В какой ГИС цифровое представление географических объектов формируется в виде набора пикселей

Обновлено: 05.07.2024

Вторыми в нашем списке типов пространственных данных являются растровые данные. На самом деле растровые данные — это любые данные изображения на основе пикселей (например, JPG, PNG, TIFF), которые загружаются в программное обеспечение. И изображение вашего кота Могвая, и ЦМР воспринимаются программным обеспечением как растровые данные, однако то, что отличает пространственные растровые данные, — это данные, которые их сопровождают. Поскольку мы знаем, что уникальность ГИС по сравнению с бумажным картографическим анализом заключается в возможности объединять и анализировать как пространственные, так и непространственные данные, возможность присоединения числовых данных к растровым изображениям является мощным инструментом в нашем наборе инструментов ГИС.< /p>

Все цифровые изображения состоят из набора пикселей или цифровых квадратов, расположенных в виде сетки. Возможно, вы видели пиксели изображения раньше, когда пытались опубликовать изображение в своей учетной записи в социальной сети, которое когда-то было изображением небольшого размера, и вы пытаетесь отобразить его на всю страницу. Мы бы описали изображение как пикселизированное или тот факт, что пиксели изображения стали настолько большими, что единственное, что вы можете видеть, — это состав пикселей изображения, а не само изображение. Что-то вроде клише "вы не можете видеть лес из-за деревьев", означающее, что вы не можете видеть весь лес, если находитесь так близко, что можете видеть только деревья.

Рис. 3.6. Пиксельная версия Моны Лизы

На этом изображении мы можем видеть все пиксели, из которых состоит цифровая версия Моны Лизы. Обратите внимание, что все пиксели представляют собой квадраты в виде сетки.

Свойства растровых данных делают их уникальными по сравнению с векторными данными. Мы узнали, что векторные данные — это просто графическое представление объектов с использованием вершин, соединенных прямыми линиями, для очертания области (многоугольники), отметки местоположения отдельного экземпляра (точки) или трассировки вдоль линейных объектов (полилинии). Поскольку мы можем разместить вершину в программном обеспечении где угодно, для создания точек, полилиний или полигонов не существует «правил» относительно векторных данных, кроме минимума вершин. Вершины могут располагаться очень близко друг к другу или очень далеко друг от друга. Их можно свободно перемещать и удалять, а новые вершины можно добавлять к любому векторному объекту (отдельный объект, хранящийся в большом шейп-файле или классе объектов) с любым интервалом в любое время. Однако у растров очень строгие правила. Каждый пиксель имеет определенный размер как по высоте, так и по ширине, а поскольку каждый пиксель представляет собой квадрат, по умолчанию измерение от центра к центру, то есть от центра одного пикселя до центра его непосредственного соседа (по прямой линии, а не диагонали), будут равны. Вы не можете удалить пиксели, но можете скрыть их от просмотра, сделав прозрачными. Вы можете вырезать меньшие растры из больших или создать подмножество растров, или вы можете соединить два или более растров вместе, чтобы создать больший растр в процессе, называемом созданием мозаики, но это почти все. Мы можем запускать инструменты геообработки растров, создавая новые растры, исследуя свойства непространственных данных, но даже этот процесс не уничтожает и не изменяет исходный растр.

Рисунок 3.7: Свойства растра

Все растры представляют собой серию пикселей, расположенных в строках и столбцах, каждый с одинаковой высотой, шириной и расстоянием между центрами.

Прелесть этих строгих растровых правил заключается в том, что в отношении пространственных растров можно делать предположения, чего нельзя делать в отношении векторов. Поскольку каждый пиксель представляет собой идеальный квадрат, мы можем измерить расстояние на поверхности Земли, покрываемое этим растром, в основном используя край растрового пикселя в качестве линейки. Это называется пространственным разрешением растра и является одним из нескольких предположений, которые мы можем сделать. Когда мы видим изображение области в растре с пространственным разрешением 30 метров, мы точно знаем, что сторона каждого пикселя покрывает ровно 30 метров на земле. Поскольку мы знаем расстояние, которое проходит каждый пространственный растр на расстоянии одного пикселя, мы можем измерять расстояния и использовать инструменты геообработки для определения свойств распределения и отношений.

Все растры имеют прикрепленные к ним данные, такие как значения RGB или красный-зеленый-синий, которые сообщают монитору компьютера, как отображать цветное изображение. Ко многим изображениям даже прикреплены некоторые геопространственные данные, такие как изображения с геотегами в Facebook или Instagram. По тем же причинам Instagram «знает», где находится изображение в мире, геопространственные растры знают, где размещать себя в программном обеспечении ГИС — метаданные. Метаданные, как мы узнаем более подробно в восьмой главе, — это данные о данных.Любая информация о растровом или векторном файле, которая описывает файл, кто сделал снимок, где был сделан снимок, когда был сделан снимок и т. д., считается метаданными.

Несмотря на то, что изображение вашего кота технически является растром (поскольку растр – это еще одно слово, заимствованное ГИС и используемое во многих других компьютерных науках и искусствах), пространственные растры отличаются от изображения Angry Cat прикрепленным изображением. непространственные данные. Метаданные, данные о данных, зарезервированы больше для фактов об изображении, а не для данных, связанных с изображением. В дополнение к значениям RGB, как и все растры, геопространственные растры имеют «супергеотеги», означающие, что каждый пиксель «знает», где именно в мире он находится. Каждый угол каждого пикселя имеет сохраненную пару географических или проекционных координат, что делает изображение географически привязанным или определяет и хранит очень конкретные данные о местоположении изображения.

