जीआईएस संदर्भ में रेखापुंज और वेक्टर डेटा क्या हैं?
सामान्य शब्दों में, अनुप्रयोग, प्रक्रिया या विश्लेषण प्रत्येक के लिए उपयुक्त हैं? (और इसके लिए अनुकूल नहीं है!)
क्या किसी के पास कुछ छोटे, संक्षिप्त, प्रभावी चित्र हैं जो इन दो मौलिक डेटा अभ्यावेदन को व्यक्त और इसके विपरीत हैं?
जवाबों:
वेक्टर डेटा
लाभ: डेटा को सामान्यीकरण के बिना इसके मूल रिज़ॉल्यूशन और फ़ॉर्म में दर्शाया जा सकता है। ग्राफिक आउटपुट आमतौर पर अधिक सौंदर्यवादी रूप से मनभावन (पारंपरिक कार्टोग्राफिक प्रतिनिधित्व) होता है; चूंकि अधिकांश डेटा, उदाहरण के लिए हार्ड कॉपी मैप्स, वेक्टर रूप में हैं, इसलिए डेटा रूपांतरण की आवश्यकता नहीं है। डेटा की सटीक भौगोलिक स्थिति बनाए रखी जाती है। टोपोलॉजी के कुशल एन्कोडिंग के लिए अनुमति देता है, और इसके परिणामस्वरूप अधिक कुशल संचालन जो कि टोपोलॉजिकल जानकारी, जैसे निकटता, नेटवर्क विश्लेषण की आवश्यकता होती है।
नुकसान: प्रत्येक शीर्ष के स्थान को स्पष्ट रूप से संग्रहीत करने की आवश्यकता होती है। प्रभावी विश्लेषण के लिए, वेक्टर डेटा को एक टोपोलॉजिकल संरचना में परिवर्तित किया जाना चाहिए। यह अक्सर गहन प्रसंस्करण होता है और आमतौर पर व्यापक डेटा सफाई की आवश्यकता होती है। साथ ही, टोपोलॉजी स्थिर है, और वेक्टर डेटा के किसी भी अद्यतन या संपादन के लिए टोपोलॉजी के पुन: निर्माण की आवश्यकता होती है। जोड़ तोड़ और विश्लेषण कार्यों के लिए एल्गोरिदम जटिल हैं और गहन प्रसंस्करण हो सकते हैं। अक्सर, यह स्वाभाविक रूप से बड़े डेटा सेट के लिए कार्यक्षमता को सीमित करता है, उदाहरण के लिए बड़ी संख्या में विशेषताएं। निरंतर डेटा, जैसे उन्नयन डेटा, वेक्टर रूप में प्रभावी रूप से प्रतिनिधित्व नहीं करता है। आमतौर पर इन डेटा परतों के लिए पर्याप्त डेटा सामान्यीकरण या प्रक्षेप की आवश्यकता होती है। बहुभुज के भीतर स्थानिक विश्लेषण और फ़िल्टरिंग असंभव है
रेखापुंज डेटा
लाभ: प्रत्येक कोशिका का भौगोलिक स्थान सेल मैट्रिक्स में अपनी स्थिति से निहित होता है। तदनुसार, एक मूल बिंदु के अलावा, उदाहरण के लिए नीचे बाएं कोने, कोई भौगोलिक निर्देशांक संग्रहीत नहीं हैं। डेटा स्टोरेज तकनीक की प्रकृति के कारण डेटा विश्लेषण आमतौर पर प्रोग्राम करना आसान है और प्रदर्शन करने के लिए त्वरित है। रास्टर मानचित्रों की अंतर्निहित प्रकृति, जैसे एक विशेषता मानचित्र, गणितीय मॉडलिंग और मात्रात्मक विश्लेषण के लिए आदर्श रूप से अनुकूल है। असतत डेटा, जैसे वानिकी स्टैंड, को समान डेटा के साथ समान रूप से समायोजित किया जाता है, जैसे ऊंचाई डेटा, और दो डेटा प्रकारों के एकीकरण की सुविधा। ग्रिड-सेल सिस्टम रेखापुंज-आधारित आउटपुट डिवाइस, जैसे इलेक्ट्रोस्टैटिक प्लॉटर, ग्राफिक टर्मिनलों के साथ बहुत संगत हैं।
