Майкл ДМерс ГИС. Инициаторы проведения этого новаторского события надеются привлечь к нему внимание мировой общественности и широких масс пользователей географических информационных систем из всех стран.
 Скачать 4.47 Mb.
|
|
КАК МНОГО ВВОДИТЬ Вопрос о том, какой объем данных вводить, связан с типами вводимых данных. Опять же, используя нашу аналогию с реальным путешествием, скажем, что при подготовке вы должны знать, сколько еды взять, а не только - каких видов. Если еды слишком много, вам придется тащить ненужный груз в течение всего путешествия. Если еды недостаточно, то вам придется закончить путешествие раньше, чтобы отправиться на поиски пищи. Подобно этому, если в ГИС введено слишком много данных, ей придется нести груз этого избытка на протяжении времени жизни проекта, если же данных недостаточно, то вы можете оказаться неспособны ответить на вопросы, которые планировали выяснять. Как и при подготовке путешествия, ввод данных в компьютер - это процесс выбора. В векторной ГИС каждая линия, которую вы вводите, наверняка будет иметь некоторую кривизну. Для того чтобы сделать достаточно точную копию с помощью прямых отрезков, вам придется тысячи раз решать, где поместить курсор дигитайзера. Этот процесс похож на генерализацию (упрощение) линий, с которой мы столкнулись ранее при рассмотрении картографии. Простое правило гласит, что нужно записывать больше точек для более сложных объектов, чем для простых (Рисунок 5.5). Положение прямой линии может быть точно определено всего лишь двумя точками. Но мне приходилось встречать проекты, где границы правильных квадратов состояли из ни много, ни мало двух тысяч сегментов. Это не только загромождает компьютер мегабайтами ненужной информации и замедляет вычисления, но и делает маловероятным то, что прямые линии будут выглядеть действительно прямыми при выводе.  Рисунок 5.5. Оцифровка сложной линии. Пример аппроксимации прямыми отрезками при дискретизации кривой линии. Записываемые точки выбираются в зависимости от изменения направления линии. Каждая точка - дополнительная порция информации, содержащейся на карте. Сложность линий и многоугольников можно сравнить с количеством информации, характеристикой, рассматриваемой в теории информации [Shannon, 1948]. Чем чаще линия меняет направление, тем больше информации она содержит (то же относится к поверхностям, но это мы обсудим позже). И чем плотнее расположены точки, линии и области, тем больший объем информации содержит карта. А чем выше объем информации, тем чаще требуется брать отсчеты при оцифровке. Это тем более говорит в пользу тщательной подготовки карты. Вы должны также помнить, что для каждого объекта, вводимого в ГИС, будет вводиться и атрибутивная информация, и что существует прямая зависимость между сложностью карты, или объемом информации в ней, и проблемами хранения и обработки пространственных данных [Calkins, 1975]. Идея с количеством информации может быть применена и к растровым данным. Опять же, общее правило таково: чем мельче объекты, которые должны распознаваться в вашей системе, тем мельче должны быть ячейки растра [DeMers, 1992]. Этот принцип часто определяет выбор размера ячеек (разрешение) всей базы данных. Конечно же, теория информация может быть применена и ко вводу растровых данных. Допустим, вы хотите использовать растр для представления ферм, отображенных на карте. Если наименьшая ферма занимает 40 га, то пикселы должны быть по меньшей мере вчетверо меньшей площади (вдвое по длине стороны), чтобы гарантировать обнаружение этой фермы в вашей ГИС. Иначе говоря, это значит, что ячейки растра должны быть по 10 га или мельче, чтобы обеспечить представление объектов площадью 40 га. Но если поле растянуто вдоль береговой линии? Хотя его площадь составляет 40 га, оно вытянуто как линейный объект, уменьшая шансы того, что все оно будет введено в вашу ГИС. Эта сторона процесса определяется в некоторой степени методом, с помощью которого вы вводите ячейки растра. Подробно мы рассмотрим это в дальнейшем, а пока отметим то же практическое правило: делайте больше отсчетов при большем объеме информации. Как для растра, так и для векторов, требуемая точность зависит от площади, покрываемой картой и назначением вводимых данных. Карты мелкого масштаба, покрывающие большие площади земли, содержат гораздо более общий вид земной поверхности. Кроме того, линии и символы, расположенные на карте, сами занимают некоторую площадь. Величина