Tài liệu Giáo trình hệ thống thông tin địa lý

  • Số trang: 143 |
  • Loại file: PDF |
  • Lượt xem: 552 |
  • Lượt tải: 0

Mô tả:

Giáo Trình Hệ thống thông tin địa lý
HÖ thèng th«ng tin ®Þa lý GEOGRAPHICAL INFORMATION SYSTEM PGS.TS NguyÔn Ngäc Th¹ch -PG§.Trung t©m nghiªn cøu øng dung ViÔn th¸m vµ HÖ th«ng tin §Þa lý -Gi¶ng viªn chÝnh Khoa §Þa lý-§HKHTN-§HQG Hµ Néi Tel : 0913032680 nnthach@cargis.org Email: nnthach@yahoo.com / 1 Môc lôc 1.1. C¸c kh¸i niÖm c¬ b¶n vÒ HTT§L Error: Reference source not found 1.1.1. 1.1.2. 1.2. C¸c chøc n¨ng cña phÇn mÒm HTT§L........................Error: Reference source not found 1.2.1. 1.2.2. 1.2.3. 1.2.4. 1.3. §Þnh nghÜa..........Error: Reference source not found CÊu tróc cña HTT§L.....Error: Reference source not found Sö dông HTT§L cho ph©n tÝch kh«ng gian........Error: Reference source not found Mét sè vÊn ®Ò c¬ b¶n trong xö lý kh«ng gian ..................................Error: Reference source not found C¸c yÕu tè c¬ b¶n cña th«ng tin kh«ng gian Error: Reference source not found Tæ chøc d÷ liÖu kh«ng gian cña HTT§L..............Error: Reference source not found C¸c m« h×nh cÊu tróc c¬ së d÷ liÖu.........................Error: Reference source not found 1.3.1. 1.3.2. 1.3.3. 1.3.4. Kh¸i qu¸t chung...........Error: Reference source not found CÊu tróc d÷ liÖu Raster.....Error: Reference source not found CÊu tróc d÷ liÖu d¹ng Vector........Error: Reference source not found M« h×nh cÊu tróc d÷ liÖu cung vµ ®iÓm nót (arcnode)..................... Error: Reference source not found 2 1.3.5. 1.3.6. 1.4. TÝnh chÊt ®Þnh lîng cña ph©n tÝch kh«ng gian Error: Reference source not found 1.4.1. 1.4.2. 1.4.3. 1.5. hÖ thèng cña to¹ ®é líi....Error: Reference source not found C¸c phÐp ®o ®¹c c¬ b¶n vÒ c¸c ®èi tîng kh«ng gian ..................................Error: Reference source not found §o ®¹c c¸c t liÖu thuéc tÝnh...........Error: Reference source not found §iÒu khiÓn c¸c líp th«ng tin.............Error: Reference source not found 1.5.1. 1.5.2. 1.5.3. 1.6. M« h×nh m¹ng (network model)....Error: Reference source not found ChuyÓn ®æi khu«n d¹ng d÷ liÖu.....Error: Reference source not found §iÒu khiÓn th«ng tin mét líp..........Error: Reference source not found §iÒu khiÓn th«ng tin nhiÒu líp (multilayer operation)..........Error: Reference source not found Ph©n tÝch mÉu ®iÓm.....Error: Reference source not found ph©n tÝch ®êng. .Error: Reference source not found 1.6.1. 1.6.2. 1.6.3. 1.6.4. 1.6.5. §o mËt ®é ®êng.............Error: Reference source not found §o ®¹c kho¶ng c¸ch ®Õn c¸c ®êng gÇn nhÊt Error: Reference source not found Nghiªn cøu híng cña ®êng vµ c¸c ®èi tîng d¹ng kÐo dµi.................Error: Reference source not found M« h×nh tõng nót (gravity model) Error: Reference source not found V¹ch tuyÕn ®i vµ ph©n ®Þnh vÞ trÝ (Ronting andallocation)............Error: Reference source not found 3 1.7. C¸c bÒ mÆt thèng kª.....Error: Reference source not found 1.7.1. 1.7.2. 1.8. C¸c phÐp ph©n tÝch kh«ng gian c¬ b¶n trong ...HTT§L Error: Reference source not found 1.8.1. 1.8.2. 1.8.3. 1.8.4. 1.8.5. 1.9. C¸c phÐp to¸n logic....Error: Reference source not found C¸c phÐp xö lý sè häc.Error: Reference source not found §iÒu hµnh th«ng tin b¶n ®å theo b¶ng thuéc tÝnh ..................................Error: Reference source not found §iÒu hµnh th«ng tin mét líp trong quan hÖ l©n cËn (opertioanal on spatial neighbonrhoods) ..................................Error: Reference source not found C¸c phÐp läc ®Ó nghiªn cøu c¸c yÕu tè h×nh häc ña bÒ mÆt ®Þa h×nh Error: Reference source not found Giíi thiÖu vÒ c¸c thiÕt bÞ xu©t nhËp d÷ liÖu......Error: Reference source not found 1.9.1. 1.9.2. 1.10. Kh¸i niÖm vÒ bÒ mÆt....Error: Reference source not found LËp b¶n ®å bÒ mÆt.........Error: Reference source not found C¸c thiÕt bÞ nhËp d÷ liÖu.. .Error: Reference source not found XuÊt d÷ liÖu.......Error: Reference source not found ThiÕt kÕ vµ triÓn khai hÖ th«ng tin ®Þa lý.......Error: Reference source not found 4 HÖ thèng th«ng tin ®Þa lý GEOGRAPHICAL INFORMATION SYSTEM 5 Các khái niệm cơ sở Một vài định nghĩa cơ sở    Địa lý (geo – Trái đất, graphy – mô tả): tiến trình mô tả Trái đất Thông tin địa lý:       Là thông tin về các vị trí trên bề mặt Trái đất Tri thức về cái gì đó ở đâu (where somthing is) Tri thức về cái gì (what) ở tại vị trí biết trước Chúng có thể rất chi tiết: thông tin về từng ngôi nhà trong thành phố, từng cây trong rừng cây. Chúng có thể rất thô: thời tiết của vùng rộng lớn, mật độ dân số của quốc gia. Các đặc trưng khác của thông tin địa lý bao gồm:   Thông thường là tương đối tĩnh (các đặc trưng tự nhiên, đặc trưng do loài người tạo không thay đổi nhanh); chỉ có thông tin tĩnh mới có thể thể hiện trên tờ bản đồ giấy Thông tin có khối lượng rất lớn (một vệ tinh gửi thông tin tới terabyte – 1012 byte/ngày, dung lượng thông tin về mạng lưới đường phố của US chiếm tới gigabyte – 109 byte). dvduc-11/2003 5/25 Chuyên đề: Hệ thống thông tin địa lý/Bài 1 Bản đồ là gì?  