नुकसान: सेल आकार उस रिज़ॉल्यूशन को निर्धारित करता है जिस पर डेटा का प्रतिनिधित्व किया जाता है ।; सेल रिज़ॉल्यूशन के आधार पर रैखिक विशेषताओं का पर्याप्त रूप से प्रतिनिधित्व करना विशेष रूप से मुश्किल है। तदनुसार, नेटवर्क लिंक स्थापित करना मुश्किल है। यदि बड़ी मात्रा में डेटा मौजूद है, तो संबंधित विशेषता डेटा का प्रसंस्करण बोझिल हो सकता है। रेखापुंज मानचित्र स्वाभाविक रूप से एक क्षेत्र के लिए केवल एक विशेषता या विशेषता को दर्शाते हैं। चूंकि अधिकांश इनपुट डेटा वेक्टर रूप में हैं, इसलिए डेटा को वेक्टर-टू-रैस्टर रूपांतरण से गुजरना होगा। बढ़ी हुई प्रसंस्करण आवश्यकताओं के अलावा, यह सामान्य सेल और अनुचित सेल आकार की पसंद के कारण डेटा अखंडता चिंताओं को पेश कर सकता है। ग्रिड-सेल सिस्टम से अधिकांश आउटपुट मैप उच्च-गुणवत्ता वाले कार्टोग्राफिक आवश्यकताओं के अनुरूप नहीं हैं।
पिक्सल बनाम निर्देशांक जब मुझे लगता है कि रेखापुंज मानचित्र, मेरा पहला विचार उपग्रह इमेजरी है। शहरी क्षेत्र की विस्तृत उपग्रह छवि में लगभग हर पिक्सेल में अद्वितीय जानकारी हो सकती है। एक वेब मानचित्र में एक एकल टाइल (आमतौर पर मर्केटर का एक प्रकार जिसे " गोलाकार मर्केटर " या " वेब मर्केटर " के रूप में जाना जाता है और Google , बिंग , याहू, ओएसएम और ईएसआरआई द्वारा समर्थित ) में आमतौर पर 256 x 256 = 653636 पिक्सेल होते हैं, और प्रत्येक ज़ूम स्तर में (2 ^ ज़ूम * 2 ^ ज़ूम) टाइलें हैं। जब मैं वेक्टर के बारे में सोचता हूं, तो मुझे लगता है कि बहुभुज और रेखाएं। उदाहरण के लिए, एक आकृति फ़ाइल का विस्तार पूरे शहर की ज़ोनिंग सीमाओं (संभवतः लाखों रैस्टर टाइल्स) के क्षेत्र में केवल 65,000 वेक्टर आकार हो सकता है।
सटीक स्केलिंग यह आपको (और शायद अधिकांश पाठकों को) लगता है कि पहले से ही रेखीय पिक्सेल और वेक्टर (निर्देशांक नक्शे) के बीच सबसे स्पष्ट अंतर पता है। वेक्टर चित्र (और मानचित्र) पिक्सेल की तुलना में उच्च स्तर की निष्ठा के साथ पैमाने पर हो सकते हैं क्योंकि वेक्टर डेटा में समन्वयित पैटर्न (अंक, बहुभुज, रेखाएं आदि) होते हैं जो सरल सूत्रों का उपयोग करते हुए विभिन्न प्रस्तावों पर एक दूसरे के सापेक्ष प्रदान कर सकते हैं, जबकि पिक्सेल आकार बदलने का उपयोग आमतौर पर करते हैं। स्मूथिंग एल्गोरिथ्म जो छवि कलाकृतियों में परिणाम देता है।
छवि संपीड़न बनाम संरचना संपीड़न व्यवहार में, अधिकांश छवियों में 100% अद्वितीय पिक्सेल नहीं होते हैं जिन्हें छोटे डेटा पैकेटों में संपीड़ित किया जा सकता है, और कई वेक्टर फ़ाइलों में अतिरिक्त विवरण होते हैं जिनकी कई निम्न विस्तार ज़ूम स्तरों पर आवश्यकता नहीं होती है। छवि संपीड़न एक अच्छी तरह से जाना जाता है और बहुत ही कुशल प्रक्रिया है और लगभग हर कोडिंग लाइब्रेरी ने इस काम को करने के लिए कक्षाओं में बनाया है। वेक्टर समन्वय संपीड़न, या "ज्यामिति सरलीकरण" थोड़ा कम सामान्य है (जैसा कि सामान्य रूप से जीआईएस सामान्य छवि हेरफेर की तुलना में थोड़ा कम सामान्य है)। मेरे अनुभव में आप छवि संपीड़न (बस इसे बंद या चालू करें) के बारे में सोचने के लिए 0 के करीब खर्च करेंगे और स्थानिक संपीड़न के बारे में सोचने में अधिक समय देंगे। की जाँच करें डगलस Peucker एल्गोरिथ्म उदाहरण के लिए, या बस के साथ चारों ओर खेलने QGIS और कुछ जनगणना सीमा फाइलें।
क्लाइंट बनाम सर्वर साइड रेंडरिंग आखिरकार एक कंप्यूटर पर देखी जाने वाली हर चीज स्क्रीन पर एक विशेष रिज़ॉल्यूशन (यानी ज़ूम स्तर) पर पिक्सेल में प्रदान की जाती है। अक्सर (विशेष रूप से वेब पर) चुनौती उपयोगकर्ताओं के सामने उन पिक्सल को यथासंभव कुशलता से प्राप्त कर रही है। अमेरिका जनगणना क्षेत्रीय एवं ब्लॉक समूह आकार फ़ाइलेंविशेष रूप से दिलचस्प हैं क्योंकि वे वेक्टर डेटासेट की सीमा से अधिक हैं जो वेक्टर डेटा के रूप में वेब ब्राउज़र में प्रस्तुत करने के लिए 'बहुत बड़ा' हैं। इसके विपरीत, यूएस काउंटियों को केवल आधुनिक ब्राउज़र में वेक्टर डाउनलोड के रूप में प्रस्तुत किया जा सकता है। जबकि एक अमेरिकी जनगणना ब्लॉक समूह वेक्टर आकार फ़ाइल निश्चित रूप से कई ज़ूम स्तरों पर पूरे अमेरिका को कवर करने के लिए प्रदान की गई एक रेखापुंज टाइल की तुलना में छोटी होगी, मांग में डाउनलोड करने के लिए एक वेब ब्राउज़र के लिए ब्लॉक समूह आकार फ़ाइल बहुत बड़ी (1GB के करीब) है। भले ही वेब ब्राउज़र फ़ाइल को जल्दी से डाउनलोड कर सके, लेकिन अधिकांश वेब ब्राउज़र (फ्लैश का उपयोग करते हुए) बहुत बड़ी संख्या में आकार प्रदान करते समय काफी धीमी होती है। इसलिए, बड़े वेक्टर डेटासेट देखने के लिए, आप अक्सर वेब ब्राउज़र पर प्रसारण के लिए संपीड़ित चित्रों में अनुवाद करना बेहतर समझते हैं।
कुछ व्यावहारिक उदाहरण मैंने कुछ दिनों पहले इसी तरह के प्रश्न का उत्तर दिया था कि गूगल मैप्स में बड़े डेटासेट प्रदान किए जाएं। आप प्रश्न और "सर्वोत्तम अभ्यास" का विस्तृत विश्लेषण देख सकते हैं, जैसा कि एनवाई टाइम्स और अन्य आज भी करते हैं ।
कुछ साल पहले फ्लैश हेवी क्लाइंट साइड वेक्टर रेंडरिंग से दूर ट्रांसफर करने का फैसला किया गया था जो कि सर्वर की ओर से सदिश रेंडरिंग करता था जो कंप्रेस्ड इमेज टाइल्स को शुद्ध html & JavaScript में डिलीवर करता है। हमारे पास Html + Raster (Server Generated Image Tiles) और Flash + वेक्टर (क्लाइंट साइड हैवी रेंडरिंग) के कई संस्करणों के साथ एक मैप गैलरी है ।
ऐसा लगता है कि आप गैर-तकनीकी लोगों के लिए इसे व्यक्त करने का एक तरीका ढूंढ रहे हैं, शायद? आप दो बचपन की वस्तुओं, ग्राफ पेपर और कनेक्ट-ए-डॉट्स पहेली के लिए एक सादृश्य का उपयोग कर सकते हैं। ग्राफ पेपर की शीट में प्रत्येक वर्ग एक रेखापुंज सेल से मेल खाता है, इसलिए प्रत्येक वर्ग को रंग देने या उसमें एक नंबर डालने की कल्पना करें। वेक्टर डेटा एक कनेक्ट-ए-डॉट्स पहेली है। दोनों मामलों में, प्रत्येक परत कागज की एक और शीट है।
यह तस्वीर डेटा के रेखापुंज बनाम वेक्टर प्रतिनिधित्व का एक अच्छा विचार देती है।
रैस्टोर में, विचाराधीन क्षेत्र को समान वर्गों में विभाजित किया गया है और एक विशेषता इसे सौंपी गई है। इसलिए यदि आप रैस्टोरेंट के लिए एक डेटा संरचना बनाने पर विचार करते हैं तो यह एक 2 डी सरणी होगी, प्रत्येक x, y को-ऑर्डिनेट एक वर्ग में होते हैं और इसमें एक निश्चित पूर्वनिर्धारित विशेषता जैसे भवन, सड़क, वनस्पति, जल निकाय आदि हो सकते हैं।
वेक्टर में, डेटा को बिंदुओं, रेखाओं और बहुभुज में दर्शाया जाता है। तो एक पर्यटक स्थल को एक सूत्री (एक्स, वाई), एक नदी या एक सड़क रेखा के रूप में दर्शाया जाता है (जो जुड़े बिंदुओं की श्रृंखला है), एक झील या स्टेडियम आदि को बहुभुज के रूप में दर्शाया जाता है (सूची की सूची) वह बंद क्षेत्र) - यहाँ और पढ़ें: https://en.wikipedia.org/wiki/Well-ogn_text
छवियां वेब खोज से हैं, मैंने उस समय स्क्रीनशॉट लिया था और मेरे पास अब वेब पर मूल स्रोत लिंक नहीं हैं! उसके लिए माफ़ी!
लेकिन उम्मीद है कि यह उत्तर इसे जीआईएस: डी के लिए एक व्यक्ति को समझाने में मदद करता है
एक विशेष प्रकार के वेक्टर डेटा के रूप में रेखापुंज डेटा के बारे में सोचना बेहतर है। वेक्टर डेटा में मानचित्र पर लाइनें एक विशेष घटना द्वारा निर्धारित की जाती हैं। रेखापुंज डेटा में इस परिसीमन को एक मनमाना ग्रिड द्वारा परिभाषित किया गया है जो कि उस घटना से स्वतंत्र है जिसे वह मानचित्रित करने का प्रयास कर रहा है। आमतौर पर यह ग्रिड उस तरह से होता है जिस तरह से एक विशेष जानकारी (जैसे एक कैमरा) पर सेंसर कब्जा कर लेता है। लेकिन सभी मामलों में रेखापुंज डेटा का प्रतिनिधित्व वेक्टर द्वारा भी किया जा सकता है।
