке растра, может быть смешана с более чем одной категорией, присутствующей в пикселе. Например, ячейка сетки с разрешением 100 метров может использоваться как в жилых, так и в промышленных целях. Существует несколько общих стратегий решения проблемы смешанных пикселей, в том числе (а) большинство выигрывает или победитель получает все, (б) использование отдельной категории для конкретного указания смешанного пикселя, (в) использование значения, ближайшего к центр ячейки, или (d) присвоение порогового процента для данной категории (например, если по крайней мере 25% площади в пределах пикселя - вода, она будет записана как вода).Рисунок 3 иллюстрирует проблему смешанных пикселей путем наложения обозначений земного покрова с относительно грубым (30 м) разрешением на цифровую модель поверхности (DSM) с относительно высоким разрешением (1 м), показывающую здания, дороги, деревья и другие мелкомасштабные объекты, из которых обозначения земного покрова.

Рис. 3. Растр Национальной базы данных о земном покрове (30 м), наложенный на цифровую модель поверхности, полученную с помощью лидара (1 м), с закрашенным наклоном, что подчеркивает проблему смешанных пикселей.

Растры чаще всего распространяются и используются либо как одиночные, 2.5D-поверхности с одним значением данных на ячейку (например, высота), либо как изображения с несколькими полосами. Примером последнего типа является ортоизображение с красным, зеленым, синим, ближним инфракрасным и, возможно, многими другими слоями, встроенными в тот же растр. В таких случаях представление растра часто включает привязку каждой полосы к красному, зеленому или синему (RGB) каналу визуализации. Растры также могут многомерно расширять структуру сетки для формирования кубов (или вокселей) или гиперпространственных эквивалентов, которые могут представлять объем пространства, времени, пространства атрибутов или любую их комбинацию. Значения индекса также могут использоваться вместо измерений для связи с информацией о внешних атрибутах, хранящейся во внешней системе управления базами данных (СУБД) через таблицы поиска. Примером этого является работа Томлина (1990) над моделью MAP.

Модель растровых данных широко используется для кодирования данных ГИС. Примеры включают:

  • Цифровые модели рельефа (ЦМР), такие как Глобальная модель рельефа ETOPO1.
  • Визуализации и продукты на основе высот (Kennelly, 2017).
  • Данные дистанционного зондирования, включая аэрофотоснимки и радиолокационные изображения.
  • Метеорологические переменные, такие как температура и осадки, интерполированные из точечных источников.
  • Категориальные растры, такие как Национальная база данных о земном покрове.
  • Набор данных о населении мира с координатной сеткой, в котором значения сетки, первоначально записанные через административные единицы.
  • Цифровые сканы исторических карт.
  • Экспортируемые картографические продукты, такие как топографические карты Digital Raster Graphic.
  • Модели клеточных автоматов, такие как SLEUTH (Chaudhuri and Clarke, 2013).

Растры записывают одно или несколько значений в каждой точке сетки. Значения сетки могут быть очень просто записаны построчно, начиная с верхнего левого угла, точно так же, как текст пишется на английском языке. Для повышения эффективности могут использоваться альтернативные системы упорядочения, в том числе методы простейших строк, методы Мортона или Пеано-Гильберта. Требования к памяти для растров зависят от типа записываемых данных (например, логические, целые, плавающие или строковые), разрешения и пространственной протяженности растра, а также от любого сжатия, применяемого к изображению. Сжатие может использоваться для использования повторения или избыточности данных для уменьшения общих требований к хранилищу, и для этого доступно множество схем, включая цепные коды, блочные коды, коды длин серий и квадродеревья.

Растры можно хранить в любом количестве форматов или контейнеров. Обычно они сохраняются в двоичном формате для повышения эффективности, но форматы открытого текста не редкость, и ESRI ArcInfo ASCII Grid, возможно, наиболее широко используется из этого типа. Двоичные растровые форматы слишком многочисленны, чтобы их можно было перечислить исчерпывающе, и читатель может пожелать обратиться к проекту библиотеки абстракции геопространственных данных (GDAL), чтобы получить список из 154 читаемых форматов. Многие форматы, изначально разработанные для фотографических изображений, использовались в качестве растровых контейнеров, включая JPG, JPEG 2000, PNG и TIFF. Их преимущество заключается в простом перемещении растровых данных в системы обработки данных, не относящиеся к ГИС, и из них. Точно так же многие растровые форматы были разработаны специально для геоданных, в том числе ArcGRID от ESRI, Imagine от Erdas и MrSID. NetCDF был разработан Unidata в качестве контейнера для многих типов научных данных на основе массивов и обычно используется для растровых геоданных в атмосферных науках, где желательно хранить несколько слоев данных покрытия временных рядов в одном файле.

