Растровые и векторные системы координат. Растровые и векторные геоинформационные системы

В реальных ГИС имеют дело не с абстрактными линиями и точка­ми, а с объектами, содержащими линии и ареалы, занимающими про­странственное положение, а также со сложными взаимосвязями между ними. Поэтому полная векторная модель данных ГИС отображает про­странственные данные как совокупность следующих основных частей:

• геометрические (метрические) объекты (точки, линии и полигоны);

• атрибуты - признаки, связанные с объектами;

• связи между объектами.

Векторные модели (объектов) используют в качестве атомарной модели последовательность координат, образующих линию.

^ Линией называют границу, сегмент, цепь или дугу. Основные типы координатных данных в классе векторных моделей определяются через базовый элемент пиния следующим образом. Точка определяется как выродившаяся линия нулевой длины, линия - как линия конечной дли­ны, а площадь представляется последовательностью связанных между собой сегментов.

Каждый участок линии может являться границей для двух ареалов либо двух пересечений (узлов). Отрезок общей границы между двумя пересечениями (узлами) имеет разные названия, которые являются си­нонимами в предметной области ГИС. Специалисты по теории графов предпочитают слову линия термин ребро, а для пересечения употребля­ют термин вершина. Национальным стандартом США официально сан­кционирован термин цепь (chain). В некоторых системах (Arcinfo, GeoDraw) используется термин дуга.

В отличие от обычных векторов в геометрии дуги имеют свои атри­буты. Атрибуты дуг обозначают полигоны по обе стороны от них. По отношению к последовательному кодированию дуги эти полигоны име-нуютсялевым и правый. Понятие дуги (цепи, ребра) является фундамен­тальным для векторных ГИС.

Векторные модели получают разными способами. Один из наибо­лее распространенных - векторизация сканированных (растровых) изоб­ражений. Она заключается в выделении векторных объектов со скани­рованного изображения и получении их в векторном формате.

Для векторизации необходимо высокое качество (отчетливые линии и контуры) растровых образов. Чтобы обеспечить требуемую четкость ли­ний, иногда приходится заниматься улучшением качества изображения.

Процесс сканирования требует незначительных затрат труда, но не­обходимость последующей векторизации увеличивает расходы практи­чески до уровня ручного цифрования. При векторизации возможны ошибки, исправление которых осуществляется в два этапа:

1) корректировка растрового изображения до его векторизации;

2) корректировка векторных объектов. Векторные модели с помощью дискретных наборов данных отобра­жают непрерывные объекты или явления. Следовательно, можно гово­рить о векторной дискретизации. При этом векторное представление позволяет отразить большую пространственную изменчивость для од­них районов, чем для других, по сравнению с растровым представлени­ем, что обусловлено более четким показом границ и их меньшей зависи­мостью от исходного образа (изображения), чем при растровом отобра­жении. Это типично для социальных, экономических, демографических явлений, изменчивость которых в ряде районов более интенсивна.

Некоторые объекты являются векторными по определению, напри­мер границы соответствующего земельного участка, границы районов и т.д. Поэтому векторные модели обычно используют для сбора данных координатной геометрии (топографические записи), данных об админи­стративно-правовых границах и т.п.

^ Особенности векторных моделей. В векторных форматах набор данных определен объектами базы данных. Векторная модель может организовывать пространство в любой последовательности и дает "про­извольный доступ" к данным.

В векторной форме легче осуществляются операции с линейными и точечными объектами, например, анализ сети - разработка маршрутов движения по сети дорог, замена условных обозначений.

В растровых форматах точечный объект должен занимать целую ячейку. Это создает ряд трудностей, связанных с соотношением разме­ров растра и размера объекта.

Что касается точности векторных данных, то здесь можно говорить о преимуществе векторных моделей перед растровыми, так как вектор­ные данные могут кодироваться с любой мыслимой степенью точности, которая ограничивается лишь возможностями метода внутреннего пред­ставления координат. Обычно для представления векторных данных исполь­зуется 8 или 16 десятичных знаков (одинарная или двойная точность).

Только некоторые классы данных, получаемых в процессе измере­ний, соответствуют точности векторных данных. Это данные, получен­ные точной съемкой (координатная геометрия); карты небольших учас­тков, составленные по топографическим координатам, и политические 1?аиицы, определенные точной съемкой.

