مدل های داده برای GIS
برای تجسم پدیده‌های طبیعی، نخست باید تعیین کرد که چگونه می‌توان فضای جغرافیایی را به بهترین نحو نمایش داد. مدل‌های داده مجموعه‌ای از قوانین و یا ساختارهایی هستند که برای توصیف و نمایش جنبه‌های مختلف دنیای واقعی در رایانه‌ها به کار می‌روند. دو مدل داده اصلی که برای این منظور استفاده می‌شوند عبارتند از: مدل‌های داده رستری و مدل‌های داده برداری.
مدل های داده رستری
هدف یادگیری
هدف این بخش، درک نحوه پیاده‌سازی مدل‌های داده رستری در برنامه‌های GIS است.
مدل‌های داده رستری به طور گسترده در برنامه‌های کاربردی مختلف، فراتر از سیستم‌های اطلاعات جغرافیایی (GIS)، استفاده می‌شوند. اگر تجربه‌ای در زمینه عکس‌های رقومی داشته باشید، احتمالاً با این مدل داده آشنا هستید. فرمت‌های فایل JPEG، BMP و TIFF (و سایر فرمت‌ها) که در همه‌جا استفاده می‌شوند، مبتنی بر مدل داده‌های رستری هستند (برای اطلاعات بیشتر، به پست های بعدی “مدیریت داده‌های مکانی“، بخش “فرمت‌های فایل” مراجعه کنید). یک لحظه برای مشاهده تصویر رقومی مورد علاقه‌تان وقت بگذارید. اگر روی تصویر زوم کنید، متوجه خواهید شد که این تصویر از آرایه‌ای از پیکسل‌های کوچک و مربع (یا عناصر تصویر) تشکیل شده است. هر یک از این پیکسل‌های رنگارنگ منحصر به فرد، وقتی به عنوان یک کل مشاهده شوند، ترکیب می‌شوند و یک تصویر منسجم را می‌سازند (شکل ۴٫۱ “تصویر دیجیتال با بزرگنمایی داخل، نمایش پیکسل شدن تصویر رستری”).
شکل ۴٫۱ تصویر دیجیتال با ورودی بزرگنمایی شده که پیکسل شدن تصویر رستری را نشان می دهد
علاوه بر این، تمام نمایشگرهای کامپیوتری با صفحه نمایش کریستال مایع (LCD) بر اساس فناوری رستری ساخته شده‌اند، زیرا از مجموعه‌ای از ردیف‌ها و ستون‌های پیکسل تشکیل می‌شوند. جالب است که پایه و اساس این فناوری به‌طور قابل توجهی نزدیک به یک قرن قبل از اختراع رایانه‌ها و دوربین‌های دیجیتال شکل گرفته است. هنرمند نئوامپرسیونیست، ژرژ سورات، در دهه ۱۸۸۰ تکنیک نقاشی‌ای به نام “پوینتیلیسم” را توسعه داد که مشابه با فناوری رستری، به تجمع نقاط کوچک و تک‌رنگ جوهر تکیه دارد. این نقاط برای ایجاد یک تصویر بزرگتر با هم ترکیب می‌شوند (شکل ۴٫۲ “اثر هنری پوینتیلیست”). اگر شما به اندازه نویسنده سخاوتمند باشید، ممکن است حتی ایجاد مجموعه داده‌های رستری خود را به عنوان آثار هنری برجسته در نظر بگیرید.
