Daha çox

Raster piksellərin zonada və ya xaricdə olmasının müəyyənləşdirilməsi

Raster piksellərin zonada və ya xaricdə olmasının müəyyənləşdirilməsi


ArcGIS 10.2.2 işlədirəm və tez-tez Zonal Statistika və Cədvəl Sahəsi Vasitələrini istifadə edirəm. Bir piksel sahəsinin cədvəldəki sahəyə yalnız piksel santroidi zonada olduğu təqdirdə daxil olacağını və pikselin bir hissəsi zonadan kənarda olsa da bütün piksel sahəsinin daxil olacağını təsdiqləmək istədim. Əksinə, piksel santroidi zonanın xaricindədirsə, pikselin bir hissəsi zonanın içində olsa da, sahə daxil edilməyəcəkdir.


Təəssüf ki, ArcGIS-in mənbə kodu açıq olmadığından, vektor zonası qat girişi təmin edərkən ESRI-nin sərhəd yerlərinə necə münasibət göstərdiyini dəqiq bilmirik. Bununla birlikdə, DanC-nin yuxarıda qeyd etdiyi kimi, vektor zonası qatının məlumat qatı ilə eyni raster quruluşuna uyğunlaşdırılması üçün bir növ daxili vektordan rasterə çevrilmə ehtimalı var. Bənzər bir alətin proqramlaşdırılması ilə bağlı bir az təcrübəm var (bax burada) və bu problemi həll etməyin yeganə məntiqi yoludur.

Şərhlər bölməsində jbchurchill-in də qeyd etdiyi kimi, həqiqətən CELL_CENTER, MAXIMUM_AREA və MAXIMUM_COMBINED_AREA daxil olmaqla ArcGIS-də vektordan rasterə çevrilmə aparılarkən şəbəkə hüceyrələrinin təsnif edilə biləcəyi çoxlu meyarlar mövcuddur. Çox güman ki, CELL_CENTER yanaşması ən səmərəli metod olduğu üçün daxildə istifadə olunur və əgər belədirsə, sualınıza cavab bəli olacaq, hüceyrə mərkəzi sayılacaq zonanın içində olmalıdır.

Bu məsələni həll etmək üçün ən yaxşı yanaşma, sərhəd hüceyrələrinin necə idarə olunduğuna daha çox nəzarət etməyiniz üçün Zonal Stats əməliyyatını başlamazdan əvvəl vektordan rasterə çevrilməni özünüz yerinə yetirmək olardı. (Qeyd: Bu cavabın necə çıxarıldığına dair bəzi müzakirə elementlərini aradan qaldırmaq üçün yuxarıdakı şərhlərimi sildim və DanC və jbchurchill’i töhfələrinə görə tamamilə kreditləşdirmək istərdim. DanC, yenə də deyirəm, istəsəniz bir şey göndər ... Cavabımı siləcəm, kredit ala biləsən!)


Rast piksellərin zonada və ya xaricdə olmasının müəyyənləşdirilməsi - Coğrafi İnformasiya Sistemləri

Rastr məlumat modeli coğrafi informasiya sistemlərindən (CİS) çox kənarda olan tətbiqetmələrdə geniş istifadə olunur. Çox güman ki, rəqəmsal fotoşəkillərlə bağlı hər hansı bir təcrübəniz varsa, bu məlumat modeli ilə artıq tanışsınız. Hər yerdə mövcud olan JPEG, BMP və TIFF fayl formatları (digərləri arasında) raster məlumat modelinə əsaslanır (bax Fəsil 5 "Coğrafi Məlumat İdarəetməsi", Bölmə 5.3 "Fayl formatları"). Ən sevdiyiniz rəqəmsal görüntüyü görmək üçün bir az vaxt ayırın. Təsviri dərindən yaxınlaşdırsanız, onun kiçik kvadrat piksellərdən (və ya şəkil elementlərindən) ibarət olduğunu görəcəksiniz. Bu bənzərsiz rəngli piksellərin hər biri, bütöv bir şəkildə baxıldıqda, tutarlı bir şəkil meydana gətirmək üçün birləşir (Şəkil 4.1 "Raster Görünüşün Pikselləşməsini göstərən Zoom Inset ilə Rəqəmsal şəkil").

Şəkil 4.1 Raster Təsvirin Pikselləşməsini göstərən Zoom Inset ilə Rəqəmsal şəkil

Bundan əlavə, bütün maye kristal ekran (LCD) kompüter monitorları müəyyən bir sıra sətir və piksel sütunlarından ibarət olduğu üçün raster texnologiyasına əsaslanır. Xüsusi olaraq, bu texnologiyanın təməli kompüterlərdən və rəqəmsal kameralardan təxminən bir əsrə qədərdir. Neoimpressionist rəssam Georges Seurat, 1880-ci illərdə “nöqtəçilik” olaraq adlandırılan bir rəngləmə texnikası inkişaf etdirdi və bu da daha böyük bir şəkil meydana gətirmək üçün birləşən kiçik, monoxromatik “nöqtələr” in yığılmasına əsaslanır (Şəkil 4.2 "Pointillist Artwork") ). Müəllif qədər səxavətli olsanız, həqiqətən, raster verilənlər bazası yaradıcılığınızı əzəmətli sənət əsərləri kimi düşünə bilərsiniz.

Şəkil 4.2 Pointillist Artwork

Rastr məlumat modeli, düzbucaqlı bir səth yaratmaq üçün bir-biri ilə əlaqəli bərabər ölçülü piksellərin sətir və sütunlarından ibarətdir. Bu piksellər nöqtələr, xətlər, sahələr, şəbəkələr və səthlər yaratmaq üçün bina blokları kimi istifadə olunur (Fəsil 2 "Xəritə Anatomiyası", Şəkil 2.6 "Xəritə Yerləşdirmə Prosesi" torpaq bağlamasının raster nümayəndəliyə necə çevrilə biləcəyini göstərir). Piksellər üçbucaq, altıbucaqlı, hətta səkkizguşəli olsalar da, kvadrat piksellər işləməyin ən sadə həndəsi formasını təmsil edir. Müvafiq olaraq, mövcud raster GIS məlumatlarının böyük əksəriyyəti kvadrat piksel üzərində qurulmuşdur (şəkil 4.3 "CBS tətbiqlərində istifadə olunan ümumi raster qrafikası: Hava fotoşəkili (solda) və USGS DEM (sağda")). Bu kvadratlar ümumiyyətlə məlumat modeli bir proyeksiyadan digərinə (məsələn, Dövlət Təyyarəsi koordinatlarından UTM [Universal Transverse Mercator] koordinatlarına) çevrildiyi təqdirdə müxtəlif ölçülü düzbucaqlı şəkillərdə islah olunur.

Şəkil 4.3 CİS tətbiqlərində istifadə olunan ümumi Raster qrafikası: Hava fotoşəkili (solda) və USGS DEM (sağda)

Mənbə: ABŞ Geoloji Araşdırması, Torpaq Resurslarının Müşahidəsi və Elm Mərkəzi (EROS), Sioux Falls, SD.

Vahid kvadrat piksel seriyasına güvəndiyinə görə, raster məlumat modeli qrafik əsaslı sistem olaraq adlandırılır. Tipik olaraq, hər bir şəbəkə bölgəsinə tək bir məlumat dəyəri təyin ediləcəkdir. Rastrdakı hər bir hüceyrə, məkan fenomeninin sətri və sütunu ilə göstərilən bir yerdəki xüsusiyyətini əks etdirən tək bir dəyər daşıyır. Bu hüceyrə dəyəri üçün məlumat növü ya tam, ya da üzən nöqtə ola bilər (Fəsil 5 "Coğrafi Məlumat Rəhbərliyi", Bölmə 5.1 "Coğrafi Məlumatların Alınması"). Alternativ olaraq, raster qrafika bir verilənlər bazası idarəetmə sisteminə istinad edə bilər, burada açıq uçlu atribut cədvəlləri hər pikselə birdən çox məlumat dəyərini bağlamaq üçün istifadə edilə bilər. Kompüter texnologiyalarının inkişafı bu ikinci metodologiyanı getdikcə daha məqbul hala gətirdi, çünki böyük məlumat dəstləri əvvəllər olduğu kimi kompüter saxlama məsələləri ilə məhdudlaşmırdı.

