יותר

מציג סימבולוגיה של רבע עיגולים עם מספר תכונות ב- ArcGIS Desktop?


יש לי ארבע עמודות, (A, B, C, D) וכל אחת מהן יכולה להיות מדורגת 1, 2 או 3 (נתוני נקודה).

אני רוצה להציג כל קטגוריה בבת אחת על בסיס צבעים שהוקצו לדירוג (1 = ירוק, 2 = צהוב, 3 = אדום).

אני מדמיין שזה ייראה כמו תרשים עוגה עם ארבעה רבעים, וכל רבע יהיה בצבע בהתאם לדירוג.

אני משתמש בשולחן העבודה של ArcGIS.


בהנחה שאתה משתמש ב- ArcGIS Desktop ...

אתה יכול לסמל על סמך מספר תכונות אך הוא מוגבל ל -3 שדות לא 4. הדבר המהיר ביותר שהייתי עושה הוא ליצור שדה חדש ופשוט לחבר שדות A, B, C ו- D כדי לתת לך קוד. זה ייתן לך נתונים כמו1121 2311 3312וכולי. אז פשוט תצטרך לסמל כל אחד ... לא משנה שזה יותר מדי שילובים ...


בצע 4 שאילתות הגדרה על הנתונים. תוכלו לייצר 4 שכבות, שכבה אחת לכל שדה. לדוגמה: שכבה_א, שכבה_ב, שכבה_C, שכבה_ד. צור סמל מותאם אישית שהוא 1/4 מעגל לכל שכבה. למעלה משמאל, למעלה מימין, למטה מימין, למטה משמאל. סמל כל שכבה המבוססת על הדירוג 1,2,3 כדי לשנות את צבע הרבע הזה.

דוגמה מרובעת פשוטה עם קיזוזים

סמלים של מעגל עוגה בהתאמה אישית

תבנית מעגל (לחץ על חזית/רקע הפוכה) סובב 90 מעלות 3 פעמים כדי לקבל את העיגול המלא)


שאלה זו עלתה שוב בשכפול אך מידע נוסף עלה לאור. ישנם סמלים של סמן תווים המייצגים את 4 רביעי המעגל ב- ESRI IGL Font22, תווי Unicode 122 עד 125 כולל:

כדי לעבד שכבה זו עם 4 רבעים המבוססים על התכונות A, B, C ו- D הייתי משכפל את השכבה כך שיהיו 4 שכבות עם 3 שילובים:

וכולי…

רק 3 סמלים לעריכה עבור כל שכבה, כלומר 12 עריכות בלבד. אם אתה מנסה לעבד את כל הצירופים של 4 שדות בשכבה אחת זה פוטנציאלי הרבה שילובים לכניסה ידנית.

כך זה נראה ב- ArcMap:

השתמשתי ברקע שחור כך שהצהוב יהיה בהיר. נקודות היו רק נתונים אקראיים עם שדות A, B, C ו- D שנוספו וחישבו אליהםrandom.randint (1,3).


למידע העדכני ביותר על תגובת ספריות סטנפורד ל- COVID-19, עיין ב: https://library.stanford.edu/alerts

הצהרה על תגובת ה- COVID-19 של SGC

בהתאם לעדכונים וההנחיות העדכניים ביותר של האוניברסיטה בנוגע ל- COVID-19, הספריות יישארו סגורות ופעולות התמיכה יועברו לרשת, ככל שניתן. ההנחיות הבאות משמשות למתן מידע אודות תמיכה מרחוק קיימת וחדשה ואפשרויות הדרכה חלופיות למשתמשי סטנפורד.

מרכז גיאו -מרחבי סטנפורד משאבים מרחוק Libguide: https://guides.library.stanford.edu/remotesgc והתחל כאן!

מידע כללי על שעות ספריית סטנפורד: https://library-hours.stanford.edu/

סדנאות SGC בוטלו

בהתאם להנחיות האוניברסיטה למזער את ההוראה האישית, סדרת הסדנאות של מרכז הסטנדרטים הגיאו-מרחבי של סטנפורד הושעתה, עד שהנחיית הפרוסט תורה אחרת. חלק ניכר מסדרת הסדנאות של SGC מיועדת לקצב עצמי, כמו גם להנחיית מדריכים, וסיפקתי קישורים לחומרים אלה, כמו גם חומרי הדרכה איכותיים אחרים לפלטפורמות שונות, ב- LibGuide זה.

אפשרויות תמיכה מרחוק

תמיכת דוא"ל

אנא השתמש בקישור הבא כדי ליצור קשר עם צוות SGC לקבלת תמיכה. קישור זה ישלח בדוא"ל את כל צוות התמיכה של SGC בו זמנית, והאדם הראשון שיוכל להשיב יחזור אליך בהקדם האפשרי.


מציג סימבולוגיה של רבע עיגולים עם מספר תכונות ב- ArcGIS Desktop? - מערכות מידע גיאוגרפיות

כל המאמרים שפורסמו על ידי MDPI זמינים באופן מיידי ברחבי העולם תחת רישיון גישה פתוחה. אין צורך באישור מיוחד לשימוש חוזר במאמר כולו או בחלקו שפורסם על ידי MDPI, כולל דמויות וטבלאות. עבור מאמרים המתפרסמים תחת רישיון Creative Common CC BY עם גישה פתוחה, ניתן יהיה לעשות שימוש חוזר בכל חלק במאמר ללא אישור, בתנאי שהמאמר המקורי מצוטט בבירור.

מאמרי Feature מייצגים את המחקר המתקדם ביותר עם פוטנציאל משמעותי להשפעה גבוהה בתחום. מאמרי תכונה נשלחים בהזמנה אישית או בהמלצה של העורכים המדעיים ועוברים סקירת עמיתים לפני הפרסום.

מאמר המאפיינים יכול להיות מאמר מחקר מקורי, מחקר מחקר חדשני הכולל לעתים קרובות מספר טכניקות או גישות, או מאמר סקירה מקיף עם עדכונים תמציתיים ומדויקים על ההתקדמות האחרונה בתחום הסוקרת באופן שיטתי את ההתקדמות המרגשת ביותר בתחום המדעי סִפְרוּת. סוג זה של נייר מספק מבט על כיווני מחקר עתידיים או יישומים אפשריים.