شکل ۴٫۲ اثر هنری Pointillist
مدل داده‌های رستری شامل ردیف‌ها و ستون‌هایی از پیکسل‌هایی با اندازه مساوی است که برای تشکیل یک سطح مسطح به هم متصل شده‌اند. این پیکسل‌ها به‌عنوان بلوک‌های ساختمانی برای ایجاد نقاط، خطوط، مناطق، شبکه‌ها و سطوح استفاده می‌شوند ( پست “آناتومی نقشه” ، شکل ۲٫۶ “فرایند پوشش نقشه” نشان می‌دهد که چگونه یک قطعه زمین را می‌توان به یک نمایش شطرنجی تبدیل کرد). اگرچه پیکسل ها ممکن است مثلث، شش ضلعی یا حتی هشت ضلعی باشند، اما پیکسل های مربع ساده ترین شکل هندسی را نشان می دهند که می توان با آن کار کرد. بر این اساس، اکثریت قریب به اتفاق داده های شطرنجی GIS موجود بر روی پیکسل مربع ساخته شده اند ( شکل ۴٫۳ “گرافیک های رستری رایج مورد استفاده در برنامه های GIS: عکس هوایی (سمت چپ) و USGS DEM (راست)”). این مربع‌ها معمولاً به مستطیل‌هایی با ابعاد مختلف تبدیل می‌شوند، اگر مدل داده از یک طرح به دیگری تبدیل شود (به عنوان مثال، از مختصات صفحه حالت به مختصات UTM [Universal Transverse Mercator]).
شکل ۴٫۳ گرافیک رستری رایج مورد استفاده در برنامه های GIS: عکس هوایی (سمت چپ) و USGS DEM (راست)
منبع: داده های موجود از سازمان زمین شناسی ایالات متحده، مرکز مشاهده و علم منابع زمین (EROS)، سیوکس فالز، SD.
مدل‌های داده رستری شامل ردیف‌ها و ستون‌هایی از پیکسل‌های یکسان‌اندازه هستند که برای تشکیل یک سطح مسطح به هم متصل می‌شوند. به‌طور معمول، یک مقدار داده واحد به هر منطقه شبکه اختصاص داده می‌شود. هر سلول در یک مدل رستری دارای یک مقدار واحد است که ویژگی‌های یک پدیده فضایی را در مکانی که توسط سطر و ستون آن مشخص می‌شود، نشان می‌دهد. نوع داده برای هر مقدار سلول می‌تواند عدد صحیح یا اعشاری (ممیز شناور) باشد (پست”مدیریت داده‌های جغرافیایی”، پست “اکتساب داده‌های جغرافیایی”). به‌طور متناوب، گرافیک شطرنجی می‌تواند به یک سیستم مدیریت پایگاه داده ارجاع دهد که در آن جداول ویژگی‌های پایان‌گرا می‌توانند برای مرتبط کردن مقادیر داده‌های متعدد با هر پیکسل استفاده شوند. پیشرفت‌های فناوری رایانه این روش دوم را به‌طور فزاینده‌ای ممکن کرده‌اند، زیرا دیگر مجموعه‌های داده بزرگ مانند گذشته به محدودیت‌های ذخیره‌سازی رایانه‌ای دچار نمی‌شوند.
مدل رستری تمام مقادیر درون یک پیکسل معین را میانگین می‌کند تا یک مقدار واحد به دست آورد. بنابراین، هرچه مساحت هر پیکسل بزرگتر باشد، مقادیر داده مرتبط با دقت کمتری همراه خواهند بود. ناحیه تحت پوشش هر پیکسل، وضوح فضایی مدل رستری را تعیین می‌کند. به‌طور خاص، وضوح با اندازه‌گیری یک طرف پیکسل مربع تعیین می‌شود. به‌عنوان مثال، یک مدل رستری که پیکسل‌هایی با ابعاد ۱۰ متر در ۱۰ متر (یا ۱۰۰ متر مربع) در دنیای واقعی دارد، وضوح فضایی ۱۰ متر دارد. در مقابل، یک مدل رستری با پیکسل‌هایی به ابعاد ۱ کیلومتر در ۱ کیلومتر مربع (۱ کیلومتر مربع) در دنیای واقعی، وضوح فضایی ۱ کیلومتر خواهد داشت.
هنگام تعیین رزولوشن رستری باید دقت لازم را رعایت کرد، زیرا استفاده از وضوح پیکسلی بیش از حد درشت می‌تواند منجر به از دست رفتن اطلاعات شود، در حالی که استفاده از وضوح پیکسلی بسیار ریز، اندازه فایل‌ها و نیازهای پردازش کامپیوتری در طول نمایش یا تجزیه و تحلیل را به‌طور قابل توجهی افزایش می‌دهد. رزولوشن پیکسل موثر هم‌زمان مقیاس نقشه و حداقل واحد نقشه‌برداری سایر داده‌های GIS را در نظر می‌گیرد. در گرافیک‌های رستری با وضوح فضایی درشت، مقادیر داده مرتبط با مکان‌های خاص لزوماً به‌طور دقیق در مدل داده شطرنجی نمایش داده نمی‌شوند. به‌عنوان مثال، اگر موقعیت قطب‌های تلفن بر روی یک گرافیک رستری با وضوح درشت رسم شود، ممکن است به این شکل باشد که کل سلول به‌طور کامل توسط قطب پر نشود.
تصاویری که از مدل داده رستری استفاده می‌کنند باید چند ویژگی مهم داشته باشند. اولاً، هر پیکسل باید حداقل یک مقدار داده داشته باشد، حتی اگر آن مقدار صفر باشد. علاوه بر این، اگر هیچ داده‌ای برای یک پیکسل خاص وجود نداشته باشد، باید یک مکان نگهدارنده مقدار داده به این سلول اختصاص یابد. معمولاً یک مقدار دلخواه و به راحتی قابل شناسایی (مانند ۹۹۹۹-) به پیکسل‌هایی که فاقد مقدار داده‌ای هستند، اختصاص می‌یابد. دوم، یک سلول می‌تواند هر شاخص الفبایی را که نمایانگر یک ویژگی باشد، در خود جای دهد. در مورد مجموعه داده‌های کمی، انتساب ویژگی‌ها نسبتا ساده است. به‌عنوان مثال، اگر یک تصویر رستری نشان‌دهنده ارتفاع باشد، مقادیر داده برای هر پیکسل نشانه‌ای از ارتفاع آن مکان هستند، معمولاً بر حسب فوت یا متر. اما در مورد مجموعه داده‌های کیفی، مقادیر داده‌ها به‌عنوان شاخص‌هایی هستند که معمولاً به قوانین از پیش تعیین‌شده برای ترجمه اشاره دارند (شکل ۴٫۴ “تصویر رستری کاربری زمین/پوشش زمین”).
سومین ویژگی مدل داده رستری این است که نقاط و خطوط به مرکز سلول‌ها منتقل می‌شوند. همانطور که انتظار می‌رود، اگر یک تصویر شطرنجی با وضوح ۱ کیلومتر شامل یک رودخانه یا جریان باشد، مکان دقیق آبراه در پیکسل “رودخانه” به‌طور دقیق مشخص نخواهد بود. به همین دلیل، فرض عمومی بر این است که تمام ویژگی‌های صفر بعدی (نقاط) و یک بعدی (خطوط) به سمت مرکز سلول‌ها قرار می‌گیرند. به‌عنوان نتیجه، حداقل عرض هر عارضه خطی باید یک سلول باشد، بدون توجه به عرض واقعی آن ویژگی. اگر این‌طور نباشد، آن ویژگی در تصویر نشان داده نمی‌شود و فرض می‌شود که وجود ندارد.
شکل ۴٫۴ تصویر رستری کاربری زمین/پوشش زمین
منبع: داده های موجود از سازمان زمین شناسی ایالات متحده، مرکز مشاهده و علم منابع زمین (EROS)، سیوکس فالز، SD.
چندین روش برای رمزگذاری داده های رستری از ابتدا وجود دارد. سه مورد از این مدل ها به شرح زیر است:
- رمزگذاری رستری سلول به سلول، روشی فشرده است که با ایجاد رکورد برای هر مقدار سلول بر اساس ردیف و ستون، یک رستر را رمزگذاری می‌کند (شکل ۴٫۵ “کدگذاری سلول به سلول داده‌های رستر”). این روش می‌تواند به‌عنوان یک صفحه گسترده بزرگ تصور شود که در آن هر سلول از صفحه گسترده نمایانگر یک پیکسل در تصویر رستری است. به این روش همچنین “شمارش جامع” گفته می‌شود.