Не все природные явления имеют характерные четкие границы, ко­торые можно представить в виде математически определенных линий. Это обусловлено динамикой явлений или способами сбора простран­ственной информации. Почвы, типы растительности, склоны, место оби­тания диких животных - все эти объекты не имеют четких границ.

Обычно линии на карте имеют толщину 0,4 мм и, как часто считает­ся, отражают неопределенность положения объекта. В растровой систе­ме эта неопределенность задается размером ячейки.

Поэтому следует помнить, что в ГИС действительное представление о точности дают раз­мер растровой ячейки и неопределенность положения векторного объек­та, а не точность координат.

Геометрические данные составляют основу векторной модели, тем не менее, как отмечено выше, в ее состав входят также атрибуты и свя­зи. Атрибуты уже рассматривались достаточно подробно. Остановимся на связях в векторных моделях. Для этого необходимо рассмотреть то­пологические свойства векторных моделей, т.е. рассмотреть топологи­ческие модели, которые являются разновидностью векторных моделей данных.

модель данных представляет собой отображение непрерывных последовательностей реального мира в набор дискретных объектов.

В растровых моделях дискретизация осуществляется наиболее про­стым способом - весь объект (исследуемая территория) отображается в пространственные ячейки, образующие регулярную сеть. При этом каж­дой ячейке растровой модели соответствует одинаковый по размерам, но разный по характеристикам (цвет, плотность) участок поверхности объекта. В ячейке модели содержится одно значение, усредняющее ха­рактеристику участка поверхности объекта. В теории обработки изоб­ражений эта процедура известна под названием пикселимция.

Если векторная модель дает информацию о том, где расположен тот или иной объект, то растровая - информацию о том, что расположено в той или иной точке территории. Это определяет основное назначение растровых моделей - непрерывное отображение поверхности.

В растровых моделях в качестве атомарной модели используют двух­мерный элемент пространства - пиксель (ячейка). Упорядоченная сово­купность атомарных моделей образует растр, который, в свою очередь, является моделью карты или геообъекта.

Векторные модели относятся к бинарным или квазибинарным. Рас­тровые позволяют отображать полутона.

Как правило, каждый элемент растра или каждая ячейка должны иметь лишь одно значение плотности или цвета. Это применимо не для всех случаев. Например, когда граница двух типов покрытий может проходить через центр элемента растра, элементу дается значение, характе-ризующее большую часть ячейки или ее центральную точку. Ряд систем позволяет иметь несколько значений для одного элемента растра. Характеристики растровых моделей. Для растровых моделей су-ществует ряд характеристик: разрешение, значение, ориентация, зоны, пожение.

Разрешение - минимальный линейный размер наименьшего участ­ка пространства (поверхности), отображаемый одним пикселем.

Пиксели обычно представляют собой прямоугольники или квадра­ты, реже используются треугольники и шестиугольники. Более высо­ким разрешением обладает растр с меньшим размером ячеек. Высокое разрешение подразумевает обилие деталей, множество ячеек, минималь­ный размер ячеек.

Значение - элемент информации, хранящийся в элементе растра (пикселе). Поскольку при обработке применяют типизированные дан­ные, то есть необходимость определить типы значений растровой мо­дели.

^ Тип значений в ячейках растра определяется как реальным явлени­ем так и особенностями ГИС. В частности, в разных системах можно использовать разные классы значений: целые числа, действительные (десятичные) значения, буквенные значения.

Целые числа могут служить характеристиками оптической плотно­сти или кодами, указывающими на позицию в прилагаемой таблице или легенде. Например, возможна следующая легенда, указывающая наиме­нование класса почв: 0 - пустой класс, 1 - суглинистые, 2 - песчаные, 3 - щебнистые и т.п.

Ориентация - угол между направлением на север и положением колонок растра.

Зона растровой модели включает соседствующие друг с другом ячейки, имеющие одинаковое значение. Зоной могут быть отдельные объекты, природные явления, ареалы типов почв, элементы гидро­графии и т.п.

Для указания всех зон с одним и тем же значением используют по­нятие класс зон. Естественно, что не во всех слоях изображения могут присутствовать зоны. Основные характеристики зоны - ее значение и положение.

