مدل رقومی زمین (DTM) – بخش ششم (مدیریت داده های DTM)

انواع استراتژی مدیریت داده های DTM

  1. استراتژی ایجاد مدیریت داده های DTM به صورتoperational
  2. استراتژی استفاده از پایگاه داده ها جهت مدیریت داده ها

برای ایجاد مدیریت داده های مکانی به صورت کاربردی ، داده های مکانی را به 5 قسمت تقسیم می کنیم

  1. Horizontal position
  2. vertical position
  3. time
  4. theme
  5. scale

  • برای تهیه نقشه های DTM در سطح ملی ، آنها را معمولا به صورت شیت‌های منظمی کنار هم می چینند.
operational strategy :

برای منطق بزرگ در سطح ملی یا استانی می آیند نسبت به مقیاس مورد نیاز یک سری شیب با اندازه های استاندارد را تهیه می کنند به این تقسیم بندی نقشه های بزرگ operational strategy می گویند

تمامی داده های مکانی که شامل داده های dtm هستند از دو بخش attribute geometric تشکیل شده اند پس این داده ها متفاوت از داده های معمولی است که فقط از یک جز تشکیل یافته اند پس یک نظم و ترتیب خاصی برای داده های مکانی باید در نظر بگیریم .

از فایلها ها برای ذخیره اطلاعات هندسی و ازrelation table ها برای ذخیره داده های توصیفی استفاده می کنیم.

این دو داده توسط نشانگرها به هم دیگر ارتباط پیدا می کنند. اطلاعات هندسی همان مختصات هاست

مدیریت داده های DTM با استفاده از فایل

  1. ساختار فایلی برای DTM گرید بندی شده :
  2. ADDITIONAL TERRAIN FEATURE DATA

به صورت یک ماتریس ارتفاعی نمایش داده می شود.

توپولوژی در این نوع ساختار به صورت غیرآشکار می باشد جهت محاسبه مختصات هر یک از grid-node ها به یک مبدا (x,y) و یک square grid interval نیاز داریم . فرض می کنیم که مبدا ما در ماتریس گوشه پایین و چپ باشد . اگر فرض کنیم ماتریس کلی ما(m,n) باشد سپس مختصات grid node را با استفاده از فرمول روبرو محاسبه می کنیم.

Xi,j =(j-1)*d+x0 ,j=(0,n-1)

yi,j =(i-1)*d+y0 ,i=(0,m-1)

در حالت کلی این ساختار از 3 بخش تشکیل می شود

  1. header
    • مختصات مبدا
    • نوع مختصات (x,y) و یا ..
    • grid interval
    • محدوده ارتفاعی
    • تعداد سطر و ستونها – موقعیتbody و footer در فایل
  2. Body
    • ارتفاع grid node
  3. footer
    • توصیف کلی داده ها
    • مشخصاتdtm مثل نام و مرز پارامتر های تصویر، دقت و…

تفاوت اساسی بین مدیریت داده هایTIN و GRID این است که در مدلTIN علاوه بر مختصات (X,Y,Z) باید مختصات هر راس به همراه اطلاعات توپولوژیکی آنها را نیز باید ضبط کنیم. و همچنین اطلاعات توپولوژی بین مثلث ها را نیز باید در اکثر مواقع ضبط کرد .این ساختار نیز از 3 بخش تشکیل می شود: برای مختصات

  1. HEADER
    • مختصات نقاط مرزی CONVEX HULL
    • حدود مختصات X,Y,Z
    • نوع مختصات داده ها
    • تعداد نقاط
    • موقعیتBODY و FOOTER
  2. BODY
    • مختصاتX,Y,Z
  3. FOOTER
    • توصیف کلی از داده ها و مشخصات DTM مثل نام و روش و پارامتر هاغی تصویر ، دقت و کد نقاط NULLو ….

در تقسیم بندی ساختار به 3 بخش برای توپولوژی :

  1. HEADER
    • تعداد مثلث ها
    • بایت های داده برا ی مختصات و رئوس و همایگی های مثلث ها
  2. BODY
    • اطلاعات جدول رئوس مثلث مثلث ها و همایگی مثلث ها
  3. FOOTER

مدیریت داده های DTM با استفاده از پایگاه داده های مکانی 

داده های DTM را میتوان توسط جدول ها و فایلها در داخل یک پایگاه داده سازندهی کرد . حال به بررسی انواع سازندهی می پردازیم .

