ДеМерс Майкл Н. Географические информационные системы. Основы

Подождите немного. Документ загружается.

гарантирует, что используемые вами показатели связаны пространственно,

а возможно и логически. Если вы не имеете возможности использования

интегрированных единиц местности и не можете найти логическое, или, по

меньшей мере, статистическое основание, которое указывало бы на связь

между вашими показателями, то, возможно, вам следует пересмотреть способ

решения вашей задачи. Так же проводится и проверка соответствия между

спутниковыми ДДЗ и объектами на земной поверхности, которые они

должны представлять.

Вопросы

Каковы некоторые очевидные ограничения выполняемого вручную

наложения? Какие преимущества дает компьютеризация этого процесса?

2. Каковы преимущества растрового наложения перед векторным?

Каковы недостатки?

3. Почему наложение является одной из наиболее развитых операций в

большинстве современных коммерческих ГИС?

4. Приведите пример возможного использования наложений "точка в

полигоне" и "линия в полигоне" из ваших собственных исследований.

5. Каковы ограничения наложения типа САПР? Приведите пример того,

как такое наложение может сделать невозможным дальнейший анализ

результата.

6. Что такое дасиметрическое картографирование? Как оно может

применяться в векторных ГИС? Как

—

в растровых?

чем отличия связанных переменных и ограничивающих переменных

в дасиметрическом картографировании? Приведите примеры использования

тех и других.

8. Какие проблемы могут возникнуть при сравнении нескольких

векторной покрытий? Есть ли подходы к их решению? Что можно сделать

перед наложением, чтобы ослабить их?

9. Приведите примеры того, как элементы дасиметрического

картографирования могут быть применены в существующих растровых или

векторных ГИС. Почему до сих пор так мало внимания уделяется

использованию дасиметрического картографирования в наложении?

Глава

Картографическое моделирование

В нашем рассмотрении подсистемы анализа мы двигались шаг за шагом

среди разных возможностей моделирования, имеющихся в современных

ГИС.

Принятая здесь классификация достаточно проста, но не всякая книга

по ГИС следует той же схеме, как и не всякий поставщик

геоинформационных систем. Некоторые даже не предпринимают попыток

к такой классификации; одни дают немало подробностей, другие - лишь

общее описание. Но какую бы систему вы ни использовали, и какую бы книгу

ни читали, вы обнаружите, что большинство подходов легко сопоставимы с

теми, что описаны здесь. Не следует слишком много внимания уделять тому,

как именно методы называются, или тому, как они сгруппированы. Функции

большинства команд очевидны из их имён.

По мере развития вашего знакомства с ГИС вы быстро обнаружите

ограничения использования лишь небольшого подмножества методов для

решения более сложных задач. На последующих страницах мы рассмотрим

подсистему анализа как упорядоченный набор взаимодействующих

операций с картами, которые, совместно, могут использоваться для

выполнения очень сложных задач моделирования. Ключ - в том, чтобы

увидеть эти сложные модели состоящими из более мелких и простых

компонентов. Отдельные компоненты могут реализовываться относительно

небольшим числом аналитических операций. Затем они могут объединяться

с другими для образования более крупных модулей, дальнейшее объединение

которых позволит сконструировать всю модель. Как и любая сложная

система, пространственная модель почти всегда может быть разбита на

составляющие части.

Данная глава подчеркивает значение блок-схем для моделирования. Хотя

их выполнение может казаться скучным, оно требует от вас тщательного

обдумывания номенклатуры покрытий и элементов данных, которые нужны

для выполнения анализа. Оно помогает выявлять недостающие покрытия

или многократно используемые покрытия еще до завершения модели. По

моему мнению, построение блок-схем картографических моделей должно

быть обязательным предварительным шагом. Оно позволит точно

определить цели работы и спецификации конечного продукта.

Исследуйте модели и блок-схемы, приведенные в книге, сравните их с

их описаниями. При тщательном рассмотрении вы наверняка найдете пути

улучшения подходов или усовершенствования моделей. Рассматриваемые

модели не следует считать ни полными, ни единственными решениями

предложенных задач, более того, вам стоит подумать об альтернативных

путях их решения и соответствующих блок-схемах для каждой. Ваш вариант

может оказаться более легким для реализации или более точным по

отношению к тому, что моделируется. Практика очень важна как для умения

составлять блок-схемы, так и для моделирования.

КАРТОГРАФИЧЕСКАЯ

МОДЕЛЬ

Термин "картографическое моделирование"

(cartographic

modeling)

[CD.