Но непространственные данные для растров не ограничиваются указанием точного местоположения, а включают в себя целый массив информации, например среднюю высоту места на Земле, отображаемую в каждом пикселе (иногда называемом ячейкой), информация о том, что живет или построено на поверхности Земли в пределах этого пикселя, или классифицированная информация о том, что представляет собой пиксель.

3.3.2: Классификация растров

Несмотря на то, что многие растры являются изображениями, иногда мы можем использовать классификационные растры или растры, состоящие из целочисленных значений, которые вместо фактического захваченного изображения того, что находится на поверхности Земли, показывают раскрашенное изображение того, что находится на поверхности Земли. пиксель представляет. Чтобы классифицировать изображение, программное обеспечение учитывает атрибуты, такие как вода, земля, здание и т. д., а затем решает, какую часть ячейки занимает этот элемент. Если это смешанный пиксель или пиксель, в котором есть два или более элемента, программное обеспечение будет использовать процесс принятия решения, чтобы решить, что классифицировать или «назвать» ячейку. Например, если ячейка на 50 % или более состоит из воды, инструмент классифицирует ее как воду.

ГИС 101 действительно фокусируется на изучении программного обеспечения ГИС с использованием векторных данных, но важно понимать свойства растровых данных.

Рисунок 3.8. Классификация растровых изображений
		< br />	< /td>
Спутниковое изображение береговой линии	Результат классификации	Результат классификации крупным планом	Открытые растровые значения

3.3.3: Распознавание растровых данных

В векторном разделе чтения мы отметили, что когда мы смотрим на пространственные данные в ГИС, значки файлов, связанные с каждым векторным файлом, являются ключом к распознаванию типа геометрии (на основе оформления значка). ) и является ли файл шейп-файлом или классом объектов (зеленый или синий). Растровые данные ничем не отличаются: программное обеспечение предоставляет нам значки файлов, чтобы определить, является ли файл растровым файлом и где растр хранится.

И для растров, хранящихся в базе геоданных, и для растров, хранящихся в папке, значок один и тот же — небольшая сетка с двенадцатью «пикселями». Просто небольшое представление базовой растровой структуры. Помните, что все эти значки файлов можно найти на странице значков файлов в вики (кнопка ссылки на верхней панели инструментов).

Рисунок 3.9: Растровые значки в программном обеспечении ArcGIS

Растровые изображения, хранящиеся в базе геоданных, имеют синий значок, похожий на растровую структуру.	Растровые изображения, хранящиеся в папках, имеют желтый значок файла с той же структурой значка, что и значок растра базы геоданных.

3.3.4: Типы растров

Растр классификации часто имеет очень конкретные названия, такие как "Цифровые модели рельефа (ЦМР)", "Землепользование", "Землепокров", "Отмывка", "Уклон" или "Экспозиция", в зависимости от кодированного значения. показывает. Коды землепользования обычно относятся к тому, для чего используется территория — городская, сельскохозяйственная, лесная и т. д., в то время как коды земельного покрова обычно относятся к составу пикселя, например вода, снег, урожай, трава и т. д.Растры экспозиций и уклонов используют цветные значения, чтобы указать направление склона горы и крутизну местности соответственно.

Растры цифровой модели рельефа (ЦМР)

Цифровые модели высот или ЦМР — это частный случай классификационного растра. Эти растровые файлы содержат довольно подробную информацию об изменениях высот ландшафта. ЦМР Каждый пиксель, будь то 1, 10 или 30 метров (распространенные размеры ЦМР) хранит среднюю высоту для соответствующего квадрата на поверхности Земли. Как видите, чем выше пространственное разрешение или площадь земли, покрываемая одним пикселем, тем точнее данные о высоте. Но, как вы можете себе представить, чем выше пространственное разрешение, тем больше данных требуется для хранения этой информации и, следовательно, тем больше объем запоминающего устройства или тем больше времени требуется для загрузки.

ArcGIS может обрабатывать ЦМР любого пространственного разрешения, просто регулируя точность результирующего контурного слоя в соответствии с качеством входных данных. Однако в большинстве случаев 30-метровых данных ЦМР более чем достаточно для создания и анализа пространственных задач.

Рисунок 3.10: Цифровая модель рельефа (ЦМР)

Цифровая модель рельефа представляет собой растр, хранит данные о высоте. Из высоты, наклона, экспозиций и горизонталей можно вывести математически.

Растровые отмывки и затененные рельефы

Обычным продуктом инструмента геообработки, используемого в ЦМР, являются затененные рельефы или отмывки холмов, которые являются визуальным представлением ЦМР, если на него светит солнце, затеняя местность, обращенную в сторону от солнца, и выделяя участки местности. перед ним. Оттенки холмов чаще всего используются в качестве базовых карт, изображений, которые служат фоном для векторных и других растровых данных и обычно не имеют другого применения. По сути, это один и тот же продукт, только в одном используются оттенки серого, а в другом оттенки красного, зеленого и желтого.

Рисунок 3.11: Отмывка и затененные рельефы

Отмывки выражают рельеф топографическая поверхность в 2D-изображении, имеющая трехмерный вид с использованием оттенков серого.	Затененные рельефы выражают тот же рельеф с помощью цвета.