1) سازماندهی جدولها برای داده های GRID DTM (منظم )

– ساختار سلسه مراتبی

ضروری نیست که برایTILE ها از مستطیل استفاده کنیم برای مثال مرز کشور ها دارای TILE های نامنظم خواهد بود

در سیستم های تجاری BLOCK بخش اصلی برای دسترسی و بازیابی ، BLOCK است هرBLOCK شامل تعداد زیادی سطر و ستون است

برای ایندکس گذاری به صورت روبرو عمل می شود. “REGION – TILE-BLOCK-ROW-COLOMN” که این عمل باعث تسریع در دسترسی به داده ها و بازیابی آنها خواهد شد.

ترتیب جدولها برای DTM در OBJECT RELATIONAL DATABASE در شکل 8-10 نمایش داده شده است

برای جلوگیری از مشکلEDGE MATCHING بین بلوکهای مجاور درصد خاصی همپوشی باید وجود داشته باشد.

INDEX TABLE FOR A EGIONAL از 4 رکورد تشکیل می یابد.

  1. REGION ID شمارهREGION است.
  2. REGION TABLE NAME نام جدولی است که شامل داده های DTM است.
  3. REGION DTM INFO شامل تعداد TILE ها و BLOCK ها در جهت X,Y و همچنین تعداد سطرها و ستون در هر BLOCK و اندازه هر سلول مقیاس و BLOCK
  4. RANGE OF REGION شامل مینیمم و ماکزیمم مختصات X,Y می باشد.
سازماندهی جدولها برای داده هایTIN مشابهGRID

شامل 4 رکورد است مانندروش بالایی با این تفاوت کهREGION – INFO شامل اطلاعاتی نظیر: سایر X,Y هر بلوک تعداد بلکو ها در هر REGION در جهت X,Yتعداد نقاط در REGION مقیاس

در این ساختار مثلث واحد اصلی است و برای این ساختار ما نیاز به 3 جدول داریم.

  1. مختصات نقاط
  2. ارتباط هر مثلث با 3 راسش
  3. ارتباط بین مثلث و 3 همسایه اش (لبه ها)
سازماندهی جدولها برای دادههای عوارض اضافی:

در صورت وجود اینگونه عوارض ما نیاز به یک جدول اضافی خواهیم داشت.

برای اندکس گذاری به 4 رکورد نیاز داریم:

  1. REGION – ID
  2. REGION – TBLE- NAME
  3. FEATURE INFO
  4. RANGE OF REGION

شاملID جدول عوارض و نام جدول و شماره دهی به عوارض مثلاً 1 برای جدول نقطه و 2 برای جدول خط…

سازماندهی جدولها برای METADATA

محتویات و کیفیت و وضعیت داده را توصیف می کند. و یکی از پایه های اساسی برای SHARE کردن داده ها است.

FUNDMENTL FUNCTION OF METADATA :

  1. AVAILABILITY(قابلیت استفاده) برای نشان دادن اینکه آیا یک مجموعه داده ای برای منطقه جغرافیایی خاصی وجود دارد
  2. FITNESS FOR USE : تخمین اینکه ایا مجموعه داده قابل کاربرد است یا نه
  3. ACCESS :تعریف روشهای به دست آوردن داده ها
  4. TRANSFER

در حالت کلی متادیتا شامل موارد زیر است:

1) BASIC INDENTIFIES : اطلاعات اساسی در مورد مجموعه داده ها مثل عنوان حوزه جغرافیایی قابلیت بهنگام بودن قوانین دسترسی

2) QUALITY تخمین کیفیت مجموعه داده ها، شامل دقت مکانی و توصیفی کامل بودن ثابت بودن منابع اطلاعات روشهای تولید

3) DATA ORGNIZATION: مکانیزم نمایش و بیان اطلاعات مکانی مثل اینکه موقعیت مکانی به صورت مستقیم توسط بردار یا بستر نمایش و بیان می شود و یا به صورت غیر مستقیم توسط آدرس خیابان و کد پستی

4) SPATIAL REFRENCE : توصیف سیستم مختصات مجموعه داده ها شامل سیستم تصویر و پارامترها و بنچ مارک ها و ارتفاع نقاط می باشد.

5) ENTITY & ATTRIBUTE: محتویات مجموعه داده هاست. شامل نوع و صنعت و دامنه است.

6) ISSUANCE به دست آوردن داده هاست. برای مثال: فرمت و چگونگی به دست آوردن اطلاعات در مورد داده ها و قیمت آنها از طریق

7) METADATA REFRENCE: تشریح اطلاعات در مورد CURRENCY (قابل بهنگام بودن) متادیتا و تولید کنندگان آن جدول 5-10

به علت اینکه فایلهای متادیتا اسناد توصیفی به همراه متن و داده های رقومی است پس به طور کلی RELATION DB برای ان کافی است

دو جدول برای مدیریت متادیتا نیاز داریم یکی برای انتشار متادیتا به صورت کلی جدول 15-10 و دیگری برای کاربردهای داخلی در حقیقت ساختار این دو جدول مثل هم است و فقط FIELD های آنها متفاوت اند.

