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.
|
|
Глава 12 для сельского хозяйства, и они не содержат археологических раскопов, и на них не расположены места обитания охраняемых видов животных, и они не находятся в собственности федерального правительства. В данном примере все показатели имели равные веса и поэтому могут быть названы исключающими переменными (exclusionary variables), т.е. каждый из них может запретить строительство. Но этот подход, хотя и распространен, все же ограничен бинарными данными шкалы. Реальность обычно более разнообразна. Например, свойства почв по отношению к строительству домов, как правило, выражаются набором ранжированных классов, от строгого запрета - через умеренные ограничения - до отсутствия ограничений. Это дает планировщику дополнительную гибкость решения через возможность использования почв с умеренными ограничениями. В конце концов, если современные строительные технологии позволяют преодолевать прежде установленные ограничения, планировщики вполне могут рассматривать урбанизацию этих областей, если они не имеют ограничений по другим параметрам. Мы можем изменить анализ, перейдя от бинарных показателей к более высоким шкалам измерений, назначая большей степени ограничения большее затемнение на пленке. Такой подход называется математическим наложением (mathematically based overlay). В данном примере мы могли бы, например, области с непригодными для строительства почвами полностью затемнить, участки с ограничениями разной степени сделать более или менее светлыми, а участки без ограничений оставить прозрачными. Аналогичным образом мы можем поступить с агрономическим потенциалом почвы. А в покрытии с археологически ценными участками мы могли бы создать многослойные буферы для каждого из них (см. Главу 9), в которых имеется переход от полного запрета строительства на самом участке и через разные степени ограничения - до полного отсутствия ограничений по данному параметру вне буфера. Это позволит, например, разрешить строительство отдельных коттеджей вблизи от этих участков, но не плотную застройку многоквартирными домами, которая будет возможна только вне буфера. Хотя все это можно сделать вручную, занятие сие утомительно и требует много времени. Как мы скоро увидим, нужный эффект может быть легко получен как в растровых, так и в векторных ГИС. Остается еще один вопрос - о степени влияния каждого фактора на принятие решения о застройке. Для этого каждому показателю присваивается вес, показывающий его важность по сравнению с другими показателями. Данная процедура легко реализуется тем же математическим наложением, при котором вычисляются значения весовой функции, представляющей собой сумму значений показателей, умноженных на соответствующие им весовые коэффициенты. Сложение - не единственная математическая операция, которая может использоваться для комбинирования покрытий, могут также использоваться вычитание, умножение, деление, возведение в степень, выбор большего или меньшего значения, усреднение и другие операции. Понятно, что большинство из них требует применения компьютера. Кроме того, существует набор методов для комбинирования покрытий на основе математических операций над покрытиями, действующими как статистические поверхности. Мы их рассмотрим несколько позже. Существует еще одна категория наложений, возможная без использования компьютера. Мы назовем их селективными (selective) в противоположность математическим. На самом деле, селективное наложение - не обязательно отдельная категория, а скорее объединение и расширение рассмотренных методов. Во многих случаях мы имеем набор правил, позволяющих нам решать, какие из факторов можно использовать для выполнения наложения. Этот подход, иногда называемый наложением с правилами комбинирования (rules-of-combination overlay) [Chrisman, 1995], позволяет нам использовать исключающую логику, взвешивание и математические операции одновременно. Набор таких правил может выглядеть как алгоритм с использованием конструкции "если-то-иначе". Наш последний пример мог бы использовать такие правила комбинирования: если (умеренные или нет ограничений на застройку по почвам) и (умеренные или нет ограничений по сельскому хозяйству) или (удаление от археологических площадок превышает 200 м) то установить минимальные значения покрытия иначе установить максимальные значения покрытия. Чтобы построить такой алгоритм, наш планировщик должен заранее знать, каковы возможные комбинации условий. Для