Растры уклона и экспозиций

Двумя последними распространенными слоями, созданными из ЦМР, являются слои уклона и экспозиций. Из значений высот, хранящихся в ЦМР, можно получить уклон и экспозицию. Уклон - это то, насколько крутым является уклон топографической поверхности на определенной территории, а экспозиция - это кардинальное направление склона. Программное обеспечение проверяет значения высоты и вычисляет наклон и экспозицию на основе увеличения или уменьшения значения от одного пикселя до всех восьми его соседей. Если есть большое снижение, наклон меняется быстро; если есть небольшое снижение, наклон изменяется постепенно. Основываясь на том, где пиксели показывают восходящий и нисходящий уклоны, программное обеспечение может рассчитать, в каком направлении сторон (С, СВ, В, ЮВ, Ю, ЮЗ, З, СЗ) обращен каждый склон. Инструменты наклона и экспозиций в ArcGIS используют эти данные для создания новых выходных слоев, окрашенных для представления этих данных в понятном и осмысленном виде.

Рисунок 3.12: Слои уклона и экспозиции

Уклон — это уклон топографической поверхности.	Аспект — это основное направление уклона. Оба слоя рассчитываются программным обеспечением ГИС математически с использованием значений высот, хранящихся в ЦМР.

3.3.4: Растровые пирамиды

Когда вы загружаете растровые данные в ArcGIS, возникает вопрос, хотите ли вы, чтобы они «строили растровые пирамиды». Хорошо, да, звучит здорово, ArcGIS, но что такое растровая пирамида?

Растровые пирамиды – это несколько версий исходных данных с уменьшенным разрешением с повторной выборкой, которые позволяют работать с растровыми данными быстрее, поскольку при уменьшении масштаба отображаются только изображения с низким разрешением (больше расстояние от земли на край пикселя), а изображение с более высоким разрешением при увеличении.

Преимущество растровых пирамид заключается в сокращении времени прорисовки. Когда программному обеспечению не нужно рисовать изображения с мелкими деталями при уменьшении масштаба, программное обеспечение просто работает быстрее в целом.Вспомните времена коммутируемого доступа, когда ваша тетя отправляла по электронной почте изображение, и вам приходилось ждать пять минут, пока оно загружалось по этому молниеносному соединению. Программное обеспечение ГИС обрабатывает растровые изображения почти таким же образом, где мы можем приравнять медленное соединение для передачи данных к изображениям ГИС с высоким разрешением. Растровые пирамиды передискретизируют и сохраняют несколько изображений; каждый из них будет рисовать на скорости кабельного интернета для различных уровней масштабирования — мелкие детали для низкого уровня масштабирования (очень близко) и детали курса для высокого уровня масштабирования (очень далеко).

Растровые пирамиды хранятся в формате MXD (специальный формат сохранения ArcMap, создающий документ проекта карты) для исключительного использования скорости прорисовки только в этом проекте и недоступны для использования каким-либо образом.

Наблюдения за

пространственными данными сосредоточены на местоположениях.

Каждый дом, каждое дерево, каждый город имеют свои уникальные координаты широты и долготы.

Двумя основными типами пространственных данных в ГИС являются векторные и растровые данные. Но в чем разница между растровыми и векторными данными?

Когда нам следует использовать растровые и когда мы должны использовать векторные объекты? Узнайте больше о широко используемых моделях пространственных данных.

Векторные модели представляют собой точки, линии и полигоны

Векторные данные не состоят из сетки пикселей. Вместо этого векторная графика состоит из вершин и путей.

Три основных типа символов для векторных данных – это точки, линии и многоугольники (площади). Поскольку картографы используют эти символы для обозначения объектов реального мира на картах, им часто приходится принимать решения, исходя из уровня детализации карты.

Точки — это координаты XY

Векторные точки — это просто координаты XY. Как правило, это широта и долгота с пространственной системой отсчета.

Когда объекты слишком малы для представления в виде полигонов, используются точки. Например, вы не можете видеть линии границ города в глобальном масштабе. В этом случае карты часто используют точки для отображения городов.

Линии соединяют вершины

Векторные линии соединяют каждую вершину путями. По сути, вы соединяете точки в заданном порядке, и получается векторная линия, каждая точка которой представляет собой вершину.

Линии обычно представляют линейные объекты. Например, на картах реки, дороги и трубопроводы отображаются в виде векторных линий. Зачастую на оживленных автомагистралях линии толще, чем на заброшенных дорогах.

С другой стороны, сети представляют собой линейные наборы данных, но их часто считают разными. Это связано с тем, что линейные сети являются топологически связанными элементами. Они состоят из перекрестков и поворотов, соединенных между собой.

Если бы вам нужно было найти оптимальный маршрут, используя сеть транспортных линий, он следовал бы установленным правилам. Например, он может ограничивать повороты и движение на улицах с односторонним движением.

Многоугольники соединяют вершины и замыкают путь

Когда вы соединяете набор вершин в определенном порядке и закрываете его, теперь это объект векторного полигона. При создании многоугольника первая и последняя пары координат совпадают.

Картографы используют многоугольники для обозначения границ, и все они имеют площадь. Например, площадь здания измеряется в квадратных футах, а площади сельскохозяйственных угодий — в акрах.

Типы растров: дискретные и непрерывные

Растровые данные состоят из пикселей (также называемых ячейками сетки). Обычно они расположены на равных расстояниях и имеют квадратную форму, но это не обязательно. Растры часто выглядят пикселизированными, потому что каждый пиксель имеет свое значение или класс.

Например:

Каждое значение пикселя на спутниковом изображении имеет значение красного, зеленого и синего цветов. Кроме того, каждое значение на карте высот представляет определенную высоту. Это может быть что угодно, от дождя до растительного покрова.

Растровые модели удобны для хранения постоянно меняющихся данных. Например, возвышения, температура и загрязнение свинцом.