ошибки, заключенной в символе, зависит от масштаба карты, на которой он помещен. Линии на мелкомасштабных картах занимают больше площади земли, чем линии того же размера на крупномасштабных картах. Это физическое условие, называемое масштабно-зависимой ошибкой, говорит о том, что величина ошибки напрямую связана с масштабом карты и должна учитываться при подготовке карты перед оцифровкой. МЕТОДЫ ВВОДА ВЕКТОРНЫХ ДАННЫХ Как ранее указывалось, существуют многие инструменты для ввода в ГИС векторных данных. Мы ограничим наше обсуждение дигитайзерной оцифровкой как распространенным "классическим" методом. Некоторые программы требуют ввода точек в определенной последовательности, в то время как другие этого не требуют. Документация и/или сама программа сообщит вам об этом. Кроме того, программа укажет, какие пронумерованные кнопки используются для ввода конкретных типов объектов. Одни кнопки используются для указания положения точечных объектов, другие - для обозначения концов прямых отрезков, третьи - для замыкания многоугольников. Многие ошибки оцифровки, особенно у новичков, происходят вследствие нажимания не тех кнопок, что требуется. Конкретная процедура оцифровки зависит также от структуры данных, которая используется программой [Chrisman, 1987]. Одни (например, POLYVRT) требуют от вас указания положений узлов, другие - нет. Одни требуют явного кодирования топологии во время оцифровки, другие используют программные методы построения топологии после того, как БД заполнена. Правила различны для разных программ, и вам нужно заблаговременно просмотреть соответствующую документацию для выяснения этих стратегий. Эта работа может рассматриваться как часть процесса подготовки карты, а не самой оцифровки. Кому-то могут даже пригодиться шпаргалки, прикрепленные к углу стола дигитайзера, пока они не освоятся с процессом в достаточной степени. Атрибутивные данные в векторных ГИС вводятся чаще всего с использованием клавиатуры компьютера. Хотя этот способ ввода данных предельно прост, он требует такого же внимания, как и ввод графических объектов. Причины две. Первая: опечатки совершаются очень легко (а иначе зачем нужны были бы программы проверки орфографии?). Вторая, и, возможно, наиболее проблематичная: атрибуты должны быть связаны с графическими объектами. Как мы увидим в следующей главе, ошибки в таком согласовании - одни из наиболее трудных для обнаружения ошибок, поскольку их не всегда можно заметить на взгляд, и они не проявляются до начала выполнения какого-нибудь анализа. Хорошей практикой является проверка атрибутов в процессе ввода, возможно, во время частых коротких перерывов для их просмотра. Время, потраченное на это, окупится затем с лихвой при редактировании. МЕТОДЫ ВВОДА РАСТРОВЫХ ДАННЫХ Ввод растровых данных следует иной стратегии, нежели ввод векторных данных. Как мы видели, растровый ввод иногда все еще делается с использованием накладной сетки, когда атрибуты вводятся последовательно, друг за другом. Широкая доступность сканеров быстро вытесняет этот трудный метод ввода, однако его применение хорошо иллюстрирует разные методы, используемые программами оцифровки для ввода ячеек растра. В прошлом часто использовался также метод оцифровки растра с помощью дигитайзера, когда полученный с дигитайзера контур объекта в виде векторов затем заполняется пикселами уже самой программой оцифровки. Прежде всего мы должны решить, какую площадь должна занимать каждая ячейка растра. Это решение должно быть принято до начала оцифровки или наложения сетки, чтобы сообщить программе оцифровки размер ячейки или дать оператору сведения о размерах квадратов сетки. Кроме того, нам следует решить, пригодится ли какой-нибудь метод кодирования (типа группового или блочного кодирования), который мог бы сократить процесс. При том, что методы сжатия данных хороши для уменьшения их объема, использование этих методов при вводе может оказаться не менее важным благодаря сокращению времени ввода. Некоторые растровые ГИС, не поддерживающие ввод с дигитайзера или поддерживающие ввод и с клавиатуры, и с дигитайзера, имеют команды, позволяющие вводить данные в виде цепочек или блоков атрибутов. Вы можете обратиться к документации на вашу программу для определения, что это за команды и как ими пользоваться. Выбрав метод ввода, вы должны решить, как каждая ячейка растра будет представлять различные имеющиеся темы. Помимо разрешения растра, это может быть наиболее важным решением, которое вы должны принять. Рассмотрим этот вопрос более подробно. Для ввода растровых данных наиболее широко применяются сканеры. Однако, следует учитывать, что введенные со сканера тематические данные не становятся автоматически тематическими данными в растровой ГИС. Дело в том, что однородно закрашенные на карте области после считывания сканером неизбежно получают некоторый разброс значений, вследствие многих причин: неоднородность нанесения краски на карту, незаметная для глаз, неоднородность подсветки в сканере, износ карты и т.