Viktigt

Översättning är en gemenskapsinsats du kan gå med i. Den här sidan är för närvarande översatt till 100.00%.

6. Rasterdata

	Mål:	Förstå vad rasterdata är och hur det kan användas i ett GIS.
	Nyckelord:	Raster, pixel, fjärranalys, satellit, bild, georeferens

6.1. Översikt

I de tidigare avsnitten har vi tittat närmare på vektordata. Medan vektorfunktioner använder geometri (punkter, polylinjer och polygoner) för att representera den verkliga världen, har rasterdata ett annat tillvägagångssätt. Raster består av en matris med pixlar (även kallade celler), som var och en innehåller ett värde som representerar förhållandena för det område som täcks av den cellen (se Fig. 6.7). I det här avsnittet ska vi titta närmare på rasterdata, när det är användbart och när det är mer meningsfullt att använda vektordata.

Fig. 6.7 En rasterdatauppsättning består av rader (som löper tvärs över) och kolumner (som löper nedåt) med pixlar (även kallade celler). Varje pixel representerar en geografisk region och värdet i den pixeln representerar någon egenskap hos den regionen.

6.2. Rasterdata i detalj

Rasterdata används i en GIS-applikation när vi vill visa information som är kontinuerlig över ett område och inte lätt kan delas in i vektorfunktioner. När vi introducerade dig till vektordata visade vi dig bilden i Fig. 6.8. Punkt-, polylinje- och polygonfunktioner fungerar bra för att representera vissa funktioner i det här landskapet, t.ex. träd, vägar och byggnadsavtryck. Andra funktioner i ett landskap kan vara svårare att representera med hjälp av vektorfunktioner. De gräsmarker som visas har till exempel många variationer i färg och täckningsgrad. Det skulle vara enkelt att skapa en enda polygon runt varje gräsmark, men mycket av informationen om gräsmarken skulle gå förlorad i processen med att förenkla funktionerna till en enda polygon. Det beror på att när du ger en vektor attributvärden gäller de för hela funktionen, så vektorer är inte särskilt bra på att representera funktioner som inte är homogena (helt likadana) överallt. En annan metod är att digitalisera varje liten variation av gräsets färg och täckning som en separat polygon. Problemet med det tillvägagångssättet är att det kommer att krävas enormt mycket arbete för att skapa en bra vektordatauppsättning.

Fig. 6.8 Vissa element i ett landskap är lätta att representera som punkter, polylinjer och polygoner (t.ex. träd, vägar och hus). I andra fall kan det vara svårt. Hur skulle du till exempel representera gräsmarkerna? Som polygoner? Hur är det med de färgvariationer som man kan se i gräset? När du försöker representera stora områden med värden som ständigt förändras kan rasterdata vara ett bättre val.

Att använda rasterdata är en lösning på dessa problem. Många använder rasterdata som en backdrop som används bakom vektorlager för att ge vektorinformationen mer mening. Det mänskliga ögat är mycket bra på att tolka bilder och att använda en bild bakom vektorlager resulterar därför i kartor med mycket mer mening. Rasterdata är inte bara bra för bilder som avbildar den verkliga ytan (t.ex. satellitbilder och flygfoton), de är också bra för att representera mer abstrakta idéer. Rasterdata kan t.ex. användas för att visa nederbördstrender över ett område eller för att beskriva brandrisken i ett landskap. I den här typen av tillämpningar representerar varje cell i rastret ett annat värde, t.ex. brandrisk på en skala från ett till tio.

Ett exempel som visar skillnaden mellan en bild som erhållits från en satellit och en som visar beräknade värden kan ses i Fig. 6.9.

Fig. 6.9 Rasterbilder i äkta färg (till vänster) är användbara eftersom de innehåller många detaljer som är svåra att fånga som vektorfunktioner men som är lätta att se när man tittar på rasterbilden. Rasterdata kan också vara icke-fotografiska data, t.ex. rasterlagret till höger som visar den beräknade genomsnittliga minimitemperaturen i Västra Kapprovinsen för mars månad.