^ Буферная зона - зона, границы которой удалены на известное рас­стояние от любого объекта на карте. Буферные зоны различной ширины могут быть созданы вокруг выбранных объектов на базе таблиц сопря­женных характеристик.

Положение обычно задается упорядоченной парой координат (но­мер строки и номер столбца), которые однозначно определяют положе­ние каждого элемента отображаемого пространства в растре.

Проводя сравнение векторных и растровых моделей, отметим удобство векторных для организации и работы со взаимосвязями объектов. Тем не менее, используя простые приемы, например включая взаимосвязи в таб­лицы атрибутов, можно организовать взаимосвязи и в растровых системах.

Необходимо остановиться на вопросах точности отображения в ра­стровых моделях. В растровых форматах в большинстве случаев неяс­но, относятся координаты к центральной точке пикселя или к одному из его углов. Поэтому точность привязки элемента растра определяют как 1/2 ширины и высоты ячейки.

Растровые модели имеют следующие достоинства:

• растр не требует предварительного знакомства с явлениями, дан­ные собираются с равномерно расположенной сети точек, что позволя­ет в дальнейшем на основе статистических методов обработки получать объективные характеристики исследуемых объектов. Благодаря этому растровые модели могут использоваться для изучения новых явлений, о которых не накоплен материал. В силу простоты этот способ получил наибольшее распространение;

• растровые данные проще для обработки по параллельным алго­ритмам и этим обеспечивают более высокое быстродействие по сравне­нию с векторными;

• некоторые задачи, например создание буферной зоны, много про­ще решать в растровом виде;

• многие растровые модели позволяют вводить векторные данные, в то время как обратная процедура весьма затруднительна для векторных моделей;

• процессы растеризации много проще алгоритмически, чем про­цессы векторизации, которые зачастую требуют экспертных решений.

Наиболее часто растровые модели применяют при обработке аэро­космических снимков для получения данных дистанционных исследо­ваний Земли.

Метод группового кодирования. Самый простой способ ввода рас­тровых моделей - прямой ввод одной ячейки за другой. Недостатками данного подхода являются требования большого объема памяти в компью­тере и значительного времени для организации процедур ввода-вывода. Например, снимок искусственного спутника Земли (ИСЗ) Landsat имеет 74 000 000 элементов растра и это требует огромных ресурсов для хране­ния данных.

При растровом вводе информации в ГИС возникает проблема ее сжатия, так как наряду с полезной может попадать и избыточная (в том числе и бесполезная) информация. Для сжатия информации, получен­ной со снимка или карты, применяется кодирование участков развертки или метод группового кодирования, учитывающий, что довольно часто в нескольких ячейках значения повторяются.

Суть метода группового кодирования состоит в том, что данные вво­дятся парой чисел, первое обозначает длину группы, второе - значение. Изображение просматривается построчно, и как только определенный тип элемента или ячейки встречается впервые, он помечается призна­ком начала. Если за данной ячейкой следует цепочка ячеек того же типа, то их число подсчитывается, а последняя ячейка помечается признаком конца. В этом случае в памяти хранятся только позиции помеченных ячеек и значения соответствующих счетчиков.

Применение такого метода значительно упрощает хранение и вос­произведение изображений (карт), когда однородные участки (как пра­вило) превосходят размеры одной ячейки.

Обычно ввод осуществляют слева направо, сверху вниз. Рассмот­рим, например, бинарный массив матрицы (5 х 6):

000111 001110 001110 011111 011111.

При использовании метода группового кодирования он будет вво­диться как:

30312031303120511051.

Вместо 30 необходимо только 20 элементов данных. В рассмотрен­ном примере экономия составляет 30 %, однако на практике при работе с большими массивами бинарных данных она бывает гораздо больше.

Метод группового кодирования имеет ограничения и может исполь­зоваться далеко не во всех ГИС.

Элементы бинарной матрицы, т.е. растровой модели, могут прини­мать только два значения: "1" или "0". Эта матрица соответствует чер­но-белому изображению. На практике возможно полутоновое или цвет­ное изображение. В этих случаях значения в ячейках растровой модели могут различаться по типам. Тип значений в ячейках растра определяет­ся как исходными данными, так и особенностями программных средств ГИС. В качестве значений растровых данных могут быть применены це­лые числа, действительные (десятичные) значения, буквенные значения.

