Краткое введение в ГИС. Часть 5: Растровые данные

ГИС для преподавателей	Часть 5: Растровые данные
	Цель: Понимание, что такое растровые данные и как они используются в ГИС Ключевые слова: Растр, Пиксель, Дистанционное Зондирование, Спутник, Изображение, Пространственная Привязка, Геопривязка, Пространственное Разрешение

Обзор:

В предыдущих разделах мы подробно рассматривали векторные данные. В то время как векторные объекты используют геометрию (точки, полилинии и полигоны) для представления объектов реального мира, растровые данные основаны на другом подходе. Растры являются матрицами пикселей (также называемых ячейками), каждый из которых хранит определенное значение для области, соответствующую этому пикселу (см. Рисунок 52). В данном разделе мы подробнее изучим растровые данные и случаи их использования.

Рисунок 52: Растровые данные состоят из строк (горизонтальные полосы) и колонок (вертикальные полосы) пикселей (также называемых ячейками).
Каждый пиксель соответствует определенной географической области, и значение пикселя означает какое-либо свойство, присущее этой области.

Подробнее о растровых данных:

Растровые данные используются в ГИС-приложении для отображения информации, которая носит непрерывный характер. Во введении в векторные данные мы показывали фотографию на Рисунке 53. Точки, линии и полигоны хорошо работают для представления отдельно стоящих элементов пейзажа, таких как деревья, дороги и строения. В то же время, другие элементы с помощью векторных объектов представить проблематично. Например, изображенные луга имеют много различий в цвете и плотности травяного покрова. Можно было бы сделать достаточно просто, обведя каждый луг единым полигоном, но много информации о лугах будет утеряно в ходе упрощения до простого полигона. Эту происходит потому, что когда Вы присваиваете векторному объекту атрибутивное значение, оно соответствует всему объекту, то есть векторы не очень хороши в представление негомогенных объектов (те, что неодинаковы на своем протяжении). Альтернативный подход заключается в оцифровке полигонов для каждой части луга, имеющей индивидуальный цвет и плотность покрова. Проблема в том, что этот подход неудобен и требует огромных трудовых и временных затрат.

Рисунок 53: Точки, линии и полигоны хорошо работают для представления некоторых элементов пейзажа, таких как деревья, дороги и строения. В других случаях это может быть непросто. Например, как бы Вы представили луга и пастбища? Как полигоны? А что на счет вариаций цвета, которые Вы можете видеть? Когда Вы представляете большие области с непрерывно меняющимися показателями, лучшим выбором будут растровые данные.

Использование растровых данных является решением данной проблемы. Многие специалисты используют растровые данные в качестве подложки, отображаемой под векторными данными для их более полного понимания. Человеческий глаз очень хорошо распознает изображения, поэтому использование растрового изображения под векторными слоями наполняет карту смыслом. Растровая модель данных хороша не только для изображений поверхности реального мира (таких как аэрофотоснимки и спутниковые снимки), но и для представления более абстрактных категорий, таких как распределение осадков или риск возникновения пожара на территории. В этих случаях каждая ячейка растра имеет собственное значение, например миллиметры осадков в год или риск возникновения пожара от 1 до 10.

Пример, показывающий разницу между спутниковым снимком и изображением, содержащим рассчитанные показатели, приведен на Рисунке 54.

Рисунок 54: Полноцветное растровое изображение (слева) полезно тем, что оно показывает много деталей о местности, которые было бы сложно сохранить в виде векторных объектов, но легко увидеть на изображении. Растровые данные также могут быть нефотографическими, например показывать рассчитанные значения средней температуры (справа).

Привязка снимка к карте:

Привязка снимка к карте – это процесс установления точного местоположения территории, соответствующей снимку, на поверхности Земли. Позиционная информация хранится в цифровой версии снимка. Когда ГИС-приложение открывает снимок, оно использует позиционную информацию, чтобы «положить» снимок на правильный участок карты. Обычно эта информация включает координаты верхнего левого пиксела изображения, размер одного пиксела по осям Х и Y, и градус поворота изображения (если есть). С этим набором значений ГИС-приложение может обеспечить отображение снимка в правильном месте. Позиционная информация часто прилагается к растру в виде отдельного текстового файла.

Источники растровых данных:

Растровые данные могут быть получены различными способами. Два наиболее распространенных способа – аэрофотосъемка и спутниковая съемка. В первом случае самолет с закрепленной на дне камерой облетает территорию. Затем фотографии копируются на компьютер и происходит их привязка к карте. Спутниковые снимки создаются искусственными спутниками, вращающимися вокруг Земли по определенным орбитам. Снимки отправляются на Землю с помощью радиосигналов и принимаются специальными станциями (см. Рисунок 55). Процесс получения растровых данных с помощью самолетов или искусственных спутников называется дистанционным зондированием.

Рисунок 55: Центр Спутниковых Технологий неподалеку от Йоханнесбурга, ЮАР. Специальные антенны отслеживают спутники, проходящие над Центром и принимают изображения, закодированные с помощью радиоволн.

В других случаях, растровые данные могут быть результатом расчетов. Например, страховая компания может использовать отчеты о преступлениях и создать карту, показывающую концентрацию преступлений в разных местах. Метеорологи регулярно составляют карты средней температуры, количества осадков и преобладающих направлений ветра (см. Рисунок 54 выше). В этих случаях они используют такие технологии, как интерполяция (которую мы описываем в Разделе 10).

Иногда растровые данные создаются на основе векторных данных, т.к. обладатели этих данных хотят опубликовать их в общедоступном формате. Например, компания, располагающая векторными данными о дорогах и земельных участках, генерирует растровые версии данных, чтобы ее работники могли свободно просматривать эти данные в веб-браузере. Этот подход полезен, когда атрибуты, которые нужно показать пользователями, могут быть отображены на карте с помощью надписей или условных обозначений. Если пользователю нужно иметь возможность просматривать или анализировать атрибутивную таблицу, растровые форматы не подойдут для такой задачи, т.к. большинство из них не имеет связанной атрибутивной таблицы.

Пространственное разрешение:

Каждый растровый слой в ГИС имеет пиксели (ячейки) фиксированного размера, которые определяют его пространственное разрешение. Это хорошо видно, когда Вы смотрите на изображение в мелком масштабе (см. Рисунок 56), а затем приближаете его (см. Рисунок 57).

Рисунок 56: Спутниковый снимок выглядит хорошо в мелком масштабе...

Рисунок 57: ...но когда пользователь переходит на более крупный масштаб отображения,
он может видеть отдельные пиксели, из которых состоит снимок.

Ряд факторов определяет пространственное разрешение изображения. Для спутниковых данных, пространственное разрешение обычно зависит от возможностей сенсора, с помощью которого получено изображение. Например, спутники SPOT5 могут осуществлять съемку изображений с размером пиксела 10х10 м. Другие спутники, такие как MODIS, производят съемку с разрешением всего 500х500 м. Для аэрофотосъемки достаточно распространены разрешения порядка 50х50 см. Изображения с размером пиксела, соответствующим маленькой области на поверхности Земли, классифицируются как имеющие высокое разрешение. Изображения с размером пиксела, соответствующим большой области, имеют низкое разрешение, т.к. у снимков низкая степень детализации.

В растровых данных, которые создаются методами пространственного анализа (таких как карты количества осадков), пространственное разрешение определяется плотностью информации, используемой для вычислений. Например, если Вы хотите создать карту осадков с высоким разрешением, Вам понадобятся данные с большого количества метеостанций, находящихся достаточно близко друг от друга.

Одна из главных вещей, о которых необходимо помнить, работая с растрами высокого пространственного разрешения, – требования к размеру жесткого диска. Допустим, растр размером 3х3 пикселя в сумме имеет 9 пикселей, и его хранение требует место для 9 числовых значений в памяти компьютера. Представим, что нам нужен растр для всей территории Южной Африки с разрешением 1х1 км. Территория ЮАР составляет примерно 1,219,090 кв.км, что означает больше миллиона числовых значений на жестком диске компьютера. Уменьшение размера пикселя приведет к увеличению их количества, что вызовет сильное возрастание потребности в компьютерной памяти.

Иногда полезно работать с изображением низкого разрешения, если Вас интересует большая область и Вам не нужны детали местности. Карты облачности являются отличным примером – их показывают в масштабах государства. Изображение конкретного облака с высоким разрешением мало скажет Вам о надвигающейся погоде!

С другой стороны, использование данных низкого разрешения может быть проблематично, если Вам интересна небольшая область, т.к. Вы скорее всего не сможете извлечь никаких деталей.

Спектральное разрешение:

Когда Вы делаете цветную фотографию цифровым фотоаппаратом, он использует электронные сенсоры для обнаружения красного, зеленого и синего света. Когда фотография отображается на экране или выводится на печать, красный, зеленый и синий цвета (RGB, от англ. Red, Green, Blue) комбинируются для показа спектра цветов, понятного Вашему глазу. Хранение RGB-данных в цифровом формате осуществляется отдельно для каждого из трех цветовых каналов.

В то время как человеческий глаз способен различать только комбинации красного, зеленого и синего цветов, электронные сенсоры могут обнаруживать световые волны другой длины, невидимые для нас. Конечно, цифровые фотоаппараты навряд ли записывают информацию о невидимых частях электромагнитного спектра, потому что люди заинтересованы в сохранении на фотографиях только того, что они могут увидеть сами. Растровые изображения, включающие данные о невидимых участках спектра, часто называются мультиспектральными изображениями. Запись невидимых участков спектра может дать нам полезную географическую информацию. Например, измерение инфракрасного излучения может быть полезным для обнаружения воды в почве.

Так как изображения, содержащие многочисленные цветовые каналы, так полезны для задач ГИС, растровые данные часто поставляются в виде многоканальных изображений. Каждый канал изображения является отдельным слоем. ГИС-приложение комбинирует три различных канала и показывает их как красный, зеленый и синий, чтобы мы могли увидеть их невооруженным глазом. Число каналов в растровом изображении часто называют спектральным разрешением.

Если изображение состоит из одного канала, оно называется черно-белым. Имея черно-белое изображение, можно применить к нему различные цветовые схемы, чтобы сделать различия в значениях пикселей более очевидными. Изображения с цветовыми схемами называют псевдоцветными изображениями.

Получение векторных данных на основе растровых данных:

В ходе обсуждения векторных данных мы отметили, что растровые данные часто используются в качестве подложки при оцифровке. Другой подход заключается в использовании продвинутых компьютерных программ для автоматического распознавания векторных объектов на изображениях. Некоторые объекты, такие как дороги, обнаруживаются по резкому перепаду значений соседних пикселей. Компьютерная программа ищет подобные перепады и автоматически создает векторные объекты на их основе. Подобная функциональность обычно доступна только в высокоспециализированных (и очень дорогих) ГИС-приложениях.

Получение растровых данных на основе векторных данных:

Иногда бывает полезно конвертировать векторные данные в растровые данные. Побочным эффектом такого преобразования выступает потеря атрибутивных данных, связанных с векторной геометрией. В то же время, такая конвертация может быть полезной, если Вам необходимо предоставить геоданные людям, которые не являются специалистами в сфере ГИС. Имея изображение в распространенном формате (например, JPEG), они смогут просмотреть его на своих компьютерах без необходимости устанавливать специализированное ГИС-приложение.

Анализ растров:

Существует множество интересных аналитических инструментов для работы с растровыми данными. Например, растры могут быть использованы для моделирования водного стока на основе модели рельефа.

