Полигональное покрытие
Cтраница 1
 |
NFO - это таблица реляционной базы данных. Таблицы атрибутов пространственных объектов покрытия - это таблицы INFO, соединенные с пространственными объектами через их идентификаторы. [1] |
Полигональное покрытие содержит классы полигональных и точечных пространственных объектов. Оно может также содержать классы регионов, дуг, узлов, маршрутов, тиков, векторов смещений и подписей. [2]
При работе с полигональными покрытиями мы будем нередко создавать бинарные карты ( binary maps), т.е. такие, на которых имеются только две категории полигонов, - чаще всего таких, которые характеризуют некоторый показатель как хороший или плохой для искомого решения. Например, могут быть плохие и хорошие почвы для пропашных культур, хорошие и плохие уклоны для строительства, хорошие и плохие аспекты для установки солнечных батарей. Возможность определения распределений некоторых из этих показателей может пригодиться, возможно, потому, что мы должны размещать дома, растения или солнечные батареи одной большой группой ( что характерно для кластерных распределений), а не разрозненно. [3]
Она также определяет метод наложения полигональных покрытий, обеспечивающий передачу многих атрибутов объектов полигонам результирующего покрытия. Этот топологический результат, известный как наименьшая географическая единица ( least common geographic unit ( LCGU)) [ Chrisman and Puecker, 1975 ], придуман для показа того, как изменения полигональных объектов могут достичь пункта, за которым невозможно дальнейшее деление. С этими наименьшими единицами деления связывается набор атрибутов, который также не может далее делиться на категории. По сути, это деление имитирует описанный выше метод МакХарга, когда упомянутый набор атрибутов определяет степень черноты области, соответствующей уровню чувствительности окружающей среды. [4]
Как уже упоминалось, исторически сложилось так, что сравнение полигональных покрытий является наиболее распространенным подходом к выполнению наложения, вследствие чего разработчики геоинформационных систем изначально развивали именно этот тип наложения. Поэтому существуют различные подходы к выполнению наложения полигонов, ориентированных на определенные потребности пользователей. Рассмотрим пример использования наложения полигонов. [5]
Традиционно, как с использованием пленок, так и с применением компьютеров, наложение рассматривается как метод сравнения полигональных покрытий. Но существуют и другие типы наложений, использующие точечные и линейные данные. [6]
Наш последний пример дасиметрического картографирования, использующий связанные переменные ( related variables), очень близок математическому наложению, как растровому, так и векторному. Показатели полигональных покрытий часто объединяются при помощи операций более сложных, чем простое исключение. Статистические подходы, такие как корреляция и регрессия, часто используются для демонстрации того, что географически рассеянные феномены связаны друг с другом, и того, как эти отношения позволяют нам предсказывать вариации одного в зависимости от изменений другого. Это верно и при использовании ГИС. Например, если мы знаем, что существует сильная корреляция между процентом пахотной земли и процентом уклона, то мы можем предсказать количество пахотной земли на основе этой корреляции. Имея такую информацию, мы можем создать подробное предсказательное покрытие процента пахотной земли на основе одного только уклона. И наоборот, имея покрытия существующих процентов пахотной земли и уклона, через картографическое наложение мы могли бы создать покрытие, показывающее реальное отношение между этими двумя показателями в определенной области. Потом мы могли бы наложить это покрытие на покрытие предсказываемого процента пашни и визуально обнаружить расхождения, численные значения которого можно использовать для оценки предсказательной модели. Далее области расхождений могут сравниваться с другими покрытиями для выработки гипотез о причинах расхождения. [7]
Обнаружение странных полигонов трудно, но не невозможно. Простейший метод состоит в выделении узлов и отображении их совместно с полигональным покрытием. Области, которые по-видимому должны иметь узлы, но не имеют их, будут отличаться от оцифрованных правильно. Исправление ошибки состоит в перемещении линий в должные положения, организуя тем самым узлы в правильной последовательности. [8]
Он может применяться к числовым данным, существующим в виде статистической поверхности. Этот метод позволяет улучшить качество количественных данных полигонального покрытия посредством сравнения с более подробными данными другого покрытия. [9]
В складках из тонкого листа реализуется принцип совмещения функций несущих и одновременно ограждающих конструкций. Благодаря пространственной работе, высокой степени тонкостей ности складки являются весьма эффективными системами, пригодными для зданий комплектной поставки. Как легкие металлические конструкции широкое распространение в нашей стране получили арочные, или, точнее, полигональные покрытия из лоткообразных элементов с пролетами 12, 18, 24 м и более. [10]
Для каждого из них, определенного в топографическом ( terrain) покрытии ГИС ( модель TIN), программа идентифицирует вершины модели во всех направлениях. Все области, которые выше ( и которые находятся за этими отметками), невидимы от вас и должны быть классифицированы как невидимые; все остальные области видимы. Результирующее полигональное покрытие показывает вам, какая площадь просматривается с каждой потенциальной площадки. Сравнив площади видимой части для всех трех мест, вы можете легко определить, которое вам больше подходит для строительства. [12]
Зачем же нужны полигоны Тиссена. Они названы в честь климатолога Тиссена ( А.Н. Thiessen), который пытался проинтерполировать сильно неравномерные распределения климатических данных. Таким образом, если у нас есть несколько разбросанных точек, и мы хотим охарактеризовать регионы, основанные на этих точках, то используем полигоны Тиссена. Поскольку мы считаем, что в каждом полигоне влияние очерченной точки абсолютно, мы можем обращаться с этими данными как с полигональным покрытием. [13]
Главу 9), после чего их площадь может быть найдена уже простым подсчетом числа ячеек растра, образующих полигон. Конечно, измерения формы не будут особенно точными из-за дискретной природы растра. Периметр векторного полигона легко подсчитывается сложением длин отрезков, образующих границу; площадь же определяется так же, как и вручную, - разбиением полигона на прямоугольные треугольники и суммированием их площадей, каждая из которых является половиной произведения длин катетов. Чем сложнее полигон, тем больше вычислений должно быть произведено. Но в общем, любая коммерческая ГИС должна давать быстрый ответ на запрос о вычислении площади, тем более, что однажды рассчитанные площади и периметры полигонов ( также как и длины линий) часто заносятся в таблицы атрибутов объектов. Для отбора полигонов на основе их периметра или площади требуется только определить интервалы значений, образующие категории, распределить по ним полигоны, после чего можно выполнить простую операцию выборки среди этих категорий. Размер полигонов, как и длина линий, чаще всего ( но не обязательно) определяется для каждого полигона и затем усредняется по каждой категории для занесения в таблицу. Это позволяет определить процент площади полигонов заданной категории по отношению к площади всего полигонального покрытия. [14]
Страницы: 1