Định nghĩa (theo International Cartography Association):   Bản đồ trình diễn bề mặt trái đất    biểu diễn theo tỷ lệ (thông thường trên vật mang phẳng) các lựa chọn đặc trưng vật chất hay trừu tượng trên (hay liên quan đến) bề mặt trái đất. khái niệm “map” trong toán học được sử dụng để truyền đạt ý niệm chuyển đổi thông tin từ dạng này sang dạng khác. Nhà bản đồ học chuyển tải thông tin từ bề mặt Trái đất sang trang giấy. khái niệm “map” đề cập đến hiển thị trực quan các thông tin trừu tượng, khái quát hóa và biểu đồ. Trừu tượng hóa bản đồ  để tạo lập bản đồ, ta cần:  dvduc-11/2003 Chọn vài đặc trưng của thế giới thực để biểu diễn;Phân lớp các đặc trưng thành nhóm; Đơn giản hóa các đường khúc khuỷu; Khuyếch đại các đặc trưng quá nhỏ và biểu tượng hóa các lớp đặc trưng khác nhau. Chuyên đề: Hệ thống thông tin địa lý/Bài 2 3/29 C¸c kü thuËt ph©n tÝch kh«ng gian (spatial analytical technicques) cã nhiÖm vô ph©n tÝch theo trËt tù vµ tæ hîp kh«ng gian cña c¸c hiÖn tîng hoÆc c¸c yÕu tè (tù nhiªn - kinh tÕ - x· héi). Mèi liªn quan ®ã ®îc cô thÓ b»ng trËt tù kh«ng gian ®Þa lý, nghÜa lµ mäi hiÖn tîng vµ tÝnh chÊt cña c¸c yÕu tè cÇn ph¶i ®îc b¶n ®å hãa. 6 B¶n ®å lµ c¸ch tr×nh bµy cô thÓ nhÊt trong kh«ng gian hai chiÒu c¸c tÝnh chÊt, vÞ trÝ, mèi liªn hÖ vµ trËt tù trong kh«ng gian cña c¸c ®èi tîng hoÆc hiÖn tîng cÇn nghiªn cøu. Tuy nhiªn do cã nhiÒu c¸ch tr×nh bµy b¶n ®å kh¸c nhau nªn dÉn ®Õn sù khã kh¨n trong viÖc xö lý mèi quan hÖ kh«ng gian gi÷a c¸c líp th«ng tin. Trong h¬n mét thËp kû qua, hÖ thèng th«ng tin ®Þa lý ®· ®îc ph¸t triÓn m¹nh mÏ vµ ngµy cµng thªm hoµn thiÖn. Víi nh÷ng u thÕ cña m×nh, hÖ th«ng tin ®Þa lýgeographical information system ( HTT§L) lµ mét m«i trêng cã kh¶ n¨ng qu¶n lý hÖ thèng c¬ së d÷ liÖu vµ xö lý chÝnh x¸c c¸c líp th«ng tin trong mèi quan hÖ kh«ng gian gi÷a chóng. HTT§L cã kh¶ n¨ng bæ sung, ®o ®¹c vµ tù ®éng tÝnh to¸n chÝnh x¸c vÒ mÆt ®Þnh lîng c¸c th«ng tin trªn b¶n ®å, cïng c¸c thuéc tÝnh cña chóng, ®ång thêi cã thÓ ®a ra c¸c tÝnh to¸n dù b¸o. 7 GIS là gì?  GIS là gì?   GIS là viết tắt từ “Geographic Information System” Hệ thống là nhóm các thực thể liên kết và các hoạt động để giải quyết vấn đề      xe ôtô là hệ thống trong đó các phụ kiện cùng hoạt động để vận tải Hệ thống thông tin là tập các tiến trình hoạt động trên dữ liệu thô để sản sinh thông tin hỗ trợ lập quyết định hệ thống thông tin có nhiều hoạt động từ quan sát, đo đạc, mô tả, diễn giải, dự báo và lập quyết định. có nhóm các chức năng: chế tác, truy vấn, sửa đổi, hiển thị. Hệ thống thông tin địa lý (GIS) sử dụng các dữ liệu tham chiếu địa lý, dữ liệu phi không gian và các thao tác hỗ trợ phân tích không gian   mục tiêu chung của GIS: lập quyết định, quản lý đất đai, tài nguyên, giao thông, thương mại, đại dương hay bất kỳ thực thể phân bổ không gian nào kết nối giữa các phần tử trong hệ thống là địa lý, thí dụ, vị trí, xấp xỉ, phân bố không gian dvduc-11/2003 7/25 Chuyên đề: Hệ thống thông tin địa lý/Bài 1 Phân loại hệ thống thông tin R.C. Cromley (1992) University of Connecticute INFORMATION INFORMATION SYSTEM Non-spatial Non-spatial Information Information System System (Accounting) (Accounting) Spatial Spatial Information Information System System Other Other Spatial Spatial Information Information System System (CAD/CAM...) (CAD/CAM...) GEOGRAPHIC GEOGRAPHIC INFORMATION INFORMATION SYSTEM SYSTEM (GIS) (GIS) Other Other Geographic Geographic Information Information System System (Socio-economic) (Socio-economic) Land Land Information Information System System (LIS) (LIS) Parcel-based Parcel-based Land Land Information Information System System Other Other Land Land Information Information System System (Forest (Forest Inventory) Inventory) Cadastres Cadastres (Multi-purpose) (Multi-purpose) dvduc-11/2003 Chuyên đề: Hệ thống thông tin địa lý/Bài 1 8/25 8 (antenucci 1991) 9 Các câu hỏi mà GIS có thể trả lời   GIS đầy đủ có thể trả lời 5 câu hỏi sau cho các ứng dụng khác nhau. location   What is at...? Tìm ra cái gì tồn tại ở vị trí cụ thể. Vị trí được thể hiện bằng tên, mã bưu điện hay tọa độ địa lý (kinh/vĩ độ) condition  Where is it? Tìm ra vị trí thỏa mãn một số điều kiện (vùng không có rừng diện tích 2000m2 và xa đường quốc lộ 100m và loại đất phù hợp cho xây dựng nhà)  trends  patterns    What has changed since...? Tìm ra sự khác biệt theo thời gian trong vùng What spatial patterns exist? Tìm ra nơi nào không phù hợp mẫu (cancer là nguyên nhân chính của cái chết của người dân gần nhà máy nguyên tử?) modeling  What if...? Câu hỏi này xác định cái gì xảy ra nếu có đường mới mở hay nếu chất độc thải vào nguồn nước... Để trả lời câu hỏi này đòi hỏi các thông tin địa lý và các thông tin khác. dvduc-11/2003 Chuyên đề: Hệ thống thông tin địa lý/Bài 1 14/25 Sử dụng GIS để làm gì?  