Модели растровых данных состоят из 2 категорий — дискретных и непрерывных.

Дискретные растры имеют разные значения

Дискретные растры имеют отдельные темы или категории.Например, одна ячейка сетки представляет класс земного покрова или тип почвы.

На дискретной растровой карте земельного покрова/использования можно различать каждый тематический класс. Каждый класс можно дискретно определить, где он начинается и заканчивается. Другими словами, каждая ячейка земного покрова может быть определена, и она заполняет всю площадь ячейки.

Дискретные данные обычно состоят из целых чисел для представления классов. Например, значение 1 может обозначать городские районы, значение 2 — лес и т. д.

Непрерывные растры имеют постепенное изменение

Непрерывные растры (недискретные) представляют собой ячейки сетки с постепенно изменяющимися данными, такими как высота, температура или аэрофотоснимок.

Непрерывная растровая поверхность может быть получена из фиксированной точки регистрации. Например, цифровые модели высот используют уровень моря в качестве точки регистрации. Каждая ячейка представляет значение выше или ниже уровня моря. В качестве другого примера, значения ячеек аспекта имеют фиксированные направления, такие как север, восток, юг или запад.

Явления могут постепенно меняться на непрерывном растре из определенного источника. Растр, изображающий разлив нефти, может показать, как жидкость переходит от высокой концентрации к низкой концентрации. В источнике разлива концентрация выше и рассеивается наружу с уменьшающимися значениями в зависимости от расстояния.

Преимущества и недостатки векторных данных

Каковы преимущества использования векторных данных?

Поскольку векторные данные имеют вершины и пути, это означает, что графический вывод, как правило, более эстетичен. Кроме того, это обеспечивает более высокую географическую точность, поскольку данные не зависят от размера сетки.

Правила топологии могут способствовать обеспечению целостности данных с векторными моделями данных. Мало того, в сетевом анализе и операциях близости используются векторные структуры данных.

Каковы недостатки использования векторных данных?

Непрерывные данные плохо хранятся и отображаются в виде векторов. Если вы хотите отображать непрерывные данные в виде вектора, потребуется существенное обобщение.

Хотя топология удобна для векторных данных, она часто требует интенсивной обработки. Любые изменения объектов требуют обновлений топологии. Алгоритмы манипулирования векторами сложны из-за большого количества функций.

Знаете ли вы?

Модель данных спагетти

Модель данных спагетти была одной из первых концептуальных моделей, добавляющих структуру объектам в ГИС. Это была простая модель ГИС, в которой линии могут пересекаться, не пересекаясь, а топология не имеет атрибутов.

Каковы преимущества растра?

Формат растровой сетки — это модель данных для спутниковых данных и других данных дистанционного зондирования. Для растровых позиций понять размер ячейки просто.

Алгебра карт с растровыми данными обычно выполняется быстро и легко. В целом, количественный анализ с дискретными или непрерывными растрами интуитивно понятен.

Каковы недостатки растра?

Поскольку размер ячейки влияет на качество графики, она может иметь пиксельный вид. Например, линейные объекты и пути трудно отобразить.

Вы не можете создавать наборы сетевых данных или применять правила топологии к растрам. Кроме того, у вас нет гибкости с таблицами атрибутов растровых данных.

Наборы растровых данных могут стать потенциально очень большими, поскольку они записывают значения для каждой ячейки изображения. По мере увеличения разрешения размер ячейки уменьшается. Но за это приходится платить скоростью обработки и хранения данных.

Вектор и растр: типы пространственных данных

Не всегда просто определить, какой тип пространственных данных использовать для своих карт.

В конце концов, все сводится к тому, как картограф представляет объект на своей карте.

Вы хотите работать с пикселями или координатами? Растровые данные работают с пикселями. Векторные данные состоят из координат.
Какой у вас масштаб карты? Векторы могут масштабировать объекты до размеров рекламного щита. Но вы не получаете такой гибкости с растровыми данными
Есть ли у вас ограничения на размер файла? Размер растрового файла может оказаться больше по сравнению с наборами векторных данных с тем же явлением и площадью.

Есть некоторые функции, о которых вам нужно подумать на этапе проектирования данных и концептуализации.

Пространственные структуры данных

Типы пространственных данных предоставляют информацию, которая требуется компьютеру для восстановления пространственных данных в цифровой форме.

В растровом мире у нас есть ячейки сетки, представляющие объекты реального мира. В векторном мире у нас есть точки, линии и многоугольники, состоящие из вершин и путей.

Модель растровых данных широко используется в приложениях, выходящих далеко за рамки географических информационных систем (ГИС). Скорее всего, вы уже хорошо знакомы с этой моделью данных, если у вас есть опыт работы с цифровыми фотографиями. Повсеместно распространенные форматы файлов JPEG, BMP и TIFF (среди прочих) основаны на модели растровых данных (см. главу 5 «Управление геопространственными данными», раздел 5.3 «Форматы файлов»). Найдите минутку, чтобы просмотреть свое любимое цифровое изображение. Если вы сильно увеличите изображение, вы заметите, что оно состоит из массива крошечных квадратных пикселей (или элементов изображения). Каждый из этих пикселов уникального цвета, если рассматривать их как единое целое, объединяется в единое изображение (рис. 4.1 «Цифровое изображение с увеличенной вставкой, показывающей пикселизацию растрового изображения»).

Рисунок 4.1 Цифровое изображение с увеличенной вставкой, показывающей пикселизацию растрового изображения

Кроме того, все жидкокристаллические (ЖК) компьютерные мониторы основаны на растровой технологии, поскольку они состоят из заданного количества строк и столбцов пикселей. Примечательно, что эта технология появилась почти на столетие раньше, чем компьютеры и цифровые камеры. Художник-неоимпрессионист Жорж Сёра в 1880-х годах разработал технику живописи, известную как «пуантилизм», которая также основана на накоплении маленьких монохромных «точек» чернил, которые объединяются, чтобы сформировать более крупное изображение (рис. 4.2 «Пуантилистское произведение»). ). Если вы так же щедры, как автор, вы действительно можете думать о созданных вами наборах растровых данных как о возвышенных произведениях искусства.

Рисунок 4.2. Художественное произведение пуантилистов

Модель растровых данных состоит из строк и столбцов пикселей одинакового размера, соединенных между собой, образуя плоскую поверхность. Эти пиксели используются в качестве строительных блоков для создания точек, линий, областей, сетей и поверхностей (глава 2 «Анатомия карты», рисунок 2.6 «Процесс наложения карты» иллюстрирует, как земельный участок может быть преобразован в растровое представление). Хотя пиксели могут быть треугольниками, шестиугольниками или даже восьмиугольниками, квадратные пиксели представляют собой простейшую геометрическую форму, с которой можно работать. Соответственно, подавляющее большинство доступных растровых данных ГИС построено на квадратных пикселях (Рисунок 4.3 «Общая растровая графика, используемая в приложениях ГИС: аэрофотоснимок (слева) и ЦМР Геологической службы США (справа)»). Эти квадраты обычно преобразуются в прямоугольники различных размеров, если модель данных преобразуется из одной проекции в другую (например, из координат State Plane в координаты UTM [Universal Transverse Mercator]).

Рисунок 4.3. Распространенная растровая графика, используемая в ГИС-приложениях: аэрофотосъемка (слева) и ЦМР Геологической службы США (справа)

Источник: данные Геологической службы США, Центра изучения и изучения ресурсов Земли (EROS), Су-Фолс, Южная Дакота.

Из-за того, что модель растровых данных основана на единой серии квадратных пикселей, она называется системой на основе сетки. Как правило, каждому языковому стандарту сетки назначается одно значение данных. Каждая ячейка растра содержит одно значение, которое представляет собой характеристику пространственного явления в месте, обозначенном его строкой и столбцом. Тип данных для этого значения ячейки может быть либо целым числом, либо числом с плавающей запятой (глава 5 «Управление геопространственными данными», раздел 5.1 «Сбор географических данных»). В качестве альтернативы растровая графика может ссылаться на систему управления базой данных, в которой открытые таблицы атрибутов могут использоваться для связывания нескольких значений данных с каждым пикселем. Развитие компьютерных технологий сделало этот второй метод все более осуществимым, поскольку большие наборы данных больше не ограничиваются проблемами с памятью компьютера, как это было раньше.

Растровая модель усредняет все значения в заданном пикселе, чтобы получить одно значение. Следовательно, чем больше площадь, охватываемая пикселем, тем менее точны связанные значения данных. Площадь, покрываемая каждым пикселем, определяет пространственное разрешение. Наименьшее расстояние между двумя соседними объектами, которое можно обнаружить на изображении. растровой модели, из которой он получен. В частности, разрешение определяется путем измерения одной стороны квадратного пикселя.Говорят, что растровая модель с пикселями, представляющими 10 м на 10 м (или 100 квадратных метров) в реальном мире, имеет пространственное разрешение 10 м; можно сказать, что растровая модель с пикселями размером 1 км на 1 км (1 квадратный километр) в реальном мире имеет пространственное разрешение 1 км; и так далее.

Необходимо соблюдать осторожность при определении разрешения растра, поскольку использование слишком большого разрешения в пикселях приведет к потере информации, тогда как использование слишком высокого разрешения в пикселях приведет к значительному увеличению размера файла и требований к компьютерной обработке во время отображения и/или или анализ. Эффективное разрешение в пикселях будет учитывать как масштаб карты, так и минимальную единицу отображения других данных ГИС. В случае растровой графики с грубым пространственным разрешением значения данных, связанные с конкретными местоположениями, не обязательно явно указаны в модели растровых данных. Например, если бы расположение телефонных столбов было нанесено на грубую растровую графику, было бы ясно, что вся ячейка не будет заполнена столбом. Скорее предполагается, что полюс находится где-то внутри этой ячейки (обычно в центре).

Изображения, использующие модель растровых данных, должны обладать рядом свойств. Во-первых, каждый пиксель должен содержать хотя бы одно значение, даже если это значение данных равно нулю. Кроме того, если данные для данного пикселя отсутствуют, этой ячейке сетки должен быть назначен заполнитель значения данных. Часто произвольное, легко идентифицируемое значение (например, -9999) присваивается пикселям, для которых нет значения данных. Во-вторых, ячейка может содержать любой буквенно-цифровой индекс, представляющий атрибут. В случае наборов количественных данных присвоение атрибутов довольно просто. Например, если растровое изображение обозначает высоту, значения данных для каждого пикселя будут некоторым указанием высоты, обычно в футах или метрах. В случае качественных наборов данных значения данных представляют собой индексы, которые обязательно относятся к некоторому заранее определенному правилу трансляции. В случае растровой графики землепользования/почвенного покрова может применяться следующее правило: 1 = пастбища, 2 = сельскохозяйственные угодья, 3 = нарушенные и т. д. (Рисунок 4.4 «Растровое изображение землепользования/почвенного покрова»). "). Третье свойство модели растровых данных заключается в том, что точки и линии «перемещаются» в центр ячейки. Как и следовало ожидать, если растровое изображение с разрешением 1 км содержит реку или ручей, местоположение фактического водного пути в пределах пикселя «река» будет неясным. Поэтому существует общее предположение, что все нульмерные (точечные) и одномерные (линейные) признаки будут располагаться ближе к центру ячейки. Как следствие, минимальная ширина любого линейного объекта обязательно должна составлять одну ячейку, независимо от фактической ширины объекта. Если это не так, функция не будет представлена на изображении и, следовательно, будет считаться отсутствующей.

