6. Ý nghĩa khoa học của đề tài
1.3. Các phép tính phân tích không gian trong hệ thống thông tin địa lý:
Một trong những chức năng nổi bật của GIS là phân tích không gian kết hợp phân tích thuộc tính để trợ giúp cho quá trình ra quyết định. Phân tích dữ liệu để tìm ra các giải pháp nhằm giải quyết theo yêu cầu các vấn đề của thế giới thực. Do tính chất phức tạp của các vấn đề, các phép phân tích không gian có thể biến đổi từ các hoạt động luận lý hoặc số học đơn giản đến các phân tích mô hình phức tạp. Khả năng phân tích không gian đơn lẻ và phân tích không gian kết hợp xử lý thuộc tính của GIS là cơ sở để phân biệt GIS với các hệ thống quản trị cơ sở dữ liệu thông thường khác. Phân tích dữ liệu gồm 3 nhóm chức năng chính: Phân tích dữ liệu không gian; Phân tích dữ liệu thuộc tính; Phân tích dữ liệu kết hợp không gian và thuộc tính.
Ưu điểm nổi bật của GIS là phân tích kết hợp dữ liệu thuộc tính và dữ liệu không gian. Đây là cơ sở quan trọng để phân biệt GIS với các phần mềm vẽ bản đồ, phần mềm vẽ kĩ thuật hoặc các hệ quản trị cơ sở dữ liệu thông thường khác. Phân tích kết hợp dữ liệu thuộc tính và dữ liệu không gian có thể được xếp thành 4 chức năng chính dưới đây.
1.3.1. Truy vấn, phân loại, đo lường
Truy vấn không gian và thuộc tính bao gồm tìm kiếm, chọn lọc, sắp xếp và hiển thị dữ liệu được chọn nhưng không cần thiết phải điều chỉnh vị trí của đối tượng hoặc tạo mới đối tượng.
Phân loại và tổng quát hóa: Chức năng phân loại được cung cấp trong tất cả các hệ GIS. Đối với lớp dữ liệu đơn, chức năng phân loại liên quan đến gán tên cho từng polygon; Phân loại cũng được tiến hành trên nhiều lớp dữ liệu, thường kết hợp với chức năng chồng lớp.
1.3.2. Chồng lớp dữ liệu
Đây là thao tác không gian trong đó các lớp chuyên đề được chồng xếp lên nhau để tạo ra một lớp chuyên đề mới chứa đựng những thông tin mới. Các thao tác số học hoặc thao tác luận lý (logic) được vận dụng trên những lớp dữ liệu khác nhau được nhập vào, để rút ra những thông tin này. Chồng ghép những lớp dữ liệu khác nhau là
30
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
một quá trình bậc thang. Hai lớp dữ liệu đầu vào được tổ hợp thành một lớp trung gian; lớp trung gian lại được tổ hợp với một lớp thứ ba để tạo thành lớp trung gian khác. Điều này được tiếp tục thực hiện khi tất cả các lớp đầu vào được chồng lên nhau. Có 2 dạng là chồng xếp lớp thông tin raster và chồng xếp lớp thông tin vector.
Chồng xếp lớp thông tin raster: Mỗi lớp raster là một ma trận các pixel có kích thước như nhau tạo sự dễ dàng so sánh giữa chúng. Giá trị tại mỗi vị trí trên một ma trận được tổ hợp với giá trị của vị trí tương ứng trên ma trận khác để rút ra giá trị mới. Các phép tính toán có thể là số học (cộng, trừ, nhân, chia,...) hoặc Boolean (And, Or, Xor, Not), hoặc phép toán quan hệ (=, >, <, < >)
Chồng xếp lớp thông tin vector: Thao tác phân tích trên dữ liệu vector dựa trên việc đánh giá mối quan hệ topology của các đối tượng. Ví dụ như Intersect (tìm kiếm và tạo ra vùng giao nhau của 2 lớp đối tượng), Union (tìm kiếm và tạo ra vùng hợp của 2 lớp đối tượng),... về bản chất đó chính là các phép toán Boolean
Chồng lớp dữ liệu raster với nhiều hơn hai lớp dữ liệu được thực hiện khá dễ dàng khi so sánh với chồng lớp dữ liệu vector bởi vì nó không đòi hỏi các hoạt động topology mà chỉ tiến hành trên cơ sở pixel với pixel. Có hai phương pháp chồng lớp với dữ liệu raster thường được áp dụng trong phân tích GIS:
+ Phương pháp trung bình trọng số: Khi chồng lớp 02 lớp dữ liệu với các giá trị P1 và P2 cùng các trọng số tương ứng là w1 và w2 thì kết quả xuất sẽ có giá trị tương ứng là: P = P1 w1 = P1 w2
Với w1 + w2 = 1
+ Phương pháp phân hạng: Dữ liệu thuộc tính của 2 lớp dữ liệu được phân thành 5 hạng, ví dụ như hạng xuất xắc (5), tốt hơn (4), bằng nhau (3), kém (2), rất kém (1). Hai lớp A và B có thể chồng lớp với nhau theo một trong ba nguyên tắc sau:
Hạng cực tiểu: hạng thấp hơn sẽ được chọn cho pixel xuất trong lớp kết quả.
Hạng chọn: chuyên gia quyết định hạng tổng hợp cho pixel xuất.
Chồng lớp dữ liệu vector tương đối phức tạp vì phải tiến hành xây dựng topology về mối quan hệ không gian giữa các đối tượng không gian trong lớp dữ liệu xuất.
31
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
1.3.3. Nội suy:
Là quá trình tính toán dự báo các giá trị chưa biết từ các giá trị đã biết ở lân cận. Để nội suy có thể sử dụng nhiều thuật toán, mô hình toán học kết hợp với nhau. Chất lượng của kết quả nội suy phụ thuộc vào độ chính xác, số lượng và phân bố các điểm đã biết được dùng cho tính toán nội suy. Các phương pháp nội suy bao gồm:
+ Nội suy giá trị gần nhất (thực hiện tham khảo của các giá trị của điểm dữ liệu gần nhất)
+ Nội suy tuyến tính sử dụng đường thẳng nối hai điểm + Nội suy Spline trên cơ sở ba hay nhiều điểm
+ Nội suy Stochastic trên cơ sở bộ phát số ngẫu nhiên và các tham số fractal với một số điểm
+ Nội suy trên cơ sở mô hình
1.3.4. Phân tích lân cận
Phân tích lân cận đánh giá những đặc tính của vùng xung quanh một vị trí được chọn nào đó. Vùng lân cận có thể ở dạng hình vuông, hình chữ nhật, hình tròn hoặc ở dạng bất kì. Ngoài ra còn một số phép phân tích khác như: Phân tích địa hình: Mô hình số độ cao (DEM), độ dốc,...phân tích mạng, phân tích dòng, phân tích chiếu sáng.