Más

Intersección de una cadena lineal de vectores y DEM subyacente

Intersección de una cadena lineal de vectores y DEM subyacente


A continuación se muestra una captura de pantalla en la que la capa ráster ASTER DEM ha sido superpuesta por una capa vectorial de cadena lineal de carreteras. Quiero extraer esos píxeles DEM que se encuentran exactamente debajo de las cadenas de líneas. Quiero asignar los valores de elevación correspondientes a todas y cada una de las líneas. ¿Qué función de PostGIS se debe utilizar o cualquier otro enfoque? PostGISST_IntersectionLa función para capas ráster no es útil.


Puede utilizar la función ST_DumpAsPolygons:

SELECT (ST_DumpAsPolygons (rast)). * FROM road_linestring_table, dem WHERE ST_Intersects (rast, geom);

Luego puede rasterizar el resultado.


Intersección de una cadena lineal de vectores y DEM subyacente - Sistemas de información geográfica

Modelos digitales de elevación para los datos digitales ráster del estudio piloto 1 de Seaside, Oregon

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Florence L. Wong Angie J. Venturato Eric L. Geist

Seaside, Oregon Estudio piloto sobre tsunamis - Modernización de los mapas de peligro de inundaciones de FEMA: datos digitales de vector de datos GIS Serie de datos del Servicio Geológico de EE. UU. 236

Este conjunto de datos forma parte de una colección de archivos digitales con referencias espaciales en un sistema de información geográfica relacionado con el Estudio piloto de tsunamis de Seaside, Oregon. Las pautas del Mapa de Tasas de Seguros Federales (FIRM) de la Agencia Federal para el Manejo de Emergencias (FEMA) no existen actualmente para realizar e incorporar evaluaciones de peligro de tsunami que reflejen los avances sustanciales en la investigación de tsunamis logrados en las últimas dos décadas (Grupo de Trabajo de Estudio Piloto de Tsunamis, 2006). Por lo tanto, como parte del Programa de Modernización de FEMA, se llevó a cabo un Estudio Piloto de Tsunamis en el área de Seaside / Gearhart, Oregon, para proporcionar información a partir de la cual se podrían desarrollar pautas de mapeo de tsunamis. Se eligió esta zona por ser típica de las comunidades costeras del tramo de la Costa Pacífica desde el Cabo Mendocino hasta el Estrecho de Juan de Fuca. También hubo un interés considerable por parte de las agencias estatales y las partes interesadas locales en mapear la amenaza de tsunami en esta región. El estudio fue un esfuerzo interinstitucional de científicos del Servicio Geológico de EE. UU., La Administración Nacional Oceánica y Atmosférica, la Universidad del Sur de California y la Universidad Técnica del Medio Oriente. Presentamos los datos GIS de ese informe en esta publicación. Estos datos están destinados a investigadores científicos, estudiantes, responsables políticos y público en general. Los datos se pueden utilizar con software de sistemas de información geográfica (GIS) para mostrar información geológica y oceanográfica.

Los conjuntos de datos constan de 3 cuadrículas ráster ASCII que cubren la zona costera de Seaside, Oregon, Oregon-Washington y la región del Pacífico Noroeste, con resoluciones de 1/3 de segundo de arco, 6 segundos de arco y 36 segundos de arco. La cuadrícula de 1/3 de segundo de arco consta de valores batimétricos y topográficos. Las cuadrículas de menor resolución constan de valores que representan únicamente la batimetría. 2006 fecha de publicación

Ninguno planeado -124.040000 -123.889898 46.079862 45.900000 ninguno modelo de elevación digital cuadrícula ráster ascii batimetría topografía DEM

Sistema de información de nombres geográficos

EE. UU. 206-526-6556 [email protected]

https://pubs.usgs.gov/ds/2006/236/metadata/seasidedems.jpg
Extensiones de modelos digitales de elevación y análisis de tsunamis.
JPEG Servicio Nacional Oceánico de la NOAA, Servicio Geológico de EE. UU., Oficina de Gestión de Tierras de Oregón Microsoft Windows XP versión 5.1 (compilación 2600) Service Pack 2 ESRI ArcCatalog 9.1.0.722 Grupo de trabajo de estudio piloto de tsunamis

Estudio piloto sobre tsunamis en Seaside, Oregon - Modernización de los mapas de peligros de inundaciones de FEMA 1 Informe de archivo abierto del Servicio Geológico de EE. UU. 2006-1234

https://pubs.usgs.gov/of/2006/1234/ Venturato, A.J.

Un modelo de elevación digital para Seaside, Oregon: Procedimientos, fuentes de datos y análisis http://www.pmel.noaa.gov/pubs/PDF/vent2812/vent2812.pdf Centro NOAA para la Investigación de Tsunamis

Línea de costa para los datos digitales vectoriales de la región noroeste del Pacífico

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Centro Nacional de Datos Geofísicos de la NOAA

Datos digitales vectoriales GEODAS versión 4.1.18

Centro Nacional de Datos Geofísicos de la NOAA

http://www.ngdc.noaa.gov NOAA Center for Tsunami Research

Estaciones de nivel de agua del noroeste del Pacífico y distribuciones de datos de mareas datos digitales vectoriales

https://pubs.usgs.gov/ds/2006/236/catalog.shtml Programa de detección remota costera del Centro de servicios costeros de la NOAA

Mapeo láser / GPS de aeronaves de datos digitales ráster de topografía costera

Charleston, Carolina del Sur

Centro de servicios costeros de NOAA

http://www.csc.noaa.gov/lidar/ Encuesta geodésica nacional NOAA

Datos digitales vectoriales de control geodésico horizontal y vertical

Encuesta geodésica nacional de NOAA

http://www.ngs.noaa.gov/ Servicio Geológico de EE. UU., Centro de datos EROS

Datos digitales ráster de National Elevation Dataset

http://seamless.usgs.gov/ Cuerpo de Ingenieros del Ejército de EE. UU.

Levantamientos hidrográficos para datos digitales vectoriales del río Columbia, Grays Harbor y Willapa Bay

Seattle, Washington Portland, Oregón

Cuerpo de Ingenieros del Ejército de EE. UU.

Los datos de Washington se obtuvieron del USACE Seattle District Oregon Los datos se obtuvieron a través del Servicio Nacional Oceánico de la NOAA, Oficina de Encuestas Costeras http://www.usace.army.mil/ Ralph A. Haugerud

Modelo de elevación digital (DEM) de Cascadia, latitud 39N-53N, longitud 116W-133W datos digitales ráster

http://wrgis.wr.usgs.gov/open-file/of99-369/ Consulte la referencia cruzada de Venturato (2005). Completo.

La precisión horizontal de cada cuadrícula se expresa como un error cuadrático medio estimado (RMSE). La estimación del RMSE se basa en pruebas de precisión horizontal de los datos de origen que se seleccionan como iguales o menores que el error RMSE horizontal previsto de cada cuadrícula. Se comparó el posicionamiento horizontal de los diversos puntos de origen entre sí para verificar la precisión de la cuadrícula. El RMSE vertical se utiliza para determinar la precisión vertical de la cuadrícula. Da cuenta de errores sistemáticos y aleatorios. Consulte la referencia cruzada de Venturato (2005).

Línea de costa para los datos digitales vectoriales de la región noroeste del Pacífico

https://pubs.usgs.gov/ds/2006/236/catalog.shtml en línea 1999 2002 fecha de publicación shoreline_pacnw litoral que representa el contorno cero en el Centro Nacional de Datos Geofísicos de la NOAA de las aguas altas medias

Datos digitales vectoriales GEODAS versión 4.1.18

Centro Nacional de Datos Geofísicos de la NOAA

http://www.ngdc.noaa.gov en línea 1927 1999 fecha de publicación datos batimétricos geodas valores NOAA Center for Tsunami Research

Estaciones de nivel de agua del noroeste del Pacífico y distribuciones de datos de mareas datos digitales vectoriales

https://pubs.usgs.gov/ds/2006/236/catalog.shtml en línea 2004 fecha de publicación estaciones de mareas distribución de datos verticales NOAA Coastal Services Center Coastal Remote Sensing Program

Mapeo láser / GPS de aeronaves de datos digitales ráster de topografía costera

Charleston, Carolina del Sur

Centro de servicios costeros de NOAA

http://www.csc.noaa.gov/lidar/ en línea 19971017 19980428 fecha de publicación seaside97, seaside98 valores de datos batimétricos y topográficos NOAA National Geodetic Survey

Datos digitales vectoriales de control geodésico horizontal y vertical

Encuesta geodésica nacional de NOAA

http://www.ngs.noaa.gov/ en línea 2004 fecha de publicación ngs_control control de datum vertical U.S. Geological Survey, EROS Data Center

Datos digitales ráster de National Elevation Dataset

fecha de origen 1973, NED 1/3 de segundo de arco http://seamless.usgs.gov/ en línea 1999 fecha de publicación ned1_3 valores de datos topográficos US Army Corps of Engineers

Levantamientos hidrográficos para datos digitales vectoriales del río Columbia, Grays Harbor y Willapa Bay

Seattle, Washington Portland, Oregón

Cuerpo de Ingenieros del Ejército de EE. UU.

Los datos de Washington se obtuvieron de USACE Seattle District Oregon Los datos se obtuvieron a través del NOAA National Ocean Service, Office of Coast Survey http://www.usace.army.mil/ online 1998 2004 condiciones del suelo usace2004 valores de datos batimétricos Ralph A. Haugerud

Modelo de elevación digital (DEM) de Cascadia, latitud 39N-53N, longitud 116W-133W datos digitales ráster


Extensión NetLogo Gis

Esta extensión agrega soporte GIS (Sistemas de Información Geográfica) a NetLogo. Proporciona la capacidad de cargar datos GIS vectoriales (puntos, líneas y polígonos) y datos GIS ráster (cuadrículas) en su modelo.

La extensión admite datos vectoriales en forma de shapefiles ESRI. El formato shapefile (.shp) es el formato más común para almacenar e intercambiar datos SIG vectoriales. La extensión admite datos ráster en forma de archivos de cuadrícula ASCII de ESRI. El archivo de cuadrícula ASCII (.asc o .grd) no es tan común como el shapefile, pero la mayoría de las plataformas GIS lo admiten como formato de intercambio.

Cómo utilizar

En general, primero define una transformación entre el espacio de datos GIS y el espacio NetLogo, luego carga los conjuntos de datos y realiza varias operaciones en ellos. La forma más fácil de definir una transformación entre el espacio GIS y el espacio NetLogo es tomar la unión de los & ldquoenvelopes & rdquo o rectángulos delimitadores de todos sus conjuntos de datos en el espacio GIS y mapearlo directamente a los límites del mundo NetLogo. Consulte Ejemplos generales de SIG para ver un ejemplo de esta técnica.

Opcionalmente, también puede definir una proyección para el espacio GIS, en cuyo caso los conjuntos de datos se volverán a proyectar para que coincidan con esa proyección a medida que se cargan, siempre que cada uno de sus archivos de datos tenga un archivo .prj asociado que describa la proyección o la ubicación geográfica. sistema de coordenadas de los datos. Si no se encuentra un archivo .prj asociado, la extensión asumirá que el conjunto de datos ya usa la proyección actual, independientemente de cuál sea esa proyección.

Una vez definido el sistema de coordenadas, puede cargar conjuntos de datos usando gis: load-dataset. Esta primitiva informa sobre un VectorDataset o un RasterDataset, dependiendo del tipo de archivo que le pase.

Un VectorDataset consta de una colección de VectorFeatures, cada una de las cuales es un punto, una línea o un polígono, junto con un conjunto de valores de propiedad. Un único VectorDataset puede contener solo uno de los tres tipos posibles de características.

Hay varias cosas que puede hacer con un VectorDataset: pedirle los nombres de las propiedades de sus características, preguntarle por su & ldquoenvelope & rdquo (rectángulo delimitador), pedir una lista de todas las VectorFeatures en el conjunto de datos, buscar una sola VectorFeature o lista de VectorFeatures cuyo valor para una propiedad en particular es menor o mayor que un valor en particular, o se encuentra dentro de un rango dado, o coincide con una cadena dada usando la coincidencia de comodines (& quot * & quot, que coincide con cualquier número de apariciones de cualquier carácter). Si VectorFeatures son polígonos, también puede aplicar los valores de una propiedad particular del conjunto de datos y características rsquos a una variable de parche determinada.

