地理信息系统GIS—第4章栅格数据结构

地理信息系统第四章栅格数据模型第三章内容回顾3.1简单要素的表示3.2拓扑3.3地理关系数据模型3.4基于对象数据模型3.5复合要素的表示矢量数据结构特点矢量数据基本要素点、线、面对有确定位置的离散要素较为理想对连续变化数据的表示不很理想（高程数据、降水量、温度分布）对连续变化的数据较好的选择是栅格数据模型教学提纲4.1栅格数据模型要素4.2栅格数据类型4.3栅格数据结构4.4栅格数据压缩4.5栅格数据文件格式4.6数据转换与综合4.1栅格数据模型要素栅格数据结构实际就是像元阵列。每个像元由行列确定它的位置；用像元值表示空间对象的类型、等级等特征。4.1栅格数据模型要素1.像元值：栅格中的每个像元携有一个值，它代表由该行该列所决定的该位置上空间现象的特征。像元值可以是整型或浮点型栅格数据。2.像元大小：决定了栅格数据的分辨率。3.像元深度：是所有像元的比特数和数据类型的符号。4.栅格波段：栅格数据可能具有单波段或多波段。5.空间参照：栅格数据必须具有空间参照信息，这样在GIS中它们才可以和其他数据集进行空间配准。7图4.3表示一个30m像元的范围和中心点的UTM坐标.矢量、栅格表示形式对比栅格数据中的点线面9•点：表示为单个像元。•线：表示为在一定方向上连接成串的相邻像元的集合。•面：表示为聚集在一起的相邻像元的集合。点线面栅格结构的特征空间被划分为规则的栅格单元，可以是方形、菱形、六边形等。地理实体的位置用它们占据的行列号(i,j)表示,每一格称为一个像元，每个栅格单元只能存在一个值。每个栅格与它表达的真实世界的空间实体没有直接的联系。栅格数据的坐标系X列Y行西北角格网坐标（XWN，YWN）格网分辨率4.2栅格数据类型卫星影像：Landsat、SPOT、IKONOS、GeoEye、Terra、SAR…数字高程模型：光学传感器、InSAR、LiDAR其他类型：数字正射影像、土地覆被数据、二值扫描文件、数字栅格图、图形文件、特定格式卫星影像SAR被动主动特征采集数据来自反射光能量；在云层覆盖下和夜间无数据采集;亚米级空间分辨率采集数据来自雷达脉冲波;可用在各种天气条件下；空间分辨率提高举例Landsat;SPOT;GeoEye;DigitalGlobe;TerraTerraSAR-X;RADARSAT-2;COSMO-SkyMed表4-1被动与主动卫星系统Landsat■美国陆地卫星项目始于1972年,产生了全世界使用最广泛的图像。■2013年2月,陆地卫星8号启动操作陆地成像仪,它提供了与陆地卫星7号类似的七个光谱波段,加上一个新的深蓝波段(波段1)和一个新的短波红外波段(波段9)。此外,陆地卫星8号携有热红外传感器,提供了两个热波段。7号陆地卫星(ETM+)8号陆地卫星波段波长(μm)分辨率(m)波段波长(μm)分辨率(m)10.45-0.523010.43-0.453020.52-0.603020.45-0.513030.63-0.693030.53-0.593040.77-0.903040.64-0.673051.55-1.753050.85-0.883062.09-2.353061.57-1.65307(全色)0.52-0.901572.11-2.29308(全色)0.50-0.681591.36-1.3830表4-27号陆地卫星(ETM+)和8号陆地卫星的光谱波段、波长和空间分辨率SPOT法国SPOT卫星系列始于1986年。每个SPOT卫星携带两种类型的传感器。SPOT1-4获得一个10米空间分辨率的单波段图像与和20米分辨率的多波段图像。2002年发射的SPOT5，发回5和2.5米分辨率的单波段图像和10米分辨率多波段图像。SPOT6于2012年9月发射，提供1.5米分辨率的单一波段和6米分辨率的多波段图像。现在SPOT图像的部分产品由“AirbusDefenceandSpace”发布，也销售极高分辨率的Pléiades卫星图像。