Рисунок 4.4. Растровое изображение землепользования/почвенного покрова

Существует несколько методов кодирования растровых данных с нуля. Вот три из этих моделей:

Растровое кодирование по ячейкам Минимально интенсивный метод кодирования растрового изображения путем создания уникальных записей для каждого значения ячейки по строке и столбцу. Этот метод также называют «исчерпывающим перечислением». . Этот минимально интенсивный метод кодирует растр, создавая записи для каждого значения ячейки по строке и столбцу (Рисунок 4.5 «Поячеечное кодирование растровых данных»). Этот метод можно рассматривать как большую электронную таблицу, в которой каждая ячейка электронной таблицы представляет пиксель растрового изображения. Этот метод также называется «полным перебором».
Растровое кодирование серийной длины Метод кодирования растровых изображений путем использования серий пикселей с одинаковыми значениями. . Этот метод кодирует значения ячеек в сериях пикселей с одинаковыми значениями и может привести к сильно сжатому файлу изображения (Рисунок 4.6 «Кодирование растровых данных по длине»). Метод последовательного кодирования полезен в ситуациях, когда большие группы соседних пикселей имеют схожие значения (например, дискретные наборы данных, такие как землепользование/почвенный покров или пригодность среды обитания), и менее полезен, когда значения соседних пикселей сильно различаются (например, непрерывные наборы данных). например, высота над уровнем моря или температура поверхности моря).
Квадрантное растровое кодирование Метод, используемый для кодирования растровых изображений путем разделения растра на иерархию квадрантов, которые подразделяются на основе пикселей с одинаковыми значениями. . Этот метод делит растр на иерархию квадрантов, которые подразделяются на основе пикселей с одинаковыми значениями (Рисунок 4.7 «Квадрантное кодирование растровых данных»). Разделение растра останавливается, когда квадрант полностью состоит из ячеек с одинаковым значением.Квадрант, который нельзя разделить, называется "конечным узлом".

Рис. 4.5. Пошаговое кодирование растровых данных

Рисунок 4.6. Кодирование растровых данных по всей длине

Рисунок 4.7. Кодирование растровых данных в виде квадродерева

Преимущества и недостатки растровой модели

Использование модели растровых данных дает много преимуществ. Во-первых, технология, необходимая для создания растровой графики, недорога и широко распространена. Почти каждый в настоящее время владеет каким-либо генератором растровых изображений, а именно цифровой камерой, и сегодня продается мало сотовых телефонов, которые не включают такие функции. Точно так же множество спутников постоянно передают самую последнюю растровую графику в научные учреждения по всему миру (глава 5 «Управление геопространственными данными», раздел 5.3 «Форматы файлов»). Эти графические изображения часто размещаются в Интернете для частного и/или публичного использования, иногда бесплатно для пользователя.

Дополнительными преимуществами растровой графики является относительная простота базовой структуры данных. Каждое местоположение сетки, представленное в растровом изображении, соотносится с одним значением (или серией значений, если включены таблицы атрибутов). Эта простая структура данных также может помочь объяснить, почему сравнительно легко выполнять анализ наложения растровых данных (дополнительную информацию об анализе наложения см. в главе 7 «Геопространственный анализ I: векторные операции», раздел 7.1 «Анализ одного слоя»). Эта простота также позволяет легко интерпретировать и поддерживать графику по сравнению с ее векторным аналогом.

Несмотря на преимущества, у растровой модели данных есть и несколько недостатков. Первый недостаток заключается в том, что растровые файлы обычно очень большие. В частности, в случае растровых изображений, созданных с помощью методологии кодирования ячейки за ячейкой, огромное количество значений, хранящихся для данного набора данных, приводит к потенциально огромным файлам. Любой растровый файл, покрывающий большую площадь и имеющий довольно тонкое разрешение пикселей, быстро достигает размера сотен мегабайт и более. Эти большие файлы становятся все больше по мере того, как количество и качество наборов растровых данных продолжает идти в ногу с количеством и качеством компьютерных ресурсов и устройств сбора растровых данных (например, цифровых камер, спутников).

Второй недостаток растровой модели заключается в том, что выходные изображения менее «красивы», чем их векторные аналоги. Это особенно заметно, когда растровые изображения увеличены или масштабированы (см. Рисунок 4.1 «Цифровое изображение с увеличенной вставкой, показывающей пикселизацию растрового изображения»). В зависимости от того, насколько далеко вы увеличиваете растровое изображение, детали и согласованность этого изображения будут быстро потеряны среди пиксельного моря, казалось бы, случайно окрашенных ячеек сетки.