Почти все контейнеры имеют механизм сжатия данных для уменьшения размеров файлов, но различаются по степени, в которой они допускают сжатие без потерь (или с потерями). В некоторых случаях некоторое снижение точности данных может не сильно снизить ценность набора данных, например, цифровые ортофотопланы были широко распространены в контейнере JPEG, даже несмотря на то, что некоторые - часто незаметные - потери данных будут происходить в процессе кодирования данных. для хранения. В других случаях (например, в цифровых моделях рельефа) точная точность данных считается более важной, и поэтому они часто распространяются в форматах, поддерживающих сжатие без потерь (например, GeoTIFF). Форматы часто различаются типами данных, которые они могут хранить. Например, PNG могут содержать только целочисленные данные с максимум четырьмя полосами, в то время как TIFF могут содержать данные с плавающей запятой и большее количество полос. Последний формат BigTIFF расширяет возможности формата TIFF, позволяя использовать файлы гораздо большего размера (более 4 гигабайт). Контейнеры на основе изображений также оказались популярными, потому что они легче взаимодействуют с программным обеспечением, не связанным с ГИС. Проприетарные форматы хранения (например, MrSID) часто имеют более высокую степень сжатия, но проблемы с документацией, долговечностью и совместимостью побудили к разработке ряда эффективных открытых / непатентованных альтернатив (например, JPG 2000).

Информация пространственной привязки для растровых изображений встраивается либо непосредственно в заголовок файла контейнера, либо через вспомогательные файлы, которые распространяются вместе с растром. Файл мира является распространенным примером последнего подхода, где отдельный файл с открытым текстом описывает положение в географическом пространстве центра левого верхнего пикселя, а также разрешение растра по осям x и y. Сжатие растров достигается с помощью одного из нескольких подходов, включая длину серии (Holroyd and Bell, 1992), цепочку (Freeman, 1974, alik et al., 2015), блок, квадродерево (Finkel and Bentley, 1974, Mark and Lauzon, 1984). Samet, 1984, Martin, 1992) и вейвлет-методы.

Модель растровых данных часто противопоставляется модели векторных данных. Оба очень полезны, и выбор модели, которая работает лучше, полностью зависит от задачи. Модели растровых данных превосходны в тех случаях, когда сами базовые данные являются непрерывными по своей природе, поскольку есть значительный выигрыш в эффективности хранения и индексации благодаря регулярному пространственному шаблону сетки. Регуляризованный шаблон аналогичным образом сокращает время арифметических вычислений между несколькими растровыми слоями и сокращает время, необходимое для таких операций, как пространственная интерполяция пропущенных значений или повторная выборка. Поскольку растровые слои можно интерпретировать как двоичные или полутоновые изображения, многие операции, изначально разработанные для компьютерного зрения, можно легко применить к задачам классификации или машинного обучения.

У растров есть и ряд недостатков. Многие контейнеры поддерживают только один уровень разрешения, хотя построение пирамид вспомогательных изображений может уменьшить влияние этого на визуализацию. Многие новые форматы хранения растров, в том числе MrSID и JPEG 2000, изначально имеют возможность хранения данных с несколькими разрешениями, что делает возможной обработку анализа уровня детализации в поддерживающем ее программном обеспечении. Еще одно ограничение растровых форматов состоит в том, что перепроецирование и / или повторная выборка обычно приводят к различной степени ухудшения качества данных. По этой причине рекомендуется, чтобы растры проецировались и / или пересчитывались из исходного источника, а не последовательно. Растры с грубым разрешением относительно объектов или атрибутов, которые они представляют, могут привести к появлению «блочного» вида данных. Повышение разрешения не может полностью решить эту проблему как по практическим, так и по теоретическим причинам, поскольку повышенное разрешение предъявляет более высокие требования к памяти, хранилищу и вычислительной мощности (Fisher, 1997). Кроме того, этот подход почти всегда дает меньшие, но все же смешанные пиксели по краю объекта, что приводит к такому же «блочному» виду, если пользователь увеличивает масштаб изображения достаточно далеко.

Растровые ячейки обычно считаются топологически связанными со своими соседями справа, слева, сверху и снизу, но также могут быть связаны с соседями по диагонали (или дальше). Топологические соединения могут быть очень важны, когда растры используются в моделировании, например, при определении пути с наименьшей стоимостью. В этом контексте преобразование векторных объектов (например, линий, представляющих дорожную сеть) может привести к ошибкам в растровом анализе, если либо дополнительные ячейки сетки включены неправильно, либо ячейкам сетки во время преобразования присвоены неправильные значения.