д. Кроме того, тематические карты обычно печатаются офсетным способом, который предполагает образование всего богатства полутонов и цветовых оттенков смешением мельчайших точек красок небольшого числа цветов. При сканировании эти незаметные на глаз точки, превращаются во вполне самостоятельные пикселы, образующие "винегрет" на месте внешне однородной по цвету области. Естественно, такие карты не пригодны для анализа. Результат сканерного ввода в сильной степени зависит от соотношения разрешений сканера и полиграфического растра. Именно сложность решения этой проблемы приводит иногда к решению использовать упомянутый выше способ ввода растровых данных посредством векторной оцифровки контуров объектов с последующим преобразованием в растр. ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ КАК ОСОБЫЙ СЛУЧАЙ ВВОДА РАСТРОВЫХ ДАННЫХ Как указывалось в Главе 2, данные дистанционного зондирования (ДДЗ) полезны для ввода в растровые ГИС. Однако, они не являются доминирующими по сравнению со многими другими источниками, такими как традиционные картографические продукты, цифровые модели рельефа, цифровые данные землепользования и цифровые данные по почвам. Кроме того, растровый формат ДДЗ может дать ощущение, что программное обеспечение для работы с ними - ГИС по определению. Хотя и в программах обработки изображений и в ГИС имеются многие подобные алгоритмы, ГИС не должны рассматриваться как одна из стадий в обработке и анализе ДДЗ. Такой взгляд очень ограничен, он игнорирует способность ГИС функционировать независимо от ДДЗ, а также уникальные аналитические способности, которые позволяют, например, анализировать сетевые структуры для исследований транспорта. Наоборот, ГИС и программы обработки изображений должны рассматриваться как взаимно дополняющие технологии, где последние имеют дело главным образом (но не исключительно) с растровыми изображениями в различных участках спектра электромагнитных волн, а первые выступают больше как объединяющий инструмент, использующий широкий спектр типов и источников данных. Несомненна ценность цифровых и других форм ДДЗ как источника данных для ГИС, особенно для таких задач, как быстрое обновление баз данных и выявление изменений на больших территориях. Большинство ДДЗ со спутников получаются в растровом формате, где каждая ячейка растра (пиксел) содержит радиометрические значения полученного сенсором электромагнитного излучения. Количество уровней зависит от типа системы. Например, данные LAND SAT ТМ имеют радиометрическое разрешение в 256 градаций яркости в каждой зоне спектра, а данные AVHRR, полученные с погодного спутника NOAA, имеют 1024 радиометрических уровня. В любом случае, ввод в растровые ГИС осуществляется легко благодаря сходству структур данных. Но по одной только этой причине растровая структура ДДЗ не должна приводить к предпочтению растровой модели данных ГИС перед векторной. Выбор должен основываться на применении создаваемой БД. Кроме того, когда ДДЗ любого типа рассматриваются в качестве вводимого в ГИС материала, они должны оцениваться по стоимости, пригодности и точности по сравнению с данными из других источников. Вспомните третье правило ввода: избегайте использования экзотических видов данных, когда это возможно. Конечно, хорошее знакомство с ДДЗ и их пространственными, спектральными и радиометрическими характеристиками могут сделать их предпочтительными. Давайте вкратце рассмотрим источники ДДЗ и некоторые их характеристики. Сегодня аэрофотосъемка не считается экзотическим источником ДДЗ. В действительности, она уже давно является главным источником данных для топографических карт. Например, топографические карты USGS компилируются и пересматриваются в основном по результатам просмотра стереопар аэрофотоснимков, и мы упоминали об использовании аэрофотоснимков в качестве базовых документов для почвенных карт, Поскольку