También hay varias cosas que puede hacer con un VectorFeature de un VectorDataset: pedirle una lista de listas de vértices, pedirle un valor de propiedad por nombre, pedirle su centroide (centro de gravedad) y pedir un subconjunto de un conjunto de agentes determinado cuyos agentes se cruzan con la VectorFeature determinada. Para los datos de puntos, cada lista de vértices será una lista de un elemento. Para los datos de línea, cada lista de vértices representará los vértices de una línea que forma esa característica. Para los datos de polígono, cada lista de vértices representará un & ldquoring & rdquo del polígono, y el primer y último vértice de la lista será el mismo. Las listas de vértices se componen de valores de tipo Vertex y el centroide también será un valor de tipo Vertex.

También hay una serie de operaciones definidas para RasterDatasets. En su mayoría, estos implican muestrear los valores en el conjunto de datos o volver a muestrear un ráster a una resolución diferente. También puede aplicar un ráster a una variable de parche determinada y convertir un ráster utilizando una matriz de convolución arbitraria.

Ejemplo de código: GIS General Examples tiene ejemplos generales de cómo usar la extensión

Ejemplo de código: El ejemplo de gradiente GIS es un ejemplo más avanzado de análisis de dataset ráster.

Problemas conocidos

Los valores de tipo RasterDataset, VectorDataset, VectorFeature y Vertex no son manejados correctamente por export-world e import-world. Para guardar conjuntos de datos, debe usar la primitiva gis: store-dataset.

Actualmente no hay forma de distinguir los polígonos de área positiva y ldquoshell y rdquo de los polígonos de área negativa y ldquohole y rdquo, o para determinar qué agujeros están asociados con qué conchas.

Créditos

El desarrollador principal de la extensión GIS fue Eric Russell.

La extensión GIS utiliza varias bibliotecas de software de código abierto. Para obtener información sobre derechos de autor y licencia sobre estos, consulte la sección de derechos de autor del manual. La extensión también contiene elementos tomados de My World GIS.


Reconstrucción tridimensional del paisaje de Huizhou combinada con tecnología multimedia y sistema de información geográfica

La arquitectura de Huizhou es la arquitectura antigua china más importante. Al ser una arquitectura tradicional, la arquitectura de Huizhou siempre ha mantenido un estilo artístico único de elegancia, simplicidad, riqueza e integración. El paisaje de Huizhou es una encarnación esencial de la cultura Huizhou. El paisaje y el patrón de las aldeas de Huizhou son las manifestaciones externas de los símbolos de la cultura Huizhou. Esta arquitectura debe preservarse utilizando tecnología multimedia y un sistema de información geográfica. Este documento utiliza estos sistemas para extraer la imagen del paisaje y desarrollar métodos de modelado tridimensional de la aldea de Huizhou con automatización, alta eficiencia y bajo costo. Ha realizado las funciones de consulta de información del paisaje, medición de alta dimensión, análisis del terreno, análisis de visibilidad y itinerancia virtual de la aldea de Huipai. Este modelo tiene efectos de promoción específicos sobre el análisis espacial del paisaje, la planificación del paisaje, la protección ecológica, la herencia natural y cultural y el desarrollo turístico.

1. Introducción

El paisaje de la aldea de Huizhou es un portador de paisaje socializado multifuncional compuesto por el paisaje humano y el paisaje natural formado en un entorno temporal y espacial específico. Construye un paisaje ecológico regional complejo con la convivencia a largo plazo de las personas y el medio ambiente, reflejando las características. La connotación de la “cultura Huihua” es la visión realista del “Cielo y el Hombre” y el simple concepto de conciencia ecológica. Su estructura se ve afectada por el entorno natural como las montañas, la vegetación, las aguas, el clima y factores humanos como la arquitectura, las costumbres, el Feng Shui y el comportamiento económico [1]. Las aldeas tradicionales chinas representadas por las aldeas de Huipai están profundamente influenciadas por la doctrina convencional del Feng Shui en el proceso de selección, construcción y desarrollo del sitio, que encarna plenamente el modelo de "armonía entre el hombre y la naturaleza", la coordinación natural y la simbiosis armoniosa. El patrón espacial, el modelo de hábitat, la forma arquitectónica y la relación social formada en el encuentro a largo plazo tienen profundas connotaciones ecológicas y son una valiosa riqueza ecológica en China. Desde la perspectiva de la ecología, el concepto de asentamientos humanos en las aldeas de Huizhou con fines multiculturales es ideal para los asentamientos humanos [2]. En el actual conflicto entre el medio ambiente humano y ecológico, se analizan las características espaciales de las aldeas de Huizhou. La excavación de la connotación ambiental de la aldea de Huizhou puede proporcionar apoyo conceptual para el diseño moderno de asentamientos humanos.

En la actualidad, la investigación sobre las características espaciales de los pueblos tradicionales se centra principalmente en tres aspectos. Primero está el análisis cualitativo del diseño del asentamiento, la estructura espacial y el mecanismo de impacto de los elementos de los factores humanos, Liu Peilin y otra "cultura Feng Shui", "espacio espiritual" y "paisaje" "Imagen" y así sucesivamente como punto de partida. señalar para estudiar la imagen del espacio de asentamiento, para estudiar la imagen estereoscópica espacial multidimensional del paisaje de la antigua aldea china. Para proponer el concepto de ecosistema del pueblo desde el punto de vista ecológico y las características del pueblo desde los aspectos de estructura, función, distribución, evolución y humanidades, se realizó un análisis cualitativo con el modelo. Hu y col. y Liu Peilin propuso el concepto del mapa del genoma del paisaje de asentamiento tradicional y analizaron su relación con los genes del paisaje y los genomas del paisaje y estudiaron más a fondo los tipos, funciones y significado de los mapas del genoma del paisaje de asentamiento convencional [3]. El segundo es utilizar el patrón de paisaje, el análisis espacial GIS, el modelo ecológico y otros métodos de medición para estudiar el diseño, el tipo, la escala, el sistema, la estructura espacial y la evolución del asentamiento del asentamiento y utilizar el análisis del patrón de paisaje para revelar el Feng. Shui contenido en el diseño del asentamiento. El tercero es probar la teoría del Feng Shui y el diseño del paisaje ecológico combinados con métodos de análisis cuantitativos y cualitativos integrales para resolver las características espaciales de los asentamientos y las ideas y conceptos de aplicación del diseño de la aldea al diseño del paisaje. La investigación anterior enfatiza cada vez más la investigación multidisciplinaria integral que combina métodos cualitativos y cuantitativos. El enfoque cualitativo se basa en el multiculturalismo, como la teoría del Feng Shui, la teoría del campo psicológico y los géneros del paisaje. El método cuantitativo utiliza el índice del paisaje para analizar los patrones del paisaje y revela las complejas interacciones de la naturaleza y la biología con las fuerzas sociales en el tiempo y el espacio. El índice de paisaje bidimensional tradicional ignora las características topográficas y geomorfológicas esenciales para el patrón del paisaje ecológico, lo que resulta en la distorsión de la información precisa de la forma geométrica de la unidad de tierra, lo que resulta en una subestimación sobreestimada de los resultados del análisis del índice de paisaje. La medición precisa del índice de paisaje 3D puede compensar los defectos del índice de paisaje 2D. Puede enriquecer en gran medida la información del patrón del paisaje, reflejando su composición estructural y características de configuración espacial [4]. Este artículo toma la tecnología multimedia y los sistemas de información geográfica como punto de partida de los estudios. El nivel de la aldea de Huizhou toma a Chengkan como objeto de investigación, integra la teoría del Feng Shui tradicional chino, la teoría del campo psicológico y el entorno de vida ideal, y propone la idea del entorno de asentamiento humano. El modelo de ecosistema analiza el diseño de la aldea y los elementos del paisaje de la aldea de Chengkan, analiza las características de su estructura espacial y mejora el método tradicional de análisis de patrones de paisaje. Introduce el método de índice de paisaje 3D y reemplaza el paisaje 2D calculando la longitud de la superficie de los parches de paisaje y las características del área: características y análisis cuantitativo del patrón de paisaje de la aldea de Huizhou [5]. La combinación del modelo de ecosistema ideal con el método de índice de paisaje tridimensional puede analizar de manera más eficaz las características de la estructura espacial de las aldeas de Huizhou.

En la actualidad, existen muchos métodos de reconstrucción tridimensional de la imagen bidimensional que se utilizan en medicina, como la TC [6] y la RM [7]. También se utilizan ampliamente en la reconstrucción facial [8, 9]. Además, Pan y otros han estudiado la aplicación de imágenes bidimensionales en la reconstrucción de ropa, Zhang ha investigado el método de reconstrucción tridimensional de imágenes bidimensionales bajo visión binocular y Ye ha estudiado la reconstrucción tridimensional de cuerpos rígidos basados ​​en en secuencias de imágenes bidimensionales. Varias técnicas de reconstrucción computacional visualizan la imagen 3D sin mostrar ópticamente las imágenes elementales [13]. Estos métodos se clasifican mediante la reconstrucción plano por plano (PPRT) y las técnicas de reconstrucción del punto de visualización (VPRT). El PPRT utiliza una matriz de orificios virtuales en lugar de la matriz de lentillas para reconstruir la imagen 3D. En el plano de la imagen reconstruida en la Figura 1, cada píxel de la imagen principal está integrado y los observadores pueden ver la imagen en 3D, que está enfocada en este plano.

Por otro lado, en VPRT, la imagen 3D se reconstruye extrayendo un píxel de cada imagen elemental correspondiente de la matriz de lentillas [10]. Este documento utiliza tecnología multimedia y un sistema de información geográfica para extraer la imagen del paisaje y desarrollar métodos de modelado tridimensional de las aldeas de Huizhou con automatización, alta eficiencia y bajo costo. Ha realizado las funciones de consulta de información del paisaje, medición de alta dimensión, análisis del terreno, análisis de visibilidad y itinerancia virtual de la aldea de Huipai. Tiene efectos de promoción específicos sobre el análisis espacial del paisaje, la planificación del paisaje, la protección ecológica, la herencia natural y cultural y el desarrollo del turismo [14]. En comparación con los otros métodos, esta estrategia puede reconstruir el paisaje de manera más efectiva y con mayor precisión [11].

Las contribuciones de este trabajo se resumen a continuación: (1) Consideramos un nuevo esquema de reconstrucción tridimensional que combina tecnología multimedia y sistema de información geográfica. Este nuevo método puede ayudar a extraer las características de los datos de manera efectiva y reconstruir los datos originales rápidamente. (2) Reconstruimos el paisaje de Huizhou con la ayuda de la estrategia propuesta. El paisaje reconstruido puede ayudar a realizar las funciones de consulta de información del paisaje, medición de alta dimensión, análisis del terreno, análisis de visibilidad y itinerancia virtual de la aldea de Huipai. (3) El nuevo esquema de reconstrucción tridimensional tiene efectos de promoción específicos sobre el análisis espacial del paisaje, la planificación del paisaje, la protección ecológica, la herencia natural y cultural y el desarrollo turístico.

Este artículo está organizado de la siguiente forma: La Sección 2 presenta algunos estudios preliminares y trabajos relacionados sobre tecnología multimedia y sistemas de información geográfica. La sección 3 propone la revisión de la investigación de la reconstrucción tridimensional. La reconstrucción del paisaje de Huizhou se dará en la Sección 4. Finalmente, la Sección 5 resume algunas conclusiones y ofrece algunas sugerencias sobre los temas de investigación futuros [12].

2. Panorama general y desarrollo de la tecnología multimedia y los sistemas de información geográfica

Medios se refiere a los medios que entregan la información, incluidas las entidades almacenadas y los portadores que transmiten la información. Los discos, cintas, etc., son las entidades que representan la información, y los valores (Número), literatura (Texto), sonido (Audio), gráficos (Imagen), imágenes (Video), etc., son los portadores de la transmisión de información. [15]. Los medios en lo que llamamos “multimedia” se refieren a estos últimos. La denominada “multimedia” no suele ser la información multimedia en sí misma, sino principalmente un conjunto de técnicas para procesarla y aplicarla. Por lo tanto, "multimedia" se utiliza a menudo como sinónimo de "tecnología multimedia".

2.1. Concepto de tecnología multimedia

La tecnología multimedia utiliza computadoras para procesar de manera integral texto, gráficos, imágenes, sonidos, animaciones, videos y otros tipos de información para establecer relaciones lógicas e interacción persona-computadora. La tecnología multimedia precisa implica el objeto de la tecnología informática, mientras que otras cosas simples, como las películas, la televisión y el audio, no pertenecen a la categoría de la tecnología multimedia [16].

