Outdated version of the documentation. Find the latest one here.

Rastrová data

gentleLogo

Cíle:

Pochopení rastrových dat a jejich využití v GIS.

Klíčová slova:

Rastr, pixel, DPZ, družice, obraz, georeferencování

Přehled

V předchozích tématech jsme měli bližší pohled na vektorová data. Zatímco vektorové funkce používají geometrii (body, křivky a polygony) ke znázornění skutečného světa, rastrová data využívají opačný přístup. Rastry se skládají z matice bodů (nazývané také jako buňky), z nichž každá obsahuje hodnotu, která představuje podmínky pro oblast působnosti uvedeného článku (viz. figure_raster). V tomto tématu si rozšíříme pohled na rastrová data, jejich využitelnost a smysl použití oproti vektorovým datům.

../../_images/raster_dataset.png

Rastrová datová sada je složena z řádků (vodorovně), sloupců (horizontálně) a z pixelů (známé jako buňky). Každý pixel představuje geografickou oblast a hodnota v tomto pixelu představuje určitou charakteristiku této oblasti.

Detail rastrových dat

Rastrová data se využívají v GIS aplikacích, když chceme zobrazit informace, které jsou po celé ploše spojité a nemohou být snadno rozděleny do vektorových prvků. Když jsme vám představovali vektorová data, ukazovali jsme vám obrázek ve figure_landscape. Bodové, liniové a polygonové prvky výborně reprezentují některé prvky na této krajině, jako jsou stromy, silnice a stopy budov. Ostatní prvky na této krajině se hůře reprezentují použitím vektorových prvků. Například zobrazení travnatých ploch může mít mnoho variant v barvě nebo hustotě překryvu. Bylo by velmi snadné udělat jednoduchý polygon kolem každé travnaté plochy, ale mnoho informací o travnatých plochách by se ztratilo při procesu zjednodušování prvků do jednoho polygonu. Důvodem je, že když dáte vektorovým prvkům atributové hodnoty, které jsou vztaženy k celému prvku, tak vektory moc dobře nereprezentují prvky, které nejsou celé homogenní (úplně stejné). Jiný způsob, který můžete udělat, je digitalizace každé malé změny barvy zeleně a překrýt ji jako oddělenný polygon. Problém tohoto způsobu je to, že zabere velké množství práce ve vytvoření kvalitní vektorové datové sady.

../../_images/landscape.jpg

Některé prvky krajiny jsou snadno reprezentovatelné jako body, linie a polygony (např. stromy, silnice, domy). V ostatních případech to může být složitější. Například, jak byste reprezentovali travnaté plochy? Jako polygony? Co třeba jako variace barev, které můžete vidět v trávě? Když se snažíte reprezentovat velké plochy s plynule se měnícími hodnotami, rastrová data mohou být lepší volbou.

Použití rastrových dat je řešením těchto problémů. Mnoho lidí používá rastrová data jako pozadí k použití za vektorové vrstvy s cílem poskytnout větší význam informací o vektoru. Lidské oko je velmi dobré při interpretaci obrázků a také k použití obrázku za vektorové vrstvy, v mapách vede k mnohem většímu významu. Rastrová data jsou nejen dobrá pro obrazy, které popisují povrch skutečného světa (např. satelitní snímky a letecké snímky), jsou také dobrá pro představu více abstraktních nápadů. Například rastry mohou být použity k ukázce srážkových trendů v nějaké oblasti nebo ke zobrazení rizika požárů v krajině. U těchto typů aplikací, každá buňka v rastru představuje jinou hodnotu např. riziko požáru na stupnici od jedné do deseti.

Jeden příklad, který ukazuje rozdíl mezi obrazem získaným ze satelitu a jeden, který ukazuje vypočtené hodnoty lze vidět ve figure_raster_types.

../../_images/raster_types.png

True colour rastrové obrázky (vlevo) jsou užitečné, protože poskytují mnoho detailů, které je těžké zachytit jako vektorové prvky, ale snadné vidět při pohledu na rastrový obraz. Rastrová data mohou být také ne-fotografická data, například rastrová vrstvá zobrazená na pravé straně, která ukazuje průměrnou vypočtenou minimální teplotu ve Western Cape pro měsíc březen.

Georeferencování

Georeferencování je proces, který přesně definuje, kde na Zemi byl vytvořen obraz nebo rastrová datová sada. Tato informace o pozici je uložena v digitální podobě leteckého snímku. Když je fotografie otevřena GIS aplikací, používá informace o pozici k tomu, aby se fotografie zobrazila na správné místo na mapě. Obvykle se informace o pozici skládá ze souřadnic pro horní levý pixel obrazu, velikosti každého pixelu ve směru osy X, velikosti každého pixelu ve směru osy Y a množství (pokud nějaké existuje), jakým je obraz otáčen. S těmito málo informacemi dokáže GIS aplikace zajistit, že rastrová data jsou zobrazena na správném místě. Georeferenční informace o rastru jsou často poskytovány v malém textovém souboru, přiloženém k rastru.

Zdroje rastrových dat

Rastrová data mohou být získána několika způsoby. Dva z nejčastějších způsobů, jsou letecké snímkování a satelitní snímky. V leteckém snímkování, letadlo letí nad oblastí s kamerou namontovanou pod ním. Fotografie jsou pak importovány do počítače a georeferencovány. Satelitní snímky se vytvoří, když družice obíhající kolem Země směřují speciálními digitálními fotoaparáty k Zemi a poté pořizují snímky oblastí na Zemi. Jakmile je vytvořen obraz, tak je odeslán zpět na Zemi pomocí rádiových signálů do speciálních přijímacích stanic, které jsou znázorněny na figure_csir_station. Proces zachycení rastrových dat z letadla nebo družice se nazývá dálkový průzkum Země.

../../_images/csir_station.jpg

CSIR Satellite Applications Center v Hartebeeshoeku, poblíž Johannesburgu. Speciální anténové dráhy družic, jak se zmítají kolem a stažené obrázky pomocí rádiových vln.

V ostatních případech, rastrová data lze vypočítat. Například pojišťovna může použít policejní zprávy o zločinech a vytvořit celostátní rastrovou mapu ukazující, jak vysoká je pravděpodobnost výskytu trestné činnosti v dané oblasti. Meteorologové (lidé, kteří studují charakter počasí) mohou generovat rastr na úrovni provincie ukazující průměrné teploty, srážky a směr větru s použitím údajů shromážděných z meteorologických stanic (viz. figure_csir_station). V těchto případech se často používají techniky rastrové analýzy, jako je interpolace (což popíšeme v tématu: ref: spatial_analysys).

Někdy jsou rastrová data vytvářena z vektorových dat, protože vlastníci dat chtějí data sdílet ve snadno použitelném formátu. Například společnost se silničními, železničními, katastrálními a jinými vektorovými datovými sadami mohou vybrat generování rastrové verze těchto datových sad, tak že zaměstnanci mohou tyto datové soubory zobrazit ve webovém prohlížeči. To je obvykle užitečné jen tehdy, pokud atributy, které uživatelé potřebují mít na paměti, mohou být na mapě reprezentovány popisky nebo symboly. V případě, že se uživatel potřebuje podívat do atributové tabulky na data, poskytovaná v rastrovém formátu, by mohlo být špatnou volbou, protože rastrové vrstvy obvykle nemají žádná atributová data s nimi spojená.

prostorové rozlišení

Každá rastrová vrstva v GIS má pixely (buňky) o pevné velikosti, které určují její prostorové rozlišení. Tento parametr se stane patrným při pohledu na obraz v malém měřítku (viz. figure_raster_small_scale) a poté přiblížený ve velkém měřítku (viz. figure_raster_large_scale).

../../_images/raster_small_scale.png

Tento satelitní snímek vypadá dobře při použití v malém měřítku...

../../_images/raster_large_scale.png

...ale při pohledu ve velkém měřítku můžete vidět jednotlivé pixely, ze kterých je obraz složen.

Několik faktorů určuje prostorové rozlišení obrazu. U dat dálkového průzkumu Země, prostorové rozlišení je obvykle stanoveno schopností snímače použitého k pořízení snímku. Například SPOT5 satelity mohou pořizovat snímky, kde každý pixel je 10 m x 10 m. Ostatní satelity, například MODIS pořízují několik snímků pouze na 500 m x 500 m na pixel. V leteckém snímkování nejsou velikosti pixelu 50 cm x 50 cm neobvyklé. Snímky s velikostí pixelu pokrývající malou plochu se nazývají “**obrazy s vysokým rozlišením **”, protože je možné rozeznat velkou míru detailů v obraze. Snímky s velikostí pixelu pokrývající velkou plochu se nazývají “**obrazy s nízkým rozlišením **” , protože množství detailů, jak ukazují obrázky, je nízká.

V rastrových datech, které se vypočtou podle prostorové analýzy (jako jsou mapy srážek, které jsme se zmínili dříve), prostorová hustota informací sloužící k vytvoření rastru obvykle určuje prostorové rozlišení. Například pokud chcete vytvořit s vysokým rozlišením mapu průměrných srážek, budete v ideálním případě potřebovat mnoho meteorologických stanic v těsné blízkosti u sebe.

Jednou z hlavních věcí, kterou mít na paměti ohledně rastrů pořízených s vysokým prostorovým rozlišením jsou požadavky na skladování. Představte si rastr, který je 3 x 3 pixely, z nichž každý obsahuje číslo představující průměrné srážky. Chcete-li uložit všechny informace obsažené v rastru, budete muset uložit až 9 čísel v paměti počítače. Teď si představte, že chcete mít rastrovou vrstvu pro celé Jižní Africe s pixely 1 km x 1 km. Jihoafrická republika se pohybuje kolem 1.219.090 km: sup: 2. Což znamená, že váš počítač bude muset uložit více než milion čísel na svém pevném disku, aby udržel všechny informace. Zmenšení velikosti pixelu by výrazně zvýšilo množství potřebného úložného prostoru.

Někdy použitím nízkého prostorového rozlišení je užitečnější, když chcete pracovat s velkou plochou a nemáte zájem zkoumat každou oblast do detailu. Mapy mraků, které vidíte ve zprávách o počasí, jsou toho příkladem — je užitečné vidět mraky v celé zemi. Přiblížování na jednom konkrétním mraku ve vysokém rozlišení vám neřekne tolik o nadcházejícím počasí!

Na druhou stranu, použití nízkého rozlišení rastrových dat může býz problematické, pokud vás zajímají malé oblasti, protože pravděpodobně nebudete schopni rozeznat žádné individuální rysy z obrazu.

spektrální rozlišení

Pokud pořídíte barevnou fotografii digitálním fotoaparátem nebo fotoaparátem v mobilu, fotoaparát využívá elektronické senzory pro detekci červeného, zeleného a modrého světla. Když se obraz zobrazí na obrazovce nebo vytiskne, červená, zelená a modrá (RGB) informace se zkombinují tak, aby zobrazoval obraz, který si vaše oči mohou vyložit. Přičemž tato informace je stále v digitálním formátu, ačkoli je tato informace RGB uložena v samostatných barevných pásmech.

Zatímco naše oči vidí jen RGB vlnové délky, elektronické senzory fotoaparátů jsou schopné detekovat vlnové délky, které naše oči nemohou. Samozřejmě, že fotoaparátem drženým v ruce pravděpodobně nemá smysl zaznamenávat informace z neviditelných částí spektra od té doby, kdy se lidé chtějí pouze podívat na fotky jejich psa nebo čehokoli jiného. Rastrové obrázky, které obsahují data pro neviditelné části světelného spektra jsou často označovány jako multi-spektrální obrazy. V GIS může být záznamenávání neviditelných částí spektra velmi užitečné. Například měření infra-červeného světla, může být užitečné při identifikaci vodních útvarů.

Vzhledem k tomu, že obrazy, které obsahují více světelných pásem jsou tak užitečné v GIS, rastrová data jsou často poskytována jako vícepásmové obrazy. Každý pás na obrázku je jako samostatná vrstva. GIS bude kombinovat tři z těchto pásem a zobrazí je v červené, zelené a modré barvě tak, že je lidské oko může vidět. Počet pásem v rastrovém obrazu se označuje jako spektrální rozlišení.

Pokud se obrázek skládá pouze z jednoho pásma, tak je často nazýván jako obrázek ve stupních šedi. S obrazy ve stupních šedi, můžete použít falešné zbarvení, aby rozdíly v hodnotách pixelů byly více zřejmé. Snímky s aplikovaným falešným zbarvením jsou často označovány jako pseudobarevné obrazy.

Přeměna rastru na vektor

V naši diskusi o vektorových datech, jsme vysvětlili, že se rastrová data často používají jako pozadí vrstvy, která se dále používá jako základ, ze kterého mohou být vektorové prvky digitalizovány.

Další možností je používat pokročilé počítačové programy k automatickému extrahování vektorových prvků ze snímků. Některé prvky, jako jsou silnice se v obraze zobrazí jako náhlá změna barvy od sousedních pixelů. Počítačový program vyhledá takové změny barvy a vytvoří vektor prvků jako výsledek. Tento druh funkce je obvykle k dispozici pouze ve velmi specializovaném (a často drahém) GIS softwaru.

Přeměna vektoru na rastr

Někdy je užitečné převádět vektorová data na rastrová data. Jeden vedlejší účinek toho je, že atributová data (tj. atributy spojené s původními vektorovými daty), budou ztracena, při probíhající konverzi. Mít vektory převedené do rastrového formátu může být užitečné, pokud chcete dát GIS data uživatelům, kteří nepoužívají GIS. U jednodušších rastrových formátů, osoba které dáte rastrový obrázek, ho může jednoduše zobrazit jako obrázek na svém počítači bez nutnosti žádného speciálního GIS softwaru.

Rastrová analýza

Existuje velké množství analytických nástrojů, které lze spustit na rastrových datech, které nelze použít s vektorovými daty. Například rastry mohou být použity pro modelování proudu vody nad zemským povrchem. Tyto informace mohou být použity pro výpočet, kde existují povodí a sítě toků, založené na terénu.

Rastrová data se také často používají v zemědělství a lesnictví pro správu rostlinné výroby. Například se satelitním snímkem pozemků farmáře můžete určit oblasti, kde rostliny rostou špatně a pak tyto informace použít pro aplikaci většího množství hnojiv pouze na postižených oblastech. Lesníci používají rastrová datá k odhadu, kolik dřeva může být sklizeno z dané oblasti.

Rastrová data jsou také důležitá pro řízení katastrof. Analýza digitálních modelů nadmořské výšky (druh rastru, kde každý pixel obsahuje výšku nad mořem), může být použita pro identifikaci oblastí, které by mohly být zaplaveny. To pak může být cíleně použito k záchrannému a pomocnému úsilí do oblastí, kde je to nejvíce potřeba.

Obvyklé problémy / věci, kterých si být vědom

Jak jsme se již zmínili, rastrová data s vysokým rozlišením mohou vyžadovat velké množství úložného prostoru počítače.

Co jsme se naučili?

Pojďme si shrnout, co jsme se naučili v tomto prostředí:

  • Rastrová data jsou mřížkou nepravidelně velkých pixelů.

  • Rastrová data jsou dobré pro zobrazování stále se měnících údajů.

  • Velikost pixelů v rastru určuje jeho prostorové rozlišení.

  • Rastrové obrázky mohou obsahovat jedno nebo více pásem, z nichž každé zahrnuje stejnou prostorovou oblast, ale obsahuje různé informace.

  • Když rastrová data obsahují pásma z různých částí elektromagnetického spektra, nazývají se multispektrální obrazy.

  • Tři z těchto pásem multispektrálního obrazu lze zobrazit v barvách červené, zelené a modré tak, abychom je mohli vidět.

  • Obrazy s jediným pásmem se nazývají obrazy ve stupních šedi.

  • Jediné pásmo, obrazy ve stupních šedi mohou být zobrazeny v pseudobarvách pomocí GIS.

  • Rastrové obrazy mohou zabírat velké množství úložného prostoru.

Nyní si to zkuste sami!

Zde jsou pro Vás nějaké nápady, jak si to zkusit se svými učni:

  • Diskutujte se svými studenty, v jakých situacích byste použili rastrová data a v jakých byste použili vektorová data.

  • Zadejte svým studentům vytvoření rastrové mapy vaší školy s použitím průhledných fólií ve formátu A4 s mřížkovanými čarami na nich. Překryjte fólií letecký snímek vaší školy. Nyní nechte každého studenta nebo skupinu studentů vybarvit buňky, které představují určitý druh prvku např. budova, dětské hřiště, sportovní hřiště, stromy, chodníky atd. Až budou všichni hotoví, překryjte všechny fólie dohromady a uvidíte, jestli to vytváří dobrou rastrovou mapu představující vaši školu. Které typy prvků fungovaly dobře, když byly reprezentovány jako rastry? Jak vaše volba velikosti buněk ovlivňuje schopnost reprezentovat různé typy prvků?

Něco k zamyšlení

Pokud nemáte k dispozici počítač, můžete porozumět rastrovým datům pomocí tužky a papíru. Nakreslete mřížku čtverců na jeden list papíru představující vaše fotbalové hřiště. Vyplňte mřížku čísly, která představují hodnoty pro travní porost na fotbalovém hřišti. Je-li pole holé přiřaďte buňce hodnotu 0. V případě, že pole je zároveň holé i pokryté, dejte mu hodnotu 1. Je-li oblast zcela pokryta trávou, dejte ji hodnotu 2. Nyní použijte pastelky k vybarvení buňek na základě jejich hodnot. Vybarvěte buňky s hodnotou 2 tmavě zelenou barvou. Hodnota 1 by měla být vybarvena světle zeleně, a hodnota 0 vybarvena hnědě. Po dokončení, byste měli mít rastrovou mapu vašeho fotbalového hřiště!

Další k přečtení

Kniha:

  • Chang, Kang-Tsung (2006). Úvod do geografických informačních systémů. 3. edice. McGraw Hill. ISBN: 0070658986

  • DeMers, Michael N. (2005). Základy geografických informačních systémů. 3. edice. Wiley. ISBN: 9814126195

Website: http://en.wikipedia.org/wiki/GIS#Raster

Uživatelský manuál QGIS má také více detailních informací o práci s rastrovými daty v QGIS.

Kam dál?

V části, která následuje se blíže podíváme na topologii abychom viděli, jak vztah mezi vektorovými prvky, může být použit k zajištění nejlepší kvality dat.