מאמרי Editor's Choice מבוססים על המלצות של עורכים מדעיים של כתבי עת MDPI מרחבי העולם. העורכים בוחרים מספר קטן של מאמרים שפורסמו לאחרונה בכתב העת, שלדעתם יהיו מעניינים במיוחד עבור מחברים, או חשובים בתחום זה. המטרה היא לספק תמונת מצב של כמה מהיצירות המרגשות ביותר שפורסמו בתחומי המחקר השונים של כתב העת.


תחביר

תכונות הנקודה שממנה יחושבו המרחקים לתכונות הקרובות.

הנקודות שאליהן יחושבו המרחקים מתכונות הקלט. ניתן לקבוע מרחקים בין נקודות בתוך אותה מחלקה או שכבה תכונה על ידי ציון אותה מחלקה או שכבה תכונה עבור הקלט והתכונות הקרובות.

הטבלה המכילה את רשימת תכונות הקלט ומידע על כל התכונות הקרובות ברדיוס החיפוש. אם לא צוין רדיוס חיפוש, מחושבים מרחקים מכל תכונות הקלט לכל התכונות הקרובות.

מציין את הרדיוס המשמש לחיפוש תכונות ליד מועמדים. התכונות הקרובות ברדיוס זה נחשבות לחישוב המאפיין הקרוב ביותר. אם לא צוין ערך (כלומר, נעשה שימוש ברדיוס ברירת המחדל (ריק)) כל התכונות הקרובות נחשבות לחישוב. יחידת רדיוס החיפוש כברירת מחדל ליחידות של תכונות הקלט. ניתן לשנות את היחידות לכל יחידה אחרת. עם זאת, אין לכך השפעה על יחידות שדה DISTANCE הפלט המבוסס על יחידות מערכת הקואורדינטות של תכונות הקלט.


2 תשובות 2

רֶמֶז. תן לאקסיס $ x $ לרוץ לאורך האלכסון משמאל למטה לימין למעלה. אז משוואת המעגל הקטן היא $ x^2+y^2 = 5^2 $ ושל המעגל הגדול $ x^2+(y+ sqrt <50>)^2 = 10^2. $ השניים מצטלבים בנקודות $ שמאל ( pm frac <5 sqrt 7> <2 sqrt2>, frac <5> <2 sqrt2> right). $

כך השטח ניתן על ידי $ 2 int_0^<5 sqrt 7/2 sqrt 2> left ( sqrt <5^2-x^2>- sqrt <10^2-x^2> +5 sqrt <2> right) mathrm dx. $

בהתבסס על העובדה שאולי OP לא יודע את החשבון, כפי שנרמז בתגובות, אני מוסיף שהאינטגרל מעריך ל- $ 25 left ( alpha-4 beta+ frac < sqrt 7> <2> right), $ כאשר $ cos alpha = 1/2 sqrt 2, , cos beta = 5/4 sqrt 2, $ והזוויות החריפות $ alpha, , beta $ נמצאות ברדיאנים.

סְקִיצָה. להלן דרך אלמנטרית להשיג את שטח הלונה. הצטרף לנקודות החיתוך של שתי הקשתות, מה שנותן אקורד משותף $ C $ לשני המעגלים המעורבים. לפיכך השטח שאנו מחפשים הוא ההבדל בשטח של קטע המעגל הקטן והמעגל הגדול, מנותק ב $ C. $ תנו לאזורים אלה בהתאמה להיות $ S $ ו- $ T. $ ואז נרצה $ ST. $ עכשיו כדי לקבל כל אחד מאלה, אנו מפחיתים את שטח המשולש שווה השווה המוגדר על ידי רדיוסים של המעגל המעורב ו $ C $ מאזור המגזר שנוצר על ידי המשולש הזה והקטע. מכאן שאנו זקוקים לאורך $ C, $ אליו אקרא $ 2y, $ והזוויות המתוחכמות על ידי הקשתות הנתונות במרכזים שלהן. תן לזה של המעגל הקטן להיות $ 2 phi, $ והשני $ 2 psi. $ לבסוף תן $ x $ להיות המרחק ממרכז המעגל הקטן לפלח הקו $ C. $ אם אתה מייצג את כל זה מידע על תרשים, אתה מקבל משולש המוגדר על ידי חצי אלכסון של הריבוע הנתון, רדיוס של המעגל הקטן ורדיוס של המעגל הגדול, עם הצדדים $ 5 sqrt2,5 $ ו $ 10 $ בהתאמה. הזוויות שמול צדדים אלה הן אלמוני ללא שם (אין צורך לפתור את הבעיה), הזווית $ psi, $ והזווית $ 180 °- phi. $ [כל הזוויות נמדדות במעלות.]

כך החלת כלל הקוסינוס על המשולש הזה נותנת לנו ש $ cos psi = frac <5> <4 sqrt 2>. $ כך אנו מקבלים $ sin psi = frac < sqrt 7> <4 sqrt 2>. $ ואז השימוש בכלל הסינוס נותן לנו ש $ sin phi = 2 sin psi = frac < sqrt 7> <2 sqrt 2>. $ כך אנו מקבלים את זה $ cos phi = frac <1> <2 sqrt 2>. $ זה נותן לנו $ x = 5 cos phi = frac <5> <2 sqrt 2> $ ו- $ y = frac <5 sqrt 7> <2 sqrt 2>. $

מכאן שיש לנו ששטח המשולש הקטן הוא $ xy = frac <25> <8> sqrt 7 $ ושטח המשולש הגדול הוא $ (x+5 sqrt 2) y = xy+5y sqrt 2 = frac <125> <8> sqrt 7. $ לכן יש לנו שהשטח $ S $ של הקטע הקטן ניתן על ידי $ frac <2 phi> <360 °> × π × 5^2- xy = frac54 left ( frac<πphi><9>- frac58 sqrt 7 right) $ ובדומה לכך $ T = frac <2 psi> <360 °> × π × 10^2- frac <125> <8> sqrt 7 = 5 שמאל ( frac<πpsi><9>-frac<25> <8> sqrt 7 right). $

לכן השטח הדרוש ניתן על ידי $ ST = frac <5π> <9> left ( frac < phi> <4>- psi right)+ frac <425> <32> sqrt 7, $ כאשר $ cos phi = frac14 sqrt 2, , cos psi = frac58 sqrt 2 $ ו- $ phi, , psi $ נמצאים במעלות.


