Размещено на http://www.allbest.ru/

Сетевые аналитические геоинформационные системы

В.Г. Гитис, А.П.Вайншток

Институт проблем передачи информации РАН

101447, Москва, ГСП-4, Большой Каретный пер. 19, ИППИ РАН

Введение

Появление новых информационных и коммуникационных технологий обеспечило переход от разобщенных и независимых информационных ресурсов к ресурсам, связанным надежными и производительными информационными сетями передачи данных. Экспоненциальный рост объема цифровой информации, ее разнообразие и важность для устойчивого развития экономики, природопользования и социальной сферы и быстрое развитие телекоммуникационных технологий вызвали необходимость в передовых странах мира объявить программы перехода индустриального общества к информационному.

Считается, что 80% цифровой информации, используемой менеджерами и лицами, принимающими решения, имеет географическую привязку [1]. Географическая информация (ГИ) применяется для планирования, прогноза и поддержки принятия решений в важнейших областях человеческой деятельности, таких как экономика, безопасность, оборона, транспорт, связь, здоровье, образование, управление природными и техническими ресурсами и т.д.. В связи с разнообразием областей применения ГИ рассматривается как одна из важнейших компонент информационного общества.

В странах Европейского Сообщества уделяют большое внимание вопросам, связанным с ГИ: разрабатываются политика в области ГИ, инфраструктура ГИ и стратегия распространения и доступа к ГИ. Создан ряд международных ассоциаций по ГИ, специальная организация EUROGI (European Umbrella Organization for Geographic Information) объединяет более 20 национальных и европейских ГИ ассоциаций. В EUROGI представлено более 3000 научных и коммерческих организаций из 20 стран. В рамках программ исследований и разработок ЕС INCO-COPERNICUS и FP5 выполняются десятки международных ГИС-проектов, проводится ежегодное рабочее совещание по выполняемым ГИС проектам. На крупнейшей Европейской выставке информационных технологий CeBit'2001 в программной экспозиции ГИ систем и технологий представлены более 300 организаций.

В последние годы значительные усилия разработчиков геоинформационных технологий направлены на разработку сетевых ГИС [2]. Данная работа посвящена одному из направлений сетевых ГИС: технологиям и системам, предназначенным для анализа тематических, пространственных и временных свойств ГИ, извлечения из ГИ существенной информации и знаний. В ней обсуждается спецификация требований основных групп пользователей, сетевых аналитических ГИС, структура данных и основные типы операций. Рассматриваемые представления возникли в процессе разработки и применения сетевых аналитических ГИС ГеоПроцессор и КОМПАC, функции которых кратко описываются в последнем разделе.

1. Пользователи сетевых аналитических ГИС

ГИ представляет значительный интерес для индивидуальных пользователей сети Интернет и пользователей корпоративных сетей. Имеются два типа пользователей сетевых ГИС: потребители ГИ и поставщики ГИ.

Задачи и возможности поставщиков ГИ состоят в следующем:

Широкая публикация ГИ,

Организация персонифицированного доступа к ГИ,

Организация распределенных баз данных и знаний по ГИ,

Предоставление ГИ для анализа с сохранением права собственности поставщика,

Представление инструментальных средств обработки и анализа ГИ, сетевых ГИС.

Для потребителей ГИ поддерживаются следующие возможности:

Доступ к ГИ и анализ ГИ для всех, отовсюду, и в любое время,

Доступ к динамическим данным геологического, геофизического, экологического, социологического и геополитического мониторинга и их анализ,

Изучение и исследование ГИ с помощью сетевых ГИС.

Поставщиками ГИ являются комитеты по статистике, общественные организации, ведомства, научные и учебные учреждения (сотни организаций).

Потребителями ГИ являются научные учреждения, федеральные и региональные администрации и ведомства, комитеты по ЧС, природоохранные и природопользовательские организации, различные предприятия, учебные заведения и индивидуальные пользователи сети Интернет (сотни тысяч пользователей).