Бризе, К. (2010). Извлечение цифровых моделей местности. В G. Vosselman и H-G. Маас (ред.), Воздушное и наземное лазерное сканирование (стр. 135-167). Данбит, Шотландия: Whittles Publishing.

Чаудхури, Г., и Кларк, К. (2013). Модель изменения землепользования SLEUTH: обзор. Исследование экологических ресурсов, 1(1), 88-105. DOI: 10.22069 / IJERR.2013.1688

Финкель Р. А. и Бентли Дж. Л. (1974). Квадратные деревья - это структура данных для поиска по составным ключам. Acta informatica, 4(1), 1-9. DOI: 10.1007 / BF00288933

Фишер, П. (1997). Пиксель: ловушка и заблуждение. Международный журнал дистанционного зондирования, 18(3), 679-685. DOI: 10.1080 / 014311697219015

Фриман, Х. (1974). Компьютерная обработка штриховых изображений. Компьютерные исследования, 6, 54-97. DOI: 10.1145 / 356625.356627

Гудчайлд, М.Ф. (1992). Моделирование географических данных. Компьютеры и геонауки, 18(4), 401-408. DOI: 10.1016 / 0098-3004 (92) 90069-4

Холройд Ф. и Белл С. Б. М. (1992). Растровая ГИС: Модели растрового кодирования. Компьютеры и науки о Земле, 18(4), 419-426. DOI: 10.1016 / 0098-3004 (92) 90071-X

Кеннелли, П. (2017). Представление местности. Свод знаний по географической информатике и технологиям (Издание за 4 квартал 2017 г.), Джон П. Уилсон (ред.). DOI: 10.22224 / gistbok / 2017.4.9

Магуайр, Д. Дж. (1992). Растровая модель проектирования ГИС - Профиль ERDAS. Компьютеры и науки о Земле, 18(4), 463-470. DOI: 10.1016 / 0098-3004 (92) 90076-4

Марк Д. М. и Лаузон Дж. П. (1984). Линейные квадродеревья для географических информационных систем. В Труды симпозиума МГС по обработке пространственных данных, 20-24 августа, Цюрих, стр. 412-431.

Мартин, Дж. Дж. (1992). Организация географических данных с помощью квадродеревьев и аппроксимации методом наименьших квадратов. В Труды симпозиума по распознаванию образов и обработке изображений (PRIP), Лас-Вегас, Невада. IEEE Computer Society, стр. 458-465.

Пойкер Т. К. и Крисман Н. (1975). Картографические структуры данных. Американский картограф, 2(1), 55-69. DOI: https://doi.org/10.1559/152304075784447289

Пёке, Д. Дж. (1984). Концептуальная основа и сравнение моделей пространственных данных. Картографика, 21(4), 66-113. DOI: 10.1002 / 9780470669488.ch12

Самет, Х. (1984). Квадратное дерево и связанные иерархические структуры данных. Исследования ACM Computing (CSUR), 16(2): 187-260. DOI: 10.1145 / 356924.356930

Томлин, К. Д. (1990). Географические информационные системы и картографическое моделирование. Энглвуд Клиффс, Нью-Джерси: Prentice Hall.

Мудрый, С. (2000). Моделирование данных ГИС - уроки анализа ЦМР. Международный журнал географической информатики, 14(4), 313-318. DOI: 10.1080 / 13658810050024250


Свойства данных - это характеристики систем и значений атрибутов ГИС, дизайн и формат которых влияют на аналитическую и вычислительную обработку. Геопространственные данные выражаются на концептуальном, логическом и физическом уровнях абстракции базы данных, предназначенной для представления географической информации. Соответствующий дизайн систем атрибутов и выбор свойств должны быть логически последовательными и поддерживать соответствующие шкалы измерения для представления и анализа. Геопространственные концепции, такие как виды объектных полей и пространственное пространство для взаимосвязи объектов и качеств, образуют модели данных, основанные на географической матрице и геометрии объектов. Описываются три подхода к ГИС и их система атрибутов: мозаика, векторы и графики.

Варанка, Д. Э. (2021). Свойства данных. Свод знаний по географической информатике и технологиям (Издание 1-го квартала 2021 г.), Джон П. Уилсон (ред.). DOI: 10.22224 / gistbok / 2021.1.15 ..

Эта запись была опубликована 28 марта 2021 г.

Он также доступен в более ранней редакции:

ДиБиасе, Д., ДеМерс, М., Джонсон, А., Кемп, К., Лак, А. Т., Плеве, Б., и Венц, Э. (2006). Характеристики. Свод знаний по географической информатике и технологиям. Вашингтон, округ Колумбия: Ассоциация американских географов. (2 квартал 2016 г., первое цифровое издание).

Свойства объектов географических информационных систем (ГИС) относятся к характеристикам цифровых данных, которые представляют сущности и хранятся в модели базы данных. Свойства - это техническая основа для атрибутов данных ГИС, которые представляют географические характеристики или отношения, которые абстрагируются от взаимодействий с окружающей средой и моделируются в вычислительных системах. Например, десятичные градусы часто используются для географических координат, а целые числа подходят для кодирования картограмм. Комбинированная реализация компьютерных технологий и интуитивное распознавание географических характеристик способствует пониманию пространственной информации и обработке данных.

Существует множество вариантов использования терминов «свойства» и «атрибуты» в качестве структур данных в концепциях моделей и языках программирования. Иногда они используются как синонимы. Можно сделать одно различие в том, что «свойства» означают внутренние характеристики объектов ГИС, то есть характеристики, без которых объект не существовал бы, в то время как «атрибуты» - это приписываемые характеристики, изменение которых не привело бы к фундаментальному изменению объекта. Предполагаемая ментальная модель для этих терминов, используемых в этом тексте, заключается в том, что свойства, атрибуты и их системы являются конструкциями отношений между репрезентативными и семантическими элементами в базах данных, которые относятся к реальным, включая физические и концептуальные, сущности. Система атрибутов связана с представлением сущности или класса сущностей. Система свойств связана с репрезентативной сущностью или классом сущностей. Две системы объединяются. Атрибуты содержат свойства данных для их представления. Свойства - это характеристики атрибутов, и их структура расширяется до допустимых значений.

Модели данных в ГИС пытаются описать широко понятые и согласованные взгляды на мир на трех широко согласованных уровнях абстракции данных: концептуальном, логическом и физическом. Концептуальный уровень абстракции данных демонстрирует информационное содержание системы с точки зрения пользователя. Пользователь может понять, что можно сделать с поддерживаемой системой, но без указания технической реализации. Логическая абстракция концептуальной информации реализуется через дизайн базы данных. Ограничения и правила модели данных будут обобщать информацию в виде логических структур. Хранение данных определяется на физическом уровне абстракции. В этой статье рассматривается характер и значение свойств на этих уровнях, поскольку они взаимодействуют со значениями атрибутов в преобладающих геометрических моделях, используемых в ГИС, включая векторные, тесселяцию и их гибридные триангулированные нерегулярные сети (TIN). Другие логические модели ГИС, такие как объектно-ориентированные и графические, используют свойства, связанные с векторными и тесселяционными структурами.

На концептуальном уровне абстракции данных захват атрибутов окружающей среды, которые сохраняются в течение некоторого времени, создает семантическую стабильность ГИС, но осложняется различными индивидуальными восприятиями и интерпретациями. Перспективы категорий геопространственных объектов, пространственных привязок и временной изменчивости формируются по-разному благодаря вниманию к таким деталям, как географический масштаб, культурная среда пользователей и соответствующие структуры технических данных. Коммуникации между индивидуализированными точками зрения успешны, несмотря на их вариативность, потому что они основаны на определенных концепциях, которые являются универсальными, то есть широко согласованными, и потому, что контексты могут быть согласованы или связаны. Некоторые аспекты когнитивной обработки человека, участвующие в восприятии и построении мировоззрений, могут быть относительно схожими у разных людей (Peuquet, 2002). Например, категоризация - это основная конструкция человеческого мышления (Rosch 1978).

В следующих разделах обсуждаются логические и физические свойства данных, лежащих в основе атрибутов ГИС. Уровни абстракции взаимозависимы, поэтому логическую абстракцию можно рассматривать как схему, которая организует физические уровни экземпляров данных. В конце статьи приводится краткое изложение основных концепций по этим вопросам.

Логическая согласованность базы данных, шкалы измерений и типы данных оказывают значительное влияние на хранение данных, точность и вычисления для анализа. Выражение концепций в виде формальной логики может помочь избежать ошибок и противоречий в географической информации, но такая документация создается редко. Система шкал измерения Стивенса (1946) часто упоминается в науке о данных, но пространственные концепции вносят сложность за пределы этой системы. В своей роли описательных и аналитических представлений системам атрибутов может потребоваться ряд типов данных.

2.1 Логическая последовательность

Свойства данных в атрибутах ГИС поддерживают логическую целостность пространственных баз данных. Некоторые характеристики логической непротиворечивости географической информации перечислены ниже.

  • Соответствие точности модели данных реальному миру. Выбранная модель данных подходит для приложения, если структура атрибутов согласуется с важными качествами реальных сущностей, которые они описывают.
  • Согласованность типов данных. Форматы файлов и правила обработки соответствуют модели данных.
  • Согласованность позиционных данных. Позиции описываются с аналогичным диапазоном точности определения местоположения на основе обобщения данных.
  • Непротиворечивость нормальной формы базы данных. Уменьшаются нежелательные зависимости и необходимость реструктуризации, мешающие эффективному применению.