Các công ty công trình công cộng    các công ty điện thoại, điện lực, nước, truyền hình cáp... mỗi công ty có hàng trăm ngàn khách hàng: mỗi khách hàng nối vào mạng, có hàng trăm km đường dây dẫn hay đường ống dưới mặt đất mỗi công ty nhận hàng trăm cuộc gọi bảo trì mỗi ngày, do vậy họ cần   theo dõi mọi hoạt động, quản lý các thông tin về what is where, cập nhật dữ liệu, giao nhiệm vụ cho nhân viên, cung cấp thông tin cho các công ty khác. Giao thông vận tải  các cơ quan quản lý giao thông vận tại cần:      quản lý hệ thống tín hiệu giao thông; trạng thái mặt đường cao tốc; phân tích dữ liệu về các tai nạn đường bộ, đường sắt lái xe của trường học cần kế hoạch đưa đón học sinh người bán hàng cần hệ thống tìm đường, định vị trong xe ôtô hãng chuyển phát nhanh (FedEx) cần theo dõi hành trình hàng hóa các nghiên cứu tập trung vào: quản lý đường đi và lập lịch bằng GIS dvduc-11/2003 Chuyên đề: Hệ thống thông tin địa lý/Bài 1 12/25 10 Khả năng của GIS data collection Real World Data Sources data input take action Data Management Users information for decision making dvduc-11/2003 Analysis data retrieval, manipulation Chuyên đề: Hệ thống thông tin địa lý/Bài 1 25/25 I.C¸c kh¸i niÖm c¬ b¶n vÒ HTT§L I.1.§Þnh nghÜa HÖ th«ng tin ®Þa lý (HTT§L)- Geographical information system ( GIS) lµ mét tæ chøc tæng thÓ cña bèn hîp phÇn: phÇn cøng m¸y tÝnh, phÇn mÒm, t liÖu ®Þa lý vµ ngêi ®iÒu hµnh ®îc thiÕt kÕ ho¹t ®éng mét c¸ch cã hiÖu qu¶ nh»m tiÕp nhËn, lu tr÷, ®iÒu khiÓn, ph©n tÝch vµ hiÓn thÞ toµn bé c¸c d¹ng d÷ liÖu ®Þa lý. HTT§L cã môc tiªu ®Çu tiªn lµ xö lý hÖ thèng d÷ liÖu trong m«i trêng kh«ng gian ®Þa lý. (ViÖn nghiªn cøu m«i trêng Mü - 1994). Mét ®Þnh nghÜa kh¸c cã tÝnh chÊt gi¶i thÝch, hç trî lµ: “HTT§L lµ mét hÖ thèng m¸y tÝnh cã chøc n¨ng lu tr÷ vµ liªn kÕt c¸c d÷ liÖu ®Þa lý víi c¸c ®Æc tÝnh cña b¶n ®å d¹ng ®å häa, tõ ®ã cho mét kh¶ n¨ng réng lín vÒ viÖc xö lý th«ng tin, hiÓn thÞ th«ng tin vµ cho ra c¸c s¶n phÈm b¶n ®å, c¸c kÕt qu¶ xö lý cïng c¸c m« h×nh” I.2.CÊu tróc cña HTT§L HTT§L bao gåm 4 hîp phÇn c¬ b¶n nh sau : d÷ liÖu kh«ng gian, ngêi ®iÒu hµnh, phÇn cøng, phÇn mÒm (h×nh 2). 11 H×nh 1. M« h×nh tæ chøc cña HTT§L  D÷ liÖu kh«ng gian: D÷ liÖu kh«ng gian cã thÓ ®Õn tõ nhiÒu nguån, cã c¸c nguån t liÖu sau: sè liÖu tÝnh to¸n thèng kª, b¸o c¸o, c¸c quan tr¾c thùc ®Þa, ¶nh vÖ tinh, ¶nh m¸y bay, b¶n ®å giÊy (d¹ng analog). Kü thuËt hiÖn ®¹i vÒ viÔn th¸m vµ HTT§L cã kh¶ n¨ng cung cÊp th«ng tin kh«ng gian bao gåm c¸c thuéc tÝnh ®Þa lý, khu«n d¹ng d÷ liÖu, tû lÖ b¶n ®å vµ c¸c sè liÖu ®o ®¹c. ViÖc tÝch hîp c¸c t liÖu ®Þa lý tõ nhiÒu nguån kh¸c nhau lµ ®Æc ®iÓm c¬ b¶n cña mét phÇn mÒm GIS GIS DATA Th«ng thêng, t liÖu kh«ng gian ®îc tr×nh bµy díi d¹ng c¸c b¶n ®å giÊy víi c¸c th«ng tin chi tiÕt ®îc tæ chøc ë mét file riªng. C¸c t liÖu ®ã kh«ng ®¸p øng ®îc c¸c nhu cÇu hiÖn nay vÒ t liÖu kh«ng gian lµ v× nh÷ng lý do sau: 12 - §ßi hái kh«ng gian lu tr÷ rÊt lín, tra cøu khã kh¨n. §Ó nhËp vµ khai th¸c d÷ liÖu, nhÊt thiÕt ph¶i liªn kÕt ®îc víi c¸c th«ng tin ®Þa lý trªn b¶n ®å vµ c¸c d÷ liÖu thuéc tÝnh kh¸c ®îc lu tr÷ riªng biÖt vµ ®iÒu nµy trë nªn rÊt khã kh¨n víi h×nh thøc lu tr÷ d¹ng kho hoÆc th viÖn. - C¸c khu«n d¹ng lu tr÷ truyÒn thèng thêng kh«ng t¬ng thÝch víi c¸c tiªu chuÈn d÷ liÖu hiÖn nay. Thay thÕ cho c¸c d÷ liÖu d¹ng truyÒn thèng, hiÖn nay t liÖu d¹ng sè víi mét khèi lîng rÊt lín cã thÓ ®îc lu tr÷ trong c¸c ®Üa CD, t¬ng øng víi nh÷ng khèi lîng rÊt lín cña t liÖu analoge. T liÖu sè cßn cho kh¶ n¨ng xö lý tù ®éng trªn m¸y tÝnh. Nh vËy, HTT§L lµ sù ph¸t triÓn ®Æc biÖt ®Ó sö dông c«ng nghÖ vµ nghÖ thuËt m¸y tÝnh trong viÖc xö lý t liÖu kh«ng gian d¹ng sè. • Ngêi ®iÒu hµnh V× HTT§L lµ mét hÖ thèng tæng hîp cña nhiÒu c«ng viÖc kü thuËt, do ®ã ®ßi hái ngêi ®iÒu hµnh ph¶i ®îc ®µo t¹o vµ cã kinh nghiÖm trong nhiÒu lÜnh vùc. Ngêi ®iÒu hµnh lµ mét phÇn kh«ng thÓ thiÕu ®îc cña HTT§L. H¬n n÷a sù ph¸t triÓn kh«ng ngõng cña c¸c kü thuËt phÇn cøng vµ phÇn mÒm ®ßi hái ngêi ®iÒu hµnh ph¶i lu«n ®îc ®µo t¹o. Nh÷ng yªu cÇu c¬ b¶n vÒ ngêi ®iÒu hµnh bao gåm c¸c