6.3. Georeferenser

Georeferering är processen för att definiera exakt var på jordens yta en bild eller rasterdatauppsättning skapades. Denna positionsinformation lagras med den digitala versionen av flygfotot. När GIS-programmet öppnar fotot används positionsinformationen för att säkerställa att fotot visas på rätt plats på kartan. Normalt består denna positionsinformation av en koordinat för bildens översta vänstra pixel, storleken på varje pixel i X-riktningen, storleken på varje pixel i Y-riktningen och den eventuella rotationen av bilden. Med hjälp av dessa få uppgifter kan GIS-programmet se till att rasterdata visas på rätt plats. Georeferensinformationen för en rasterbild finns ofta i en liten textfil som medföljer rasterbilden.

6.4. Källor till rasterdata

Rasterdata kan erhållas på ett antal olika sätt. Två av de vanligaste sätten är flygfotografering och satellitbilder. Vid flygfotografering flyger ett flygplan över ett område med en kamera monterad undertill. Fotografierna importeras sedan till en dator och georefereras. Satellitbilder skapas genom att satelliter i omloppsbana runt jorden riktar speciella digitalkameror mot jorden och tar en bild av det område på jorden som de passerar över. När bilden har tagits skickas den tillbaka till jorden med hjälp av radiosignaler till speciella mottagningsstationer som den som visas i Fig. 6.10. Processen att fånga rasterdata från ett flygplan eller en satellit kallas remote sensing.

Fig. 6.10 CSIR:s center för satellittillämpningar i Hartebeeshoek nära Johannesburg. Särskilda antenner följer satelliterna när de passerar och laddar ner bilder med hjälp av radiovågor.

I andra fall kan rasterdata beräknas. Ett försäkringsbolag kan t.ex. ta polisens brottsrapporter och skapa en landsomfattande rasterkarta som visar hur hög brottsfrekvensen sannolikt är i varje område. Meteorologer (personer som studerar vädermönster) kan skapa ett raster på provinsnivå som visar medeltemperatur, nederbörd och vindriktning med hjälp av data som samlats in från väderstationer (se Fig. 6.10). I dessa fall kommer de ofta att använda rasteranalystekniker som interpolering (som vi beskriver i ämne Spatial analys (interpolation)).

Ibland skapas rasterdata från vektordata eftersom dataägarna vill dela data i ett format som är lätt att använda. Ett företag med väg-, järnvägs-, fastighets- och andra vektordataset kan till exempel välja att skapa en rasterversion av dessa dataset så att de anställda kan visa dem i en webbläsare. Detta är normalt bara användbart om de attribut som användarna behöver känna till kan representeras på kartan med etiketter eller symbologi. Om användaren behöver titta på attributtabellen för data kan det vara ett dåligt val att tillhandahålla den i rasterformat eftersom rasterlager vanligtvis inte har några attributdata associerade med dem.

6.5. Spatial upplösning

Varje rasterlager i ett GIS har pixlar (celler) med en fast storlek som bestämmer dess spatiala upplösning. Detta blir tydligt när du tittar på en bild i liten skala (se Fig. 6.11) och sedan zoomar in till en stor skala (se Fig. 6.12).

Fig. 6.11 Den här satellitbilden ser bra ut när man använder en liten skala…

Fig. 6.12 …men när man tittar på den i stor skala kan man se de enskilda pixlarna som bilden består av.

Flera faktorer avgör den spatiala upplösningen hos en bild. För fjärranalysdata bestäms den spatiala upplösningen vanligtvis av kapaciteten hos den sensor som används för att ta en bild. SPOT5-satelliter kan t.ex. ta bilder där varje pixel är 10 m x 10 m. Andra satelliter, t.ex. MODIS, tar endast bilder på 500 m x 500 m per pixel. Vid flygfotografering är pixelstorlekar på 50 cm x 50 cm inte ovanliga. Bilder med en pixelstorlek som täcker ett litet område kallas ”högupplösta” bilder eftersom det är möjligt att urskilja en hög grad av detaljer i bilden. Bilder med en pixelstorlek som täcker ett stort område kallas ”lågupplösta” bilder eftersom detaljrikedomen i bilderna är låg.

I rasterdata som beräknas genom spatial analys (t.ex. nederbördskartan som vi nämnde tidigare) bestämmer den spatiala tätheten för den information som används för att skapa rastret vanligtvis den spatiala upplösningen. Om du till exempel vill skapa en högupplöst karta över genomsnittlig nederbörd behöver du helst många väderstationer i närheten av varandra.