2.2. Concepto de sistema de información geográfica

El sistema de información geográfica (SIG) es una disciplina de vanguardia emergente que integra ciencias de la computación, informática, geografía, topografía y cartografía, ciencias ambientales, ciencias urbanas, ciencias de la administración y muchas otras ciencias. Con el apoyo de software y hardware de computadora, la teoría de la ingeniería de sistemas y la ciencia de los sistemas de información se utiliza para gestionar científicamente y analizar exhaustivamente datos geográficos con connotaciones espaciales para proporcionar sistemas de información espacial para la planificación, la gestión, la toma de decisiones y la investigación [17] . El desarrollo de GIS refleja las características de una intersección multidisciplinaria. El marco de integración multimedia GIS se muestra en la Figura 1. Con la creciente promoción de varios sectores de la economía nacional, GIS ha recibido más atención de diferentes departamentos y gobiernos locales y la comunidad. Los grupos de toma de decisiones y los grupos de consumidores necesitan con urgencia productos multimedia para analizar, investigar, investigar y utilizar la información del entorno geográfico [18]. En el pasado, muchas herramientas SIG solo pueden representar y transmitir información espacial empleando texto, gráficos y tablas, lo que reduce significativamente el efecto del procesamiento SIG y la transmisión de información espacial. Por lo tanto, se necesita tecnología multimedia para mejorar la visualización de este software SIG [19]. La combinación de tecnología multimedia y sistema de información geográfica puede expresar información espacial de una manera intuitiva y vívida en forma de vista, oído y tacto, mejorar la eficiencia de la recopilación de datos SIG, el procesamiento de datos y la expresión y salida, y brindar un juego completo. a las ventajas de la tecnología multimedia, mejorando significativamente el efecto de visualización de información espacial SIG [20]. Por tanto, es necesario introducir tecnología multimedia en SIG. La combinación de tecnología multimedia y sistema de información geográfica se ha convertido en una de las direcciones de desarrollo importantes de la tecnología GIS. La aplicación de tecnología multimedia a los sistemas de información geográfica tiene un impacto significativo en la estructura del sistema, las funciones del sistema y los modos de aplicación del SIG, lo que hace que el SIG sea más abundante, flexible y amigable.

Los datos involucrados en el proceso de desarrollo integrado de SIG multimedia incluyen principalmente dos fuentes: una es un archivo de datos gráficos espaciales y la otra son datos de atributos multimedia. Para mejorar la flexibilidad del procesamiento de datos de todo el sistema, se adopta un método de almacenamiento particular [21, 22]. El marco de integración para multimedia y SIG se muestra en la Figura 1. La información de atributos multimedia es el contenido central del sistema y es información para que los usuarios la utilicen y consulten. Los requisitos son muy precisos [23]. La información de atributos multimedia se puede recopilar de varias maneras, incluidos texto, fotos, gráficos, audio, video y animación, y luego, esta información se verifica, organiza y procesa. Los ricos tipos de datos de los sistemas de información geográfica multimedia, que integran sonido, imagen, imagen y texto, son necesarios para integrar la tecnología de bases de datos y la tecnología multimedia. El acceso a la base de datos convencional es generalmente información más detallada, como texto, números y fechas. Para información multimedia como imágenes, sonidos, películas y similares, no se puede acceder directamente a la base de datos debido a la limitación del tipo de campo [24]. Con el desarrollo continuo de la tecnología de bases de datos, los tipos BLOB (tipos de objetos binarios grandes) aparecen en el tipo de campo. Puede escribir el programa para convertir el archivo de tipo multimedia a tipo BLOB y luego acceder a él en la base de datos. Los datos de atributos multimedia espaciales se almacenan en una base de datos relacional. Se configuran diferentes campos en la base de datos para proporcionar diferentes tipos de información. La información multimedia almacenada se puede ampliar según sea necesario, y se puede interpretar información multimedia diferente a través de un módulo en particular [25, 26].

Los datos gráficos geográficos electrónicos estandarizados se almacenan en un directorio específico en un formato de archivo estándar, y cada objeto en el gráfico tiene su correspondiente identificador único (número de identificación). El sistema lo utiliza como índice para crear un archivo de datos gráficos [27]. Al diseñar la estructura de almacenamiento de datos y la estructura de la interfaz de entrada de salida de GIS, la conexión integrada de la base de datos admite múltiples bases de datos para conectar diferentes datos de atributos. La palabra clave de cada registro de atributo es el número de identificación del objeto en el archivo gráfico, por lo que se da cuenta de la correspondencia uno a uno entre la información espacial, gráfica y la información de atributo multimedia.

3. Una revisión de la investigación sobre la reconstrucción tridimensional

3.1. Concepto de reconstrucción D

La reconstrucción 3D se refiere al establecimiento de un modelo tridimensional con un cierto nivel de detalle correspondiente a un objeto real en un entorno virtual digital. A medida que la exploración humana de la información geoespacial se vuelve más profunda y más ampliamente utilizada, el modelo tridimensional de construcción monolítica o grupal ya no puede satisfacer la demanda de información espacial global de la gente. El modelo tridimensional del grupo de construcción se ha convertido gradualmente en planificación y gestión urbanas, diseño arquitectónico, infraestructura necesaria en muchas áreas, como socorro de emergencia, seguridad pública, protección ambiental, selección de sitios inmobiliarios y comerciales y navegación de tráfico.

3.2. Clasificación del método técnico

La reconstrucción tridimensional de edificios es un foco de investigación en el país y en el extranjero, y se han desarrollado varios métodos. Dependiendo de la tecnología utilizada, se pueden dividir aproximadamente en los siguientes siete tipos: (1) Un método basado en datos cartográficos del terreno (2) Un método basado en datos DEM (3) Un método basado en tecnología de reconocimiento de imágenes (4) Un método basado en tecnología de escaneo láser tridimensional (5) Un método basado en tecnología de identificación inteligente basada en papel para vectores de construcción (6) Un método basado en técnicas de modelado CSG (7) Modelado de procesos método

Las ventajas y desventajas de los siete métodos anteriores se pueden obtener como se muestra en la Tabla 1.

3.3. Diseño de modelos de reconstrucción 3D

Este capítulo se centra en el método de análisis de patrones de paisaje basado en el modelo de ecosistema ideal y el índice de paisaje 3D y el método de visualización de paisaje basado en el modelado de reglas.

3.3.1. Modelo de ecosistema ideal

Un ecosistema es una unidad geográfica o una zona ecológica y una unidad del sistema con funciones de entrada y salida y un límite natural o artificial [19]. El ecosistema de hábitat ideal es optimizar la supervivencia, el desarrollo y la continuación de los seres humanos y optimizar el intercambio de energía, el metabolismo material, el intercambio de información y la migración biológica entre los elementos internos del ecosistema. Las funciones ecológicas de cada elemento se muestran en la Tabla 2. La selección del sitio también requiere el cumplimiento de la ciencia ambiental de la construcción.

3.3.2. Índice de paisaje tridimensional

El índice de paisaje 3D mejora el método tradicional de índice de paisaje 2D, que reemplaza principalmente el área proyectada y la longitud lateral del índice de paisaje convencional con el área de la superficie del parche de paisaje y la longitud del lado de la superficie [20]. Calcular el área de la superficie y la longitud lateral de los parches de paisaje es la clave para el índice de paisaje tridimensional.

El número de índices de paisaje es grande y la correlación es fuerte, y es probable que cualquier selección de índice provoque un superávit en el índice. De acuerdo con las características topográficas de la aldea de Huipai, de acuerdo con los resultados de la investigación de una gran cantidad de patrones de paisaje, la selección del índice de paisaje montañoso se centra en reflejar la escala, la forma y la concentración del paisaje. El estudio utilizó indicadores tridimensionales, como se muestra en la Tabla 3.


Intersección de una cadena lineal de vectores y DEM subyacente - Sistemas de información geográfica

Creación de conjuntos de datos de características y edición de vectores de amplificador

La mayoría de los proyectos que encontrará incluirán datos que ya se han desarrollado. Sin embargo, a veces es posible que deba crear nuevos conjuntos de datos o modificar conjuntos de datos existentes. Esta sección cubre la realización de ediciones en entidades en las bases de datos de coordenadas utilizadas en ArcGIS.

Cuando crea o modifica datasets de entidades (vectoriales) en ArcGIS, utilizará shapefiles. Los shapefiles son el dataset nativo preferido para ArcGIS. Los shapefiles son completamente editables dentro de ArcGIS, lo que significa que pueden modificarse tanto en sus características espaciales como en sus atributos. Además, cualquier otra fuente de datos vectoriales válida en proyectos de ArcGIS se puede convertir fácilmente en shapefiles o clases de entidad de geodatabase, momento en el que se pueden editar sus entidades.

El método "heredado" más común para introducir datos en un SIG ha sido mediante el uso de tabletas digitalizadoras.

Las tabletas digitalizadoras se han utilizado desde los primeros días de GIS para capturar datos de mapas de coordenadas. Un digitalizador es una mesa especial incrustada debajo de la superficie con una serie de cables. Los cables están dispuestos en filas horizontales y columnas verticales estrechamente espaciadas. Estos cables reciben señales del cursor del digitalizador (que se comporta como un mouse) y permiten rastrear y guardar las características del mapa como datos de coordenadas. El software GIS se utiliza para transformar los valores de coordenadas de la tabla en valores de coordenadas del mundo real.

Por lo general, un mapa se pega a la tableta y se registra con puntos de ubicación conocida (& quottics & quot). Luego, las características en el mapa se rastrean a medida que el software "escucha" hasta el puerto de comunicaciones al que está conectado el digitalizador. Las teclas especiales del cursor se utilizan para controlar la funcionalidad del digitalizador.

La mayoría de las aplicaciones de software que se han desarrollado como soluciones GIS completas han incluido soporte para la digitalización tanto en tableta como en pantalla (& quotheads-up & quot).

ArcGIS admite la digitalización en ambos modos, con algunas excepciones. Los shapefiles y las clases de entidad de la geodatabase son el único tipo de archivos de origen de datos espaciales que se pueden modificar mediante la digitalización. La digitalización directa de shapefiles y clases de entidades de geodatabase es totalmente compatible. La digitalización de tabletas solo es compatible con sistemas MS-Windows y solo es compatible si los controladores de Windows están instalados para la marca de tableta digitalizadora que está conectada a la máquina. Debido a limitaciones de tiempo y la falta de suficientes tabletas digitalizadoras, no cubriremos la digitalización de tabletas en este curso. Sin embargo, los archivos de ayuda para la digitalización de tabletas en ArcGIS son claros y extensos.

Trabajar con shapefiles y geodatabases amp

Shapefiles son el formato de datos vectoriales de ArcGIS más fácil de administrar. Un único shapefile representa un grupo de puntos, líneas o polígonos. Mientras que otras fuentes de datos (por ejemplo, coberturas de ArcInfo, dibujos CAD) pueden estar compuestas por múltiples tipos de características, los shapefiles se componen de solamente puntos, líneas, o polígonos.

El shapefile es en realidad una colección de archivos, en lugar de un solo archivo. Un solo shapefile se compone de al menos 3 archivos (donde en este ejemplo, el nombre del shapefile es carreteras).

  • roads.shp: geometría de la entidad (forma y ubicación)
  • roads.shx: índice de geometría de entidad
  • roads.dbf: tabla de atributos de entidades

Además de los 3 archivos básicos, también puede haber otros archivos:

  • roads.sbn: índice espacial de entidades
  • roads.sbx: índice espacial de características
  • roads.ain: índice de atributo de entidad
  • roads.aix: índice de atributo de entidad
  • roads.prj: proyección y datos de coordenadas

Los archivos de índice se utilizan para hacer referencias cruzadas de características o atributos espaciales y acelerar la consulta, el procesamiento y la visualización.

