Что такое растровые и векторные данные в контексте ГИС?
В общих чертах, для каких приложений, процессов или анализа подходит каждый? (и не подходит для!)
Есть ли у кого-нибудь небольшие, сжатые, эффективные картинки, которые передают и противопоставляют эти два фундаментальных представления данных?
Векторные данные
Преимущества: данные могут быть представлены в исходном разрешении и форме без обобщения. Графический вывод обычно более эстетичен (традиционное картографическое представление); Поскольку большинство данных, например, карты в печатном виде, имеют векторную форму, преобразование данных не требуется. Точное географическое положение данных сохраняется. Обеспечивает эффективное кодирование топологии и, как результат, более эффективные операции, требующие топологической информации, например, близость, сетевой анализ.
Недостатки: местоположение каждой вершины должно быть сохранено явно. Для эффективного анализа векторные данные должны быть преобразованы в топологическую структуру. Это часто требует интенсивной обработки и обычно требует тщательной очистки данных. Кроме того, топология является статической, и любое обновление или редактирование векторных данных требует перестройки топологии. Алгоритмы для манипулятивных и аналитических функций являются сложными и могут быть интенсивной обработкой. Часто это ограничивает функциональность больших наборов данных, например, большого количества функций. Непрерывные данные, такие как данные высот, не представлены эффективно в векторном виде. Обычно для этих слоев данных требуется существенное обобщение или интерполяция данных. Пространственный анализ и фильтрация внутри полигонов невозможна
Растровые данные
Преимущества: географическое положение каждой ячейки определяется ее положением в матрице ячейки. Соответственно, кроме исходной точки, например, нижнего левого угла, географические координаты не сохраняются. Из-за особенностей техники хранения данных анализ данных обычно легко программировать и быстро выполнять. Характер растровых карт, например карт с одним атрибутом, идеально подходит для математического моделирования и количественного анализа. Дискретные данные, например лесные насаждения, размещаются так же хорошо, как и непрерывные данные, например данные о высоте, и облегчают объединение двух типов данных. Ячеистые системы очень совместимы с растровыми устройствами вывода, например, электростатическими плоттерами, графическими терминалами.
Недостатки: размер ячейки определяет разрешение, при котором представлены данные .; Особенно сложно адекватно представлять линейные элементы в зависимости от разрешения ячейки. Соответственно, сетевые соединения трудно установить. Обработка связанных данных атрибута может быть громоздкой, если существует большое количество данных. Растровые карты по своей сути отражают только один атрибут или характеристику для области. Поскольку большинство входных данных имеют векторную форму, данные должны подвергаться векторному преобразованию в растр. Помимо повышенных требований к обработке это может привести к проблемам целостности данных из-за обобщения и выбора неподходящего размера ячейки. Большинство выходных карт из систем ячеек сетки не соответствуют высококачественным картографическим потребностям.
Пиксели против координат Когда я думаю о растровых картах, моя первая мысль - спутниковые снимки. Почти каждый пиксель в детальном спутниковом изображении городской местности может содержать уникальную информацию. Одна плитка на веб-карте (обычно это вариант Mercator, слабо называемый « Сферический Меркатор » или « Веб-Меркатор » и поддерживаемый Google , Bing , Yahoo, OSM и ESRI) обычно имеет 256 x 256 = 65 536 пикселей, и каждый Уровень масштабирования имеет (2 ^ zoom * 2 ^ zoom) плитки. Когда я думаю о векторе, я думаю о многоугольниках и линиях. Например, файл формы, детализирующий границы зонирования всей области города (возможно, миллионов растровых плиток), может иметь только 65 000 векторных фигур.
Точное масштабирование Похоже, вы (и, вероятно, большинство читателей) уже знаете наиболее очевидную разницу между растровыми фиксированными пикселями и вектором (координатными картами). Векторные рисунки (и карты) могут масштабироваться с более высокой степенью точности, чем пиксели, потому что векторные данные содержат шаблоны координат (точки, многоугольники, линии и т. Д.), Которые могут отображаться относительно друг друга с различными разрешениями с использованием простых формул, в то время как при изменении размера пикселей обычно используется алгоритм сглаживания, который приводит к артефактам изображения.
