二空间数据的表达.ppt

多余点去除 空间数据的表达 作业与思考 什么是GIS？它具有什么特点？ GIS与其它信息系统有什么区别？ 简述GIS的构成。 简述GIS的发展。 举例说明GIS可应用的行业。 说说地理空间模型是怎样建立的？ GIS中为什么要考虑地图投影？ 利用关系表来表达右图的空间拓扑关系。 e b c 4 1 3 2 5 A B C 7 6 D a d a: 结点号 A: 多边形号 1: 弧段号 弧段数字化方向 思考与练习 空间实体可抽象为哪几种基本类型？它们在矢量数据结构和栅格数据结构分别是如何表示的？ 叙述四种栅格数据存储的压缩编码方法。 试写出矢量和栅格数据结构的模式，并列表比较其优缺点。 叙述由矢量数据向栅格数据的转换的方法。 叙述由栅格数据向矢量数据的转换的方法。 （4）四叉树编码(Quadtree Encoding) 基本思想： 将一幅栅格地图或图像等分为四部分，逐块检查其格网属性值。如果某个子区的所有格网值都具有相同的值，则这个子区就不再继续分割，否则还需按该子区再分割成四个子区，这样依次地分割，直至美个子区都具有相同的属性值或灰度为止。 编码值： 叶子值+地址值 E N S W （4）四叉树编码(Quadtree Encoding) 编码值： 9，9，9，9，0，0，9，0，0，9，0，0，0，0，0，7，0，0，7 地址值： NW （1，0） NE （1，1） SW （0，0） EW （0，1） 1，0，1，1，1，0，0，0，1，1 高度 第三层 第二层 第一层 优点： 容易而有效地计算多边形的数量特征； 阵列各部分的分辨率是可变的，边界复杂部分四叉树越高即分级多，分辨率也高，而不需表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量。 栅格到四叉树及四叉树到简单栅格结构的转换比其他压缩方法容易。 多边形中嵌套异类小多边形的表示较为方便。 （4）四叉树编码(Quadtree Encoding) 缺点：转换不定性，即用同一形状和大小的多边形可能得出多种不同的四叉树结构，不利于形状分析和模式区别。 （5）八叉树编码 八叉树结构就是将空间区域不断地分解为八个同样大小的子区域(即将一个六面的立方体再分解为八个相同大小的小立方体)，同—区域的属性相同。八叉树主要用来解决地理信息系统中的三维问题。 栅格数据压缩存储的编码方法 A A A A A R A A A R A A A R A A R A A A A A A A A A G G A A G G G G G G G A G G G A G G A A A A A A R A A A A R A A A R R A A A 1 4 3 2 5 8 7 6 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 起点行列号，单位矢量 R: (1,5),3,2,2,3,3,2,3 链式编码 游程长度编码 逐行编码 数据结构: 行号, 属性, 重复次数 1, A, 4, R, 1, A, 4 块状编码 正方形区域为记录单元 数据结构: 初始位置, 半径, 属性 (1,1,3,A),(1,5,1,R),(1,6,2,A),… NE SW NW SE G G G G A G G A A G A A A 四叉树编码 2.5.3 栅格数据组织 栅格数据组织 栅格数据文件 像元1 X坐标 Y坐标 层2属性值 层1属性值 … 层n属性值 … 像元2 像元n 栅格数据文件 层1 像元1 层2 … X,Y,属性值 像元2 X,Y,属性值 … … 像元n X,Y,属性值 层n 栅格数据文件 层1 多边形1 层2 … 属性值 像元1坐标 … 多边形N 像元n坐标 层n 2.5.4 栅格数据结构特点 离散的量化栅格值表示空间对象 位置隐含,属性明显 数据结构简单,易与遥感数据结合,但数据量大 几何和属性偏差 面向位置的数据结构,难以建立空间对象之间的关系 a b c 3 4 5 a b c ac距离: 7/4 (5) 面积: 7 (6) 几何偏差 属性偏差 如以像元边线计算则为7，以像元为单位则为4。 三角形的面积为6个平方单位，而右图中则为7个平方单位，这种误差随像元的增大而增加。 2.6 两种数据结构的比较与转换 2.6.1 两种数据结构的比较 矢量数据 优点： 表示地理数据的精度较高 严密的数据结构，数据量小 完整的描述空间关系 图形输出精确美观 图形数据和属性数据的恢复、更新、综合都能实现 面向目标，不仅能表达属性，而且能方便的记录每个目标的具体属性信息 缺点： 数据结构复杂 矢量叠置较为复杂 数学模拟比较困难 技术复杂，特别是软硬件