Los shapefiles son útiles en ArcGIS porque

  • dibujar rápidamente (en comparación con otras fuentes de datos de características)
  • se puede crear en la aplicación
  • se puede editar completamente en la aplicación
  • se puede crear a partir de otras fuentes de datos vectoriales
  • se puede mover a través de la estructura de archivos fácilmente y sin corrupción

Geodatabases son tipos especiales de archivos de base de datos que contienen geometría de entidades, tablas de atributos y otras tablas que almacenan reglas y relaciones entre conjuntos de datos de entidades. Las geodatabases pueden almacenar múltiples datasets de entidades diferentes dentro del mismo archivo de base de datos, por lo que esto hace que la geodatabase sea un método conveniente y poderoso para almacenar datos. Además, es posible almacenar relaciones, como la topología de varias capas dentro de la geodatabase. El modelo de datos básico para capas de entidades (punto, línea, polígono) se usa en el modelo de geodatabase. Los datos vectoriales almacenados en geodatabases se denominan clases de entidades o conjuntos de datos de características (que son grupos de clases de entidades individuales). Los rásteres también se pueden almacenar en geodatabases.

En ArcGIS, hay dos tipos de formatos de archivo de geodatabase, el geodatabase personal, que se almacena como un archivo MDB de Microsoft Access, y el geodatabase de archivos, que se almacena en un formato de archivo ESRI especial.

Creando una nueva capa de forma

Además de convertir shapefiles o clases de entidades de geodatabase de otras fuentes de datos de entidades, también es posible crear shapefiles o clases de entidades desde cero, utilizando otras capas de datos de entidades o imágenes solo como una guía visual para referencia posicional. Durante el resto de esta lección, los shapefiles y las clases de entidades se denominarán simplemente & quot clases de características & quot.

Cuando se crea una nueva clase de entidad, el usuario debe decidir si la clase de entidad representará entidades de punto, línea o polígono. Debe determinar de antemano cuál será el tipo de característica para su conjunto de datos. La clase de entidad también debe recibir un nombre y un lugar en el sistema de archivos.

Luego, la clase de entidad se agrega al documento de mapa actual y está abierta para su edición.

Las coordenadas de las nuevas características están determinadas por la extensión del marco de datos al que se agregan las características y por el sistema de coordenadas del nuevo conjunto de datos. Si está utilizando un nuevo marco de datos sin otras capas, las entidades que agregue se colocarán cerca del origen del marco de datos (de forma predeterminada, la extensión de un nuevo marco de datos es aproximadamente [(0,0), (1,1)]).

Aquí, se crea una nueva clase de entidad de puntos:

La nueva capa está lista para editar, pero no contiene entidades ni atributos tabulares. Esto es similar a crear una nueva hoja de cálculo o un documento con procesamiento de texto cuando se acaba de crear, está vacío. Para agregar entidades al nuevo shapefile, es necesario agregarlo a un documento de ArcMap y abrirlo para editarlo.

Agregar características de capa de forma

Una vez que la nueva capa se agrega al documento de mapa y se abre para editar, puede agregar entidades. La barra de herramientas del Editor en ArcMap debe estar habilitada. Dentro de la barra de herramientas del Editor hay varias herramientas diferentes para crear y editar funciones. También hay varias tareas de edición diferentes para elegir. Cubriremos las herramientas y tareas más comunes, pero no tendremos tiempo para cubrir todas las herramientas y tareas de edición.

Las diferentes herramientas de edición se encuentran en una lista desplegable de iconos, cada uno de los cuales realiza una función de edición diferente. Según el estado de la aplicación, es posible que una o más de las herramientas no estén disponibles (en gris). La lista de herramientas y sus funciones se enumeran aquí:

boceto: dibujo básico

punto medio: crea un punto en el punto medio de una línea dibujada

distancia-distancia: crea un punto a una distancia conocida de otras 2 ubicaciones
intersección: crea un punto en la intersección de dos vectores existentes
arco de punto final: crea una sección circular con puntos finales definidos
dirección-distancia: crea un punto a una distancia y dirección conocidas desde otra ubicación
arco: crea una sección circular definiendo el inicio, el punto medio y el final de la curva
tangente: extiende un segmento con una línea tangente al segmento existente
Trazar: crea una nueva característica que rastrea las características existentes de la misma capa o de otra.

Cuando se crea una nueva clase de entidad, también se crea una tabla de atributos & quot; huesos desnudos & quot. Esta tabla contendrá inicialmente solo un registro para cada característica y dos campos, DEFENSOR, Forma y Identificación. En la siguiente tabla, se ha creado un punto y se muestra la tabla de atributos

El usuario puede agregar campos a la tabla de atributos (o a cualquier tabla en el proyecto, para el caso). Los campos se agregan para representar las propiedades de las características espaciales. Cuando se agregan campos, se debe especificar el nombre del campo, el tipo de datos (p. Ej., Entero corto, texto, blob), la longitud (número de caracteres) y / o la precisión decimal. El nuevo campo se agrega después del último campo existente en la tabla.

Una vez que los campos se agregan a la tabla, se pueden completar los valores.

Editar clases de entidad

Se pueden editar las clases de entidad que se han creado desde cero o de otras fuentes. Cuando se crea una nueva clase de entidad, se coloca automáticamente en modo de edición. Sin embargo, se puede editar cualquier clase de entidad, asumiendo que el usuario tiene permiso de escritura en los archivos y directorios del disco que almacenan la clase de entidad. Los siguientes temas ilustran algunas de las ediciones específicas que se pueden realizar en las características espaciales de las capas.

Antes de que se puedan realizar ediciones, la clase de entidad debe colocarse en modo de edición. En la barra de herramientas del Editor, seleccione Editor & gt empezar a editar del menú. Cualquiera de las fuentes de datos en el marco de datos actual que sea editable estará abierta para su edición. Para decidir qué capa editar, seleccione el Objetivo:

Puede alternar entre diferentes fuentes de datos dentro de la misma sesión de edición.

Además, es posible alternar entre diferentes tareas de edición. Las diferentes tareas de edición se explican por sí mismas.

Una vez que una capa está en modo de edición, use el Editar herramienta para seleccionar características individuales. Mantener el & ltSHIFT & gt presionada para seleccionar más de una función. Cuando se seleccionan características, aparecerán en un símbolo cian grueso. Aquí puede ver dos polígonos seleccionados. Si se selecciona una función, se puede eliminar utilizando el & ltDELETE & gt tecla en el teclado,

Para ver los vértices de formas individuales, mantenga presionada la tecla v clave. La forma que se encuentra actualmente debajo del puntero y las formas circundantes tendrán sus vértices expuestos. De esta manera puede comprender cómo se construye la forma.

Utilizar el Funciones de remodelación tarea y la Bosquejo herramienta para dibujar una nueva arista para entidades poligonales o lineales. Aquí hay algunos diagramas simples que muestran cómo se remodelan los polígonos y las líneas

Para cambiar la ubicación de los vértices individuales de una línea o polígono, use el Modificar funciones tarea y usando la herramienta Editar, haga clic en el vértice de la entidad que desea remodelar. Todos los vértices de la línea se marcarán con un pequeño cuadrado.

Haga clic y arrastre un vértice a una nueva posición.

Si desea editar simultáneamente los bordes compartidos, es necesario crear una relación topológica. Para la edición de shapefile, la relación topológica persiste solo para una sesión de edición determinada. Para las geodatabases, es posible tener reglas topológicas guardadas en la geodatabase, por lo que las reglas topológicas se restauran cada vez que edita las clases de entidad que participan en la topología.

Cuando una topología está activa, es posible usar herramientas de topología para seleccionar entidades compartidas, luego usar las herramientas de croquis y la Cambiar la forma del borde o Modificar borde Tareas. Aquí está la misma área pero se selecciona un borde común (esto selecciona simultáneamente ambos conjuntos de vértices para ambas formas adyacentes).

Cambiar la forma del borde altera ambos polígonos adyacentes.

Los vértices se pueden eliminar utilizando el Modificar funciones tarea. Aquí se elimina uno de los vértices para mostrar que la tarea anterior de modificar el borde compartido sí cambió ambos polígonos simultáneamente:

Configuración del entorno de captura

El ajuste se utiliza para garantizar que las nuevas funciones compartan la ubicación común en los puntos finales o nodos. El ajuste hará que el final de una nueva línea se una a una línea existente, ya sea de un extremo a otro o de un extremo a otro. El ajuste se establece, ya sea de forma interactiva o en las propiedades de la capa, con una cierta tolerancia. Si el punto final de una nueva línea está dentro de la distancia de tolerancia de una línea existente, la nueva línea se ajustará y se unirá a la línea existente. Las funciones que se agregan o modifican están sujetas a reglas de ajuste. El entorno de ajuste establece las reglas y prioridades para el ajuste.

Aquí hay dos líneas que se agregan a un shapefile sin ajustar:

División de líneas y polígonos

Líneas existentes y se pueden dividir usando el División de línea herramienta . Los polígonos se pueden dividir usando el Cortar polígonos tarea.

Al dividir líneas, haga clic en la ubicación de la línea donde desea que ocurra la división.

La división de polígonos es similar a la división de líneas, excepto que los polígonos existentes se dividen por una línea en lugar de una sola ubicación. Para dividir polígonos, es necesario que la línea de división comience y termine fuera del polígono que se va a dividir.

Una sola línea de división puede dividir más de una línea o polígono existente a la vez.

Cuando se divide una línea o polígono existente, se elimina el registro de atributos de la entidad original y se agregan nuevos registros de atributos para cada entidad nueva. Para las clases de entidades de la geodatabase, existen varias políticas que se pueden especificar para lo que sucede con los atributos cuando las entidades se dividen. Para los shapefiles, los nuevos registros para las entidades divididas duplican los valores originales de la forma principal.

Aquí, uno de los polígonos del bosque se divide en dos polígonos separados.

Aquí, una de las líneas que se agregó anteriormente se divide en dos segmentos.

Actualizar atributos con Split

Cuando las entidades se dividen, puede especificar cómo se derivan los atributos de las nuevas entidades a partir de las entidades originales. A cada campo de la tabla de atributos se le pueden asignar reglas de comportamiento para la división. ¿Deben copiarse los campos numéricos o su proporción del valor original? ¿Deben copiarse los campos de cadenas (caracteres) o los campos deben estar en blanco para las nuevas funciones?

ArcGIS proporciona reglas para actualizar los valores de los atributos de las entidades que se han dividido:

Política dividida

efecto

Valor por defecto los valores en los registros nuevos son el valor predeterminado para el campo en la configuración de dominio de atributo de clase de entidad
Duplicar los valores de los registros nuevos se copian del registro principal
Relación de geometría Los valores numéricos son proporcionales al área original o la longitud de la característica.

A cada campo de la tabla de atributos de capa se le pueden aplicar políticas de división.

Fusionar funciones con Union

Además de dividir entidades, ArcGIS permite fusionar más de una entidad. Las funciones que se van a fusionar deben formar parte de un conjunto seleccionado.

Las líneas que se encuentran en el mismo punto se unen en una sola línea con un solo registro de atributo.

Los polígonos que se superponen o comparten un límite común se unen en un solo polígono con un solo registro de atributo. Los polígonos que no se superponen y no son contiguos también pueden fusionarse en un solo polígono con un solo registro. De esta manera también, la clase de entidad difiere de otros datasets vectoriales. Soporte de clases de entidad único polígonos que constan de más de un objeto espacial.

Aquí, se unen dos polígonos de rodales forestales. El nuevo polígono tiene un solo registro de atributo.

Si los polígonos que se van a unir no son adyacentes, las entidades aún se pueden unir. Antes:

Actualizar atributos con Merge

Union simplemente une las geometrías del conjunto seleccionado y genera un nuevo registro en blanco. Cuando las funciones son fusionado, los registros de atributos originales se eliminan y se crea un nuevo registro de atributos. Al igual que con la división, las políticas se pueden utilizar para establecer valores para los atributos del nuevo registro.

Política de fusión

efecto

Valor por defecto los valores en los registros nuevos son el valor predeterminado para el campo en la configuración de dominio de atributo de clase de entidad
Duplicar los valores de los registros nuevos se copian del registro principal
Geometría ponderada Los valores numéricos son proporcionales al área original o la longitud de la característica.

Cuando se combinan características, debe seleccionar qué característica establecerá los valores de atributo para la nueva característica.

La geometría de unir es idéntica a la de Unión, pero en esta combinación, puede ver que el registro ha obtenido valores de una de las características principales, en lugar de estar en blanco como en la unión anterior.

Más operaciones de edición

Hay algunas operaciones de edición más disponibles para entidades poligonales. A continuación, se muestran algunas características generalizadas que se utilizan para ilustrar las operaciones. Un único archivo de forma está compuesto por un círculo que se superpone a un rectángulo.