Сжатие изображений и сжатие структур На практике большинство изображений, не имеющих 100% уникальных пикселей, могут быть сжаты в меньшие пакеты данных, а многие векторные файлы содержат избыточную детализацию, которая не требуется при многих низких уровнях детализации. Сжатие изображений является хорошо известным и очень эффективным процессом, и почти каждая библиотека кодирования имеет встроенные классы для этой работы. Сжатие векторной координаты, или «упрощение геометрии», встречается немного реже (поскольку ГИС в целом немного реже, чем обычные манипуляции с изображениями). По моему опыту, вы будете тратить около 0 раз на размышления о сжатии изображений (просто выключите или включите их) и значительно больше времени на размышления о пространственном сжатии. Посмотрите алгоритм Дугласа Пекера для примеров или просто поиграйтесь с QGIS и некоторые граничные файлы переписи.
Рендеринг на стороне клиента и на сервере В конечном итоге все, что просматривается на компьютере, отображается в пикселях на экране с определенным разрешением (т. Е. Уровнем масштабирования). Зачастую (особенно в Интернете) задача состоит в том, чтобы максимально эффективно отображать эти пиксели перед пользователями. Эти файлы формируют группы US Census ТРАКТ & Blockособенно интересны, потому что они находятся за границей наборов векторных данных, которые «слишком велики», чтобы отображать их в веб-браузере как векторные данные. В отличие от этого, в современных браузерах округа США едва ли можно представить как векторную загрузку. В то время как файл векторной формы группы блоков переписи США, безусловно, будет меньше растрового набора листов, отображаемого для охвата всего США с несколькими уровнями масштабирования, файл формы группы блоков слишком велик (около 1 ГБ) для веб-браузера, чтобы его можно было загрузить по требованию. Даже если веб-браузер может быстро загрузить файл, большинство веб-браузеров (даже использующих флэш-память) работают довольно медленно при рендеринге огромного количества фигур. Таким образом, для просмотра больших векторных наборов данных вам лучше перевести их в сжатые изображения для передачи в веб-браузер.
Некоторые практические примеры Несколько дней назад я ответил на аналогичный вопрос о рендеринге больших наборов данных в картах Google. Вы можете увидеть вопрос и подробный анализ «лучших практик», которые используются NY Times и другими сегодня здесь .
Несколько лет назад было решено перейти от векторного рендеринга на стороне клиента с интенсивной флэш-памятью к векторному рендерингу на стороне сервера, который доставляет фрагменты сжатого изображения в чистый HTML и JavaScript. У нас есть галерея карт с несколькими версиями Html + Raster (серверные сгенерированные изображения) и Flash + Vector (интенсивный рендеринг на стороне клиента).
Похоже, вы ищете способ выразить это нетехническим людям, возможно? Вы можете использовать аналогию с двумя предметами детства, миллиметровой бумагой и головоломкой «соединяй точки». Каждый квадрат на листе миллиметровки соответствует растровой ячейке, поэтому представьте, как раскрашивает каждый квадрат или помещает в него число. Векторные данные - это головоломка, связывающая точки. В обоих случаях каждый слой - это просто другой лист бумаги.
Эта картинка дает хорошее представление о растровом и векторном представлении данных.
В Rastor рассматриваемая область делится на равные квадраты и присваивается ей характеристика. Поэтому, если вы подумаете о создании структуры данных для растора, это будет двухмерный массив, каждая координата x, y ссылается на квадрат в области и может иметь определенную предопределенную характеристику, например, здание, дорога, растительность, водоем и т. Д.
В векторе данные представлены в виде точек, линий и многоугольников. Таким образом, туристическое место представляется как ТОЧКА (x, y), река или дорога, представленная в виде линейной линии (которая представляет собой серию соединенных точек), озеро или стадион и т. Д., Представленные в виде многоугольника (Список точек которые образуют закрытую зону) - Подробнее читайте здесь: https://en.wikipedia.org/wiki/Well-known_text
Изображения взяты из веб-поиска, в то время я делал скриншоты, и у меня нет ссылок на первоисточник в Интернете! Извиняюсь за это!
Но надеюсь, что этот ответ поможет объяснить его человеку, новичку в ГИС: D
Лучше рассматривать растровые данные как особый тип векторных данных. В векторных данных линии на карте определяются определенным явлением. В растровых данных это разграничение определяется произвольной сеткой, которая не зависит от явлений, которые она пытается отобразить. Обычно эта сетка является результатом того, как определенный датчик собирает информацию (например, камера). Но во всех случаях растровые данные также могут быть представлены вектором.
Представление растровых данных иногда называют представлением данных сетки. Он используется для представления географических данных или информации с использованием строк и столбцов, в которых каждая ячейка представляет цифровые данные с определенным представлением.
источник