# 6. Rastrová data

 Cíle: Pochopení rastrových dat a jejich využití v GIS. Klíčová slova: Rastr, pixel, DPZ, družice, obraz, georeferencování

## 6.1. Přehled

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 Obr. 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.

## 6.2. Detail rastrových dat

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 Obr. 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.

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.

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

## 6.3. 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.

## 6.4. Zdroje rastrových dat

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 Obr. 6.5. The process of capturing raster data from an aeroplane or satellite is called remote sensing.

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 Obr. 6.5). In these cases, they will often use raster analysis techniques such as interpolation (which we describe in Topic Prostorová analýza (interpolace)).

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.

## 6.5. prostorové rozlišení

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 Obr. 6.6) and then zoom in to a large scale (see Obr. 6.7).

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.

## 6.6. 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.

## 6.7. 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.

## 6.8. 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.

## 6.9. 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.

## 6.10. Obvyklé problémy / věci, kterých si být vědom

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

## 6.11. 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.

## 6.12. 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?

## 6.13. 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!

## 6.14. 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

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

## 6.15. 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.