Геометрические преобразования, возникающие при перепроецировании карты, могут вызвать проблемы с растровой графикой и представляют собой третий недостаток использования растровой модели данных. Как описано в Главе 2 «Анатомия карты», Раздел 2.2 «Масштаб карты, системы координат и картографические проекции», изменение проекций карты изменит размер и форму исходного входного слоя и часто приведет к потере или добавлению пикселей (белый 2006). Уайт, Д. 2006. «Отображение потери пикселей и репликации при перепроецировании растровых данных из синусоидальной проекции». Geocarto International 21 (2): 19–22. Эти изменения приведут к тому, что идеальные квадратные пиксели входного слоя приобретут несколько альтернативных ромбовидных размеров. Однако проблема шире, чем простое преобразование квадратного пикселя. Действительно, перепроецирование набора данных растрового изображения из одной проекции в другую приводит к изменению значений пикселей, что, в свою очередь, может значительно изменить выходную информацию (Seong 2003). Seong, JC 2003. «Моделирование точности воспроизведения данных изображения». Международный журнал дистанционного зондирования 24 (11): 2309–21.

Независимо от ваших интересов или области, в которой вы работаете, пространственные данные всегда учитываются, знаете ли вы об этом или нет. Пространственные данные, также известные как геопространственные данные, – это термин, используемый для описания любых данных, относящихся к определенному месту на поверхности Земли или содержащих информацию о нем.

Основы

Пространственные данные могут существовать в различных форматах и содержать больше, чем просто информацию о местоположении.Чтобы правильно понять и узнать больше о пространственных данных, есть несколько ключевых терминов, которые помогут вам лучше освоить язык пространственных данных.

Вектор

Векторные данные лучше всего описываются как графическое представление реального мира. Существует три основных типа векторных данных: точки, линии и полигоны. Точки соединения создают линии, а соединяющие линии, образующие замкнутую область, создают многоугольники. Векторы лучше всего использовать для представления обобщений объектов или особенностей на поверхности Земли. Векторные данные и формат файла, известный как шейп-файлы (.shp), иногда используются взаимозаменяемо, поскольку векторные данные чаще всего хранятся в файлах .shp.

Растр

Растровые данные — это данные, представленные в виде сетки пикселей. Каждый пиксель в растре имеет значение, будь то цвет или единица измерения, для передачи информации о рассматриваемом элементе. Растры обычно относятся к изображениям. Однако в пространственном мире это может конкретно относиться к ортоизображениям, которые представляют собой фотографии, сделанные со спутников или других воздушных устройств. Качество растровых данных зависит от разрешения и поставленной задачи.

Атрибуты

Пространственные данные содержат больше информации, чем просто местоположение на поверхности Земли. Любая дополнительная информация или непространственные данные, описывающие объект, называются атрибутами. Пространственные данные могут иметь любое количество дополнительных атрибутов, сопровождающих информацию о местоположении. Например, у вас может быть карта, на которой показаны здания в центре города. Каждое из зданий, помимо своего местоположения, может иметь дополнительные атрибуты, такие как тип использования (жилье, бизнес, правительство и т. д.), год постройки и количество этажей.

Географическая система координат

Для определения точного местоположения на поверхности Земли используется географическая система координат. Обычно оси x и y используются в математических системах, но в географии оси называются линиями широты (горизонтальные линии, идущие с востока на запад) и долготы (вертикальные линии, идущие с севера на юг). Каждая ось представляет собой угол, под которым эта линия ориентирована по отношению к центру Земли, поэтому единицы измерения измеряются в градусах (°)

Геопривязка и геокодирование

Геопривязка и геокодирование – разные, но похожие процессы, поскольку оба они предполагают подгонку данных к соответствующим координатам реального мира. Пространственная привязка — это процесс присвоения координат векторам или растрам, чтобы их можно было точно сориентировать на модели земной поверхности. Данные, используемые при геокодировании, — это адреса и дескрипторы местоположения (город, страна и т. д.). Каждому из этих местоположений присваиваются точные координаты этого места на поверхности Земли.

Использование пространственных данных

Что такое ГИС?

Наиболее распространенным способом обработки и анализа пространственных данных является использование ГИС или геоинформационной системы. Это программы или комбинация программ, которые работают вместе, чтобы помочь пользователям разобраться в своих пространственных данных. Это включает в себя управление, манипулирование и настройку, анализ и создание визуальных дисплеев. Пользователь обычно использует несколько наборов пространственных данных одновременно и сравнивает их или комбинирует друг с другом. Каждый набор пространственных данных может называться слоем.

Если вы используете ГИС для муниципального проекта, у вас могут быть векторные данные, такие как данные улиц (линии), данные о границах кварталов (многоугольники) и местоположения средних школ (точки). Каждый набор данных будет существовать как отдельный слой в вашей ГИС. Размещение слоев важно для визуальных целей, так как это поможет вам понять различные типы данных и представить результаты в понятной форме. В этом случае вам нужно убедиться, что точки старших классов и линии улиц находятся слоями над границами района. В противном случае вы не сможете их увидеть.

Область и исследования ГИС простираются намного дальше, чем цифровая картография и картография. Он состоит из множества категорий, включая пространственный анализ, дистанционное зондирование и геовизуализацию. В этих полях ГИС пространственные данные становятся намного более сложными и трудными в использовании.

Помимо растровых и векторных данных, есть также данные LiDAR (также известные как облака точек) и 3D-данные. Данные LiDAR — это данные, которые собираются с помощью спутников, дронов или других воздушных устройств. Трехмерные данные — это данные, которые расширяют типичные двухмерные координаты широты и долготы и включают в данные высоту и/или глубину.Несмотря на сложность, эти данные богаты информацией и могут использоваться для решения множества проблем, связанных с поверхностью Земли.

Использование пространственных данных для графики

Карты – это распространенный способ представления пространственных данных, так как они могут легко передавать сложные темы. Они могут помочь подтвердить или предоставить доказательства для принятия решений, рассказать другим об исторических событиях в районе или помочь понять природные и антропогенные явления.