vÊn ®Ò sau: Cã kiÕn thøc c¬ b¶n vÒ ®Þa lý, b¶n ®å, m¸y tÝnh vµ c«ng nghÖ th«ng tin: - ViÖc ®µo t¹o c¬ b¶n vÒ ®Þa lý cung cÊp kh¶ n¨ng khai th¸c c¸c ®Æc ®iÓm kh«ng gian (spatical process) vµ c¸c qu¸ tr×nh kh«ng gian, ®ång thêi ph¸t hiÖn ®îc mèi quan hÖ kh«ng gian gi÷a c¸c hîp phÇn. - B¶n ®å häc cung cÊp c¸c hiÓu biÕt vÒ thiÕt kÕ b¶n ®å, lËp b¶n ®å (vÝ dô: Líi chiÕu b¶n ®å, hÖ thèng täa ®é, c¸c mÉu ký tù trªn b¶n ®å vµ c¸c kü thuËt in Ên). - Khoa häc vÒ m¸y tÝnh vµ th«ng tin cung cÊp c¸c kiÕn thøc c¬ b¶n vÒ phÇn cøng m¸y tÝnh vµ vËn hµnh th«ng th¹o c¸c ch¬ng tr×nh liªn kÕt phÇn cøng. - Cã kinh nghiÖm trong viÖc sö dông c¸c phÇn mÒm HTT§L: viÖc ®µo t¹o c¸c phÇn mÒm chñ yÕu thêng tËp trung vµo viÖc xö lý HTT§L, lËp tr×nh c¬ b¶n, qu¶n lý c¬ së d÷ liÖu vµ mét sè c«ng viÖc kh¸c cã liªn quan ®Õn tÝch hîp th«ng tin. - Cã hiÓu biÕt nhuÇn nhuyÔn vÒ d÷ liÖu: hiÓu vÒ nguån d÷ liÖu, néi dung vµ ®é chÝnh x¸c cña d÷ liÖu, tû lÖ b¶n ®å nguyªn thñy vµ c¸c sè liÖu ®o ®¹c cña tËp d÷ liÖu, cÊu tróc cña d÷ liÖu. 13 - Cã kh¶ n¨ng ph©n tÝch kh«ng gian. Yªu cÇu ®îc ®µo t¹o vÒ c¸c ph¬ng ph¸p xö lý thèng kª vµ xö lý ®Þnh tÝnh trong ®Þa lý, viÖc ®µo t¹o cho ngêi xö lý cã thÓ lùa chän ph¬ng ph¸p tèt nhÊt ®Ó ph©n tÝch vµ ¸p dông nh»m ®a ra kÕt qu¶ tèt nhÊt. C¸c yªu cÇu trªn lµ cÇn thiÕt ®èi víi ngêi ®iÒu hµnh HTT§L. C¸c huÊn luyÖn chi tiÕt sÏ tïy thuéc néi dung vµ môc tiªu còng nh kh¶ n¨ng cña m¸y tÝnh vµ phÇn mÒm ®Ó lùc chän nh÷ng ch¬ng tr×nh ®µo t¹o thÝch hîp. • PhÇn cøng (m¸y tÝnh vµ thiÕt bÞ ngo¹i vi) PhÇn cøng cña mét HTT§L bao gåm c¸c hîp phÇn sau: Bé xö lý trung t©m (CPU), thiÕt bÞ nhËp d÷ liÖu, lu d÷ liÖu vµ thiÕt bÞ xuÊt d÷ liÖu. • Bé xö lý trung t©m (central processing unit - CPU): hÖ thèng ®iÒu khiÓn, bé nhí, tèc ®é xö lý lµ nh÷ng yÕu tè quan träng nhÊt cña CPU. HiÖn nay xö lý HTT§L trªn nÒn unix lµ hÖ thèng cã ®ñ c¸c chøc n¨ng nhÊt, trong khi víi m¸y CP th× HTT§L cã nh÷ng chøc n¨ng h¹n chÕ h¬n. C¸c hÖ xö lý GIS tríc ®©y, phÇn lín ®Òu ch¹y trong tr¹m Unix. Tr¹m Unix cho phÐp lu tr÷ c¬ së d÷ liÖu lín vµ nhiÒu chøc n¨ng xö lý kh¸c nhau. TÊt nhiªn víi sù trî gióp cña window NT th× PC còng cã thÓ so s¸nh ®îc víi hÖ unix. VÝ dô ®iÓm h×nh vÒ mét hÖ thèng cã hiÖu qu¶ lµ mét hÖ Unix nhá cã cµi ®Æt phÇn mÒm ARC/INFO ®Ó qu¶n lý vµ vËn hµnh HTT§L. HiÖn nay, c¸c hÖ thèng xö lý liªn tôc ®îc n©ng cÊp vµ kho¶ng c¸ch gi÷a tr¹m Unix vµ PC cµng hÑp dÇn. • NhËp, lu d÷ vµ xuÊt d÷ liÖu: c¸c thiÕt bÞ ngo¹i vi phôc vô cho viÖc nhËp d÷ liÖu lµ: Bµn sè ho¸, m¸y quÐt ®Ó chuyÓn ®æi d÷ liÖu analoge thµnh d¹ng sè. HoÆc ®äc b¨ng vµ ®Üa CD - ROM cã nhiÖm vô lÊy th«ng tin hiÖn cã trong b¨ng vµ ®Üa. C¸c ph¬ng tiÖn th«ng dông lµ æ ®Üa cøng, æ ®äc b¨ng, æ ®Üa quang cã thÓ ghi vµ xo¸ d÷ liÖu. ThiÕt bÞ xuÊt d÷ liÖu bao gåm m¸y in ®en tr¾ng vµ mµu, b¸o c¸o, kÕt qu¶ ph©n tÝch, m¸y in kim (plotter). HiÖn nay, víi sù ph¸t triÓn cña c«ng nghÖ tin häc vµ ®iÖn tö, ®Æc biÖt lµ khi cã thiÕt bÞ m¹ng cho phÐp san sÎ c¸c chøc n¨ng vµ trao ®æi gi÷a nh÷ng ngêi sö dông vµ cµng t¹o ®iÒu kiÖn cho HTT§L ph¸t triÓn. 14 • PhÇn mÒm Mét hÖ thèng phÇn mÒm xö lý HTT§L yªu cÇu ph¶i cã hai chøc n¨ng sau: tù ®éng ho¸ b¶n ®å vµ qu¶n lý c¬ së d÷ liÖu. Sù ph¸t triÓn kü thuËt HTT§L hiÖn ®¹i liªn quan ®Õn sù ph¸t triÓn cña hai hîp phÇn nµy. • Tù ®éng ho¸ b¶n ®å: b¶n ®å häc lµ m«n khoa häc, nghÖ thuËt vµ kü thuËt thµnh lËp b¶n ®å. Do ®ã, tù ®éng ho¸ b¶n ®å lµ thµnh lËp b¶n ®å víi sù trî gióp cña m¸y tÝnh. Mét b¶n ®å lµ sù thÓ hiÖn b»ng ®å häa cña mèi quan hÖ kh«ng gian vµ c¸c h×nh d¹ng (Pobinson vµ NNK, 1984) vµ mçi mét b¶n ®å lµ sù m« h×nh ho¸ thùc tÕ theo nh÷ng tû lÖ nhÊt ®Þnh. M« h×nh ®ã yªu cÇu biÕn ®æi c¸c sè liÖu ghi b¶n ®å thµnh b¶n ®å vµ gåm c¸c c«ng ®o¹n sau: Lùa chän, ph©n lo¹i, lµm ®¬n gi¶n hãa vµ t¹o mÉu ký tù (Den - 1990). M¸y tÝnh trî gióp cho b¶n ®å häc ë nhiÒu ph¬ng diÖn nh sau: Tríc hÕt, b¶n ®å trong m¸y tÝnh lµ d¹ng sè nªn dÔ dµng chØnh söa vµ viÖc chØnh lý ®ã tèn Ýt c«ng søc h¬n so víi viÖc kh«ng cã sù trî gióp cña m¸y tÝnh. MÆc dï viÖc sè hãa cã thÓ dÉn ®Õn nhiÒu lçi vµ lµm gi¶m ®é chÝnh x¸c, song c¸c lçi ®ã cã thÓ söa dÔ dµng nÕu ph¸t hiÖn ®îc. Khi ®ã, b¶n ®å sÏ ®îc hoµn thiÖn vµ lîng th«ng tin sÏ ®îc n©ng lªn. §Æc biÖt, viÖc bæ sung th«ng tin cho b¶n ®å còng dÔ dµng thùc hiÖn ®îc. 15 Thø hai, qu¸ tr×nh t¹o chó gi¶i vµ c¸c chØ dÉn lªn b¶n ®å ®îc thao t¸c víi tèc ®é nhanh nªn gi¸ thµnh thÊp. ViÖc lùa chän, ph©n lo¹i vµ lµm ®¬n gi¶n hãa c¸c ®Æc ®iÓm b¶n ®å còng ®îc thùc hiÖn mét c¸ch khoa häc. Qu¸ tr×nh thiÕt kÕ vµ kh¸i qu¸t hãa b¶n ®å còng ®îc lËp tr×nh vµ t¹o nªn c¸c chøc n¨ng cô thÓ cña phÇn mÒm. KÕt qu¶ nh mong muèn cã thÓ ®¹t ®îc bëi nhiÒu c¸n bé b¶n ®å hoÆc do chÝnh mét c¸n bé b¶n ®å lµm trong nhiÒu thêi gian kh¸c nhau. Thø ba, thiÕt kÕ b¶n ®å cã thÓ ®îc hoµn thiÖn h¬n qua viÖc thö vµ chØnh söa lçi. KÝch thíc, h×nh d¹ng hoÆc vÞ trÝ cña ch÷ hoÆc ký hiÖu trªn b¶n ®å cã thÓ dÔ dµng ®îc thay ®æi vµ ®a vÒ vÞ trÝ chÝnh x¸c nh mong muèn. • Qu¶n lý d÷ liÖu: chøc n¨ng thø hai cña phÇn mÒm HTT§L lµ hÖ thèng qu¶n lý d÷ liÖu (data base management system DBMS). HÖ thèng TT§L ph¶i cã kh¶ n¨ng ®iÒu khiÓn c¸c d¹ng kh¸c nhau cña d÷ liÖu ®Þa lý ®ång thêi cã thÓ qu¶n lý hiÖu qu¶ mét khèi lîng lín d÷ liÖu víi mét trËt tù râ rµng. Mét yÕu tè rÊt quan träng cña phÇn mÒm HTT§L lµ cho kh¶ n¨ng liªn kÕt hÖ thèng gi÷a viÖc tù ®éng hãa b¶n ®å vµ qu¶n lý c¬ së d÷ liÖu. C¸c tµi liÖu m« t¶ cho mét vÞ trÝ bÊt kú, cã thÓ liªn hÖ mét c¸ch hÖ thèng víi vÞ trÝ kh«ng gian cña chóng. Sù liªn kÕt ®ã lµ mét u thÕ næi bËt cña viÖc vËn hµnh HTT§L: Thø nhÊt: c¸c tµi liÖu liÖu thuéc tÝnh nhÊt thiÕt ph¶i ®îc thÓ hiÖn trªn nh÷ng chi tiÕt cña b¶n ®å. VÝ dô sè liÖu vÒ d©n sè cña mét thµnh phè còng ®îc gäi ra mét c¸ch tù ®éng mµ kh«ng cÇn ph¶i cã mét sù tra cøu nµo kh¸c. §èi víi b¶n ®å häc th× c«ng viÖc tra cøu thêng ph¶i lµm ®éc lËp, kh«ng thùc hiÖn tù ®éng ®îc. Ngoµi ra viÖc bæ sung sè liÖu còng ®ßi hái ph¶i ®îc cËp nhËt thêng xuyªn nªn chØ HTT§L míi cã thÓ ®¸p øng ®îc ®Çy ®ñ. Thø hai: sù thay ®æi vÒ nh÷ng chi tiÕt b¶n ®å nhÊt thiÕt ph¶i phï hîp víi sù thay ®æi vÒ tù nhiªn thuéc tÝnh. VÝ dô, sù thay ®æi vÒ diÖn tÝch ®« thÞ vÒ sè liÖu ph¶i t¬ng xøng víi sù thay ®æi vÒ ®êng ranh giíi thµnh phè. Khi thay ®æi ranh giíi th× sè liÖu tÝnh to¸n vÒ diÖn tÝch còng tù ®éng ®îc thay ®æi. II.C¸c chøc n¨ng cña phÇn mÒm HTT§L Mét phÇn mÒm HTT§L c¸c c¸c chøc n¨ng c¬ b¶n nh sau: nhËp d÷ liÖu, lu tr÷ d÷ liÖu, ®iÒu khiÓn d÷ liÖu, hiÓn thÞ d÷ liÖu theo c¬ së ®Þa lý vµ ® a ra nh÷ng quyÕt ®Þnh (decision making) (Calkins vµ Tomlinson 1997). Cã thÓ kh¸i qu¸t vÒ c¸c chøc n¨ng ®ã nh sau: • NhËp vµ bæ sung d÷ liÖu (entry and updating): Mét trong nh÷ng chøc n¨ng quan träng cña HTT§L lµ nhËp vµ bæ sung d÷ liÖu mµ c«ng viÖc ®ã kh«ng 16 tiÕn hµnh riªng rÏ. BÊt kú mét hÖ thèng nµo còng ph¶i cho phÐp nhËp vµ bæ sung d÷ liÖu, nÕu kh«ng cã chøc n¨ng ®ã th× kh«ng ®îc xem lµ mét HTT§L v× chøc n¨ng ®ã lµ mét yªu cÇu b¾t buéc ph¶i cã. • ViÖc nhËp vµ bæ sung d÷ liÖu ph¶i cho phÐp sö dông nguån tù liÖu díi d¹ng sè hoÆc d¹ng analog. D¹ng t liÖu kh«ng gian nh b¶n ®å gi©y hoÆc ¶nh vÖ tinh, ¶nh m¸y bay ph¶i ®îc chuyÓn thµnh d¹ng sè vµ c¸c nguån t liÖu sè kh¸c còng ph¶i chuyÓn ®æi ®îc ®Ó t¬ng thÝch víi c¬ së d÷ liÖu trong hÖ thèng ®ang sö dông. • ChuyÓn ®æi d÷ liÖu: chuyÓn ®æi d÷ liÖu lµ mét chøc n¨ng rÊt gÇn víi viÖc nhËp vµ bæ sung d÷ liÖu. NhiÒu phÇn mÒm th¬ng m¹i cè g¾ng gi÷ ®éc quyÒn b»ng c¸ch h¹n chÕ ®a c¸c khu«n d¹ng d÷ liÖu theo lo¹i phæ cËp. Tuy nhiªn ngêi sö dông ph¶i lùa chän ®Ó h¹n chÕ viÖc ph¶i sè hãa thªm nh÷ng tµi liÖu hiÖn ®ang cã ë d¹ng sè. Trong thùc tÕ, cïng mét t liÖu nhng cã thÓ tån t¹i ë nhiÒu khu«n d¹ng kh¸c nhau. V× vËy, ®èi víi t liÖu quèc gia, kh«ng thÓ chØ lu gi÷ ë mét d¹ng thuéc tÝnh riªng biÖt mµ cÇn thiÕt ph¶i lu gi÷ ë nhiÒu khu«n d¹ng cã tÝch chÊt phæ biÕn ®Ó sö dông ®îc trong nhiÒu øng dông kh¸c nhau. Nh vËy, mét phÇn mÒm HTT§L cÇn ph¶i cã chøc n¨ng nhËp vµ chuyÓn ®æi nhiÒu khu«n d¹ng d÷ liÖu kh¸c nhau. • Lu gi÷ t liÖu: Mét chøc n¨ng quan träng cña HTT§L lµ lu gi÷ vµ tæ chøc c¬ së d÷ liÖu do sù ®a d¹ng vµ víi mét khèi lîng lín cña d÷ liÖu kh«ng gian: ®a d¹ng vÒ thuéc tÝnh, vÒ khu«n d¹ng, vÒ ®¬n vÞ ®o, vÒ tû lÖ b¶n ®å. Hai yªu cÇu c¬ b¶n trong viÖc lu tr÷ d÷ liÖu lµ: thø nhÊt lµ ph¶i tæ chøc nguån d÷ liÖu sao cho ®¶m b¶o ®é chÝnh x¸c vµ kh«ng mÊt th«ng tin, thø hai lµ c¸c tµi liÖu cho cïng mét khu vùc song c¸c d÷ liÖu l¹i kh¸c nhau vÒ tû lÖ, vÒ ®¬n vÞ ®o... th× ph¶i ®îc ®Þnh vÞ chÝnh x¸c vµ chuyÓn ®æi mét c¸ch hÖ thèng ®Ó cã thÓ xö lý hiÖu qu¶. • §iÒu khiÓn d÷ liÖu (data manipulation): Do nhiÒu HTT§L ho¹t ®éng ®ßi hái t liÖu kh«ng gian ph¶i ®îc lùa chän víi mét chØ tiªu nhÊt ®Þnh ®îc ph©n lo¹i theo mét ph¬ng thøc riªng, tæng hîp thµnh nh÷ng ®Æc ®iÓm riªng cña hÖ thèng, do ®ã HTT§L ph¶i ®¶m nhiÖm ®îc chøc n¨ng ®iÒu khiÓn th«ng tin kh«ng gian. Kh¶ n¨ng ®iÒu khØÓn cho phÐp ph©n tÝch, ph©n lo¹i vµ t¹o lËp c¸c ®Æc ®iÓm b¶n ®å th«ng qua c¸c d÷ liÖu thuéc tÝnh vµ thuéc tÝnh ®Þa lý ®îc nhËp vµo hÖ thèng. C¸c thuéc tÝnh kh¸c nhau cã thÓ ®îc tæng hîp, n¾m b¾t mét c¸ch riªng biÖt vµ nh÷ng sù kh¸c biÖt cã thÓ ®îc x¸c ®Þnh, ®îc tÝnh to¸n vµ ®îc can thiÖp, biÕn ®æi. • Tr×nh bµy vµ hiÓn thÞ: §©y còng lµ mét chøc n¨ng b¾t buéc ph¶i cã cña mét HTT§L. Kh«ng gian díi d¹ng tµi liÖu nguyªn thñy hay tµi liÖu ®îc xö lý cÇn ®îc hiÓn