Географические информационные системы

Кроме того, с помощью атрибутов  можно типизировать данные и упорядочивать  описание для широкого набора некоординатных данных.

Таким образом, атрибутивное описание дополняет координатное, совместно  с ним создает полное описание моделей ГИС и решает задачи типизации исходных данных, что упрощает процессы классификации и обработки.

Атрибутами могут быть символы (названия), числа (статистическая информация, код объекта) или графические  признаки (цвет, рисунок, заполнения контуров).

Числовые значения в ГИС могут  относиться как к координатным данным, так и к атрибутивным. Для пояснения  этого напомним, что основной формой представления атрибутивных данных в БД является таблица, а в таблице могут храниться как координаты объектов (координат-ные данные), так и описательные характеристики (атрибутивные данные).

Можно по-разному организовывать взаимосвязь  координатного и атрибутивного  описания. Например, В. Вебером было предложено специфическое сочетание координатного и атрибутивного классов для описания картографических данных. Для построения общей модели данных ГИС он вводит четырехмерное пространство объекта, где первые дав (плановые) размера присваиваются данным X, Y, атрибуты располагаются в третьем измерении, а четвертое измерение резервируется для временных наборов данных.

Такой подход не нов, он заимствован  из методов релятивистской механики и теории N-мерных пространств. По Веберу, данные по координате Z следует обрабатывать как атрибуты, помещая их в одну и ту же иггегорию наряду с описательными текстами и значениями.

Существуют различные методы хранения атрибутивной информации в ГИС:

• хранение для всех объектов системы 1-2 стандартных атрибутов;

• хранение таблицы атрибутов, связанных с пространственными объектами, и информации о реляциях;

• хранение ссылок на элементы данных иерархической или сетевой БД;

• хранение атрибутивной информации может вообще не применяться, если система опирается на классификатор.

4.5. Вопросы точности координатных и атрибутивных данных

 

Использование любой информации допустимо, если она удовлетворяет определенным критериям и стандартам. Одним из критериев применимости пространственно-временных данных в системах ГИС является точность - близость результатов, расчетов или оценок к истинным значениям (или значениям, принятым за истинные). Например, точность горизонтали в цифровой базе данных, полученной на основе дигитализации по карте, можно оценить сравнением ее с горизонталью на исходной карте.

Рассмотрим несколько показателей точности в ГИС: точность вычисления, точность измерения, точность представления.

Точность вычисления определяется количеством значимых цифр после запятой, точность измерений - количеством значимых цифр при измерениях, точность представления - количеством разрядов, описывающих координатные данные.

Точность вычислений и измерений  не адекватна точности представления. Большое количество значимых цифр не всегда гарантирует точность вычислений или измерений.

Точность вычисления в ГИС велика, обычно она намного выше, чем точность самих данных. Более того, набор специальных методов и алгоритмов в ряде случаев позволяет повысить точность первичных измерений.

Точность входит в комплекс данных, определяющий важный показатель - качество данных.

В США разработаны национальные стандарты для цифровых картографических данных, которые применяются при оценке точности цифровых данных. Стандарт выделяет несколько компонентов качества данных:

• позиционную точность;
• точность атрибутов;
• логическую непротиворечивость;
• полноту;
• происхождение.

Позиционная точность выражается степенью отклонения данных ГИС о местоположении от истинного положения объекта на местности. Обычно точность карт приблизительно определяется толщиной линии, или 0,4 мм. Это соответствует 10 м в масштабе 1 : 25 000.

Для проверки позиционной точности используют независимые более точные источники, например карту более крупного масштаба, систему глобального позиционирования (GPS) и др.

Можно на основе известного в статистике правила "переноса ошибок" оценить точность, зная погрешности, вносимые различными источниками. Например, при создании цифровой модели имели место следующие погрешности: 1 мм в исходном материале, 0,4 мм на карте, предназначенной для цифрования, 0,1 мм при цифровании.

При независимой комбинации источников ошибок общую погрешность А Можно оценить, суммируя квадраты отдельных погрешностей и извлекая квадратный корень из суммы:

 

 

 

 

Точность атрибутов определяется близостью значений атрибута к его истинной величине. Атрибуты могут со временем меняться: довольно часто по сравнению с координатными данными.

В зависимости  от типов данных точность атрибутов  может быть измерена разными способами. Для непрерывных атрибутов (поверхностей), например в полигонах Тиссена, точность выражается как погрешность измерений. Для атрибутов категорий объектов, например классифицированных полигонов, точность зависит от того, являются ли категории подходящими, достаточно подробными и определенными, и от того, какова вероятность наличия в данных грубых ошибок.

Точность  атрибута может быть различной в разных частях карты, поэтому полезнее рассчитывать пространственную вариацию вероятности ошибки в классификации, чем пользоваться обобщенными статистическими показателями.

Понятие логической непротиворечивости связано с непротиворечивостью данных в базах данных.

В среде  ГИС это понятие распространяется на внутреннюю непротиворечивость структур данных и внутреннюю топологическую непротиворечивость векторных данных. В частности, это определяет такие требования, как замкнутость полигонов, уникальность идентификатора полигона, наличие или отсутствие узлов на пересечениях дуг.

Понятие полноты ( достаточности) данных связано со степенью охвата данными множества соответствующих объектов. В зависимости от правил отбора, генерализации и масштаба определяют число соответствующих объектов для полного описания ситуации, картографической композиции, явления и т.п. .

Несколько специфический показатель происхождение включает сведения об источниках данных и операциях по созданию базы данных, о методах кодирования данных, времени сбора данных, методе обработки данных, точности результатов вычислений и т.п.

4.6. Векторные и растровые модели

 

Основой визуального  представления данных при помощи ГИС-технологий служит так называемая графическая среда [1]. Основу графической среды и соответственно визуализации базы данных ГИС составляют векторные и растровые модели.

В общем  случае модели пространственных (координатных) данных могут иметь векторное или растровое (ячеистое) представление, содержать или не содержать топологические характеристики. Этот подход позволяет классифицировать модели по трем типам:

• растровая модель;

• векторная нетопологическая модель;

• векторная топологическая модель.

Все эти  модели взаимно преобразуемы. Тем  не менее при получении каждой из них необходимо учитывать их особенности. В ГИС форме представления координатных данных соответствуют два основных подкласса моделей - векторные и растровые (ячеистые или мозаичные). Возможен класс моделей, которые содержат характеристики как векторов, так и мозаик. Они называются гибридными моделями.

В дальнейшем под терминами решетка, мозаика, элемент растра будем понимать одно и то же. Основу такой классификации составляет атомарная единица (пространства), содержащая представления площадей линий и точек.

Векторная модель

Построение модели. Векторные модели данных строятся на векторах, занимающих часть пространства в отличие от занимающих все пространство растровых моделей. Это определяет их основное преимущество - требование на порядки меньшей памяти для хранения и меньших затрат времени на обработку и представление.

При построении векторных моделей объекты создаются  путем соединения точек прямыми линиями, дугами окружностей, полилиниями. Площадные объекты - ареалы задаются наборами линий. В векторных моделях термин полигон (многоугольник) является синонимом слова ареал.

Векторные модели используются преимущественно  в транспортных, коммунальных, маркетинговых  приложениях ГИС. Системы ГИС, работающие в основном с векторными моделями, получили название векторных ГИС.

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.