Для характеристики рынка пользователей ГИС можно привести статистику различных областей приложений ГИС, представленных на выставке СeBit'2001:

муниципальная администрация - 20.9 %

транспорт и навигация - 13.7 %

производители и поставщики ГИ - 8.1 %

связь - 6.8 %

архитектура и планирование земель и городов - 6.4 %

маркетинг и распространение - 6.4 %

удаление отходов - 6.4 %

промышленность и торговля - 4.7 %

банки и страхование - 3.8 %

охрана окружающей среды - 3.8 %

туризм - 3.4 %

водные ресурсы - 2.1 %

сельское и лесное хозяйство - 1.7 %

розничная и оптовая торговля - 0.8 %

поиск и добыча полезных ископаемых 0.4 %

другие - 10.6 %

ГИС приложения связаны с геомаркетингом, планированием пространственно-распределенных ресурсов, оптимизацией бизнеса с использованием пространственной информации, экономикой, поддержкой административного управления на местном, региональном и государственном уровнях.

Ориентация в основном на приложения, связанные с визуализацией географической информации в виде карт и привязкой к ним различных баз данных по инфраструктуре различных территорий (застройка, бытовые объекты, торговля, организации и предприятия, дороги, газопроводы, линии электропередачи и т.п.) и проектированием объектов инфраструктуры, объясняется, видимо, тем, что с одной стороны инструментальные средства для этих задач довольно хорошо проработаны в современных ГИС, а с другой, такие приложения обеспечивают потребности самой многочисленной группы пользователей (ГИС-зрителей).

В соответствии с решаемыми задачами и требованиями к анализу ГИ потребителей сетевой ГИ можно разделить на следующие группы:

Непрофессиональные пользователи сети Интернет,

Администраторы всех уровней,

Учащиеся школ, колледжей и университетов,

Эксперты и исследователи.

Наиболее многочисленной является группа непрофессиональных потребителей ГИ. Запросы этой группы пользователей относятся в основном к получению справочной, мало изменяющейся во времени информации из достаточно больших баз данных, либо к просмотру в реальном времени постоянно обновляемой динамической информации. Этой группе в основном необходимо обеспечить дружественный интерфейс к средствам поиска релевантной ГИ, наглядное представление ГИ и результатов ее анализа средствами интерактивной картографики, когнитивной графики и мультимедиа. Поддержка запросов этой массовой группы пользователей очень важна для построения информационного общества.

Запросы остальных групп потребителей ГИ связаны с обучением, поддержкой принятия решений, производством и исследовательской работой. Обеспечение этих запросов требует существенно более детального анализа ГИ. Поэтому эти группы должны иметь с одной стороны возможность настройки аналитических ресурсов системы под свои задачи вплоть до подключения своих программных средств, а с другой - возможность подключения своих личных данных для их совместной обработки с данными сервера (в том числе и с данными, предназначенными только для абонированных пользователей).

Структура требований основных групп пользователей и технологические средства для их поддержки представлены на Рис 1.



Рис. 1. Запросы и средства поддержки основных групп пользователей сетевых аналитических ГИС

геоинформационный аналитический сетевой пользователь

Задачи непрофессиональных пользователей сети Интернет состоят в получении ГИ в реальном времени и ее экспресс-анализе. Эти запросы поддерживаются средствами картографики, когнитивной графики и мультимедиа.

Задачи администраторов и бизнесменов добавляют к этому списку запросы по детальному анализу ГИ, по подготовке аналитических отчетов и по поддержке принятия решений. Для этого требуется подключение к ГИС средств организации персонифицированного доступа к ГИ, средств извлечения существенной информации с помощью картографики и когнитивной графики, средств вычисления новых свойств ГИ с помощью аналитических преобразований.

Задачи учащихся университетов, колледжей и школ состоят в изучении экономических, социальных и природных процессов и явлений. Вместе с тем задачи этой группы в зависимости от уровня подготовки могут включать в себя различные наборы рассмотренных выше запросов. Необходимые дополнительные средства должны поддерживать возможность подключения данных пользователя, комплексный анализ свойств ГИ и классификацию географических объектов.

Задачи экспертов в предметных областях являются наиболее сложными. Они дополнительно включают исследование закономерностей, подготовку и обработку данных, а также проблемно-ориентированные технологии анализа ГИ. Эти требования поддерживаются средствами оценивания связей между географическими понятиями, средствами изменения структуры ГИ, моделирования пространственно-временных процессов и средствами подключения программных модулей пользователя.

2. Сетевые технологические схемы

Рассмотрим две архитектуры сетевых ГИС, которые не требуют установки у пользователя дополнительных программ: серверные системы и системы клиент-сервер, которые часто реализуются в виде Java апплетов.