2.2 Масштаб измерения

Шкалы значений атрибутов структуры измерений и поддержки приложений данных, от простого описания до сложных статистических вычислений. Согласно системе Стивенса, номинальные данные шкалы - это значения, которые не предполагают относительного порядка и представлены именем или другим ярлыком. Номинальные данные иногда называют категориальными данными, потому что они образуют дискретные категории с небольшим перекрытием или без него. Порядковая шкала ранжирует данные в пределах диапазона, который выражает относительную степень определенных характеристик объекта. Ранжирование отражает определенный порядок нечисловых атрибутов, но значения данных не имеют единообразной количественной оценки. Данные интервальной шкалы отражают равномерное измерение относительно произвольной начальной точки. Типичный пример интервальных данных - это градусы температуры, измеренные по шкале Фаренгейта или Цельсия. Шкала измерения отношения основана на нулевом начале координат и позволяет проводить математические сравнения, например, выше или ниже, но, в частности, арифметические вычисления, например, в два раза больше, меньше половины и другие. Переменные шкалы интервальных данных поддерживают описательную статистику, такую ​​как центральная тенденция и изменчивость. Переменные масштабирования данных отношения поддерживают арифметические операции, включая умножение и деление.

Хотя система Стивенса широко применима к ГИС, пространственные данные используют дополнительные шкалы измерения данных, такие как необработанные числа, абсолютные шкалы, циклические меры, такие как углы окружности в 360 градусов, и членство в градуированных категориях, например нечеткие множества (Chrisman 2002). ). Точность пространственных масштабов должна соответствовать методу географического анализа.

2.3 Тип данных

Тип данных - это характеристика значения, которая определяет смысл и способ представления и использования данных. Тип данных предоставляет набор значений, разрешенных выражением языка программирования. Эти ограничения на значения определяют операции с данными и хранение этих значений. Большинство языков программирования поддерживают базовые типы данных, используемые в ГИС, такие как байтовые, целые числа и числа с плавающей запятой, с несколькими уровнями точности для числовых показателей и символов / строк для текстовой атрибуции. Пользовательские типы данных могут быть созданы и добавлены в программные системы. Если тип данных, используемый для пространственных целей, хранится в системе управления базами данных, их допустимые типы данных могут не совпадать в точности и должны быть сопоставлены с ближайшими доступными.

До широкого распространения цифровых вычислительных систем карты отображали свойства пространственных структур в плоской координатной сетке аналоговым способом в пределах определенных разрешений экрана и географических масштабов. Пользователи карт могли видеть формы объектов, пространственные отношения, тематические категории, аннотации и другую геопространственную информацию. Кун (2012) перечислил десять основных концептуальных уровней абстракции пространственной информации, основанных на географии и картографии, которые ГИС логически и физически структурирует и представляет, включая местоположение, окрестности, поле, объект, сеть, событие, степень детализации, точность, значение и ценность. Концепции непрерывного против дискретного и абсолютного против относительного пространства могут использоваться вместе во взаимодополняющих и взаимозависимых способах для поддержки логики пространственных концепций в рамках различных типов географического анализа.

Приняв преобладающие структуры данных, разработанные в информатике, ГИС описывает концепции и их логику, используя атрибуты и свойства для обработки пространственных данных, включая тесселяцию, реляционные таблицы, иерархические и сетевые структуры. У пространственных данных есть и другие проблемы, включая хранение и геометрическую обработку координат и определение топологии для обоснования пространственных отношений. Структура ГИС - это многомерная матрица, которая включает пространственные и непространственные атрибуты.

В этом разделе описываются две общие логические модели: мозаика, соответствующая общей географической концепции «поля», и векторные данные, которые отдают приоритет «объектным» типам представления (Couclelis 1992). После этого в разделе 3.3 описываются свойства модели данных графа для ГИС. Как векторные данные, графики напоминают сети.

3.1 Тесселяция

Тесселяции - это модели данных, которые аппроксимируют координатные сетки путем разделения непрерывной поверхности географической области на отдельные и смежные геометрические ячейки определенной базовой формы, атрибутами которых являются значения местоположения, определенные для каждой ячейки. Каждая ячейка имеет свои собственные координаты, которые могут быть плоскими или географическими, которые определены внутри сетки. Чтобы атрибуты ГИС логически напоминали реальный мир, их связанное местоположение должно соответствовать системе координат, основанной на географическом масштабе. Границы ячеек можно точно рассчитать и обобщить до геометрической формы с координатным представлением для каждой ячейки. Области внутри ячеек имеют общее значение либо местоположения, либо атрибута без внутренних деталей и контролируются разрешением тесселяции.