Rastr modeli, verilmiş bir piksel içərisindəki bütün dəyərləri tək bir dəyər əldə etmək üçün ortalama edəcəkdir. Buna görə, bir piksel başına daha çox sahə əhatə olunduqda, əlaqəli məlumat dəyərləri bir o qədər dəqiq deyil. Hər pikselin əhatə etdiyi sahə məkan qətnaməsini müəyyənləşdirir Bir görüntüdə aşkar edilə bilən iki qonşu xüsusiyyət arasındakı ən kiçik məsafə. çıxarıldığı raster modelinin. Xüsusilə, qətnamə kvadrat pikselin bir tərəfinin ölçülməsi ilə müəyyən edilir. Həqiqi dünyada 10 m x 10 m (və ya 100 kvadratmetr) təmsil edən pikselləri olan bir raster modelin, real olaraq 1 km x 1 km (1 kvadrat km) ölçülü piksellərlə 10 ma raster modelinin məkan çözünürlüyünə sahib olduğu deyilir. dünyanın 1 km və s. bir məkan həllinə sahib olduğu deyilir.

Rastrın qətnaməsini təyin edərkən diqqətli olmaq lazımdır, çünki həddindən artıq kobud piksel qətnaməsindən istifadə məlumat itkisinə səbəb olar, həddindən artıq incə piksel qətnaməsindən istifadə isə ekran ölçüsü və / və ya analiz zamanı fayl ölçüsündə və kompüter işləmə tələblərində əhəmiyyətli dərəcədə artımlarla nəticələnəcəkdir. Effektiv piksel qətnaməsi həm xəritə miqyasını, həm də digər CBS məlumatlarının minimum Xəritəçəkmə vahidini nəzərə alacaqdır. Kobud məkan həlli ilə raster qrafika vəziyyətində, müəyyən yerlərlə əlaqəli məlumat dəyərləri raster məlumat modelində mütləq açıq deyildir. Məsələn, telefon dirəklərinin yeri qaba bir raster qrafada göstərilsə, bütün hücrənin dirəklə doldurulmadığı aydın olardı. Daha doğrusu, qütbün həmin hüceyrənin içərisində (ümumiyyətlə mərkəzdə) yerləşdiyi ehtimal olunurdu.

Raster məlumat modelini istifadə edən görüntülər bir neçə xüsusiyyət nümayiş etdirməlidir. Əvvəla, hər bir piksel, bu məlumat dəyəri sıfır olsa da, ən azı bir dəyəri tutmalıdır. Bundan əlavə, müəyyən bir piksel üçün heç bir məlumat yoxdursa, bu şəbəkə xanasına bir məlumat dəyəri yer tutucusu təyin edilməlidir. Çox vaxt, heç bir məlumat dəyəri olmayan piksellərə təsadüfi, asanlıqla müəyyən edilə bilən bir dəyər təyin ediləcək (məsələn, −9999). İkincisi, bir hüceyrə bir atributu təmsil edən hər hansı bir alfasayısal indeksə sahib ola bilər. Kəmiyyət məlumat dəstləri halında atribut ataması kifayət qədər sadədir. Məsələn, bir raster görüntü hündürlüyü ifadə edərsə, hər piksel üçün məlumat dəyərləri, ümumiyyətlə ayaq və ya metr səviyyəsində yüksəkliyin bir göstəricisi olacaqdır. Keyfiyyətli məlumat dəstləri halında, məlumat dəyərləri mütləq əvvəlcədən müəyyən edilmiş tərcümə qaydalarına istinad edən indekslərdir. Torpaqdan istifadə / torpaq örtüklü bir raster qrafika halında, aşağıdakı qayda tətbiq oluna bilər: 1 = otlaq, 2 = əkinçilik, 3 = narahatlıq və s. (Şəkil 4.4 "Torpaqdan istifadə / torpaq örtüyü ilə raster təsviri "). Raster məlumat modelinin üçüncü xüsusiyyəti, nöqtələrin və xətlərin hüceyrənin mərkəzinə “hərəkət etməsidir”. Gözlənildiyi kimi, 1 km çözünürlüklü bir raster şəklində bir çay və ya axın varsa, "çay" pikselinin içindəki həqiqi su yolunun yeri bəlli olmayacaq. Buna görə bütün sıfır ölçülü (nöqtə) və bir ölçülü (xətt) xüsusiyyətlərin hüceyrənin mərkəzinə doğru yerləşəcəyi barədə ümumi bir fərziyyə var. Nəticə olaraq, hər hansı bir xətt xüsusiyyəti üçün minimum genişlik, xüsusiyyətin həqiqi genişliyindən asılı olmayaraq mütləq bir hüceyrə olmalıdır. Olmazsa, xüsusiyyət görüntüdə təmsil olunmayacaq və bu səbəbdən yox olduğu qəbul ediləcək.

Şəkil 4.4 Torpaq İstifadəsi / Torpaq örtüklü Raster Təsviri

Mənbə: ABŞ Geoloji Araşdırması, Torpaq Resurslarının Müşahidəsi və Elm Mərkəzi (EROS), Sioux Falls, SD.

Rastr məlumatlarının sıfırdan kodlanması üçün bir neçə metod mövcuddur. Bu modellərdən üçü aşağıdakı kimidir:

  1. Hüceyrədən-hüceyrə raster kodlaşdırması Hər hüceyrə dəyəri üçün sətir və sütuna görə unikal qeydlər yaratmaqla raster görüntüsünü kodlaşdırmaq üçün minimal dərəcədə intensiv bir metod. Bu üsula “tam siyahıya alma” da deyilir. . Bu minimal intensiv metod, hər bir hüceyrə dəyəri üçün sətir və sütuna görə qeydlər yaratmaqla bir rasteri kodlaşdırır (Şəkil 4.5 "Raster Məlumatların Hüceyrə-Hüceyrə Kodlaşdırması"). Bu üsul, cədvəlin hər bir hüceyrəsinin raster görüntüdəki pikselini təmsil etdiyi böyük bir cədvəl kimi qəbul edilə bilər. Bu üsula “tam siyahıya alma” da deyilir.
  2. Çalışma uzunluğunda raster kodlaşdırması Oxşar qiymətləndirilmiş piksellərdən istifadə edərək raster şəkillərini kodlaşdırma üsulu. . Bu metod, hüceyrə dəyərlərini oxşar qiymətləndirilən piksellərdə kodlaşdırır və yüksək dərəcədə sıxılmış bir şəkil faylı ilə nəticələnə bilər (Şəkil 4.6 "Raster Məlumatların Çalışma Uzunluğu Kodlaması"). Uzunluq kodlaşdırma metodu böyük qonşu piksel qruplarının oxşar dəyərlərə malik olduğu vəziyyətlərdə faydalıdır (məs., Torpaq istifadəsi / torpaq örtüyü və ya yaşayış sahəsinə uyğunluq kimi ayrı məlumat dəstləri) və qonşu piksel dəyərlərinin geniş dəyişdiyi yerlərdə (məsələn, fasiləsiz verilənlər dəstləri) daha az faydalıdır. yüksəklik və ya dəniz səthindəki temperatur kimi).
  3. Dörd ağaclı raster kodlaşdırma Rasteri oxşar qiymətləndirilən piksellərə görə bölünmüş kadranlar hiyerarşisinə bölərək raster şəkillərin kodlaşdırılması üçün istifadə olunan bir metod. . Bu metod bir rasteri oxşar qiymətləndirilmiş piksellərə görə bölünmüş dördüncülər hiyerarşisinə bölür (Şəkil 4.7 "Raster Məlumatların Dörd Ağaclı Kodlanması"). Bir kvadrant tamamilə eyni qiymətli hüceyrələrdən hazırlandıqda, rasterin bölünməsi dayanır. Bölünməyən bir kvadranta “yarpaq düyünü” deyilir.

Şəkil 4.5 Raster Məlumatların Hüceyrə Hüceyrə Kodlaşdırması

Şəkil 4.6 Raster Məlumatların Çalışma Uzunluğu Kodlaşdırması

Şəkil 4.7 Raster Məlumatların Dörd Ağaclı Kodlaşdırılması


Qeydlər

Zone Raster bir tam raster girişi olmalıdır. Xüsusiyyət zonalarınız varsa, bu funksiyada istifadə edilməzdən əvvəl xüsusiyyəti rasterə çevirməlisiniz. Konversiyanı həyata keçirərkən, Value Raster-in hüceyrə ölçüsünü və snap raster mühitini istifadə edin.

