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.
|
|
ВВЕДЕНИЕ В ПРОСТРАНСТВЕННЫЙ АНАЛИЗ Подсистема анализа - сердце ГИС, это то, ради чего ГИС существуют. Однако, это и самая неправильно используемая подсистема: от попыток сравнивать не сравнимые напрямую данные номинальной шкалы с высокоточными данными шкалы отношений до утверждений о причинной связи пространственно-коррелирующих феноменов, сделанных без проверки альтернативных гипотез. Неправильное употребление этой подсистемы в значительной степени обусловлено недостатком понимания природы пространственных данных, имеющихся в системе. Например, некоторые данные могут быть намеренно ранжированы в порядковую шкалу с точки зрения их важности для определенной проблемы. Потом, эти данные могут использоваться в других случаях анализа, где данное ранжирование уже не верно. Это в чём-то похоже на соотнесение оценок по истории одного учащегося и оценок по математике другого для сравнения их умственных способностей. Вдобавок, не так уж редко случается, что числовые величины, хранящиеся в растровой ГИС и представляющие именованные категории, такие как типы землепользования, умножаются или делятся на данные порядковой шкалы, интервальной шкалы или шкалы отношений, что даёт числа, которые по своей сути бессмысленны. Причем результаты таких "анализов" часто используются при принятии решений. Список возможных нарушений довольно длинный, в основном потому, что присущая ГИС мощность слишком велика, чтобы быть корректно применимой без твердого понимания базовых географических, математических и статистических концепций. За спиной неправильного применения ГИС стоит распространенное мнение, что ГИС являются панацеей для решения всех задач, включающих географический элемент. Хотя это действительно мощный инструмент, большинство ГИС движимо скорее потребностями рынка, нежели научными требованиями для решения сложных географических задач. Короче, ГИС не являются полным набором пространственно-аналитических средств. Во многих случаях пользователю придется комбинировать инструменты ГИС с программами статистического анализа, сетевого анализа, средствами для математически сложных вычислений, геостатистическими пакетами для продвинутого пространственного анализа и объемного моделирования, и даже со средами программирования для упрощения работы с ГИС в определенном спектре задач. Но перед тем как огорчаться из-за этой неполноты, вспомните, что есть множество различных геоинформационных программных пакетов, каждый - со своими сильными сторонами. Одни из них обеспечивают прямую связь с другими аналитическими программами для повышения отдачи от имеющихся данных, другие поддерживают структуры данных, позволяющие передавать информацию из ГИС для внешнего анализа и обратно. Ограничения выбираемой ГИС должны быть взвешены по отношению к видам анализа, которые будут выполняться наиболее часто. По этой причине и для того, чтобы уметь выбирать систему или системы, наиболее полно удовлетворяющие ваши потребности, вы должны знать о мириаде возможностей, имеющихся в огромном поле компьютерной географии. Большинство геоинформационных пакетов в значительной степени ориентированы на возможность наложения двух или более покрытий для взаимного их анализа или на работу с ДДЗ. В то время как эти две задачи представляют лишь малую часть потенциала ГИС, они хорошо иллюстрируют влияние тенденций рынка на развитие аналитических возможностей ГИС. Но даже и эти системы расширяют свои способности. Системы, ориентированные главным образом на выполнение картографических наложений, чаще всего имеют дополнительные возможности работы с данными поверхностей, для анализа данных в пределах одного покрытия, для работы с сетевыми данными и т.п. Разработчики систем обработки изображений дистанционного зондирования теперь включают в них возможности растровых ГИС и согласовывают структуры данных с другими поставщиками ГИС для обеспечения обмена данными между различными системами. Ваша задача, как ГИС-аналитиков, узнать эти возможности, поскольку такое знание даст вам концептуальную основу для работы с наибольшим множеством возможностей географического анализа, которые могут оказаться в ваших руках. Кроме того, если вам придется приобретать одну или несколько систем, вы должны быть способны определять недостатки каждой системы с точки зрения ваших приложений до того, как вы потратите деньги хотя бы на одну. В конце концов, ГИС должны быть способны автоматизировать как можно больше видов географического анализа, которые были придуманы за два с половиной века современной географической мысли. В следующих семи главах я ограничил множество географических идей теми, которые имеют дело, в основе своей и явно, с картами. Хотя имеется множество других методов, позволяющих косвенно анализировать данные карт, они более подходят для курсов по статистическому анализу, моделированию систем и геостатистике. Вы можете сами решить, нужны ли они вам для улучшения вашего учебного