В одних системах используются только целые числа, в других - раз­личные типы данных. При этом ставится условие единства значений для отдельных растровых слоев. Целые числа часто служат кодами, указы­вающими на позицию в прилагаемой таблице или легенде.

^ Структурно определенные растровые модели. Растровые моде­ли делятся на регулярные, нерегулярные и вложенные (рекурсивные или иерархические) мозаики (рис. 4.10).Плоские регулярные мозаики бывают трех типов: квадрат (рис. 4.10, а), треугольник и шестиугольник (рис. 4.10, б). Квадрат - самая удобная модель, так как позволяет относительно просто проводить обработку больших массивов данных. Треугольные мозаики служат хорошей ос­новой для создания выпуклых (сферических) покрытий.Среди нерегулярных мозаик чаще всего используют треугольные сети неправильной формы (Triangulated Irregular Network - TIN) и полигоны Тиссена (рис. 4.10, в). Сети TIN удобны для создания цифровых моде­лей отметок местности по заданному набору точек. Они применяются как в растровых, так и в векторных моделях.Модель треугольной нерегулярной сети (TIN) в значительной мере альтернативна цифровой модели рельефа, построенной на регулярной сети. TIN-модель была разработана в начале 70-х гг. как простой способ построения поверхностей на основе набора неравномерно расположен­ных точек. В 70-е гг. было создано несколько вариантов данной систе­мы, коммерческие системы на базе TIN стали появляться в 80-х гг. как пакеты программ для построения горизонталей.
Модель TIN используется для цифрового моделирования рельефа. При этом узлам и ребрам треугольной сети соотносятся исходные и про­изводные атрибуты цифровой модели.Полигоны Тиссена (или диаграммы Вороного) представляют собой геометрические конструкции, образуемые относительно множества то­чек таким образом, что границы полигонов являются отрезками перпен­дикуляров, восстанавливаемых к линиям, соединяющим две ближайшие точки. Полигоны Тиссена позволяют проводить анализ на соседство, близость и достижимость.
Нерегулярная выборка лучше, чем регулярная, отражает харак­тер реальной поверхности и это является достоинством полигонов Тиссена.
При построении TIN-модели дискретно расположенные точки со­единяются линиями, образующими треугольники. В пределах каждого треугольника поверхность обычно представляется плоскостью. Посколь­ку поверхность каждого треугольника задается высотами трех его вер­шин, применение треугольников обеспечивает каждому участку моза­ичной поверхности точное прилегание к смежным участкам. Это обес­печивает непрерывность поверхности при нерегулярном расположении точек.

Данная модель позволяет использовать в качестве элементов мозаи­ки более сложные многоугольники, но их всегда можно разбить на тре­угольники.

В векторных ГИС модель TIN можно рассматривать как полигоны с атрибутами угла наклона, экспозиции и площади, с тремя вершинами, имеющими атрибуты высоты, и с тремя сторонами, характеризующи­мися углом наклона и направлением.

Для выбора точек модели используют три основных алгоритма: ал­горитм Фоулера и Литла, алгоритм ключевых точек, эвристическое уда­ление точек.

С аналитической точки зрения основу таких вложенных, или иерар­хических, мозаик составляют (рекурсивно) раскладываемые модели. Рекурсивная декомпозиция треугольников приводит к образованию тре­угольных квадродеревьев, причем декомпозиция шестиугольников не­возможна. Единицы с более высоким уровнем разрешающей способно­сти можно объединять, формируя шестиугольники, что приводит к об­разованию семиразрядного дерева. Схема адресации для вложенных шестиугольных мозаик была разработана Л. Гибсоном и Д. Лукасом. Они назвали ее генерализованной сбалансированной троичной мозаикой.

Квадратомическое дерево - одна из наиболее широко известных структур данных, использующихся применительно к площадям, линиям и точкам.

Бесструктурные гиперграфовые и решетчатые модели. Они обрабатывают координатные данные в виде простых строк координат без ка­кой-либо структуры. В случае обработки площадей общие границы всегда вводятся в ЭВМ дважды. Пример практического применения этих моде­лей - хранимые в памяти ЭВМ полные полигоны и векторные цепные коды.

