Геомоделирование с помощью ГИС-пакетов

    ArcView GIS обеспечивает интеграцию данных  из разных источников. Помимо  создания и редактирования пространственных данных в собственном формате (шейп-файлы), ArcView обеспечивает доступ к данным ARC/INFO, PC ARC/INFO, ArcCAD, AutoCAD, Intergraph, а также импорт картографических данных из MapInfo, Atlas GIS и ASCII. Формат шейп-файлов не топологический, поэтому предпочтительно использовать в ArcView векторные данные, прошедшие топологический контроль в системах ARC/INFO или PC ARC/INFO. Растровые изображения также могут поступать в разных форматах - ERDAS IMAGINE, JPEG, BSQ, TIF, GeoTIF, BIL, BIT, SUN, RS, RLS, GRID ARC/INFO. В зависимости от типа растровых данных они используются и как иллюстрации к карте, и как картографическая подложка, и как самостоятельный объект пространственного анализа. 
ArcView GIS работает непосредственно с базами данных, поступающими с покрытиями ARC/INFO в виде атрибутивных таблиц формата dbf или INFO. Атрибутивные данные также могут храниться в текстовом формате, форматах dBase III, dBase IV или в стандартных СУБД (ORACLE, SYBASE, INFORMIX, Excel, Access и др.), воспринимающих SQL-запросы. Подгруженные данные могут быть различными способами связаны между собой: объединены в единую таблицу в режиме «один к одному» или связаны по единому признаку в режиме «один ко многим». Любые запросы к данным могут быть отображены на карте или в диаграмме. 
Обширные наборы картографических значков, штриховок и закрасок поставляются в готовом виде вместе с ArcView GIS. Значки хранятся в формате TrueType. Большой спектр условных знаков и дополнительные возможности по созданию и использованию собственных условных знаков позволяют оформлять карты в соответствии с принятыми в картографии правилами и осуществлять высококачественную печать карт.

ГИС анализ:

После сбора  всей необходимой информации для  ГИС-анализа и проведения наших  исследований ее необходимо перевести в единую систему – базу геоданных. Это подразумевает под собой приведение к единой математической основе цифровых карт, космических снимков, данных GPS съемки, и интегрирование в ГИС-среду различных таблиц. Табличные данные информативны, но имеют один существенный недостаток для проведения географического анализа – они, в отличие от цифровых карт, напрямую не содержат информацию о пространственном положении объектов. Так, например, на исследуемый город мы имеем в виде таблицы данные жилищного фонда, которые содержат адрес, информацию о количестве проживающего населения, этажности, годе постройки и др. по каждому дому. На их основе мы хотим проанализировать распределение плотности населения по городу. Естественно, что, просто просмотрев таблицу, у нас не получится добиться нужного результата. Поэтому для решения этой задачи необходимо установить связь между нашими данными и адресным слоем из базовой цифровой карты в ГИС, другими словами, мы “привязываем” наши данные к карте. Установление такой связи называется адресным геокодированием. Процедура геокодирования не в автоматическом режиме представляет собой сложный и трудоемкий процесс. Для его автоматизации нашими специалистами было разработано уникальное программное обеспечение, которое обеспечивает высокую скорость и точность “привязки” данных. После сбора и обработки всех исходных данных мы переходим непосредственно к решению исследовательских задач на основе ГИС-анализа.

Для решения  задач пространственного и статистического  анализа в ГИС имеется богатый набор инструментов. Они позволяют нам строить буферные зоны и зоны охвата, определять расстояния, получать геометрические характеристики объектов (длина, площадь), проводить различные пространственные и атрибутивные выборки (на основе SQL-запросов), делать операции оверлея (наложения слоев) и др. Это наиболее важные функции ГИС, и от их эффективности напрямую зависит эффективность и полезность самих ГИС. С помощью пространственного анализа мы легко можем определить, какое количество населения проживает в разных по времени доступности зонах охвата предполагаемого торгового центра. Или, например, провести конкурентный анализ среди розничных сетей фаст-фуда.