Структура серверной схемы приведена на рис. 2. По запросу пользователя ГИ выбирается из удаленной БД, обрабатывается, преобразуется в растровое изображение и пересылается пользователю. Просмотр данных осуществляется с помощью стандартных Web-браузеров, у пользователя не требуется установка дополнительных программ. Вся обработка данных выполняется ГИС на сервере.



Размещено на http://www.allbest.ru/

Рис.2 Взаимодействие клиента с геосервером

Достоинствами технологии являются:

Наиболее простой способ публикации ГИ в сети Интернет.

Возможность использования локальных ГИС 1-го поколения.

Совместимость со всеми броузерами.

Недостатки:

Обращение к серверу для получения каждой карты и значительное время передачи больших растровых изображений

Ограничения качества графики (форматы GIF, JPEG)

Низкая интерактивность

Весьма ограниченные функциональные возможности

Cхема клиент-сервер (Рис. 3) позволяет обеспечить наибольшую интерактивность для картографической визуализации, пространственно-временной обработки и анализа ГИ. Клиентская часть и данные загружаются по запросу с Web-браузера, поддерживающего Java applet (MS Explorer, Netscape) на компьютер пользователя, а затем все операции, поддерживаемые клиентом, выполняются как на локальной машине. На компьютере пользователя не требуется установка ГИС и дополнительного программного обеспечения, работа программы-клиента не зависит от типа платформы пользователя.



Рис. 3. Взаимодействие по схеме клиент-сервер

Достоинствами технологии являются:

* Высокая интерактивность.

* Продвинутый интерфейс пользователя.

* Высококачественная графика.

* Время ожидания только на этапе первоначальной загрузки Java applet.

* Возможность подкачки данных при больших базах географических и атрибутивных данных.

Недостатки:

* Затрата времени на загрузку Java applet.

* Возможное замедление при работе на некоторых платформах.

* Проблема безопасности данных.

Пользователь может в интерактивном режиме применять сетевую ГИС для картографической визуализации, пространственно-временного анализа ГИ, генерации отчетов. Примерами такой технологии являются система Descartes [3, 4], система Lava Magma [5] и системы ГеоПроцессор и КОМПАС, разрабатываемые в ИППИ РАН [6, 7].

3. Аналитические ГИ задачи

В аналитических ГИС данные представляются в виде двух типов пространственно-временных цифровых моделей:

В виде географических объектов.

В виде значений, привязанных к регулярной координатной сетке.

В первом случае географические объекты представляются географической привязкой и атрибутивными данными, которые могут включать числовые значения, векторные ряды, символьные индексы, ссылки на другие объекты и источники ГИ, а также документальную информацию: тексты, изображения, видео- и аудиозаписи.

Во втором случае географические объекты заранее не выделены. Тогда ГИ представляет собой функцию пространственных или пространственно-временных координат, дискретное представление которой обычно задается на прямоугольном растре с регулярной координатной сеткой. Можно считать, что географическая привязка растровой ГИ задается координатами двух диагонально противоположных углов сетки и шагом сетки, который зависит от детальности представления ГИ. Значения в узлах сетки могут быть заданы числовыми, векторными или символьными типами данных. В ряде случаев удобно относить эту информацию к особому виду атрибутивных данных, для которого весьма существенно учитывать взаимное пространственное расположение точек растра.

Аналитические ГИС объединяют пространственно-временные цифровые модели географической среды со специализированными средствами извлечения существенной информации и знаний. Они позволяют не только получить одномоментный результат, но и изучать проблему в развитии, моделировать различные варианты и выбирать из них наилучшие. Поэтому эти технологии используются как в научных исследованиях, так и для поиска эффективных решений в практических приложениях.

Аналитические ГИС оперируют с тремя понятиями реального мира: сущностями, свойствами и связями.

Рассматриваются четыре типа сущностей:

Объекты: административные единицы, месторождения, эпицентры и очаговые зоны землетрясений и т.д.

Явления: аварии, природные и техногенные катастрофы, социальные взрывы и т.д.

Процессы: социальные и демографические процессы, природные и техногенные процессы и т.д.

Множества точек, пространственно привязанных к регулярной или нерегулярной сетке: данные мониторинга параметров окружающей среды, геофизические поля и т.д.

Свойства представляют собой понятия, которые описывают сущности. Наиболее важной с точки зрения информационной технологии аналитических ГИС является классификация на тематические, пространственные и временные свойства ГИ.

Связи представляют собой понятия, которые описывают отношения между сущностями, между свойствами и между сущностями и свойствами.

На основе рассматриваемой модели ГИ можно сформулировать четыре основных типа задач, решаемых аналитическими ГИС.

Оценивание, выделение и понимание связей внутри/между тематическими, пространственными и временными свойствами ГИ,

Обнаружение, распознавание и понимание отношений внутри/между географическими сущностями.

Вывод, экстраполяция и прогнозирование целевых заранее неизвестных свойств ГИ.

Предсказание, распознавание и понимание целевых заранее неизвестных объектов.

4. Структура данных

Рассмотрим наиболее типичную структуру данных задачи, которая включает в себя один географический район и несколько его разбиений на однородные информационные слои, которые можно нанести на карту или убрать как единое целое.

В соответствии с двумя типами цифровых моделей ГИ слои могут быть растровыми и векторными. Каждый растровый слой может отображать пространственную или пространственно-временную характеристику рассматриваемой среды. Геометрия растрового слоя определяется пространственно-временной привязкой и параметрами сетки. Атрибутивные значения растра представляют функцию 2-х или 3-х переменных, заданную на регулярной сетке. Совокупности элементов 2-х мерного или 3-х мерного растра с определенными числовыми значениями могут иметь семантическое содержание и интерпретироваться как некоторые географические объекты. К другим атрибутам растра относятся тип координатной привязки (географические или декартовы координаты), необходимость интерполяции при картографическом отображении цифровой растровой модели на экране, легенда закраски и текстовая информация о способе вычисления растровой модели, ее точности и т. д.

Векторный слой в отличие от растровых слоев представляет собой некоторое множество однородных географических объектов. Каждый географический объект векторного слоя описывается координатной привязкой и атрибутами. Множество координатных привязок объектов одного информационного слоя задает его пространственное представление. Множество атрибутов векторного слоя можно представить в виде таблицы, строки которой соответствуют географическим объектам, а столбцы - свойствам этих объектов.

Поясним это на примере: географический район Российская Федерация может быть представлен:

слоями полигонов - федеральные округа, экономико-географические районы, административные регионы и районы, зоны экологического районирования и т.д.,

слоями линейных объектов - реки, железные дороги, газопроводы, линии электропередачи, геологические линеаменты и т.д.,

слоями точечных объектов - города, электростанции, эпицентры землетрясений и т.д.

слоями цифровых растровых полей, отображающих различные свойства географического района - цифровая модель рельефа, геофизические поля и их производные, плотность населения и т.д.

слоями изображений - аэрокосмические снимки, изображения географических карт.

Между элементами слоев возможны отношения принадлежности. Например, экономические районы состоят из административных регионов, которые в свою очередь делятся на районы, административным регионам принадлежат участки транспортных магистралей, подмножества городов и промышленных объектов, сейсмическим зонам принадлежат подмножества эпицентров землетрясений и т.д.

5. Аналитическая геоинформационная среда

Для извлечения из ГИ существенной информации и знаний аналитическая среда должна поддерживать ряд операций по визуализации всех типов географических данных, их анализу, исследованию свойств, а также по объяснению и обоснованию решения. Операции можно разделить на следующие три типа:

Картографические операции,

Когнитивно-графические операции,

Аналитические операции.

Первые два типа операций направлены на создание наглядного представления всех понятий ГИ: сущностей свойств и связей. Эти операции позволяют также обеспечить дружественный интерфейс по управлению аналитическими операциями. Цель аналитических операций состоит в выделении существенной информации с помощью двух групп методов: методов преобразования данных и методов моделирования и правдоподобного вывода. Операции преобразования данных позволяют вычислить новые свойства географических объектов и вычислить новые информационные слои, которые более адекватно представляют свойства географических объектов. Операции моделирования и правдоподобного вывода позволяют выявить связи между географическими объектами и их свойствами.

Опыт эксплуатации ГИС ГеоПроцессор и КОМПАС показал, что эффективность операций по извлечению существенной информации и знаний из ГИ существенно повышается при выполнении двух принципов:

1. Операции визуализации должны быть организованы так, чтобы указанные пользователем или отобранные в результате анализа географические объекты одновременно подсвечивались на экране во всех окнах, открытых для представления ГИ. Например, при установке курсора на интервал гистограммы распределения некоторого свойства географических объектов, в окне гистограммы появлялись значения гистограммы, в картографическом окне объекты со значениями из соответствующего интервала гистограммы выделялись бы цветом, границами или пиктограммами, в текстовом окне появлялись бы имена объектов и значения свойства и т.д.

2. Аналитические операции моделирования и вывода закономерностей должны дополнять друг друга так, чтобы найденное решение могло бы быть объяснено и обосновано с помощью применения альтернативных методов. Например, районирование территории, полученное на основании применения методов вывода по прецеденту, желательно интерпретировать в виде системы логических правил, полученных на основе системы логического вывода.

Наиболее распространенные картографические операции аналитических ГИС (Рис. 4) направлены на извлечение следующих свойств ГИ:

Выявление образа пространственного и пространственно-временного распределения свойств исследуемого географического района.

Выявление образа взаимного пространственного распределения нескольких типов географических объектов.

Картографическое исследование.

Для выявления особенностей географического и временного расположения объектов используются следующие типы картографических операций:

Картографическое представление атрибутов векторной ГИ с помощью стандартных методов картографического отображения: цвет, закраска, тип и размеры пиктограмм.

Управление выделением групп однородных по свойствам географических элементов векторной ГИ с помощью настройки методов картографического отображения.

Выделение зон растровой ГИ с помощью настройки палитры на семантически обоснованные значения анализируемого свойства.

Пространственно-временное представление динамики изменения значений растровой и векторной ГИ с помощью анимационного изменения цвета заливки, типа закраски, типа и размеров символов в скользящем временном окне.

Построение моделей освещенности растровой ГИ и трехмерных моделей.



Рис 4. Картографические операции по извлечению существенной пространственно-временной информации из ГИ

Для выявления особенностей взаимного географического и временного расположения объектов используются следующие типы операций:

Построение карт с использованием совмещения нескольких слоев ГИ.

Отображение разрезов нескольких слоев ГИ по произвольному профилю.

В картографическом исследовании существенным является поддержка интерактивного управления картографикой и обеспечение подсветки анализируемых объектов во всех открытых окнах: картографических, графических и табличных. Наиболее типичными операциями здесь являются:

Картографическое измерение значений свойств географических объектов.

Картографический ввод векторных объектов.

Основные типы когнитивно-графических операций по извлечению существенной информации и знаний схематически изображены на Рис 5. Эти операции поддерживают наглядное представление свойств как слоя в целом, тек и свойств объектов слоя:

Представление и сопоставление состояния и тенденций развития всего географического региона и его зон или подмножеств его географических объектов.

Представление многомерного образа географических объектов.

Вербализация атрибутивных значений растровой и векторной ГИ.

Для представления свойств слоя и сравнения индивидуальных свойств объектов используются операции представления графиков, диаграмм и гистограмм, которые включают в себя графический интерфейс для измерения значений отображаемых атрибутов, для выбора способов наложения графических информационных слоев и для изменения параметров диаграмм и гистограмм.

Для графического представления многомерных свойств географических объектов и их подмножеств используются представления лепестковые диаграммы и параллельные координаты. Для отображения многомерных свойств, определяющих иерархическую классификацию объектов, отображаются диаграммы дерева решений.



Рис 5. Когнитивно-графические операции по извлечению существенной информации из ГИ

Средства графического интерфейса могут существенно упростить вербализацию значений атрибутов ГИ. Для этого требуется поддержка операций графического построения интервальных шкал для определения преобразований числовых значений в лингвистические переменные и поддержка операции графического редактирования для генерирования текстовых объяснений.

Аналитические методы выявления существенной информации с помощью операций преобразования (Рис 7.) можно разбить на три типа:

Получение новых атрибутивных свойств слоя ГИ по атрибутам этого же слоя.

Получение новых атрибутивных свойств слоя ГИ по атрибутам других слоев.

Получение новых слоев ГИ, включая извлечение новых геометрических и атрибутивных свойств.



Рис 6. Аналитические методы извлечения существенной информации из ГИ с помощью операций преобразования

Для получения новых атрибутов слоя на основе атрибутивной информации этого же слоя требуются следующие операции:

Вычисление новых атрибутов слоя с помощью операций алгебры, логики, элементарных функций и заранее заданных операторов.

Вычисление новых атрибутов по функционалам от временных рядов с географической привязкой.

Генерирование 2-х и 3-х мерных цифровых растровых моделей с помощью операций растровой фильтрации.

Для получения новых атрибутов слоя на основе атрибутивной информации других слоев требуются следующие операции:

Вычисление индексов принадлежности географических элементов одного слоя к элементам другого слоя по их координатам.

Вычисление атрибутов слоя по функционалам от значений атрибутов вложенных элементов другого слоя.

Генерирование 2-х и 3-х мерных цифровых растровых моделей с помощью операций над линейными и точечными слоями.

Для получения новых слоев ГИ, включая новые геометрические и атрибутивные свойства, требуются следующие операции:

Генерирование векторных слоев (полигонов, линий или точек) по условиям взаимного пространственно-временного расположения элементов других векторных слоев.

Генерирование векторных слоев с помощью логических функций от геометрических и атрибутивных свойств нескольких других векторных слоев.

Аналитические операции моделирования и правдоподобного вывода поддерживают следующие функции извлечения существенной информации и знаний (Рис 6):

Региональное районирование и прогнозирование событий.

Классификация географических объектов.

Иерархическая классификация векторной ГИ.

Выявление связей между атрибутами векторной ГИ (ассоциация).

Выделение географических объектов.

Группирование географических объектов и свойств.

Генерирование правдоподобных рассуждений.

Региональное районирование и прогнозирование событий поддерживается с помощью следующих типов операций:

Обнаружение зон по сходству с прецедентами одного класса на растровых цифровых моделях.

Распознавание по прецеденту на растровых цифровых моделях.

Прогнозирование числовых характеристик на растровых цифровых моделях.

Обнаружение разладки на 3-х мерных пространственно-временных растровых цифровых моделях.

При классификации географических объектов выполняются два типа операций:

Оценивание сходства между географическими объектами слоя и набором эталонных элементов при заданном множестве атрибутивных свойств и с выбором оптимального подмножества свойств.

Распознавание географических объектов в слое по выборке эталонных элементов нескольких классов при заданном множестве атрибутивных свойств и с выбором оптимального подмножества свойств.

Иерархическая классификация векторной ГИ поддерживается следующими операциями:

Построение дерева решений для классификации географических объектов при заданном наборе индикаторов.

Моделирование сценариев взаимодействия географических объектов на графах.

Для выявления связей между атрибутами векторной ГИ применяются два типа операций: .

Оценивание регрессионной зависимости заданного индикатора от фиксированного множества свойств слоя или с выбором оптимального подмножества свойств.

Факторный анализ атрибутивных свойств слоя.

Выделение географических объектов обычно производится на растровых цифровых моделях и по векторному слою точечных данных. При этом используются операции кластерного анализа:

Кластеризация на растровых цифровых моделях.

Кластеризация на маркированных точечных полях.

Группирование географических объектов и свойств производится с помощью аналогичных операций для векторных слоев ГИ:

Кластеризация географических объектов слоя на заданном подмножестве атрибутивных свойств.

Кластеризация атрибутивных свойств слоя по географическим объектам.

Генерирование правдоподобных рассуждений поддерживается следующими операциями:

Построение логических конструкций по результатам классификации, выполненной с использованием выборки прецедентов.

Построение классификации и нахождение выборки прецедентов по заданному логическому правилу.

Построение текстового объяснения по шаблонам и лингвистическим переменным.

Рис. 7. Аналитические операции извлечения существенной информации с помощью моделирования и правдоподобного вывода

7. Сетевые ГИС ГеоПроцессор и КОМПАС

Разработанные в ИППИ РАН сетевые аналитические ГИС ГеоПроцессор и КОМПАС являются одними из первых реализаций быстро развивающихся сетевых геоинформационных технологий клиент-сервер Программная реализация этих систем выполнена Б.В. Ошером, А.В. Довгялло, Н.А. Никулиной и И.Б. Денисовичем..

Сетевая ГИС ГеоПроцессор предназначена для моделирования и комплексного анализа пространственно-временных свойств ГИ. Область применения - изучение геологической среды и поддержка принятия решений в сложных задачах, таких как мониторинг экологического состояния и оценка опасности природной среды, прогноз природно-техногенных катастроф, оценка и прогноз природных ресурсов.

Версия 2.01 системы ГеоПроцессор реализована как система клиент-сервер на языке Java 1.1.

Система поддерживает следующие функции:

Интерактивное картографическое представление и анализ цифровых растровых моделей, векторных и точечных данных:

Композиция и представление карт, состоящих из нескольких растровых, векторных и точечных слоев,

Интерактивное управление визуализацией слоев карты,

Изменение размеров пространственной области и сдвиг карты с интерполяцией и без интерполяции растровых значений,

Анализ растровой информации с помощью изменения закраски,

Построение моделей освещенности растрового слоя,

Чтение значений всех растровых слоев карты в произвольных точках,

Построение разрезов растровых слоев карты по произвольному профилю с возможностью измерения значений по разрезу,

Формирование учебных выборок в виде совокупностей единичных точек или полигонов.

Построение карт сходства с прецедентом по произвольному набору растровых слоев.

Преобразование данных:

Генерирование растров с помощью операций над линейными слоями,

Генерирование растров с помощью операций над точечными слоями.

Генерирование растров с помощью операций растровой фильтрации,

Генерирование растров с помощью алгебраических и логических операций над несколькими растрами, а также с помощью набора элементарных функций.

3. Правдоподобный вывод прогнозных карт по комплексу растровых слоев:

Метод отношений порядка,

Метод функций сходства,

Метод функций принадлежности к классу,

Метод непараметрической регрессии.

На Рис. 8. приведен пример представления системой ГеоПроцессор данных Данные подготовлены участниками проекта ASPELEA программы EC Inco Copernicus, контракт IC 15 CT97 0200. по одному из высокосейсмичных районов Болгарии в окрестности города Кресна, где 4 марта 1904 года произошло землетрясение с магнитудой 7.8.

В верхнем ряду рисунка представлена растровая цифровая модель гравитационных аномалий в редукции Буге и цифровая модель рельефа с нанесенными слоями активных разломов и эпицентров землетрясений с m>5.0 после 1900 года и эпицентров, очищенных от афтершоков с m>1.8, зарегистрированными после 1987 года. Во втором ряду представлены растровая цифровая модель глубин слоя Мохоровичича, векторный слой активных разломов и вычисленная системой модель освещенности рельефа.



Рис. 8. Пример представления исходных данных системой ГеоПроцессор

Рис. 9. Пример операций по выявлению существенной информации в системе ГеоПроцессор

На Рис. 9. показаны результаты операций системы по выявлению существенной информации их исходных данных. В первом ряду показаны вычисленная по каталогу землетрясений растровая карта плотности землетрясений (каталогу без афтершоков, магнитуда более 1.8, радиус усреднения 35 км), вычисленная по каталогу активных разломов растровая карта суммарной длины разломов в радиусе 5 км и версия сейсмотектонического районирования, выполненная по следующим растровым признакам: высота рельефа, глубина поверхности Мохоровичича, сейсмогенные разломы. Треугольниками и квадратами показаны учебные выборки сейсмичной и асейсмичной зон. Во втором ряду показаны цифровая модель рельефа, растровый признак «сейсмогенные разломы», полученный в результате умножения растра суммарной длины разломов на логарифм растра плотности землетрясений и результат измерения растровых признаков в точке карты.

Сетевая ГИС КОМПАС (COMPASS - Cartography Online Modeling, Presentation and Analysis System) предназначена для публикации пространственно-временной экономической, социологической и демографической информации, анализа комплексных свойств объектов и поддержки принятия решений.

Исходными данными для системы являются координаты пространственных объектов, представленных на карте в виде полигонов (регионы), линий (дороги), точек (города) и связанные с ними атрибутивные данные (показатели/ индикаторы/характеристики).

Множество однородных географических элементов составляют картографический слой. Координаты объектов каждого слоя содержатся в отдельных файлах в векторном формате Shape. Пользователь не может менять содержание картографических файлов.

Атрибутивные данные представлены в виде таблицы, каждая строка которой соответствует отдельному объекту картографического слоя, а каждый столбец определенному индикатору. С одним слоем может быть связано несколько таблиц. Для хранения атрибутивных данных используется формат DBF. Для описания картографических и атрибутивных данных используется язык XML, широко применяемый в настоящее время для описания объектов предметных областей.

Система КОМПАС используется для публикации демографических показателей РФ в сети Интернет (http://gis.iitp.ru/undp-new) Фонда ООН по народонаселению и для анализа административной и коммерческой ГИ в сети Интранет (пример находится по адресу http://gis.iitp.ru/siemens ).

Системой КОМПАС поддерживаются следующие функции:

1. Картографические операции

Выявление образа пространственного свойства исследуемого географического понятия с помощью раскраски карты по значениям индикатора.

Чтение значения индикатора на карте.

Изменение размеров и сдвиг карты.

Выбор географических элементов для получения дополнительной информации и для составления набора эталонных элементов.

