- •Оглавление
- •Введение
- •1.1. Определения и задачи геоинформатики
- •1.2.1. Определение и толкование базовых понятий геоинформатики
- •1.3. Общее представление о ГИС
- •1.4. Основные этапы развития ГИС
- •1.5. География и ГИС
- •2.1. Типы и источники пространственных данных
- •2.2. Проектирование географических баз данных
- •2.2.1. Требования к базе данных
- •2.2.2. Этапы проектирования базы данных
- •2.3. Представление пространственных объектов в БД
- •2.3.1. Выбор модели пространственной информации
- •2.3.2. Особенности представления пространственных объектов в БД
- •2.3.3. Позиционная и семантическая составляющие данных
- •2.4. Системы управления базами данных в ГИС
- •2.4.1. Функции СУБД
- •2.4.2. Задачи и функции СУБД в ГИС
- •2.4.3. Базовые понятия реляционных баз данных
- •2.4.4. Язык реляционных баз данных SQL — функции и основные возможности
- •2.4.5. Объектно-ориентированные и реляционные структуры БД
- •2.4.6. СУБД в архитектуре «клиент-сервер»
- •2.5. Организация и форматы данных
- •2.6. Качество данных и контроль ошибок
- •2.6.1. Типы ошибок в данных и их источники
- •2.6.2. Позиционная точность данных
- •3.1. Требования к техническому и программному обеспечению ГИС
- •3.3. Характеристика технических средств ГИС
- •3.4. Технологии ввода графической информации
- •3.5. Преобразования форматов данных
- •3.7. Общая характеристика программных коммерческих ГИС-пакетов
- •4.1.1. Пространственная привязка данных и преобразование проекций
- •4.1.2. Алгоритмы трансформирования геоизображений
- •4.1.3. Определение координат контрольных точек
- •4.1.4. Оценка ошибок трансформирования
- •4.2. Дискретная географическая привязка данных
- •4.3. Операции с данными в векторном формате
- •4.3.1. Представление пространственных объектов и взаимосвязей
- •4.3.2. Алгоритмы определения пересечения линий
- •4.3.3. Способы вычисления длин линий, периметров и площадей полигонов
- •4.3.4. Алгоритм «точка в полигоне»
- •4.3.5. ГИС-технологии пространственного анализа
- •4.3.6. Операции оверлея полигонов
- •4.4. Хранение и преобразование растровых данных
- •4.4.1. Кодирование и сжатие информации
- •4.4.2. Иерархические структуры данных. Дерево квадрантов
- •4.4.3. Операции с растровыми слоями БД
- •4.4.4. Технологии анализа данных, основанные на ячейках растра
- •4.5. ГИС-технологии совмещения и оценки пригодности данных
- •5.1. Методы пространственного анализа
- •5.1.1. Классификация объектов путем группировки значений их признака
- •5.1.2. Методы интеграции признаков для исследования взаимосвязей и классификации объектов
- •5.1.3. Исследование взаимосвязей объектов с использованием операций оверлея слоев
- •5.1.4. Выбор объектов по пространственным критериям. Построение запросов
- •5.1.5. Анализ сетей
- •5.1.6. Тематическое согласование слоев
- •5.2. Методы пространственного моделирования
- •5.2.2. Подготовка исходных данных для создания модели
- •5.2.3. Интерполяция по дискретно расположенным точкам
- •5.2.4. Построение статистических поверхностей
- •5.2.5. Определение местоположения и оптимального размещения объектов
- •5.2.6. Моделирование пространственных распределений
- •5.2.7. Интерполяция по ареалам
- •5.3. Применение пространственных моделей
- •5.4. Обеспечение принятия пространственных решений
- •5.4.1. Методы обеспечения поддержки принятия решений
- •5.4.2. Понятия нечетких географических объектов и нечетких множеств
- •5.4.3. Экспертные подсистемы ГИС
- •6.1. Разработка ГИС-проекта
- •6.2. Общие вопросы проектирования базы данных ГИС
- •6.3. Учет особенностей моделей данных и функциональных средств ГИС
- •Глава 7. Задачи и методы геоинформационного картографирования
- •7.1. Определения, особенности и задачи геоинформационного картографирования
- •7.2. Основные этапы развития методов и средств автоматизации в картографии