En av de viktigaste sakerna att tänka på när det gäller raster med hög spatial upplösning är lagringskraven. Tänk på ett raster som är 3 x 3 pixlar, där var och en innehåller ett tal som representerar genomsnittlig nederbörd. För att lagra all information som finns i rastret måste du lagra 9 siffror i datorns minne. Tänk dig nu att du vill ha ett rasterlager för hela Sydafrika med pixlar på 1 km x 1 km. Sydafrika är cirka 1.219.090 km ². Det innebär att din dator skulle behöva lagra över en miljon siffror på hårddisken för att få plats med all information. Att göra pixelstorleken mindre skulle kraftigt öka mängden lagringsutrymme som behövs.

Ibland är det bra att använda en låg spatial upplösning när du vill arbeta med ett stort område och inte är intresserad av att titta på ett område i detalj. Molnkartorna som du ser på väderleksrapporten är ett exempel på detta — det är användbart att se molnen över hela landet. Att zooma in på ett visst moln i hög upplösning säger inte särskilt mycket om det kommande vädret!

Å andra sidan kan det vara problematiskt att använda rasterdata med låg upplösning om du är intresserad av en liten region eftersom du förmodligen inte kommer att kunna urskilja några enskilda funktioner från bilden.

6.6. Spektral upplösning

Om du tar ett färgfoto med en digitalkamera eller en kamera i en mobiltelefon använder kameran elektroniska sensorer för att detektera rött, grönt och blått ljus. När bilden visas på en skärm eller skrivs ut kombineras den röda, gröna och blå (RGB) informationen för att visa en bild som dina ögon kan tolka. Medan informationen fortfarande är i digitalt format lagras dock denna RGB-information i separata färg**band**.

Våra ögon kan bara se RGB-våglängder, men de elektroniska sensorerna i kameror kan upptäcka våglängder som våra ögon inte kan se. I en handhållen kamera är det naturligtvis inte meningsfullt att registrera information från de icke-synliga delarna av spektrumet eftersom de flesta människor bara vill titta på bilder av sin hund eller vad det nu kan vara. Rasterbilder som innehåller data för icke-synliga delar av ljusspektrumet kallas ofta multispektrala bilder. I GIS kan det vara mycket användbart att registrera de icke-synliga delarna av spektrumet. Mätning av infrarött ljus kan till exempel vara användbart för att identifiera vattensamlingar.

Eftersom bilder som innehåller flera ljusband är så användbara i GIS tillhandahålls rasterdata ofta som multibandbilder. Varje band i bilden är som ett separat lager. GIS kombinerar tre av banden och visar dem som rött, grönt och blått så att det mänskliga ögat kan se dem. Antalet band i en rasterbild kallas för dess spektrala upplösning.

Om en bild bara består av ett band kallas den ofta för en gråskalebild. I gråskalebilder kan man använda falsk färgläggning för att göra skillnaderna i pixlarnas värden tydligare. Bilder med falsk färg kallas ofta för pseudofärgbilder.

6.7. Konvertering av raster till vektor

I vår diskussion om vektordata förklarade vi att rasterdata ofta används som ett bakgrundslager, som sedan används som en bas från vilken vektorfunktioner kan digitaliseras.

En annan metod är att använda avancerade datorprogram för att automatiskt extrahera vektorfunktioner från bilder. Vissa funktioner, t.ex. vägar, syns i en bild som en plötslig färgförändring i förhållande till närliggande pixlar. Datorprogrammet letar efter sådana färgförändringar och skapar vektorfunktioner som ett resultat av detta. Den här typen av funktioner finns normalt bara i mycket specialiserade (och ofta dyra) GIS-program.

6.8. Konvertering av vektor till raster

Ibland är det bra att konvertera vektordata till rasterdata. En bieffekt av detta är att attributdata (det vill säga attribut som är associerade med den ursprungliga vektordatan) går förlorade när konverteringen sker. Att ha vektorer konverterade till rasterformat kan dock vara användbart när du vill ge GIS-data till icke-GIS-användare. Med de enklare rasterformaten kan den person som du ger rasterbilden till helt enkelt se den som en bild på sin dator utan att behöva någon speciell GIS-programvara.