Tomlin and J.K.

Berry,

1979] обозначает процесс использования комбинаций

команд для ответов на вопросы о пространственных феноменах. Более

формально, картографическая модель - это набор взаимодействующих,

упорядоченных операций с картами, которые используют как "сырые", так

и обработанные данные для моделирования процесса принятия решений о

пространственных объектах [Tomlin,

1990].

Рассмотрим это определение

подробнее.

Первое условие определения говорит о том, что картографические

операции должны взаимодействовать друг с другом. Каждая операция над

покрытием должна иметь результат (обычно другое покрытие), который

может использоваться следующей операцией.

Допустим, что у вас есть карта типов ландшафта изучаемой области, и

вы хотите узнать, имеется ли достаточно большое непрерывное природное

пастбище в собственности государства, чтобы ходатайствовать о разрешении

выпаса на таковом вашего крупного рогатого скота. Вашей первой операцией

является переклассификация покрытия для создания нового покрытия под

названием "землепользование" с целью выделения типов землепользования,

связанных с типами ландшафта (переклассификация всех луговых

полигонов либо как пастбищ, либо как природных

лугов).

Вы также создаете

покрытие под названием "чей__луг", показывающее пастбища, находящиеся

в собственности государства, и пастбища в частном владении. Это может

потребовать еще одной переклассификации, хотя вы могли сделать эту

работу во время первой переклассификации. Следующей операцией будет

еще одна переклассификация, создающая покрытие "бол_гос", выделяющее

государственные природные пастбища непрерывной площадью не менее 25

га. Эта переклассификация потребует агрегирования ячеек растра для

обособления полигонов площадью 25 га и больше (Рисунок

13.1),

и вам

нужно будет объединить эту операцию с функцией, выделяющей

непрерывные полигоны.

Таким образом,

вы

действуете либо

первоначальными данными, т.е.

исходной картой типов ландшафта, либо

покрытиями, полученными после

первой

последующих операций,

как с

покрытием "бол_гос".

Вы

также

можете видеть,

как

каждый

шаг

добавляет данным информационное

наполнение посредством установления контекста,

которым

они

связаны.

1 0

0 0

1 1 1 1

1 1

0 0

2 2 2

2 1 1

1 1 0 2

2 2

1 2

1 1 1 1 1 1

2 2

1 1

1 1 1 1

2 2 0 0 1 1

0 0

1 1 1

0 0

3 3

1 1 0 0

3 3 3

1 1 1 0 0 0 0

0 2

1 1

0 0

0 0 2

2 2 2

1 0 0

0 0

2 2

0 0 0

3 3

2 2 2 2

1 1

0 0

2 2

3 3

2 2 0

1 1 1 1

3 3 3

2 2

0 0

1 1

1 1 1

2 2

0 0

и в и

•

в в

Исходные

значения, представляющие

различные типы природных пастбищ.

Каждая

ячейка

представляет

га

земли

Новые значения, представляющие

ранжирование непрерывных участков

пастбищ

зависимости от

размера:

0*менее

га,

1-28

га,

2*41 га,

3=42

га,

4= 44

га.

Рисунок

13.1.

Переклассификация областей по размеру. Агрегирование ячеек растра

для выделения полигонов площадью 25 га или более.

Наше первоначальное покрытие "землепользование" было

не

очень

специфично.

Оно

относилось

ко

всем возможным типам ландшафта

изучаемой области, безотносительно

возможным вопросам. После

обработки мы создали покрытие "с добавленной стоимостью"

(value-added),

с конкретными атрибутами, которые могут сказать, содержит

ли это

покрытие государственные пастбища достаточной площади.

Мы подходим

последней части рассматриваемого определения. Наши

действия

исходными

промежуточными данными направлены

на

моделирование процесса принятия решения

о том,

содержит

ли

рассматриваемое покрытие достаточно большие пастбища

собственности

государства. Отрицательный ответ ведет

новым поискам, положительный

процедуре получения разрешения на выпас скота. Положительный ответ

означает, что нужная площадь имеется. Но если вы захотите расширить свое

стадо, то вам снова потребуется рассмотреть покрытие "бол_гос".

Ранжирование полигонов этого покрытия приведет вас к определению

комбинаций, которые позволят вам расширить стадо. Эти шаги добавляют

информацию к каждому из предыдущих покрытий инкрементным образом.

