Таблица - атрибут
Cтраница 2
Нам же часто приходится иметь дело с числовыми данными, которые дают больше возможностей наложения, обеспечиваемых теми же математическими операциями, что и в алгебраическом растровом наложении. Любая полнофункциональная СУБД позволяет выполнять алгебраические действия над данными таблиц атрибутов, связанных с графикой карты. Благодаря этому процесс наложения даже более легок, чем в простейших растровых системах, и практически идентичен реализации в растровых системах, использующих СУБД. [16]
Поскольку в векторных структурах данных координаты хранятся в явном виде, вы также можете получить информацию о линейных и площадных объектах, выбирая их по отдельности. Например, вы можете отобрать все точки покрытия, просто отобразив только точки, или получить список, обратившись к таблицам атрибутов, относящимся к точкам. Это верно также и для линий всех видов и полигонов. Чтобы узнать точные координаты для одномерных и двухмерных объектов ( т.е. линий и областей), вам понадобятся пары координат каждой из точек, используемых для определения всех отрезков, с помощью которых эти объекты заданы. Опять же, это может быть сделано указанием на отдельные объекты или выборкой их рамкой, в зависимости от программы. И, как и с точечными данными, любой линейный или полигональный объект может быть также выбран на основе запроса к таблицам атрибутов БД. [17]
 |
Гибридная векторная ГИС с хранением атрибутов во внешней БД. [18] |
И наоборот, СУБД общепризнанны как средство управления атрибутивными типами данных, но плохо приспособлены к работе с графическими объектами. Выглядит вполне логичным, что программное объединение этих двух технологий позволит взять лучшее из каждой. Таблицы атрибутов, содержащие все необходимые описательные данные для каждого графического объекта, хранятся отдельно либо в других файлах, либо под управлением СУБД общего назначения. Связь между графикой и атрибутами осуществляется через идентификационные коды графических объектов, имеющиеся в графических файлах, и которые также хранятся в отдельной колонке атрибутивной БД. Благодаря возможности внешнего хранения многих атрибутов для каждого объекта растут аналитические возможности и возможна экономия памяти. [19]
Определение площади простых геометрических фигур, таких как треугольник, прямоугольник, параллелограмм, трапеция, круг, эллипс, знакомо вам еще по школе. Вычисления усложняются только тогда, когда полигоны становятся очень сложными. Во многих векторных ГИС площади полигонов подсчитываются при их вводе и заносятся в таблицы атрибутов, так что в дальнейшем определение площади требует только выборки соответствующего значения из БД. [20]
Все рассмотренные объекты, как простые, так и более высокого порядка, должны распознаваться системой, чтобы с ними были возможны операции для дальнейшего анализа. Для каждого из них должна иметься возможность быть выделенным, отдельно затабулированным и отображенным. В векторных и растровых системах, связанных с СУБД, эти объекты чаще всего выбираются в результате поиска в таблицах атрибутов. Но сперва Глава 8 проведет нас через некоторые виды измерений, которые необходимы для более серьезного анализа. [21]
В случае векторов графика и атрибуты хранятся либо как отдельные таблицы внутри одной БД, либо как самостоятельные наборы данных, связанные набором указателей. Разделение графики и атрибутов требует от вас внимания к процедурам редактирования, применяемым к графике, атрибутам и базам данных. Делая выборки из таблиц атрибутов, вы сможете просмотреть их отдельно от связанных с ними графических объектов на предмет выявления опечаток, неправильных кодов или даже помещение правильных атрибутов в неправильные колонки таблицы. [22]
 |
Переклассификация и растворение границ. Пере классификация через объединение категорий. объединение классов кукуруза и пшеница в более крупный класс зерновые. [23] |
Во-первых, надо удалить все линии, которые разделяют два класса, которые должны быть объединены. Затем атрибуты этих двух полигонов переписываются для нового покрытия как единый новых атрибут для обоих. Нашей целью является создание одной категории под названием зерновые культуры с помощью растворения ( удаления) границы, разделяющей две исходные категории. Мы помещаем вновь созданную категорию зерновые в таблицу атрибутов и присваиваем ее новому, большему полигону. [24]
Пара примеров правильного и уместного использования уклона может оказаться поучительной. Допустим, мы ищем склоны, крутизна которых менее 25 % ( т.е. 25 м высоты на 100 м расстояния по горизонтали) для определения областей, пригодных для строительства коттеджа. Для определения уклона программа просто сравнивает разность высот между вершинами каждой грани TIN ( TIN facets) с соответствующими горизонтальными расстояниями. На самом деле, поскольку модель TIN хранит эти вычисленные значения в своих таблицах атрибутов, то расчеты вообще не требуется проводить. Каждое значение грани может быть выбрано из БД, и уклоны могут быть сгруппированы на те, что имеют крутизну менее 25 %, и те, что имеют 25 % или более. Таким образом мы переклассифицировали топографическую поверхность по величине уклона для содействия принятию решения о пригодности для строительства, Существует множество путей обработки информации об уклонах, в особенности такие, которые используют методы нелинейной интерполяции ( о них - чуть позже), и такие, которые генерализуют топографию для показа общего тренда поверхности. [25]
Объекты в базе знаний представляют собой отображения элементов реального мира, которые будут применяться при решении поставленной перед ЭС РВ задачи. Выделяют постоянные и временные объекты. Постоянные объекты заносятся в БЗ разработчиком ЭС РВ в процессе диалога с системой, в то время как временные объекты создаются после выполнения специальных команд в правилах и процедурах. Временные объекты могут существовать в БЗ только в процессе работы ЭС РВ. С каждым объектом ассоциируется таблица атрибутов, в которую заносятся существенные для решаемой задачи свойства объекта. [26]
Точки и линии могут переклассифицироваться простым перекодированием атрибутов в их таблицах или перекодированием значений ячеек растра для создания новых точечных или линейных покрытий. В этом простом процессе пользователь меняет сами атрибуты и не более того. Процесс - практически такой же при работе с площадными объектами в растровых системах. Выбрав атрибуты нужных областей, вы просто изменяете числа кодов или имена атрибутов для этих ячеек растра. В простых растровых системах, где нет привязанных к растру таблиц атрибутов, вы должны также изменить и легенду нового покрытия для отражения изменившейся ситуации. [27]
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. [28]
Поскольку в векторных структурах данных координаты хранятся в явном виде, вы также можете получить информацию о линейных и площадных объектах, выбирая их по отдельности. Например, вы можете отобрать все точки покрытия, просто отобразив только точки, или получить список, обратившись к таблицам атрибутов, относящимся к точкам. Это верно также и для линий всех видов и полигонов. Чтобы узнать точные координаты для одномерных и двухмерных объектов ( т.е. линий и областей), вам понадобятся пары координат каждой из точек, используемых для определения всех отрезков, с помощью которых эти объекты заданы. Опять же, это может быть сделано указанием на отдельные объекты или выборкой их рамкой, в зависимости от программы. И, как и с точечными данными, любой линейный или полигональный объект может быть также выбран на основе запроса к таблицам атрибутов БД. [29]
Хотя многие более совершенные растровые ГИС, отслеживая атрибуты, помогут вам избежать проблем, подобных упомянутой, в простых системах нужно проявлять осмотрительность при выполнении переклассификации. Здесь можно предпринять две вещи. Первое, вы можете выбрать новые коды атрибутов, не совпадающие с уже имеющимися в покрытии. Этот прием полезен и в устранении путаницы в процессе первичной классификации. Второй способ, посложнее, состоит в прослеживании, как перенумерация воздействует на результат. Если вы видите, что порядок перенумерации создает новые величины, которые будут изменены на следующем шаге, то вы, возможно, избежите проблем, выполняя процесс в обратном порядке. Если вы все же запутались, используйте первый метод или систему, которая отслеживает имена атрибутов или обрабатывает сами категории как имена таблиц атрибутов, а не отображает пронумерованные коды для атрибутов. [30]
Страницы: 1 2 3