многие карты основаны на данных аэрофотосъемки, и поскольку процесс дешифрирования снимков является весьма трудоемким (даже если вы в состоянии провести дешифрирование самостоятельно), будет Мудрым решением узнать, имеются ли уже такие карты, перед тем как выбирать для ввода сами аэрофотоснимки. Однако, следует учитывать, что использованная при создании на основе снимков карты система классификации может не соответствовать целям вашего анализа, поэтому ввод самих снимков может оказаться предпочтительным. Помимо сложности дешифрирования при вводе снимков в БД ГИС, возникают две другие проблемы - необходимость их геометрической коррекции и большие размеры файлов снимков. Вам следует проконсультироваться с какой-нибудь книгой по дистанционному зондированию вообще, или по аэрофотосъемке в частности, перед началом работы с ДДЗ в ГИС. Перед тем, как вводить эти данные, вам следует определить, насколько ваш проект чувствителен к геометрическим искажениям, присущим снимкам, и какие конкретные категории данных вам потребуются для выполнения анализа. Когда эти категории известны, их легко сравнить с пространственным, радиометрическим и спектральным разрешениями доступных ДДЗ. Отдельного внимания заслуживает специальный тип изображений на основе аэрофотоснимков, поскольку они не содержат искажений, обусловленных рельефом, проекцией, и наклоном оптической оси по отношению к снимаемой поверхности, обычно присущих аэрофотоснимкам. Эти продукты, называемые ортофотоснимками (orthophotographs), или ортофотоквадратами (orthophotoquads), если они сделаны для областей, занимаемых стандартными листами топографических карт. Последние являются фотографическими изображениями Земли, похожими на карты в том, что они имеют единый местный масштаб по всему полю снимка. Ортофотоснимки подвергаются геометрической коррекции, которая устраняет смещения пикселов, обусловленные проекцией съемки, рельефом и изменениями высоты самолета над местностью. Такая коррекция называется ортотрансформированием (orthorectification). Хотя детальное описание этих продуктов выходит за рамки данной книги, важно упомянуть, что они доступны в качестве источников ввода, как в аналоговой, так и в цифровой формах. По вопросам коррекции можно обратиться к [Lillesand and Kiefer, 1995]. Если цифровые ортофотоснимки вам недоступны, то их аналоговые версии могут послужить прекрасным источником ручного ввода данных в ГИС. В нашем обсуждении цифрового дистанционного зондирования (ЦДЗ) в Главе 2 мы отметили, что, в общем, для ввода в ГИС имеются два основных производных продукта: цифровым образом обработанные снимки (подчеркивающие определенные элементы для анализа, например, края объектов) и классифицированные изображения (получаемые в результате сложных компьютерных манипуляций в помощь человеку-аналитику при классификации объектов). С точки зрения ввода в ГИС эти классифицированные изображения наиболее вероятно будут использоваться для обновления и/или сравнения их классификаций с классифицированными данными, уже имеющимися в ГИС. Даже если два набора классифицированных данных получены из одного источника ДДЗ, то сравнение все равно затруднено. Реально, специалисты по ДЗ часто предпочитают сравнивать исходные, неклассифицированные изображения, чтобы избежать недоразумений, возникающих при автоматической классификации [Haddad, 1992]. Действительно, прямое сравнение классифицированных цифровых данных с картами, полученными на основе классификации аэрофотоснимков или историографических данных, очень трудны. Давайте посмотрим на некоторые технические трудности, связанные со вводом ДДЗ в ГИС, как они определены в [Marble, 1981] и [Marble and Peuquet, 1983]. Данные со спутников требуют предварительной обработки для удаления геометрических и радиометрических изъянов, возникающих из-за взаимодействия двух движущихся тел (Земли и спутника), дрейфа датчиков из-за старения систем спутника и различий в состоянии атмосферы. Методы коррекции радиометрических проблем легко доступны в большинстве программ обработки цифровых изображений, а необходимые уравнения довольно легко получить. Для ввода в ГИС главной проблемой предварительной обработки является необходимость получения геометрически корректных наземных местоположений. Эта геометрическая коррекция нуждается в некотором количестве наземных опорных точек (ground control points (GCPs)) в пределах снимка, чтобы правильно разместить его в координатном пространстве на земной поверхности. Количество опорных точек должно быть достаточным, и они должны быть распределены достаточно равномерно. На некоторых территориях достаточно легко получить очень точные положения с использованием GPS, но эти наземные точки должны быть опознаваемы и на снимке. Получение приемлемых опорных точек может быть довольно трудным, особенно в таких местах, как тропики, где верхний ярус леса настолько плотен, что приемник GPS не будет иметь прямой видимости спутника. Кроме того, даже если имеется прямая видимость, в таких местах часто трудно найти объекты, которые были бы различимы на снимках. Следует проявлять осторожность по отношению к снимкам с отсутствием опорных точек, которое значительно снижает точность координат, особенно по границам областей, получаемых при классификации. Точность опорных точек существенно влияет на координатную точность ГИС. Геодезическая сеть в любом случае улучшит пригодность ГИС к выполнению измерений и других аналитических функций. Мы уже затронули вторую крупную техническую проблему использования ДДЗ, проблему классификации. Вполне возможно, что вам придется выполнять преобразование данных интервальной шкалы измерений и шкалы отношений в поименованные категории классификационной схемы. В программах обработки изображений процесс классификации часто использует простейшие подходы. То есть, методы автономной классификации ориентированы на получение оптимальной классификации в некотором формальном смысле, что может не соответствовать задачам данного конкретного проекта. Классификация с обучением, требующая участия человека в процессе подбора эталонов, позволяет добиться лучших результатов по сравнению с автономной классификацией, так как процесс может быть более управляем для удовлетворения потребностей пользователя, вместо того, чтобы основываться только на статистических характеристиках данных. Тем не менее, даже после проведения классификации различных данных одним методом, вопрос соответствия получаемых классификаций сравниваемых покрытий остается открытым. Классификация данных спутниковых снимков подразумевает, что результаты точны, а не просто совместимы с существующими покрытиями. Показано, что способность программ обработки изображений создавать классификации существенно превосходит нашу способность оценивать точность этих классификаций [Lillesand and Kiefer, 1995]. Это также верно и по отношению к сравнениям разновременных снимков, где погрешность данных каждого набора не должна превышать величины изменений между двумя моментами времени. Созданию категорий классификации часто может помочь использование дополнительных данных. Включение в процесс классификации топографических данных, предварительно полученных эталонов, наборов правил и других методов приводит обычно к существенному улучшению классификации, также и в смысле лучшего соответствия имеющимся покрытиям ГИС. Последний большой набор проблем использования ДДЗ для ввода в ГИС может быть назван скорее проблемами организационными, чем техническими, потому что они в основном препятствуют процессу, а не порождают ошибки. В [Lauer et al., 1991] выделено шесть основных организационных вопросов, которые оказывают отрицательное влияние на использование ДДЗ. Эти вопросы были оценены как более значащие, нежели технические, для внедрения этого источника данных в ГИС. Рассмотрим наиболее важные из них. Первой организационной проблемой является общая недостаточность ДДЗ. Хотя имеются несколько крупных источников, приобретение ДДЗ часто требует от пользователя хорошего знакомства прежде всего с процессом получения этих данных. После того, как все процедуры усвоены, проблема состоит в получении изображений области изучения на определенную дату в момент наименьшей облачности. Пользователь может не только получать данные из архивов снимков, но и заказывать снимки при заданном уровне облачности определенных регионов при прохождении спутниками над ними. На области, которые постоянно и в значительной степени закрыты облаками, часто приходится строить мозаику из нескольких снимков, сделанных в разное время, для получения изображения, свободного от облаков. Этот процесс добавляет технических трудностей из-за различий в состоянии атмосферы и даже изменений на Земле, происходящих из-за сезонных изменений растительности. В других случаях может потребоваться соединение двух или более смежных спутниковых снимков для полного покрытия большой