Теперь давайте подумаем о том, какие подсистемы ГИС мы использовали

в этой простой модели решения. Первый шаг - ввод покрытия

"тип_ландшафта" с помощью подсистемы ввода. Далее следуют сохранение

карты и устранение ошибок. После окончания проверки мы должны

произвести выборку карты для анализа, обращаясь к подсистеме хранения

и редактирования. Последующая переклассификация покрытия задействует

подсистему анализа.

Результат переклассификации сохраняется как картографическое

покрытие, что также является использованием подсистемы хранения и

редактирования, а также подсистемы вывода, хотя выходная карта и не

печаталась на бумаге. Затем, для решения вашей задачи, вы произвели

выборку нового покрытия для продолжения анализа. И в любой момент вы

могли бы при желании просмотреть карту.

Очевидно, что описанный процесс не является линейным - мы не шли

от ввода через хранение и выборку к выводу, как в картографии с

применением компьютеров. Вместо этого мы шли от ввода через сохранение,

выборку, анализ, снова сохранение, и вывод нашего первого промежуточного

покрытия. Далее мы снова шли через выборку, вывод (отображение на

экране), анализ с созданием второго промежуточного покрытия, и т.д.

Короче говоря, процесс картографического моделирования является

цикличным, а не линейным (Рисунок

13.2).

Цикличная природа

картографического моделирования дает наибольшую гибкость в переходе

от одной подсистемы к другой при преобразованиях данных, необходимых

для создания конечного пространственно-информационного продукта.

МОДЕЛИ

В ГЕОГРАФИИ

Перед началом подробного рассмотрения картографического

моделирования важно обратиться к корням идеи географического

моделирования, которая привела, в конечном счете, к созданию ГИС.

Пространственные модели много лет были оплотом географических

исследований и приложений, задолго до числовой революции 1950-х и 60-х

годов. Карта сама является моделью реальности, позволяющей нам

оценивать одним взглядом пространственные отношения между

различными факторами. С развитием количественных описаний, исходная

парадигма сообщения начала заменяться аналитической парадигмой. Тем

не менее, карта как средство представления долго служила в качестве

средства формулирования гипотез.

Рисунок 13.2. Циклический процесс моделирования. Иллюстрируется переход от

одной подсистемы ГИС к другой для создания новых покрытий.

Исследование наблюдаемых паттернов и порождающих их процессов

использовалось для объяснения, например, отношений между

сельскохозяйственной деятельностью и транспортными расходами.

Наиболее известная из этих моделей, разработанная Хайнрихом фон

Туненом

(Heinrich

von

Thunen)

в 1910 году, теперь называется моделью

изолированного состояния

(isolated

state

model)

[Isard,

1956].

Она описывает

площадные распределения сельскохозяйственной деятельности как

последовательность концентрических кругов, расходящихся от центрального

рынка. Модификации этой модели, включающие доступность транспортных

маршрутов, наличие нескольких рынков, стоимость земли, качество почвы,

издержки производства и рыночные цены, всё ещё используются сегодня

для предсказания жизненности определенных видов сельскохозяйственной

деятельности. Примерно в то же время Альфред Вебер (Alfred

Weber)

разрабатывал другой набор географических моделей

[Weber,

1909].

Созданные первоначально для предсказания пространственных

распределений точечных объектов промышленности, модели Вебера были

модифицированы для поиска оптимальных местоположений объектов

торговли и услуг. Эти модели, известные сегодня как модели размещения и

назначения

(location-allocation

models),

составляют часто применяемый набор

методов ГИС, имеющихся во многих коммерческих системах.

Хотя эти модели сложны в реализации, по своей сути они просты. Они

разрабатываются для минимизации пути от точки обслуживания до ее

клиентов. Возьмем в качестве примера приписывание учеников к школам

(определение зон обслуживания). Скажем, маленький городок имеет две

школы примерно одной вместимости, расположенные на противоположных

его концах. Нужно определить, кому из школьников в какую школу ездить.

Здесь требуется не просто разделить школьников поровну, но и выбрать для

каждого ближайшую из школ.

Задача меняется, если существует только одна школа и нужно определить

место для новой школы, которая должна быть размещена с учетом минимума

общего расстояния от нее до большинства учеников, которые будут ее

посещать. Обычно это делается итеративно: школа помещается на некотором

гипотетическом месте, затем подсчитывается число приписанных учеников

и вычисляются расстояния, а результаты рассматриваются для определения

степени удовлетворения каждого местоположения установленному

критерию. Процесс продолжается до тех пор, пока не будет найден

наилучший ответ. Математическая сложность задачи чаще всего приводит

к приближенному решению даже при использовании современной

вычислительной техники. Многие из сегодняшних ГИС имеют возможность

поиска такого приближенного решения.