استانداردهای متادیتا

  • CSGDM
  • DIF
  • GILS
  • GDDD
  • ISO

فشرده سازی داده های DTM

برای فشرده سازی دو روش وجود دارد:

  1. LOSSLESS COMPRESSION در این نوع فشرده سازی افزونگی را حذف می کنیم که در این کار را به کمک CODING انجام می دهیم بعد از این مرحله می توان داده ها را با 100% درستی (اطمینان کامل) بازیابی کرد.
  2. LOSSY COMPRESSIONS: از دست دادن اطلاعات یا دقت تا زمانی که بعضی از نقاط را تغییر می دهیم قابل قبول با سه در این روش ها ما هرگز قادر به بازیابی داده های از دست داده نخواهیم بود.
  • ساختار QUDTREE یک روش کارا برای فشرده سازی داده ها است.

در اینجا برای فشرده سازی HUFFMAN ENCODING بحث می شود.

HUFFMAN CODING

ایده اساسی این روش بر روی مقادیری است که مکررا اتفاق می افتند (تکرار زیاد) حال اگر برای این نوع مقادیر از کدهای کوتاهتری استفاده کنیم و برای مقادیری که تکرار در آنها کمتر است از کدهای طولانی استفاده کنیم: آنگاه مقدار حافظه برای ذخیره سازی به طور قابل توجهی کاهش خواهد یافت.

برای ذخیره سازی هر ارتفاع به یک فضای 8 بیتی نیاز داریم. پس برای ذخیره سازی کل جدول نیاز به 8*36 یعنی 288 بیت خواهیم داشت.

نشان می دهد که عدد 213 بیشترین تکرار را دارد و عدد 216 کمترین تکرار.

در مرحله اول مقادیر را به ترتیب تکرار زیاد از بالا به پایین قرار می دهیم که به این فرایند SOURCE REDUCTIONمی گویند در این فرایند دو موضوع مهم موجود است: 1) دور تکرار آخر با هم در هر حلقه جمع می شوند 2) همواره تکرارها از بالا به پایین هستند و نظم آنها به هم نمی خورد

در نهایت که تعداد تکرارها به دو تا رسید کدهی شروع می شود در کد هی به باید 3 موضوع را در نظر بگیریم:

  1. کد باینری است و پس صفر و یک است.
  2. کدها در سطوح بالاتر به کدهای با سطح پایین تر پخش می شوند
  3. کدها از آخر به اول فرایند SOURCE REDUCTION تنظیم می شود (عددی که بیشتر است کد صفر می گیرد و عدد کمتر کد یک)
DIFFERENCING FOLLOWED BY CODING

در DTM همواره وابستگی بین ارتفاع هر نقطه و همسایگی هایش وجود دارد بنابراین اختلاف ارتفاعها عددی کوچکتر از خود ارتفاع را به ما خواهد داد پس طبیعی است که ما از این روش می توانیم برای کد دهی استفاده کنیم. در این روش پس از محاسبه اختلاف ها از روش HUFFMAN استفاده می کنیم.

این روش را KIDNER & SMITH اختراع کرده اند.

مراحل آن عبارتند از :

1)predict :

برای این عمل نیاز به یک predictor داریم که به صورت three point lenear در نظر گرفته می شود.

2) difference : orginal prediction

3) encoding : huffman

با این روش می توان DTMهای USGS با مقیاس 1/250000 را بر روی یک CD-ROM فشرده کرد.

این روش در مقایسه با روش 2 بیتی برای ذخیره سازی حافظه در حدود 90% کمتر را اشغال می‌کند.

استانداردهای فرمت DTM

داده هایDTM فرمت های مختلفی را دارند هر نرم افزار برای خود یک سری استانداردهایی را تعریف می کند بنابراین یک سیستم باید تعداد زیادی برنامه برای IMPORT/EXPORT نوشته شود. اگر ماN تا فرمت داده داشته باشیم نیاز به ترکیب 2 از N برنامه خواهیم داشت.که این روش ناکار آمدی است.

برای حل این مشکل یک فرمت NEURAL ایجاد می کنیم که این فرمت تمامی نرم افزارها را پشتیبانی می کند.

Крупно выделено наличие у данного графического ускорителя заводского разгона до 925 МГц, название самой модели ENGTS450 DirectCU, а также использование технологии DirectCU, графического чипа GeForce GTS 450, установленный объем видеопамяти 1024 GDDR5 и возможность «Play games with iPhone», Студия Topodin, Если Вы хотите раскрутить сайт быстро и самому, Вы должны быть готовы к тому, что придется вложить много сил в его раскрутку

مطالب مرتبط

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *