O que são dados rasterizados e vetoriais no contexto GIS?
Em termos gerais, para quais aplicativos, processos ou análise são adequados? (e não adequado para!)
Alguém tem fotos pequenas, concisas e eficazes que transmitem e contrastam essas duas representações de dados fundamentais?
Respostas:
Dados vetoriais
Vantagens: Os dados podem ser representados em sua resolução e forma originais sem generalização. A produção gráfica é geralmente mais esteticamente agradável (representação cartográfica tradicional); Como a maioria dos dados, por exemplo, mapas impressos, está em forma vetorial, não é necessária a conversão de dados. A localização geográfica precisa dos dados é mantida. Permite codificação eficiente da topologia e, como resultado, operações mais eficientes que exigem informações topológicas, por exemplo, proximidade, análise de rede.
Desvantagens: O local de cada vértice precisa ser armazenado explicitamente. Para uma análise eficaz, os dados vetoriais devem ser convertidos em uma estrutura topológica. Geralmente, esse processo é intensivo e geralmente requer limpeza extensiva dos dados. Além disso, a topologia é estática e qualquer atualização ou edição dos dados vetoriais exige a reconstrução da topologia. Os algoritmos para funções manipulativas e de análise são complexos e podem ser intensivos em processamento. Freqüentemente, isso inerentemente limita a funcionalidade para grandes conjuntos de dados, por exemplo, um grande número de recursos. Dados contínuos, como dados de elevação, não são efetivamente representados no formato vetorial. Geralmente, é necessária generalização ou interpolação substancial de dados para essas camadas de dados. A análise espacial e a filtragem dentro dos polígonos é impossível
Dados de varredura
Vantagens: A localização geográfica de cada célula está implícita em sua posição na matriz celular. Portanto, além de um ponto de origem, por exemplo, canto inferior esquerdo, nenhuma coordenada geográfica é armazenada. Devido à natureza da técnica de armazenamento de dados, a análise de dados geralmente é fácil de programar e rápida de executar. A natureza inerente aos mapas de varredura, por exemplo, mapas de um atributo, é ideal para modelagem matemática e análise quantitativa. Dados discretos, por exemplo, postos florestais, são acomodados igualmente bem como dados contínuos, por exemplo, dados de elevação e facilitam a integração dos dois tipos de dados. Os sistemas de células de grade são muito compatíveis com dispositivos de saída baseados em varredura, por exemplo, plotadoras eletrostáticas, terminais gráficos.
Desvantagens: O tamanho da célula determina a resolução na qual os dados são representados .; É especialmente difícil representar adequadamente características lineares, dependendo da resolução da célula. Por conseguinte, é difícil estabelecer ligações de rede. O processamento de dados de atributos associados pode ser complicado se existir uma grande quantidade de dados. Os mapas de varredura refletem inerentemente apenas um atributo ou característica de uma área. Como a maioria dos dados de entrada está no formato vetorial, os dados devem sofrer conversão de vetor para varredura. Além dos requisitos de processamento aumentados, isso pode apresentar problemas de integridade de dados devido à generalização e escolha do tamanho inadequado da célula. A maioria dos mapas de saída dos sistemas de célula em grade não está em conformidade com as necessidades cartográficas de alta qualidade.
Pixels x coordenadas Quando penso em mapas de varredura, meu primeiro pensamento são imagens de satélite. Quase todos os pixels em uma imagem de satélite detalhada de uma área urbana podem conter informações exclusivas. Um único bloco em um mapa da web (normalmente uma variante do Mercator, vagamente referido como " Spherical Mercator " ou " Web Mercator " e suportado pelo Google , Bing , Yahoo, OSM e ESRI) normalmente possui 256 x 256 = 65.536 pixels e cada o nível de zoom possui (2 ^ zoom * 2 ^ zoom) lado a lado . Quando penso em Vector, penso em polígonos e linhas. Por exemplo, um arquivo de forma detalhando os limites de zoneamento de uma área inteira da cidade (potencialmente milhões de blocos de varredura) pode ter apenas 65.000 formas vetoriais.
Escala precisa Parece que você (e provavelmente a maioria dos leitores) já conhece a diferença mais óbvia entre pixels fixos rasterizados e vetores (mapas de coordenadas). Os desenhos vetoriais (e mapas) podem ser dimensionados com um maior grau de fidelidade do que os pixels, porque os dados vetoriais contêm padrões de coordenadas (pontos, polígonos, linhas etc.) que podem ser renderizados um para o outro em diferentes resoluções usando fórmulas simples, enquanto o redimensionamento de pixel normalmente usa um algoritmo de suavização que resulta em artefatos de imagem.