Математико-картографическое моделирование позволяет нам  рассчитывать значения какого-то показателя или явления на всей исследуемой территории на основе дискретно распределенных данных. Для этого используются различные методы геостатистического анализа, в основе которого лежит интерполяция, экстраполяция аппроксимация данных и различные способы картографического изображения, которые основаны на классификации данных. Эта методика находит отражение, когда мы, например, строим псевдоизолинейную карту (поверхность плотности) распределения средневзвешенной цены 1 кв.м офисной недвижимости в городе. Моделирование позволяет на основе разных факторов осуществлять комплексную оценку территории для ее пригодности под определенные поставленные задачи, проводить районирование, ранжирование и кластеризацию. Моделирование на основе разновременных данных позволяет нам оценить динамику развития какого-либо явления и дать качественный прогноз.

В результате ГИС-анализа  территории мы всегда получаем серию  качественных тематических карт, графиков и таблиц, которые доступны для  понимания и с легкостью дают ответы на поставленные вопросы исследования. Поэтому визуализации мы уделяем большое внимание. Карты могут быть как двумерными, отражающими какое-то явление или синтез разных показателей, так и трехмерными, представляющими собой 3D-виртуальную модель местности; как статическими, так и в виде анимации.

Пример  практического применения геомодилирования для территории МГУ.

Исходными данными  для трехмерного моделирования  служили векторные карты масштаба 1:10000 (местная система координат), цифровая модель рельефа (ЦМР) и цветной космический снимок с пространственным разрешением 2,4 м. Прогулки и поездки по территории МГУ и Лужников дали около 350 фотографий фасадов объектов. Для съемки использовался цифровой фотоаппарат Olympus Е10. Также мы получили возможность сфотографировать панораму Лужников с 22 этажа ГЗ и с крыши здания Российской академии наук (рис. 1). Для этого использовался цифровой фотоаппарат Panasonic Lumix FZ10, имеющий оптический стабилизатор изображения, особенно важный при съемке объективом с большим фокусным расстоянием.

Полученные фотографии, наряду с векторными контурами «подошв» зданий, служили основой для воссоздания  трехмерных моделей объектов. Многие объекты не удалось сфотографировать со всех необходимых ракурсов, поэтому  при моделировании недостающих  фасадов приходилось дублировать имеющиеся. Накопленный ранее опыт работ по трехмерному моделированию городской застройки для отображения в интерактивных приложениях [1, 2], таких как ArcScene (средство визуализации модуля 3D Analyst), показал, что главным художественным приемом должен являться минимализм средств. (Тут хочется заметить, что низкополигональное моделирование в компьютерной графике - это довольно сложное искусство передачи основных элементов формы объекта малым числом полигонов с целью экономии ресурсов). Поэтому при создании моделей зданий и сооружений геометрическими объектами представлялись только основные элементы зданий, а мелкие и декоративные имитировались фототекстурами, полученными из наземных фотографий. При моделировании ГЗ МГУ выяснилась архитектурная особенность материала, используемого для облицовки, – при разном освещении здание приобретает различные оттенки. За счет этого смоделированная часть фасада часто была схожа с реальным изображением на одной фотографии и заметно отличалась по цвету от фотографий, сделанных в другое время.

Модели  в ArcScene

По исходному  полигональному слою контуров домов  средствами ArcInfo были построены центроиды, использовавшиеся для расстановки  трехмерных моделей в приложении ArcScene. Появившиеся в версии ArcGIS 9 средства работы с трехмерными текстурированными символами позволяют удобно импортировать, разместить и, при необходимости, отмасштабировать или развернуть трехмерную модель, используемую в качестве условного знака точечного объекта. Входящая в поставку библиотека трехмерных условных знаков включает сотни моделей, среди которых здания, сооружения, городская инфраструктура, транспорт. Такая библиотека особенно полезна в случае, когда смоделированные уникальные архитектурные объекты необходимо «окружить» более типичными объектами дорожной инфраструктуры, растительностью и т.д. Вновь создаваемые трехмерные объекты могут быть внесены в библиотеку условных знаков и использоваться в других моделях.