плана. Главы с седьмой по тринадцатую организованы в простую схему, которая должна обеспечить достаточно полный обзор возможностей большинства существующих ГИС. Мы начинаем эту главу с простейших операций: подсчет и определение положений объектов. Этот набор очень напоминает описательную работу ранних исследователей, которые часто хотели знать, что, где и в каком количестве находится. Полезность этого старого подхода не должна преуменьшаться. Он в значительной степени составляет основу для рассматриваемых дальше аналитических методов. В Главе 8 показано, как ГИС могут использоваться для измерений на картах. Мы будем заменять устройства вроде точечных сеток, курвиметров и планиметров, традиционно используемых для измерений размеров, длин и площадей объектов, на компьютерные алгоритмы, которые реализуют те же функции. Вместе с определением местоположений и подсчетом объектов, эти средства образуют полный комплект начальных возможностей, необходимых для более сложных методов. Одни приложения ГИС потребуют от вас выполнения простых сравнений размеров и численностей объектов на различных участках одной карты, другие - выполнения тех же сравнений на нескольких картах. В то время как большинству географических объектов присваиваются названия и коды для идентификации их на карте, во многих ситуациях бывает нужна их переклассификация (см. Главу 9). Распространенным подходом к работе с классифицированными данными может быть группировка или агрегирование их в большие категории, которые могут упростить дальнейший анализ или иметь собственную ценность для описания некоторого явления. С помощью переклассификации пространственных данных мы можем получать распределения, которые для конкретной задачи часто лучше описывают реальность, чем те, что были первоначально введены в ГИС. Например, вы можете объединить категории "пшеница", "ячмень" и "овес" в "зерновые", чтобы показать пространственное распространение этой более общей категории. Или вы можете снизить точность представления данных со шкалы отношений до порядковой (ранжированной), чтобы лучше показать, например, зоны угрозы землетрясений. Есть множество и других случаев, которые мы рассмотрим. В Главе 10 мы обратимся к поверхностям. Мы потратим некоторое время на то, чтобы рассмотреть особые структуры данных, созданные для операций с поверхностями. Позднее вы увидите, как эти данные могут использоваться в операциях переклассификации поверхностей. Мы узнаем, как можно применить интерполяцию для построения поверхности по точечным замерам высот, как найти области равного уклона и экспозиции (например, все участки на карте рельефа, обращенные на юг). Пространственные распределения объектов - главная тема Главы 11. В ней мы увидим, как точки, линии и области могут образовывать измеримые паттерны, дающие нам лучшее понимание устройства ландшафтов. Мы рассмотрим множество аналитических приемов, характеризующих точечные распределения. Затем мы расширим эти подходы для включения распределений линий и областей. Мы познакомимся с методикой, которая позволит перейти от точечных объектов к полигонам и исследовать влияние одного точечного объекта на другой. Мы выделим специальные наборы линейных объектов, называемых сетями, с которыми связаны особые структуры данных и методы вычислений. Мы увидим, как присвоенные линиям атрибуты могут использоваться для обозначения определенных изменений от одного отрезка линии к другому. Например, мы увидим, как ограничители скорости, типы дороги, перекрестки, знаки останова и т.д. могут быть закодированы и привязаны к линейным объектам для получения картины транспортных сетей реального мира. Затем мы применим эти сведения к анализу, нацеленному на принятие решений по транспортному планированию. В Главе 12 мы увидим, как ГИС могут сравнивать данные одного покрытия с данными другого - набор приемов, чаще всего называемый картографическим наложением (overlay). Учитывая частоту их применения, мы уделим особое внимание тому, как эти приемы выполняются в цифровой среде. Каждая операция наложения описывается индивидуально, а примеры иллюстрируют, как и когда должна использоваться каждая из них. Поскольку наложения могут порождать ошибки, особенно в случае с векторными данными, будут рассмотрены возможные ловушки и способы избежать их. Наконец, с полным набором методов в руках, в Главе 13 мы получим общее представление о создании сложных комбинаций отдельных приемов, которые называются картографическими моделями. Уделив немного внимания истории моделирования, мы перейдем к выполнению моделирования с помощью ГИС. Будет рассмотрен процесс выделения отдельных картографических элементов; затем, используя систематический подход, мы сложим эти отдельные элементы карт вместе в работоспособную картографическую модель. Наконец, мы познакомимся с применением блок-схем, которые помогают убедиться в том, что модели правильно сконструированы и могут помочь нам в ответах на поставленные вопросы. ПЕРВАЯ ЗАДАЧА ИССЛЕДОВАНИЯ: НАБЛЮДЕНИЕ Как ГИС находят объекты В каждой цифровой БД обычно имеются многие различные покрытия, каждое из которых содержит отдельную тему. В пределах каждой темы, как в рамках каждого направленного полевого исследования, вы, скорее всего, будете отбирать для изучения многие объекты. Часто вас будет интересовать, какие из выбранных объектов встречаются наиболее часто, как часто они встречаются, и где они находятся. Допустим, например, что вы должны определить число отдельных деревьев, расположенных в пределах покрытия. Растровые ГИС предлагают несколько способов для поиска таковых, но простейшим является создание нового покрытия, в котором удалены все ненужные данные. Для реализации этого вы проводите простой процесс переклассификации (см. Главу 9), относя все деревья заданного вида к группе целевых (искомых) точек, а все остальное в покрытии - к фону. Большинство растровых ГИС позволяют вывести результаты в таблицу, в которой вы подсчитаете количество целевых ячеек растра и ячеек растра фона (Рисунок 7.1, Таблица 7.1). Вообще, это позволит вам также напрямую вывести процентные соотношения, позволяющие определить долю покрытия, занятую выбранным видом деревьев. Конечно, деревья только расположены в ячейках растра, а не занимают их целиком, поэтому процент покрытия, занимаемый этими целевыми ячейками, будет несколько искажен. Определение точных координат точечных объектов в растровых ГИС -бесполезное занятие, поскольку растр квантует пространство на ячейки. Тем не менее, вы легко можете определить положение любой ячейки растра, просто используя курсор на экране, позволяющий указывать на каждую ячейку в отдельности. Это обычно приводит к считыванию номеров ряда и колонки, а также атрибутов указанной ячейки. Знание положений индивидуальных точек важно даже в растре. Например, вы могли бы сравнивать положения деревьев с положениями ячеек растра на изображении дистанционного зондирования в качестве проверки способности сенсора распознавать присутствие деревьев в данном месте на основе характеристик электромагнитного излучения, получаемого сенсором с участка местности, соответствующего этой ячейке.  Рисунок 7.1. Поиск атрибутов в растре. Отбор точек по значению атрибута в растровой ГИС. Каждая ячейка растра идентифицируется цветом или яркостью, которые представляют значения ее атрибутов. В растре линии - это всего лишь наборы ячеек растра, смежных по стороне или диагонально в декартовой системе координат. Полигоны - это группы ячеек растра, которые соединены таким же образом, как и линии, Элементарный пространственный анализ но имеют при этом значительную ширину. Часто наряду с отдельными полигонами рассматриваются регионы - группы несмежных полигонов, имеющих одинаковые атрибуты. Из-за способа связи атрибутов в простейших растровых ГИС представление полигонов как объектов требует идентификации их по атрибуту, точно также как мы поступали прежде при отборе точечных данных. И, как и раньше, вы можете использовать курсор для получения номеров ряда и колонки и атрибутов для каждого местоположения. Сведение результатов в таблицу опять покажет численность и процент каждой категории. Опять же, вы должны помнить, что доли от всей БД, занимаемые различными объектами, скорее всего бессмысленны. В случае областей их точность определяется главным образом методом, использованным для образования категорий ячеек растра. Таблица 7.1. Список ячеек растра, выбранных по значениям атрибута Категория Значение атрибута Кол-во ячеек Не закодировано 0 225 Лучшие земли 1 642 Городские территории 2 201 Государственная земля 3 188 Пастбища 4 981 Водоемы 5 64 Таблица 7.2. Список объектов в векторной системе, идентифицированных по значениям атрибута* Код землепользования Наименование Кол-во полигонов 100 Технические культуры 21 110 Пар 18 120 Зерновые 65 130 Пастбища 3 200 Жилье 982 210 Торговля 124 220 Легкая промышленность 192 230 Тяжелая промышленность 54 Код землепользования Наименование Идентификатор полигона 130 Пастбища 25 130 Пастбища 28 * Нижняя часть таблицы содержит список полигонов с кодом землепользования 130, которые в верхней части показаны одной суммарной строкой. 130 Пастбища 29 Если вам нужно найти в векторной системе точки определенного типа (например, точки, атрибуты которых указывают на то, что это телефонные столбы, места гнездовий птиц и т.д.), то потребуется получить доступ к атрибутивной БД и ее таблицам (см., например, Таблицу 7.2). Чаще всего выполняется поиск, который приводит к отбору строк таблицы, имеющих код соответствующих объектов, которые вы желаете увидеть. И так как эти строки связаны с объектами, вы можете выделить точечные объекты только этого типа. Поскольку векторные структуры данных содержат явную пространственную информацию, вы легко можете получить точные координаты. Они могут быть выданы в табличном виде или просмотрены прямо на экране с помощью операции указания. В одних случаях вы сможете указать на отдельные элементы, в других - окружить несколько элементов рамкой, что даст вам нужную информацию для всех объектов внутри нее. Как и в растровых системах, здесь вы тоже можете получить атрибутивную и координатную информацию. Поскольку в векторных структурах данных координаты хранятся в явном виде, вы также можете получить информацию о линейных и площадных объектах, выбирая их по отдельности. Например, вы можете отобрать все точки покрытия, просто отобразив только точки, или получить список, обратившись к таблицам атрибутов, относящимся к точкам. Это верно также и для линий всех видов и полигонов. Чтобы узнать точные координаты для одномерных и двухмерных объектов (т.е. линий и областей), вам понадобятся пары координат каждой из точек, используемых для определения всех отрезков, с помощью которых эти объекты заданы. Опять же, это может быть сделано указанием на отдельные объекты или выборкой их рамкой, в зависимости от программы. И, как и с точечными данными, любой линейный или полигональный объект может быть также выбран на основе запроса к таблицам атрибутов БД. Для чего нам нужно находить и определять местоположения объектов Практически в любой ГИС можно делать поисковые запросы, но перед тем как двигаться дальше, мы могли бы задаться вопросом: а для чего нам нужна возможность поиска и определения положения объектов в БД ГИС? Ответ будет с одной стороны совершенно очевидным ("поскольку это основной процесс, сравнимый с чтением традиционной карты"), а с другой - несколько скрытый ("для обеспечения более сложных вычислений"). В первом случае важно иметь возможность отбирать, подсчитывать и определять положения объектов, так как эти действия дают нам понимание общей сложности тематических покрытий карты. Объекты на карте представляют объекты на земле. На основе традиционной парадигмы сообщения, одним из главных назначений карты является отображение этих объектов, позволяющее выявлять пространственные отношения среди них и с другими объектами ландшафта. Чем больше объектов определенного типа имеется в некоторой области покрытия, тем выше их плотность в реальном мире. Важно, например, знать, имеется ли в некоторой области множество домов, или их всего несколько. Это число прямо соотносится с плотностью населения, которая может быть, в свою очередь, жизненно значима для определения степени угрозы населению от утечек опасных веществ, наводнений, землетрясений и других несчастий. Подобным же образом, численность растений или животных может быть тесно связана с качеством окружающей среды региона. Или, количество проезжих дорог может быть важно для маршрутизации потока грузовых машин. Наконец, информация об отсутствии этих объектов также может быть полезной при определенных обстоятельствах. Другими словами, количественные характеристики групп объектов позволяют выполнять прямые аналитические сравнения с другими тематическими покрытиями или другими показателями того же покрытия. Наличие объектов, их местоположения и распределения обычно очень важны. Сравнения с другими объектами ландшафта могут использоваться для выяснения причин возникновения определенных картин распределений или, по меньшей мере, для выдвижения гипотез о сильной пространственной связи между показателями. Например, подсчет числа домов может быть полезным для определения площади земли, имеющейся для нового жилищного строительства. Простая нумерация объектов и определение их местоположений позволяют нам исследовать их связи с более важными или крупными объектами того же покрытия. Например, специалисты по ландшафтной экологии часто интересуются отношениями между малыми, обособленными полигонами, которые они называют лоскутами (patches), и тем, что они называют матрицей (matrix), или общим фоном изучаемой области. Зная, сколько лоскутов имеется в изучаемой области и какую часть ее площади они занимают, экологи получают меру фрагментации, которая считается одним из индикаторов общего состояния ландшафта. Имеются и экономические применения; например, положения торговых центров могут быть очень разбросаны, требуя дополнительных дорог и предприятий общественного назначения, создание которых должно оправдываться важностью или эффективностью работы этих торговых центров. Последние два примера показывают, что одной из наиболее важных причин для поиска объектов и определения их местоположений на карте является возможность выполнения дальнейших измерений и сравнений. От абсолютных величин мы можем перейти к относительным. Например, мы можем перейти от общего числа домов, дорог или полигонов определенного типа землепользования к относительным числам домов на единицу площади, относительному числу километров дороги на квадратный километр или отношению числа полигонов с типом землепользования 1 к числу полигонов с типом землепользования 2. Каждый набор измерений и сравнений улучшает наше понимание нашего окружения. И все они требуют использования начальных возможностей обособления, подсчета и определения положений отдельных объектов в пределах БД ГИС. |