مدل رقومی زمین (DTM) در شش بخش
نقل قول :
ابتدا یه سری بحث های مقدماتی و تئوری و بعدا کارکردن با DTM در ARcGIS
بخش ششم
6- مديريت داده هاي DTM
انواع استراتژي مديريت داده هاي DTM
1) استراتژي ايجاد مديريت داده هايDTM به صورتoperational
2) استراتژي استفاده از پايگاه داده ها جهت مديريت داده ها
براي ايجاد مديريت داده هاي مکاني به صورت کاربردي ، داده هاي مکاني را به 5 قسمت تقسيم مي کنيم
Horizontal position
vertical position
time
theme
scale
تعريفoperational strategy :
براي منطقه بزرگ در سطح ملي يا استاني مي آيند نسبت به مقياس مورد نياز يک سري شيب با اندازه هاي استاندارد را تهيه مي کنند به اين تقسيم بندي نقشه هاي بزرگ operational strategy مي گويند
تمامي داده هاي مکاني که شامل داده هاي dtm هستند از دو بخش attribute geometric تشکيل شده اند پس اين داده ها متفاوت از داده هاي معمولي است که فقط از يک جز تشکيل يافته اند پس يک نظم و ترتيب خاصي براي داده هاي مکاني بايد در نظر بگيريم .
از فايلها براي ذخيره اطلاعات هندسي و ازrelation table ها براي ذخيره داده هاي توصيفي استفاده مي کنيم.
اين دو داده توسط نشانگرها به هم ديگر ارتباط پيدا مي کنند. اطلاعات هندسي همان مختصات ها ست
2-10 مديريت داده هاي DTM با استفاده از فايل:
1) ساختار فايلي براي DTM گريد بندي شده
2) TIN
3( ADDITIONAL TERRAIN FEATURE DATA
توپولوژي در اين نوع ساختار به صورت غيرآشکار مي باشد جهت محاسبه مختصات هر يک از grid-node ها به يک مبدا (x,y) و يک square grid interval نياز داريم . فرض مي کنيم که مبدا ما در ماتريس گوشه پايين و چپ باشد . اگر فرض کنيم ماتريس کلي ما(m,n) باشد سپس مختصات grid node را با استفاده از فرمول روبرو محاسبه مي کنيم.
Xi,j =(j-1)*d+x0 ,j=(0,n-1)
yi,j =(i-1)*d+y0 ,i=(0,m-1)
در حالت کلي اين ساختار از 3 بخش تشکيل مي شود (جدول 2-10 )
1- Header
- مختصات مبدا
- نوع مختصات (x,y) و يا ..
- grid interval
– محدوده ارتفاعي
– تعداد سطر و ستونها – موقعيتbody و footer در فايل
2- Body
- ارتفاع grid node
3- footer
– توصيف کلي داده ها
– مشخصاتdtm مثل نام و مرز پارامتر هاي تصوير، دقت و...
2) file structure for TIN dtm
تفاوت اساسي بين مديريت داده هايTIN و GRID اين است که در مدلTIN علاوه بر مختصات (X,Y,Z) بايد مختصات هر راس به همراه اطلاعات توپولوژيکي آنها را نيز بايد ضبط کنيم. و همچنين اطلاعات توپولوژي بين مثلث ها را نيز بايد در اکثر مواقع ضبط کرد .اين ساختار نيز از 3 بخش تشکيل مي شود: جدول 6- 10 : براي مختصات
1) HEADER
– مختصات نقاط مرزي CONVEX HULL
– حدود مختصات X,Y,Z
– نوع مختصات داده ها
– تعداد نقاط
– موقعيتBODY و FOOTER
2) BODY
– مختصاتX,Y,Z
3) FOOTER
– توصيف کلي از داده ها و مشخصات DTM مثل نام و روش و پارامتر هاغي تصوير ، دقت و کد نقاط NULLو ....
در تقسيم بندي ساختار به 3 بخش براي توپولوژي :
1)HEADER
– تعداد مثلث ها
– بايت هاي داده برا ي مختصات و رئوس و همايگي هاي مثلث ها
2)BODY
- اطلاعات جدول رئوس مثلث مثلث ها و همايگي مثلث ها
3) FOOTER
3-10 مديريت داده هاي DTM با استفاده از پايگاه داده هاي مکاني : داده هاي DTM را ميتوان توسط جدول ها و فايلها در داخل يک پايگاه داده سازندهي کرد . حال به بررسي انواع سازندهي مي پردازيم .