Векторные слои дорог, лесных массивов, кварталов и  водных объектов были спроецированы на цифровую модель рельефа. В качестве условных знаков для них, вместо традиционной моноцветной заливки, были подобраны наиболее подходящие мозаичные текстуры. Также использовались текстуры, взятые с космического снимка моделируемой территории (рис. 3). Здания и сооружения, для которых модели не создавались, были вытянуты по вертикали на высоту, значение которой хранилось в атрибутивной таблице. Векторная информация была структурирована в базу геоданных ArcGIS, растровые изображения, обработанные в ERDAS IMAGINE, подгружались в трехмерную сцену в формате этой программы (img).

Моделирование объектов на основе наземных фотографий всегда несет в себе элемент неточности и условности (впрочем, любое моделирование  таково). С точки зрения достоверности и детальности оптимальным является использование архитектурных чертежей, результатов лазерного сканирования или наземной фотограмметрической съемки. У нас их не было, а если бы и были, их преобразование в готовую текстурированную модель заняло бы значительно больше отведенного нам времени – вспомним хотя бы количество лепнины и другого декора на главном здании МГУ. Кроме того, такие материалы часто содержат огромное количество информации, не нужной в подобной задаче, например, невидимые внутренние архитектурные элементы, межэтажные перекрытия и т.п.

Более интересными  данными с точки зрения создания «полнокровной» ГИС являются схемы  коммуникаций, поэтажные планы, адреса и списки отделов, кафедр, организаций  и другие пространственно-определенные данные. Пространственные данные, имеющие корректную топологическую или сетевую структуру, позволяют выполнять развитый анализ и создавать на его основе новую информацию. В этом и проявляются уникальные возможности ГИС, выходящие далеко за рамки обычной справочно-информационной системы.

Чем же хороша смоделированная  территория? Тем, что в ней присутствуют самые разные комбинации реальных пространственных объектов. К примеру, очень хорошо развита дорожная инфраструктура. Имеются  как шоссейные дороги, так и  сложная сеть разветвленных подъездных дорог. То есть, появляется возможность моделировать движение транспорта, изучать загруженность дорожной сети, «узкие места» и возникающие пробки, оценить степень «охваченности» дорожной сетью всего комплекса МГУ. Если учесть, что в данной модели не меньше информации и о пешеходных дорожках, пешеходных переходах, светофорах, то можно значительно усложнить моделирование оценкой пересечения прогулочных и парковых мест, их приближенностью к различным классам дорог. Можно учесть данные о растительности и пешеходных потоках в разное время дня, спрогнозировать оптимальное расположение новых учебных корпусов, рекреационных объектов, памятников и фонтанов, рассчитать оптимальный режим совместной работы всех светофоров на территории Воробьевых гор и т.д. И самое замечательное, что все получаемые результаты можно средствами ArcScene также изобразить в описываемом трехмерном мире. Значит можно, взглянув на получаемую картину, оценить достоверность самого результата и наглядно представить пространственное распределение информации. Ведь нередко здравый смысл и жизненный опыт позволяют нам найти ошибки намного быстрее, чем скрупулезный анализ массива данных. Воистину, «лучше один раз увидеть…».

На территории МГУ имеется сложная разветвленная сеть коммуникаций. ГИС можно использовать, например, для анализа электрической сети или системы канализации. Берег Москва-реки характеризуется разнообразными участками рельефа. При наличии точной матрицы рельефа и используя средства ГИС возможно рассчитать направление и динамику стока воды по всей территории в период сильных ливней. Конечно же, все это можно увидеть наглядно, представив эти данные непосредственно в 3D-мире. А значит, становится возможным оценить ситуацию в целом, наблюдая весь комплекс с высоты птичьего полета либо отдельные участки территории в различных ракурсах