Тесселяция может принимать разные формы, но два наиболее распространенных типа - это растр и триангулированные нерегулярные сети (TIN). Каждая ячейка в растровом представлении имеет значение атрибута, связанное с этой ячейкой. В тесселяции TIN каждая точка треугольника имеет координаты x / y и значение высоты, и по ним можно определить наклон треугольника.

Растровые данные имеют форму прямоугольных пикселей с соответствующими значениями. Атрибуты обычно ограничиваются значениями координат местоположения и значением ячейки. Атрибуты панхроматической аэрофотосъемки включают значения оттенков серого, которые составляют визуальное представление поверхности земли. Цифровые модели высот (ЦМР) представляют собой матрицу значений высот, равномерно распределенных по растру. Многополосные спутниковые изображения - это компиляция отдельных растровых слоев со значениями, соответствующими разным длинам волн в электромагнитном спектре. Эти значения представляют собой площадную совокупную электромагнитную реакцию от мгновенного поля зрения, а не от точки датчика. Значения матрицы высот, в настоящее время (2021 г.), получаемые из данных обнаружения и определения дальности (лидар), могут быть средними значениями всех точек отражения от земли в ячейке или некоторого количества отраженных сигналов с земли со значениями, взвешенными с обратной величиной расстояния. Дополнительные атрибуты для ячеек растра можно интегрировать с помощью идентификатора, присвоенного файлу и связанного с базой данных реляционной таблицы.

Можно зарегистрировать несколько растров относительно друг друга, а значения ячеек каждого слоя можно комбинировать в качестве входных данных для операции. Вычислительная операция наложения требует, чтобы ячейки имели одинаковое разрешение, поскольку система пространственной привязки служит элементом управления для выравнивания геометрии. Если разрешение не идентично, атрибуты повторно дискретизируются для согласования друг с другом.

Из-за простой базовой организации растровых файлов данные атрибутов часто повторяются, особенно по строкам, столбцам и смежным ячейкам. Данные могут быть сжаты без потерь (без потерь) для более удобного хранения. Другой способ сэкономить память за счет агрегирования данных, имеющих одинаковые или похожие значения, - это использование иерархических структур данных рекурсивной пространственной декомпозиции. Соседние пиксели разделяются до тех пор, пока среди них не станут общими только одни и те же атрибуты (Samet, 1990).

3.1.2 Триангулированная нерегулярная сеть (TIN)

TIN образуют поверхностную структуру, устанавливая топологические отношения между набором значений точек. Точечные измерения назначаются в значимых точках, которые различаются в зависимости от характеристик элементов, образующих узлы поверхности. TIN соединяют три соседних узла ребрами, образуя смежные треугольные плоскости. Атрибуты точки TIN можно использовать для расчета градиентов уклона и размеров разреза для треугольной грани. Подобно матрице высот, каждая точка может быть связана с интерполированным значением, поскольку вся область покрыта треугольниками.

3.2 Векторные данные

Векторные данные принимают форму геометрических представлений объектно-подобных объектов, очерченных как точки, хранящиеся как часть спроецированной географической системы координат. Линии соединяют точки как визуальные векторные представления и образуют многоугольники из линий, замыкающихся в конечных точках. Поскольку координаты хранятся в виде целых чисел или значений с плавающей запятой, появление прямой линии от одной пары координат к другой зависит от соответствующего разрешения для двумерной формы сетки.

Таблицы атрибутов основаны на проектах баз данных реляционных таблиц и сочетаются с интерактивным картографическим отображением для визуализации географических данных. Реляционные таблицы - это набор записей фиксированного формата. Данные структурированы как набор однозначно идентифицированных строк со значением для каждого заголовка атрибута столбцов таблицы. Атрибуты имеют наборы доменов, которые состоят из допустимых значений с точки зрения типов данных или других ограничений для записи. Имена атрибутов в основном составляются разработчиками базы данных для нужд приложения. Таблицы могут быть объединены или связаны посредством дублирования «ключевых» полей между ними.