этого было бы полезно свести в таблицу все возможные значения каждого показателя, а такая табуляция требует другой формы наложения, называемого идентифицирующим наложением (identity overlay), которое может выделять любые из этих значений и сохранять всю их описательную информацию. Поскольку идентифицирующее наложение обычно выполняется в рамках селективного наложения, я не выделяю его как отдельную категорию, хотя другие авторы находят достаточно аргументов для такого выделения. В любом случае, идентифицирующее наложение, как и селективное, слишком сложно для выполнения вручную. Поэтому сейчас мы вновь пройдемся по рассмотренным методам, но уже с точки зрения их компьютеризации и того, как она может расширить их возможности. КОМПЬЮТЕРИЗАЦИЯ ПРОЦЕССА НАЛОЖЕНИЯ Процесс наложения может быть очень сложным, практически невозможным при использовании традиционных карт. Различные веса параметров, сложные математические процедуры, правила комбинирования, — все они вносят вклад в усложнение процесса. Теперь мы посмотрим, как компьютер помогает реализовать все эти методы. Растровые наложения "точка в полигоне" и "линия в полигоне" В растровых ГИС ячейки растра, представляющих статистику преступности, места обитания птиц или любую другую точечную информацию, могут сравниваться с помощью присваивания этим точкам, как и полигонам, легко отличимых чисел или категорий; таким образом, становится сразу же очевидно, какие ячейки расположены в пределах интересующих нас полигонов. Например, у нас есть одно покрытие с одним полигоном, скажем, лугом, представленным числовым значением 1. Окружающий фон мог бы иметь значение 0 - "область не классифицирована". В другом покрытии ячейки со значением 1 представляют положения больших сорняков, остальные ячейки содержат значение 0. При наложении этих двух покрытий с помощью сложения мы получим ячейки со значением 2, представляющие сорняки на лугу (Рисунок 12.4). Вы можете заметить, что мы использовали одно и то же число для полезной травы в первом покрытии и для сорняков — во втором. Это привело к тому, что в результирующем покрытии мы не можем различить ячейки луга без сорняков от ячеек сорняков, растущих вне луга. Если бы мы обозначили сорняки существенно большим числом, скажем, 10, то легко могли бы распознать все случаи; на результирующем покрытии число 10 обозначало бы сорняки на неклассифицированном фоне, а 11 - сорняки среди травы, что являлось результатом наложения "точка в полигоне". Конечно, если бы наша ГИС могла хранить дополнительные атрибутивные данные или поддерживала легенду, то мы могли бы идентифицировать эти точки корректно в любом случае. Хотя большинство ГИС имеют возможности обеспечения этих функций, следует помнить об этом простом примере, ибо любые математические операции, которые мы могли бы выполнить в дальнейшем над этим покрытием, могли бы создать нам серьезные трудности. Сохранять видимое разделение категорий важно также и потому, что такая же проблема встретится нам при растровом наложении полигонов.  Как видите, в растре наложение "точка в полигоне" не требует явной информации о координатах как точек, так и полигонов. В простейших системах нужно помнить о различимости категорий после выполнения наложения, в более сложных такое различение может производиться по меткам (таким, как "сорняки" + "трава"). Системы, связанные с СУБД, будут иметь записи атрибутов, показывающие одновременное присутствие двух или более различных атрибутов в одной ячейке растра. Поскольку в растровой модели данных линии представляются цепочками прилежащих ячеек растра, которые сами по себе являются точками, становится очевидным, что операция наложения "линия в полигоне" по сути не отличается от операции "точка в полигоне". Растровое наложение полигонов Процесс растрового наложения полигонов по сути так же прост, как и наложение точек, поскольку в растре полигоны являются группами точек с одинаковыми наборами числовых значений. Растровым наложениям свойствен недостаток пространственной точности, но при этом они обладают высокой гибкостью и скоростью выполнения вследствие своей простоты. Общепризнанно, что в общем случае растровое наложение предпочтительно вследствие его вычислительной легкости [Burrough, 1983]. Поскольку каждая ячейка растра одного покрытия обязательно совмещена с такой же ячейкой в других покрытиях, компьютеру не приходится тратить ресурсы на вычисление координатных взаимоотношений объектов разных покрытий*. Вместо