  • Recortar (descartando el área que se cruza): el recorte elimina el área de superposición entre dos polígonos. El polígono que se selecciona en ese momento actúa como el & quot; cortador de galletas & quot; eliminando el área del polígono (s) superpuesto (s). Aquí, después de la operación de recorte, el rectángulo se ha movido para mostrar el efecto de la operación. La imagen de la izquierda muestra el rectángulo como clipper la imagen de la derecha muestra el círculo como clipper.

Las ediciones realizadas en las clases de entidad se pueden revertir seleccionando Editar & gt Deshacer desde el menú o usando la combinación de teclas & ltCTRL-Z & gt. Todas las ediciones se pueden deshacer, hasta que se realizó el último guardado o hasta la creación de la clase de entidad si la clase de entidad es nueva y nunca se ha guardado.

Si ha terminado de editar una clase de entidad, puede optar por guardar las modificaciones. También es una buena idea guardar las ediciones con frecuencia en caso de problemas del sistema. Cualquier edición que se guarde se escribe en el disco como parte de la estructura de la clase de entidad.

Se le pedirá que guarde las ediciones si intenta dejar de editar.

También se le pedirá que guarde los cambios si intenta cerrar el documento de mapa, abrir otro proyecto o cerrar ArcGIS.


Información espacial

Resolucion espacial

Distancia angular
Unidades de distancia angular
Distancia horizontal
Unidades de distancia horizontal
Distancia vertical
Unidades de distancia vertical
Denominador de escala equivalente
Descripción del nivel de detalle

Representación espacial

¿Se utiliza representación de cuadrícula? No
¿Representación vectorial utilizada?
¿Se utiliza representación de texto / tabla? No
¿Representación TIN utilizada? No
¿Se utiliza la representación del modelo estéreo? No
¿Representación de video utilizada? No

Representación de cuadrícula

Dimensión del eje

Dimensión del eje

Representación vectorial

Nivel de topología
¿Objeto complejo presente?
Recuento de objetos complejos
¿Objeto compuesto presente?
Recuento de objetos compuestos
¿Objeto de curva presente?
Recuento de objetos de curva
¿Objeto puntual presente? No
Recuento de objetos puntuales
¿Objeto sólido presente?
Recuento de objetos sólidos
¿Objeto de superficie presente?
Recuento de objetos de superficie

Representación vectorial

Nivel de topología
¿Objeto complejo presente?
Recuento de objetos complejos
¿Objeto compuesto presente?
Recuento de objetos compuestos
¿Objeto de curva presente?
Recuento de objetos de curva
¿Objeto puntual presente?
Recuento de objetos puntuales
¿Objeto sólido presente?
Recuento de objetos sólidos
¿Objeto de superficie presente?
Recuento de objetos de superficie

Sistemas de referencia

Sistema de referencia

Resolucion horizontal

Resolución vertical


El modelo de datos ráster es un método ampliamente utilizado para almacenar datos geográficos. El modelo más comúnmente toma la forma de una estructura similar a una cuadrícula que contiene valores a intervalos regularmente espaciados sobre la extensión del ráster. Los rásteres son especialmente adecuados para almacenar datos continuos, como valores de temperatura y elevación, pero también pueden contener datos discretos y categóricos, como el uso de la tierra. La resolución de un ráster se da en unidades lineales (por ejemplo, metros) o unidades angulares (por ejemplo, un segundo de arco) y define la extensión a lo largo de un lado de la celda de la cuadrícula. Los rásteres de resolución alta (o fina) tienen un espaciado comparativamente más cercano y más celdas de cuadrícula que los rásteres de resolución baja (o gruesa) y requieren relativamente más memoria para almacenar. La investigación activa en el dominio está orientada a mejorar los esquemas de compresión y la implementación de formas de celdas alternativas (como hexágonos) y brindar un mejor soporte a las funciones de análisis y almacenamiento de ráster de múltiples resoluciones.

Pingel, T. (2018). El modelo de datos ráster. El cuerpo de conocimientos sobre ciencia y tecnología de la información geográfica (Edición del tercer trimestre de 2018), John P. Wilson (Ed.). DOI: 10.22224 / gistbok / 2018.3.11

Esta versión fue publicada el 2 de julio de 2018.

Este tema también está disponible en las siguientes ediciones: DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B. y Wentz, E. (2006). El modelo ráster. El cuerpo de conocimientos sobre ciencia y tecnología de la información geográfica. Washington, DC: Asociación de Geógrafos Estadounidenses. (2º trimestre de 2016, primer digital).

2.5D: Un sistema de registro de valores en un ráster en el que cada celda de la cuadrícula tiene un solo valor z.

Datos continuos: Datos similares a campos en los que los valores están presentes en cualquier punto dentro de la extensión espacial, como la elevación o la temperatura.

modelo de elevación digital (DEM): Un modelo de datos que se utiliza para procesar, almacenar, analizar y mostrar datos de elevación.

modelo de superficie digital (DSM): Un tipo de DEM que representa un valor máximo dentro de una celda de la cuadrícula, registrando así la parte superior de edificios, árboles y otros objetos.

modelo de terreno digital (DTM): Un tipo de DEM que tiene como objetivo representar una superficie terrestre idealizada donde los objetos de la superficie (edificios, árboles, etc.) se han eliminado digitalmente.

datos discretos: Datos de tipo objeto, en los que se pueden definir la extensión espacial o los límites de las entidades.

grado: El área o distancia en el espacio real sobre la que existe alguna entidad geográfica. En cartografía y SIG, la extensión de una representación es el tamaño del espacio real que se está representando.

formato de archivo: La especificación de cómo se almacenan los datos en un archivo de computadora. Las distinciones importantes incluyen aquellas entre enfoques binarios y de texto plano, y entre formatos propietarios y libres y abiertos.

pixel mixto: Una condición por la cual más de una categoría de objeto está presente dentro de una sola celda de la cuadrícula.

pixel: Un acrónimo de "elemento de imagen", la unidad más pequeña de un ráster. A veces se lo denomina celda o punto de cuadrícula.

resolución: El grado de detalle con el que se detecta o representa un fenómeno. Los datos se almacenan y procesan con cierto grado de resolución de representación. En las matrices de sensores ráster, la resolución se define por las dimensiones de los sensores individuales en términos de unidades terrestres (es decir, el ancho de un píxel en metros en la Tierra).

El modelo de datos ráster, junto con el modelo de datos vectoriales, es uno de los modelos de datos más antiguos y más utilizados dentro de los sistemas de información geográfica (Tomlin, 1990 Goodchild, 1992, Maguire, 1992). Por lo general, se utiliza para registrar, analizar y visualizar datos de naturaleza continua, como la elevación, la temperatura o la radiación electromagnética reflejada o emitida. El término ráster se originó en la palabra alemana para pantalla, lo que implica una serie de líneas paralelas orientadas ortogonalmente. Su origen como descripción de imágenes proviene del dibujo realizado por haces de electrones en pantallas de tubos de rayos catódicos (CRT) en los primeros días de la televisión analógica, y la metáfora se extendió posteriormente también a las imágenes digitales. Los rásteres digitales suelen adoptar la forma de un patrón de filas y columnas en forma de cuadrícula espaciados regularmente, y cada elemento se denomina celda, píxel o punto de cuadrícula. El ráster a veces se denomina imagen, matriz, superficie, matriz o celosía (Wise, 2000). Las celdas del ráster suelen ser cuadradas, pero pueden ser rectangulares (con diferentes resoluciones en las direcciones xey) u otras formas que se pueden teselar, como triángulos y hexágonos (Figura 1 Peuquet, 1984).

Figura 1. Teselaciones de triángulos, cuadrados y hexágonos que se pueden usar como base para la forma de la celda en un modelo ráster.

El tamaño o extensión de cada celda indica la resolución del ráster y se da en unidades lineales de distancia (por ejemplo, número de pies, metros, kilómetros a lo largo de un lado de la celda) o en grados o fracciones de grados de latitud y longitud. (por ejemplo, un segundo de arco o un tercio de segundo de arco). La resolución de la trama es un componente que dicta los requisitos de almacenamiento de memoria para ella, con resoluciones más finas que requieren más espacio en la memoria. El número de celdas en un ráster aumenta cuadráticamente a medida que aumenta la resolución al duplicar la resolución de un ráster se reduce la distancia lineal de una celda a la mitad (p. Ej., Pasar de una celda de 2 m a una celda de 1 m), pero aumenta la número de células por un factor de cuatro (duplicando el número de células en dos direcciones). La Figura 2 ilustra el efecto de una mayor resolución en un modelo de elevación digital (DEM).

Figura 2. Un modelo de elevación digital (DEM) a 30 m (izquierda), 10 m (centro) y 3,3 m de resolución (derecha).

En el caso más común, cuando los píxeles representan un área 2D, los píxeles se pueden considerar como un "contenedor", donde el valor del píxel es una estadística de resumen (p. Ej., Media, mediana, desviación estándar) de todos los valores del campo dentro del límites del píxel. Por el contrario, los píxeles podrían representar el valor en el centro exacto de la cuadrícula, esto a veces se denomina cuadrícula (Briese, 2010) o ráster de tipo celosía (Wise, 2000).

Los rásteres se usan más comúnmente para representar datos continuos, ya que permiten un almacenamiento de valores más eficiente que un vector equivalente o un sistema de celosía basado en puntos en las densidades de puntos generalmente requeridas. Esto se debe a que las coordenadas se almacenan implícitamente como una posición en una tabla de datos en lugar de explícitamente (como coordenadas). Sin embargo, los rásteres se utilizan a menudo para representar datos categóricos (p. Ej., Uso de la tierra) o también datos discretos. En estos casos, un área correspondiente a la celda del ráster puede mezclarse con más de una categoría presente en el píxel. Por ejemplo, una celda de cuadrícula con una resolución de 100 metros puede tener usos tanto residenciales como industriales dentro de ella. Hay varias estrategias comunes para lidiar con el problema de píxeles mixtos, que incluyen (a) la mayoría gana o el ganador se lleva todo, (b) usar una categoría separada para indicar específicamente un píxel mixto, (c) usar el valor más cercano al centro de la celda, o (d) asignar un porcentaje de umbral para una categoría determinada (por ejemplo, si al menos el 25% del área dentro del píxel es agua, se registrará como agua).La Figura 3 ilustra el problema de píxeles mixtos superponiendo designaciones de cobertura terrestre de resolución relativamente gruesa (30 m) sobre un modelo de superficie digital (DSM) de resolución relativamente fina (1 m) que muestra edificios, carreteras, árboles y otras características de escala fina de las que se se derivan las designaciones de cobertura terrestre.

Figura 3. Una base de datos nacional de cobertura terrestre (30 m) ráster superpuesto sobre un modelo de superficie digital derivado de LIDAR sombreado de pendiente (1 m), destacando el problema de píxeles mixtos.

Los rásteres se distribuyen y utilizan con mayor frecuencia como superficies únicas 2.5D con solo un valor de datos por celda (por ejemplo, elevación) o como imágenes con múltiples bandas. Un ejemplo de este último tipo es la ortoimagen, con rojo, verde, azul, infrarrojo cercano y potencialmente muchas otras capas incrustadas en el mismo ráster. En tales casos, la representación del ráster a menudo implica vincular cada banda a un canal de visualización rojo, verde o azul (RGB). Los rásteres también pueden extender la estructura de la cuadrícula de forma multidimensional para formar cubos (o vóxeles) o equivalentes hiperespaciales, que pueden representar un volumen de espacio, tiempo, espacio de atributos o cualquier combinación de estos. Los valores de índice también se pueden usar en lugar de las mediciones para vincular la información de atributos externos que se encuentra en un sistema de administración de base de datos externa (DBMS) a través de tablas de búsqueda. El trabajo de Tomlin (1990) sobre el modelo MAP es un ejemplo de esto.

El modelo de datos ráster se utiliza ampliamente para codificar datos SIG. Ejemplos incluyen:

  • Modelos digitales de elevación (DEM) como el modelo de relieve global ETOPO1.
  • Visualizaciones y productos derivados de la elevación (Kennelly, 2017).
  • Datos de detección remota, incluidas imágenes aéreas y de radar.
  • Variables meteorológicas como temperatura y lluvia, interpoladas a partir de fuentes puntuales.
  • Rásteres categóricos, como la Base de datos nacional de cobertura terrestre.
  • El conjunto de datos Gridded Population of the World, que agrupa los valores registrados originalmente a través de unidades administrativas.
  • Escaneos digitales de mapas históricos.
  • Productos cartográficos exportados, como mapas topográficos gráficos de trama digital.
  • Modelos de autómatas celulares como SLEUTH (Chaudhuri y Clarke, 2013).