Giriş zonası məlumatlarını təyin edərkən, varsayılan Zona Sahəsi ilk mövcud tam və ya mətn sahəsi olacaqdır.

Dəyər Rasteri tam və ya üzən nöqtə ola bilər. Lakin, üzən nöqtə tipi olduqda, Çoxluq, Azlıq və Variety üçün zonal hesablamalar hesablanmayacaq.

Çıxışın məlumat növü, aparılmış zonal hesablamadan və giriş Dəyər Raster növündən asılıdır. Daha çox məlumat üçün Zonal Statistikanın necə işlədiyinə baxın.

Çoxluq və azlıq hesablamaları üçün bir bərabərlik olduqda, zona üçün nəticə əlaqəli dəyərlərin ən altına əsaslanır.


Rastr məlumatlarının ümumi xüsusiyyətləri

Raster məlumat dəstlərində hər bir hüceyrənin (piksel olaraq da bilinir) bir dəyəri var. Hüceyrə dəyərləri bir kateqoriya, böyüklük, hündürlük və ya spektral dəyər kimi raster məlumat dəsti ilə təsvir olunan fenomeni təmsil edir. Bu kateqoriya otlaq, meşə və ya yol kimi ərazi istifadəsi sinfi ola bilər. Böyüklük cazibə qüvvəsini, səs-küy çirklənməsini və ya yüzdə yağıntıları təmsil edə bilər. Hündürlük (məsafə) yamac, aspekt və su hövzəsi xüsusiyyətlərini əldə etmək üçün istifadə edilə bilən orta dəniz səviyyəsindən səth yüksəkliyini təmsil edə bilər. Spektral dəyərlər peyk görüntülərində və hava fotoqrafiyasında işığın əks olunması və rəngi təmsil etmək üçün istifadə olunur.

Hüceyrə dəyərləri ya müsbət, ya da mənfi, tam və ya üzən nöqtə ola bilər. Tamsayı dəyərlər, kateqoriyalı (ayrı) məlumatları və davamlı səthləri təmsil etmək üçün üzən nöqtə dəyərlərini göstərmək üçün ən yaxşı şəkildə istifadə olunur. Ayrı və davamlı məlumatlar haqqında əlavə məlumat üçün Ayrı və davamlı məlumatlara baxın. Hüceyrələr, məlumatların olmamasını əks etdirən bir NoData dəyərinə də sahib ola bilər. NoData haqqında məlumat üçün raster məlumat dəstlərindəki NoData baxın.

Rasters, hüceyrə dəyərlərinin sifariş edilmiş siyahısı kimi saxlanılır, məsələn, 80, 74, 62, 45, 45, 34, və s.

Hər hüceyrənin təmsil etdiyi sahə (və ya səth) eyni eni və hündürlüyündən ibarətdir və rasterlə təmsil olunan bütün səthin bərabər hissəsidir. Məsələn, yüksəkliyi təmsil edən bir raster (yəni rəqəmsal yüksəklik modeli) 100 kvadrat kilometr ərazini əhatə edə bilər. Bu rasterdə 100 hücrə olsaydı, hər bir hüceyrə bərabər genişlik və hündürlükdə (yəni 1 km x 1 km) 1 kvadrat kilometri təmsil edəcəkdi.

Hüceyrələrin ölçüsü, raster məlumat dəsti ilə ötürülən səthi və səth içindəki kvadrat kilometr, kvadrat metr, hətta kvadrat santimetr kimi xüsusiyyətləri təmsil etmək üçün lazım olan qədər böyük və ya kiçik ola bilər. Hüceyrə ölçüsü, rasterdəki naxışların və xüsusiyyətlərin nə qədər qaba və ya incə görünəcəyini təyin edir. Hüceyrə ölçüsü nə qədər kiçik olsa, raster daha hamar və ya daha ətraflı olacaqdır. Bununla birlikdə, hüceyrələrin sayı nə qədər çox olarsa, işlənməsi o qədər uzun olacaq və saxlama sahəsinə olan tələbatı artıracaqdır. Bir hüceyrə ölçüsü çox böyükdürsə, məlumat itirə bilər və ya incə naxışlar gizlənə bilər. Məsələn, hüceyrə ölçüsü bir yolun enindən daha böyükdürsə, yol raster verilənlər bazasında mövcud olmaya bilər. Aşağıdakı diaqramda bu sadə poliqon xüsusiyyətinin müxtəlif hüceyrə ölçülərində bir raster verilənlər bazası ilə necə təmsil olunacağını görə bilərsiniz.

Hər bir hüceyrənin yeri, raster matrisinin içərisində yerləşdiyi sətir və ya sütunla müəyyən edilir. Əslində matris, matrisin satırlarının x oxuna və sütunların Kartezyen müstəvisinə paralel olduğu Kartezyen koordinat sistemi ilə təmsil olunur. Sıra və sütun dəyərləri 0 ilə başlayır. Aşağıdakı nümunədə, raster Universal Transverse Mercator (UTM) proqnozlaşdırılan koordinat sistemindədirsə və 100 hüceyrə ölçüsü varsa, 5,1-də hüceyrə yeri 300,500 Şərq, 5,900,600 Şimal olacaqdır .

Tez-tez bir raster ölçüsünü təyin etməlisiniz. Dərəcə aşağıda göstərildiyi kimi bir rasterlə örtülmüş düzbucaqlı sahənin yuxarı, aşağı, sol və sağ koordinatları ilə müəyyən edilir.


UZAKTAN HESABLAMA | GIS ☆

Məlumat Paylaşımı və İnternet

CİS ilə İnternet arasındakı ittifaq həm təbii, həm də son dərəcə güclü bir ittifaqdır. İnternet GIS verilənlər bazaları, yalnız geoloji deyil, həm də ictimaiyyətin marağı və diqqəti üçün geniş məlumat mənbələrinə çıxış imkanı verir. Xüsusi olaraq intranet və İnternet vasitəsi ilə xidmət göstərməsi üçün hazırlanmış verilənlər bazası arxitekturaları və məlumat formatları, böyük həcmli məlumatların istənilən yerdə kompüterlərə effektiv şəkildə çatdırılmasına imkan verir.

Son bir neçə ildə Earth Resources Xəritəçəkmənin gücləndirilmiş sıxılma dalğası (ECW, indi Intergraph-a məxsusdur) və LizardTech & # x27s multiresolution sorunsuz görüntü bazası (o cümlədən yeni raster məlumat formatlarında inkişaflar) MrSid), inanılmaz sürətlə xidmət göstərilməsinə və paylaşılmasına imkan verən geniş görüntü məlumat dəstlərinin yaxınlığında itkisiz sıxılmasını təmin etdilər. Ağıllı verilənlər bazaları və sistemlərin istifadəsi yolu ilə internet xəritəsi məlumatlarına xidmət və paylaşma nümunələri çoxdur və ABŞ-da yerləşən GIS Məlumat Anbarı (data.geocomm.com), İngilis Geoloji Araşdırmalarının Birləşmiş Krallıq üçün Geoscience Data Index (www) .bgs.ac.uk / geoindex / index.htm), geoloji tədqiqatlar arasında beynəlxalq təşəbbüs - OneGeology (www.onegeology.org), dünya miqyasında Google Earth və Maps (earth.google.co.uk/), USGS Earth Explorer (earthexplorer.usgs.gov), Aster GDEM (gdem.ersdac.jspacesystems.or.jp), GeoServer (geoserver.org), MapGuide (mapguide.osgeo.org) və Mapnik (mapnik.org). Bunlar istifadəçiyə axtarış, görüntüləmə və bəzi hallarda pulsuz məlumatları yükləməyə və veb xidmət verən xəritə tətbiqetmələrini inkişaf etdirməyə imkan verir.