этого все ресурсы тратятся на сравнение атрибутивных данных, что, конечно, повышает скорость выполнения данной операции. Эти операции, чем-то похожие на матричную алгебру, обычно называют картографической алгеброй или алгеброй карт (map algebra) [Tomlin and Berry, 1979]. Простота растрового наложения дает также большую гибкость этой операции; мы легко можем выбирать из огромного числа возможных комбинаций логических, математических и условных операций над числовыми значениями ячеек растра. Мы уже рассматривали переклассификацию ячеек растра с помощью простых решающих правил, характеристик размера, формы и смежности, уклона и экспозиции склона, и многих других. Каждая из получаемых окрестностей является полигоном и легко может сравниваться с полигонами других покрытий с использованием все тех же перечисленных операций. НАЛОЖЕНИЕ В ВЕКТОРНЫХ СИСТЕМАХ Операции векторного наложения дают те же преимущества, что и основанная на векторах компьютерная картография — они создают картографические продукты, напоминающие традиционные, рисованные от руки карты гораздо больше, чем созданные из растровых карт. Это сходство напоминает нам о ручном наложении, так как карты, созданные в результате векторного наложения предлагают потенциальные решения некоторых графических проблем, связанных с ручным наложением. Даже простое наложения полигонов с помощью пленок ограничено использованием очень простых распределений и минимума категорий. Допустим, например, что у нас есть 15 факторов чувствительности окружающей среды, как в упоминавшемся проекте Яна МакХарга. Использование карт в градациях серого означает, что можно получить до 15 классов чувствительности окружающей среды. Хотя каждая из категорий может быть важна, наше зрение не способно различать более 8-10 категорий одновременно. * На самом деле это не всегда так: если два покрытия имеют различное разрешение или их ячейки смещены друг относительно друга из-за различий в географической привязке, то операция наложения потребует некоторого способа совмещения, установления соответствия между не совпадающими ячейками растра. — прим. перев. Ограничения традиционных карт также существенно ограничивают нашу способность исследовать соответствующие пространственные распределения, как из-за больших затрат времени на их создание, так и потому, что категории, отображаемые темными тонами, выглядят для человеческого глаза одинаковыми*. Современные векторные ГИС предоставляют большой набор аналитических средств и могут создавать карты с большим количеством цветов и оттенков. Зная ценность и частоту реализации векторного наложения среди коммерческих ГИС, не будет излишним вопрос о том, является ли система, не способная создавать новые покрытия в результате векторного наложения (хотя и отображающая их на экране), действительно тем, что следует называть "ГИС". Этот вопрос не является чисто теоретическим, так как на самом деле любые ограничения векторного наложения уменьшают полезность системы для пользователя. ТИПЫ НАЛОЖЕНИЙ Наложение САПР Первый и простейший метод компьютерного векторного наложения очень похож на традиционный метод в том, что мы просто располагаем символы отображения классифицированных данных на одной поверхности. Такие данные могут включать картограммы населения, распределения видов растений, землепользования, линейные символы для отображения дорожной сети, точечные символы, показывающие места археологических раскопок. Процесс графического наложения похож на метод тематического объединения, используемого для создания общегеографических карт. Такие карты позволяют пользователю видеть разнообразные факторы на одной графической основе и могут использоваться для графической демонстрации наличия или отсутствия пространственной связи между этими факторами. Для выполнения этой относительно простой операции в компьютере требуется, чтобы все отображаемые объекты находились в одной системе координат. * Колориметрия утверждает, что человеческий глаз в норме способен различать более ста градаций серого и порядка 300 ООО цветовых оттенков. Указанные автором ограничения часто обусловлены как несовершенством и неправильной настройкой оборудования, так, по-видимому, и традицией использования четырехбитной кодировки, дающей эти самые 15 градаций. В общем случае важен вопрос надежного различения, для которого иногда приходится ограничиваться всего лишь тремя-шестью категориями. — прим. перев. Результатом этой операции является изображение на экране, но