Геоинформационная система "Компас-2" и возможности её использования для ведения природных ...

Основные элементы базы данных. Для цифрового представления типов реальных объектов необходимо выбрать подходящую форму объектов, являющихся представителями первых (кодами) в базе пространственных данных. Их классификация может быть основана на представлении пространственной размерности:

точка - объекты, имеющие положение в пространстве, но не имеющие длины (0-мерные);

линия - объекты, имеющие длину, они состоят из двух и более 0-мерных объектов (1-мерные);

полигон - объекты, имеющие длину и ширину, они ограничены, по крайней мере, тремя 1-мерными объектами (отрезками) (2-мерные);

объемная фигура - объекты, имеющие длину, ширину и высоту или глубину, они ограничены, по крайней мере, четырьмя 2-мерными объектами (3-мерные).

Такие объекты хорошо отражают тип пространственной локализации реальных объектов. Они могут быть объединены в классы, например, множество точек для представления множества городов.

Пространственные типы объектов БД могут группироваться в слои, именуемые также покрытиями или темами. Один слой представляет один тип объектов или группу концептуально взаимосвязанных типов объектов. Например, слой может включать только отрезки водотоков, или же водотоки, озера, береговую линию и болота. Возможны самые разные варианты системы слоев, как и модели данных. Некоторые базы пространственных данных создаются путем объединения всех объектов в один слой.

Одни и те же географические явления можно представить в разных масштабах и с разной точностью. Переход от одного представления к другому достаточно сложен, например, переход от мелкого масштаба (1:250 000) к крупному (1:10 000). Поэтому часто встречаются базы данных, содержащие множественные представления одних и тех же явлений. Это неэкономно, но избежать этого пока не удается, ибо соответствующие методы перехода еще недостаточно разработаны.

2.7.5.Объектно-ориентированные и реляционные структуры БД

В преобладающем большинстве ГИС используются реляционные базы данных, поддерживаемые такими СУБД как dBASE , INFO ,ORACLE, INFORMIX и т.п. Такие БД позволяют разработчикам ГИС разделить проблему управления пространственными данными на две части: как представлять геометрию объектов и топологию пространственных объектов (вектор или растр) и как работать с атрибутами этих объектов. Для этого годятся реляционные СУБД, а управляемые ими модели дан­ных иногда называют геореляционными моделями. Основные их преимущества таковы:

нет необходимости хранить атрибуты с пространственными данными, но они всегда могут содержаться где-нибудь в системе или поставляться, например, по сети;

атрибуты могут быть изменены или удалены без изменения прост­ранственной БД;

коммерческие реляционные СУБД стандартны и могут управляться стандартными запросами;

хранение атрибутивных данных в реляционных БД не противоречит основным принципам слоев в ГИС;

атрибуты могут быть привязаны к пространственным единицам и представлены разными способами.

В последнее время, особенно в разработках фирмы ESRI, большое внимание стало уделяться четвертому типу СУБД - объектно-ориенти­рованному (здесь этот термин имеет отношение только к структуре БД и языку программирования, а не объекту как реальности). Ее применение направлено на снижение объемов хранимой информации и времени последовательного поиска в БД. В ГИС такие структуры применяются, когда появляется необходимость управления сложными реальными объектами более разумным способом, чем простыми точками, линиями и полигонами, а также модификации БД при оверлее полигонов.

В объектно-ориентированных БД требуется, чтобы географические данные были определены как совокупности элементов. При этом они характеризуются серией атрибутов и параметров их поведения, которые определяют их пространственные, графические, временные, текстовые/численные размерности. Примерами таких элементов могут служить участок железной дороги и связанное с ним здание вокзала, участок трубопровода с серией ответвлений разного диаметра и т.п. Такая структура позволяет унифицировать хранение геометрии и атрибутов при отображении взаимосвязанных объектов.

2.7.6.Организация и форматы данных

Для хранения цифровых пространственных данных, позиционной и атрибутивной их составляющих в БД применяют различные структуры, которые связаны в основном с векторным или растровым представлениями географических объектов. Способы компьютерной реализации этих представлений носят, соответственно, названия векторный и растровый форматы.