- •7.3. Географические основы ГК
- •7.4. Структура системы геоинформационного картографирования
- •7.5.1. Задачи проектирования картографических БД
- •7.5.2. Качество цифровых карт
- •7.6.1. Электронные и компьютерные карты
- •7.6.2. Графические стандарты
- •7.6.3. Спецификация цвета и цветовые палитры
- •7.6.4. Компоновка электронных и компьютерных карт
- •7.7. Методы геоинформационного картографирования
- •7.7.2. Создание тематических карт на основе методов пространственного моделирования в ГИС
- •7.8. Автоматизированная генерализация тематических карт
- •7.8.1. Семантическая и геометрическая генерализация
- •7.8.2. Элементы генерализации линий
- •7.8.3. Использование теории фракталов
- •7.9. Формализация и алгоритмизация процесса картографирования
- •7.9.1. Картометрические функции
- •7.9.2. Определение положения центральной точки полигона и скелетизация
- •7.9.3. Построение системы картографических знаков и размещение надписей
- •7.10. Новые направления и технологии геоинформационного картографирования
- •7.10.1. Оперативное картографирование и картографические анимации
- •7.10.2. Картография и Интернет
- •Глава 8. Цифровая обработка изображений для создания баз данных ГИС и тематических карт
- •8.1. Применение данных дистанционного зондирования в ГИС и тематическом картографировании
- •8.2. Методы цифровой обработки космических снимков
- •8.3. Методы дешифрирования, основанные на преобразовании спектральных яркостей
- •8.3.1. Спектральное пространство и дешифровочные признаки
- •8.3.2. Синтез изображений и анализ главных компонент
- •8.3.3. Производные дешифровочные признаки
- •8.4. Алгоритмы классификации
- •8.4.1. Правила и типы автоматизированной классификации
- •8.4.2. Алгоритмы контролируемой классификации
- •8.4.3. Алгоритмы неконтролируемой классификации
- •8.4.4. Оценка результатов классификации
- •8.5. Алгоритмы выполнения географического анализа по космическим снимкам
- •8.5.1. Изучение динамики явлений (объектов) по картам и снимкам
- •8.5.2. Изучение географических объектов с использованием методов нечеткой и экспертной классификации
- •Литература
- •Учебники и учебные пособия
- •Монографии
- •Справочники и руководства
- •Предметный указатель
4.4. Хранение и преобразование растровых данных |
169 |
4.4. Хранение и преобразование растровых данных
Сопоставление векторного и растрового форматов, приведенное в разделе 2.4, показывает, что растровые системы привлекают простотой организации, быстротой многих операций; они преимущественно применяются при обработке данных дистанционного зондирования, представлении первичных данных и результатов при моделировании, а также при всех способах сканирования информации.
Основные проблемы, связанные с использованием растровых данных, — это высокие требования к объему памяти и точности операций.
4.4.1. Кодирование и сжатие информации
Существует множество способов хранения растровых данных, отличающихся по эффективности с точки зрения хранения, доступа и скорости обработки информации.
Поскольку растр обычно имеет фиксированное конечное разрешение, то для представления геометрии и атрибутов объектов можно использовать следующий способ [Core, 1991]: каждому пикселу присваивается номер объекта вместо значения его признака, а номера объектов приписываются к таблице атрибутов и служат указателями атрибутов объектов (табл. 4.6).
Таблица 4.6. Переход от растрового представления объектов к их атрибутивному описанию
|
Растр |
|
|
Растр |
|
|
Объект |
Атрибуты |
|||
А |
А |
А |
А |
23 |
23 |
23 |
23 |
|
23 |
А |
100.0 |
А |
В |
В |
В — > |
23 |
24 |
24 |
24 |
— » |
24 |
В |
101.1 |
А |
А |
В |
В |
23 |
23 |
24 |
24 |
|
|
|
|
А |
А |
А |
В |
23 |
23 |
23 |
24 |
|
|
|
|
В результате создается объект с атрибутами, а вместо координат используется список пикселов, входящих в него.