Растровые данные широко используются в сельском и лесном хозяйстве для определения биопродуктивности растительности. К примеру, обладая спутниковым снимком, Вы можете выявить области менее интенсивного произрастания культур, и затем использовать полученные данные для увеличения вноса удобрений в конкретных участках полей. Лесники используют растровые данные для оценки количества древесины и потенциала добычи дерева на различных территориях.

Растровые данные также очень важны в управлении чрезвычайными ситуациями. Анализ ЦМР (цифровых моделей рельефа, или растров, пиксели которых содержат информацию о высотах над уровнем моря) помогает в оценке потенциально затопляемых площадей. Полученные данные могут быть использованы для оценки областей, наиболее пострадавших от наводнения, и концентрации спасательных работ на этих территориях.

Об этом следует помнить:

Как мы уже упомянули, растровые данные высокого разрешения требуют большой объем дискового пространства на компьютере.

Что мы узнали?

Закрепим изученный материал:

• Растровые данные представляют собой сеть пикселей одинакового размера.
• Растровые данные хорошо служат для представления непрерывно изменяющихся значений.
• Размер пиксела изображения на местности определяет его пространственное разрешение.
• Растровые изображения могут содержать один или несколько цветовых каналов, каждый из которых покрывает одну и ту же область, но хранит данные о разных волновых диапазонах.
• Когда растровые данные содержат различные спектральные каналы, они называются мультиспектральными.
• Три канала мультиспектрального изображения могут быть показаны красным, зеленым и синим цветами.
• Изображения с одним каналом называются черно-белыми.
• Одноканальные черно-белые изображения могут быть отображены в ГИС-приложении с помощью псевдоцветов.
• Растровые изображения могут занимать большое дисковое пространство.

Попробуйте сами!

Ниже приведено несколько примеров практических заданий для Ваших учеников:

• Обсудите с учениками, в каких ситуациях Вы использовали бы векторные данные, а в каких растровые.
• Попросите учеников создать «растровую» карту района вокруг Вашего учебного заведения, используя кальку формата А4 с нанесенной сеткой. Наложите кальку на лист топографической карты или на аэрофотоснимок и попросите учеников закрасить клетки в сетке в соответствии с категориями объектов (здания, спортивные участки, деревья, тропинки и т.д.). Когда работа будет закончена, посмотрите какие объекты хорошо отображаются с помощью растровой графики и подумайте, как изменения размера ячеек скажется на возможности представления различных типов объектов.

Если у Вас нет компьютера:

Вы можете показать как работают растровые данные, используя бумагу и карандаш. Нарисуйте сетку с квадратными ячейками на бумаге и подумайте, как можно изобразить футбольное поле на этой сетке. Заполните сетку номерами, означающими покрытие поверхности на каждой ячейке. Если земля голая, впишите 0. Если есть частичное покрытие травой, впишите 1. Если область ячейки полностью покрыта травой, впишите 2. Теперь возьмите карандаши или маркеры и закрасьте ячейки, основываясь на их значениях. Ячейки с нулевыми значениями закрашиваются коричневым цветом, единицы закрашиваются светло-зеленым, двойки – темно-зеленым. Когда Вы закончите, у Вас будет растровое изображение Вашего футбольного поля!

Дополнительные материалы:

Книги:

• Chang, Kang-Tsung (2006): Introduction to Geographic Information Systems. 3rd Edition. McGraw Hill. (ISBN 0070658986)

• DeMers, Michael N. (2005): Fundamentals of Geographic Information Systems. 3rd Edition. Wiley. (ISBN 9814126195)

Веб-сайт: http://en.wikipedia.org/wiki/GIS#Raster

Руководство Пользователя QGIS также содержит более подробную информацию о работе с растрами в QGIS.

Что дальше?

В следующем разделе мы подробнее изучим топологию, чтобы понять, как отношения между векторными объектами могут послужить для обеспечения наилучшего качества данных.