GeoEye、DigitalGlobe和Pléiades极高空间分辨率卫星图像GeoEyeIKONOSGeoEye-1全色82cm多光谱4m全色41cm多光谱1.65mDigitalGlobe*QuickBirdWorldView-2全色65cm多光谱2.62m全色46cm多光谱1.85mPléiades全色50cm多光谱2mGeoEye和DigitalGlobeGeoEye提供由IKONOS和GeoEye-1卫星采集的极高分辨率图像，数字地球提供由QuickBird和WorldView-2卫星采集的极高分辨率图像。TerraSatellite■1999年,美国国家航空航天局地球观测系统发射了Terra的宇宙飞船,它携带了一系列仪器。■ASTER(先进星载热发射和反射辐射仪)是设计应用在土地覆被分类和变化检测的唯一的高空间分辨率仪器。ASTER的空间分辨率是可见光和近红外范围内15米,短红外波段30米,热红外波段90米。环境资源卫星HJ、武汉大学珞珈一号也有热红外载荷SARSAR图像的空间分辨率随获取模式、波长、带宽和入射角等参数而异。例如,AirbusDefenceandSpace提供TarTerraSAR-X雷达卫星图像的空间分辨率为0.25米、1米、3米、18.5米和40米。数字高程模型（DEM）数字高程模型(DEM)由一组均匀间隔的高程数据组成。生产DEM的传统方法是使用一个立体测图仪和航拍照片的立体相对。生成DEM的新技术包括光学传感器、干涉合成孔径雷达(InSAR)、激光雷达(LiDAR)。数字高程模型数字高程模型光学传感器为了制作DEM,需要同一地区的来自不同方向的两个或两个以上光学卫星图像。这些立体图像应是在一个短的时间间隔里获取的,这样它们的光谱特征没有显著差异。InSAR■InSAR使用两个或两个以上的SAR图像来生成反射表面的高度,这可能是植物,人造要素或裸露的地面。■例如,SRTM(航天飞机雷达地形测绘任务)的DEM,是来自放置在2000年航天飞机上的两个雷达天线采集的SAR数据。LiDAR激光雷达系统的基本组件包括一个安装在飞机上的激光扫描仪、GPS和惯性测量装置。激光雷达技术的一个主要应用就是创造了高分辨率的DEM,空间分辨率为0.5到2米。这些DEM已经作了基于WGS84椭球的地理参照。因为激光雷达可以为一个发射脉冲检测多个返回信号,它能产生不同高度水平的DEM，比如地面高程(从最后返回的激光雷达)和树冠高度(从第一次返回的激光雷达)。USGSDEMsDEM分辨率垂直准确度覆盖范围1秒弧度30m2.44mConterminousU.S.,HI,PR,VI,andTerritorialIslands1/3秒弧度10m2.44mConterminousU.S.,HI,andportionsofAK1/9秒弧度3m~0.15mLimitedareasintheConterminousU.S.*阿拉斯加州大部分的NED数据分辨率是2秒弧度（大约60m），部分地区的分辨率是1秒弧度和1/3秒弧度。表4.2NEDDEMs、分辨率、垂直精度和覆盖范围*图4.4三种分辨率的DEM：30m、10m和3m。30m和10m的DEM数据为USGSDEM数据，而3mDEM是源于LIDAR（机载激光雷达）数据的产品,比其它两种包含更多的地形细节。其他栅格图数字正射影像其他栅格图4.3栅格数据结构栅格数据编码方法：直接编码、抽样编码常用编码结构：逐个像元编码、游程编码、块式编码、四叉树栅格数据的存储Raster数据是二维表面上地理数据的离散量化值，每一层的pixel值组成像元阵列（即二维数组），其中行、列号表示它的位置。当每个像元都有唯一一个属性值时，一层内的编码就需要m行×n列×3(x,y和属性编码值)个存储单元。