- رمزگذاری رستری طول اجرا، مقادیر سلول‌ها را با استفاده از پیکسل‌های هم‌ارزش مشابه رمزگذاری می‌کند و می‌تواند منجر به ایجاد یک فایل تصویری بسیار فشرده شود (شکل ۴٫۶ “رمزگذاری طول اجرا داده‌های رستری”). این روش در شرایطی مفید است که گروه‌های بزرگی از پیکسل‌های همسایه دارای مقادیر مشابهی هستند (مثلاً مجموعه داده‌های گسسته مانند کاربری زمین/پوشش زمین یا مناسب بودن زیستگاه)، اما در مواقعی که مقادیر پیکسل‌های همسایه تفاوت زیادی دارند (مانند مجموعه داده‌های پیوسته مثل ارتفاع یا دمای سطح دریا)، کمتر کاربردی است.
- کدگذاری رستری چهار درختی، یک رستر را به سلسله‌مراتبی از ربع‌ها تقسیم می‌کند که بر اساس پیکسل‌های هم‌ارزش مشابه تقسیم‌بندی می‌شوند (شکل ۴٫۷ “کدگذاری چهار درختی داده‌های رستری”). فرآیند تقسیم رستری زمانی متوقف می‌شود که یک ربع به طور کامل از سلول‌هایی با همان مقدار تشکیل شود. ربعی که دیگر قابل تقسیم نباشد، “گره برگ” نامیده می‌شود.
شکل ۴٫۵ کدگذاری سلول به سلول داده های رستری
شکل ۴٫۶ رمزگذاری طول اجرا داده های رستری
شکل ۴٫۷ کدگذاری چهار درختی داده های رستری
مزایا/معایب مدل رستر
استفاده از مدل داده‌های رستری مزایای زیادی دارد. اولاً، فناوری مورد نیاز برای ایجاد گرافیک‌های رستری ارزان و در دسترس است. تقریباً همه افراد در حال حاضر نوعی تولیدکننده تصویر رستری دارند، مثلاً یک دوربین دیجیتال، و امروزه بسیاری از تلفن‌های همراه نیز این قابلیت را دارا هستند. علاوه بر این، انبوهی از ماهواره‌ها به‌طور مداوم گرافیک‌های شطرنجی به‌روز را به مراکز علمی در سراسر جهان ارسال می‌کنند (پست «مدیریت داده‌های مکانی»، «فرمت‌های فایل»). این گرافیک‌ها اغلب به صورت آنلاین برای استفاده عمومی و/یا خصوصی منتشر می‌شوند و گاهی هزینه‌ای برای کاربران ندارند.
مزیت‌های اضافی گرافیک رستری شامل سادگی نسبی ساختار داده زیربنایی آن است. هر مکان شبکه‌ای که در تصویر شطرنجی نمایش داده می‌شود با یک مقدار واحد (یا مجموعه‌ای از مقادیر در صورت گنجاندن جداول ویژگی‌ها) مرتبط است. این ساختار ساده داده‌ها به‌ویژه توضیح می‌دهد که چرا انجام تحلیل‌های همپوشانی روی داده‌های رستری نسبتاً آسان است (برای اطلاعات بیشتر در مورد تحلیل همپوشانی «تحلیل مکانی I: عملیات برداری»، «تحلیل تک لایه» مراجعه کنید). این سادگی همچنین باعث می‌شود گرافیک‌های رستری نسبت به همتایان برداری‌شان نگهداری و تفسیر آسان‌تری داشته باشند.
با این حال، استفاده از مدل داده رستری معایبی نیز دارد. اولین معایب آن این است که فایل‌های رستری معمولاً بسیار بزرگ هستند. به ویژه در مورد تصاویر شطرنجی که با روش کدگذاری سلول به سلول ایجاد می‌شوند، تعداد زیادی از مقادیر ذخیره‌شده برای یک مجموعه داده خاص می‌تواند به فایل‌های بسیار بزرگی منجر شود. هر فایل شطرنجی که منطقه وسیعی را پوشش می‌دهد و دارای پیکسل‌هایی با دقت بالا باشد، به سرعت به صدها مگابایت یا بیشتر می‌رسد. این فایل‌ها با پیشرفت کیفیت و کمیت مجموعه داده‌های شطرنجی و افزایش توانمندی منابع رایانه‌ای (مثل دوربین‌های دیجیتال و ماهواره‌ها) بزرگتر خواهند شد.
دومین نقطه ضعف مدل رستری این است که تصاویر خروجی نسبت به همتایان برداری خود «زیبایی» کمتری دارند. این موضوع به‌ویژه زمانی مشهود است که تصاویر رستری بزرگ یا مقیاس‌دار می‌شوند (به شکل ۴٫۱ “تصویر دیجیتال با زوم نشان‌دهنده پیکسل شدن تصویر رستری” مراجعه کنید). بسته به میزان بزرگنمایی، جزئیات و انسجام تصویر شطرنجی به سرعت در میان انبوهی از پیکسل‌ها به نظر می‌رسد که از سلول‌های شبکه‌ای به‌طور تصادفی رنگ‌آمیزی شده‌اند.
دگرگونی‌های هندسی که در فرایند بازطراحی نقشه رخ می‌دهند، می‌توانند مشکلاتی برای گرافیک‌های شطرنجی ایجاد کنند و سومین نقطه ضعف استفاده از مدل داده‌های رستری را نمایان می‌سازند. همانطور که در پست «آناتومی نقشه»، بخش«مقیاس نقشه، سیستم‌های مختصات و پیش‌بینی‌های نقشه» توضیح داده شد، تغییر پیش‌بینی‌های نقشه اندازه و شکل لایه ورودی اصلی را تغییر می‌دهد و اغلب منجر به از دست دادن یا اضافه شدن پیکسل‌ها می‌شود (White, 2006). این تغییرات باعث می‌شود که پیکسل‌های مربع کامل در لایه ورودی، به ابعاد لوزی‌شکل متناوب تبدیل شوند. مشکل بزرگتر این است که بازپخش یک مجموعه داده رستری از یک طرح به نمایش دیگری، تغییراتی در مقادیر پیکسل به همراه خواهد داشت که می‌تواند اطلاعات خروجی را به طور قابل توجهی تغییر دهد (Seong, 2003).
عیب نهایی استفاده از مدل داده‌های رستری این است که برای برخی تحلیل‌های فضایی مناسب نیست. به عنوان مثال، هنگام تلاش برای همپوشانی و تجزیه و تحلیل چندین گرافیک رستری که در مقیاس‌ها و وضوح پیکسل‌های مختلف تولید شده‌اند، مشکلاتی به‌وجود می‌آید. ترکیب اطلاعات از یک تصویر رستری با وضوح فضایی ۱۰ متر با یک تصویر رستری با وضوح فضایی ۱ کیلومتر احتمالاً اطلاعات خروجی بی‌معنا تولید می‌کند زیرا مقیاس‌های تحلیلی بسیار ناهمگون هستند و نمی‌توانند منجر به نتایج معنی‌دار و/یا قابل تفسیر شوند. علاوه بر این، برخی تحلیل‌های شبکه و فضایی (مانند تعیین جهت یا کدگذاری جغرافیایی) ممکن است در انجام آن‌ها روی داده‌های رستری مشکلاتی ایجاد شود.
خوراکی های کلیدی
- داده‌های رستری از یک سیستم شبکه‌ای از سلول‌های پیوسته مشتق شده‌اند که حاوی اطلاعات عوارض خاص هستند.
- وضوح فضایی یک مجموعه داده رستری نشان دهنده اندازه گیری دقت یا جزئیات اطلاعات نمایش داده شده است.
- مدل داده های رستری به طور گسترده توسط فناوری های غیر GIS مانند دوربین های دیجیتال/تصاویر و نمایشگرهای LCD استفاده می شود.
- باید دقت کرد که آیا مدل داده‌های رستری یا برداری برای داده‌ها و/یا نیازهای تحلیلی شما مناسب‌تر است یا خیر.
تمرینات
- عکس دیجیتالی که اخیرا گرفته اید را بررسی کنید. آیا می توانید وضوح مکانی آن را تخمین بزنید؟
- اگر بخواهید یک فایل داده رستری ایجاد کنید که انواع عمده کاربری زمین را در شهرستان خود نشان دهد، از کدام روش رمزگذاری استفاده می کنید؟اگر بخواهید نقشه آبراه های اصلی شهرستان خود را رمزگذاری کنید از چه روشی استفاده می کنید؟ چرا؟