6.9. Rasteranalys

Det finns ett stort antal analysverktyg som kan köras på rasterdata och som inte kan användas med vektordata. Rasterdata kan t.ex. användas för att modellera vattenflödet över markytan. Denna information kan användas för att beräkna var det finns vattendelare och vattendragsnätverk, baserat på terrängen.

Rasterdata används också ofta inom jord- och skogsbruk för att hantera växtodling. Med en satellitbild av en jordbrukares mark kan man till exempel identifiera områden där växterna växer dåligt och sedan använda den informationen för att sprida mer gödningsmedel endast på de drabbade områdena. Skogsbrukare använder rasterdata för att uppskatta hur mycket timmer som kan avverkas från ett område.

Rasterdata är också mycket viktigt för katastrofhantering. Analys av digitala höjdmodeller (en typ av raster där varje pixel innehåller höjden över havet) kan sedan användas för att identifiera områden som sannolikt kommer att översvämmas. Detta kan sedan användas för att rikta räddnings- och hjälpinsatser till områden där de behövs som mest.

6.10. Vanliga problem / saker att vara uppmärksam på

Som vi redan har nämnt kan högupplösta rasterdata kräva stora mängder datalagring.

6.11. Vad har vi lärt oss?

Låt oss sammanfatta vad vi behandlat i det här arbetsbladet:

• Rasterdata är ett rutnät av jämnstora pixlar.

• Rasterdata är bra för att visa kontinuerligt varierande information.

• Storleken på pixlarna i ett raster avgör dess spatiala upplösning.

• Rasterbilder kan innehålla ett eller flera band, som alla täcker samma spatiala område men innehåller olika information.

• När rasterdata innehåller band från olika delar av det elektromagnetiska spektrumet kallas de för multispektrala bilder.

• Tre av banden i en multispektral bild kan visas i färgerna rött, grönt och blått så att vi kan se dem.

• Bilder med ett enda band kallas gråskalebilder.

• Enbandiga gråskalebilder kan visas i pseudofärg av GIS.

• Rasterbilder kan förbruka en stor mängd lagringsutrymme.

6.12. Nu får du försöka!

Här är några idéer som du kan prova med dina elever:

• Diskutera med dina elever i vilka situationer du skulle använda rasterdata och i vilka du skulle använda vektordata.

• Låt eleverna skapa en rasterkarta över skolan med hjälp av transparenta A4-ark med rutnätslinjer ritade på. Lägg över transparenterna på ett toposark eller ett flygfoto av skolan. Låt nu varje elev eller grupp av elever färglägga celler som representerar en viss typ av objekt, t.ex. byggnad, lekplats, idrottsplats, träd, gångstigar osv. När alla är klara lägger du ihop alla ark och ser om det blir en bra rasterkarta över din skola. Vilka typer av funktioner fungerade bra när de representerades som raster? Hur påverkade ditt val av cellstorlek din förmåga att representera olika typer av funktioner?

6.13. Något att tänka på

Om du inte har tillgång till en dator kan du förstå rasterdata med hjälp av penna och papper. Rita ett rutnät med rutor på ett pappersark för att representera din fotbollsplan. Fyll i rutnätet med siffror som representerar värden för grästäckningen på fotbollsplanen. Om en yta är bar ger du cellen värdet 0. Om ytan är både bar och täckt ger du den värdet 1. Om en yta är helt täckt av gräs ger du den värdet 2. Använd nu blyertspennor för att färglägga cellerna utifrån deras värden. Celler med värde 2 färgas mörkgröna. Värde 1 ska färgas ljusgrönt och värde 0 ska färgas brunt. När du är klar bör du ha en rasterkarta över din fotbollsplan!

6.14. Ytterligare läsning

Bok:

• 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_formats

I QGIS User Guide finns också mer detaljerad information om hur du arbetar med rasterdata i QGIS.

6.15. Vad kommer härnäst?

I avsnittet som följer kommer vi att titta närmare på topologi för att se hur förhållandet mellan vektorfunktioner kan användas för att säkerställa bästa möjliga datakvalitet.