Los rásteres registran uno o más valores en cada punto de la cuadrícula. Los valores de la cuadrícula se pueden registrar de manera muy simple fila por fila mirando la esquina superior izquierda de la misma manera que el texto está escrito en inglés. Se pueden utilizar sistemas de ordenación alternativos para mejorar la eficiencia, incluidos los métodos de cebado en hileras, Morton o Peano-Hilbert. Las demandas de memoria para rásteres están influenciadas por el tipo de datos registrados (por ejemplo, booleanos, enteros, flotantes o cadenas), la resolución y extensión espacial del ráster y cualquier compresión aplicada a la imagen. La compresión se puede usar para aprovechar la repetición o la redundancia en los datos para reducir las demandas generales de almacenamiento, y hay muchos esquemas disponibles para lograr esto, incluidos códigos de cadena, códigos de bloque, códigos de longitud de ejecución y cuadrúpedos.

Los rásteres se pueden almacenar en varios formatos o contenedores. Por lo general, se almacenan en un formato binario en aras de la eficiencia, pero los formatos de texto plano no son infrecuentes, siendo ArcInfo ASCII Grid de ESRI quizás el más utilizado de este tipo. Los formatos ráster binarios son demasiado numerosos para enumerarlos de manera exhaustiva, y el lector tal vez desee consultar el proyecto Biblioteca de abstracción de datos geoespaciales (GDAL) para obtener una lista de sus 154 formatos legibles. Muchos formatos diseñados originalmente para imágenes fotográficas se han utilizado como contenedores ráster, incluidos JPG, JPEG 2000, PNG y TIFF, que tienen la ventaja de mover fácilmente datos ráster dentro y fuera de sistemas de procesamiento de datos que no son GIS. De manera similar, muchos formatos ráster se han diseñado específicamente para datos geográficos, incluidos ArcGRID de ESRI, el formato Imagine de Erdas y MrSID. NetCDF fue diseñado por Unidata como un contenedor para muchos tipos de datos científicos basados ​​en matrices, y se usa comúnmente para geodatos ráster en las ciencias atmosféricas donde es deseable mantener múltiples capas de datos de cobertura de series de tiempo en un solo archivo.

Casi todos los contenedores cuentan con un mecanismo de compresión de datos para reducir el tamaño de los archivos, pero varían en el grado en el que permiten una compresión sin pérdidas (frente a con pérdidas). En algunos casos, es posible que cierta reducción de la fidelidad de los datos no disminuya en gran medida el valor del conjunto de datos, por ejemplo, las ortofotos digitales se han distribuido ampliamente en el contenedor JPEG, aunque se producirá alguna pérdida de datos, a menudo imperceptible, en el proceso de codificación de los datos. para almacenamiento. En otros casos (por ejemplo, modelos digitales de elevación), la fidelidad perfecta de los datos se considera más crítica, por lo que a menudo se distribuyen en formatos que cuentan con compresión sin pérdidas (por ejemplo, GeoTIFF). Los formatos suelen diferir en los tipos de datos que pueden contener. Por ejemplo, los PNG solo pueden contener datos basados ​​en números enteros con un máximo de cuatro bandas, mientras que los TIFF pueden contener datos flotantes y un mayor número de bandas. El formato BigTIFF reciente amplía las capacidades del formato TIFF, lo que permite tamaños de archivo mucho más grandes (más de 4 gigabytes). Los contenedores basados ​​en imágenes también han demostrado su popularidad porque interoperan más fácilmente con software que no es GIS. Los formatos de almacenamiento patentados (por ejemplo, MrSID) a menudo presentan tasas de compresión más altas, pero las preocupaciones con la documentación, la longevidad y la interoperabilidad han impulsado el desarrollo de una serie de alternativas eficientes abiertas / no patentadas (por ejemplo, JPG 2000).

La información de georreferenciación para imágenes ráster se incrusta directamente en el encabezado del archivo contenedor o mediante archivos auxiliares que se distribuyen con el ráster. Un archivo mundial es un ejemplo común del último enfoque, donde un archivo de texto plano separado describe la posición en el espacio geográfico del centro del píxel superior izquierdo, así como la resolución xey del ráster. La compresión de los rásteres se logra mediante uno de varios enfoques, que incluyen la longitud de ejecución (Holroyd y Bell, 1992), la cadena (Freeman, 1974 Žalik et al., 2015), el bloque, el quadtree (Finkel y Bentley, 1974 Mark y Lauzon, 1984). Samet, 1984, Martin, 1992) y métodos wavelet.

El modelo de datos ráster a menudo se contrasta con el modelo de datos vectoriales. Ambos son muy útiles y la elección de qué modelo funciona mejor depende totalmente de la tarea. Los modelos de datos ráster se destacan en los casos en los que los datos subyacentes son de naturaleza continua, ya que hay ganancias significativas en la eficiencia del almacenamiento y la indexación debido al patrón espacial regular de la cuadrícula. El patrón regularizado acelera de manera similar los tiempos de cálculo aritmético entre múltiples capas ráster y reduce el tiempo requerido para operaciones como la interpolación espacial de valores perdidos o para el remuestreo. Debido a que las capas ráster se pueden interpretar como imágenes binarias o en escala de grises, muchas operaciones originalmente diseñadas para la visión por computadora se pueden aplicar fácilmente a problemas de clasificación o aprendizaje automático.

Los rásteres también tienen varias desventajas. Muchos contenedores admiten un solo nivel de resolución, aunque la construcción de pirámides de imágenes auxiliares puede reducir el impacto de esto en la visualización. Muchos formatos de almacenamiento de ráster más nuevos, incluidos MrSID y JPEG 2000, cuentan con almacenamiento de datos de resolución múltiple de forma nativa, lo que puede hacer posible el procesamiento de análisis de nivel de detalle en el software que lo admite. Otra limitación de los formatos ráster es que la reproyección y / o el remuestreo suelen dar lugar a diversos grados de degradación de los datos. Por esta razón, es aconsejable que los rásteres se proyecten y / o muestreen de nuevo desde su fuente original en lugar de en serie. Los rásteres con resoluciones aproximadas en relación con los objetos o atributos que representan pueden causar una apariencia de "bloques" en los datos. El aumento de la resolución no puede resolver este problema por completo tanto por razones prácticas como teóricas, ya que el aumento de la resolución impone mayores exigencias a la memoria, el almacenamiento y la capacidad de procesamiento (Fisher, 1997). Además, el enfoque casi siempre producirá píxeles más pequeños, pero aún mezclados, a lo largo del borde del objeto, lo que producirá la misma apariencia de "bloque" si el usuario se acerca lo suficiente.

Las celdas ráster generalmente se consideran conectadas topológicamente con sus vecinas a la derecha, izquierda, arriba y abajo, pero también pueden estar conectadas a las vecinas en la diagonal (o más alejadas). Las conexiones topológicas pueden ser bastante importantes cuando se utilizan rásteres en el modelado, como la determinación de la ruta de menor costo. En este contexto, la conversión de características vectoriales (como líneas que representan una red de carreteras) puede introducir errores en un análisis basado en ráster si se incluyen incorrectamente celdas de cuadrícula adicionales o se asignan valores incorrectos a las celdas de cuadrícula durante la conversión.

Briese, C. (2010). Extracción de modelos digitales de terreno. En G. Vosselman y H-G. Maas (Eds.), Escaneo láser terrestre y aéreo (págs. 135-167). Dunbeath, Escocia: Whittles Publishing.

Chaudhuri, G. y Clarke, K. (2013). El modelo de cambio de uso de la tierra de SLEUTH: una revisión. Investigación de recursos ambientales, 1(1), 88-105. DOI: 10.22069 / IJERR.2013.1688

Finkel, R. A. y Bentley, J. L. (1974). Árboles cuádruples una estructura de datos para la recuperación en claves compuestas. Acta informatica, 4(1), 1-9. DOI: 10.1007 / BF00288933

Fisher, P. (1997). El píxel: una trampa y un engaño. Revista Internacional de Percepción Remota, 18(3), 679-685. DOI: 10.1080 / 014311697219015

Freeman, H. (1974). Procesamiento informático de imágenes de dibujo lineal. Encuestas de Computación, 6, 54-97. DOI: 10.1145 / 356625.356627

Goodchild, M.F. (1992). Modelado de datos geográficos. Computadoras y geociencias, 18(4), 401-408. DOI: 10.1016 / 0098-3004 (92) 90069-4

Holroyd, F. y Bell, S. B. M. (1992). Raster GIS: Modelos de codificación ráster. Computadoras y geociencias, 18(4), 419-426. DOI: 10.1016 / 0098-3004 (92) 90071-X

Kennelly, P. (2017). Representación del terreno. El cuerpo de conocimientos sobre ciencia y tecnología de la información geográfica (Edición del cuarto trimestre de 2017), John P. Wilson (ed.). DOI: 10.22224 / gistbok / 2017.4.9

Maguire, D. J. (1992). El modelo de diseño ráster GIS: un perfil de ERDAS. Computadoras y geociencias, 18(4), 463-470. DOI: 10.1016 / 0098-3004 (92) 90076-4

Mark, D. M. y Lauzon, J. P. (1984). Cuadrboles lineales para Sistemas de Información Geográfica. En Actas del Simposio de la IGU sobre manejo de datos espaciales, 20-24 de agosto, Zurich, págs. 412-431.

Martin, J. J. (1992). Organización de datos geográficos con aproximación por cuadráticos y mínimos cuadrados. En Actas del Simposio sobre reconocimiento de patrones y procesamiento de imágenes (PRIP), Las Vegas, Nevada. Sociedad de Informática IEEE, págs. 458-465.

Peucker T. K. y Chrisman, N. (1975). Estructuras de datos cartográficos. El cartógrafo estadounidense, 2(1), 55-69. DOI: https://doi.org/10.1559/152304075784447289

Peuquet, D. J. (1984). Un marco conceptual y comparación de modelos de datos espaciales. Cartographica, 21(4), 66-113. DOI: 10.1002 / 9780470669488.ch12

Samet, H. (1984). El quadtree y estructuras de datos jerárquicas relacionadas. Encuestas de computación ACM (CSUR), 16(2): 187-260. DOI: 10.1145 / 356924.356930

Tomlin, C. D. (1990). Sistemas de información geográfica y modelización cartográfica. Englewood Cliffs, Nueva Jersey: Prentice Hall.

Wise, S. (2000). Modelización de datos GIS: lecciones del análisis de DTM. Revista Internacional de Ciencias de la Información Geográfica, 14(4), 313-318. DOI: 10.1080 / 13658810050024250


Las propiedades de los datos son características de los valores y sistemas de atributos de SIG cuyo diseño y formato impactan en el procesamiento analítico y computacional. Los datos geoespaciales se expresan en niveles conceptuales, lógicos y físicos de abstracción de bases de datos destinados a representar información geográfica. El diseño apropiado de los sistemas de atributos y la selección de propiedades deben ser lógicamente consistentes y soportar escalas de medición apropiadas para la representación y el análisis. Los conceptos geoespaciales como las vistas de campo de objetos y el espacio dimensional para relacionar objetos y cualidades forman modelos de datos basados ​​en una matriz geográfica y geometría de características. Se describen tres enfoques de SIG y su diseño de sistema de atributos: teselaciones, vectores y gráficos.

Varanka, D. E. (2021). Propiedades de los datos. El cuerpo de conocimientos sobre ciencia y tecnología de la información geográfica (Edición del primer trimestre de 2021), John P. Wilson (Ed.). DOI: 10.22224 / gistbok / 2021.1.15 ..

Esta entrada se publicó el 28 de marzo de 2021.

También está disponible en una edición anterior:

DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B. y Wentz, E. (2006). Propiedades. El cuerpo de conocimientos sobre ciencia y tecnología de la información geográfica. Washington, DC: Asociación de Geógrafos Estadounidenses. (2º trimestre de 2016, primer digital).

