Модели представления графической информации

Не менее важным является деление моделей данных на векторные. оперирующие непосредственно с координатами объектов и слагающих его точек и модели данных с делением пространства, где положение объекта или слагающего его элемента задается принадлежностью к некоторому дискрету, элементу делимости пространства. Наиболее распространенным видом моделей с делением пространства являются растровые модели данных, то есть использующие регулярную сетку точек или, что эквивалентно, разбиение пространства на регулярные ячейки прямоугольной (чаще квадратной) формы. Однако хочется подчеркнуть, что хотя их практическое значение и распространенность гораздо больше, чем у других моделей данных с делением пространства, вся эта группа очень разнообразна и представляет значительный теоретический интерес. Отдельные на первый взгляд экзотические модели данных из этой группы находят довольно неожиданное применение в комбинации с векторными и растровыми данными. Например, с их помощью могут строиться системы пространственного индексирования.

Современные ГИС должны обладать возможностями работать с непрерывно распределенными данными, что часто заставляет в одной системе использовать комплексные модели данных, то есть фактически несколько разных моделей данных.

 

Квадратомическое дерево

Иерархическая структура данных, известная как квадратомическое дерево, используется для накопления и хранения географической информации. В этой структуре двухмерная геометрическая область рекурсивно подразделяется на квадраты, что определило название данной модели.

На рисунке показан фрагмент двухмерной области QT, состоящей из 16 пикселей. Каждый пиксель обозначен цифрой. Вся область разбивается на четыре квадранта: А, В, С, D. Каждый из четырех квадрантов является узлом квадратомического дерева. Большой квадрант QT становится узлом более высокого иерархического уровня квадратомического дерева, а меньшие квадранты появляются на более низких уровнях. Технология построения квадратомического дерева основана на рекурсивном разделении квадрата на квадранты и подквадранты до тех пор, пока все подквадранты не станут однородными по отношению к значению изображения (цвета) или пока не будет достигнут предопределенный заранее наименьший уровень разрешения.

Если регион состоит из 2n х 2n пикселей, то он полностью представлен на уровне n, а единичные пиксели находятся на нулевом уровне. Квадрант уровня 1 (0<1<n) содержит 21 х 21 пикселей, всего 41.

Преимущество такой структуры состоит в том, что регулярное разделение обеспечивает накопление, восстановление и обработку данных простым и эффективным способом. Простота проистекает из геометрической регулярности разбиения, а эффективность достигается за счет хранения только узлов с данными, которые представляют интерес.

 

Фрагмент растра, квантованный для построения квадратомического дерева

 

Квадратомическое дерево в виде Е-структуры

 

Поскольку квадратомическое дерево известно как пространственно-рациональный способ представления сгруппированных однородных ми сопряженных изображений, их преимущество над векторной репрезентацией многих (но не всех) пространственных алгоритмов относительно затрат машинного времени весьма существенно. Первоначально большинство приложений моделей квадратомических деревьев было сделано для обработки изображений. Из этой области данная модель была перенесена в ГИС. Модели, основанные на квадратомических деревьях, обеспечивают расчеты площадей, центроидные определения, распознавание образов, выявление связанных компонентов, определение соседства, преобразование расстояний, разделение изображений, сглаживание данных и усиление краевых эффектов. Вследствие этого появилась возможность использовать квадратомические деревья для хранения географических данных. Однако при этом требуется развитие процедур для превращения растровых данных в формат квадратомического дерева и усовершенствование техники линейного кодирования.

Последние исследования показали, что для больших квадратомических деревьев наиболее подходящей структурой является линейное квадродерево. В нем каждый листовой узел представлен линейным числовым кодом, который базируется на упорядоченном списке узловых точек прародителей. Последующее преобразование дерева в код достигается использованием битового уровня или модулярной арифметики. Система линейных кодов обеспечивает эффективную связь между структурами пространственных данных и алгоритмами, применяемыми в вычислительной геометрии для решения проблем восстановления прямоугольников и определения ближайшего соседа.

Иерархические модели, как и прочие, могут описывать системы, данные и схемы процессов обработки данных. Следует, однако, подчеркнуть, что правильно составленная иерархическая схема должна содержать в качестве записей (вершин) атрибуты или агрегаты атрибутов либо типы сущностей. Атрибуты или агрегаты атрибутов соответствуют множествам или расширенным множествам. Дуги могут использоваться для представления агрегации двух атрибутов в тип сущности или двух типов сущности в тип связи. На практике часто в запись вставляют не только сущности базы данных, но и связи. Такая схема описывается моделью сущность-связь и будет рассмотрена ниже.

 

Метаданные

Помимо информации, относящейся к индивидуальным объектам, большое значение имеет так называемая метаинформация, или метаданные, т.е. данные о данных. Метаданные могут быть различными и относиться к различным множествам данных, например, ко всем данным в конкретной базе данных. Это могут быть сведения о методах сбора информации (может быть, различных для разных объектов, для разного времени и разных пространственных частей базы данных). Так это могут быть:

- определения объектов (то есть принцип их выделения);

- определения атрибутов (что, например, скрывается за краткими заголовками полей таблиц или именами полей в базе данных);

- объяснение способа измерения значений атрибутов или источники этих данных и способ кодирования атрибутов;

- пояснение к цветовой легенде карты и услов­ным знакам (легенда);

- правила, по которым проводились границы объектов;

- сведения о дате, на которую информация актуальна;

- сведения об источниках информации, методах ее получения;

- пояснения к отсутствующим значениям в атрибутах - какой код отсутствия значений, что он означает (данный атрибут не имеет смысла для данного объекта, данное значение не было померено или результат измерения был забракован, или измерения дали нулевой результат, т.е. значение ниже предела обнаружения);

- любая информация, которая или способствует правильному использованию информации о нужных объектах, или просто необходима для этого.

Для карты практически во всех случаях необходимым элементом метаданных являются сведения об использованной системе координат и картографической проекции, а информация о методе составления (полевые работы, генерализация) и использованных материалах обязательной является не всегда или не для всех пользователей.

 

 

Литература.

1. Самардак А.С. Геоинформационные системы. – Владивосток, 2005.

2. Лопандя А.В., Немтинов В.А. Основы ГИС и цифрового

тематического картографирования. – Тамбов, 2007.