GIS的课后复习:空间数据处理 - 1.大致的框架

    地理学第一定律: all attribute values on a geographic surface are related to each other, but closer values are more strongly related than are more distant ones.地理事物或属性在空间分布上互为相关,存在集聚(clustering)、随机(random)、规则(Regularity)分布。                                                                            ————by Waldo Tobler

空间数据处理部分的大致框架如下:

  1. 坐标变换
    •   仿射变换
    •   相似变换
    •   二次变换
  1. 坐标投影
    • 正解变换
    • 反解变换
    • 数值变换
  2. 数据压缩
  3. 数据质量
    1. 准确度(Accuracy):测量值与真值之间的接近程度。
    2. 精度(Precision):对现象描述的详细程度。
    3. 不确定性(Uncertainty)
    4. 相容性(Compatibility):指两个来源的数据在同一个应用 中使用的难易程度。例如当把两张图进行拼接时,边界线和类型的相容。
    5. 一致性(Consistency):对同一现象或同类现象的表达的一致程度。
    6. 完整性(Completeness)
    7. 可得性(Accessibility):指获取或使用数据的容易程度。
    8. 现势性(Timeliness):指数据反映客观现象目前状况的程度。
  4. 结构转换(大量涉及计算机图形学)
    • 一般指矢量、栅格数据之间的转换:由于转换程序通常占用较多的内存,涉及复杂的数值运算,这方面一直是地理信息系统的技术难题之一。
    • 矢量->栅格
    • 栅格->适量
时间: 2024-11-07 15:40:53

GIS的课后复习:空间数据处理 - 1.大致的框架的相关文章

GIS的课后复习:空间数据处理 - 1.1坐标变换

坐标变换是为了实现对数字化数据的坐标系转换和图纸变形误差的改正.分为仿射变换.相似变换.二次变换. 1) 仿射变换(AffineTransform) 即如图所示的坐标变换: 设:x,y为数字化仪坐标,X,Y为理论坐标,m1.m2为地图横向和纵向的实际比例尺,两坐标系夹角为а,数字化仪原点O'相对于理论坐标系原点平移了a0.b0.根据图形变换原理,得出坐标变换公式如下X = a0 + ( m1 * cosа ) * x + ( m2 * sinа ) * yY = b0 -  ( m1 * sin

GIS的课后复习:空间数据处理 - 1.2坐标投影

先来扯扯为什么要有坐标投影? 官方的定义是–不规则的地球表面可以用地球椭球面来替代,地球椭球面是不可展曲面,而地图是一个平面,将地球椭球面上的点映射到平面上来的方法,称为地图投影. 理解开来就是:地球是个球,而我们想要的却是一张平面图,这个变换的过程就像上图所示:相像一个发光点照向要投影的面,记录各点投影后的位置. 投影的最终目的是:建立地球椭球面上点的坐标(λ,φ)与平面上对应的坐标(x,y)之间的函数关系   而在把球展开成平面的过程中,必定要产生形变误差,主要分为长度上的变形.角度上的变形

海量数据处理之从Hadoop框架与MapReduce模式中谈海量数据处理(淘宝技术架构)

几周前,当我最初听到,以致后来初次接触Hadoop与MapReduce这两个东西,我便稍显兴奋,觉得它们很是神秘,而神秘的东西常能勾起我的兴趣,在看过介绍它们的文章或论文之后,觉得Hadoop是一项富有趣味和挑战性的技术,且它还牵扯到了一个我更加感兴趣的话题:海量数据处理. 由此,最近凡是空闲时,便在看"Hadoop","MapReduce""海量数据处理"这方面的论文.但在看论文的过程中,总觉得那些论文都是浅尝辄止,常常看的很不过瘾,总是一个东

MySQL中的GIS几何函数和空间分析函数

MySQL空间扩展不仅提供了空间数据的存储能力,而且还具备一些空间运算能力,这些功能通过MySQL内建的几何函数实现.最简单的几何函数昨天已经有所涉及,也就是转换WTK的GEOMFROMTEXT和ASTEXT.除此以外,不同的几何对象还具有不同的功能函数. 几何类的函数DIMENSION,返回对象的尺寸,-1为空,0为点(没有长度没有面积),1为线(有长度而没有面积),2为多边形(有面积):ENVELOPE,返回最小边界矩形:GEOMERYTYPE,返回几何类型(字符串)SRID,所谓SRID是

R在GIS中用ggmap地理空间数据分析

原文:http://tecdat.cn/?p=4001 概要 做过O2O(Online To Offline,在线离线/线上到线下)的小伙伴知道,GIS数据需要具体到精准的位置(即经纬度):对于连锁门店,使用GIS和其它的数据密集型服务遵循一个简单的逻辑:数据有助于企业节省开支,同时也防止企业因为在不适宜的地点开设门店而导致的错误决策浪费金钱. 地铁不仅是交通轨道,更是一座城市的血脉,是记录和观察城市经济生活最重要的切入点之一,地铁口的特征是,上下地铁,这类人群都是快消人群.针对快消品牌的用户定

day4课后复习

一.高效读取文件 1.使用with打开文件,程序运行完后会自动关闭打开的文件 2.修改文件,将文件中的123替换为a(简单粗暴方式) 3.打开两个文件,修改后将旧文件删除,将新文件名字改成旧文件的名称,将修改后的内容写入新文件, Email处理 日志处理 二.json处理 1.将json串转为字典json.loads()方法 2.将字典转为json,并写如文件中json.dumps()方法 3.将字典转为json后自动写入文件并格式化json.dump()方法 4.json直接转为字典 三.集合

马化腾漫谈“流式大数据处理的三种框架:Storm,Spark和Samza”

Apache Storm 在Storm中,先要设计一个用于实时计算的图状结构,我们称之为拓扑(topology).这个拓扑将会被提交给集群,由集群中的主控节点(master node)分发代码,将任务分配给工作节点(worker node)执行.一个拓扑中包括spout和bolt两种角色,其中spout发送消息,负责将数据流以tuple元组的形式发送出去:而bolt则负责转换这些数据流,在bolt中可以完成计算.过滤等操作,bolt自身也可以随机将数据发送给其他bolt.由spout发射出的tu

流式大数据处理的三种框架:Storm,Spark和Samza

许多分布式计算系统都可以实时或接近实时地处理大数据流.本文将对三种Apache框架分别进行简单介绍,然后尝试快速.高度概述其异同. Apache Storm 在Storm中,先要设计一个用于实时计算的图状结构,我们称之为拓扑(topology).这个拓扑将会被提交给集群,由集群中的主控节点(master node)分发代码,将任务分配给工作节点(worker node)执行.一个拓扑中包括spout和bolt两种角色,其中spout发送消息,负责将数据流以tuple元组的形式发送出去:而bolt

复习知识点:TabBarViewController(微信框架)

TabBarViewController:标签视图控制器 在application设置 创建四个视图控制器 引入视图控制器头文件 1 #import "AppDelegate.h" 2 3 #import "RootTableViewController.h" 4 #import "FirstTableViewController.h" 5 #import "SecondTableViewController.h" 6 #im