أكثر

تقاطع كائنين نقطيين

تقاطع كائنين نقطيين


لدي كائنين نقطيين r1 (باللونين الرمادي والأخضر) و r2 (باللون الوردي) وأريد أن يتقاطعان مع R. لقد جربت مع الدالة Rتتقاطعمنالنقطيةالحزمة ولكنها تتقاطع فقط معمدىالكائنين:

أرغب في الحصول على كائن raster r3 له شكل r2 (وردي) ، لكن قيم r1.

هل تعرف كيف يمكنني فعل هذا؟


تعديل :

لقد وجدت حلاً عن طريق إدراج r1 و r2 أولاً في r3 ثم تحويل r3 و r2 إلى SpatialPolygonsDataFrame باستخدامالنقطية المضلعاتفونكشن. تم تحويل تقاطع r3 و r2 إلى SpatialPolygonsDataFrame مما كنت أرغب في الحصول عليه:


هذا هو بالضبط ما الوظيفةالنقطية :: قناع (س ​​، قناع)هو ل. يضع الخلايا فيxلغير متوفرعندما تكون الخلية المقابلة فيقناعهوغير متوفر.

مكتبة (sp) (نقطية) # إنشاء بعض عينات البيانات r1 <- نقطية (nrows = 40، ncols = 40، xmn = 0، xmx = 2، ymn = 0، ymx = 2) r1 [] <- seq (1 ، 100 ، length.out = ncell (r1)) r2 <- نقطية (خارجي (1: 20،20: 1) ، xmn = 0 ، xmx = 1 ، ymn = 0 ، ymx = 1) r2 <- إعادة التصنيف (r2 ، ج (0.100، NA))

يجب أن تكون البيانات النقطية بنفس الدقة ، وإذا لم تكن بنفس المدى ، كما هو الحال في المثال الذي قمت بإنشائه ، فيجب عليك تطبيق الاقتصاص أولاً.

# إحضار إلى نفس المدى باستخدام المحاصيل ثم # استخدم القناع لتعيين الخلايا في r1 إلى NA عندما تكون خلية r2 المقابلة هي NA r3 <- قناع (اقتصاص (r1 ، r2) ، r2)

يفترض هذا أن جزء r2 الذي تريد إزالته من r1 مشفر على أنه NA / NoData. إذا لم يكن كذلك ، فاستخدمالنقطية :: الغواصات ()لجعل هذه القضية.


ينشئ هذا المثال شبكة مكانية جديدة تعتمد على التقاطع الهندسي لشبكتين مكانيتين مختلفتين. الصور في الشبكتين متاحة على ENVI & # 160Resource DVD & # 160 (في مجلد APIGriddingExamples) أو من صفحة ويب دروس ENVI. انقر فوق الارتباط التشعبي "ENVI & # 160Tutorial Data". انسخ الصور إلى محرك الأقراص المحلي.

  • درجة حرارة سطح الأرض MODIS (MOD11_L2) صورة من 07 مارس 2009 ، تم الإشارة إليها جغرافيًا إلى نظام إحداثيات UTM Zone 54 باستخدام أداة Georeference MODIS الخاصة بـ ENVI ، والتي تم تصحيحها من أجل القطع الأثرية في ربطة العنق ، ومقسمة مكانيًا ، ومقاسة بمقدار 0.02 بحيث تكون قيم البكسل في Kelvins.
  • Suomi NPP & # 160VIIRS صورة درجة حرارة سطح الأرض EDR اعتبارًا من 07 مارس 2014 ، تم الإشارة إليها جغرافيًا بنظام إحداثيات Geographic Lat / Lon (WGS-84) ، ومقسمة مكانيًا.


تقاطع المضلع المكاني - عدة مضلعات ناتجة

أنا أعمل على تقاطع المضلعات باستخدام أدوات R المكانية rgeos :: gIntersection و / أو raster :: intersect. في حالتي ، تكون نتيجة التقاطع مضلعين بسبب شكل أحد المضلعين (Lpoly) المستخدم لعمل التقاطع. ومع ذلك ، من وظيفة الملخص () يبدو أنه تم إنشاء ميزة واحدة فقط ؟! كيف يمكنني الوصول إلى الشكلين الهندسيين الناتج عن عملية التقاطع؟ علاوة على ذلك ، أود تحديد مضلع واحد فقط من المضلعات الناتجة بناءً على معايير تغطية نقطة مكانية معينة (زوج إحداثيات):

كيف يتم تحديد مضلع واحد فقط و / أو الحصول على ميزات فريدة لكل مضلع ناتج؟ كيف يمكنني الوصول إلى المضلع الناتج الذي يغطي أيضًا الإحداثيات c (1.5،2.5)؟

نهج الحل رقم 1: لقد وجدت حلاً يعتمد على:


حالة الدولة (2)

* مقتبس من الفاحص ، † مقتبس من طرف ثالث
رقم المنشور تاريخ الأولوية تاريخ النشر الوكيل لقب
US20060204133A1 (en) * 2005-03-02 2006-09-14 أفينزا سيستمز ، إنك. طريقة ونظام تحويل البيانات المكانية
US20060285152A1 (en) * 2005-06-17 2006-12-21 سكيلن ويليام أ أسلوب ونظام لدمج ملف الشكل الأصلي وتعيين البيانات داخل ملف تنسيق مستند محمول
US20080010169A1 (ar) * 2006-07-07 2008-01-10 دولنز جوزيف ر طريقة ونظام إدارة وعرض صور المنتج
US20080192053A1 (en) * 2007-02-08 2008-08-14 شركة مايكروسوفت تحويل الخرائط غير المتصلة بالإنترنت إلى خرائط تفاعلية عبر الإنترنت
US20090092277A1 (en) * 2007-10-04 2009-04-09 شركة مايكروسوفت الصلة الجغرافية للصور
US20090189901A1 (en) * 2008-01-30 2009-07-30 شركة شلمبرجير للتكنولوجيا تنسيق تحديد النظام
US20100030892A1 (en) * 2008-07-30 2010-02-04 معهد بحوث الالكترونيات والاتصالات نظام مراقبة معلومات الشبكة القائم على نظم المعلومات الجغرافية
US20100085381A1 (ar) * 2008-10-02 2010-04-08 مجموعة بلو ماربل ، إنك. تنسيق أداة وطريقة استرداد النظام
US20110125614A1 (en) * 2006-07-07 2011-05-26 دولنز جوزيف ر طريقة ونظام إدارة وعرض صور المنتج
CN102147936A (en) * 2011-03-09 2011-08-10 浙江 大学 طريقة قائمة على التتالي لتراكب المتجهات ثنائية الأبعاد بسلاسة على سطح طبوغرافي ثلاثي الأبعاد
US20120127199A1 (ar) * 2010-11-24 2012-05-24 برهام العربي طريقة ونظام لمحاكاة تراكب كائن غير خطي قابل للمط على كائن أساسي باستخدام صور تمثيلية
US20130080504A1 (ar) * 2011-09-26 2013-03-28 شركة جوجل. إدارة عناصر الخريطة باستخدام معرفات المعالم المجمعة
US20140052549A1 (ar) * 2006-07-07 2014-02-20 جوزف ر دوللينز طريقة ونظام لإدارة وعرض صور المنتجات باستخدام الحوسبة السحابية
US8681176B1 (ar) 2011-09-20 2014-03-25 شركة جوجل. تقديم خريطة باستخدام معرفات الأنماط
US20140280064A1 (ar) * 2013-03-15 2014-09-18 المؤسسة الدولية للحاسبات الآلية توليد العناصر الجغرافية المكانية لذكاء الأعمال
US8896630B1 (ar) 2011-10-24 2014-11-25 شركة جوجل. الحفاظ على ملصقات الخريطة متسقة عبر مستويات التكبير / التصغير المتعددة
US8928691B2 (ar) 2011-09-26 2015-01-06 شركة جوجل. عرض صور الخريطة باستخدام تعديلات بيانات الخرائط غير النقطية
US8937627B1 (ar) 2012-03-28 2015-01-20 شركة جوجل. بلاط خريطة متجه سلس عبر مستويات تكبير متعددة
CN104765904A (en) * 2015-02-13 2015-07-08 上海 同 筑 信息 科技 有限公司 اعتمدت تقنية BIM (نمذجة معلومات البناء) مزيجًا متعدد التخصصات وطريقة ونظام تصور شفاف
CN105160624A (en) * 2015-08-20 2015-12-16 电 科 海洋 信息 技术 研究院 有限公司 صورة المعلومات الجغرافية طريقة التسجيل الآلي والجهاز
CN105740256A (en) * 2014-12-09 2016-07-06 高 德 信息 技术 有限公司 طريقة التوليد وجهاز توليد خريطة ثلاثية الأبعاد
US9396508B2 (ar) 2013-05-15 2016-07-19 شركة جوجل. استخدام مربعات اختلاف بيانات الخريطة لتوفير بيانات الخرائط بشكل متكرر لجهاز العميل
US20170186405A1 (ar) * 2015-12-28 2017-06-29 برنامج كائنات الأعمال المحدودة عرض متعدد الطبقات للتمثيل المرئي
US20170293971A1 (en) * 2006-07-07 2017-10-12 جوزيف ر.دولينز طريقة ونظام لإدارة وعرض صور المنتج بدقة عرض تدريجية
US10007677B1 (ar) 2014-12-04 2018-06-26 جوجل ذ نظام وطريقة الفهرسة الجغرافية المكانية
US20190156455A1 (ar) * 2017-11-22 2019-05-23 حكومة الولايات المتحدة الأمريكية يمثلها وزير البحرية تحويل الميزات المكانية إلى خريطة الإسقاط
US10365804B1 (ar) * 2014-02-20 2019-07-30 جوجل ذ التلاعب بالخرائط كوثائق
US10446113B2 (en) * 2018-01-30 2019-10-15 فوريفلايت ذ م م طريقة ونظام عكس الصور النقطية

نظم المعلومات الجغرافية ورسم الخرائط بالكمبيوتر

نص موجز يعرض المفاهيم الأساسية في نظم المعلومات الجغرافية (GIS) ، مع التركيز على فهم التقنيات في الإدارة والتحليل والعرض الرسومي للمعلومات المكانية.

مقسم إلى خمسة أجزاء - الجزء الأول يستعرض تطوير وتطبيق نظم المعلومات الجغرافية ، يليه ملخص لخصائص وتمثيل المعلومات الجغرافية. ويختتم بنظرة عامة على الوظائف التي توفرها أنظمة GIS النموذجية. يقدم الجزء الثاني أنظمة التنسيق وإسقاطات الخرائط ، ويصف طرق رقمنة بيانات الخرائط ويعطي لمحة عامة عن الاستشعار عن بعد. يتناول الجزء الثالث تخزين البيانات وإدارة قواعد البيانات ، فضلاً عن التقنيات المتخصصة للوصول إلى البيانات المكانية. تشكل النمذجة المكانية والتقنيات التحليلية لاتخاذ القرار موضوع الجزء الرابع ، بينما يهتم الجزء الأخير بالتمثيل الرسومي ، مع التركيز على قضايا تكنولوجيا الرسوم وتصميم الخرائط وتعميم الخرائط.


نظم المعلومات الجغرافية والاستشعار عن بعد

أخذ العينات التكيفية:
إنها تقنية لأخذ عينات البيانات التي تستخدم المعرفة المتراكمة من العينات المأخوذة بالفعل لتوجيه أخذ العينات في المستقبل. على سبيل المثال: قد يتم رفض نقاط العينات الزائدة أثناء عملية أخذ العينات على أساس أنها تحتوي على معلومات إضافية قليلة جدًا

العنوان الجغرافي:
يشير إلى عملية معرفات المواقع الأبجدية الرقمية إلى المعلومات ذات الصلة مكانيًا. تتضمن العملية ملفًا أساسيًا جغرافيًا يمكن استخدامه لتمرير العناوين من أجل تحديد الخصائص المتعلقة بالهندسة.

ألبيدو:
نسبة الضوء المنعكس بواسطة كوكب أو قمر صناعي إلى ذلك الذي يستقبله.

اسم مستعار:
ظهور خطوط خشنة على شاشة عرض نقطية

مكافحة الانحراف:
يزيل الصقل أو ينعم بشكل كبير المظهر المتعرج لخط الدرج للخط الرقمي عن طريق ملء بعض الخلايا الوسيطة والمحاطة بألوان منخفضة الكثافة.

قوس:
جزء من محيط شكل مغلق ثنائي الأبعاد يقع بين عقدتين يتقاطع عندهما قوسان أو أكثر. يمثل القوس عادةً حدًا مشتركًا بين وحدتي رسم متجاورتين.

الثانية ARC:
الجزء الستين من دقيقة قياس الزاوية يمثله "

منطقة:
مستوى من القياس المكاني يشير إلى فضاء محدد ثنائي الأبعاد.

وجه:
يشير إلى اتجاه البوصلة (عادةً من الشمال) لخط المنحدر الأكثر انحدارًا عند نقطة معينة.

ابعاد متزنة:
يشير إلى نسبة المقياس الأفقي إلى المقياس العمودي للطباعة أو العرض

ينسب:
يشير إلى مجموعة أو مجموعة البيانات التي تصف خصائص كيانات أو ظروف العالم الحقيقي

استعلام الإسناد:
إنها عملية اختيار عناصر البيانات من نظام قائم على الملفات ، بناءً على قيم سمات محددة أو مجموعات منها محددة بواسطة التعبيرات الحسابية والعلائقية والمنطقية

جدول التدقيق:
في GIS ، جدول معلومات يصف خرائط الموضوعات والعناصر والمحيطات والمناطق.

الارتباط التلقائي:
يشير إلى المفاهيم الإحصائية التي تعبر عن الدرجة التي تتوافق بها قيمة إحدى السمة مع القيم الأخرى لنفس السمة. خاصة في الحالة المكانية ، يشير إلى الدرجة التي تتناسب فيها قيم سمة لكائنين مع المسافة التي تفصل بينهما.
يمكن تطبيق تقنيات الارتباط التلقائي الرياضي على مقاطع الصورة المتداخلة في عمليات مثل الفسيفساء والتسجيل النقطي إلى المتجه. على سبيل المثال: يمكن للارتباط التلقائي العثور تلقائيًا على أفضل وصلة بين مقاطع الصورة المتداخلة.

رسم تخطيطي آلي:
إنها عملية رسم الخرائط باستخدام أجهزة عرض تعمل بالحاسوب مثل الراسمات وشاشات الرسوم.

صورة AVHRR:
صور مقياس إشعاع متقدم عالية الدقة تم إنتاجها بواسطة أقمار NOAA الصناعية

صورة أفيريس:
صور مطياف التصوير المرئي بالأشعة تحت الحمراء المحمولة جواً. هذه صور متعددة الأطياف لما يقرب من 240 نطاقًا طيفيًا مسجلًا تم جمعها بواسطة طائرات ناسا.

السمت:
الزاوية المحددة بواسطة تقاطع خط الإسقاط المركزي للخريطة مع أي خط طول. إذا كان إسقاط الخريطة يستخدم خطًا مركزيًا موجهًا إلى الشمال الحقيقي ، مثل خط الزوال القياسي ، فإن السمت هو "صفر".

الإسقاط العظيم:
إنها فئة من إسقاطات الخريطة تكون فيها اتجاهات جميع الخطوط المشعة من نقطة مركزية مماثلة لاتجاهات الخطوط المقابلة على الكرة. تتشكل الإسقاطات السمتية على مستوى يكون عادةً مماسًا للكرة الأرضية عند قطب (الإسقاط القطبي) ، عند نقطة على خط الاستواء أو أي نقطة وسيطة محددة. لا تحتوي معظم خرائط السمت على موازيات قياسية أو خطوط زوال قياسية. تحتوي كل خريطة على نقطة قياسية واحدة فقط ، "المركز".
* السمت مناسبة لتقليل التشوه في منطقة دائرية مثل القارة القطبية الجنوبية ولكن ليس لمنطقة ذات طول سائد في الاتجاه *

النطاق أو النطاق الطيفي:
مجموعة من الأطوال الموجية للإشعاع الكهرومغناطيسي.

البيانات الأساسية:
إنه المستوى الأساسي لبيانات الخريطة التي توضع عليها المعلومات الأخرى لغرض المقارنة أو الارتباط الرسومي. تسمى بيانات الخرائط التي تتغير نادرًا ويتم استخدامها بشكل متكرر بالبيانات الأساسية.

تحمل:
إنها الزاوية الأفقية للاتجاه ، وتُقاس في ربع الخط بدرجات شرقًا أو غربًا.
على سبيل المثال: شمال شرق = 45 درجة شرق شمال جنوبي غربي = 45 درجة غربًا جنوبيًا

طبقة CADASTRAL:
مجموعة من المعلومات التي تصور نمط حقوق ملكية الأرض في منطقة ما.

اتجاه سماوي:
الاتجاهات الأربعة الرئيسية: الشمال والشرق والغرب والجنوب.

المنسقين الكارتزيين:
نظام إحداثيات يتم فيه التعبير عن موقع النقاط في الفضاء بالرجوع إلى ثلاثة محاور عمودية (x ، y ، z)

التخطيط:
فن أو علم صنع الخرائط

زنزانة:
قيمة واحدة في البيانات النقطية تتوافق مع منطقة معينة على الأرض

سنترال ميريديان:
خط الطول بين الشمال والجنوب لإسقاط الخريطة الذي تتمحور حوله الخريطة.

تغيير الصورة:
صورة تم إنتاجها باستخدام الجبر النقطي والتي تُظهر التغيير بمرور الوقت بين الصور المسجلة. (معالجة الصور متعددة الأوقات)
على سبيل المثال: يمكن أن يُظهر طرح صورة نقطية قديمة من كائن نقطي جديد الفرق بين تنمية المحاصيل في بداية الموسم وتطور منتصف الموسم أو بين مساحة سطح البركة من سنة إلى أخرى.

خريطة CHOROPLETH:
خريطة بها مناطق ملونة أو مظللة بحيث يتناسب ظلام أو سطوع رمز المنطقة مع كثافة الظاهرة المعينة. إنها خريطة للقيم الموحدة مفصولة بحدود مفاجئة. المناطق المجاورة ليست بالضرورة قريبة من القيمة.

صورة CIR:
لون الصورة بالأشعة تحت الحمراء. يتم جمع هذه الصور بواسطة ماسح ضوئي إلكتروني أو كاميرا تستخدم فيلمًا خاصًا بحساسية من اللون الأخضر عبر الأشعة تحت الحمراء. يتم عرض الأشعة تحت الحمراء الفوتوغرافية خارج نطاق رؤية الإنسان باللون الأحمر. يتحول اللون الأحمر الطبيعي من المشهد إلى اللون الأخضر ويصبح اللون الأخضر أزرق. يتم تصفية اللون الأزرق العادي ولا يتم تسجيله.
تُستخدم صور CIR لإظهار حيوية الحياة النباتية. يظهر الغطاء النباتي الصحي باللون الأحمر بينما تظهر النباتات المنكوبة أو التالفة باللون الوردي أو الأسمر أو الأصفر.

أجمة:
يمثل مجموعة من العناصر المتجاورة الخطية والعقدة والمضلع في كائن متجه

تجمع:
إنها عملية يتم فيها تقليل كائنات نقطية متعددة ، متطابقة مكانيًا ، مسجلة إلى كائن نقي واحد يسمى خريطة الكتلة.

CMY:
سماوي - أرجواني - أصفر

COGO:
تنسيق الهندسة. مجموعة من الأدوات والوظائف الرياضية لترميز وتحويل المحامل والمسافات والزوايا وما إلى ذلك إلى معلومات تنسيق. يتم إدخال البيانات ويتم تحديد الهندسة تلقائيًا.

الارتباط المركب:
هي القدرة على مقارنة الخرائط التي تمثل فترات زمنية مختلفة ، واستخراج الفروق الزمنية ، أو حساب مؤشرات التغيير. إنها وظيفة تحليل متعددة الزمن.

التعميم المركب:
يشير إلى التعميم الذي قد يتطلب تغييرًا في نوع الكائن أو إعادة التوطين استجابة لقواعد رسم الخرائط.

الخرائط المركبة:
تشير إلى خريطة واحدة تم إنشاؤها من خلال الجمع بين عدة خرائط منفصلة رقمية أو ممسوحة ضوئيًا.

ضغط:
إنها طريقة لتقليل حجم الملف عادةً باستخدام خوارزمية ترميز طول التشغيل

عنصر الخريطة الشرطية:
إنه يشير إلى قطعة من الخريطة التي يضع عليها المجتمع الظروف. على سبيل المثال: استخدام الأراضي ، تقسيم المناطق ، المنطقة التاريخية ، إلخ.

تحليل الاتصال:
إنها القدرة على تحديد المناطق أو النقاط غير المتصلة بمناطق أو نقاط أخرى بواسطة ميزات خطية.

تحليل التباين:
يشير إلى علاقات التقارب بين أي مضلع معين وجيرانه. يتضمن هذا تلخيص خصائص المضلعات المجاورة وربطها بالمضلع الذي يتم فحصه.

بيانات مستمرة:
يُقال أن البيانات الموجودة في كائن نقطي متصلة إذا كان من الممكن تمثيلها بسطح ثلاثي الأبعاد بحيث يمكن اشتقاق القيم الوسيطة بنتائج ذات مغزى.

كونتور (N):
إنه خط وهمي على الأرض ، وجميع نقاطه على نفس الارتفاع أعلى أو أسفل مسند معين (MSL).

كونتور (الخامس):
يشير إلى استيفاء ارتفاع النقاط في فترات زمنية محددة عند إعطاء ارتفاعات لمجموعة من النقاط المتباعدة بشكل منتظم أو غير منتظم.

تحرك على طول الناس، لا شيء لنرى هنا:
إنها خريطة طبوغرافية تستخدم الخطوط الكنتورية لتصوير التضاريس. تربط خطوط الكنتور نقاطًا متساوية الارتفاع.

نقطة تحكم:
النقاط و / أو الخلايا التي يتم استخدامها لإنشاء التحكم في إحداثيات الخريطة للكائنات غير المعايرة. في عملية الفسيفساء اليدوية ، تعتبر نقطة التحكم ميزة في قطعة من الفسيفساء تُعرف إحداثيات الخريطة بها. في عملية المعايرة النقطية إلى المتجه ، تعد نقطة التحكم ميزة تتواجد في نفس الموقع بين كائن البيانات النقطية غير المعاير وتراكب المتجه المعاير. تظهر نقطة التحكم على كل من كائن نقطي وكائن متجه متراكب.


3 إجابات 3

سأستخدم مثالًا مختلفًا قليلاً لإثبات طريقي (وهو ليس مضمونًا بأي حال من الأحوال لحل المشكلة بشكل مثالي ولكن مجرد نهج).

Firt ننتج 100 دولار مكعبات عشوائية مع لون فريد لكل منها ، حتى نتمكن من الحصول على انحياز colorToIdxRules بين مجموعة اللون colorSet ومؤشر المكعبات

و 50 دولارًا للأشعة يبدأ من نفس النقطة ptOrig ونقاط النهاية الخاصة بهم مخزنة في ptEndSet.

لحل المشكلة ، الفكرة هي السفر على طول شعاع ، على سبيل المثال الأول في ptEndSet ، باستخدام PlotRange لتقييد المنطقة المعتبرة على أنها محلية قدر الإمكان ، لذلك إذا تقاطع هذا الشعاع مع سطح ، وإلا فلن نرى السطح أثناء رحلة.

من أجل كفاءة أعلى ، نحن لا نسافر معها حقًا. بدلاً من ذلك ، نعتبر حيًا أسطوانيًا للشعاع ، مع إعداد عرض خاص (إسقاط متعامد تقريبي ، لست متأكدًا من كيفية استخدام ViewMatrix لتحقيق إسقاط متعامد تمامًا لهذه المؤامرة .. يبدو أن الإعدادات من هنا تتصرف بشكل غريب في مؤامرة ..) ، ثم تنقيطها:

أخيرًا نستخرج ألوان الأسطح المعروضة ، من غادر ل حقوهو حسب اتجاه الشعاع:

لذلك من نقطة النهاية إلى نقطة النهاية في ptEndSet ، يتقاطع هذا الشعاع على التوالي مع 45 ، 73 ، 45 مرة أخرى ،. شبه المكعبات.

هنا قمت بتعبئة الكود أعلاه لوظيفة crossObjFunc:

سيستغرق الأمر حوالي 25 ثانية لتحليل جميع الأشعة على كمبيوتر سطح المكتب باستخدام وحدة معالجة مركزية 2.4 جيجا وذاكرة وصول عشوائي 8 جيجا:

عيب: عند وضع الرسومات ثلاثية الأبعاد للحصول على منظر جانبي ، هناك احتمال أن سطحين قريبين بدرجة كافية سيغطي أحدهما الآخر. وأيضًا احتمالية أن تكون وجهة النظر بالنسبة لبعض الأسطح الموجهة الخاصة تقريبًا على مستواها المماسي ، لذا فإن ملفها الجانبي سيكون رفيعًا جدًا بحيث لا يمكن التقاطه بواسطة Rasterize وبالتالي سيتم تفويته.

تبقى المشكلة: عندما تكون هناك قناة ألفا في colorSet ، لا يمكنني حاليًا معرفة كيفية إنشاء خريطة مناسبة للفهرس. يتم تحويل الكائنات ثلاثية الأبعاد الشفافة إلى صورة نقطية غير شفافة ، مع تغير ألوانها أكثر أو أقل.


V. حساب السياق المكاني

مسافه: بعد أقصر مسافة لخلية ليست NA
مسافة الشبكة المسافة عند عبور خلايا الشبكة غير NA
المسافة من النقاط أقصر مسافة لأي نقطة في مجموعة النقاط
اتجاه الاتجاه (السمت) من وإلى الخلايا غير NA
الارتكاز الوظائف البؤرية (نافذة متحركة الجوار)
محلي وظائف الجمعيات المحلية (باستخدام الأحياء)
حدود كشف الحدود (الحواف)
أجمة البحث عن كتل (بقع)
متاخم تحديد الخلايا المجاورة لمجموعة من الخلايا في البيانات النقطية
منطقة حساب مساحة الخلايا (لبيانات خطوط الطول / خطوط العرض)
تضاريس احسب الميل والجانب والخصائص الأخرى من بيانات الارتفاع
موران حساب مؤشرات Moran أو Geary العالمية أو المحلية للارتباط الذاتي المكاني
--------------------------- ------------------------------------------------------------------------------------------

الوحدة 1: نماذج البيانات الاتجاهية والنقطية

لذلك ، سوف نتحدث عن أنواع بيانات المتجه. سنرى ما هو الهيكل وفي سياق نظم المعلومات الجغرافية أعني ما هو استخدامه ، سننظر في نماذج البيانات العلائقية الجغرافية أنواعًا مختلفة من نماذج البيانات العلائقية الجغرافية.
(راجع وقت الشرائح: 01:31)
لذا ، دعونا نرى ما هي أنواع بيانات المتجه الأساسية. إذن ، أولها هو ميزة النقطة وهي دائمًا أو نقطة في نظام المعلومات الجغرافية حيث لدينا ميزة نقطة ، ستتألف من مجموعة من النقاط الآن ، أعني أنه يمكنك التفكير في بعض الأمثلة مثل ذكر موقع الآبار أو موقع توقف الحافلات أو المدارس أو أي ميزة أخرى من هذا القبيل.
الآن ، نوع بيانات المتجه التالي هو خط. الآن ، إنها ذات بعد واحد لها خاصية أحادية البعد ولها طول فقط. لذلك ، بالإضافة إلى الموقع ، سيكون له أيضًا نقطتان نقطة البداية ونقاط النهاية وبينهما سيكون لدينا الرابط ، لذلك ، من خلال ضم خط بين نقطتي البداية هاتين ، سينشئ مقطعًا سطريًا.
الآن ، قد يكون متصلًا كقطعة مستقيمة. لذلك ، قد تحتوي على مقاطع متعددة أو يمكن أن تكون منحنى سلس أعني ، يمكننا إنشاء منحنى سلس من مقاطع النقطة ، أعني أو خط
تُعرف هذه الوظائف عمومًا باسم خوارزميات التقطيع. لذلك ، يمكننا إنشاء خطوط ناعمة أيضًا.
لذلك ، أعني أن الميزة الخطية ستتكون من مجموعة من الخطوط كما قلنا أن ميزة النقطة ستصنع من مجموعة من النقاط ، وستتكون الميزة الخطية من مجموعة من النقاط. لذا ، كمثال أعني ، يمكننا ترميز الطرق في مدينة معينة كميزة خطية وتسجيلها كطبقة ina كميزة طريق. يمكن أن يكون لدينا حدود القرى والولايات والمناطق الإدارية المختلفة بطريقة هرمية للغاية. يمكننا تسجيل الجداول الطبيعية التي تتقارب بشكل أساسي في المصارف ، والتي قد تنضم مرة أخرى لتشكيل مجاري نهرية. إذن ، هذه بعض الأمثلة حيث يمكن ترميز هذه الميزات كميزة خطية في استخدام نوع vectordata الأساسي في إطار عمل GIS.
نوع البيانات التالي هو نوع بيانات المضلع وهو عبارة عن بيانات ثنائية الأبعاد لا تحتوي فقط على الطول ، بل سيكون لها أيضًا خاصية المنطقة وكذلك المحيط. لذلك ، بالإضافة إلى الموقع ، أعني ، عندما نتحدث عن أنواع بيانات GIS ، فإن هذه البيانات ستحتوي دائمًا على إحداثيات خطوط الطول والعرض أو سيكون لها الإحداثي المتوقع. في محاضراتنا السابقة السابقة حول الإسقاطات والتحولات ، رأينا كيف يمكن تحويل خط العرض إلى إسقاطات أسطوانية أو إسقاطات مزمنة أو إسقاطات إملائية. لذلك ، رأينا سياق مختلف.
لذلك ، يمكن أن تحتوي هذه البيانات على رمز لخط العرض وخط الطول للمكان المعروف باسم وحدات جغرافية أعني في إطار عمل WGS 84 أو بخلاف ذلك أعني ، يمكن أن تكون في نظام إحداثيات متوقع. إذن ، هذا المضلع سيكون له مساحة ومحيط كما قلت بالإضافة إلى جوانب الموقع أعني ، إحداثيات الموقع.
لذلك ، سيتم ذلك عن طريق الانضمام إلى مقاطع الخط المغلقة ، أعني أنها ليست مفتوحة. أعني أن هذه المقاطع الخطية يجب أن تكون مغلقة ويجب أن تكون هذه المقاطع الخطية أجزاء سطرية غير متقاطعة وهذا أمر مهم للغاية ، لأنه إذا كان لديك مقاطع خط متقاطعة ، فإن ذلك سيشكل مضلعات متعددة في هذه الحالة.
لذلك ، عندما نبحث في أنواع بيانات متجه أعلى ، أعني ، هذه هي أنواع بيانات المتجه الأساسية ، عندما نبحث عن أنواع بيانات متجه متقدمة. سنرى كيف يمكن أن يكون ممكناً في إطار نظم المعلومات الجغرافية أن تتقاطع الشفرات مع الخطوط أو المضلعات التي أعني أنها قد تحتوي على ثقوب أو التي قد تحتوي على مناطق لا ينبغي أن تحتوي على أي منطقة. لذلك ، يمكن أيضًا ترميز هذا النوع من المضلعات ، وتشفيرها في إطار عمل GIS.
لذا ، أعني أن المحيط أو الحد سيحدد المضلعات. لذلك ، يمكن للمضلعات أن تتفوق على مضلع واحد أو يمكن أن تشترك في حدودها مع المضلعات المجاورة الأخرى وقد تحتوي أيضًا على ثقب بداخلها ، أعني أنه يمكن أن تكون هناك منطقة غير مدرجة. على سبيل المثال ، أعني إذا كنت تقوم باستخدام الأرض ولا تريد تضمين بركة تأتي داخل صيدلية ولا تريد تضمين مساحة البركة إذا كنت تحاول حساب إنتاجية هذا النموذج أعني ، كيف سيكون الناتج من حيث حجم إنتاج الأرز أو القمح. لذلك ، في هذه الحالة سوف تقوم بخصم مساحة البركة التي تدخل ضمن محيط الحقل الزراعي.
لذلك ، من الممكن بالنسبة لنا ترميز المضلعات التي تحتوي أيضًا على ثقوب ويمكننا إزالة هذا القدر من المساحة من الإحصائيات. لذلك ، في هذه الحالة حيث سيكون لدينا هذا النوع من المضلعات التي تحتوي على ثقوب مضمنة ، سينتج عن ذلك حدود داخلية وخارجية. لذا ، أعني أن هذه الميزة ستتألف من مضلعات أو مجموعة من المضلعات أعني ، المضلع كميزة. وأمثلة على هذا ما يمكن أن يتبادر إلى ذهني أعني ، مثال واحد أخبرتك أنه حقل زراعي يمكن أن يشمل مناطق نباتية ، مناطق غابات ، مناطق حضرية ، مسطحات مائية. لذلك ، أعني أنه يمكن أن يكون لديك ميزات مختلفة تعتمد على المنطقة ويمكنك ترميزها كميزة مضلع في GIS.
(راجع وقت الشرائح: 08:31)
الآن ، دعونا نرى بعض الأمثلة. لذا ، هنا يمكنك أن ترى مثالاً حيث ترى أن لدينا مثالاً للنقاط ، لدينا القليل من النقاط التي أعنيها معطاة ، كل المواقع معطاة. إذن ، لدينا هنا عدد من النقاط التي تكون سماتها giventhis هي فكرة النقطة ولدينا إحداثيات الموقع بدلالة x و y.
لذلك ، يمكنك أن ترى بالنسبة للنقطة الأولى أن إحداثيات الموقع معطاة ، وبالنسبة للنقطة الإحداثية الثانية مرة أخرى ، يتم إعطاء إحداثي الموقع ، بالنسبة للنقطة الثالثة أعني والنقطة الرابعة لدينا إحداثيات الموقع. لذلك ، هذه هي الطريقة التي يتم بها تخزين البيانات بشكل مرجعي للنقاط الموجودة في بيانات GIS.
الآن ، لدينا مثال على الخطوط حيث يمكنك أن ترى لدينا من العقدة ولدينا العقدة إلى العقدة. لذا ، إذا رأيت الجزء الأول. لذلك ، في هذه الحالة ، هذا الجزء المستقيم من 11 إلى 12 هو رقم معرف القوس الخاص بك 1 والذي يتم تقديمه هنا وهو معرف الارتباط ثم لديك
معرف العقدة 11 و 12 الذي يتم تقديمه على أنه هاتين النقطتين. لذلك ، لدينا العقدة حيث لدينا من العقدة ولدينا العقدة إلى ثم لدينا معرفات الارتباط كأقواس.
لذلك ، بالمثل ، إذا التقطنا رقم القوس ، قل رقم القوس الخاص بك 5. لذلك ، في هذه الحالة ، إذا انتقلنا إلى هذا ، سنرى أن نقطة البداية هي 14 ، لذا ، يجب أن تكون العقدة from لديك 14. في هذه الحالة ، تكون العقدة 15 البداية هي 15 والعقدة هي 14. لذا ، السبب في ذلك هو أن السطر قد تم ترقيمه في هذا الاتجاه أنه عندما يقوم شخص ما برقمنة هذا السطر ، فسيكون قد نقر أولاً على هذه النقطة 15 ثم على النقطة 14. لذلك ، هذا القوس 5 من العقدة هو 15 والعقدة إلى 14 في هذه الحالة.
لذلك ، يمكننا الحصول على طول هذه الأقواس ، ويمكننا الحصول على مصفوفة مجاورة إذا رأينا تغطية المضلع. لذلك ، في هذه الحالة نرى تغطية المضلع. لذلك ، يمكنك رؤية معرفات المضلعات معطاة هنا 100 و 101 و 103 و 104 ، لكنك ترى أيضًا معرفًا افتراضيًا وهو 100 وهو ما يتجاوز الأسطر التي نراها في هذه المنطقة بالذات ، وهذا المعرف أعني أنه يأتي على أنه افتراضي. لذلك ، فإن أي حقل يحتوي على تجزئة بعده يكون هو الحقل الافتراضي الذي تم إنشاؤه بواسطة البرنامج.
لذلك ، يمكنك أن ترى بالنسبة للمعرّف 101 ، وهو المضلع المدرج على أنه 101 يحتوي على قطعة مستقيمة ، وهي واحدة تبدأ من هنا ثم قطعة مستقيمة 4 وهي هذه ثم لدينا قطعة السطر 6 ، لذلك ، هذا الجزء المستقيم هو قطعة مستقيمة 6. هذا يكمل المضلع 101 وبالمثل لدينا المضلع 103 أو 104 ويمكننا معرفة ما هي قائمة الأقواس التي تضم أو تصنع هذا المضلع المحدد.
الآن ، يمكننا أيضًا أن نكتشف من هذا أن إحداثي x-y للقوس 1 معطى هنا كنا نتحدث عن مقاطع مستقيمة. لذلك ، يمكنك أن ترى أن الإحداثيات 1 و 3 و 1 و 9 و 4 و 9 تُنشئ أساسًا مقطع القوس المعين هذا. لذا ، أعني أنه يمكنك الانتقال إلى البيانات ويمكنك الرجوع إليها ومعرفة كيف أعني البيانات مرتبًا ، أعني أنه يمكنك إنشاء ملف شكل أو ملف قوس في arc GIS أو q GIS أو برامج أخرى.
لذلك ، سيكون لدينا محاضرة واحدة سأحاول فيها إخبارك بتثبيت البرنامج & rsquos وسنقوم ببعض التمارين الأساسية على هذه البرامج. لذلك ، سيكون لدينا محاضرة مخصصة لذلك وسنحاول العمل على منصة QGS. لذا ، بصرف النظر عن هذا ، يمكنك أيضًا أن ترى أن هناك اثنين
المصفوفة وهي مصفوفة الجوار والوقوع التي سنتحدث عنها في الشرائح اللاحقة.
لذلك ، في مصفوفة الجوار ، يمكنك أن ترى أن تقارب هذه النقاط معطى على شكل أماتريكس. لذا ، إذا كانت النقطة 12 ، فهذه هي النقطة 12 سواء كانت مجاورة للنقطة 11 ، لذلك ، إذا كانت متجاورة ، فستكون النتيجة 1. الآن ، إذا رأيت أن النقطة 13 13 ليست مجاورة لـ 11. في هذه الحالة ، يتم ترميزها على أنها 0 حيث أعني 14 يكون الجوار 1 حيث يمكنك الوصول إلى 12 يمكنك الوصول إلى 14 من النقطة 11. ولكن ، إذا رأيت أعني التقارب من النقطة 13 ، يمكنك الوصول إلى النقطة 11 فقط النقطة 13. إذاً ، بالنسبة لمصفوفة الجوار 13 ، يمكنك أن ترى أنها فقط قريبة من النقطة 11 وهي هذه النقطة.
إذن ، ما يمكننا فعله الآن هو إذا رأينا مصفوفة الوقوع لهذا أعني مقاطع النقاط ومقاطع الخط. لذا ، فإن رموز الارتباط الموضحة هنا للنقطة 11 يمكنك أن ترى أنها متصلة بالجزء الأول ، ولكن لها اتصال سلبي. أعني ، أن خط تدفق اتجاه التدفق يكون سالبًا في هذه الحالة حيث يكون متصلاً بالقوس الثاني ويكون في الاتجاه الموجب ، ويشع من هذه النقطة 11. لذا ، فإنه يشع من هذه النقطة 11 ، لذا فإنه يُعطى كـ 1 .
لذلك ، بالمثل ، يمكنك الوصول إلى هذه النقطة 14 وهذا من خلال هذا المقطع الخطي المعين وهو 4 ، لذا فهذه قيمة موجبة مرة أخرى. لذا ، يمكنك أيضًا أن أعني ، إذا لم تتمكن من الوصول إليه بشكل مباشر إذا كان الاتصال سالبًا ، فسيتم تمثيله على أنه واحد سلبي في مصفوفة الحادثة. لذا ، فقد مررنا بأنواع مختلفة من مجموعات البيانات وهي مجموعات بيانات المضلع ، ولدينا مجموعات بيانات الخط ، ولدينا مجموعات بيانات المضلع ومجموعات بيانات النقاط.
إذن ، بعد ذلك سوف ننظر إلى ماهية الطوبولوجيا. الآن ، يجب أن نبني هذه العلاقات في الشريحة السابقة التي رأيناها أن أرقامك تم تشفير المضلعات ، والنقاط التي تم تشفيرها. لذا ، أعني أن لديهم خط طول هذا العرض وهذه الروابط تحتوي على أرقام وتم ترتيبها في جدول. إذن ، هذه هي العلاقة التي نحاول التقاطها بين النقاط والخطوط التي تمثل ميزات العالم الحقيقي ويتم ترميزها في البيانات.
لذلك ، قد يكون لدينا سمات قاعدة بيانات ممتدة جنبًا إلى جنب مع هذا الجدول ، أعني أنه سيكون له الجداول جنبًا إلى جنب معه. لذلك ، سيكون لها أعمدة متعددة حيث يمكننا إضافة ميزات أخرى بالإضافة إلى المعلومات ، أعني مجموعات متعددة من المعلومات. لذلك ، هذا يحتاج إلى ترميز في شكل من العلاقة.
إذن ، هذه الخصائص الهندسية للشيء الهندسي الذي أعنيه ، سيبقى هذا أعني أنه سيتم بناء علم الحصن ، أعني أنه سيبقى ثابتًا. مثل ، إذا كنا نصنع طوبولوجيا
باستخدام خطوط أو أقول أنه سينتج عنه مضلع ، لذلك يجب أن تظل الهندسة غير متغيرة. الثابت يعني أنه عندما نجري إسناد جغرافي في صفنا الأخير كنا قد قمنا بالتحول. لقد أجرينا التحويل ورأينا التحويل المضلع أو متعدد الحدود أو التحويل الأفيني الذي نحاول فيه تغيير السمات الهندسية لقيم النقاط.
لذلك ، في هذه الحالة قد يخضع للالتواء ، قد يخضع لتشوه من حيث تغيير الشكل. لذلك ، رأينا القص والتناوب والترجمة هذه أشياء مختلفة قد تحدث في قاعدة البيانات. لذلك ، يمكن أن تكون صورة ، لكننا اليوم نتحدث عن بيانات المتجه. لذلك ، عندما نقوم بتحويل على طبقة المتجه ، فإن ما يحدث هو ، قد يكون هناك تشكيل من حيث الهندسة ، لكن العلاقة بين خصائص الكائنات الهندسية تظل كما هي. أعني أن الطريق لن يتغير اسم الطريق إذا كنت تقوم بتحويل هندسي يجب الحفاظ عليه.
لذلك ، في الطوبولوجيا عندما يكون لدينا طوبولوجيا ، هذه الخصائص للأجسام الهندسية ستبقى ثابتة. لن يتغير في ظل أي تحول مثل الانحناء أو التمدد ، يمكنك أن ترى مثال الشريط المطاطي أعني ، نحن نستخدمه للوقت.
لذا ، إذا قمت بمد الشريط المطاطي ، فأنا أعني تخيل أنه مصنوع من خطوط ، لذا سترى أن الكيانات ستبقى كما هي. The line segments would be the same may bethe length increases or it gets deformed or if you want to if you make a polygon out of it maybecome deformed, but the entities remain. The geometric objects would remain invarianteven if you apply some kind of a transformation such as stretching or I mean skewing or anysuch transformation.
So, this I mean relationships this property&rsquos could be explained through directed graphs, it isalso known as digraphs. So, this is aspect of graph theory. So, I mean, the directional naturecan be expressed through the digraphs that is the directed graphs which shows thearrangement of the geometric objects.
In our earlier slide, we had seen the lines in which the directions were there. As you startdigitizing it, it also takes the direction which is encoded in the to point, from point and the to
point. So, those relationships could be encoded and I mean these relationships could beembedded as a table in a table in different columns. So, this basically is the topology or therelationships that we build with the points and the lines.
Next, we had talked about the adjacency and indices incidences. So, these are alsofundamental relationships that are extensively used in GIS, wherein it would establish arelationship between the nodes and arcs. So, in digraph topology it would require additionalfiles to store the spatial relationships. When we have this spatial relationship we have seenthat adjacency and incidence matrix where two separate matrix, two separate data sets apartfrom the basic data sets of the location, length or area of the line point or the polygon.
So, these are two additional data sets which basically stores your adjacency and incidencedata sets incidence information. So, we have already seen this example of the polygontopology and we had explained what is adjacency matrix adjacency matrix and a incidencematrix in our earlier slide and how they are connected and how they are encoded in thisparticular table.
Now, let us see this topological relationships is also useful if we want to do some kind of aspatial query. If we you are doing some kind of a spatial data query say suppose you want tosearch for a road and you see if you are travelling somewhere you open the Google maps andyou can see how which segment of the road is congested and what is the travel time. So, it isshown through colors indicated through colors red indicates that there is a traffic jam, thetraffic speed is very less in a particular segment, if it is green or blue then it indicates there isa smooth flow of traffic in that particular line segment.
So, I mean we need to do some queries, I mean these are queries which are self generated, butyou can also give a specific query say suppose what is the length of a particular road. I meanyou may have a particular road which may be a express way or I mean a highway part of thehighway running through a city. So, you may want to know its length. So, you can find outusing a spatial query.
So, when you have these topological relationships it helps or it aids in creating these spatialqueries like say suppose, I mean there is a case of say kind of pollution. So, how much or howmany a buildings are I mean, affected or how much population is affected because of thispollution. So, you can try to use measures of containment or intersection. So, these are veryimportant two topological relationships important for the spatial data query.
So, we shall subsequently see in our decodes of time in our next lectures series of lecturesthat how we can generate a spatial data query and how it is useful.
(Refer Slide Time: 23:55)
So, we would look into the georelational data model. So, it stores geometry I mean as geo Imean which signifies the graphic aspects I mean, how the data is coded as lines or polygonsand the relation that we build into this model which is the database part that is the attributepart. So, it uses feature identification IDs to look the to basically link this two components
that is the geometric component and the attribute component. We have the attributecomponent as well as the geometric component.
So, we can link these two components. So, these two components are against synchronized Imean, these are two separate sets. Like you if you are some of you have worked on auto CADyou would see that you can draw lines, you can draw polygons, you can draw shapes, you candraw points. So, these are only a drawing entities I mean it does not have any attribute and onthe other hand you can have a excel table wherein you may have attributes. So, these twoinformation sets could be having a unique tag or a unique ID which would link these twocomponents that is I mean, geographic or the geometric component and the attributecomponent.
So, these are synchronized so that they can be queried, analyzed or displayed together. So, theexamples of such georelational data models are COVERAGE and SHAPEFILE. So,COVERAGE is a very popular Esri I mean format and SHAPEFILE is a open source format,we will have a look at it. This coverage is a topological I mean model wherein a shape file isa non-topological model. We will again discuss what is a, I mean difference betweencoverage and shape file when we look into this two aspects we shall see.
So, you can see the coverage has two component arc coverage has two component. So, youcan see it has it is linked the geo that we had talked the geometry that we had talked this is thegeometry part and then we have the info file which is basically the attribute. So, they arelinked with two sets of I mean entities, I mean you can see a common field having the entitynumbers which link this geometry as well as the attribute.
So, whenever we said we are doing some kind of a query or we are doing some kind of Imean analysis they are these two components. These two components that is the geometryand the attribute of this particular system, that is why we are calling it a GIS, GeographicalInformation System which has these components. So, these are synchronized and they can bequeried analyzed or displayed together displayed in unison.
(Refer Slide Time: 27:19)
So, let us see the Esri coverage. This is a proprietary format given by Esri and theconnectivity is through arcs and nodes. So, there is a area which is defined for this polygonswhen the arcs are connected together to enclose area and they are referred to as polygons.And, we also can identify the contiguity I mean, we can identify whether area is lying closeby. So, we can find out which are the left polygon and the right polygon that is there in thedatabase.
Now, you can see the data structure for a point we had already studied this. So, you can knowthe coordinates from this I mean graph. So, for point 1 for point 1 we have coordinates 2 and9. So, in the x direction we travel two grids and in the y direction we travel two grids to havethis point 1 which has the coordinates 2 and 9. So, this is how the point data structure is
linked, then we have the data for the line coverage in which again you can see that we havethe arc ID. So, you would have arc ID and you would have the from node and the to node.
So, we have already covered this. So, we have the from node and the to node. So, this wehave the from node as 11 and to node as 12. So, similarly we can also have your polygoncoverage wherein we have the left polygon and we have the right polygon. So, we had talkedabout the contiguity, in this case we had talked about the left and the right polygons. So, youcan see that is encoded in this particular data set the left and the right polygon.
So, for arc 1 you have the left polygon which is 100 which is the outer area and the code forthe outer area and for the right polygon you have the right polygon as 101. So, this is your arc1. So, similarly you may also have a polygon arc table polygon table in which you can findout which are the arcs which enclose to make this polygonal area. So, it has arc 1, 4 and 6. So,you have 1, arc 4 and you have arc 6 to make your polygon 101. So, this is how the Esri arccoverage would store the data.
(Refer Slide Time: 30:15)
Now, next let us see how the shape file is different from the Esri arc coverage. Now, shapefile it would it is a non-topological format, it is open source format and it is extensively usedin a multi in a range of multitude of GIS softwares, GIS platforms. So, this shape file it treatsa point as the x-y coordinates as the x-y coordinate that we had seen in arc in the Esricoverage file. So, it has a line would have series of points, a polygon would have series ofline segments and the difference is that this polygons would have duplicate arcs when theyhave sheared boundaries which is not so in case of the arc coverage that we had seen earlier.
So, we can see that there are two types of files in this. One is your shape file and it is coded asshx file, shp file and another is a shx file. So, shp file it I mean records the geometry whereinshx maintains the spatial index. We had talked about the spatial index in the last slide so, itmaintains the spatial index of the feature geometry.
So, there are few advantages of using shape files they are I mean, they basically can be veryrapidly displayed on a computer monitor. So, it is very useful when a user is trying to onlyview some data sets. So, in that case it is easier if we use shape file as they are they can bedisplayed quickly. These are non-proprietary formats actually there was a initiative in 1990and there was a demand for having non-proprietary open source GIS data file.
So, this format shape file is the result of that initiative and this consortium is known as theopen geo spatial consortium which came up in 1994. So, it basically I mean is very I mean, itpresses on interoperability of the data sets, so that I mean you can use it in multitudes ofplatforms. So, if you go to this particular website you can find out the details regarding opengeo spatial consortium.
(Refer Slide Time: 33:03)
Now, we have the object based data model. So, this is again a standard non-topographicaldata format it is also used in Esri products. It is format from Esri, but it is I mean it is anon-topological proprietary format. So, it stores geometries and attributes in a single system.Unlike earlier data bases like shape file wherein the geometries and attributes are stored indifferent systems with the unique ID relating both of them this would store the geometriesand attributes in a single system.
So, the geometry is a stored as collection of binary data and it is in a specific field which isknown as a BLOB I mean, this is known as binary large object. So, it is abbreviated asBLOB. So, I mean there are spatial feature or objects which are associated with the set ofproperties and methods. So, you can see here that the geometry of each land use is coded hereand the shape is given here it is given as polygon for the land use ID. So, this is how yourobject based data model is stored.
Now, they are affected by the property which describes the attribute or characteristics of theobject, I mean your GIS object it could be the shape or the area that is the extent or themethod like I mean, performing a specific action such as copy or delete. So, these GISoperations are affected by the property and method which are encoded in the object basedmodel.
(Refer Slide Time: 35:01)
Now, talking about the next geo relational data model which is the geo database this is againby Esri, it uses points, lines and polygons to represent the vector data. It is very similar to arccoverage in terms of its simple features, but it differs from arc coverage in terms of compositefeatures as you can code roots or regions which we shall discuss in our next few slides. So, itcan also store raster data, it can also store triangulated irregular networks, it can also storelocation data.
(Refer Slide Time: 35:41)
So, the geo database, vector data bases is organized into feature classes and feature data sets.So, feature classes would store the spatial features of a similar type of geometry, if you havepoint. So, for different points it would store the spatial features in the feature class. And, itwould participate in the topological relationship with one another, that is, for an example Imean if you have say coincident boundaries like, if you have census data which is veryhierarchal in nature wherein you may have village, you may have taluka blocks or districts,state and the country boundaries. So, there could be I mean coincident boundaries betweenthis different scales of data.
So, this geo database I mean participates in the topological relationship which is wherein youhave coincident boundaries. So, the feature data set, I mean we had talked about the feature
data set. It stores the feature classes and that would share the same coordinate system and thearea excess area extent.
(Refer Slide Time: 36:57)
So, next we had talked about the triangulated area network in our earlier slide in the geodatabase. So, we can see what is the triangulated irregular network is it is used to code theundulating nature of a terrain. If you have a hilly area you can code the slope, you can codethe height, you can code the terrain information using this particular type of vector datastructure which is known as TIN Triangulated Irregular Network.
So, these are basically a set of non-overlapping triangles and each triangle would have aconstant gradient. The slope in each of this triangle would remain same throughout thattriangle, it would not change. So, you can see, you can say that the triangle would be of a
nature of equiplanar triangle for the points lying in a triangle, they would be equiplanar. Theywould be lying in the same plane it would have a constant gradient.
Now, the node of the triangle is a point and each edge would be a line and the triangle itselfwould be a polygon. So, that is how the data is structure. So, it has a triangle number, thenumber of each adjacent triangle, the data would have the list of points, edges that is thepoints the lines as well as the x, y and z value of the elevation points. So, this you can seehow triangulated irregular network looks like.
So, if you have low lying area where there are very less undulations in terms of your heightinformation, you can see the triangles would be much bigger than areas where you wouldhave frequent change in the elevation values, in the height values. So, there you can see thetriangulated facets would be much dense compared to the plain areas where the size of thetriangles are much bigger.
So, you can see the structure of a triangulated irregular network. So, we have the nodes that isnode 11 and it would have the elevation value that is the I mean, height value and it wouldcontain the x and y reference with respect to the coordinate frame that is 2 points along the 2units along the x-axis and 9 units along the y-axis. So, this is where your node 11 is stored.Now, this triangle 101 is comprised of these three nodes that is node 11, node 12 and node13.

Log in to save your progress and obtain a certificate in Alison’s free Diploma in Geo Spatial Analysis in Urban Planning online course

Sign up to save your progress and obtain a certificate in Alison’s free Diploma in Geo Spatial Analysis in Urban Planning online course


Intersection of two Raster objects - Geographic Information Systems

UNIT 21 - THE RASTER/VECTOR DATABASE DEBATE

Compiled with assistance from Charles Parson, Bemidji State University

This unit specifically addresses the issue of raster versus vector by looking at the different dimensions of the debate. We have tried to stress the importance and value of both models by comparing specific technical aspects. The next unit looks at a related but more abstract debate.

UNIT 21 - THE RASTER/VECTOR DATABASE DEBATE

Compiled with assistance from Charles Parson, Bemidji State University

    Unit 4 introduces definitions of raster and vector

  • simplicity of organization
  • speed of many operations, e.g. overlay, buffers
  • especially appealing to the remote sensing community who are used to "pixel" processing

    cartographers were appalled by the crude outlines of parcels that resulted in the "pinking shear" effect of diagonal boundaries represented by grid cell edges

  • surveyors were dismayed by the "inaccuracy" caused by the cells when portraying linear features and points
  • situations in which the raster approach sacrificed too much detail

    early polygon overlay routines were error-prone, expensive, slow

    e.g. using "friction" layer to control width of buffer is only feasible in raster

    raster data may be from a GIS file (perhaps a remotely sensed image) or from a plain scanned image file

  • four issues to the discussions of raster versus vector:
    • coordinate precision
    • speed of analytical processing
    • mass storage requirements
    • characteristics of phenomena

      e.g. MLMIS (Minnesota Land Management Information System, see Unit 9)

    • system "created" a state of perfectly square townships, composed of sections that were exactly one mile on each side
    • variability in the original survey lines were only addressed if mis-alignment was more than an eighth of a mile

    • all linear features had to be represented as 1/4 mile wide strips
    • point features "occupied" 40 acres on the map

      for state-wide planning purposes, the database was adequate

    • five meter cells have been scanned into systems
      • this size is chosen on the basis that 5 m is the width of a #00 pen line on a 1:24,000 map
      • e.g. fire hydrants, storm sewer grates, power poles
      • precision not adequate for facilities managers

      • in most cases it is unclear whether the center of the cell or one of its corners is the precise location of the coordinate
        • e.g. top left corner of the grid may be referenced to a specific UTM coordinate, but it is unclear whether that location is in the middle of the top left cell or at the top left corner of that cell
        • locational precision is thus 1/2 the cell's width and height

        • can be encoded with any conceivable degree of precision
          • precision is limited by the method of internal representation of coordinates
          • typically 8 or 16 decimal digits are used ("single" or "double" precision)
          • this limits precision to 1/108 or 1/1016 of the size of the study area respectively
          • for equivalent raster precision we would need 108 by 108, or 1016 by 1016 cells respectively, neither of which is feasible, even with run length encoding

          • real vector data accuracy may be much worse than one line width
          • e.g. digitizing from a 1:24,000 quadrangle map may appear to allow points to be recorded to the nearest 2 m, from a map that has common errors of 12 m

          • vector precision is true for certain classes of data
            • data captured from precision survey (Coordinate Geometry - COGO)
            • plat maps created from land surveyors' coordinates
            • political boundaries defined by accurate survey

            • soils, vegetation types, slopes, wildlife habitats, all have fuzzy boundaries
            • due to the methods used to record the spatial information
            • due to the transitional nature of variation in the phenomenon

            • lines on maps are typically 0.5 mm wide and are often assumed to represent the uncertainty in the location of the object
            • in a raster system uncertainty is automatically reflected in the cell size

              raster data can be processed very quickly to answer most analytical questions involving overlays, proximity, and

            • in most cases, analysis requires cell-by-cell comparison of the contents of layers
            • little arithmetic computation is required beyond simple conditional statements

            • vector topology is complex
            • complex geometrical problems must be solved, e.g. to find line intersection points
            • complex geometrical algorithms are needed in polygon overlay to avoid generating spurious polygons
            • calculation of distances may be complex depending on the projection/coordinate system used

              may prevent large scale work, or multiple users on small computers

            • may limit the number of concurrent users
            • may require that complex work to be done in batch mode at non-peak times

            • simplest raster data storage method requires one memory location (e.g. one or two bytes) per cell
              • this is not at all efficient, but is used by several systems
              • such systems severely limit the maximum numbers of rows and columns that can be used

              • most common are forms of run length encoding
              • degree of compression depends on spatial variability of data
              • for very complex data the benefit of run length encoding can be negative - use of run length encoding should be optional
              • there is a small overhead in packing and unpacking data compared to cell-by-cell storage

              • use very little storage for simple polygons
                • memory requirements depend on complexity of objects
                • also on precision of coordinates (i.e. single or double)

                • some systems store few relationships, require small amount of storage, compute other relationships as needed
                • other systems offer more elaborate database models, store more relationships, require larger amounts of storage
                • e.g. system A required 150 Kbytes to store 700 lots, system B required 5 Mbytes to store the same 700 lots, both using vector database models

                  assuming that the required resolution is defined by the line width on the input document, rather than by the width of the transition zone in reality

                • raster is a regularly spaced sampling of phenomena
                  • reflects lack of knowledge of spatial variation
                  • if we knew where the complex variation occurred, we would sample there more heavily - not wasting samples in areas of little variation
                  • e.g. knowing that population in California is concentrated in Los Angeles basin and San Francisco Bay area, we would collect more data in those areas than in the Mojave Desert
                  • raster is appropriate for remote sensing as the satellite is not intelligent enough to vary its sampling in response to variation on the earth's surface

                    vector representation permits more spatial variability in some areas than in others
                      e.g. rapid variation at edge of area objects, none in the middle

                    • e.g. variation in vegetation cover is more rapid near the Nile than in the Sahara
                    • e.g. variation in geology is instantaneous across a fault

                    • variation in ownership is instantaneous at edge of lot
                    • variation in county is instantaneous at boundary

                    • difficult to group cells together as an object with attributes in raster
                      • e.g. connect cells along a road
                      • e.g. connect cells as a numbered forest stand

                        raster arranges geography in fixed sequence - gives "sequential access" to world

                        vector arranges geography in any sequence - gives "random access" to data

                      • locations of water wells, emergency call boxes should not be indicated by raster cells, of some arbitrary cell size, in which they lie somewhere
                      • for environmental modelling of water quality, we may need to know precisely where the wells are
                      • to estimate costs of connecting wires to call boxes, we may need to be able to determine distances accurately

                      • e.g. census data is typically aggregated by census tract, both vector and raster representations may be appropriate depending on the application
                      • e.g. sensitive natural resource-related data, such as the location of rare plants or archaeological sites, may be presented in large cells to allow preservation of the phenomena by indicating its presence without identifying its location precisely

                        the raster/vector debate can be summarized as a series of decision rules, for example: handout - Recommendations for the use of vector and raster structures

                        is the best of both worlds available?
                          to an extent it is, in two ways

                        • needs an efficient algorithm to convert from raster to vector and vice versa
                        • possible to capture and store data in vector mode, yet analyze it in raster form
                        • may save computing time and mass storage
                        • especially important for small machines

                        • e.g. install raster and vector systems on the same PC, use conversion functions in one or both systems
                        • e.g. overlay a vector based landuse parcel map over a Landsat image to improve the interpretation of the satellite image
                        • the image might then be used to correct a vector based vegetation parcel map

                        Burrough, P.A., 1986, Principles of Geographical Information Systems for Land Resources Assessment, Clarendon, Oxford. See raster/vector summary on p. 169.

                        Gahegan, M.N., and S.A. Roberts, 1988. "An intelligent object-oriented geographical information system," International Journal of Geographical Information Systems 2(2):101-110. Discusses an interface to a spatial analysis systems which allows the underlying geographical domain to be represented using a high-level, feature- oriented model.

                        Star, J.L. and J.E. Estes, 1990. Geographic Information Systems: An Introduction. Prentice Hall, Englewood Cliffs NJ. Chapter 4 summarizes both sides of the raster-vector issue.

                        1. Summarize the dimensions of the debate between raster and vector database models.

                        2. Describe the design of a study to compare the amounts of storage used by raster and vector models in creating a digital representation of a specific map? If you feel this cannot be done, explain why not.

                        3. Summarize the arguments for raster GIS and the application areas in which it has distinct (a) advantages and (b) disadvantages.

                        4. What factors would determine the appropriate cell size for a raster GIS being developed for a power transmission corridor study?

                        5. In physics, light appears to behave sometimes as particles, sometimes as waves. Discuss whether a useful analogy exists between this debate in physics and the raster/vector debate in GIS.


                        الرجاء إرسال التعليقات المتعلقة بالمحتوى إلى: Brian Klinkenberg
                        الرجاء إرسال التعليقات بخصوص مشاكل موقع الويب إلى: The Techmaster
                        آخر تحديث: 30 أغسطس 1997.