При создании изображений, графики или карт с использованием пространственных данных необходимо учитывать множество географических элементов. Одним из самых важных и, по совпадению, самых проблемных элементов является проекция. Проекция карты описывает способ, которым поверхность Земли, трехмерная форма, сглаживается и представляется на двумерной поверхности. Ни одна проекция не идеальна, и в зависимости от вашей проекции вы можете пожертвовать точностью формы, площади, расстояния или направления.

а.

б.

в.

Город Ванкувер представлен в каждом из этих различных типов проекций. Изображение а. использует проекцию UTM83-10, которая является стандартной проекцией, используемой для отображения города Ванкувер. Изображение б. проецируется с использованием CANBC-Poly, что приводит к слегка повернутой версии изображения a. Изображение в. проецируется с использованием LLWGS-84 и имеет искаженную форму.

Карты также можно использовать для представления невизуальных элементов общества. Например, возникновение определенных событий, уровень дохода, любой демографический дескриптор или отношения, такие как количество тепловых ударов в районе по сравнению с температурой. Простым методом отображения является классификационная карта, также известная как картограмма.

Карты-картограммы легко сообщают о различиях, согласованности или шаблонах в пространстве. Классифицированные области на картограмме будут иметь четкие границы, тогда как тепловые карты, демонстрирующие концентрацию или плотность явления, имеют нечеткие границы. Классификацию или тепловые карты можно использовать в качестве нижнего слоя для других переменных, таких как автомобильные аварии или преступность, чтобы выделить определенные тенденции и потенциальные корреляции.

а.

б.

в.

На изображениях выше показано несколько различных способов отображения пространственных данных. Изображение а. показывает места, где городские хранители обнаружили граффити в Ванкувере. Изображение б. использует те же данные о местоположении точек, но отображает информацию в виде картограммы. Границы городских районов выделены разными цветами, чтобы описать плотность или количество граффити в этих районах. Изображение в. использовали исходный набор данных о местоположении точки для создания тепловой карты. В этом случае интерес представляют не районы города, а скорее показано распространение или характер появления граффити по всему городу в целом.

Использование пространственных данных для статистики

Как и в случае с любыми данными, чтобы по-настоящему разобраться в пространственных данных и понять, о чем они говорят, необходимо выполнить определенный уровень статистического анализа. Эти процессы помогут вам найти ответы и приведут вас к принятию более эффективных решений для вашей организации. Основное различие между пространственными данными и всеми другими типами данных, когда речь идет о статистическом анализе, заключается в необходимости учитывать в аналитическом процессе такие факторы, как высота, расстояние и площадь.

Несмотря на то, что необходимость учитывать дополнительные переменные о местоположении может пугать, многие процессы пространственной статистики очень похожи на базовые статистические методы. Например, интерполяция может помочь вам оценить или предсказать значение выборки, а пространственная интерполяция поможет вам оценить или предсказать значение переменной в местоположении выборки.Точно так же пространственная автокорреляция измеряет степень сходства между точками выборки точно так же, как и обычная автокорреляция.

Дополнительные типы пространственных данных

Хотя пространственные данные уже давно используются для анализа и представления поверхности Земли, они не ограничиваются внешней средой. Есть много архитектурных, инженерных и строительных (AEC) компаний, которые используют данные CAD (автоматизированное проектирование) и BIM (информационная модель здания) в своей повседневной деятельности. Хотя CAD и BIM не всегда можно рассматривать как традиционные пространственные данные, они и другие форматы AEC также должны учитывать множество пространственных элементов, чтобы понять их работу.

Кроме того, картографирование больше не ограничивается миром природы. Внутреннее картографирование и навигация становятся все более популярными, особенно в крупных зданиях и учреждениях, таких как торговые центры, арены, больницы и университетские городки. Эта область исследований является новой, но не собирается останавливаться. В наши дни у каждого есть смартфон, и он помогает им ориентироваться в мире природы, так почему бы не помочь людям ориентироваться и в помещении?

FME и пространственные данные

FME для интеграции пространственных данных

Несмотря на то, что существует множество инструментов и программного обеспечения, которые могут помочь вам использовать пространственные данные, FME — это программное обеспечение, которое выбирают те, кому необходимо интегрировать свои пространственные данные. Safe Software и FME появились именно из-за этой проблемы. Пространственные данные сильно различаются и часто застревают в форматах, которые не могут быть легко использованы всеми приложениями, из-за чего специалистам по ГИС чрезвычайно сложно использовать всю имеющуюся у них информацию. Хотя в прошлом можно было преобразовать проприетарные форматы, большая часть данных будет потеряна при преобразовании. Так родилась компания FME.

Что такое FME?

FME признана платформой интеграции данных с лучшей поддержкой пространственных данных во всем мире. Однако он может обрабатывать гораздо больше, чем просто пространственные данные, и может быть легко использован ИТ-специалистами и бизнес-специалистами. FME поддерживает более 450 форматов, что делает его гибким инструментом интеграции данных для тех, кто имеет дело с большим разнообразием форматов данных.

Safe Software, создатели FME, являются лидерами в мире технологий и стремятся быть на шаг впереди тенденций интеграции данных. FME постоянно обновляется, чтобы гарантировать, что он адаптирован для поддержки новых форматов данных, обновленных версий форматов данных и больших объемов данных. Исчезла идея о том, что отдельные отделы должны работать в своих хранилищах данных, а ИТ-структуры ограничивают потенциал компании, чтобы она действительно работала как единое целое. Данные должны иметь возможность свободно передаваться независимо от того, где, когда и как они необходимы.

Читайте также: