Важно

Translation is a community effort you can join. This page is currently translated at 89.19%.

6. Растровые данные

	Цель:	Ознакомиться с растровыми данными и их использованием в ГИС.
	Основные понятия:	Растр. пиксел, дистанционное зондирование, спутник, изображение, географическая привязка

6.1. Обзор

In the previous topics we have taken a closer look at vector data. While vector features use geometry (points, polylines and polygons) to represent the real world, raster data takes a different approach. Rasters are made up of a matrix of pixels (also called cells), each containing a value that represents the conditions for the area covered by that cell (see Рис. 6.2). In this topic we are going to take a closer look at raster data, when it is useful and when it makes more sense to use vector data.

Рис. 6.2 Растр состоит из строк (идут слева направо) и столбцов (идут сверху вниз) пикселей (или ячеек). Каждый пиксель соответствует географической области, а его значение отражает некоторую характеристику этой области.

6.2. Подробно о растровых данных

Raster data is used in a GIS application when we want to display information that is continuous across an area and cannot easily be divided into vector features. When we introduced you to vector data we showed you the image in Рис. 6.3. Point, polyline and polygon features work well for representing some features on this landscape, such as trees, roads and building footprints. Other features on a landscape can be more difficult to represent using vector features. For example the grasslands shown have many variations in colour and density of cover. It would be easy enough to make a single polygon around each grassland area, but a lot of the information about the grassland would be lost in the process of simplifying the features to a single polygon. This is because when you give a vector feature attribute values, they apply to the whole feature, so vectors aren’t very good at representing features that are not homogeneous (entirely the same) all over. Another approach you could take is to digitise every small variation of grass colour and cover as a separate polygon. The problem with that approach is that it will take a huge amount of work in order to create a good vector dataset.

Рис. 6.3 Некоторые объекты ландшафта легко представить в виде точек, линий и полигонов (например, деревья, дороги, дома). В других случаях это затруднительно. Например, как представить поля? В виде полигонов? А как тогда быть с различным цветом травы? В случае, если требуется отобразить большие площадные объекты с непрерывно меняющимися значениями, лучше всего использовать растры.

Решением этих проблем является использоваие растровых данных. Многие используют растровые данные в качестве подложки под векторные слои, чтобы улучшить восприятие содержащейся в них информации. Человеческий глаз очень хорошо распознает образы, поэтому использование изображения под векторными данными делает карты более понятными и удобочитаемыми. Растровые данные хорошо подходят не только для изображений реальной поверхности (например, спутниковые изображения или аэрофотосъемка), но и для отображения абстрактной информации. К примеру, растр может использоваться для визуализации тенденции осадкой на протяжении года, или для отображения вероятности пожара. В таких случаях каждая ячейка растра содержит некоторую величину, например вероятность возникновения пожара по десятибальной шкале.

An example that shows the difference between an image obtained from a satellite and one that shows calculated values can be seen in Рис. 6.4.

Рис. 6.4 Полноцветные растры (слева) полезны, так как позволяют увидеть детали, которые трудно отобразить в виде векторных объектов, но легко разобрать на растре. Растры также могут отображать не фотографическую информацию. Например, растровый слой справа показывает среднюю минимальную температуру в Восточно-Капской провинции в марте.

6.3. Географическая привязка

Географическая привязка это процесс определения точного расположения растра на поверхности Земли. Эта информация хранится вместе с самим изображением. Когда ГИС-приложение открывает снимок, информация о привязке используется для того, чтобы снимок отобразился на своем месте. Обычно привязка включает в себя координаты левого верхнего пикселя изображения, размер пикселей изображения по высоте и ширине, а также угле поворота (если он есть). ГИС-приложению достаточно этой информации чтобы обеспечить правильное отображение растровых данных. Часто информация о географической привязке содержится в небольшом текстовом файле, сопровождающем растр.

6.4. Источники растровых данных

Raster data can be obtained in a number of ways. Two of the most common ways are aerial photography and satellite imagery. In aerial photography, an aeroplane flies over an area with a camera mounted underneath it. The photographs are then imported into a computer and georeferenced. Satellite imagery is created when satellites orbiting the earth point special digital cameras towards the earth and then take an image of the area on earth they are passing over. Once the image has been taken it is sent back to earth using radio signals to special receiving stations such as the one shown in Рис. 6.5. The process of capturing raster data from an aeroplane or satellite is called remote sensing.

Рис. 6.5 Центр космических исследований CSIP в Хартебестхуке близ Йоханнесбурга. Специальные антенны отслеживают проходящие над центром спутники и получают с них изображения посредством радиоволн.

In other cases, raster data can be computed. For example an insurance company may take police crime incident reports and create a country wide raster map showing how high the incidence of crime is likely to be in each area. Meteorologists (people who study weather patterns) might generate a province level raster showing average temperature, rainfall and wind direction using data collected from weather stations (see Рис. 6.5). In these cases, they will often use raster analysis techniques such as interpolation (which we describe in Topic Пространственный анализ (интерполяция)).

Иногда растровые данные создаются из векторных данных, т.к. владелец этих данных может захотеть распространять их в удобном для использования формате. К примеру, компания имеющая информацию об автодорогах, железной дороге и кадастровых участках в векторном виде, может создать растровую версию этих наборов, чтобы сотрудники могли просматривать их в веб-браузере. В большинстве случаев такой подход имеет смысл только если атрибуты, необходимые пользователям, могут быть отображены на самой карте в виде подписей или условных знаков. Если пользователю необходимо работать с атрибутами данных, использование растровых форматов не лучший выбор, т.к. растры в подавляющем большинстве случаев не имеют связанных с ними атрибутов.

6.5. Пространственное разрешение

Every raster layer in a GIS has pixels (cells) of a fixed size that determine its spatial resolution. This becomes apparent when you look at an image at a small scale (see Рис. 6.6) and then zoom in to a large scale (see Рис. 6.7).

Рис. 6.6 Спутниковое изображение выглядит хорошо на мелких масштабах…

Рис. 6.7 …но при увеличении можно разглядеть отдельные пиксели, из которых состоит растр.

Пространственное разрешение определяется несколькими факторами. В случае данных дистанционного зондирования, пространственное разрешение обычно определяется возможностями сенсора, использовавшегося для получения изображения. Например, спутники SPOT могут выдавать изображения где каждому пикселю соответствуют участок размером 10 м x 10 м. Другие спутники, например MODIS, формируют изображения с разрешением 500 м на пиксель. При аэрофотосъемке, разрешение в 50 см. не такая уж и редкость. Изображения, у которых пикселям соответствует маленькие участки поверхности, называются снимками высокого разрешения, т.к. на них можно разглядеть больше деталей. Изображения, у которых пикселям соответствует большие участки поверхности называются снимками низкого разрешения, т.к. количество деталей на них весьма мало.

В случае растровых данных, полученных при помощи простарнственного анализа (как в упомянутой выше карте осадков), пространственное разрешение снимка определяется плотностью исходной информации. Так, если требуется создать карту осадков высокого разрешения, необходимо получить данные с большого числа близкорасположенных погодных станций.

При использовании данных высокого разрешения необходимо учитывать требования к дисковому пространству. Представьте себе растр размером 3 x 3 пикселя, каждый из которых содержит число, отражающее уровень осадков. Для хранения этой информации нам необходимо сохранить в памяти компьютера 9 чисел. Теперь представьте, что вам нужен растр на территорию Южной Африки с разрешением 1 км на пиксель. Площадь Южной Африки примерно 1,219,090 km ². Это значит, что ваш компьютер должен сохранить более миллиона чисел на диске. Уменьшение размеров пикселя значительно увеличивает потребность в дисковом пространстве.

Изображения с низким разрешением могут быть полезны когда требуется работать с большими территориями и нет необходимости рассматривать какую-либо область в подробностях. Хорошим примером является карта облачности — полезно увидеть распределение облаков по стране. А изучение одного облака при большом увеличении никак не поможет в прогнозировании погоды!

С другой стороны, использование низкодетальных растров может быть неоправданным, если вас интересует относительно небольшая область, т.к. в этом случае вы скорее всего не сможете рассмотреть отдельные объекты.

6.6. Спектральное разрешение

Когда вы делаете снимок цифровой фотокамерой или камерой мобильного телефона, камера использует специальный сенсор для выделения красного, зеленого и синего цветов. При печати или выводе на экран, красная, зеленая и синяя (RGB) составляющие объединяются и вы видите изображение. Пока информация остаётся в цифровой форме, эти три составляющие хранятся в отдельных каналах.

Хотя наш глаз может воспринимать только волны, с длиной соответвтвующей цветам RGB, электронные сенсоры камер способны улавливать излучения, невидимые глазу. Разумеется, обычной фотокамере нет необходимости сохранять информацию о невидимой части спектра, так как большинство людей просто хочет смотреть на фотографии своей собаки или что там у вас снято. Растровые изображения, содержащие данные о невидимой части спектра называются мультиспектральными изображениями. В ГИС использование невидимой части спектра находит широкое применение, например, использование инфракрасной части спектра полезно при идентификации водных объектов.

Так как растры с несколькими каналами широко применяются в ГИС, растровые данные оченьчасто поставляются в виде многоканальных изображений. Каждый канал являтеся отдельным слоем. ГИС объединяет любые три канала и интерпретирует их как красный, зеленый и синий, так что человеческий глаз может их воспринимать. Число каналов растра также называют спектральным разрешением.

Если изображение состоит только из одного канала, говорят, что это изображение в оттенках серого. Такие растры можно «раскрашивать», чтобы подчеркнуть различия в значениях пикселей. Раскрашенные изображения обычно называют псевдоцветными.

6.7. Преобразование растра в вектор

Когда мы рассматривали векторные данные, было сказано, что растровые данные часто используются в качестве подложки, по которой затем выполняется оцифровка векторных объектов.

Другим подходом является использование специализированных компьютерных программ для автоматического распознавания объектов. Некоторые объекты на изображении, например дороги, характеризуются резким изменением цвета соседних пикселей. Программа анализирует такие изменения и в результате создаёт векторные объекты. Такой функционал, как правило, доступен в специализированных (и зачастую дорогих) ГИС-приложениях.

6.8. Преобразование вектора в растр

Иногда бывает полезно преобразовать векторные данные в растр. Побочным эффектом такого действия будет потеря атрибутивной информации, связанной с исходными векторными данными. Преобразование векторных данных в растр может быть полезным в случае, когда необходимо предоставить ГИС-данные пользователю не имеющему ГИС. При использовании обычных растровых форматов, человек получивший изображение, сможет легко просмотреть его на своем компьютере без необходимости устанавливать специальное ПО ГИС.

6.9. Анализ растров

Существует множество видов анализа, которые используют растровые данные и и не могут работать с векторными. К примеру, растры могут использоваться при моделировании потока воды по земле. А затем эта информация будет использована при построении водосборных бассейнов и сети потоков.

Растровые данные широко применяются в сельском и лесном хозяйтсве для управления растениеводством. Например, спутниковое изображение полей фермера поможет идентифицировать области с бедной растительностью с тем чтобы потом удобрять их интенсивнее. Лесники используют растровые данные для прогнозирования числа древисины, которую можно собрать на участке.

Растровые данные также очень важны при борьбе со стихийными бедствиями. Анализ цифровой модели рельефа (разновидности растров. где каждый пиксель содержит высоту над уровнем моря) может использоваться для поиска районов, которые могут быть затоплены. Это может потребоваться для выполнения целевый операций спасения или при оказании помощи наиболее пострадавшим районам.

6.10. Частые ошибки / о чем стоит помнить

Как мы уже горорили, высокодетальные снимки требуют больше дискового пространства.

6.11. Что мы узнали?

Подведём итоги:

• Растровые данные это сетка пикселей одинакового размера.

• Растры хорошо подходят для отображения непрерывных величин.

• Размер пикселя определяет пространственное разрешение растра.

• Растры могут состоять из нескольких каналов, охватывающих одну и ту же область, но содержащих разную информацию.

• Если растр содержит каналы, соответствующие различным диапазонам спектра, он называется мультиспектральным.

• Три канала мультиспектрального изображения могут интерпретерироваться как красный, зеленый и синий канал.

• Одноканальные изображения называются изображением в оттенках серого.

• ГИС может отображать однокальные изображения в оттенках серого как псевдоцветные.

• Растры могут занимать много места на диске.

6.12. Попробуйте сами!

Вот некоторые идеи для заданий:

• Обсудите с учащимися в каких ситуациях вы будете использовать растровые данные, а когда векторные.

• Попросите учеников создать растровую карту школы, используя листы прозрачной пленки формата А4 с нанесенной на них сеткой. Наложите прозрачную пленку на топографическую карту или распечатанный аэрофотоснимок школы. Затем пусть каждый ученик или группа учеников закрасит своим цветом ячейки, соответствующие определенному виду объектов, например, здания, игровые площадки, спортивные поля, деревья, тропинки и т.д. Когда все будет сделано, совместите все листы и посмотрите на получившуюся карту школы. Какие объекты лучше всего отобразились на растре? Как повлиял размер ячеек на возможность представления различных типов объектов?

6.13. Стоит учесть

Если у вас нет компьютера, можно продемонстрировать растровые данные при помощи ручки и бумаги. Нарисуйте сетку квадратов на листе бумаги, чтобы представить футбольное поле. Заполните ячейки сетки числами, показывающими состояние травы на поле. Если участок лишен растительности, поставьте 0. Если частично покрыт травой — задайте значение 1. Для полностью покрытых участков используйте значение 2. Теперь карандашами закрасьте ячейки, опираясь на их значения. Ячейки со значением два сделайте темно-зелеными, со значением 1 — более светлыми, а со значением 0 — закрасьте коричневым. Когда вы закончите, у школы будет растровая карта футбольного поля!

6.14. Дополнительная литература

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

Website: https://en.wikipedia.org/wiki/GIS_file_formats#Raster

Работа с растровыми данными в QGIS подробно описана в Руководстве пользователя QGIS.

6.15. Что дальше?

В следующем разделе мы разберемся с топологией и посмотрим как взаимоотношения между векторными объектами могут использоваться для получения высококачественных данных.