Получение графического файла с копией любого набора из окон программы: картографического окна, окна с легендой закраски, окна с текстовой, графической и табличной информацией, окна со списком имен атрибутов.

2. Графические операции

Построение гистограммы произвольного индикатора по всем географическим элементам.

Измерение значений гистограммы с подсветкой географических объектов, относящихся к выбранному интервалу гистограммы.

Построение круговых и столбчатых диаграмм для одного индикатора по нескольким географическим объектам.

Построение круговых и столбчатых диаграмм для нескольких индикаторов по одному географическому объекту.

Представление таблицы всех индикаторов выбранного географического объекта.

Представление документальной информации в виде гипертекстового описания выбранного географического объекта.

3. Аналитические операции

Оценивание сходства географических элементов слоя с набором эталонных элементов по заданному набору индикаторов.

Классификация географических элементов слоя по набору эталонных элементов по заданному набору индикаторов с помощью функций принадлежности.

На Рис. 10 показаны примеры представления информации и аналитических операций ГИС КОМПАС II. В системе поддерживается визуализация и анализ многослойных векторных данных (полигонов, линейных и точечных объектов). Круговые диаграммы показывают соотношение значений индикатора для выделенных на карте стран и соотношение суммарного значения индикатора для выбранных стран к суммарному значению индикатора по всем странам Мира. Группировка географических объектов производится по произвольным интервалам значений индикатора, которые устанавливаются с помощью слайдера. На диаграмме число объектов в интервале отображается высотой. Регионы, для которых значение индикатора находится в выбранном интервале, подсвечиваются на карте и могут быть раскрашены соответствующим цветом. Сходство оценивается по комплексу индикаторов. На рисунке приведен фрагмент карты сходства стран Мира с двумя странами (отмечены прямоугольниками) по комплексному атрибуту, составленному из нескольких индикаторов.



Рис. 10. Примеры представления информации и аналитических операций в системе КОМПАС II

Заключение

Рассмотрены основы информационной технологии сетевых аналитических ГИС. Сетевые аналитические ГИС предназначены для выявления в ГИ связей между свойствами объектов и между самими географическими объектами, а также для использования выявленных связей для обнаружения целевых, заранее неизвестных объектов и для прогнозирования заранее неизвестных свойств объектов.

Предложенные операции сетевых ГИС по извлечению существенной информации и знаний из пространственно-временых данных используют картографические, графические и аналитические методы data mining.

В работе кратко рассмотрены две архитектуры сетевых ГИС: специализированные серверные системы и системы клиент-сервер.

Рассмотрены функции и примеры применения разработанных в ИППИ РАН сетевых аналитических ГИС ГеоПроцессор и КОМПАС, реализованных в технологии клиент-сервер.

В статье не рассматриваются такие важные аспекты сетевых ГИС, как архитектура открытых ГИС, защита данных и др., которые требуют отдельного обсуждения.

Литература

1. Worral L. Spatial analysis and spatial policy using geographic information systems.// London: Belhaven Press, 1991.

2. Web Cartograpy, edited by M..J.Kraak, A.Brown.// Tailor&Frances, 2001, 215.

Andrienko G. and Andrienko N. Interactive Maps for Visual Data Exploration.// International Journal Geographical Information Science, Special Issue on Visualization for exploration of Spatial data, 1999, v.13(4), 355-374.

Andrienko, G.; Andrienko, N., Voss H., Carter J. Internet mapping for dissemination of statistical information // Computer Environment and Urban Systems. 23. 1999. P. 425-441.

Berg C., Tuinman F., Vijbrief T., Meijer C., Oisterom P., Uitermark H. Multiserver Internet GIS: standartization and practical experiments // Goodchild M., Egenfofer M., Feageas R., Kottman C. (eds) Interoperating Geographical Informatin Systems. Boston: Kluwer Academic Publishers. 1999. P. 365-377

Gitis V., Dovgyallo A., Osher B., Gergely T. GEONET: an information technology for WWW on-line intelligent Geodata analysis.// Proceedings of 4th EC-GIS Workshop, Hungary. Institute for systems, informatics and safety, 1998, 124-135.

Gitis V., Dovgyallo A., Osher B., Vainshtok A. WWW on-line system for demonstration, modeling and analysis of geo-referenced data.// Proceedings of 5th EC-GIS Workshop, Italy, 2000, 487-497.

Размещено на Allbest.ru

...