В векторном формате, в котором пространственные объекты пред­ставляются точками, линиями и полигонами, позиционная составляющая или геометрия обычно хранится в одном файле в виде индексированных записей: индекс кодирует объект (соответственно, точечный, линейный или полигональный), а запись состоит из набора пар или троек координат, число которых в записи соответствует типу объекта: 1 -для точки, n - для линии или полигона. Чтобы отличить записи для линий и полигонов их либо кодируют разными типами индексов, либо для поли­гонов в последней записи повторяют координаты первой точки поли­гона.

Значения атрибутов часто упорядочивают в виде таблиц атрибутов. В реляционных моделях БД каждая клетка таблицы отражает значение одного из признаков определенного объекта. В зависимости от способа отражения временная форма фиксируется в одной таблице атрибутов данного объекта или в нескольких таблицах для различных временных этапов. Таблица отражает тематическую и, отчасти, пространственную формы информации.

В растровом формате геометрия и атрибуты хранятся в одном файле: записи в нем организованы по строкам или столбцам растра, номера которых кодируют систему координат, а каждое число в записи кодирует уникальное значение атрибута, относящегося к одной ячейке растра (пикселу).

Сопоставление векторного и растрового форматов. Основные проб­лемы, обсуждаемые при выборе растрового или векторного форматов - это отображение реальности, точность координат, скорость аналитической обработки, потребности в объеме памяти, отражение характерных признаков явлений.

Обработка данных. Данные в растровых форматах обрабатываются быстрее при решении таких аналитических задач, как наложение (оверлей), определение соседства, выполнение логических запросов. Для определения взаимного положения объектов и их анализа в большинстве случаев требуется лишь сравнить содержание соответствующих ячеек растра в различных слоях БД с применением простейших условных операторов.

При построении векторной топологии приходится многократно выполнять однотипные вычисления и логические проверки, например, для нахождения точек пересечения отрезков линий, составляющих контуры объектов. Сложные алгоритмы необходимы и при наложении полигонов, для выявления ложных ("паразитных") полигонов. Эти обстоятельства удлиняют время обработки данных, запросов пользователей.

Хранение данных. Простейший метод хранения растровых данных требует 1-2 байтов памяти для каждого пиксела независимо от величины им представляемой, и в этом аспекте он не эффективен. В некоторых системах хранения существуют ограничения на число строк и столбцов. На практике применяются различные методы сжатия информации; наиболее распространенным из них является групповое кодирование, при котором степень сжатия зависит от пространственной изменчивости данных. Однако в некоторых случаях группового кодирования упаковка и распаковка данных дает лишь небольшое преимущество по сравнению с их поячеечным хранением.

Для хранения простых полигонов в векторном формате требуются небольшие объемы памяти; в общем случае необходимый ее объем зависит от сложности объектов, от того, что хранится вместе с координатами, а также от точности координат (одинарная или двойная). В целом векторные системы используют меньший объем памяти по сравнению с растровыми системами, графическое разрешение которых сопоставимо с векторными.

Растровые базы данных привлекают простотой организации, быстротой многих операций; они особенно привлекательны для специалистов в области дистанционного зондирования, привыкших оперировать пикселами при обработке информации, а также при представлении первичных и систематизированных данных о высотах рельефа. Растровый файл легко получить путем сканирования фотоотпечатков или бумажных карт. С другой стороны, во многих случаях растровый подход ведет к потере деталей. Растровые данные различных источников могут иметь разный размер элементов, ориентацию, положение, проекцию. В случае их совместного использования необходим процесс интерполяции информации из одной системы элементов растра в другую. При этом переход к элементам большего размера относительно безопасен, переход к меньшим элементам чреват большими неприятностями.

Хорошие результаты дает использование систем, в которых растровый и векторный анализ могут осуществляться параллельно с использованием функций преобразования (конвертирования) форматов. Такие системы позволяют, например, осуществить наложение векторной карты участков с различным типом использования земель на снимок для более точного его дешифрирования, а затем снимок использовать для корректировки векторной карты ареалов растительности.

Обменные форматы данных. Совместное использование разных источников данных (как векторных, так и растровых) связано с еще одним понятием формата данных - шаблоном представления их в файлах данных. Некоторые из них приняты государственными организациями как стандарты, другие определяются распространителями данных и разработчиками программных средств как внутренние форматы. Обилие таких форматов и уже накопленных данных делают чрезвычайно важной проблему разработки специальных обменных форматов и способов их конвертирования. Многие современные ГИС-пакеты представляют широкие возможности для конвертирования внутренних форматов, как в обменные, так и форматы других пакетов.