thÞ díi c¸c khu«n d¹ng nh: ch÷ vµ sè (text), d¹ng b¶ng biÓu (tabular) hoÆc d¹ng b¶n ®å. C¸c tÝnh to¸n chung vµ kÕt qu¶ ph©n tÝch ®îc lu gi÷ ë d¹ng ch÷ vµ sè 17 ®Ó dÔ dµng in ra hoÆc trao ®æi gi÷a c¸c lç phÇn mÒm kh¸c nhau. C¸c d÷ liÖu thuéc tÝnh cã thÓ ®îc lu ë d¹ng b¶ng biÓu hoÆc c¸c d¹ng cè ®Þnh kh¸c. B¶n ®å ®îc thiÕt kÕ ®Ó hiÓn thÞ trªn mµn h×nh hoÆc lu díi d¹ng ®iÓm (plot file) ®Ó in. Nh vËy, hiÓn thÞ vµ in ra lµ nh÷ng chøc n¨ng rÊt cÇn thiÕt cña mét HTT§L. • Ph©n tÝch kh«ng gian: Tríc ®©y, chØ cã 5 chøc n¨ng m« t¶ ë trªn lµ ®îc tËp trung, ph¸t triÓn bëi nh÷ng ngêi x©y dùng HTT§L. Chøc n¨ng thø s¸u lµ ph©n tÝch kh«ng gian ®îc ph¸t triÓn mét c¸ch thÇn kú dùa vµo sù tiÕn bé cña c«ng nghÖ vµ nã trë nªn thùc sù h÷u Ých cho ngêi øng dông. Nh÷ng ®Þnh nghÜa vÒ HTT§L tríc ®©y ®· trë thµnh thùc tiÔn trªn c¬ së øng dông trùc tiÕp chøc n¨ng ph©n tÝch kh«ng gian. Theo quan ®iÓm hiÖn nay th× chøc n¨ng ®ã cÇn thiÕt ph¶i cã ®èi víi mét hÖ thèng ®îc gäi lµ HTT§L. TÊt nhiªn c¸c chøc n¨ng cã thÓ kh¸c nhau ®èi víi tõng hÖ thèng song ®èi víi mét mét hÖ thèng TT§L sö dông t liÖu b¶n ®å th× chøc n¨ng ®ã lµ b¨t buéc. Víi mét hÖ thèng nh vËy th× c¸c m« t¶ b»ng lêi cã thÓ tæ chøc thµnh c¸c tham sè riªng, c¸c m« h×nh gi¶i thÝch, dù b¸o ®Òu cã thÎ thùc hiÖn trong chøc n¨ng xö lý kh«ng gian. II.1.Sö dông HTT§L cho ph©n tÝch kh«ng gian Ph©n tÝch kh«ng gian HTT§L Bao gåm ba ho¹t ®éng chÝnh: Gi¶i quyÕt c¸c c©u hái vÒ thuéc tÝnh, c¸c c©u hái vÒ ph©n tÝch kh«ng gian vµ t¹o nªn tËp d÷ liÖu míi tõ c¬ së d÷ liÖu ban ®Çu. Môc tiªu cña viÖc ph©n tÝch kh«ng gian lµ tõ viÖc gi¶i quyÕt c¸c c©u hái ®¬n gi¶n vÒ c¸c hiÖn tîng, c¸c vÊn ®Ò trong kh«ng gian, ®i ®Õn tËp hîp thµnh c¸c thuéc tÝnh cña mét hay nhiÒu líp vµ ph©n tÝch ®îc sù liªn quan gi÷a c¸c d÷ liÖu ban ®Çu. Trong øng dông cña HTT§L, c¸c ®Æc ®iÓm vµ thuéc tÝnh vÒ kh«ng gian lµ rÊt phæ biÕn. C©u hái vÒ thuéc tÝnh (attribute query) cã chøa ®ùng c¶ tÝch chÊt th«ng tin vÒ kh«ng gian. VÝ dô: Trong c¬ së d÷ liÖu cña mét hµnh phè, ë ®ã mçi m¶ng b¶n ®å ®Òu cã Code thuéc tÝnh vÒ sö dông ®Êt, mét b¶ng thuéc tÝnh ®¬n gi¶n cã thÓ yªu cÇu liÖt kª toµn bé c¸c m¶ng cña c¸c lo¹i h×nh sö dông ®Êt cã trong b¶n ®å. B¶ng thuéc tÝnh ®ã cã thÓ t¹o ®îc mµ kh«ng hÒ cã sù tham kh¶o vÒ c¸c m¶ng trªn b¶n ®å. V× kh«ng cã th«ng tin kh«ng gian ®ßi hái tr¶ lêi cho c©u hái nµy nªn b¶ng ®ã ®îc xem nh lµ b¶ng thuéc tÝnh (attribute query). Trong vÝ dô nµy, toµn bé b¶ng thuéc tÝnh cã c¸c Code cña sö dông ®Êt ®· ®îc x¸c ®Þnh. C¸c th«ng tin kh¸c cã thÓ ®îc t¹o nªn vÝ dô nh sè m¶ng ®¬n vÞ (parcel) cña lo¹i h×nh sö dông ®Êt nµy, hoÆc tæng diÖn tÝch cña lo¹i h×nh sö dông ®Êt nµy ë trong thµnh phè... TÊt nhiªn nh÷ng bµi to¸n xö lý th«ng tin cho mét líp lµ cÇn thiÕt, song trong øng dông, viÖc xö lý th«ng tin cña nhiÒu líp còng lµ c«ng viÖc rÊt quan träng vµ ®ßi hái nhiÒu c«ng søc 18 trong lËp tr×nh. VÝ dô g¶ii bµi to¸n vÒ 2 líp kh«ng gian vÒ tÝnh to¸n diÖn tÝch cña c¸c lo¹i h×nh sö dông ®Êt theo c¸c cÊp ®é dèc kh¸c nhau...Nh÷ng bµi to¸n ®ã ®Æt ra ®èi víi nhiÒu néi dung øng dông kh¸c nhau mµ nh÷ng phÇn mÒm chuyªn tù ®éng hãa b¶n ®å hay qu¶n lý d÷ liÖu kh«ng ®¸p øng ®îc. TÊt nhiªn do môc ®Ých cña HTT§L lµ tËp trung vµo xö lý kh«ng gian, nªn mét sè chøc n¨ng cña viÖc tù ®éng hãa b¶n ®å hoÆc tÝnh to¸n thèng kª chuyªn ®Ò th× cã thÓ HTT§L kh«ng ®¸p øng ®îc. II.2.Mét sè vÊn ®Ò c¬ b¶n trong xö lý kh«ng gian • Xö lý th«ng tin trong mét líp: gi¶i quyÕt c¸c vÊn ®Ò vÒ thuéc tÝnh c¸c ®¬n vÞ trong mét líp, ®o ®¹c c¸c gi¸ trÞ, ph©n tÝch sù liªn quan gi÷a c¸c ®¬n vÞ trong mét líp b¶n ®å. VÝ dô x¸c ®Þnh tªn, tÝnh diÖn tÝch, chu vi cña tõng khoanh vi b¶n ®å, x¸c ®Þnh kho¶ng c¸ch, t¹o c¸c vïng ¶nh hëng (buffer zone). • Xö lý th«ng tin nhiÒu líp: chång xÕp hai hoÆc nhiÒu líp th«ng tin cho phÐp t¹o ra nhiÒu ®¬n vÞ b¶n ®å míi trªn c¬ së lµm chi tiÕt ho¸ th«ng tin cña tõng phÇn trong mét ®¬n vÞ b¶n ®å. VÝ dô hai líp thùc vËt vµ ®Êt khi chång xÕp sÏ cho b¶n ®å thùc vËt ph©n bè trªn c¸c lo¹i ®Êt kh¸c nhau. • Xö lý kh«ng gian: cã thÓ cã rÊt nhiÒu líp th«ng tin mµ xö lý kh«ng gian cÇn ph¶i tÝnh to¸n ®îc mèi quan hÖ gi÷a chóng. • Ph©n tÝch c¸c mÉu ®iÓm: mét sè ®èi tîng tù nhiªn hoÆc hiÖn tîng tù nhiªn cã sù ph©n bè b»ng c¸c ®iÓm tËp trung theo c¸c quy luËt nhÊt ®Þnh. VÝ dô: ph©n bè cña c¸c ®ång cá, hÖ thèng c¸c ®iÓm bè sôt cactor, ph©n bè cña c¸c loµi ®éng vËt, thùc vËt quý hiÕm... Trong xö lý kh«ng gian, sù ph©n bè vÒ nh÷ng ®iÓm ®ã cÇn ®îc nhËn diÖn vµ ph©n lo¹i. • Ph©n tÝch m¹ng: thiÕt lËp mét m¹ng h÷u Ých gi÷a c¸c diÖn cã sù ph©n bè kh¸c nhau lµ mét trong nh÷ng chøc n¨ng xö lý kh«ng gian: vÝ dô t¹o tuyÕn xe bus gÇn nhÊt nèi c¸c ®iÓm ®ãn kh¸ch