изучаемой территории. Однако, если эти снимки имеют существенно различные контрастные характеристики, то между ними будет заметная линия, и процесс классификации будет нарушен вдоль этой границы. Наконец, отсутствие архивов изображений за прежние даты может привести к временным провалам, влияющим на выполнение пространственно-временного анализа. Главной причиной многих из этих организационных проблем является то, что данные, и в большинстве своем сами спутниковые системы разрабатывались первоначально скорее как экспериментальные, нежели как постоянно действующие системы. С введением в эксплуатацию программы спутников США, ориентированных на природные ресурсы, возникли различные организационные проблемы. Стоимость эксплуатации спутников и распространения данных оплачивает не правительство, а потребители, что приводит к более высокой стоимости снимков. Это ограничивает сообщество пользователей организациями, которые могут позволить себе цены в несколько тысяч долларов США за данные LANDSAT ТМ. В результате меньшее число организаций могут рассматривать приобретение и использование больших объемов таких данных в их ежедневных операциях. Третья организационная проблема ввода ДДЗ также связана с деньгами. До недавнего времени стоимость аппаратуры и программ для обработки этих данных были слишком велики для многих потенциальных пользователей. Широкая доступность менее дорогих программ обработки изображений, выполняющихся на стандартных персональных компьютерах, существенно улучшила эту ситуацию. Однако, стоимость обработки ДДЗ связана также с наличием специалистов по ДДЗ, особенно таких, которые могут связать исходные данные с покрытиями ГИС, как в отношении географической привязки, так и в отношении классификации. Это еще раз показывает, что изучающим геоинформатику нужно знакомиться с данными и методами, имеющимися в распоряжении сообщества дистанционного зондирования. Предшествующие рассуждения ведут напрямую к вопросу образования, проблеме как для ГИС, так и для ДЗ. Сегодня учебные заведения и компаниипоставщики средств для ГИС и ДЗ предлагают учебные программы, которые обеспечивают приобретение практического опыта в использовании тех или иных ГИС или систем ДЗ. Хотя те, кто заканчивают эти курсы, могут хорошо разбираться в тонкостях работы конкретной системы, было бы недальновидно сводить сложность нашей дисциплины к рамкам одной системы. Люди, имеющие знания и опыт работы с одной из систем, могут достигать более значительных результатов при использовании сложных моделей, если их концептуальная природа объяснена достаточно подробно. Однако, технические специалисты редко имеют концептуальные знания, необходимые для формулирования решения задачи, то есть они не знают, какая оптимальная модель может быть применена в данном конкретном случае и какие ГИС-пакет или система обработки изображений могут помочь наилучшим образом. Как вы можете догадаться, общение между, например, ученым, занимающимся проблемами окружающей среды, который ничего не знает о требованиях программной системы, и техническим специалистом, который ничего не знает о проблемах окружающей среды, ведет к неадекватным, часто просто неправильным результатам анализа. Хотя многие предложения работы сегодня требуют знания определенных приложений, человек, который и знает теорию и способен найти пути ее реализации, может оказаться гораздо более ценным. В результате, споры между сторонниками технического и теоретического образования в сообществе геоинформатики и дистанционного зондирования будут продолжаться, что отражается еще одной из шести организационных проблем - проблемой профессиональной сертификации. Этот вопрос ведет в значительной мере к спору кланов о том, кто кого должен сертифицировать. Но здесь нас это не касается. Последняя организационная проблема использования ДДЗ в ГИС касается организационной инфраструктуры. Ни геоинформационное системы, ни дистанционное зондирование не имеют ясно определенных, хорошо организованных, должным образом финансируемых учреждений среди государственных организаций. Это было совершенно очевидно в 1980-х годах, когда правительство США пыталось закрыть спутниковую программу LANDSAT. Без наводнения писем от частных пользователей и ученых будущее программы скорее всего было бы очень недолгим. Поэтому так нужны сторонники интеграции ДЗ и ГИС; чтобы обеспечить взаимные технические усовершенствования, Которые повысят ценность обеих технологий. |