Графические форматы, используемые как обменные в разных ГИС- и графических пакетах программ, также делятся на векторные и растровые.

Среди векторных наибольшее распространение получил формат DFX пакета AutoCad, использующий для передачи атрибутивной информации формат DBF (Dbase), более подробные характеристики разных форматов можно найти в толковом словаре.

Преобразование данных других цифровых источников. Все больше данных появляется на магнитных носителях, CD-ROM, данных, доступных в сети Internet; (цифровые карты мира - DCW, цифровые картографические данные Геологической службы США - DLG, цифровые космические снимки, так называемые Quicklook, и многие другие).

Нужно помнить, что пока изображения, распространяемые в Internet, зачастую имеют низкое разрешение, растровый формат и ограниченные размеры.

Истинное горизонтальное и вертикальное положение объектов обычно непосредственно определяется в результате полевой съемки. Система спутникового позиционирования (ССП) - новый способ точного определения положения объектов на земной поверхности. Положение объекта рассчитывается по сигналам, поступающим с серии ИСЗ (ГЛОНАСС, Россия, NAVSTAR или GPS, США) с точностью от метров до нескольких сантиметров. Она сопоставима с точностью самых крупномасштабных карт.

2.7.7.Качество данных и контроль ошибок

Представления о качестве данных, их точности и оценке погрешности становятся чрезвычайно важными при создании баз и банков данных ГИС. Существует практически всеобщая тенденция забывать об ошибках в данных, если последние представлены в цифровой форме. Все пространственные данные до некоторой степени неточны, но в цифровой форме они обычно представляются с высокой точностью, определяемой параметрами памяти компьютера. Необходимо каждый раз рассматривать два вопроса:

насколько правильно представляемые в БД цифровые структуры отражают реальный мир;

насколько точно алгоритмы позволяют рассчитать истинное значение результата.

Методы расчета точности определений по картам рассматриваются в курсе картографии, с понятиями надежности и качества географических данных полезно ознакомиться в работе. Показатели качества данных определяются стандартами. Основные из них: позиционная точность и точность атрибутов объектов, а также логическая непротиворечивость, полнота, происхождение, относящиеся к базе данных в целом.

2.7.8.Позиционная точность данных и типы ошибок

Позиционная точность определяется как величина отклонения измерения данных о местоположении (обычно координат) от истинного значения. При ее определении, как правило, исходят из масштаба исследования или первичного материала, например, в данных о природных ресурсах стремятся достичь точности карты заданного масштаба. Обеспечение большей точности требует более качественных исходных материалов, но всегда следует задаться вопросом, оправданы ли дополнительные затраты задачами исследования.

Точность координат определяется по-разному в растровом и векторном представлении.

Точность растра зависит от размера ячеек сетки. Для избежания потери информации можно использовать ячейки меньшего размера с тем, например, чтобы показать искусственные объекты, но следует оценить, что будет представлять выбранная ячейка в заданном масштабе. В большинстве случаев неясно, относятся ли координаты, представленные в растровом формате, к центральной точке ячейки или к одному из ее углов; точность привязки, таким образом, составляет 1/2 ширины и высоты ячейки.

Координаты в векторном формате могут кодироваться с любой мыслимой степенью точности; она ограничивается возможностями внутреннего представления координат в памяти компьютера. Обычно для представления используется 8 или 16 десятичных знаков (одинарная или двойная точность), что соответствует ограничению по точности соответственно до 1/108 и 1/1016 измерения на местности. Для получения такой же точности растра необходимо, соответственно, 108х108 или 1016х1016 ячеек, что невозможно даже при специальном сжатии данных. Но лишь некоторые классы данных соответствуют такой точности векторного представления: данные, полученные точной съемкой, карты небольших участков, составленные на основе крупно­масштабных топографических карт; лишь для немногих природных явле­ний характерны четкие границы, которые можно представить в виде математически определенных линий. Поэтому можно утверждать, что тонкие линии в векторном формате дают ложное ощущение точности. Обычно на карте толщина линии отражает неопределенность положения объекта. Поэтому в векторной системе фиксируется неопределенность положения векторного объекта, а не точность координат. В растровой системе эта неопределенность автоматически выражается размером ячейки, который и дает действительное представление о точности.

Точность базы данных. Почти каждый этап создания БД чреват вне­сением ошибок.

Карты не свободны от погрешностей, которые при цифровании авто­матически переносятся в базу данных; из-за генерализации они не всегда точно фиксируют информацию о местоположении объекта; несоответствия на границах листов могут обусловить несоответствия в базе данных.

Ошибки характерны для данных, взятых из некартографических ис­точников. Они могут появиться и при проведении инвентаризации по аэрофотоснимкам, если изображения дешифрированы неверно, часто возникают потому, что слишком велико доверие к базовым картам. Другие ошибки связаны с проблемой границ и погрешностями классификации. Многие ошибки обусловлены особенностями сбора данных. Ручной ввод цифровых данных весьма утомителен и трудно сохранять качество работы на протяжении долгого времени.

Для снижения ошибок в измерении местоположения используют гео­дезический контроль и системы спутникового позиционирования, а также создание массивов данных географической привязки. К последним предъявляют особенно высокие требования по точности и достоверности еще на этапе сбора исходной информации. Их применение в качестве основы для интеграции данных в известных оригинальных масштабах и проекциях не вызывает затруднений. Во всех других случаях требуется преобразование информации, которое должно выполняться по правилам картографической генерализации и согласования. Большая часть данных о местоположении берется с аэроснимков, при этом точность зависит от правильного размещения контрольных точек. Данные космической съемки труднее расположить с большой точностью - не позволяет разрешение снимка.

На весь набор данных влияют: ошибки регистрации и определения контрольных точек, преобразования координат, особенно когда неизвестна проекция исходного документа; ошибки обработки данных, неправильный логический подход, генерализация и проблемы интерпретации; математические ошибки; потеря точности представления из-за невысокой точности вычислений; перевод векторных данных в растровый формат.

В БД обычно используются данные из разных источников с разной сте­пенью точности. При наложении множества карт точность результирующего материала может оказаться очень низкой. Однако больший интерес представляет показатель пригодности полученной карты. Для некоторых типов операций степень пригодности карт определяется точностью наименее точного слоя БД. Показатель пригодности можно оценить также по его устойчивости при смене порядка ввода данных или изменении веса атрибута.

Часто возникают искусственные признаки ошибок (артефакты) - это нежелательные последствия применения высокоточных процедур для обработки пространственных данных, имеющих небольшую точность. Использование растровых данных позволяет застраховаться от артефактов до тех пор, пока размер элемента растра больше или равен позиционной точности данных. При работе с векторными данными артефакты возникают при кодировании (цифровании) и наложении по­лигонов.

Чтобы проверить позиционную точность, нужно использовать независимый, более точный источник, например, карту более крупного масштаба, данные спутникового позиционирования, первичные ("сырые") данные съемки. Для контроля можно использовать и внутренние признаки: незамкнутые полигоны, линии, проходящие выше или ниже узловых точек, и т. п. Величина этих погрешностей может служить мерой позиционной точности.

Наиболее надежным путем создания качественных БД, особенно для ее многократного и многопользовательского применения, является хранение информации о точности в самой БД в виде атрибутов или метаданных.

2.7.9.Точность атрибутивных данных

Точность атрибутов определяется как близость их к истинным показателям (на данный момент времени). В зависимости от природы данных точность атрибутов может быть проанализирована разными способами.

Для непрерывных атрибутов, представляющих модель поверхности, например, ЦМР, точность определяется как погрешность измерений по этой модели.

Для атрибутов объектов, выделяемых в результате классификации, точность выражается в оценках соответствия, определенности или правдоподобия. В случае двух объектов ситуация, в которой они представлены сочетанием 70% атрибута объекта А и 30% атрибута В, лучше, чем когда объекты А и В недостаточно определены, что не позволяет четко разграничить их. В общем случае для оценки точности атрибутов полезно составить матрицу ошибок классификации. Для этого нужно взять несколько случайных точек, определить их категорию по базе данных, затем на местности определить истинный класс и заполнить матрицу классификации (соответствия). Если, например, число классов 4, а число обследованных точек 100, из них на местности определено 25 точек класса А, 18 точек - В, 24 - С и 33 - О (табл. 1).

В идеале все точки должны располагаться по диагонали матрицы; это показывает, что на местности и в базе данных зафиксирован один и тот же класс. Ошибка пропуска возникает тогда, когда точки класса на местности неправильно зафиксированы в базе данных. В матрице

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9