Гиперграфовые модели основаны на теории множеств и гипергра­фов и используют шесть абстрактных типов данных: класс, атрибут клас­са, связь класса, объект, атрибут объекта, связь объекта.

Класс соответствует границе гиперграфа, причем объекты являются узлами этого графа. Каждый класс содержит объекты с атрибутами объек­та и различаемый узел, содержащий атрибут класса. Используя подклас­сы, вводят иерархию классов и объектов.

Связи классов и связи объектов устанавливают соотношения между теми классами, которые не связаны иерархически. Связи классов пред­ставляют потенциальные соотношения между классами, а связи объек­тов - действительные соотношения между объектами. Для образования мультисвязи можно объединить несколько связей объектов. Несколько классов объектов образуют гиперклассы, которые связаны гиперсвязями.

Гиперграфовые модели применимы как к координатным, так и к ат­рибутивным данным. Как правило, они отличаются высокой степенью сложности.

Решетчатые модели базируются на математической теории реше­ток, оперирующей с частично упорядоченными наборами данных. Они полезны в тех случаях, когда отсутствует четкая иерархия объектов.

Элементы алгебраической теории автоматных моделей синтеза ти­повых конструктивных моделей упрощают процесс получения сложных графических изображений. Однако такой подход, находящий широкое применение в САПР, пока не используется в технологиях ГИС.

5. Перспективы и примеры применения ГИС в экологии, почвоведении и агрохимии. Экологические ГИС. Почвенные и почвенно-агрохимические ГИС. Агро-ГИС. С конца 70-х годов нашего столетия в мировой практике и науке стала усиленно развиваться технология по созданию систем для организации и хранения пространственных данных, получившая название “Географические информационные системы” (ГИС). Одновременно с развитием технологии развиваются и области ее применения. Учитывая их многообразие – от высококачественной картографии до планирования землеустройства, управления природными ресурсами, оценки и планирования состояния окружающей среды и т.д. можно с полной определенностью утверждать, что именно ГИС обещает стать одной из наиболее обширных сфер применения новых информационных технологий для решения задач управления.

В первую очередь, это связано с тем, что ГИС позволяет рассматривать данные по анализируемым проблемам относительно их пространственных взаимоотношений, что позволяет проводить комплексную оценку ситуации и создает основу для принятия более точных и разумных решений в процессе управления. Объекты и процессы, описываемые в ГИС, являются частью повседневной жизни, и почти каждое принимаемое решение ограничивается, связывается или бывает продиктовано тем или иным пространственным фактором. На сегодняшний день возможность использования ГИС сочетается с потребностью в них, следствием чего является быстрый рост их популярности.

Одна из сфер применения ГИС – экология. Деградация среды обитания

ГИС с успехом используется для создания карт основных параметров окружающей среды. В дальнейшем, при получении новых данных, эти карты используются для выявления масштабов и темпов деградации флоры и фауны. При вводе данных дистанционных, в частности спутниковых, и обычных полевых наблюдений с их помощью можно осуществлять мониторинг местных и широкомасштабных антропогенных воздействий. Данные об антропогенных нагрузках целесообразно наложить на карты зонирования территории с выделенными областями, представляющими особый интерес с природоохранной точки зрения, например парками, заповедниками и заказниками. Оценку состояния и темпов деградации природной среды можно проводить и по выделенным на всех слоях карты тестовым участкам.

Загрязнение

С помощью ГИС удобно моделировать влияние и распространение загрязнения от точечных и неточечных (пространственных) источников на местности, в атмосфере и по гидрологической сети. Результаты модельных расчетов можно наложить на природные карты, например карты растительности, или же на карты жилых массивов в данном районе. В результате можно оперативно оценить ближайшие и будущие последствия таких экстремальных ситуаций, как разлив нефти и других вредных веществ, а также влияние постоянно действующих точечных и площадных загрязнителей.

землевладение

ГИС широко применяются для составления и ведения разнообразных, в том числе земельных, кадастров. С их помощью удобно создавать базы данных и карты по земельной собственности, объединять их с базами данных по любым природным и социально-экономическим показателям, накладывать соответствующие карты друг на друга и создавать комплексные (например, ресурсные) карты, строить графики и разного вида диаграммы.