1) سازماندهي جدولها براي داد ه هاي GRID DTM (منظم )
- ساختار سلسه مراتبي
ضروري نيست که برايTILE ها از مستطيل استفاده کنيم براي مثال مرز کشور ها داراي TILE هاي نامنظم خواهد بود
در سيستم هاي تجاريBLOCK بخش اصلي براي دسترسي و بازيابي ، BLOCK است هرBLOCK شامل تعداد زيادي سطر و ستون است
براي ايندکس گذاري به صورت روبرو عمل مي شود. “REGION – TILE-BLOCK-ROW-COLOMN” که اين عمل باعث تسريع در دسترسي به داده ها و بازيابي آنها خواهد شد.
ترتيب جدولها براي DTM در OBJECT RELATIONAL DATABASE در شکل 8-10 نمايش داده شده است
براي جلوگيري از مشکلEDGE MATCHING بين بلوکهاي مجاور درصد خاصي همپوشي بايد وجود داشته باشد.
INDEX TABLE FOR A EGIONAL از 4 رکورد تشکيل مي يابد.
1-REGION ID شمارهREGION است.
2- REGION TABLE NAME نام جدولي است که شامل داده هاي DTM است.
3- REGION DTM INFO شامل تعداد TILE ها و BLOCK ها در جهت X,Y و همچنين تعداد سطرها و ستون در هر BLOCK و اندازه هر سلول مقياس و BLOCK
4- RANGE OF REGION شامل مينيمم و ماکزيمم مختصات X,Y مي باشد.
2-3-10- سازماندهي جدولها براي داده هايTIN مشابهGRID
شامل 4 رکورد است مانندروش بالايي با اين تفاوت کهREGION - INFO شامل اطلاعاتي نظير: ساير X,Y هر بلوک تعداد بلکو ها در هر REGION در جهت X,Yتعداد نقاط در REGION مقياس
در اين ساختار مثلث واحد اصلي است و براي اين ساختار ما نياز به 3 جدول داريم.
1) مختصات نقاط
2) ارتباط هر مثلث با 3 راسش
3) ارتباط بين مثلث و 3 همسايه اش (لبه ها)
3-3-10- سازماندهي جدولها براي دادههاي عوارض اضافي:
در صورت وجود اينگونه عوارض ما نياز به يک جدول اضافي خواهيم داشت: جدول 13-10
براي اندکس گذاري به 4 رکورد نياز داريم:
REGION – ID -1
REGION – TBLE- NAME -2
FEATURE INFO -3
RANGE OF REGION -4
شاملID جدول عوارض و نام جدول و شماره دهي به عوارض مثلاً 1 براي جدول نقطه و 2 براي جدول خط...
4-3-10- سازماندهي جدولها براي METADATA
محتويات و کيفيت و وضعيت داده را توصيف مي کند. و يکي از پايه هاي اساسي براي SHARE کردن داده ها است.
FUNDMENTL FUNCTION OF METADATA :
1) :AVAILABILITY(قابليت استفاده) براي نشان دادن اينکه آيا يک مجموعه داده اي براي منطقه جغرافيايي خاصي وجود دارد
2) FITNESS FOR USE : تخمين اينکه ايا مجموعه داده قابل کاربرد است يا نه
3) ACCESS :تعريف روشهاي به دست آوردن داده ها
4) TRANSFER
در حالت کلي متاديتا شامل موارد زير است:
BASIC INDENTIFIES -1 : اطلاعات اساسي در مورد مجموعه داده ها مثل عنوان حوزه جغرافيايي قابليت بهنگام بودن قوانين دسترسي
QUALITY -2 تخمين کيفيت مجموعه داده ها، شامل دقت مکاني و توصيفي کامل بودن ثابت بودن منابع اطلاعات روشهاي توليد
DATA ORGNIZATION -3: مکانيزم نمايش و بيان اطلاعات مکاني مثل اينکه موقعيت مکاني به صورت مستقيم توسط بردار يا بستر نمايش و بيان مي شود و يا به صورت غير مستقيم توسط آدرس خيابان و کد پستي
SPATIAL REFRENCE -4 : توصيف سيستم مختصات مجموعه داده ها شامل سيستم تصوير و پارامترها و بنچ مارک ها و ارتفاع نقاط مي باشد.
ENTITY & ATTRIBUTE: محتويات مجموعه داده هاست. شامل نوع و صنعت و دامنه است.
ISSUANCE -5 به دست آوردن داده هاست. براي مثال: فرمت و چگونگي به دست آوردن اطلاعات در مورد داده ها و قيمت آنها از طريق
METADATA REFRENCE -6: تشريح اطلاعات در مورد CURRENCY (قابل بهنگام بودن) متاديتا و توليد کنندگان آن جدول 5-10
به علت اينکه فايلهاي متاديتا اسناد توصيفي به همراه متن و داده هاي رقومي است پس به طور کلي RELATION DB براي ان کافي است
دو جدول براي مديريت متاديتا نياز داريم يکي براي انتشار متاديتا به صورت کلي جدول 15-10 و ديگري براي کاربردهاي داخلي در حقيقت ساختار اين دو جدول مثل هم است و فقط FIELD هاي آنها متفاوت اند.
: استانداردهاي متاديتا
1)CSGDM
2)DIF
3)GILS
4)GDDD
5)ISO
4-10- فشرده سازي داده هايDTM:
براي فشرده سازي دو روش وجود دارد:
1- LOSSLESS COMPRESSION در اين نوع فشرده سازي افزونگي را حذف مي کنيم که در اين کار را به کمک CODING انجام مي دهيم بعد از اين مرحله مي توان داده ها را با 100% درستي (اطمينان کامل) بازيابي کرد.
2- LOSSY COMPRESSIONS: از دست دادن اطلاعات يا دقت تا زماني که بعضي از نقاط را تغيير مي دهيم قابل قبول با سه در اين روش ها ما هرگز قادر به بازيابي داده هاي از دست داده نخواهيم بود.
در بدست آوردن اطلاعات از طريقINSAR ,LIDA , که افزونگي خواهيم داشت
ساختار QUDTREE يک روش کارا براي فشرده سازي داده ها است.
در اينجا براي فشرده سازي HUFFMAN ENCODING بحث مي شود.
2-4-10- HUFFMAN CODING
ايده اساسي اين روش بر روي مقاديري است که مکررا اتفاق مي افتند (تکرار زياد) حال اگر براي اين نوع مقادير از کدهاي کوتاهتري استفاده کنيم و براي مقاديري که تکرار در آنها کمتر است از کدهاي طولاني استفاده کنيم: آنگاه مقدار حافظه براي ذخيره سازي به طور قابل توجهي کاهش خواهد يافت.
جدول 17-10 براي ذخيره سازي هر ارتفاع به يک فضاي 8 بيتي نياز داريم. پس براي ذخيره سازي کل جدول نياز به 8*36 يعني 288 بيت خواهيم داشت.
جدول 18-10 نشان مي دهد که عدد 213 بيشترين تکرار را دارد و عدد 216 کمترين تکرار.
در مرحله اول مقادير را به ترتيب تکرار زياد از بالا به پايين قرار مي دهيم که به اين فرايند SOURCE REDUCTIONمي گويند در اين فرايند دو موضوع مهم موجود است: 1) دور تکرار آخر با هم در هر حلقه جمع مي شوند 2) همواره تکرارها از بالا به پايين هستند و نظم آنها به هم نمي خورد
در نهايت که تعداد تکرارها به دو تا رسيد کدهي شروع مي شود در کد هي به بايد 3 موضوع را در نظر بگيريم:
1- کد بايزي است و پس صفر و يک است.
2- کدها در سطوح بالاتر به کدهاي با سطح پايين تر پخش مي شوند
3- کدها از آخر به اول فرايند SOURCE REDUCTION تنظيم مي شود (عددي که بيشتر است کد صفر مي گيرد و عدد کمتر کد يک)
3-4-10- DIFFERENCING FOLLOWED BY CODING
در DTM همواره وابستگي بين ارتفاع هر نقطه و همسايگي هايش وجود دارد بنابراين اختلاف ارتفاعها عددي کوچکتر از خود ارتفاع را به ما خواهد داد پس طبيعي است که ما از اين روش مي توانيم براي کد دهي استفاده کنيم. در اين روش پس از محاسبه اختلاف ها از روش HUFFMAN استفاده مي کنيم.
اين روش را KIDNER & SMITH اختراع کرده اند.
مراحل آن عبارتند از :
1)predict :
براي اين عمل نياز به يک predictor داريم که به صورت three point lenear در نظر گرفته مي شود.
2) difference : orginal prediction
3) encoding : huffman
Z=a-b+c که فرمول کلي آن به صورت z=int(w1a+w2b2+w3c)
با اين روش مي توان DTMهای USGS با مقياس 1/250000 را بر روي يک CD-ROM فشرده کرد.
اين روش در مقايسه با روش 2 بيتي براي ذخيره سازي حافظه در حدود 90% کمتر را اشغال مي‌کند.
5-10- استانداردهاي فرمتDTM:
داده هايDTM فرمت هاي مختلفي را دارند هر نرم افزار براي خود يک سري استانداردهايي را تعريف مي کند بنابراين يک سيستم بايد تعداد زيادي برنامه براي IMPORT/EXPORT نوشته شود. اگر ماN تا فرمت داده داشته باشيم نياز به ترکیب 2 از N برنامه خواهيم داشت.که اين روش ناکار آمدي است.
براي حل اين مشکل يک فرمت NEURAL ايجاد مي کنيم که اين فرمت تمامي نرم افزارها را پشتيباني مي کند.
نظرات شما عزیزان:
