خصوصیات و مقایسه داده برداری و رستری

داده های برداری و داده های رستری خصوصیات و بالتبع رفتار متفاوت از یکدیگر دارند که در اینجا به مقایسه داده برداری و رستری می پردازیم.

داده برداری:

  • یک ساختار داده فشرده بوده و به فضای دیسک کمتری نیازمند است.
  • در آن می توان توپولوژی را به صورت آشکار بیان کرد و پرسمان توپولوژی ( مانند proximity,network) انجام داد.

  • در آن داده در قدرت تفکیک اصلی خود و بدون هیچ خلاصه سازی ذخیره می شود و در همه ی مقیاس ها نمایش گرافیکی دقیقی داریم.
  • در آن تبدیل مختصات و rubber sheeting به آسانی صورت می گیرد.
  • خروجی گرافیکی آن نسبت به داده های شبکه ای به نقشه های دستی شبیه تر است.
  • لازم است که هر vertex به صورت آشکار ذخیره شود.
  • نسبت به داده های شبکه ای ساختار داده ی پیچیده تری را داراست.
  • برای داده های سنجش از دور (RS) ناکارا است.
  • تکنولوژی آن نسبتا گران است.
  • داده های پیوسته در آن به صورت کارایی نمایش داده نمی شوند.
  • شبیه سازی آن ساده نیست.
  • انجام برخی آنالیزهای مکانی در آن مشکل یا غیر ممکن است.
  • در آن overlay چند لایه زمانبر است.
  • ممکن است محاسبه ی فاصله ها با توجه به سیستم مختصات یا سیستم تصویر مورد استفاده مشکل باشد.
  • نمایش مناسبی از واقعیت است.
  • در آن امکان بازیابی، بهنگام سازی و خلاصه سازی گرافیک ها و توصیفات وجود ندارد.
  • با محیط های RDB سازگارتر است.
  • نمایش و پلات کردن آن ( به خصوص در drawing ها و رنگ آمیزی ها و shading های با کیفیت بالا) زمانبر و گران است.
  • اخذ آن نسبت به اخذ تصویر شبکه ای مشکل تر است (به علت ساختار داده ی خلاصه ی آن و توپولوژی بین اشیا و توصیفات)
  • در آن هر عارضه یک شی گسسته است که مرز آن توسط بردارها نمایش داده می شود.

داده ی شبکه ای(رستری):

  • حجم داده زیاد است لذا فشرده سازی انجام می دهیم.
  • نمایش روابط توپولوژی مشکل است.
  • با خلاصه سازی اطلاعات (جزئیات) زیادی لز ذست می رود.
  • تبدیل مختصات در آن مشکل است.
  • اکثر نقشه های خروجی سیستم های grid-cell اغلب نیاز به کارتوگرافی با کیفیت بالا ندارند.
  • موقعیت یک سلول توسط موقعیت ان در cell matrix پیاده سازی می شود.
  • اندازه و شکل سلول یکسان است.
  • ساختار داده ی آن ساده است.
  • برای داده های RS  و داده های اسکن شده کارا است.
  • تکنولوژی آن ارزان است.
  • نمایش مناسبی از پدیده های پیوسته است.
  • به دلیل اندازه ی یکسان سلول ها شبیه سازی آن آسان است.
  • انجام برخی آنالیزهای مکانی (مانند filtering, overlay) در آن ساده است.
  • ممکن است خروجی گزرافیکی آن با توجه به اندازه ی پیکسل رضایت بخش نباشد.
  • نقشه های شبکه ای خام رضایت بخش نیستند.
  • داشتن مقیاس های مختلف بین لایه ها مشکل است.
  • اندازه ی سلول قدرت تفکیک داده را مشخص می کند.
  • نمایش مناسب عوارض خطی با قدرت تفکیک سلولی داده شده گاهی مشکل است.
  • اگر حجم داده زیاد باشد پردازش داده زمانبر است.
  • روابط مکانی در آن معمولا به صورت implicit است.
  • شکل های مختلفی از داده های شبکه ای وجود دارد.

Итак, чтобы выбрать нишу для интернет-магазина  и определиться с тем, что мы будем продавать, нам важно понять – а кому вообще мы планируем продавать? Ведь даже выбрав прибыльную нишу, нельзя сказать, что она будет хорошо продаваться в вашем регионе Студия Topodin, Опыт работы

مطالب مرتبط

2 نظر

  1. سایه

    بهتر بود مقایسه درون جدول و با تصویری از ساختار رستری و برداری انجام میشد تا قابل درک تر و منظم تر باشد. همچنین یکسری ا زموارد برای شخص من که دانشجوی اکوتوریسم هستم و اطلاعات قبلی از فناوری جغرافیایی ندارم مشکل هست.

    پاسخ
    1. ادمین

      اگر برخی از اصطلاحات برای شما مفهوم نیست، می توانید از جستجوی واژه آن در سایت استفاده کنید. در اکثر موارد مطالب دیگری در توضیح آن پیدا خواهید کرد.

      پاسخ

نظر بدهید

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