全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
以ArcGIS为例,结合自己多年的工作经验,来介绍一下地质图矢量化的技巧。
不同比例尺的图件,有着不同的配准精度要求:
1:20万的地质图,配准误差不能高于20米;
1:50万的地质图,配准误差不能高于50米。
扫描质量很好的原始图件,只需要4个以上的控制点用一次配准就可达到精度要求;扫描质量不好的原始图件,必须要用二次甚至三次配准,在ArcGIS中,至少6个控制点才能进行二次配准,至少10个控制点才能进行三次配准。控制点要均匀分布在图面上。为了配准的方便,在配准之前,还有必要用图像处理软件对一些老化严重的图件进行处理,以去除老化色,恢复其原色。
要素类的建立是地理数据库建立工作的主要内容,在地质图的矢量化工作中,主要涉及到的要素类有面要素(Polygon Features)、线要素(Line Features)、点要素(Point Fatures)。与地质有关的面要素有:侵入岩、沉积岩、变质岩、蚀变带、各种脉岩等;线要素主要有:断层、地质界线等;点要素主要则主要是各种矿点。除此之外还有水系、道路、城镇、居民点等非地质要素。
在建立要素类的过程中,依次要设置名称(Name)、别名(Alias)、类型(Type)、几何特征(Geometry Properties)、坐标系(Coordinate System)、XY容忍度(XY Tolerance)、属性表字段(Fields)等。名称是计算机识别要素类的依据,其设置要做到简洁明了、见名知意,如果需要,还可以设置别名,请注意别名仅是供用户识别使用的,它不是计算机识别的依据。类型(即面、线、点)、几何特征(即是不是包括Z值的3D数据)、坐标系的设置要和底图相同,这样才能保证矢量化后的数据与原始数据一致。XY容忍度不宜设置过大,否则会影响到数据的精确度,我们可根据底图具体的精度要求设置,比如1:20万的地质图,此值设为1米即可满足精度要求。属性表字段的设置十分重要,故放在下一节介绍。
要素类的属性表的创建和填写是矢量化工作的主要和关键内容。属性表的创建过程主要包括字段的命名和字段类型和长度的选择。例如对于侵入岩,可设置岩体地方性名称、岩石类型、岩性符号、岩性代码、岩石颜色、岩石结构、岩石构造、岩相、主要矿物及含量、次要矿物及含量、与围岩接触关系、接触面走向、接触面倾向、接触面倾角、围岩时代、形成时代、含矿性等。对于沉积岩及地层,可设置地层地方性名称、地层单位符号、地层单位时代、岩石组合、岩石组合主体颜色、岩层主要沉积构造、生物化石、产状等。
字段类型,在地质图矢量化中常用的主要有:Short Integer、Long Integer、Float、Double、Text,因该依字段数据的特征选择。
字段长度太短会不够使用,太长又会造成数据冗余,尤其对于Text类型如此。
点、线、面的矢量化跟踪,必须要遵循一个基本的原则,就是忠实于原图,与原图一致。
点的矢量化十分容易,只需将地图上的点放到合适的大小,然后在其中心处定位即可。
线的矢量化也较为简单,要求将线条放到合适的粗细,依次用鼠标对其跟踪。由于扫描后的底图在放大到一定程度时将会是一个个方形的栅格,有人主张将底图放大到很大的倍数,跟踪时将鼠标点在栅格中央即可,这样可以将图精确到栅格。
其实这样的说法是不对的,这样做的弊端有二:一是速度慢、效率低;二是这样做的后果未必忠实于原图,相反会造成一些细微的错误。如图1所示,底图的线条原本是光滑的,而按照一个一个的栅格跟踪,出现了很多微小的锯齿。一定要认识到:任何栅格图像放大到一定程度都会出现方形的栅格,这是栅格数据的一大局限,这些方格并不是原始底图的真实反映,而是原始线条的近似表达。要跟踪的不是一个个的方格中心点,而是所有方格的整体走势。
图1 正确和错误的跟踪方法对比
A:正确的方法,把握所有方格的整体走势,线条平滑
B:错误的方法,按照每个栅格的中心跟踪,出现了很多微小的锯齿
由此可见,所谓的“细致”是相对的,有时过于细致,反而会造成错误。所以正确的跟踪方法应该是:把握所有方格的整体走势,让线条最大程度地贯穿这个走势。一般来说,线条应该是平滑的。
面的矢量化是最为复杂和繁琐的,工作量非常巨大。总体上来说,面与面的拓扑关系有以下四种:相离、相邻、相交、包含。处理好面的矢量化问题,就是要正确地处理好这四种拓扑关系。传统的方法是:如果两个面有公共的边,在作图时就要使用捕捉、跟踪等工具,以保证这两个面严格重合在公共边。如果一个面中包含了另外一个面,在作图时就要使用切割工具,然后才能在大面内部新建小面。
很显然,以上关于面的矢量化方法在ArcGIS中完全是常规的方法。这样的方法每次遇到公共的边都要重复跟踪,费时费力,操作起来非常繁琐,稍有不慎就会产生错误,最常见的错误是在多个面的交接处产生一些小的三角形。这样的错误修改起来也是非常麻烦的。
正是因为传统方法的以上缺点,我们强烈地不推荐这样做,而是用一种更为快捷的方法:,按照线要素的矢量化的方法将所有面的边界当作线要素矢量化,从而形成一个叫做作图原始线条的线要素类。注意:矢量化时所有面的边界一定要闭合,所有的线条只能跟踪一遍。然后再用工具箱中的“Feature to Polygon”工具,将作图原始线条转化为面。这样做的好处是操作简单,省时省力而且大大降低了出错的机会。如图2所示:
图2 用工具箱中的“Feature to Polygon”工具可以将任何封闭的曲线转化成面
这一部分的操作属于视觉表达的范畴。ArcGIS有强大的图例生成工具,只要熟悉了操作方法,完全可以生成任何需要的图例。
在生成了图例之后,应该将其保存为Style文件,Style文件一旦生成,可使用Style Manger对其修改和管理。
如果以后见到以前做过的图例,这时只需调用以前做好的Style即可。还可以将Style成套地保存,以后遇到这样的图例,只需用“Match to symbols in a style”的方法即可,这样就可以节省大量的时间。如图3:
图3 Match to symbols in a style
如果要想在较短的时间内完成规模巨大的图件,就必须要进行多人分工协作。多人分工协作要求每一位成员都严格执行统一的标准,只有这样才能使每个人负责的各个部分都完美地整合衔接在一起。
在工作开始之前,可以建立一个分工图框,每人负责其中的一部分,当所有人的工作完成后就要进行合图。由于大家都是按照统一的分工图框进行工作的,所以合图时每个人的图都可以很好地衔接在一起。有些被图框一分为二的线和面,需要用Merge工具将其恢复原状。如图4所示:
图4 分工协作时,可以设置分工图框,每人完成其中的一块,合图时用Merge工具即可消除分工图框线条
分工协作要求高度的一致性,大家执行的标准一点要细化到方方面面,如矢量化跟踪时各节点之间的距离、填写属性表时各字符是大写还是小写,是全角还是半角等。如果在每一个细节上都做到统一,出错的机会将会被降到很小,那么合图后整个数据就会浑然一体。
有人将元数据称为“数据的数据”,它就相当于数据的说明书,对于一套完整的数据,元数据是必不可少的。但笔者对一些矢量化工作人员调查发现,元数据的重要性一直得不到足够的重视,这是很不应该的。比如在商场中购物,没有说明书的产品我们会认为它的质量是信不过的。同理,没有元数据的数据,它的可靠度也不会太高。
ArcGIS为我们提供了丰富而又强大的元数据编辑工具,进入ArcCatalog,选中所要编辑的数据,然后点击数据编辑工具即可进行元数据的编辑,点击各个选项卡即可对各个项目进行编辑。如图5所示:
图5 元数据编辑器
地质图的矢量化是一项要求细致的基础工作,高质量的矢量数据将为以后的研究提供可靠的数据支撑。笔者所在的工作小组,在掌握以上所述的方法之前,每人用6——7天时间才能勉强完成一幅1:20万的区域地质图,掌握了科学高效的方法后,每人用2——3天即可完成同样的工作量。由此可见,掌握科学高效的矢量化方法是多么重要。