直接编码AAAAAAAAAAAAAAAAAAAAAAAABBBBBBAAABBBBBBBDDDDBBBBBBDDDDDBBBBBDDDDDCCCCCDDDDDCCCCCDDDDDCCCCCDDDDDCCCCCDDDDDCCCCCDDDDDCCCCC全栅格编码栅格数据的抽样编码方法中心归属法：每个栅格单元的值，根据该栅格中心点所在面域的属性来确定。栅格数据的抽样编码方法长度占优法：每个栅格单元的值，根据栅格中线（水平或垂直）的全部或主要部分所处的面域的属性确定。栅格数据的抽样编码方法面积占优法：每个栅格单元的值，取占据该栅格单元面积最大的实体代码表示。不同抽样编码方法的异同栅格数据的编码技术链式编码(ChainCodes)游程长度编码(Run-LengthCodes)块式编码(BlockCodes)四叉树编码(QuadtreeEncoding)链式编码(ChainCodes)又称为弗里曼链码(Freeman)或边界链码。基本方向可定义为：东＝0，东南＝l，南二2，西南＝3，西＝4，西北＝5，北＝6，东北＝7等八个基本方向。如果再确定原点为像元(10，1)，则该多边形边界按顺时针方向的链式编码为：10，l，7，0，1，0，7，1，7，0，0，2，3，2，2，1，0，7，0，0，0，0，2，4，3，4，4，3，4，4，5，4，5，4，5，4，5，4，6，601234567游程长度编码按行存储多边形内的各个像元的列号，即在某行上从左至右存储属该多边形的始末像元的列号。对右图的进行游程长度编码(格A,空B)。块式编码块式编码是将游程长度编码扩大到二维的情况，把多边形范围划分成由像元组成的正方形，然后对各个正方形进行编码。如图：块式编码的数据结构由初始位置(行号，列号)和半径，再加上记录单元的代码组成。根据这一编码原则，上述多边形只需17个单位正方形。9个4单位的正方形和1个16单位的正方形就能完整表示，总共要57个数据，其中27对坐标，3个块的半径。四叉树编码四叉树编码又称为四分树、四元树编码。它是一种更有效地压编数据的方法。它将2n×2n像元阵列连续进行4等分，一直分到正方形的大小正好与象元的大小相等为止0123101112131101111121132220111332110图4.10分区四叉树法将栅格分成具有层次的象限。当象限内的像元值都相同（灰色或者白色）时，停止续分。无法再被续分的象限称为叶结点。在示意图中，象限空间方位以指数表示：0—NW,1—SW,2—SE和3—NE。使用空间索引法和分层四叉树结构，灰色像元可编码为：02，032，等等。更多解释参见4.3.3节。容易而有效地计算多边形的数量特征；阵列各部分的分辨率是可变的，边界复杂部分四叉树分级多，分辨率也高，而不需要表示的细节部分则分级少，分辨率低。因而既可精确表示图形结构，又可减少存储量。直接栅格编码到四叉树编码及四叉树到简单栅格编码的转换比块式编码等其它压缩方法容易。多边形中嵌套不同类型小多边形的表示较方便。四叉树编码的优点四叉树编码的缺点四叉树编码的最大缺点是转换的不确定性，用同一形状和大小的多边形可能得出多种不同的四叉树结构，故不利于形状分析和模式识别。但因它允许多边形中嵌套多边形即所谓“空洞”这种结构存在，故越来越多的GIS工作者都对四叉树结构很感兴趣。4.4栅格数据压缩数据压缩就是指栅格数据量的减少Losslesscompression无损压缩Losslycompression有损压缩（JPEG）Wavelettransform小波转换栅格化矢量化栅格数据与矢量数据的综合4.5数据转换与综合栅格化四方向相邻和八方向相邻栅格化四方向相邻和八方向相邻矢量化53点线面栅格数据与矢量数据的综合栅格数据与矢量数据的综合栅格数据与矢量数据的综合矢量模式与栅格模式比较栅格模式矢量模式优点：1、数据结构简单2、叠加操作更易实现、更有效3、能有效表达空间可变性4、便于做图像的有效增强优点：1、数据结构更严密。2、提供有效的拓扑编码，便于拓扑操作。3、图形输出美观。缺点：1、数据量大，需要压缩。2、难以表达拓扑关系。3、图形输出