מיפוי ביצות

מפת Wetlands נועדה לספק מפה נוחה לשימוש כמו נופים של אמריקה ומשאבי שטח רטובים. הוא משלב נתוני מפות דיגיטליות יחד עם מידע נוסף על משאבים כדי לייצר מידע עדכני על המצב, ההיקף, המאפיינים והתפקודים של בתי הגידול, הגדות והמים העמוקים. The Mappland Wetland ממלא את שירות הדגים והטבע האמריקאי ואת התוכנית האסטרטגית של ארצות הברית לפיתוח, עיון והפצה של נתוני מידע ומידע למרחיבי משאבים ולציבור. מידע זה נועד לקדם את ההבנה והשימור של משאבי ביצות באמצעות גילוי וחינוך וכן לסייע בניהול משאבים, מחקר וקבלת החלטות.

שטחי הביצות המוצגים במפה הרטובות מראים את סוג ומידות הרטיבות באמצעות הגדרה ביולוגית של ביצות. אין ניסיון להגדיר את גבולות סמכות השיפוט הקניינית של כל ממשל פדרלי, ממלכתי או מקומי, או לקבוע את ההיקף הגיאוגרפי של תוכניות הרגולציה של סוכנויות ממשלתיות.

פתח כל Mapper מאת לחיצה על אייקוני המפה למטה (נראה בצורה הטובה ביותר על ידי הגדלת חלון הדפדפן שלך):


ציור מעגלים עם שביל קשת של SVG

שאלה קצרה: באמצעות נתיב SVG נוכל לצייר 99.99% ממעגל והוא מופיע, אך כאשר הוא 99.99999999% ממעגל, אז המעגל לא יופיע. איך אפשר לתקן את זה?

נתיב SVG הבא יכול לצייר 99.99% ממעגל: (נסה זאת ב http://jsfiddle.net/DFhUF/1381/ ובדוק אם אתה רואה 4 קשתות או רק 2 קשתות, אך שים לב שאם זה IE, זה מוצג ב- VML, לא ב- SVG, אך יש להם את הבעיה הדומה)

אבל כשזה 99.99999999% ממעגל, אז כלום לא יראה בכלל?

וזה אותו דבר עם 100% ממעגל (זה עדיין קשת, לא, רק קשת שלמה מאוד)

כיצד ניתן לתקן זאת? הסיבה היא שאני משתמש בפונקציה כדי לצייר אחוזים מקשת, ואם אני צריך "מקרה מיוחד" 99.9999% או 100% קשת כדי להשתמש בפונקציית העיגול, זה יהיה קצת טיפשי.

שוב, מקרה מבחן על jsfiddle באמצעות RaphaelJS נמצא בכתובת http://jsfiddle.net/DFhUF/1381/
(ואם זה VML ב- IE 8, אפילו המעגל השני לא יופיע. עליך לשנות אותו ל 0.01)

הסיבה לכך היא שאני מעביר קשת לציון במערכת שלנו, כך ש -3.3 נקודות מקבלים 1/3 מעגל. 0.5 מקבל חצי עיגול, ו 9.9 נקודות מקבלים 99% ממעגל. אבל מה אם יש ציונים שהם 9.99 במערכת שלנו? האם עלי לבדוק האם הוא קרוב ל -99.999% ממעגל ולהשתמש בפונקציית קשת או בפונקציית עיגול בהתאם? אז מה עם ציון 9.9987? באיזה מהם להשתמש? זה מגוחך שצריך לדעת איזה סוג של ציונים ימפה ל"עיגול שלם מדי "ויעבור לפונקציית מעגל, וכאשר זה" 99.9%"מסוים של מעגל או ציון 9.9987, השתמש בפונקציית הקשת .


דוגמאות לתכנות:

להלן מספר דוגמאות ל- C#. הסדר שבו הם רשומים הוא סדר הקושי.

פתיחת מפה:

הדוגמה הבאה מראה כיצד לפתוח מפה ולרשום את תוכנה.

פתיחת שולחן:

הדוגמה הבאה מראה כיצד לפתוח טבלה ולבחור כמה רשומות על ידי ביטוי דמוי SQL.

כתובות רחוב של קידוד גיאוגרפי:

הדוגמה הבאה מראה כיצד לקודד כתובת רחוב.

קידוד גיאוגרפי של טבלה:

הדוגמה הבאה מראה כיצד להשתמש בטבלה של כתובות רחוב לאיתור רשומות מטבלה או גיליון אלקטרוני.

בחירת תכונות במעגל:

הדוגמה הבאה מראה כיצד להשתמש בבחירת כל תכונות הנקודה במפה הנמצאות בתוך מעגל על ​​קואורדינטות ספציפיות.

חישוב מסלול:

הדוגמה הבאה מראה כיצד למצוא מסלול:

& bull האם אוכל לקודד נתונים גיאוגרפיים מגיליונות אלקטרוניים?

כן. אתה יכול לייבא ולקבל טבלאות נתונים בפורמטים נפוצים רבים, כולל Excel ו- CSV. אתה יכול לקודד גיאוגרפי לפי כתובת רחוב, מיקודים, עיר ומדינה, קודים FIPS, או כל שיטת קידוד גיאוגרפי אחר הכלולה בחבילת הנתונים במדינה שלך.

& bull כמה רשומות אוכל לקודד עם ה- GISDK?

& bull כמה זוגות מוצא-יעד אוכל לנתב עם ה- GISDK?

& bull האם אוכל למצוא את המסלול הטוב ביותר באמצעות זמני נסיעה?

כן. עיין בדוגמה "חישוב מסלול" למעלה.

& bull האם אוכל לכלול תחנות ביניים (נקודות ציון) במסלול?

& bull האם אוכל לפתור את בעיית מסלול המוכרים הנוסעים במספר תחנות?