не покрытие в файле. Программа не отвечает за объединение атрибутов объектов, так как сами атрибуты, чаще всего лишь метки, присоединенные к графическим элементам, и нет таблиц, связывающих эти метки с другими атрибутами. Нет также и топологии. Изображение - всего лишь графический прием последовательной отрисовки отдельных изображений для создания объединенной картинки. Оно может быть напечатано и даже сохранено как файл на диске компьютера. Так почему же оно не является покрытием? Вопрос довольно важен, и даже опытные пользователи ГИС иногда в нем путаются. Давайте рассмотрим пример с использованием системы автоматизированного проектирования (САПР). Допустим, мы оцифровали карту дорог, создав два слоя: собственно дороги и гидрография. Далее мы отобразили их на экране, чтобы определить, как проехать к некоторому озеру. Это вполне нам удается визуально, и мы сохраняем карту для других случаев. Позднее другой человек пытается использовать эту карту для поиска дорог, идущих вдоль береговой линии на расстоянии до ста метров от нее. Хотя визуально это довольно просто сделать, сама программа не сможет нам ответить на такой простой вопрос, так как она не знает, как названия дорог связаны с их графическими изображениями. У нее нет БД, а надписи являются такими же графическими элементами, помещаемыми рядом с объектами, как и сами эти объекты. Она не может также определять меру близости или наличие соединения. То есть, то, с чем мы здесь имеем дело, не является покрытием ГИС. В принципе, мы можем переслать эту карту в настоящую ГИС, построить топологию и БД с именами и атрибутами объектов, после чего получить ответ на наш вопрос. Усовершенствованная таким образом карта станет более чем графикой. Теперь это настоящее покрытие, пригодное для анализа. Наложение САПР очень полезно в своих аналитических пределах. Не всегда нужно выполнять сложные в вычислительном отношении запросы для определения соседства или пространственного сходства между объектами. Это легко можно сделать визуально. Преимущества наложения данного типа - простота и быстрота выполнения. Многие системы управления инженерными сетями и промышленными объектами (AM/FM) действуют на такой же основе, и обеспечивают пользователей тем, что им нужно. То есть, они достаточно быстро создают карты нужных объектов, которые можно взять с собой на место работ, где графика может быть прочитана и интерпретирована вручную. Лишь когда сложность БД или запросов значительно возрастает, ручная интерпретация компьютерным образом выполненных карт становится проблемой. Например, у вас есть карта подземных газопроводов, наложенная на карту улиц (с названиями), наложенную в свою очередь на карту строений и на карту населения. Кто-то в этом районе сообщает о запахе газа. Вы смотрите на карту, чтобы понять, где может быть утечка, но линии всех этих карт расположены слишком плотно. Вы знаете, где расположены несколько задвижек, но их мелкие значки скрыты сложной объединенной картой. Здесь требуется операция наложения, которая может проследить несколько атрибутов объектов и подсветить нужные задвижки и здания. Все это можно сделать, имея достаточно времени. Может оказаться более легким использование отдельных карт на каждую из тем, чтобы символы не накладывались и не мешали. Короче говоря, в данной ситуации нужно нечто большее, чем то, что может дать простое наложение САПР. Топологическое векторное наложение Топологическая структура данных, представленная в Главе 4, позволяет программе отслеживать пространственные связи между объектами. Она также определяет метод наложения полигональных покрытий, обеспечивающий передачу многих атрибутов объектов полигонам результирующего покрытия. Этот топологический результат, известный как наименьшая географическая единица (least common geographic unit (LCGU)) [Chrisman and Puecker, 1975], придуман для показа того, как изменения полигональных объектов могут достичь пункта, за которым невозможно дальнейшее деление. С этими наименьшими единицами деления связывается набор атрибутов, который также не может далее делиться на категории. По сути, это деление имитирует описанный выше метод МакХарга, когда упомянутый набор атрибутов определяет степень черноты области, соответствующей уровню чувствительности окружающей среды. Далее мы увидим, как топология помогает проводить наложение векторных покрытий, рассмотрим несколько примеров, после чего сравним выполнение наложения в векторных и растровых системах. |