Las propiedades de los objetos de los sistemas de información geográfica (SIG) se refieren a las características de los datos digitales que representan entidades y se almacenan en un modelo de base de datos. Las propiedades son la base técnica de los atributos de los datos SIG que representan cualidades o relaciones geográficas que se extraen de las interacciones ambientales y se modelan en sistemas computacionales. Por ejemplo, los grados decimales se utilizan a menudo para las coordenadas geográficas y los números enteros son apropiados para codificar mapas de coropletas. La implementación combinada de la tecnología informática y el reconocimiento intuitivo de las cualidades geográficas respaldan la comprensión de la información espacial y el manejo de datos.

Hay una variedad de usos de los términos "propiedades" y "atributos" como estructuras de datos en conceptos de modelos y lenguajes de software. A veces se utilizan como sinónimos. Se puede hacer una distinción de que "propiedades" significan características intrínsecas de los objetos SIG, es decir, características sin las cuales el objeto no existiría, mientras que "atributos" son características atribuidas cuya alteración no cambiaría fundamentalmente el objeto. El modelo mental previsto para estos términos utilizados en este texto es que las propiedades, los atributos y sus sistemas son construcciones de la relación entre elementos representativos y semánticos en bases de datos que se refieren a entidades reales, incluidas las físicas y conceptuales. Un sistema de atributos está relacionado con la representación de una entidad o clase de entidades. Un sistema de propiedad está relacionado con una entidad representativa o clase de entidades. Los dos sistemas se integran. Los atributos contienen propiedades de datos para su representación. Las propiedades son características de los atributos y su estructura se extiende a los valores permitidos.

Los modelos de datos en SIG intentan describir visiones del mundo ampliamente entendidas y acordadas en tres niveles ampliamente acordados de abstracción de datos: conceptual, lógico y físico. El nivel conceptual de abstracción de datos demuestra el contenido de información del sistema visto a través del punto de vista del usuario. Un usuario puede comprender qué se puede hacer con el sistema respaldado por, pero sin especificar la implementación técnica. La abstracción lógica de información conceptual se implementa a través de un diseño de base de datos. Las restricciones y reglas del modelo de datos generalizarán la información como estructuras lógicas. El almacenamiento de datos se determina en el nivel físico de abstracción. Este artículo revisa el carácter y la importancia de las propiedades en estos niveles a medida que interactúan con los valores de los atributos en los modelos geométricos predominantes utilizados en SIG, incluido el vector, la teselación y su híbrido como redes irregulares trianguladas (TIN). Otros modelos lógicos SIG, como el orientado a objetos y el gráfico, utilizan propiedades relacionadas con estructuras vectoriales y de teselación.

En el nivel conceptual de la abstracción de datos, la captura de atributos ambientales que persisten durante algún tiempo crea la estabilidad semántica de un SIG, pero se complica por las diferentes percepciones e interpretaciones individuales. Las perspectivas sobre las categorías de características geoespaciales, las referencias espaciales y la variabilidad temporal se configuran de manera diferente por la atención a detalles como la escala geográfica, el entorno cultural de los usuarios y las estructuras de datos técnicos apropiados. Las comunicaciones entre perspectivas individualizadas tienen éxito a pesar de su variabilidad porque se basan en ciertos conceptos que son universales, es decir, ampliamente aceptados, y porque los contextos pueden alinearse o relacionarse. Algunos aspectos del procesamiento cognitivo humano involucrados en la percepción y construcción de visiones del mundo pueden ser relativamente similares entre personas (Peuquet, 2002). Por ejemplo, la categorización es una construcción básica del pensamiento humano (Rosch 1978).

Las siguientes secciones discuten las propiedades lógicas y físicas de los datos en el núcleo de los atributos de SIG. Los niveles de abstracción son interdependientes, por lo que la abstracción lógica puede considerarse como un esquema que organiza los niveles físicos de instancias de datos. Este artículo termina con un resumen de los conceptos clave sobre estos puntos.

La coherencia lógica de la base de datos, las escalas de medición y los tipos de datos tienen un impacto significativo en el almacenamiento, la precisión y el cálculo de los datos para el análisis. La expresión de conceptos como lógica formal puede ayudar a evitar errores y auto-contradicciones en la información geográfica, pero esta documentación rara vez se crea. El sistema de escalas de medición de Stevens (1946) se cita con frecuencia en la ciencia de datos, pero los conceptos espaciales introducen complejidad más allá de ese sistema. En su papel de representaciones descriptivas y analíticas, los sistemas de atributos pueden requerir una variedad de tipos de datos.

2.1 Consistencia lógica

Las propiedades de los datos en los atributos de SIG respaldan la coherencia lógica de las bases de datos espaciales. Algunas características de la coherencia lógica de la información geográfica se enumeran a continuación.

  • Coherencia de la precisión del modelo de datos con el mundo real. El modelo de datos seleccionado es apropiado para la aplicación si la estructura de atributos se alinea con cualidades importantes de las entidades del mundo real que describen.
  • Coherencia de los tipos de datos. Los formatos de archivo y las reglas de procesamiento son apropiados para el modelo de datos.
  • Coherencia de los datos posicionales. Las posiciones se describen con un rango similar de precisión de ubicación según la generalización de datos.
  • Coherencia de la forma normal de la base de datos. Se reducen las dependencias indeseables y la necesidad de reestructuración que interfieren con la aplicación efectiva.

2.2 Escala de medida

Escalas de valores de atributos de estructura de medición y aplicaciones de datos de soporte que van desde descripciones simples hasta computación estadística compleja. Según el sistema Stevens, los datos de escala nominal son valores que no asumen ningún orden relativo y están representados por un nombre u otra etiqueta. Los datos nominales a veces se denominan datos categóricos porque forman categorías discretas con poca o ninguna superposición. La escala ordinal clasifica los datos dentro de un rango que expresa la extensión relativa de ciertas características del objeto. La clasificación refleja un cierto orden de atributos no numéricos, pero los valores de los datos no se cuantifican de manera uniforme. Los datos de la escala de intervalo reflejan una medición uniforme en relación con un punto de partida arbitrario. Un ejemplo común de datos de intervalo son los grados de temperatura medidos en escalas Fahrenheit o Celsius. La escala de medición de razón se basa en un origen de cero y permite comparaciones matemáticas como arriba o abajo, pero más específicamente, cálculos aritméticos como dos veces más, menos de la mitad y otros. Las variables de escala de datos de intervalo apoyan estadísticas descriptivas, como la tendencia central y la variabilidad. Las variables de escala de datos de relación admiten operaciones aritméticas, incluidas la multiplicación y la división.

Aunque el sistema Stevens es muy relevante para los SIG, los datos espaciales utilizan escalas de medición de datos adicionales, como recuentos de números sin procesar, escalas absolutas, medidas cíclicas, como ángulos de un círculo de 360 ​​grados y pertenencia a categorías graduadas, como conjuntos difusos (Chrisman 2002 ). La precisión de las escalas espaciales debe ajustarse al método de análisis geográfico.

2.3 Tipo de datos

Un tipo de datos es una característica de un valor que dirige el significado y la forma en que los datos se pueden representar y usar. Un tipo de datos proporciona un conjunto de valores permitidos por una expresión de lenguaje de programación. Estas restricciones sobre los valores definen las operaciones sobre los datos y el almacenamiento de esos valores. La mayoría de los lenguajes de programación admiten tipos de datos básicos utilizados en un SIG, como byte, entero y punto flotante con varios niveles de precisión para medidas numéricas y caracteres / cadenas para atribución textual. Se pueden crear y agregar tipos de datos personalizados a los sistemas de software. Si un tipo de datos utilizado con fines espaciales se almacena en un sistema de gestión de bases de datos, es posible que sus tipos de datos permitidos no coincidan exactamente y deben asignarse al más cercano disponible.

Antes de la adopción generalizada de los sistemas informáticos digitales, los mapas mostraban las propiedades de las estructuras espaciales dentro de una cuadrícula de coordenadas planas de manera analógica dentro de ciertas resoluciones de pantalla y escalas geográficas. Los usuarios de mapas podían ver formas de características, relaciones espaciales, categorías temáticas, anotaciones y otra información geoespacial. Kuhn (2012) enumeró diez niveles conceptuales básicos de abstracción de información espacial enraizados en geografía y cartografía que los SIG estructuran y representan lógica y físicamente, incluyendo ubicación, vecindario, campo, objeto, red, evento, granularidad, precisión, significado y valor. Los conceptos de espacio continuo versus discreto y absoluto versus relativo se pueden usar juntos de manera complementaria e interdependiente para respaldar la lógica de los conceptos espaciales dentro de diferentes tipos de análisis geográfico.

Habiendo adoptado estructuras de datos predominantes desarrolladas en ciencias de la computación, GIS describe conceptos y su lógica usando atributos y propiedades para el procesamiento de datos espaciales, incluyendo teselación, tablas relacionales, estructuras jerárquicas y de red. Los datos espaciales tienen otros desafíos, incluido el almacenamiento y procesamiento geométrico de coordenadas y la determinación de la topología para el razonamiento de relaciones espaciales. El marco GIS es una matriz multidimensional que incluye atributos espaciales y no espaciales.

Esta sección describe dos modelos lógicos comunes: teselaciones, que corresponden al concepto geográfico general de un "campo", y datos vectoriales, que priorizan los tipos de representación de "objetos" (Couclelis 1992). A continuación, la sección 3.3 describe las propiedades del modelo de datos de gráficos para SIG. Al igual que los datos vectoriales, los gráficos se parecen a las redes.

3.1 Teselación

Las teselaciones son modelos de datos que se aproximan a las cuadrículas de coordenadas al dividir una superficie continua de un área geográfica en celdas geométricas separadas y adyacentes de una forma básica específica cuyos atributos son valores de ubicación determinados para cada celda. Cada celda tiene sus propias coordenadas, que pueden ser planas proyectadas o geográficas, que se definen intrínsecamente en la cuadrícula. Para que los atributos GIS se parezcan lógicamente al mundo real, su ubicación asociada debe ajustarse a un sistema de referencia basado en la escala geográfica. Los límites de las celdas se pueden calcular con precisión y generalizar a una forma geométrica con una representación de coordenadas para cada celda. Las áreas dentro de las celdas comparten un valor común de ubicación o un atributo sin detalles internos y controlados por la resolución de la teselación.

Las teselaciones pueden tomar muchas formas, pero los dos tipos más comunes son ráster y redes irregulares trianguladas (TIN). Cada celda en una representación ráster tiene un valor de atributo asociado con esa celda. En una teselación TIN, cada punto del triángulo tiene coordenadas x / y y un valor de elevación, y la pendiente del triángulo se puede determinar a partir de ellos.

Los datos ráster toman la forma de píxeles rectangulares con valores asociados. Los atributos normalmente se limitan a coordinar valores de ubicación y un valor de celda. Los atributos de la fotografía aérea pancromática implican valores de escala de grises que componen una representación visual de la superficie del suelo. Los modelos digitales de elevación (DEM) son una matriz de valores de elevación espaciados regularmente a lo largo del ráster. Las imágenes de satélite multibanda son una compilación de capas ráster separadas con valores que corresponden a diferentes longitudes de onda en el espectro electromagnético. Estos valores son una respuesta electromagnética agregada por área de un campo de visión instantáneo, no un punto, de un sensor. Los valores DEM, actualmente (2021) derivados de los datos de detección de luz y rango (lidar) pueden ser promedios de todos los puntos de retorno de tierra dentro de una celda o algún número de retornos de tierra con valores de distancia ponderados inversos. Los atributos adicionales para las celdas ráster se pueden integrar mediante un identificador asignado a un archivo y vinculado a una base de datos de tabla relacional.

Se pueden registrar varios rásteres entre sí y los valores de celda de cada capa se pueden combinar como entrada para una operación. Una operación de superposición computacional requiere que las celdas tengan una resolución idéntica porque el sistema de referencia espacial sirve como control para alinear la geometría. Si la resolución no es idéntica, los atributos se vuelven a muestrear para alinearlos entre sí.

Debido a la organización básica simple de los archivos ráster, los datos de atributos a menudo se repiten, especialmente a lo largo de filas, columnas y celdas adyacentes. Los datos se pueden comprimir sin pérdida (sin pérdida) para almacenarlos más fácilmente. Otra forma de ahorrar almacenamiento agregando datos que tienen valores iguales o similares es con las estructuras de datos jerárquicas de descomposición espacial recursiva. Los píxeles adyacentes se subdividen hasta que solo los mismos atributos son comunes entre ellos (Samet, 1990).