Сохранение объектов геометрии с географической координатой проблематично в реляционной табличной модели данных, поскольку точки связаны последовательностью. Большинство систем не позволяют значениям таблиц принимать форму списков, поэтому одна ячейка не может содержать набор или массив значений, даже если вместе они представляют геометрический объект, представляющий единый объект. Подходы, называемые расширенной реляционной или иерархической векторной моделью, используют индексирование в качестве решения. Иерархическая система привязки структурирует пространственный атрибут для привязки координат, связанных с объектом геопространственного объекта. В дополнение к их использованию для хранения координат, географические объекты, такие как многоугольники земельных участков, могут быть организованы относительно друг друга таким образом, используя уникальные идентификаторы, а не по местоположению (Lo and Yeung, 2002). Идентификаторы неявно организуют пространственную привязку для вложенных объектов, таких как земельная юрисдикция и администрация, или для кодирования демографических данных в ходе переписи путем использования таблицы поиска для извлечения информации. Такие системы индексации являются эффективным решением для хранения, поскольку коды более компактны, чем описания на естественном языке. Та же справочная таблица может использоваться для картографических стилей, таких как изменение цвета или другая операция ГИС. Геокодирование - это иерархическая система привязки, которая в основном используется для линейных объектов, таких как адреса улиц и право собственности на прилегающие участки. Этот подход должен гарантировать последовательную связь между сегментами сложных объектов и геометрией пространственных объектов с непространственными атрибутами.

Топологические пространственные отношения между объектами сохраняются для векторных данных путем определения идентификаторов объектов как значений атрибутов. Топологические значения смежных многоугольников или пересекающихся линий помогают обеспечить контроль качества данных, снизить требования к хранению данных за счет уменьшения дублирования и представляют вычисляемые пространственные отношения. Пересекающиеся геометрические объекты, необходимые для выполнения сложных пространственных операций, также нелегко адаптировать к реляционной табличной модели (Worboys, 1999), но операции реляционной алгебры над слоями и топологическими наборами возможны, включая объединение, пересечение и различие. Как и в случае операций передискретизации для разрешения растра, переупорядочение атрибутов происходит после завершения операций геометрического наложения (Tomlin, 1990). Пространственные запросы к атрибутам векторных данных поддерживаются некоторыми структурированными языками запросов, которые позволяют специфицировать определяемые пользователем типы данных, например, для геопространственных данных.

3.3 Свойства графа

Свойства модели данных графика образуют тройку в виде ребра, представляющего атрибут между двумя узлами, которые представляют экземпляры, классы или наборы экземпляров или литеральные строки. Узлы имеют любое количество свойств, которые соединяются между собой, образуя графы. Новое исследование геопространственной семантики и графов знаний направлено на разработку модели, которая отражает прикладную онтологию, свойства объекта которой являются аксиомами формальной логики, определяющими отношения между этими классами или экземплярами. Логическая аксиома свойств может поддерживать вывод или другие типы рассуждений для создания подграфа, который формирует семантику рассматриваемой сущности. Языки запросов графиков поддерживают навигацию по цепочкам свойств в дополнение к логическим операциям и сопоставлениям строк.

Свойства данных структурируют отношения между географической информацией, репрезентативными атрибутами и вычислительным хранилищем и применением этих значений. Соответствующий выбор свойств направлен на поддержание логической связи между географической информацией, моделями данных ГИС, шкалами измерений и типами данных. Атрибуты тесселяции и векторной модели данных пытаются описать реальные объекты, приближая ключевые понятия в географии. Свойства накладывают технические ограничения на эти описания, чтобы ограничить и поддержать хранение данных и аналитические функции.

Хотя в ГИС преобладают формы информатики, некоторые геопространственные концепции отличаются от этих правил. Некоторые важные концепции, которые хорошо соответствуют пространственному познанию и эффективному мышлению, - это логическая последовательность, иерархия, координатная геометрия и топология. Размерная матрица данных ГИС основана на концепциях полей и картографических представлений, образующих фон объектов и их пространственных отношений. Иерархии широко применимы к логическим структурам баз данных ГИС как подход к индексированию данных. Геометрические объекты могут быть сохранены как полностью определенные объекты или просто дуговые сегменты. Топология является индикатором правильности данных, уменьшает объем хранилища данных и поддерживает анализ смежности в ГИС. В графовых базах данных топология поддерживает вывод пространственных отношений через транзитивность.

Крисман, Н. (2002). Изучение географических информационных систем. 2-е изд. John Wiley & amp Sons, Inc.

Couclelis H. (1992) Люди манипулируют объектами (но культивируют поля): помимо споров о векторных растрах в ГИС. В: Франк А.У., Кампари И., Форментини У. (ред.) Теории и методы пространственно-временных рассуждений в географическом пространстве. Конспект лекций по информатике, том 639. Springer, Berlin, Heidelberg. DOI: 10.1007 / 3-540-55966-3_3

Кун, В. (2012). Основные концепции пространственной информации для трансдисциплинарных исследований. Международный журнал географической информатики, 26 (12), 2267-2276. DOI: 10.1080 / 13658816.2012.722637.