trong thµnh phè, më mét hÖ thèng ®êng nèi gi÷a c¸c khu d©n c, thiÕt kÕ mét tuyÕn ®êng èng dÉn dÇu... TÊt nhiªn khi thiÕt kÕ cô thÓ l¹i ph¶i bæ sung b»ng mét sè th«ng tin kh¸c nhau, vÝ dô: ®Þa h×nh, sö dông ®Êt… • Ph©n tÝch, xö lý theo « líi (grid analysis). Bµi to¸n xö lý « líi rÊt phong phó, nã cã thÓ øng dông cho nhiÒu ngµnh: vÝ dô tÝnh to¸n lan truyÒn « nhiÔm, lËp c¸c ®êng ®¼ng trÞ, dù b¸o ch¸y rõng… • Ph©n tÝch xö lý nhiÒu líp th«ng tin theo ®iÒu kiÖn. §©y lµ chøc n¨ng phøc t¹p vµ ®a d¹ng nhÊt cña xö lý kh«ng gian. NhiÒu bµi to¸n ®îc ¸p dông ®Ó biÕn ®æi líp th«ng tin ban ®Çu thµnh mét hay nhiÒu líp th«ng tin míi: vÝ dô tÝnh ®é dèc, h19 íng dèc, tÝnh mËt ®é, bµi to¸n boolean, bµi to¸n logic, c¸c phÐp ph©n chia, tÝnh c¨n... b¶n ®å, nh÷ng líp th«ng tin míi. • Vïng bªn trong lµ phÇn kh«ng bao gåm ®êng biªn. Polygon lµ diÖn tÝch cã vïng bªn trong, mét ®êng viÒn bªn ngoµi, kh«ng cã ®iÓm giao c¾t ë bªn trong vµ kh«ng cã khoanh vi nµo kh¸c ë phÝa trong. Polygon phøc t¹p: lµ polygon cã mét hoÆc nhiÒu khoanh vi kh¸c ë bªn trong. • Cã hai kh¸i niÖm ®îc sö dông bæ sung cho ®Þnh nghÜa trªn ®ã lµ pixels vµ « líi ®¬n vÞ (grid cells) Pixel lµ ®¬n vÞ h×nh ¶nh cã hai kÝch thíc, nã lµ ®¬n vÞ nhá nhÊt cña h×nh ¶nh kh«ng thÓ chia nhá ®îc. ¤ líi ®¬n vÞ lµ ®èi tîng cã hai kÝch thíc, thÓ hiÖn mét yÕu tè cña mét bÒ mÆt cã cÊu tróc ®Òu ®Æn bëi chóng. Nh÷ng kh¸i niÖm nªu ë trªn lµ do b¶n ®å sè cña Mü ®a ra (National comitee for digital colorgaphic data standars - NCDCDS). C¸c kh¸i niÖm ®ã cã thÓ ®îc gäi kh¸c ®i,tïy theo sù thiÕt kÕ vÒ tªn gäi trong tõng hÖ thèng phÇn mÒm HTT§L. II.3.C¸c yÕu tè c¬ b¶n cña th«ng tin kh«ng gian ViÖc ph©n tÝch trËt tù vµ tæ hîp kh«ng gian yªu cÇu ph¶i cã ba thuéc tÝnh c¬ b¶n sau: vÞ trÝ (location), d÷ liÖu thuéc tÝnh (attribute data) vµ tÝnh chÊt h×nh häc (topology). • VÞ trÝ: lµ tÝnh chÊt quan träng mµ mçi ®èi tîng kh«ng gian ph¶i cã. VÞ trÝ ®îc x¸c ®Þnh bëi täa ®é X vµ Y trªn mÆt ph¼ng ngang (caitesian). • D÷ liÖu thuéc tÝnh: Cung cÊp nhiÒu th«ng tin quan träng vÒ tÝnh ch¸t cña ®èi tîng ®îc nghiªn cøu. VÝ dô b¶n ®å cã c¸c ®Æc ®iÓm th× b¶ng thuéc tÝnh ph¶i nªu ®îc tÝch chÊt c¸c ®Æc ®iÓm ®ã, vÝ dô: gièng cét ®iÖn hay hè níc... víi c¸c th«ng tin cô thÓ cho tõng lo¹i. • D÷ liÖu h×nh häc: ®îc ®Þnh nghÜa lµ mèi quan hÖ kh«ng gian gi÷a c¸c yÕu tè b¶n ®å. Trong trêng hîp c¸c polygon, cã nh÷ng polygon l¹i n»m trong ranh giíi cña mét polygon kh¸c. Víi c¸c yÕu tè ®êng cã, nh÷ng ®êng t¹o nªn bëi hai ®o¹n th¼ng (segment) nèi víi nhau trùc tiÕp hoÆc nèi gi¸n tiÕp qua mét ®o¹n th¼ng thø ba, hoÆc hai ®o¹n th¼ng hoµn toµn kh«ng nèi víi nhau. Víi c¸c ®iÓm, c¸c ®iÓm cã thÓ ë c¸ch nhau nh÷ng kho¶ng c¸ch kh¸c nhau. • Nh×n chung, vÞ trÝ vµ d÷ liÖu thuéc tÝnh lµ t¬ng ®èi dÔ hiÓu, song ®Æc ®iÓm h×nh häc th× h¬i khã h×nh dung h¬n. Cã mét sè kh¸i niÖm vµ thuéc tÝnh nh sau: • TiÕp gi¸p (adjacency): hai polygon ë liÒn nhau th× ®îc gäi lµ tiÕp gi¸p víi nhau. Kh¸i niÖm tiÕp gi¸p ®îc sö dông khi ph©n tÝch sù liªn quan cña nh÷ng yÕu tè 20 ë liÒn kÒ nhau. VÝ dô: gi¸ cña mét miÕng ®Êt sÏ cao h¬n gi¸ trung b×nh cña vïng nÕu nh vïng ®Êt ®ã n»m liÒn kÒ víi c«ng viªn hoÆc khu th¬ng m¹i... • Chøa ®ùng (containment): biÓu thÞ mét yÕu tè nµo ®ã n»m trong rang giíi cña mét polygon. Mèi quan hÖ nµy còng quan träng khi ph©n tÝch mèi liªn quan gi÷a hai kiÓu ®èi tîng. VÝ dô: mét m¶nh ®Êt n»m trong vïng ngËp lôt cã thÓ ph¶i mua b¶o hiÓm víi gi¸ cao h¬n. • TiÕp nèi (connectivity): thÓ hiÖn cho hai ®o¹n th¼ng ®îc nèi víi nhau. Kh¸i niÖm tiÕp nèi ®îc xem xÐt cho viÖc ph©n tÝch giao th«ng, tuyÕn ®i ®Ó cã thÓ t×m ra ph¬ng ¸n më tuyÕn tèt nhÊt. • Giao nhau (intersection): ®îc xem lµ mét d¹ng phøc t¹p trong mèi quan hÖ kh«ng gian cña c¸c yÕu tè polygon. Giao c¾t ®èi víi polygon nghÜa lµ hai polygon cã cïng chung mét vïng, vïng nµy cã tÝnh chÊt thuéc vÒ c¶ hai polygon. Khi xö lý chång xÕp b¶n ®å th× vïng giao nhau kh«ng cÇn xem xÐt ®Õn c¸c tÝnh chÊt h×nh häc. Tuy nhiªn th«ng dông nhÊt lµ c¸c vïng ®îc bè trÝ t¸ch biÖt nhau trong c¬ së d÷ liÖu. Tãm l¹i, 3 yÕu tè: vÞ trÝ, d÷ liÖu thuéc tÝnh vµ ®Æc ®iÓm cña d÷ liÖu lµ rÊt quan träng trong xö lý kh«ng gian. Tù ®éng hãa b¶n ®å sÏ gióp Ých cho viÖc tr×nh bµy vµ tæ chøc d÷ liÖu kh«ng gian. Trong xö lý kh«ng gian, tæng hîp c¸c ®Æc ®iÓm vÒ mèi liªn hÖ kh«ng gian gi÷a c¸c yÕu tè b¶n ®å ®îc xö lý bëi HTT§L vµ nã cung cÊp kh¶ n¨ng xö lý ®ång thêi c¶ ba yÕu tè. C¸c ®èi tîng kh«ng gian ®îc tr×nh bµy díi d¹ng ®Æc ®iÓm vÒ ®êng, ®iÓm, hoÆc polygon. Mçi mét ®Æc ®iÓm l¹i ®îc thÓ hiÖn tËp trung vµo mét sè yªu cÇu vÒ mÆt c¬ së d÷ liÖu. II.4.Tæ chøc d÷ liÖu kh«ng gian cña HTT§L Trong mét HTT§L ®iÓn h×nh, c¸c ®èi