3.1.2 Red irregular triangulada (TIN)

Los TIN forman una estructura de superficie al establecer relaciones topológicas entre un conjunto de valores de puntos. Las mediciones puntuales se asignan en ubicaciones de puntos significativos que varían según las características de las entidades para formar los nodos de superficie. Los TIN conectan tres nodos vecinos con bordes para formar planos triangulares adyacentes. Los atributos de punto TIN se pueden usar para calcular gradientes de pendiente y medidas de aspecto para una faceta triangular. De manera similar a un DEM, cada punto se puede asociar con un valor interpolado porque toda la región está cubierta por triángulos.

3.2 Datos vectoriales

Los datos vectoriales toman la forma de representaciones geométricas de entidades similares a objetos delineadas como puntos almacenados como parte de un sistema de coordenadas geográficas proyectadas. Las líneas conectan puntos como representaciones vectoriales visuales y forman polígonos a partir de líneas que se cierran en los extremos. Debido a que las coordenadas se almacenan como valores enteros o de punto flotante, la apariencia de una línea recta de un par de coordenadas a otro depende de una resolución adecuada para la forma bidimensional de una cuadrícula.

Las tablas de atributos se basan en diseños de bases de datos de tablas relacionales y se combinan con una visualización cartográfica interactiva para visualizar datos geográficos. Las tablas relacionales son una colección de registros de formato fijo. Los datos están estructurados como un conjunto de filas identificadas de forma única con un valor para cada encabezado de atributo de las columnas de la tabla. Los atributos tienen conjuntos de dominios que consisten en los valores permitidos en términos de tipos de datos u otras restricciones para el registro. Los nombres de los atributos están compuestos principalmente por diseñadores de bases de datos para las necesidades de la aplicación. Las tablas se pueden unir o relacionar mediante campos "clave" duplicados entre ellas.

El almacenamiento de objetos de geometría de coordenadas geográficas es problemático en el modelo de datos de tabla relacional porque los puntos están relacionados por secuencia. La mayoría de los sistemas no permiten que los valores de la tabla adopten la forma de listas, por lo que una sola celda no puede contener un conjunto o matriz de valores, incluso si juntos representan un objeto de geometría que representa una sola entidad. Los enfoques denominados modelo vectorial jerárquico o relacional extendido utilizan la indexación como solución. Un sistema de referencia jerárquico estructura un atributo espacial para hacer referencia a las coordenadas asociadas con un objeto de característica geoespacial. Además de su uso para almacenar coordenadas, los objetos geográficos como los polígonos de parcelas de tierra se pueden organizar en relación entre sí de esta manera utilizando identificadores únicos en lugar de por ubicación (Lo y Yeung, 2002). Los identificadores organizan implícitamente referencias espaciales para entidades anidadas, como la jurisdicción y la administración de la tierra, o para la codificación del censo de datos demográficos mediante el empleo de una tabla de búsqueda para recuperar información. Estos sistemas de indexación son una solución de almacenamiento eficiente porque los códigos son más compactos que las descripciones en lenguaje natural. La misma tabla de búsqueda se puede utilizar para el estilo cartográfico, como la rampa de color u otra operación GIS. La codificación geográfica es un sistema de referencia jerárquico que se utiliza principalmente para entidades lineales como direcciones de calles y propiedad de parcelas adyacentes. Este enfoque debe garantizar un acoplamiento coherente entre segmentos de objetos complejos y de geometría de características con atributos no espaciales.

Las relaciones espaciales topológicas entre entidades se almacenan para datos vectoriales identificando los ID de características como valores de atributo. Los valores topológicos de polígonos adyacentes o líneas de intersección ayudan a garantizar el control de calidad de los datos, reducen los requisitos de almacenamiento de datos al reducir la duplicación y representan relaciones espaciales calculables. Los objetos de geometría de intersección que se requieren para realizar operaciones espaciales complejas tampoco se adaptan fácilmente al modelo de tabla relacional (Worboys, 1999), pero las operaciones de álgebra relacional en conjuntos topológicos y basados ​​en capas son posibles, incluidas la unión, la intersección y la diferencia. Al igual que con las operaciones de remuestreo para resoluciones de ráster, el reordenamiento de los atributos ocurre después de que se completan las operaciones de superposición de geometría (Tomlin, 1990). Las consultas espaciales son compatibles con atributos de datos vectoriales mediante algunos lenguajes de consulta estructurados que permiten la especificación de tipos de datos definidos por el usuario, como los datos geoespaciales.

3.3 Propiedades del gráfico

Las propiedades del modelo de datos de gráficos forman un triple como un borde que representa un atributo entre dos nodos que representan instancias, clases o conjuntos de instancias, o cadenas literales. Los nodos tienen cualquier cantidad de propiedades que se conectan entre ellos para formar gráficos. El estudio emergente de la semántica geoespacial y los gráficos de conocimiento tiene como objetivo desarrollar un modelo que refleje una ontología aplicada cuyas propiedades de objeto son axiomas lógicos formales que especifican la relación entre esas clases o instancias. El axioma lógico de las propiedades puede apoyar la inferencia u otros tipos de razonamiento para crear un subgrafo que forme la semántica de la entidad en cuestión. Los lenguajes de consulta de gráficos admiten la navegación a lo largo de las cadenas de propiedades, además de las operaciones booleanas y las coincidencias de cadenas.

Las propiedades de los datos estructuran la relación entre la información geográfica, los atributos de representación y el almacenamiento computacional y la aplicación de esos valores. La selección adecuada de propiedades tiene como objetivo mantener una relación lógica entre la información geográfica, los modelos de datos SIG, las escalas de medición y los tipos de datos. Los atributos del modelo de datos vectoriales y de teselación intentan describir características del mundo real mediante la aproximación de conceptos clave en geografía. Las propiedades imponen restricciones técnicas a estas descripciones para limitar y respaldar el almacenamiento de datos y las funciones analíticas.

Aunque GIS ha adoptado formas predominantes de informática, algunos conceptos geoespaciales varían de esas reglas. Algunos conceptos importantes que se corresponden bien con la cognición espacial y el pensamiento eficaz son la coherencia lógica, las jerarquías, la geometría de coordenadas y la topología. La matriz dimensional de los datos SIG se basa en conceptos de campos y representación cartográfica que forman el fondo de los objetos y sus relaciones espaciales. Las jerarquías son ampliamente aplicables a las estructuras lógicas de bases de datos SIG como un enfoque para indexar datos. Los objetos de geometría se almacenan opcionalmente como entidades completamente definidas o simplemente como segmentos de arco. La topología es un indicador de la exactitud de los datos, reduce el almacenamiento de datos y admite el análisis de adyacencia en GIS. En las bases de datos de grafos, la topología admite la inferencia de relaciones espaciales a través de la transitividad.

Chrisman, N. (2002). Explorando los sistemas de información geográfica. 2ª Ed. John Wiley & amp Sons, Inc.

Couclelis H. (1992) Las personas manipulan objetos (pero cultivan campos): más allá del debate raster-vector en SIG. En: Frank A.U., Campari I., Formentini U. (eds) Teorías y métodos de razonamiento espacio-temporal en el espacio geográfico. Lecture Notes in Computer Science, vol. 639. Springer, Berlín, Heidelberg. DOI: 10.1007 / 3-540-55966-3_3

Kuhn, W. (2012). Conceptos básicos de información espacial para la investigación transdisciplinaria. Revista internacional de ciencia de la información geográfica, 26 (12), 2267-2276. DOI: 10.1080 / 13658816.2012.722637.

Lo, C.P. y Yeung, A.K.W. (2002). Conceptos y técnicas de los sistemas de información geográfica. Prentice-Hall, Inc. DOI: 10.1080 / 1365881031000111173.

Peuquet, D.J. (2002). Representaciones de espacio y tiempo. Prensa de Guilford.

Rosch, E. (1978). Principios de categorización. En E. Rosch y B.B. Lloyd (Eds.), Cognición y categorización (págs. 27-4 8). Prensa de Halstead.

Samet, H. (1990). El diseño y análisis de estructuras de datos espaciales. Addison Wesley Publishing Company, Inc.


Teorema 3.2. Suponga que u ∈ Cp + 1 (Ω) s = 1 2∞Ω ⊂ R2 y que uh ∈ Wh en una familia casi uniforme de mallas en Ω en cuadriláteros. Entonces un necesario.

Por lo tanto probado. Lema - 2 El triángulo Ex-Touch del triángulo de referencia actúa como el triángulo del pedal con respecto al punto Bevan y el área de Ex-Touch tr.

La ecuación de la lente [1] Esta ecuación se utilizó en el análisis para averiguar el punto focal de la lente utilizada. Esta ecuación se puede derivar utilizando geome.

También presenta las ideas de incidencia y salida de un vistazo. Teoría La base de la difracción de rayos X se basa en la comprensión de la relación entre ge.

Esto crea la ecuación (x-h) 2a2- (y-k) 2b2 = 1 para hipérbolas horizontales y (y-k) 2a2 - (x-h) 2b2 = 1 para hipérbolas verticales. Una hipérbola es un lugar geométrico de puntos con.

Por lo tanto, esta sección usa coordenadas polares para determinar la ecuación de movimiento del cuerpo celeste. El vector de posición r del cuerpo se define en.

La retícula en el mapa de proyección de Bonne son curvas complejas que conectan puntos igualmente espaciados a lo largo de cada paralelo y cóncavos hacia el meridiano. Propiedades.

La pendiente de una línea recta que une los puntos (x2, y2) y (x3, y3) es m2 = (y_3- y_2) / (x_3- x_2). Dado que n1 y n2 son líneas rectas perpendiculares, fo.

<& lt & gt>: el tipo de datos y los atributos muestran los tipos de datos a los que se puede convertir. item extbf <& lt & gt>: Describe el conocimiento inicial que ha conocido el anfitrión. Atributos suc.

La forma morfológica del objeto se puede extraer mediante la intersección de la distribución positiva y negativa de las subventanas, como se muestra en la Figura 8. Fi.


Métodos y técnicas de SIG

1.06.2.1 Bases de datos y datos espaciales

Las bases de datos espaciales, como su nombre lo indica, son bases de datos optimizadas para almacenar y consultar datos espaciales. En la ciencia de la información geográfica, los datos espaciales se pueden clasificar en dos categorías principales: vectoriales y ráster (Heywood y Cornelius, 2010). Los datos vectoriales modelan entidades espaciales con geometrías como puntos, líneas y polígonos, y las topologías entre ellos. Por ejemplo, un río puede considerarse como una línea y un lago como un polígono. Los datos ráster representan fenómenos geográficos con una cuadrícula de valores discretos multidimensionales, como imágenes de teledetección, mapas topográficos escaneados y datos del modelo de elevación digital (DEM). En el contexto tradicional de SIG, los datos espaciales a menudo se refieren a datos vectoriales espaciales. La etapa anterior de los estudios de bases de datos espaciales se centra principalmente en cómo colocar datos vectoriales en bases de datos, mientras que los datos ráster todavía se almacenan como archivos. Los datos espaciales constan de atributos simples, ubicaciones, horas e información de topología. Su longitud variable y su naturaleza no estructurada dificultan el manejo directo de estos datos con las bases de datos convencionales. Otras características importantes de los datos espaciales incluyen grandes volúmenes de datos, varios formatos de datos heterogéneos y procesos complejos de consulta de datos. Estas características plantean algunos desafíos para las tecnologías de bases de datos. El diseño e implementación de una base de datos espacial debe cumplir con los siguientes requisitos:

Esta base de datos se puede utilizar para el almacenamiento y la gestión de datos.

Esta base de datos debe admitir de forma nativa tipos de datos espaciales en su modelo de datos.

Esta base de datos debe ofrecer un lenguaje de consulta para realizar consultas espaciales.

Esta base de datos debería proporcionar índices espaciales para acelerar las consultas espaciales.

Los modelos de base de datos, las consultas espaciales y los índices son tres cuestiones importantes que deben tenerse en cuenta para proporcionar un servicio de base de datos espacial satisfactorio. Las consultas espaciales que se realizan en objetos espaciales incluyen principalmente consultas basadas en la ubicación, consultas basadas en relaciones espaciales y consultas basadas en atributos. Las dos primeras son consultas espaciales típicas. Las consultas espaciales básicas se resumen en tabla 1 . Los modelos de bases de datos y los índices espaciales se tratan en secciones posteriores.


Ver el vídeo: INTERSECCION de SUBESPACIOS de R3 28b113. SUBESPACIOS VECTORIALES. CURSO de ALGEBRA LINEAL