Ло, К. and Yeung, A.K.W. (2002). Концепции и методы географических информационных систем. Prentice-Hall, Inc. DOI: 10.1080 / 1365881031000111173.

Peuquet, D.J. (2002). Представления о пространстве и времени. Guilford Press.

Рош, Э. (1978). Принципы категоризации. В Э. Рош и Б. Б. Ллойд (ред.), Познание и категоризация (стр. 27-4 8). Холстед Пресс.

Самет, Х. (1990). Проектирование и анализ структур пространственных данных. Addison Wesley Publishing Company, Inc.


Теорема 3.2. Предположим, что u ∈ Cp + 1 (Ω) s = 1 2∞Ω ⊂ R2 и что uh ∈ Wh на квазиравномерном семействе сеток на Ω на четырехугольники. Тогда необходимо.

Значит доказано. Лемма - 2 Контрольный треугольник Ex-Touch действует как треугольник педали относительно точки Бивана и площади Ex-Touch tr.

Уравнение линзы [1] Это уравнение использовалось в анализе, чтобы определить фокусную точку используемой линзы. Это уравнение может быть получено либо с помощью geome.

Он также знакомит с идеями скользящего падения и выхода. Теория Основы дифракции рентгеновских лучей уходят корнями в понимание взаимосвязи между ge.

Это создает уравнение (x-h) 2a2- (y-k) 2b2 = 1 для горизонтальных гипербол и (y-k) 2a2 - (x-h) 2b2 = 1 для вертикальных гипербол. Гипербола - это геометрическое место точек с.

Поэтому в этом разделе используются полярные координаты для определения уравнения движения небесного тела. Вектор положения тела r определяется в файле.

Сетка на карте проекции Бонна представляет собой сложные кривые, соединяющие точки, расположенные на равном расстоянии вдоль каждой параллели и вогнутые к меридиану. Характеристики.

Наклон прямой, соединяющей точки (x2, y2) и (x3, y3), равен m2 = (y_3- y_2) / (x_3- x_2). Поскольку n1 и n2 - перпендикулярные прямые, они fo.

<& lt & gt>: Тип данных и атрибуты показывают типы данных, в которые он может конвертироваться. item extbf <& lt & gt>: Описывает начальные знания, известные хосту. Атрибуты успеха.

Морфологическая форма объекта может быть извлечена путем пересечения положительного и отрицательного распределения подокон, как показано на рисунке 8. Fi.


Методы и методы ГИС

1.06.2.1 Пространственные данные и базы данных

Пространственные базы данных, как следует из названия, - это базы данных, оптимизированные для хранения и запроса пространственных данных. В географической информатике пространственные данные можно разделить на две основные категории: векторные и растровые (Heywood and Cornelius, 2010). Векторные данные моделируют пространственные объекты с геометрией, такой как точки, линии и многоугольники, а также топологии среди них. Например, реку можно рассматривать как линию, а озеро - как многоугольник. Растровые данные представляют географические явления с сеткой многомерных дискретных значений, таких как изображения дистанционного зондирования, отсканированные топографические карты и данные цифровой модели рельефа (ЦМР). В традиционном контексте ГИС пространственные данные часто относятся к пространственным векторным данным. На более раннем этапе исследований пространственных баз данных основное внимание уделяется тому, как помещать векторные данные в базы данных, в то время как растровые данные по-прежнему хранились в виде файлов. Пространственные данные состоят из простых атрибутов, местоположений, времени и информации о топологии. Их переменная длина и неструктурированный характер затрудняют прямую обработку этих данных с помощью основных баз данных. Дополнительные важные особенности пространственных данных включают большие объемы данных, различные разнородные форматы данных и сложные процессы запроса данных. Эти функции создают некоторые проблемы для технологий баз данных. Дизайн и реализация пространственной базы данных должны соответствовать следующим требованиям:

Эта база данных может использоваться для хранения и управления данными.

Эта база данных должна изначально поддерживать пространственные типы данных в своей модели данных.

Эта база данных должна предлагать язык запросов для выполнения пространственных запросов.

Эта база данных должна предоставлять пространственные индексы для ускорения пространственных запросов.

Модели баз данных, пространственные запросы и индексы - это три важных вопроса, которые необходимо учитывать, чтобы обеспечить удовлетворительную службу пространственной базы данных. Пространственные запросы, которые выполняются для пространственных объектов, в основном включают запросы на основе местоположения, запросы на основе пространственных отношений и запросы на основе атрибутов. Первые два являются типичными пространственными запросами. Основные пространственные запросы приведены в Таблица 1 . Модели баз данных и пространственные индексы рассматриваются в следующих разделах.


Смотреть видео: Размерность суммы и пересечения подпространств