Compactação de imagem versus compactação de estrutura Na prática, a maioria das imagens não possui pixels 100% exclusivos que podem ser compactados em pacotes de dados menores, e muitos arquivos vetoriais contêm detalhes em excesso que não são necessários em muitos níveis de zoom de detalhes baixos. A compactação de imagem é um processo bem conhecido e muito eficiente e quase todas as bibliotecas de códigos construíram classes para fazer esse trabalho. A compactação de coordenadas de vetor ou "simplificação de geometria" é um pouco menos comum (como o GIS em geral é um pouco menos comum que a manipulação geral de imagens). Na minha experiência, você gastará quase 0 tempo pensando em compactação de imagem (simplesmente desligue ou ligue) e consideravelmente mais tempo pensando em compactação espacial. Confira o algoritmo de Douglas Peucker para exemplos ou brinque com o QGIS e alguns arquivos de limite do Censo.
Renderização do cliente versus servidor No final , tudo o que é visualizado em um computador é renderizado em pixels na tela em uma resolução específica (ou seja, nível de zoom). Freqüentemente (especialmente na web), o desafio é colocar esses pixels na frente dos usuários da maneira mais eficiente possível. Os arquivos de forma do grupo Censo Trato e Bloco dos EUAsão particularmente interessantes porque estão além do limite de conjuntos de dados vetoriais 'grandes demais' para serem renderizados em um navegador da Web como dados vetoriais. Em contraste, os condados dos EUA mal podem ser renderizados em navegadores modernos como um download de vetor. Embora um arquivo de formato vetorial do Grupo de Censo dos EUA seja certamente menor do que um conjunto de peças rasterizadas para cobrir todo o país em vários níveis de zoom, o arquivo de Forma do Grupo de Blocos é muito grande (cerca de 1 GB) para um navegador da Web fazer o download sob demanda. Mesmo que o navegador da Web possa baixar o arquivo rapidamente, a maioria dos navegadores da Web (mesmo usando o flash) é bastante lenta ao renderizar um grande número de formas. Portanto, para visualizar grandes conjuntos de dados vetoriais, é melhor convertê-los em imagens compactadas para transmissão ao navegador da web.
Alguns exemplos práticos Respondi a uma pergunta semelhante há alguns dias sobre a renderização de grandes conjuntos de dados no google maps. Você pode ver a pergunta e uma análise detalhada das "melhores práticas" usadas pelo NY Times e outros hoje aqui .
Há alguns anos, decidimos fazer a transição da renderização em vetor pesada do lado do cliente em flash para a renderização vetorial do lado do servidor que fornece blocos de imagem compactada para puro html e JavaScript. Temos uma galeria de mapas com várias versões de Html + Raster (mosaicos de imagens geradas por servidor) e Flash + Vector (renderização pesada do lado do cliente).
Parece que você está procurando uma maneira de expressar isso para pessoas não técnicas, talvez? Você pode usar uma analogia para dois itens da infância, papel milimetrado e um quebra-cabeça de conectar os pontos. Cada quadrado em uma folha de papel milimetrado corresponde a uma célula raster, então imagine colorir cada quadrado ou inserir um número nele. Dados vetoriais são um quebra-cabeça de conectar os pontos. Nos dois casos, cada camada é simplesmente outra folha de papel.
Esta foto fornece uma boa idéia da representação de dados raster vs. vetor.
No Rastor, a área em consideração é dividida em quadrados iguais e uma característica atribuída a ela. Portanto, se você considerar criar uma estrutura de dados para o rastor, seria uma matriz 2D, cada coordenada x, y indica um quadrado no are e pode ter uma certa característica predefinida, como construção, estrada, vegetação, corpo d'água etc.
No Vector, os dados são representados em termos de pontos, linhas e polígonos. Portanto, um ponto turístico é representado como um PONTO (x, y), Um rio ou uma estrada representada como uma sequência de linhas (que é a série de pontos conectados), um lago ou um estádio etc. representado como um polígono (Lista de pontos que formam uma área fechada) - Leia mais aqui: https://en.wikipedia.org/wiki/Well-known_text
As imagens são de pesquisa na web, eu havia tirado screenshots na época e não tenho links para a fonte original na web agora! Desculpas por isso!
Mas espero que esta resposta ajude a explicá-la a uma pessoa nova no GIS: D
É melhor pensar nos dados rasterizados como um tipo especial de dados vetoriais. Nos dados vetoriais, as linhas no mapa são determinadas por um fenômeno específico. Nos dados rasterizados, esse delineamento é definido por uma grade arbitrária, independente dos fenômenos que está tentando mapear. Normalmente, essa grade é o resultado da maneira como um sensor específico captura informações (como uma câmera). Mas, em todos os casos, os dados rasterizados também podem ser representados por vetores.