170 |
Глава 4. Элементы ГИС-технолосмм |
Однако чаще для кодирования и сжатия растровых данных используются методы группового кодирования или создания цепных кодов (коды Фримана [Core, 1991]).
Методы группового кодирования основаны на факте пространственной корреляции географических данных, означающем схожесть атрибутов близко расположенных объектов. Исходя из этого, можно ожидать, что соседние элементы растра имеют одинаковые или сходные значения. Поэтому вместо повтора этих значений можно кодировать элементы растра парой чисел — длина группы/значение. Например, вместо 16 исходных пикселов (см. табл. 4.6) можно записать 7 пар:
4А1АЗВ 2А 2В ЗА 1В.
Применяют и методы кодирования, основанные на использовании двоичных представлений значений атрибутов в памяти, когда группы образуют из последовательно расположенных 0 или 1.
Подобные методы используются в стандартных форматах сжатия информации, например, PKZIP, JPEG. В PKZIP определяются повторяющиеся последовательности пикселов, которые вводятся в каталог и снабжаются маркером (символом). Основная задача метода — не потерять детальность. МетодJPEG разработан группой экспертов-фотографов. Он использует смешанную технику сжатия информации, включая преобразование Фурье для осуществления фильтрации пространственных частот. Такая техника обеспечивает контролируемые уровни потери детальности. В описанных методах достигается хороший уровень компрессии данных, но возврат к оригинальным значениям может быть дорогим.
Методы группового кодирования мало пригодны для ЦМР и других типов данных, в которых пикселы почти всегда имеют отличные от соседних значения.
4.4.2. Иерархические структуры данных. Дерево квадрантов
Интерес к иерархическим способам упорядочения растровых данных объясняется, главным образом, возможностью быстрой? доступа к данным, не используя построчный просмотр растра. Объем информации, показанной на карте, различен для разных территорий и зависит от местной изменчивости. В связи с этим было бы целесообразно использовать растр с разным размером ячеек: крупные ячейки — в районах с плавной изменчивостью признаков или их
4.4. Хранение и преобразование растровых данных |
171 |
отсутствием и мелкие — для неоднородных территорий с резкими изменениями признаков. К сожалению, неодинаковые квадраты лохо складываются воедино, за исключением некоторых случаев, <огда маленькие квадраты находятся внутри больших. Для них :уществуют приемы сжатия растровых данных, допускающие изменение информационной плотности. Массив таких данных должен быть квадратным размером 2шх2"' пикселов и содержать достаточно большие области одинаковых значений. Нумерация строк и столбцов должна начинаться с нуля снизу слева (программно это обеспечивается легко). Метод основан на последовательном делении массива на 4 квадрата и нахождении так называемых неоднородных квадратов, зключающих пикселы с разным значением. Однородные квадраты остаются без изменения, а неоднородные снова делятся на 4 до тех пор, пока не останется неоднородных значений (минимальный квадрат — один пиксел, а предпоследний — 2x2 пиксела). Квадраты нумеруются по системе, носящей название системы Мортона: на первом уровне два нижних квадрата, начиная слева, получают номера 0,1, два верхних — 2,3. Для однородных квадратов эти номера сохраняются, для неоднородных их номер становится первым в нумерации при последующем делении. Пусть, например, неоднороден квадрат с номером 0, тогда при следующем делении его части будут иметь номера: 00, 01, 02, 03. Результат группового кодирования в такой системе, например, для массива 16x16 элементов (нумерация начинается с точки 0,0), из которых только один пиксел в 4-й строке и 7-м столбце имеет атрибут В, а остальные — А, имеет вид1:
16А 16А 16А 4А 1А 1А 1А 1А 4А 4А 64А 64А 64А.
Подобное упорядочение сопоставимо с дискретно приспособленным разрешением, при котором фиксируется каждая стадия изменения величины разрешения и, следовательно, детальность описания объекта. Процедура обычно представляется в виде графа, носящего название «дерево квадрантов» или «квадротомическое дерево». Вершина его — весь массив, на каждом уровне происходит разветвление на 4 части — 4 ветви, каждая ветвь заканчивается однородным блоком — листом (рис. 4.14).
1 Предлагается самостоятельно проделать описанную процедуру для такого массива.
172 |
Глава 4. Элементы ГИС-технолосмм |
|
Кар ia |
033
А
озт |
0311 |
0312 |
03 13 |
А |
В |
А |
А |
Рис. 4.14. Иерархическое дерево квадрантов
4.4.3. Операции с растровыми слоями БД
Как уже не раз отмечалось, многие элементарные ГИС-операции в растровых системах выполняются проще, чем в векторных. Нет необходимости определять пересечения линий, поскольку границы растровых полигонов определяются сменой атрибута пиксела. Для определения площади полигона нужно только подсчитать число пикселов с его атрибутом, а затем умножить на величину разрешения.
При реклассе в растровом представлении ареалов достаточно изменить значение их класса по одному признаку или сочетанию признаков (присвоить новый идентификатор), тогда как при векторном представлении нужно еще устранить границы между ареалами одного и того же типа и слить полигоны в более крупные объекты; перекодировать последовательность отрезков линий, образующих границу (т. е. перестроить топологию); присвоить новый идентификатор каждому новому объекту.
Следует отметить, что длина линий в растровом формате существенно зависит от ее ориентации относительно ячеек растра. Если линия идет вдоль строк или столбцов, то ее длина равна сумме ячеек, умноженной на величину разрешения. Если линия пересекает ячейки строго по диагонали, то ее длину нужно умножить на л . Более сложная проблема — получение правильной длины извилистом линии. Разрешение растра может быть таково, что целый участок извилистой линии будет показан одной ячейкой, а тогда длина линии будет меньше реальной.
4.4. Хранение и преобразование растровых данных |
173 |
Процесс построения слоев растровой ГИС подразумевает геометрическую согласованность данных по ячейкам растра, а атрибуты вступают в соответствие автоматически. Если данные разных слоев тематической БД взаимоувязаны в пространстве (представлены в одной системе координат, пикселы имеют одинаковый размер), то выполнение операций оверлея в растровых системах осуществляется только в атрибутивном пространстве, на уровне легенд карт. Здесь на первое место выходят не просто технологии совмещения данных,
аих географическое согласование, о котором речь пойдет в главе 5.
Вцелом же для работы с взаимосвязями более пригодны векторные системы. Растровым системам, в которых мир моделируется как набор элементов, не свойственно понятие объекта как целого. Однако, используя простые приемы, можно оперировать взаимосвязями и в растровых системах (рис. 4.15). Например, имеется карта почвенных контуров, представляющая слой типов почв, в котором каждый элемент (пиксел) является идентификатором (1 или 2) некоторого типа почв (А или В) и идентификатором входа в таблицу атрибутов почв. В другом слое определено положение каждого почвенного разреза указанием на соответствующий элемент растра и идентификатором (1-4), указывающим на таблицу атрибутов разрезов. Путем операции оверлея можно вычислить взаимосвязь типа «содержится в»; при этом результаты (в данном случае тип почвы) хранятся в виде отдельного столбца в таблице атрибутов разрезов.
Слой «Почвы» |
|
|
|
|
Слой «Почвенные разрезы» |
|
||||||||
2 |
2 |
2 |
2 |
2 |
2 |
0 |
1 |
0 |
0 |
0 |
2 |
0 |
0 |
0 |
|
2 |
2 |
2 |
2 |
2 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
1 |
2 |
2 |
2 |
2 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
1 |
1 |
2 |
2 |
2 |
0 |
0 |
0 |
0 |
0 |
0 |
3 |
0 |
0 |
|
1 |
1 |
1 |
2 |
2 |
0 |
0 |
0 |
4 |
0 |
0 |
0 |
0 |
0 |
|
1 |
1 |
1 |
1 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
Таблица атрибутов почв |
|
Таблица взаимосвязей |
|||
ID |
Тип почвы |
ID разреза |
Атрибут |
Тип почвы |
|
|
|
|
|
разреза |
|
1 |
А |
1 |
|
150 |
А |
2 |
В |
2 |
|
200 |
В |
|
|
3 |
|
100 |
В |
|
|
4 |
|
150 |
А |
Рис. 4.15. Взаимосвязи в растровых системах