Rəqəmsal Formatların Davamlılığı: Konqres Kitabxanası Kolleksiyalarının Planlaşdırılması

Əhatə dairəsi
Bu veb saytın yerleşim kateqoriyasında təsvir edilən rəqəmsal formatlar coğrafi məlumat sistemləri (CİS) və ya digər proqram tətbiqetmələri tərəfindən yerleşim məlumatlarına daxil olmaq, görüntüləmək, manipulyasiya etmək və təhlil etmək üçün istifadə edilə bilər. Bu formatlardakı mənbələr əsasən coğrafi məkandır, yəni Yer haqqında məlumatların ötürülməsinə, spesifik xüsusiyyətlərin yeri və bu coğrafi xüsusiyyətlərin xüsusiyyətlərinə və xüsusiyyətlərinə yönəldilir. Beləliklə, bu coğrafi məkan kateqoriyasına daxil olan formatlar tez-tez aşağıdakı üç formada məlumatlardan ibarət olacaqdır: (i) raster və ya bitlə təsvir edilmiş şəkillər (ii) nöqtələr, xətlər və çoxbucaqlılardan ibarət vektor şəkilləri və (iii) məlumat dəyərləri. coğrafi məkanlar və ya xüsusiyyətlərlə əlaqəli atributları ifadə etmək. Coğrafi məkanlar üçün müəyyən bir xüsusiyyət, onların məkan təhlilini təmin edən kompüter sistemləri tərəfindən istifadəsi nəzərdə tutulmuşdur.

Bu veb sayt üçün nəzərdə tutulan auditoriya rəqəmsal mənbələrin qorunmasından məsul olan kitabxanaçı, arxivist və / və ya məlumat meneceridir. Bu inşa, coğrafi məlumatları aktiv olaraq istifadə edən bir GIS domeni mütəxəssisi üçün deyil, ümumilikçi və ya mütəxəssis coğrafi məlumat meneceri üçün coğrafi formatlara və CBS funksionallığına girişdir. Xülasə icmalına da baxın Yerleşim Məzmunu: Keyfiyyət və İşlevsellik Faktorları.

Bu veb saytdakı yerleşim formatlarının təsvirləri rəqəmsal arxiv tərəfindən qəbul edildiyi kimi məlumatların və sənədlərin və metadatların qorunmasını dəstəkləmək üçün nəzərdə tutulmuşdur. Qoruma məqsədi, məlumatların gələcəkdə görüntülənməsini və ya göstərilməsini asanlaşdırmaq və yerleşim birliyi tərəfindən bilinən və razılaşdırılmış dərəcədə gələcəkdə məlumatların yenidən istifadəsini, yenidən təhlil edilməsini və / və ya yenidən tərtib edilməsini təmin etməkdir. .

Yerleşim formatlarının xüsusiyyətləri
Coğrafi məkanlar, ilk növbədə şəkillər (raster və ya vektor) və müşahidə olunan və ya hesablanmış atributların cədvəlləri və ya ızgaraları ilə təmsil olunan coğrafi xüsusiyyətlər haqqında məlumatlardan ibarətdir. (Faydalı bir baxış üçün baxın GIS Məlumat Növləri: Vektor və Raster [1].) Getdikcə coğrafi məkanlar, coğrafi məkanla əlaqəli məlumat dəstlərini və ya coğrafi bir yer haqqında ilkin məlumatları ehtiva edən məlumat bazalarını əhatə edir. Bundan əlavə, məkan təhlilindən istifadə edərək daxil edilən və ya əldə edilə bilən köməkçi və əlavə məlumatlar, məlumatların tam və effektiv işləməsi, təfsiri və yenidən istifadəsi üçün zəruri hesab olunur.

Coğrafi məkan formatları dövlət təşkilatları, proqram təminatçıları və standartlar hazırlayan qurumlar tərəfindən davamlı olaraq müəyyənləşdirilib və qəbul edilir. Bu formatlar tez-tez daha ümumi olan spesifikasiyalara və ya standartlara əsaslanır, məsələn, hərəkətsiz şəkillər üçün (raster və vektor) və məlumat dəstləri üçün. Keyfiyyət və funksionallığı qiymətləndirmək üçün bu cür formatlar və əlaqəli amillər haqqında məlumat üçün Hələ Şəkillər: Keyfiyyət və İşlevsellik Faktorları və Datasets: Keyfiyyət və İşlevsellik Faktorları. Coğrafi məkan formatları üçün ümumi olan, georeferans, miqyas, dəqiqlik və dəqiqlik kimi əsas və özünəməxsus konseptual mexanizmlərdən istifadə etməklə təsvir olunan mənbələrin Yerdəki yerini dəqiq bir şəkildə göstərmək imkanlarıdır.

Yerləşdirmə. Georeferans məlumat (məsələn, sənədlər, məlumat dəstləri, xəritələr, şəkillər, tərcümeyi-hal məlumatları) ilə yer etiketləri (məsələn, yer kodları və ya toponimlər) əlavə etmək kimi mexanizmlər vasitəsilə coğrafi yerlər arasında bir əlaqə qurmaq və ya coğrafi koordinatlar. * (Linda Hill's lüğətinə baxın Yerləşdirmə: Coğrafi Məlumat Birlikləri [2], s. 228.)

Coğrafi əlaqələndirmə coğrafi koordinatlar və iki və ya üç ölçülü xəritə proyeksiyaları anlayışlarını əhatə edən çox hissəli bir proses kimi başa düşülməlidir. Aşağıdakı siyahıda göstərilən şərtlərin hamısı georeferans üzərində işləyir.

  • Koordinatlar. Coğrafi koordinatlar məkanda xal tapmaq. İstifadə olunan ən çox istifadə olunan coğrafi koordinat sistemlərindən ikisi enlem / boylam sistemləri və Yerin hissələrini müxtəlif vasitələrlə ayıran şəbəkələrə nöqtələr yerləşdirən Universal Transverse Mercator (UTM) sistemləridir.
  • Proqnoz.Xəritə proyeksiyası Yerdəki nöqtələrin düzgün şəkildə xəritələnməsi üçün bu termin üç ölçülü bir Yerin kağız xəritəsi və ya rəqəmsal CİS kimi iki ölçülü planar səthə uyğunlaşdırılması prosesinə aiddir. Yerin səthi yalnız əyri deyil, düzensiz olaraq əyilir, beləliklə proyeksiyanı zəruri edir. Mövcud bir proyeksiya çərçivəsində istifadə ediləcək başqa bir proyeksiyaya çevrilmə tez-tez orijinal proyeksiyadan asılı olmayaraq yaradıldığı zaman istifadə olunan proyeksiya sisteminin elanı vacibdir. Faydalı bir baxış üçün baxın Proqnozlar: CİS üçün nələri bilməlisiniz [3].
  • Datum. Yer səthini riyazi hesablamağa imkan verən nizamlı bir şəkildə təmsil etmək üçün fərqli yanaşmalardan istifadə olunur. Yerin üç ölçülü formasını dəqiq bir şəkildə təyin etmək üçün istifadə olunan parametrlər və nəzarət nöqtələri a tarix. Hər bir məlumat sferoid və ya elipsoid kimi yerin şəklinin müəyyən bir görünüşünə əsaslanır (Yerin formasını ölçmək üçün elm deyilir geodeziya). Ölçmə vahidi ilə yanaşı (məsələn, ayaq və ya metr) bir məlumat dünyaya əsasən üfüqi baxımdan (üfüqi bir məlumat üçün) və ya şaquli bir baxış nöqtəsindən (şaquli bir məlumat üçün) baxmasına görə dəyişəcəkdir. ) və ızgaranın harada başladığı, yəni baş meridianı. Faydalı bir baxış üçün baxın Datum: CİS üçün bilməli olduğunuz şey [4].
    Müəyyən bir məlumatın istifadəsi bir yerleşim mənbəyinin vacib bir xüsusiyyətidir. Məlumatların yaradılmasında / toplanmasında məlumatların istifadə olunduğu bir bəyannamə, coğrafi məkan formatının məlumat strukturunda təmsil olunmalı olan CİS metadatasıdır. Bir verilənlər bazasının istifadəçiləri ümumi bir baxışa (məsələn, layihələr və ya saytlar tərəfindən paylaşılan) uyğunlaşma məqsədi ilə məlumatları bir datumdan digərinə çevirmək istəyə bilərlər. Bu, tez-tez bir CBS tərəfindən asanlaşdırılan və ya xarici sistemlər tərəfindən yerinə yetirilən və müəyyən bir verilənlər bazası üçün mövcud olan GIS meta məlumatları daxilində sənədləşdirilmiş məlumat transformasiya metodlarından istifadə etməklə həyata keçirilir.
  • Xəritə miqyası. Anlayışı xəritə miqyası məlumatların coğrafi məkan formatında necə görünəcəyini qiymətləndirə bilmək də vacibdir. Bir mənbədəki xətti məsafə ilə xəritələnən səthdəki müvafiq məsafə arasındakı nisbət olaraq təyin edilir, hər ikisini də əhatə edə bilər taxıl (bir piksel ölçüsü və ən kiçik həll edilə bilən vahid) və dərəcə (tədqiqat sahəsinin ölçüsü və ən böyük həll edilə bilən vahid). (Linda Hill's lüğətinə baxın Yerləşdirmə: Coğrafi Məlumat Birlikləri [2], s. 231 və CBS-də miqyas: CİS üçün nələri bilməlisiniz [5].) Mövcud olduğu miqyas haqqında və insanlar və ya maşınlar tərəfindən oxunaqlılıq barədə məlumatlar qeyd olunmalı və normal funksionallığı asanlaşdırmaq üçün qorunmalıdır.
    Xəritə ölçüsü də əhəmiyyətli anlayışlarla əlaqədardır dəqiqlikdəqiqlik verilərdə əks olunduqları və müəyyən bir coğrafi formatda olan məlumat strukturlarına daxil edildikləri üçün. Bu amillərin hər biri planlı bir istifadəyə uyğunluğunu qiymətləndirmək üçün yerleşim məlumatlarını anlamaq üçün vacibdir.
  • Dəqiqlik.Dəqiqlik coğrafi məkanda ümumiyyətlə müşahidə edilmiş və qeydə alınan dəyərin həqiqi dəyərə nə qədər yaxın olduğunu ölçür. Məkan dəqiqliyi dörd əsas yolla ölçülür: mövqe dəqiqliyi, atribut dəqiqliyi, məntiqi ardıcıllıqtamlıq. Tərəfindəndir mövqe dəqiqliyi qeydə alınan yerin gerçək yerə nə qədər yaxın olduğunu bilən. Atributun dəqiqliyi təsvir edilən bir yer üçün qeyd olunan xüsusiyyətlərin həqiqətə nə qədər yaxın olduğunu (ümumiyyətlə səhv və faiz hesablamaları ilə) ölçməyə imkan verir. Məntiqi ardıcıllıq ümumiyyətlə mövzuların müqayisəsi və ya faktların bir-birinə uyğunlaşdırılması ilə təyin olunan uyğunsuz məlumatların mövcudluğunu, olmamasını və ya tezliyini əks etdirir. Nəhayət, tamlıq məlumatların yerləşmə yerini və təmsil etmək istədiyi yerlə bağlı xüsusiyyətləri nə qədər tam təsvir etdiyini təsvir edir. (Paul Bolstad-a baxın CİS əsasları: Coğrafi İnformasiya Sistemlərinə dair ilk mətn [6], s. 516)
  • Dəqiqlik.Dəqiqlik bu kontekstdə ölçmə zamanı eyni nəticələrin nə qədər əldə edildiyi ilə ölçülən bir ölçmə metodunun tutarlılığından bəhs olunur. Ümumiyyətlə, bir sıra təkrar ölçmələrin orta ölçmədən necə səpələndiyinə görə müəyyən edilir. (Paul Bolstad-a baxın CİS əsasları: Coğrafi İnformasiya Sistemlərinə dair ilk mətn [6], s. 517).

Coğrafi formatları təhlil edərkən, verilmiş bir formatın ölçülmənin, təsvirin və yerləşdirmənin dəqiqliyini və dəqiqliyini sənədləşdirmək və hesablamaq üçün vasitə təmin etdiyini və ya etmədiyini başa düşmək vacibdir. Xüsusilə məlumatlar yenidən istifadə edilərkən, yenidən hesablanmalı və ya zaman seriyasında və ya oxşar və ya fərqli cihazlarla əlavə edilməli olduqda, bu cür tədbirlərin görülməsi vacibdir. keyfiyyət məlumatların sənədləşdirilməsi. Məlumat keyfiyyəti, məlumatları təkrar istifadə etmək üçün çoxaltmaq və ya çoxaltmaq və daha da elmi təcrübə aparmaq bacarığı baxımından qiymətləndirmə üçün vacibdir. Məlumat keyfiyyətinin qiymətləndirilməsinə kömək etmək anlayışlardır sübutsoy məlumat üçün. Müddət sübut məlumat müəllifliyinin faktiki yaradılmasına aiddir və məlumatların həqiqiliyinin və düzgünlüyünün qiymətləndirilməsində vacibdir. Müddət soy məlumatın mənbəyi, metodları və vaxtı barədə müzakirəni əhatə etmək üçün sübutdan kənara çıxır. Coğrafi məkan mənbələrinin hər üç xüsusiyyəti - aşağıda daha ətraflı müzakirə olunur - gələcək istifadəçilərin müəyyən bir məqsəd üçün bir yer məkanının yararlılığını qiymətləndirmələri üçün metadata kimi qeyd edilməlidir.

CİS Metadata və Məlumat Sənədləri
Coğrafi məkan formatlarını digər formatlardan fərqləndirən, yer səthinə münasibətdə məlumatı həm üfüqi, həm də şaquli, ya da hündürlük və ya dərinliklə örtülü şəkildə yerləşdirməyin əsas qabiliyyətidir. Metadatada qeyd ediləcək vacib xüsusiyyətlərə coğrafi koordinatlar, proyeksiya, miqyas və məlumat daxildir, çünki rəqəmsal mənbələr onsuz normal funksionallıqla başa düşülə bilməz və ya istifadə edilə bilməz. Bir verilənlər bazası və ya başqa bir format məhsulu olan, məsələn, sadə bir PDF və ya bir xəritənin bitlə eşlenen şəkli olan sadə bir raster şəkli də xəritədə izləyicinin xəritənin onunla nə dərəcədə uyğun olduğunu müəyyənləşdirməsinə imkan verən məlumat daxil etməlidir. coğrafi "reallıq" və ya xəritənin arxasındakı məlumatlardan dəqiq yerini müəyyənləşdirin.

Məzmun standartları. ABŞ Federal Yerleşim Məlumat Komitəsi kimi coğrafi məlumatlar üçün icma əsaslı məzmun standartları mövcuddur Rəqəmsal Coğrafi Metadata üçün Məzmun Standartı (FGDC) [7] və coğrafi məlumat üçün daha geniş ISO standartı, ISO 19115: 2003 [8]. ABŞ-da, FGDC-nin məzmun standart elementləri ESRI və GeoMedia kimi domen nəhəngləri tərəfindən çox istifadə olunan proqram məhsullarına daxil edilməsi nəticəsində daha geniş qəbul edilmişdir. (ESRI, yerli FGDC XML şemasından daha çox FGDC standartının "profilini" istifadə edir.) ISO 19115: 2003 yavaş-yavaş daha çox ABŞ federal qurumları və beynəlxalq təşkilatlar tərəfindən qəbul edilir və ümumi proqram paketlərinə daxil edilməyə başlayır.

Həm FGDC, həm də ISO: 19115 məzmun standartları təsviri, texniki, mənbə və qorunma meta məlumatları daxil olmaqla bir sıra xüsusiyyətləri xarakterizə edir. Təsvirli metadata məlumatların identifikasiyası, istinad və valyuta qiymətləndirilməsi üçün lazımdır. Texniki metadata məkan istinadlarını (proyeksiya, məlumat və coğrafi koordinatlar) təsvir edir. Qoruma metadatası, məlumatların yaradılması, işləmə tarixi və məlumat mənbələri və son nəticə ilə əlaqəli mühit xüsusiyyətlərini əhatə edir. Coğrafi məkan daxilində, sübut və məlumat keyfiyyəti, alət təsvirləri, alqoritm ifadələri və iş axını prosesləri kimi semantik konsepsiyaların nəzarət olunan dəyərləri üçün icma mənşəli ontologiyaların istifadəsi artır.

Məzmuna aid metaməlumatlar və məlumat sənədləri müəyyən bir məlumat formatı daxilində icma əsaslı məzmun standartları (ISO 19115, FGDC, SensorML [9] və UncertML [10] kimi) və icma tərəfindən qurulmuş ontologiyalar baxımından ifadə edilə və ya qeyd edilə bilər. Bu cür məlumatlar yalnız sonrakı məlumat istifadəçiləri tərəfindən bölüşmək və müqayisə etmək üçün deyil, eyni zamanda elmi tədqiqatları sübut etmək və ya genişləndirmək üçün təkrarlanan kompilyasiya və / və ya hesablama məqsədləri üçün və açıq və ya serial və ya zaman seriyası əlavələri zamanı məlumatların genişləndirilməsi üçün faydalıdır. məlumat dəsti. Bundan əlavə metaməlumatlar və sənədlər üçün ifadə formasını, yəni CSV cədvəlləri, əlaqəli verilənlər bazası cədvəlləri və atributları kimi tanınmış bir XML şemasında və ya RDF ontologiyasında ifadə olunub-olunmamasını bilmək faydalıdır. və ya xarici hesabatlara, ontologiyalara və ya veb əsaslı xidmətlərə keçid olaraq. Standartlara əsaslanan meta məlumatların bir formata daxil ediləcəyini və ya istinad edilə biləcəyini qeyd etmək, sonrakı məlumat istifadəçiləri arasında bölüşmək və müqayisə etmək üçün faydalıdır. Hansı proqram məhsullarının OGC standartlarına uyğun olduğunu yoxlamaq üçün OGC Məhsul Qeydinə baxın [11].

Keyfiyyət faktorları. Peyk məlumatları kimi bəzi yerleşim mənbələri üçün məlumatların keyfiyyəti, eyni zamanda sübut və nəsillər haqqında məlumat daxil etmək üçün məlumatların düzgün başa düşülməsi və istifadəsi vacibdir. Məsələn, peyk şəkilləri üçün bulud örtüyü nisbəti əhəmiyyətli bir keyfiyyət xüsusiyyətidir. Bu cür məlumatlar yalnız məlumatların dediklərini başa düşmək üçün deyil, eyni zamanda məlumatların uyğun və yersiz istifadəsini başa düşmək üçün də vacibdir.

Məlumat keyfiyyətinin səviyyələri. Məlumat keyfiyyətinin sənədləşdirildiyi və sənədləşdirilməli olduğu bir çox səviyyələr ola bilər. Məsələn, məhsul səviyyəsində, məlumatların fərqli alətlərdən çıxan məhsulun həqiqi geofiziki vəziyyətini nə qədər yaxından təmsil etdiyini bilmək çox vacibdir. Digər bir keyfiyyət səviyyəsi, məlumat nöqtələrini yaratmaq üçün istifadə olunan alqoritmlərin qeyd olunduğu piksel səviyyəsində və bu məlumat nöqtələrinin istifadəsinin qiymətləndirilməsində olacaqdır. Qranul səviyyəsində piksel səviyyəli məlumatların statistik yığılması tərtib olunur. Bu cür hesablama istifadə olunan modeli təsdiqləmək üçün vacib ola bilər. Məsələn, iqlim dəyişikliyi məlumat modelləri, hər bir şəbəkə hüceyrəsi üçün qeyri-müəyyənlik statistikası ilə etiketlənmiş bitişik məlumatlar şəbəkələrinə sahib ola bilər, beləliklə müxtəlif azaltma ssenarilərinə kəmiyyət risk faktorları və ya qeyri-müəyyənlik səviyyələri təyin etmək üçün vasitə təmin edir. Examples of data quality reports for a data set can be found at NASA's NASA Surface Meteorology and Solar Energy: Accuracy [12]. The assessment of bias is a key data quality factor, i.e., bias that is generated from the instruments used (instrumental bias), or the type of sampling or observations made that provide the view of the data produced. In addition, an assessment of appropriate and/or inappropriate use is often considered to be an important data quality consideration.

Provenance and Lineage. Documentation about the provenance of data in terms of factual establishment of its authorship is usually considered to be quite important in order to determine the authenticity of the data, and to some extent its accuracy. For example, knowing the name of the organization and/or person(s) responsible for the creation and/or collection of data may help ascertain whether or why certain features are or are not present, such as roads or buildings on a map of a city. A data consumer would have more confidence in the accuracy of such a map if it had been created by the city s data center rather than by a student at a local college or university. Another example of describing the provenance of data is the tracking of what instrumentation was used to generate or record the data and the algorithms used to calculate the data output.

The term data lineage is often considered to encompass provenance in the sense of authorship, but can include discussion of source, methods, and timing of the data as it has been created, derived and/or subset over time and into different products. For example, MODIS data is characterized as being generated at various levels, starting with Level 1 which is closest to the raw data output by satellites and other remote sensing instruments, and is rarely used by itself. Level 2 data is derived from Level 1, and may involve a subset of data from certain instruments, or for certain time periods or locations. The crunching or compilation of Level 2 data often results in more specific products that can be used by themselves for various purposes (educational, policymaking, etc.), and are considered Level 3. Ideally, a Level 3 product would include documentation about its lineage going back to the Level 1 data.

GIS Functionality: Introduction
In addition to support for locating a digital resource in relation to the earth s surface, geospatial formats facilitate the methods used in geospatial information systems to view, access, manipulate, analyze and query the geospatial data represented. Whether focused upon an entire resource, e.g., a geo-referenced image, or attribute values within a resource, there are certain inherent activities that a geospatial format normally should allow a data consumer to perform. Some aspects of spatial analysis are basic, regardless of specific format (i.e., for vector, raster or attribute data). Some analysis techniques are particularly appropriate for raster formats, such as terrain analysis using raster digital elevation models (DEMs). Other techniques are more appropriate for vector formats or attribute data. To determine functionality for geospatial resources, one can ask what does a geospatial data consumer normally want to "do" with the data either immediately, or in the future?

One important feature of GIS systems is the display or printing of maps. Vector data such as geographic coordinates, points, lines, and polygons that describe areas are stored in mathematical form. This data can be used by GIS systems, or by vector graphics software, to print or to display on screen using scalable shapes, labels, and legends. When a user wishes to transform vector data into a raster format, the data structure of the original vector format should facilitate that basic need.

GIS Functionality: Types of Analysis and Uses for GIS Resources
The following sections describe the most important kinds of activities undertaken by users of geospatial resources. Various geospatial formats will have varying levels of fitness for each of these activities. In our descriptions of specific formats, we highlight the ways in which a given format will function in terms of these activities. The description that follows begins with basic spatial analysis and moves on to describe more specialized types of analysis: spatial interpolation and estimation, grid-based analysis, and the role of geospatial datasets. We also note the overlap with the functionality required of two non-GIS formats: still images (especially multispectral images) and datasets (containing data that is not specifically geospatial).

Basic Spatial Analysis. A fundamental activity associated with normal functionality for a geospatial resource involves the reconciling of multiple data sources to the same or compatible geo-referenced locations as represented by the spatial data (coordinate information that describes the resource s geography), and the attribute data (the non-spatial characteristics describing the resource), and documented by the GIS metadata. In determining the fitness of a format for basic spatial analysis, we must bear in mind that some of the basic analysis techniques described below are only appropriate for vector or attribute data.

Typically, the reconciliation will take the form of performing operations on both the spatial data and the attribute data, if necessary, that allow the resource to become associated or converted to a (different) datum, map projection, and measurement units. Once any necessary reconciliation is done, the data are ready for further spatial analysis including sorting/selection, classification and other operations. Brief descriptions of some types of spatial analysis considered to be part of normal functionality follow.

  • Selection. Operations that enable the identification of one or more conditions or criteria, and the subsequent return of features or sets of features meeting the criteria. Implicit in these operations are the visualization of the spatial data, viewing their metadata, querying their attributes, and the capability of creating one or more layers as output. Querying may be done either by on-screen viewing capabilities within the GIS software, or by set or Boolean algebra mechanisms (using Standard Query Language or SQL, for example). Other mechanisms enabling selection include the establishment of adjacency or containment conditions for either the spatial data or the attributes.
  • Təsnifat Operations that enable features or sets of features to be categorized based on a set of conditions. Classification operations may be done to help group the data for better visualization in the form of a map or other display format, or as the basis for more complex calculations or analysis. Typically, the grouping of the data is done based on the attributes describing the data.
  • Dissolves. Operations that combine similar features in a layer rather than differentiate them, often based on classifications that have already been done on the data or their attributes. Dissolve functions are usually applied to data in order to remove information that is unnecessary to understand, simplify, or process the data.
  • Proximity/Buffering. Operations that help measure the distance between features of interest. Proximity functions may cause existing attribute information to be modified, or to be added. One very common method of establishing proximity among features is by buffering, i.e., establishing an area that is less than or equal to a designated distance from one or more features. Buffers may be specified for point, line or area features, and for either raster or vector data. (See Paul Bolstad's GIS Fundamentals: A First Text on Geographic Information Systems [6], p. 342-3). Specific mechanisms for establishing buffers will differ depending upon the format of the base data.
  • Overlays/Layering. Operations that combine spatial and attribute data from different data sources in a vertical merge of a single layer that enable more complex querying about a given problem. Particularly with overlays, it is critical to ensure that the georeferencing information among the data sources is compatible so that features being merged align correctly.
  • Network Analysis. Operations that define a set of connected features by means of one or more network links that provide the paths between features. The paths can be measured and analyzed for various purposes including cost and time to traverse, and other factors related to resource allocation, for example.

Spatial Interpolation and Estimation. Some geospatial formats support more specialized spatial analyses that use statistical techniques to provide additional data points, especially when the complete extent of data points within it are unknown due to sparse, lost, or unobserved data points. These techniques are also used when changing the size of a grid, especially to a smaller cell size. The analysis can provide an estimation of a more full extent of data points within a given sample. Some formats support the generation and writing of derived data from these statistical techniques back into a resource, usually with a calculated error or accuracy rate included. Some of the statistical methods include the following:

  • Spatial Interpolation. Allows the prediction of variable values at unknown locations based on sampling of the same kind of variables at known locations. This method is often used to estimate air and water temperatures, soil moisture, elevation, population density, etc.
  • Spatial Prediction. Uses spatial interpolation but often includes other variables as well as a total set of other measurements. For instance, a map of elevation values may be combined with a set of measured temperatures to estimate temperatures at elevated locations the temperature values of which are unknown. Typically, this technique is used to generate more data points, lines or areas, i.e., to fill in information when samples do not cover the range of information desired.
  • Establishment of Core Areas. Uses a set of known samples to predict the frequency or likelihood of the occurrence of a feature (such as an event or object). The method is used to identify high use, density or intensity of features as well as the probability of occurrence for a variable or event.

Grid-based Analysis. Grid-based analysis is a GIS functionality that begins by identifying an area of interest and dividing it into rectangular cells based on geo-location (using a known datum and projection). The cells contain data values from a variety of sources and are stored in a format designed to hold gridded data. The values are then available for various forms of spatial and statistical analysis. Grids contain information that can range from geographic coordinates to reflectance values from solar radiation hitting surface features. Since grid capability enhances the utility of geospatial data, format descriptions document when and how a format supports the use of gridded data.

Increasingly, geospatial data users transform their data to formats with more capability for grid-based analysis. For instance, a vector format containing point data may be transformed into a grid-capable format in order to perform area analysis over a broader geographic spectrum. To fully understand the implications of these kinds of data transformations, it is critical that the GIS metadata for the output of the grid-based analysis describe the factors that might impact the potential accuracy (error rate) of the data output such as the cell size and unit of measurement.

  • Use of Vector Grids. Vector data is usually accompanied by attribute tables that can be the object of grid analysis based on simple mathematical functions such as summing, averaging, and identifying mean and medians for values in a row. Some of the same functions described in the Basic Spatial Analysis section work for both vector and raster data such as the use of map algebra where values of cells are combined by addition, subtraction or multiplication, or the computation of statistics (such as majority, mean, and maximum). These kinds of operations can be done at a number of different levels including yerli functions (using data from one cell only to produce the output for another single cell), regional (data from a set of cells to produce the output for a single cell, i.e., within a neighborhood, aka "focal," or within a zone, aka "zonal"), or global (all data from a raster is operated upon as output for a single cell).
  • Use of Raster Grids. Powerful functions can be found in formats that deal with raster data. Terrain analysis is a very common use of the grids found in raster data sets. For example, a comparison of cell values using spatial functions would allow the calculation of a number of useful variables for a location including height (elevation above a base), yamac (the rise of the land relative to a horizontal distance), aspect (the downhill direction of the steepest slope), profile curvature (the curvature of the land parallel to the slope direction), plan curvature (the curvature of the land perpendicular to the slope direction), and visibility (site obstruction from given viewpoints). This kind of information is useful to determine or to predict broader characteristics of a location on the Earth such as temperature, vegetation, erosion, water flow acceleration and convergence, and viewshed to cite a few examples. Digital elevation models (DEMs), typically raster data sets, can be used to create contour lines (connected lines of uniform elevation that run at right angles to the slope) on a surface. Most people are familiar with topographic maps like those from the United States Geographical Survey (USGS) upon which contour lines are displayed.
  • Support for Specialized Software Interfaces. One of the most important sustainability factors for a format is Adoption. A key sign of adoption is support by a variety of software applications or the existence of a well-supported software toolkit or software library, especially those non-proprietary. For some geospatial datasets it may be advantageous to use a format that supports a community-specific API (application programming interface). Such software interfaces are particularly important for extracting data subsets, data manipulation and transformation, or domain-specific functionality. Software interfaces that support open standards and compatibility with mechanisms for accomplishing common functions promulgated by the OGC (Open Geospatial Consortium [19]) are of particular value. For example OGC has specified a number of web services, such as the OpenGIS Web Map Service, and the OpenGIS Web Coverage Service Interface Standard.

Functionality Shared with Other Categories. The functionality associated with different geospatial formats will vary depending upon whether the format is used for raster data, vector data, or attribute data. For example, using a raster still image, one could identify general locations within an image, but precise location is facilitated by using Boolean logic to query attribute data associated with the raster image. The following sections discuss some of the functionality shared with other formats:

  • Multispectral Images. This factor is shared with still images. Multispectral images such as those generated by satellite and aerial photography are used more and more frequently for geospatial functions. Using techniques associated with grid-based analysis (see further discussion below), relatively wide and uniform data is made available in the form of grids. The grids often take advantage of the inherent capability of photos and scanners to detect electromagnetic energy in ranges from below, through and past human eyesight including infrared and thermal (heat). This imagery collects the values associated with electromagnetic energy generated from solar radiation that bounces back or reflects from objects and features on the Earth. Measured in wavelengths (the distance between peaks in the electromagnetic stream), different objects and features will have different reflectance values, some seen as light visible to the human eye and some not. The known human visible range has been further divided into different color bands based on how humans perceive them, i.e., red, green, and blue. By isolating and combining the values from different color bands as well as the non-visible bands, it is possible to identify objects and features within the image at a certain point in time, both visually and by calculation.
    Following identification, objects and features can then be grouped using classification techniques, indices and models built, thus creating land cover and land use data layers that can be used for various purposes such as vegetation indexes and ocean depth. The still image quality and functionality factor Support for multispectral bands is particularly important for the image formats used for many geospatial raster images.
    Other operations associated with the use of multispectral images include image restoration and rectification which can correct degraded image data, remove systematic distortions in images, and change the image s projection system. Images may also be enhanced to improve the display, and subsequent capability for better visual interpretation and identification of objects and features.
  • Datasets. Dataset formats intended for use for geospatial datasets should satisfy the requirements for GIS functionality, as described above, but also the normal functionality for datasets in general. As stated in the general discussion titled Datasets: Quality and Functionality Factors, the basic functionality for a dataset format is to provide a structured representation of numeric or character-based values that permits automated manipulation of the structure and the representation. By storing the structured representation together with other information, a dataset format should facilitate the performance of calculations and transformations based on the values.

Xülasə.
Geospatial formats range from fairly simple raster image formats to quite complex, database formats designed specifically to describe, and often visualize features placed in specific locations on the Earth. The functionality supported by the various geospatial formats represents the degree to which geographic information systems and other computer systems can create, use and modify the geospatial resources, and will be described within the geospatial format descriptions.

1. Geospatial Innovation Facility, University of California, Berkeley. GIS Data Types: Vector vs. Raster, accessed April 8, 2011. http://gif.berkeley.edu/documents/GIS_Data_Formats.pdf.

2. Hill, Linda L. Georeferencing: The Geographic Associations of Information. MIT Press: Cambridge, Massachusetts, 2006.

3. Geospatial Innovation Facility, University of California, Berkeley. Projections: What You Need to Know for GIS. Page 1 of document accessed April 8, 2011. http://gif.berkeley.edu/documents/Projections_Datums.pdf.

4. Geospatial Innovation Facility, University of California, Berkeley. Datum: What You Need to Know for GIS. Page 2 of document accessed April 8, 2011. http://gif.berkeley.edu/documents/Projections_Datums.pdf.

5. Geospatial Innovation Facility, University of California, Berkeley. Scale in GIS: What You Need to Know for GIS, accessed April 8, 2011. http://gif.berkeley.edu/documents/Scale_in_GIS.pdf.

6. Bolstad, Paul. GIS Fundamentals: a First Text on Geographic Information Systems. White Bear Lake, Minn: Eider Press, 2008.


Determining whether raster pixels in or out of zone - Geographic Information Systems

By JESSICA CHUN on Fri, 2021-01-22 13:21

Our center provides a series of GIS support to faculty, undergraduate and graduate students, as well as staff who need help. In most GIS related consultations, we use tools/software, such as QGIS and R studio, to do the mapping and data analysis. QGIS stands for Quantum Geographic Information Systems. It is a free and open-source desktop GIS application. R studio is an integrated development environment for R, a programming language. Both QGIS, R studio and R are free to the public. We take advantage of the open-source software to help our patrons solve their problems. The following are some examples of the service we provided.

Mapping contour lines

A contour line indicates equal elevation above a given level, such as mean sea level. A contour map reveals elevations and shows hills and valleys, representing a three-dimensional landscape within a two-dimensional space. One faculty member did research about historical ruins and needed to explore the geographic features of this area. For this project, we decided to make a contour map out of a Digital Elevation Model (DEM). Using the DEM data that was collected between 2006 to 2011, we created a contour map, shown below.

Raster data analysis

Zonal statistika

Zonal Statistics is a function that calculates statistical values for pixels of input raster inside certain zones, defined as a polygon layer (vector layer). Statistical values include minimum, maximum, sum, count, mean, standard deviation, number of unique values, range, and variance. This function is used to do descriptive statistics for each study, based on the input values of raster data.

An undergraduate student reached out to our center and seeked help to analyze the average and maximum concentration of PM2.5 within each census tract after fires in California. The data included the raster data of the concentration of PM2.5 and the boundaries of census tracts. Zonal Statistics analyzed the data and calculated a variety of descriptive statistics which consisted of the average and the maximum.

Rasterize

When dealing with a large volume of data, especially raster data, people find that R packages are efficient and convenient, given the dynamic and fast updated R community. The Raster package in R is a powerful package that aims to do raster analysis. Among multiple functions within the Raster package, the rasterize function is used to convert vector data (points, lines, and polygons) to raster data, while keeping selected attributes from the vector data.

A graduate student from the Institute of the Environment and Sustainability seeked help from our center to rasterize shapefiles using R. The vector data she had contained the Los Angeles River catchment area, Los Angeles river and streams, and census tracts. She aimed to rasterize this data and overlay it with the urban heat island data (Raster data) to investigate whether the river and the trees along the river reduced the urban heat island. Given the large volume of data and the repeated procedures, we rasterized the vector data and analyzed the converted raster in a loop.

These cases are examples of how our center has helped our community solve research problems using geospatial techniques. In addition to consulting, our center offers geospatial workshops regularly. Want to know more about the workshop? Please check out the Tədbirlər page at the Data Science Center. Seeking help with geospatial problems? Feel free to make an appointment with our center.


GIS (Geographic Information System)

A geographic information system (GIS) is a computer system for capturing, storing, checking, and displaying data related to positions on Earth&rsquos surface.

Geography, Geographic Information Systems (GIS), Physical Geography

This lists the logos of programs or partners of NG Education which have provided or contributed the content on this page. Səviyyə

The maps that we use online work because of GIS.

A geographic information system (GIS) is a kind of computer system. It captures, stores ,and displays data about locations on Earth.

It can use and compare any information about a location. The location can be expressed in many different ways. Some examples are addresses or ZIP codes. Others are latitude and longitude. These are imaginary lines that appear on every map of Earth.

Lines of latitude run east-to-west. Lines of longitude run north-to-south. These lines are used to find any place on Earth.

GIS helps us find out how different bits of information relate to each other. It tells us about the landscape and people around us.

GIS data comes in many forms.

One example is cartographic data. This includes objects you might find on maps. Examples are rivers, roads, hills, and valleys.

Interpreting photographs is a big part of GIS. This involves photos that are taken from above. These images are then carefully studied.

Digital data can also be entered into GIS. For example, satellites collect computer data from above. This can show how land is used, such as the location of farms, towns, and forests.

Finally, GIS data can also be collected to compare populations of people. For example, imagine you had a list of everyone's age in your state. With GIS data, you could compare the ages of people in your city to those in other cities. It would be laid out on a single map.

GIS technology can be used to show how two spaces are related. For example, GIS could show how close farms are to water. It can also show patterns of how land is used, like where parks and neighborhoods are located.

It can also show networks of lines on a map. A line on a map might stand for a road, river, or highway. With GIS layers, however, that road might show the boundary of a public park next to the river.

GIS must make information from many different maps and sources fit together on the same scale. A scale is the relationship between the distance on a map and the actual distance on Earth.

Earth is curved, like a globe. It is not flat, like a paper map or a screen.

Different maps have different projections. A projection is a way of moving information from Earth's curved surface to something flat. You cannot put a curved, three-dimensional shape onto a flat surface without stretching some parts.

A world map can show either the correct sizes of countries or their correct shapes. It cannot do both.

GIS takes data from maps that were made using different projections. It combines them so all the information can be displayed using one shared projection.

Very different data can be entered in a GIS system. When it is combined, it can produce many kinds of individual maps.

A common use of GIS involves comparing Earth's features with human activity. It allows us to deeply examine a certain area. For example, GIS maps can display if buildings in an area are in danger of being flooded. Maps of a single city can show voting patterns of people there. It can also show the average amount of money made by different people in the city.

Researchers can also look at change over time with GIS technology. They can use pictures taken by satellites to study how ice sheets have moved or disappeared in the North Pole.

GIS technology sometimes allows users to get more information about specific areas on a map. For example, a user might click on a school on a map to find how many students go there.

It is also easy to update maps because of GIS technology. Any new data can simply be added. A new map can then be displayed immediately. In the past, maps had to be redrawn. This takes more time and money.

GIS technology is used in many jobs.

Businesses can use GIS to help them determine where to open a new store. Scientists use GIS to track the movement of animals.

Government officials use GIS to help plan their response to earthquakes or hurricanes. GIS maps can show what neighborhoods are most in danger or the closest emergency shelters.

Engineers might use GIS to develop road networks or train routes.

There is no limit to the kind of information that can be analyzed using GIS technology.


Always include example data, please

I am not quite sure what you are after. The number of cells (pixels) would be the same for all rasters if you can stack them (which you say you can). I am assuming that you want the sum of the cells that are not NA . If you actually have rasters with a different origin/resolution, you can repeat these steps, but there no need to stack them into a RasterStack , but you would need to adjust the approach to also count the NA cells.

Simple approach for smaller objects:

If that runs out of memory, you can do:

If you want to count all the cells (whether NA or not), you can do something like


spatialEco::zonal.stats uses exactextractr (I have not checked the code, but it told me to install it to be able to use zonal.stats ) which should be more exact if you are considering polygons (the raster package turns them into rasters first, see zonal below). However, the below example (it is only one case) suggest that spatialEco is less precise.

Example (avoid random numbers, but if you do use them, use set.seed ). I start with very large grid cells.

With raster you can also get a more precise estimate like this

To see how many cells are used

One way to look at this is to create higher resolution raster data.

10x higher resolution, same values

100x higher resolution, same values

At the highest resolution the mean values are similar (and the relative difference in the number of cells is small) but raster was closer to the correct value (whatever that is, exactly) at a lower resolution (and also with the weighted mean). That is unexpected.