В предыдущем примере мы подразумевали, что ученики будут посещать

именно назначенную школу. Однако в сфере торговли и обслуживания

клиентура свободна в выборе, её нужно привлекать. Решение стать

постоянным клиентом является отчасти функцией расстояния, но могут

действовать и другие факторы. В этом случае для определения оптимальной

точки обслуживания могут использоваться модели гравитации

(gravity

models),

где притяжение обратно пропорционально функциональному расстоянию

(см.

Главу 8) от потенциальной точки обслуживания [Abler et al.,

1971].

В отличие от физики, где сила притяжения убывает обратно

пропорционально квадрату расстояния, здесь мы имеем дело со

взаимодействием людей и служб, причем люди принимают решения на

основе функционального расстояния и желают быть постоянными

клиентами, причем взаимодействия эти осуществляются на двухмерной

поверхности. Сюда еще следует добавить возможную конкуренцию со

стороны близлежащих аналогичных служб. Модели гравитации широко

используются в теории экономического размещения

(economic

location

theory)

и прочно заняли свое место в коммерческих ГИС.

Несколько других географических моделей также нашли свое место в

ГИС,

другие же еще ждут своего часа. Одни разрабатывались для

исследования изменений плотности населения в городах [cf.

Casetti,

1969];

другие показали, что сами города действуют как региональные иерархии,

проявляя различную силу притяжения к региональной торговле

[Christaller,

1966;

Brush,

1953];

третьи создавались для планирования транспортных сетей

в зависимости от скоростей, типов дорог и других факторов; четвертые

рассматривали распространение идей в пространстве

[Hagerstrand,

1967] -

такие модели распространения новшеств

(innovation

diffusion

models)

сейчас

широко используются среди экологов для отслеживания движения растений

и животных по географическим пространствам.

Возможно, среди наиболее сложных пространственных моделей

находятся те, что недавно разработаны экологами ландшафтов для

исследования отношений между структурой и функцией больших частей

биосферы

[Forman

and

Godron,

1987].

Параметры, рассматриваемые в них,

включают размер области, связность ландшафта, разнообразие участков, их

взаимодействие и форма. Эти ученые полагают, что структура ландшафта

напрямую связана с его функциональными возможностями и общим

качеством окружающей среды. Корни многих из этих методов прямо или

косвенно находятся в географии, а их использование сегодня показывает

растущую потребность исследования пространственных отношений; немало

этих методов реализовано как в коммерческих, так и в свободно

распространяемых

(public

domain)

ГИС

[Baker

and Cai, 1992;

McGarigal

and

Marks,

1994].

Можно упомянуть гораздо больше моделей, но нашей целью является не

представление подробного их списка, а иллюстрация того, что многие

решения уже разработаны, проверены и реализованы. Небольшое

библиографическое исследование вопроса перед началом моделирования

часто может сохранить вам многие часы и позволит избежать разочарования.

С другой стороны, ваши собственные решения сложных задач могут

пригодиться следующему поколению специалистов по картографическому

моделированию, которые, возможно, смогут использовать их в своих

приложениях.

ТИПЫ КАРТОГРАФИЧЕСКИХ МОДЕЛЕЙ

Есть сильное сходство между разделением статистических методов на

описательные

(descriptive)

и аналитические

(inferential)

и классификацией

основных типов картографических моделей. Томлин [Tomlin, 1990]

подобным же образом делит последние на соответственно описательные и

предписательные.

Описательные картографические модели

(descriptive

models)

описывают и,

при некоторых обстоятельствах, объясняют некоторые распределения и

взаимосвязи, полученные в результате анализа. Простейшие описательные

модели просто иллюстрируют существующую ситуацию обособлением-

некоторых феноменов и показом результатов в форме, позволяющей

пользователю одним взглядом охватить эти феномены и их взаимосвязи. Это

не намного отличается от парадигмы сообщения в картографии, собственно,

тем,

что

описательные (атрибутивные) данные хранятся

компьютерной

БД. Несмотря

на

свою простоту, модели этого типа

всё еще

широко

используются,

так как

они предлагают достаточно простой путь получения

легко узнаваемых представлений пространственных объектов

явлений.

Часто встречаются жалобы опытных ГИС-профессионалов, выполняющих

работу

для

неподготовленных

геоинформатике специалистов

на то, что

новые пользователи никогда

не

выполняют моделирование. Вместо этого

они просят: "сделайте

мне

карты того-то

того-то",

что,

конечно, можно

было

бы

сделать

рамках системы компьютеризованной картографии

или

даже САПР.