שאילתה מרחבית היא יכולת GIS חיונית המבדילה את GIS ממערכות מידע גרפיות אחרות. הוא מתייחס לחיפוש תכונות מרחביות המבוססות על יחסיהם המרחבים עם תכונות אחרות. מאמר זה מציג את המרכיבים החיוניים של שאילתה מרחבית, כולל תכונות מטרה, תכונות ייחוס והקשר המרחבי ביניהן. הקשר המרחבי הוא מרכיב הליבה בשאילתה מרחבית. המסמך מציג את שלושת סוגי היחסים המרחבים ב- GIS: יחסי קרבה, יחסי טופולוגיה ויחסי כיוון, יחד עם דוגמאות שאילתה להראות תרגום של בעיות מרחביות לשאילתות מרחביות המבוססות על כל סוג של יחסים. לאחר מכן הוא דן במאפייני תהליך החשיבה לכל סוג של יחסים מרחביים. פרט ליחסים טופולוגיים, ניתן למדוד את שני סוגי היחסים המרחבים האחרים באופן כמותי כערכים מטריים או איכותיים כביטויים מילוליים. לבסוף, הגישות הכלליות לביצוע שאילתות מרחביות מסוכמות. בהתאם לזמינות פונקציות השאילתה המובנות והאופי הייחודי של השאילתה, משתמש יכול לבצע את השאילתה באמצעות פונקציות מובנות בתוכנית GIS, כתיבה והפעלה של הצהרות SQL במסד נתונים מרחבי או באמצעות כלי שאילתה מותאמים אישית. .

יאו, X. (2021). שאילתות מרחביות. מדע המידע הגיאוגרפי וטכנולוגיית גוף הידע (מהדורת הרבעון הראשון של 2021), ג'ון פ. וילסון (עורך). DOI: 10.22224/gistbok/2021.1.10.

ערך זה פורסם לראשונה ב- 17 בפברואר 2021.

הוא זמין גם במהדורה קודמת:

DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B., and Wentz, E. (2006). שאילתות מרחביות. מדע המידע הגיאוגרפי וטכנולוגיית גוף הידע. וושינגטון הבירה: איגוד הגאוגרפים האמריקאים. (רבעון שני 2016, דיגיטל ראשון).

ניתוח מרחבי: ב- GIS, ניתוח מרחבי הוא מונח קולקטיבי המתייחס לכל תהליך שמתמרן או מסנתז נתונים מרחביים כדי לחקור דפוסים מרחביים או לבחון יחסים מרחביים בין תכונות גיאוגרפיות. הוא חובק קשת רחבה של טכניקות נתונים מרחביים כגון שאילתות מרחביות, פעולות טיפול בנתוני GIS וקטוריים וסטריים וסטטיסטיקה מרחבית.

שאילתה מרחבית: חיפוש תכונות המבוסס על יחסיהם המרחבים עם תכונות אחרות. זהו חלק מרכזי הכולל חלק מהניתוח המרחבי ב- GIS.

יחס מרחבי: מערכת יחסים בין מאפיינים מרחביים ביחס למיקומם המרחבי וסידורים מרחביים. שלוש קטגוריות כלליות של יחסים מרחביים זוהו בספרות GIS & ampT, כולל יחסי קרבה (או מבוססי מרחק), יחסים טופולוגיים (למשל, קישוריות, בלימה וקרבה) ויחסי כיוון.

תכונה: ייצוג דיגיטלי של אובייקט גיאוגרפי (למשל בית, קטע כבישים, מחוז) או אירוע (למשל תאונת דרכים) הממוקם בחלל. תכונה במאגר מידע מרחבי מיוצגת עם נתונים של טביעת הרגל המרחבית ומידע על התכונות.

מחלקת תכונה: אוסף של מאפיינים גיאוגרפיים מאותו סוג.

יחסים טופולוגיים: סוג היחסים המרחבים שאינו מושפע משינוי דו-רציף, כגון מתיחה, הזזה, סיבוב או כיפוף, של התכונות המרחביות המעורבות.

יחסי קרבה: הם נקראים גם יחסים מבוססי-מרחק ומתייחסים ליחסים המרחבים המבוססים על מרחקים בין תכונות.

יחסי כיוון: יחס מרחבי המבוסס על הפרדה זוויתית של תכונה אחת ביחס לתכונה אחרת במערכת קואורדינטות. באופן ספציפי, כאשר ההפרדות הזוויתיות מתבטאות מילולית ככיוונים קרדינליים כגון צפון ודרום, הן נקראות גם יחסי כיוון קרדינליים.

2.1 מהי שאילתה מרחבית?

שאילתות מרחביות הן סוג חשוב של ניתוח מרחבי. שאילתה מרחבית בוחרת תכונות מרחביות בהתבסס על יחסיהם המרחבים לתכונות אחרות ומשמשות לענות על שאלות מרחביות. למשל, חוקר צריך לזהות אתרי פשע באזור מחקר, ואדם אחר מנסה למצוא מיקומים של כל תאונות הדרכים לאורך כמה כבישים שהוגדרו מראש. ניתן לתרגם שאלות מרחביות אלה לשאילתות מרחביות בהתאמה. כאן ניתן להשתמש בשאילתות מרחביות כשיטת הניתוח המרחבית היחידה לענות על שאלות מרחביות אלה. בנוסף, שאילתות מרחביות יכולות להיות חלק מרכיב גם בניתוח מרחבי רב שלבי.

לשם הסבר, אנו מגדירים תחילה את המרכיבים הקריטיים בשאילתה מרחבית. אוסף התכונות המרחביות המועמדות לבחירה מתואר תכונות מטרה, בעוד שנקראים התכונות המרחביות המשמשות כמיקומי התייחסות תכונות התייחסות. לדוגמה, בשאילתה "למצוא בניינים במסכת מפקד א ',”כל הבניינים באזור המחקר הינם תכונות מטרה, ומסכת א’ היא תכונת ההתייחסות. המרכיב השלישי הוא היחס המרחבי בין היעד לתכונות ההתייחסות.

בהתאם לסוג תכונת ההתייחסות, שאילתה מרחבית עשויה לכלול מחלקה אחת או יותר מתכונות GIS. להלן שלושה תרחישים אפשריים.

  1. מאפייני הייחוס ותכונות היעד מאותו סוג ומאוחסנים באותם קבצי GIS. במקרה זה, יש צורך רק במחלקה אחת של תכונת GIS. שאילתה לדוגמה היא "אילו ערים נמצאות בטווח של 200 קילומטרים מאטלנטה. ” כאן תכונת ההתייחסות היא העיר שהוגדרה מראש או שנבחרה מראש (אטלנטה), ותכונות היעד הן גם ערים.
  2. מאפייני הייחוס ותכונות היעד הינם מסוגים שונים. במצב זה, שני שיעורי תכונה מעורבים בשאילתה המרחבית. השאילתה הנ"ל "למצוא בניינים במסכת מפקד א ' הוא דוגמה לתרחיש זה. שתי שיעורי התכונות הם ה מסכת מפקד וה בניינים.
  3. מיקום הפניה נוצר תוך כדי תנועה. לפעמים משתמש עשוי לרצות לבצע שאילתה מרחבית באופן אינטראקטיבי כדי לבחור תכונות לפי מיקום התייחסות שהוזן תוך כדי תנועה. השאילתות המרחביות האינטראקטיביות פופולריות במיוחד בשירותי GIS מבוססי אינטרנט. במצב זה, השאילתה המרחבית דורשת לספק מראש תכונות מטרה. לדוגמה, מציג המפות הלאומי של USGS הוא שירות אינטרנט לצפייה והורדה של נתוני GIS. השירות מספק כלי GUI למשתמשים להגדיר גבול בחירה על ידי ציור אינטראקטיבי של מצולע, מלבן או עיגול.

למרות שתכונות היעד ותכונות ההתייחסות נחוצות, המרכיב הקריטי של שאילתה הוא היחס המרחבי בין שתי קבוצות התכונות. בסופו של דבר, תוצאות השאילתה הן קבוצת המשנה של תכונות היעד המספקות את היחס המרחבי. זה מודגם על ידי המשוואה שלהלן שבה SR מתייחס ליחס מרחבי.

תוצאות שאילתה = תכונות מטרה [SR] תכונות התייחסות

2.2 יחסים מרחביים ושאילתות מרחביות

שלושה סוגים של יחסים מרחביים נחקרו וקיבלו תשומת לב מחקרית ניכרת בספרות GIS & ampT: יחסי קרבה, יחסים טופולוגיים ויחסי כיוון.

2.2.1 יחסי קרבה

יחסי קרבה מבוססים על מרחק ומכונה גם יחסי מרחק. ניתן לבטא יחס קרבה כמותית כמרחקים מטריים או איכותיים כתיאורים מילוליים כגון קרוב או רחוק. לתוכנת GIS יש בדרך כלל יכולות מובנות רבות לחישוב סוגים שונים של מדדי מרחק כמותיים. בשאילתות מרחביות הנפוצות ביותר הן מרחקים ומרחקים אוקלידיים ברשת מחוברת. טבלה 1 מספקת דוגמא לשאילתות בעולם האמיתי למדידת המרחק המתאימה. QE1 (דוגמא שאילתה 1) מחפש בניינים באזור פרוקסימלי החשוף למפגעי רעש מכביש מהיר. הוא מאמץ את המרחק האוקלידי כדי לחפש בניינים במרחק של קילומטר אחד מקטע הכבישים המהירים. ב- QE2 החשש הוא ממרחקי הנסיעה למתקני בריאות. לעתים קרובות יש צורך בביטויים איכותיים של קרבה בשאילתות מרחביות בחיי היומיום. לדוגמה, פניות QE3 לגבי מלונות בקרבת מקום של כנסים בשיקגו. לא הרבה תוכניות GIS תומכות כיום בשאילתות מרחביות עם יחסי קרבה איכותיים, אם כי דיונים תיאורטיים ואסטרטגיות דוגמנות זמינות בספרות. גישה אחת היא להקים מנגנוני מיפוי מטושטשים בין מדדים איכותיים וכמותיים, מותנים במשתני הקשר (Yao & Thill 2005 2006). כמו כן, ישנם כמה שירותי GIS מקוונים וכלי קוד פתוח הזמינים לספק יכולת חיפוש מרחבית עם מרחקים איכותיים.

טבלה 1. דוגמאות שאילתה המבוססות על יחסי קרבה
מדידת מרחק דוגמת שאילתה (QE) ואיור מגבר
מרחק אוקלידי QE1. אילו בניינים ממוקמים במרחק של קילומטר אחד מהכבישים המהירים של המדינה באזור המחקר?
מרחק רשת QE2. אילו אזורים נמצאים במרחק של פחות מ -3 קילומטרים בנסיעה ממתקני בריאות?
מרחק איכותי QE3. מצא מלונות ליד מקום הכנסים.

2.2.2 קשרים טופולוגיים

טופולוגיה היא ענף לימוד במתמטיקה. הוא בוחן את המאפיינים של יחסים מרחביים שאינם משתנים על ידי טרנספורמציות דו-רציפות כגון מתיחה, הזזה, סיבוב או כיפוף. סמיכות, קישוריות והכלה הם דוגמאות אופייניות ליחסים טופולוגיים. ראייה נאיבית של הטופולוגיה רואה ביחסים גיאומטריה על יריעת גומי, שכן יחסים טופולוגיים בין שני תכונות מרחביות על יריעת גומי נשמרים גם כאשר היריעה נמתחת, נעה, מסתובבת או כפופה. גוף מחקר גדול התמקד בפורמליזציה והנמקה של יחסים טופולוגיים, החל מהתיאוריה של ערכי הנקודות (Egenhofer and Franzosa 1991), מודל הצומת (Egenhofer and Franzosa 1991) והרחבותיו, וכלה בחישוב חיבור האזור (Randell et al. . 1992) והרחבותיו (למשל, Cohn and Gotts 1996).

בהתאם לשני הסוגים הגיאומטריים של התכונות המעורבות, עשויות להתקיים ביניהן קבוצות שונות של יחסים טופולוגיים אפשריים. טבלה 2 ממחישה כמה יחסים טופולוגיים נפוצים, המחולקים על ידי הסוג הגיאומטרי של תכונת הייחוס ושל תכונת היעד בשאילתה מרחבית. זה רחוק מלהיות ספירה ממצה של יחסים טופולוגיים. קיימות וריאציות רבות אחרות, ואפשר להשתמש באוצר מילים אחר לתיאור יחסים זהים או דומים. לדוגמה, Egenhofer (1991) דן במונחים אנגליים נוספים המבטאים יחסים טופולוגיים.

טבלה 2. סיווג של כמה קשרים טופולוגיים נפוצים בין שתי תכונות מרחביות

שאילתות מרחביות יכולות להתבסס על מגוון יחסים טופולוגיים (טבלה 3). ב- QE4, למחוז יש מספר ספקי שירותי אינטרנט, והשאילתה היא לאתר אילו מיקומים של משרד ציבורי יכולים להיות מוגשים על ידי חבר ספק ספציפי. המצולעים בכחול הם אזורי השירות של MP, שהם תכונות התייחסות. תכונות היעד הן כל מיקומי הנקודות של שירותים ומשרדים ציבוריים. ניתן לתרגם את הבעיה המרחבית הזו ל "מכיל_על"קשר טופולוגי בין תכונות היעד למאפייני ההתייחסות. תוצאות השאילתה הסופית מוצגות באדום. ניתן לתרגם את QE5 ליחסי "הצטלבות" בין התייחסות ותכונות היעד. QE6 היא שאילתה המבוססת על הקשר הטופולוגי הסמוך.

טבלה 3. דוגמאות לשאילתות המבוססות על קשרים טופולוגיים
קשר טופולוגי דוגמה לשאילתות (QE) והאיור שלה
מכיל_על QE4. אילו מיקומי משרדים ציבוריים נמצאים באזור השירות של ספק שירותי האינטרנט MP?
לְהִצְטָלֵב QE5. באילו מסלולי מפקד באטלנטה עוברים נתיבי הרכבת התחתית המטרופולינית?
סמוך QE6. מהם הספירות השכנות של מחוז פולטון?

2.2.3 קשרי כיוון

יחסי כיוון מבוססים על ההפרדה הזוויתית בין שני אובייקטים מרחביים, כפי שנראים מנקודת ההתייחסות. בדיוק כמו יחס קרבה, גם יחס כיוון יכול להתבטא באופן איכותי או כמותי. מדד כמותי של הכיוון מתכונה התייחסות למאפיין מטרה קל יחסית לחישוב ב- GIS. בתרשים 1, השאילתה המרחבית המבוססת על כיוון היא למצוא מבנים באזור המחקר במורד הרוח מתכונת התייחסות (QE7). יתכנו מודלים שונים של נימוקים. בדוגמה מאוירת זו נוצרת מקבילה היפותטית לאורך כיוון החלון. תוצאות השאילתה יכללו את כל הבניינים שנמצאים במלואם או מצטלבים עם המקבילית.

איור 1. חיפוש מבוסס כיוון מתוך תכונת התייחסות. מקור: מחבר.

בהשוואה לכיוונים הכמותיים, נעשה שימוש בתדירות הכיוונים האיכותית בתדירות גבוהה יותר. הם מכונים גם כיוונים קרדינליים כגון צפון, דרום, מזרח, מערב, דרום מזרח, דרום מערב, צפון מזרח וצפון מערב, המוגדרים על ידי טבלת חיפוש המציינת את טווח הזוויות המתאים לכל כיוון. כיוונים קרדינליים אלה אינם מובנים ישירות על ידי GIS. דוגמנות יחסי כיוון במערכת מחשבים משכה תשומת לב מחקרית רבה בעשורים האחרונים. המסגרות המוקדמות יותר, כגון הדגם בצורת חרוט (או משולש) (פוקט וז'אנג 1987) והמודל המבוסס על הקרנה (פרנק 1996), הניחו את הבסיס להרחבות עדכניות יותר. איור 2 (א) ממחיש את המסגרת של המודל המבוסס על חרוט. איור 2 (ב) הוא דוגמה ליישום ליישום המודל לשאילתות מרחביות. ב QE8, השאילתה חוקרת בקתות (תכונות מטרה) מדרום לאגם, תכונת ההתייחסות. מהמרכז הגיאומטרי של תכונת ההתייחסות, המודל מחלק את המרחב הגיאוגרפי שמסביב לשמונה מגזרים המתאימים לשמונה הכיוונים הקרדינליים, בהתאמה. תכונות היעד במגזר S הן תוצאות השאילתה.

איור 2. מודל מבוסס חרוט (מותאם מפרנק 1996) והיישום שלו לענות על דוגמא שאילתה (QE8: "אילו בקתות נמצאות מדרום לאגם?"). מקור: מחבר.

המודל המבוסס על הקרנה הוא מסגרת משפיעה נוספת. כפי שמוצג באיור 3 (א), המודל המבוסס על הקרנה מבדיל אזור מרכזי, שיכול להיות התיבה הגובלת של תכונת ההתייחסות, ומחלק את האזורים החיצוניים לשמונה אריחי כיוון רגילים המתאימים לשמונה הכיוונים הקרדינליים. בהתבסס על המסגרת, פותחו עוד כמה מודלים אנליטיים מרחביים להתמודדות עם מצבים מורכבים יותר או להפוך את התהליך לסביר יותר מבחינה חישובית. ביניהם מודל מטריצת יחסי הכיוון (DRM) הוא דוגמה מאומצת. מודל ה- DRM (Goyal & amp Egenhofer 2001) מסדיר את תהליך החשיבה על ידי הגדרת יחס כיוון עם מטריצה ​​המתבטאת במשוואה (1). אם אזור נחשב למכלול כל הנקודות בתוך אזור זה, האזורים במשוואה (1) מתייחסים למערכות הנקודות המופיעות באיור 3 (ב). פעולת חיתוך הסט של שתי קבוצות, המסומנות כ- Ç, מייצרת את קבוצת המשנה של הנקודות הנמצאות בשתי המערכות. המודל יכול להתמודד עם מצבים מורכבים יותר, למשל, כאשר תכונת יעד חוצה אריחי כיוון מרובים.

איור 3. מודל מבוסס הקרנה (מותאם מפרנק 1996). מקור: מחבר.

בהתבסס על המסגרת, פותחו עוד מודלים אנליטיים מרחביים להתמודדות עם מצבים מורכבים יותר או להפוך את התהליך לסביר יותר מבחינה חישובית. ביניהם מודל מטריצת יחסי הכיוון (DRM) הוא דוגמה מאומצת. מודל ה- DRM (Goyal & amp Egenhofer 2001) מסדיר את תהליך החשיבה על ידי הגדרת יחס כיוון עם מטריצה ​​המתבטאת באיור 4. אם אזור נחשב כמכלול של כל הנקודות בתוך אזור זה, האזורים במטריצה ​​מתייחסים לאותן ערכות הנקודות. מאויר במפה של איור 4. פעולת חיתוך הסט של שתי קבוצות, המסומנות כ- Ç, מייצרת את קבוצת המשנה של נקודות הנמצאות בשתי המערכות. המודל יכול להתמודד עם מצבים מורכבים יותר, למשל, כאשר תכונת יעד חוצה אריחי כיוון מרובים.

איור 4. איור מערכי הנקודות ומשוואת ההגדרות למטריצת יחסי הכיוון (מותאם מ- Goyal & amp Egenhofer, 2001). מקור: מחבר.

2.2.4 שאילתות מרחביות המבוססות על יחסים מרחביים מרובים

שאילתה מרחבית אינה חייבת להיות מוגבלת ליחס מרחבי אחד בלבד. לא נדיר למצוא שאילתה המבוססת על שילוב של יחסים מרחביים מרובים. זה עשוי לקרות מכמה סיבות. כאן נדונים רק שתי סיבות נפוצות. ראשית, ייתכן שזה נובע מאופי בעיית השאילתה. לדוגמה, QE7 ו QE8 ייתכן שיהיה צורך לשנות בעולם האמיתי כדי למצוא בתים או בקתות במרחקים מסוימים. השאילתות שהשתנו ישלבו יחסי קרבה ויחס כיוון. שנית, לעתים יש צורך ביחסים מרחביים מרובים תוך שיקולים מעשיים של דיוק או בעיות איכות נתונים אחרות. לדוגמה, משתמש רוצה למצוא את כל תאונות הדרכים בכביש מסוים. ניתן לתרגם זאת לשאילתה מרחבית המבוססת על הקשר הטופולוגי "לגעת"בין נקודה לקו תכונה, כפי שמופיע בטבלה 2. עם זאת, בשל דיוק ודיוק, הרבה מקומות תאונות כשירות יתפספסו אם רק"לגעת"נחשב קשר טופולוגי. ניתן לפתור את הבעיה על ידי שינוי השאילתה כך שתכלול את כל מיקומי התאונה במרחק סף לתכונה הקו. השאילתה שהשתנתה משלבת טופולוגיה ויחסי מרחק.

כפי שנדון לעיל, מסגרות חשיבה מרחבית ומודלים של ניתוח פותחו עבור כל סוג של יחסים מרחביים. למרות שחלקן מהוות חלק בלתי נפרד מתוכנות GIS פופולריות, לא כולן פותחו לכלי תוכנה בתוכנות GIS. בהתאם לזמינות הפונקציות והכלים בתוכנת GIS מהמדף, קיימות בדרך כלל שלוש גישות לביצוע שאילתה מרחבית. הדרך הפופולרית ביותר היא להשתמש בפונקציות שאילתות מרחביות מובנות בתוכנית GIS. השני הוא הפעלת הצהרות SQL ב- GIS או בכל מערכת ניהול מסדי נתונים מרחבית לכלל. הגישה האחרונה היא פיתוח כלים מותאמים אישית לשאילתות. אמנם לכל שיטה יש יתרונות וחסרונות, אך החדשות הטובות הן שהקצוות שלהם משלימים זה את זה.

  • שאילתות מרחביות עם פונקציות מולדות בתוכנת GIS. מכיוון שיכולת השאילתה המרחבית הינה קריטית עבור GIS, כמעט בכל תוכנות GIS יש לפחות כמה פונקציות מובנות של שאילתות מרחביות ממשק המשתמש. נכון לעכשיו, לכל תוכניות GIS הפופולריות יש פונקציות מולדות לשאילתות מבוססות-מרחק, למעט מרחק איכותי. לרבים מהם יש יכולות מובנות לענות על שאילתות מרחביות המבוססות על יחסים טופולוגיים, וחלקן יכולות להתמודד עם אלו המבוססות על שילוב של שני יחסים מרחביים. התוצאות מוחזרות במהירות לפרשנות ולעיבוד נוסף. זוהי הגישה הפשוטה והנפוצה ביותר. המגבלה של גישה זו נעוצה באילוצים של הפונקציות הקיימות המסופקות על ידי התוכנה הנמצאת בשימוש.
  • שאילתות מרחביות עם שפת שאילתה מובנית (SQL). מכיוון שאילתה מרחבית עוסקת בבחירת תכונות המבוססות על יחסים מרחביים, ניתן לבטא אותה כהצהרות SQL על ידי תרגום רכיבי השאילתה לקריטריוני חיפוש. הביצוע של משפט SQL מחזיר תכונות מרחביות העונות על קריטריוני החיפוש. ניתן לבצע זאת בכל מערכת ניהול מסדי נתונים מרחבית התומכת ב- SQL. חלק מתוכנות GIS מספקות את הממשק לביטויי SQL. לדוגמה, ArcGIS מספק כלי דיאלוג לבניית שאילתות המאפשרות למשתמשים לבנות הצהרות SQL. באופן דומה, ניתן לבנות ולהוציא לפועל הצהרות אלה גם במערכות ניהול מסדי נתונים אחרות, כגון PostgreSQL ו- Oracle. ביצוע שאילתה באמצעות הצהרות SQL מאפשר גמישות רבה יותר. בהשוואה לגישה באמצעות פונקציות GIS מובנות, שיטת הצהרות SQL מותירה מקום לקריטריוני חיפוש מעוצבים על ידי משתמש, תוך עבודה במבחר רחב יותר של סביבות תוכנה. עם זאת, כתיבת שאילתות SQL מקוריות חסרה אינטראקטיביות ונוחות המסופקות על ידי הפונקציות המובנות.
  • שאילתות מרחביות עם כלים מותאמים אישית. שתי הגישות הראשונות מספיקות לצורך של רוב השאילתות המרחביות. אך במקרים נדירים, כאשר יש צורך במודל ייחודי או שנשאל סוג מסוים של שאילתה, אף אחת משתי הגישות הקודמות עשויה להועיל. הגישה השלישית, פיתוח כלי תוכנה מותאמים אישית, היא הפתרון במצב זה. ניתן לטעון את הכלים כפונקציות הרחבה לתוכנות GIS קיימות או כחבילות עצמאיות. כמה כלים מפותחים לסוגים מסוימים של שאילתות חולקו במאגרי קוד פתוח כגון GitHub לשימוש אנשים המעוניינים בכך. גישה זו היא עתירת המאמצים ביותר ודורשת כישורי תכנות. לפיכך זו הגישה המאתגרת ביותר אם צריך להתחיל מאפס. הפשר הוא שגישה זו אכן מספקת את הגמישות הטובה ביותר ולכן היא המתאימה ביותר כאשר יש צורך ברמת התאמה אישית גבוהה.

Cohn, A.G ו- N.M Gotts. (1996). ייצוג 'החלמון' של אזורים עם גבולות בלתי מוגדרים. ב אובייקטים גיאוגרפיים עם גבולות בלתי מוגדרים, עורך P.A. Burrough ו- A.U. פרנק, עמ '17-187. בריסטול, הרשות הפלסטינית: טיילור ופרנסיס.

Egenhofer, M. J., Franzosa, R., (1991), יחסים טופולוגיים נקודתיים. כתב העת הבינלאומי למערכות מידע גיאוגרפיות, 5 (2): 161-174. DOI: 10.1080/02693799108927841

פרנק, א.ו. (1996). נימוק מרחבי איכותי: הוראות קרדינל כדוגמה. כתב העת הבינלאומי למערכות מידע גיאוגרפיות, 10 (3): 269–290. DOI: 10.1080/02693799608902079


שירותים גיאו -מרחביים

המאסטר בלימודים מקצועיים בשירותים גיאו -מרחביים מאפשר לתלמידים לרכוש מיומנויות מעשיות ועקרונות תיאורטיים להוביל עם נתונים גיאוגרפיים (xyzt) במגזר הציבורי והפרטי. תוכנית זו מתאימה את עצמה לטכנולוגיות חדשות שצצות להתמודד עם כמויות נתונים הולכות וגדלות, ומציבות את התלמידים בחוד החנית של המדע הגיאו-מרחבי.

שילוב למידה חווייתי, באמצעות יישומים מעשיים, מאתגר ומעודד תלמידים לצאת מאזורי הנוחות שלהם כדי להפוך לחוקרים עצמאיים ולאזרחים מושכלים בתוך עולם המונע משינוי מתמיד.

Analysis of geospatial data accelerates innovative analysis and provides solutions to problems in multiple sectors such as:

  1. GeoIntelligence and situational awareness
  2. Catastrophe risk modeling for the insurance industry
  3. Precision agriculture and boosting food production
  4. Surveying (via drone collection)
  5. Industrial asset inventory.


Northeastern’s Geospatial Services program is a member of the USGIF.

Check out some recent student projects and articles.

More Details

Unique Features

  • Online program allows for flexibility and remote learning
  • Hands-on experience working across multiple software environments, including commercial and open-source products, such as ESRI, ENVI, PCI Geomatica, GeoIntelligence, and project management software
  • Option to participate in co-op program, experiential learning, and capstone project

Program Objectives

  • Provide hands-on experience with software from ESRI, the industry leader in GIS
  • Improve the understanding of Internet GIS
  • Explore the fundamentals of remote sensing
  • Secure foundational skills in project management, system implementation, database development, and implementation
  • Evaluate the theoretical, mathematical, and computational foundations of GIS
  • Learn to effectively interpret and apply geographic information
  • Analyze cartographic principles
  • Study the legal, economic, and ethical issues associated with GIS
  • Examine practical applications of GIS to support geographic inquiry and decision making

Member of the USGIF

Northeastern’s Geospatial Services program is a member of the USGIF. The United States Geospatial Intelligence Foundation is the only organization dedicated to bringing together industry, academia, government, professional organizations, and stakeholders to exchange ideas, share best practices, and promote the education and importance of a national geospatial intelligence agenda.

Unique Transfer Credit Opportunity

Do you hold GEOINT Certification Program (GCP) credentials through the NGA under the authority of the Defense GEOINT (GCP-F, GPC IA-II, GPC CA-II or GPC GDM-II equivalent)? If yes, you can accelerate through the Master of Professional Studies in Geospatial Services at Northeastern University by applying your credential(s) in exchange for transfer credit.

Successful applicants can experience the following:

  • לְקַבֵּל up to 12 quarter hours of transfer credit – a 25% savings in tuition
  • Satisfy PDU credential requirements under the creditable graduate Academic Study category
  • Enjoy the convenience of a 100% online, interactive curriculum
  • Build your resumé and strengthen your skills in remote sensing (earth observation) and geospatial analytics.

Successful completion of the GCP applies to all cleared Department of Defense (DoD) civilian, military, and contractor practitioners in GEOINT-related work roles throughout the National System for Geospatial Intelligence. GCP can also apply to non-DoD members of the NSG with GEOINT equities.

Contact us today for more information by completing the form on our page.

Career Outlook

Trend data suggests that geographic information technology (GIT) is related to the overall increase in interest in big data analytics. GIT and related systems are able to capture and model all types of spatial and geographic data, often useful for business or government intelligence, location-enabled services, and the planning and management of logistics, among many other purposes. Analysts trained in GIT are well-informed in how to produce, aggregate, and manipulate geographic/spatial data in order to drive decisions or services in any number of fields or industries. With the advent of mobile technology, the utility of GIT and employment of analysts with this expertise is expected to grow.

Alumni Success

What are our graduates doing? Explore our alumni map, created in-house, which shows positions held by our recent GIT alumni around the globe.

Analytics in Action – Application of Data and Technology in Geospatial


צפו בסרטון: Chapter 5: Preparing LAS Datasets for use in ArcGIS (אוֹקְטוֹבֶּר 2021).