第5讲—栅格数据模型.pptVIP

栅格数据模型 定义 用规则格网来覆盖整个空间 网格像元值与该位置上的空间现象特征值对应 特点 规则网格：不限于正方形 空间位置隐含 连续 栅格数据类型 栅格数据源 Aerial photographs —— 航片 Satellite imagery from many sensors —— 卫星影像 DEM and scanned maps —— DEM和扫描图 Analytical data —— 分析数据，如 ph值 栅格数据模型——元素 由行、列、像元组成，用二维数组存储数据 列－x坐标 行－y坐标 行、列由网格左上角起始 像元值由行、列位置唯一决定 栅格数据模型——表示 也可以表示地理实体，但精度不高 点 —— 单个像元 线 —— 一系列相邻像元 面 —— 连续像元的集合 栅格数据模型——像元值 每个像元带有一个值，如DEM是高程 像元值类型 整型：表示类别数据，例如：土地覆盖类型 浮点型：表示连续数据，例如：降雨量 No data 浮点型比整型占计算机存储资源 栅格数据模型——像元大小 分辨率 网格像元的大小 30m的网格像元表示实际面积900m2 像元越小，分辨率和精度越高 (表现的地物越细) 存贮和处理成本随分辨率增加而上升 三者均衡 栅格数据模型——栅格波段 Comprehensive 1 or N Bands 1-64 bits per band compressed or uncompressed 80+ formats supported pyramids (rrd, ovr, internal…) 栅格数据模型——空间参照 必须说明的是 原始栅格数据没有空间参照信息 但如果使用栅格数据，需要地理坐标位置，所以需要给栅格数据配置地理坐标 如何匹配？ 栅格数据类型 卫星影像 像元值：从地球表面反射或发射的光能 数字高程模型（DEM） 由等间隔海拔数据的排列组成 以点为基础的，可转换到栅格 数字正射影像（DOQ） 消除照相机镜头和地形起伏引起的位移 数字栅格图（DRG） 地形图的彩色扫描图像 二值扫描文件 地形图的黑白扫描图像 图形文件 照片等 特定GIS软件的栅格数据 ESRI Grid ASCII码文件 以栅格数据存放的ASCII码文件 栅格数据类型 栅格数据模型 优点 高精度 文件大 数据结构简单 需要解决问题 有效存储 处理更快 容易检索 多个客户同时操作 上述问题都与数据结构、数据压缩有关 栅格数据结构 常用的三种数据结构 逐个像元编码（cell-by-cell encoding） 游程编码（run-length encoding） 四叉树 （quad tree） 逐个像元编码（cell-by-cell encoding） 存储格式 按矩阵逐个像元存放 像元值写成一个行列式文件 适用范围 单元值连续变化的数据 例如，数字高程模型、卫星影像 优点 最简单数据结构 缺点 存在重复像元值时，存储冗余 游程编码（run-length encoding） 解决“逐个像元编码”的单行冗余 存储格式 合并相邻同值网格 以行、单元个数、单元值记录 优点 节约部分存储空间 缺点 还有跨行冗余 四叉树 （quad tree） 解决“游程编码”的跨行冗余 存储格式 将空间区域按照四个象限进行递归分割，直到子象限的数值相同为止 优点 存储面状数据 栅格数据结构——头文件 栅格数据的描述包含在头文件中 数据结构 区域范围 像元大小 波段数 无数据的值 栅格数据压缩 做法 减少栅格文件的数据量 目的 有利于数据传输和网络制图 压缩方法 无损压缩 精确还原原始图像，如游程编码格式、TIFF格式 数据量超大 有损压缩 无法精确还原原始图像，如JPEG格式 可以减少数据量 数据转换与综合 栅格化 矢量数据转换为栅格数据 自动方式，且操作简单，大部分 GIS软件都提供 转换步骤 指定栅格文件的范围，指定栅格数据的分辨率，像元赋初值0 改变对应点的像元值，点赋值1，线赋线值，面赋值 多边形内填充多边形值 数据转换与综合 矢量化 栅格数据转换为矢量数据 自动提取目前做不到，依赖手工提取，操作复杂，耗时长 基本步骤 线的细化 线的提取 拓扑关系的重建 数据转换与综合 无论是栅格化，还是矢量化，都会产生误差 转换过程会丢失精度 栅格化的误差，通常取决于计算机算法、像元尺寸和边界的复杂性 尽量避免“过度”转换 栅格数据模型 vs 矢量数据模型 栅格数据模型 空间位置由格网单元表示，可按正方形阵列存储格式，用矩阵处理 属性表示为单元值 数据来源 遥感影像 (LANDSAT, SPOT) 扫描图 数字高程模型 适合表示连续数据 高程 温度 土壤类型 土地利用 矢量数据模型 空间位置由x,y坐标表示，并形成线、面 属性表通过ID码