Все

же,

не

стоит отчаиваться,

лучше отнестись

этому

как к

отправной точке

для

более сложных моделей, которые могут быть

предложены пользователю.

Вполне естественно

от

чистого описания перейти

моделям, которые

предсказывают,

как

имеющиеся условия могут воздействовать

на

расположение промышленных объектов,

на

изменение

со

временем

естественной растительности, описывают результаты перекрытия плотиной

реки (показывая области затопления выше плотины

защищаемые

от

наводнений области ниже

ее),

показывают области потенциального роста

города на основе знаний

прежнем росте

обнаружения пространственных

феноменов, способных играть прогностическую роль.

Последний случай следует рассмотреть подробнее,

так как он

указывает

на предсказательный потенциал описательных картографических моделей.

Предсказательные модели

(predictive models)

позволяют пользователю

определить, какие факторы важны

функционировании области

исследования,

и как эти

факторы связаны друг

другом пространственно.

Конечно, предсказания

на

основе таких связей могут быть очень

ненадежными. Они требуют, чтобы факторы имели ясную

подтверждаемую

причинную связь.

Как мы

видели

Главе

12,

пространственная ассоциация

различных картографических показателей не диктует сама по себе причинно-

следственные отношения,

только указывает

на

пространственное

совпадение. Знание моделируемой среды важно

прогностическом

картографическом моделировании, также как и

аналитической статистике,

например,

регрессионном анализе.

Предсказательное моделирование чаще всего ассоциируется

со

вторым

главным типом моделирования, определенным Томлин [Tomlin,

1990],

предписательным моделированием. Однако,

как мы

скоро увидим,

не

существует четкого разделения между описательными

предписательными

моделями

(prescriptive models).

Если представить себе весь спектр

картографического моделирования,

то

предсказательные модели находятся

ближе

предписательным, чем к описательным. Возьмем следующий пример

предсказания, основанный начисто описательной методике моделирования.

Допустим, владелец очень большого ранчо желает оценить потенциал

выносливости своей территории с точки зрения выпаса скота на лугах и

пригодности для обитания представителей естественных видов, таких как

перепел. Эта модель требует создания БД со всеми типами растительности

на территории ранчо. Кроме того, требуется знание наземной биомассы

лугов, местоположения больших участков ядовитых для скота растений и

значительных скоплений кустарников, необходимых перепелам для укрытия

и питания. С учетом этих показателей, создаваемая модель покажет области

обитания, необходимые для поддержания приемлемой популяции

перепелов. Она также будет включать покрытие, показывающее нагрузку со

стороны скота. Эта модель является описательной в том смысле, что она

показывает, где владелец ранчо мог бы разместить свой скот, и где могли бы

также выжить перепела. Теперь он может выгнать скот на соответствующие

участки, ограничив движение скота в области обитания перепелов с

помощью ограждений и других средств.

Предположим, однако, что владелец ранчо хочет не просто успешного

выпаса скота, но выпаса только на лучших с этой точки зрения землях, чтобы

животные набирали вес наиболее быстро. Такая обработка базы данных

вполне может быть названа предсказательной, так как она, по сути,

предсказывает, что области с наибольшей производительностью дадут

наиболее эффективное использование земли для выпаса. Эта модель лишь

немного сложнее исходной, но она несет элемент предписания, так как она

"предписывает" наилучшее использование земли.

Предписывание может также показать пользователю модели то, как

анализ описательной информации может улучшить ситуацию в целом.

Например, некоторые лучшие пастбища могут содержать множество

кустарников, что делает их также и наилучшей средой обитания для

перепелов. Хозяин ранчо может решить насадить (или пересадить)

кустарники в области, меньше подходящие для пастьбы, удаляя при этом

ядовитые растения, если таковые есть, на наиболее производительных

землях.

ГИС может быть использована для "предписания" наилучших мест для

высадки кустарника, а также мест работ с ядовитыми растениями. Таким

образом, ГИС теперь используется для предложения действий с имеющейся

территорией с целью обеспечения наилучшего решения исходной задачи.

Различие между этой в'высокой степени предписательной моделью и

сценарием размещения школы в том, что первая требует гораздо больше

предсказательных способностей, нежели второй. Это наиболее развитая

форма предсказательной модели, так как пользователь должен определить

взаимодействие многих факторов во времени, и требуется гораздо большая

степень предсказательности.