tîng kh«ng gian ®îc liªn kÕt ®Ó nghiªn cøu c¸c hiÖn tîng th× nhÊt thiÕt ph¶i ®îc tr×nh bµy díi d¹ng b¶n ®å víi môc ®Ých thiÕt lËp ®îc mèi liªn quan kh«ng gian gi÷a chóng. C¶ vÞ trÝ vµ thuéc tÝnh ®îc xö lý th«ng qua mét lo¹t c¸c ch¬ng tr×nh trong HTT§L. Yªu cÇu ®Çu tiªn ®Ó viÖc t¹o lËp d÷ liÖu mét c¸ch cã hiÖu qu¶ lµ c¸c ®èi tîng ®îc thÓ hiÖn ë ba yÕu tè c¬ b¶n lµ: ®iÓm (point), ®êng (line) vµ vïng (area hay polygon). Theo quan ®iÓm cña tæ chøc quèc gia Mü vÒ d÷ liÖu b¶n ®å sè th× c¸c yÕu tè ®ã ®îc gi¶i thÝch nh sau. Mét con ®êng hoÆc con s«ng, con suèi thêng ®îc biÓu diÔn b»ng c¸c yÕu tè ®êng, mÆc dï trong thùc tÕ cã thÓ ®o ®îc c¶ ®é réng vµ chiÒu dµi cña chóng trªn b¶n ®å. C¸c ®èi tîng tù nhiªn thêng ®îc thÓ hiÖn b»ng c¸c ®êng, cung, vïng, ®iÓm, tuú theo c¸c ®Æc trng cô thÓ mµ chóng ®îc thÓ hiÖn theo c¸c h×nh mÉu cô thÓ. 21 H×nh 2. M« t¶ mét sè kh¸i niÖm vector nguån: ®iÓm, ®êng vµ vïng Mét sè kh¸i niÖm chÝnh ®îc cô thÓ trong ®Þnh nghÜa nµy nh sau: 22 • §iÓm: lµ ®èi tîng cã kÝch thíc b»ng 0 vÒ mÆt h×nh häc. Do ®ã c¸c ®èi tîng ®iÓm chØ dïng ®Ó x¸c ®Þnh vÞ trÝ. §iÓm kh«ng cã ý nghÜa trong viÖc ®o vÒ kÝch thíc. MÆc dï trªn b¶n ®å, c¸c ®iÓm ®îc biÓu thÞ b»ng kÝch thíc kh¸c nhau nhng diÖn tÝch cña c¸c ®iÓm lµ kh«ng cã ý nghÜa thùc tÕ. Mét sè kh¸i niÖm vÒ "®iÓm" nh sau: - §iÓm thùc tÕ (entity point): dïng ®Ó x¸c ®Þnh vÞ trÝ cña c¸c ®èi tîng d¹ng ®iÓm nh: c¸c toµ nhµ, c¸c cét. Trêng hîp ®ã, x¸c ®Þnh chÝnh x¸c vÞ trÝ cña c¸c ®iÓm lµ ®iÒu rÊt quan träng. - §iÓm chØ tªn (label point) ®îc sö dông ®Ó hiÓn thÞ mét tËp hîp ch÷ viÕt cho c¸c ®èi tîng b¶n ®å. §èi víi nh÷ng ®iÓm nµo th× ®é chÝnh x¸c cña vÞ trÝ phô thuéc vµo quan niÖm b¶n ®å häc. NghÜa lµ vÞ trÝ c¸c ®iÓm chØ tªn cho c¸c ®èi tîng trªn b¶n ®å ®îc x¸c ®Þnh sao cho kh«ng cã sù lÉn lén víi nhau. - §iÓm cã diÖn tÝch (area point) dïng ®Ó x· ®Þnh mét vÞ trÝ cã th«ng tin vÒ diÖn tÝch. VÝ dô cã thÓ dïng ®iÓm ®Ó thÓ hiÖn vÞ trÝ mét quèc gia vµ ®é lín cña ®iÓm chøa ®ùng th«ng tin vÒ ®Êt níc ®ã. - §iÓm giao nhau (node) thÓ hiÖn vÞ trÝ mét diÖn víi c¸c dÊu hiÖu vÒ h×nh häc, vÝ dô: n¬i giao nhau hoÆc ®iÓm cuèi cña c¸c yÕu tè ®êng. C¸c th«ng tin vÒ ®iÓm c¸c mét kÝch thíc trong ph©n tÝch kh«ng gian mÆc dï chóng thÓ hiÖn cho c¸c ®èi tîng cã hai kÝch thíc ë trªn b¶n ®å. VÝ dô: mét ®iÓm biÓu thÞ cho 1 giÕng, mét ®iÓm biÓu thÞ cho mét cét. MÆc dï diÖn tÝch mµ giÕng chiÕm kh¸c víi diÖn tÝch cña cét chiÕm. Trong mét b¶n ®å th× kh«ng thÓ nªu ®îc diÖn tÝch mµ giÕng hoÆc cét chiÕm trªn thùc tÕ - do tû lÖ b¶n ®ã kh«ng ®¸p øng. Trong ph©n tÝch kh«ng gian, diÖn tÝch gi÷a c¸c ®iÓm lµ kh«ng tÝnh (trõ trêng hîp c¸c ®iÓm cã diÖn tÝch, lóc ®ã ®iÓm ®· trë thµnh vïng) • TÝnh chÊt cña ®iÓm: ®©y lµ d¹ng ®¬n gi¶n nhÊt cña c¸c ®èi tîng kh«ng gian. Khi nãi vÒ d÷ liÖu ®iÓm, ph¶i nãi ®Õn sè lîng ®iÓm tèi thiÓu cho mét c¬ së d÷ liÖu ®iÓm. Nh×n chung, c¸c yÕu tè tèi thiÓu cho mét c¬ së d÷ liÖu ®iÓm lµ nh÷ng thuéc tÝnh vÒ to¹ ®é,ngoµi ra, c¸c tÝnh chÊt kh¸c cña ®iÓm ®îc m« t¶ trong hµm sau: Pi: ( X, Y, Z1 Z2 Z3 …Z.m) ë ®©y: i lµ Code x¸c ®Þnh cña mâi ®iÓm ( identification Code -ID) 23 X, Y to¹ ®é cña ®IÓm, ®îc x¸c ®Þnh theo to¹ ®é ph¼ng (x, y trong mÆt ph¼ng cartesian) Z 1,Z2… Z m c¸c ®Æc trng kh¸c cña ®iÓm. V× ®iÓm cã kÝch thíc b»ng kh«ng (= 0) nªn nã kh«ng cã kho¶ng trèng ë gi÷a, song nã ph¶i cã thuéc tÝnh vÒ mÆt h×nh häc, ®ã lµ to¹ ®é. Th«ng tin vÒ mèi liªn quan gi÷a c¸c ®iÓmcã thÓ x¸c ®Þnh b»ng c«ng thøc to¸n häc. Trong trêng hîp cã nhiÒu ®iÓm th× kho¶ng cach gi÷a c¸c ®IÓm ®îc x¸c ®Þnh bëi vÞ trÝ cña c¸c ®iÓm ®ã víi nhau. • §êng: • §Þnh ghÜa: §êng lµ c¸c yÕu tè cã mét kÝch thíc vµ thÓ hiÖn c¶ vÞ trÝ vµ híng. §é dµi lµ dÊu hiÖu ®o ®¹c vÒ kÝch thíc cña ®èi tîng ®êng. MÆc dï c¸c yÕu tè ®êng thêng cã kh«ng gian hai kÝch thíc trªn b¶n ®å nhng ®é réng cña ®êng lµ kh«ng ®îc xem xÐt ®Õn trong tÝnh to¸n híng cña b¶n ®å.  §êng (line): lµ c¸c ®èi tîng cã mét kÝch thíc.  §o¹n th¼ng (line segment): lµ ®êng nèi trùc tiÕp gi÷a hai ®iÓm.  §êng gÊp khóc: lµ c¸c ®äan th¼ng nèi liªn tôc, cã thÓ kh¸c híng song kh«ng cã ®iÓm nèi hoÆc cã thÓ ®iÓm nèi ë mét phÝa (ph¶i hoÆc tr¸i). §êng gÊp khóc cã thÓ c¾t qua chÝnh nã hoÆc c¾t c¸c ®êng kh¸c.  Cung (arc) lµ mét ®o¹n tËp hîp c¸c ®iÓm t¹o nªn mét d¹ng ®êng cong mµ ®êng cong ®ã ®îc x¸c ®Þnh b»ng mét hµm to¸n.  §o¹n nèi (link) lµ ®èi tîng cã mét kÝch thíc nèi gi÷a hai nót. §o¹n nèi còng ®îc hiÓu lµ ®êng gê (edges) hay ®êng viÒn.  §o¹n nèi trùc tiÕp : lµ ®o¹n nèi gi÷a hai nót víi mét híng nhÊt ®Þnh.  D©y xÝch (chain): lµ sù nèi liªn tôc cña c¸c ®o¹n th¼ng kh«ng c¾t nhau hoÆc gi÷a c¸c cung víi c¸c nót ë cuèi mçi cung. C¸c nót cã thÓ n»m ë bªn ph¶i hay bªn tr¸i lµ kh«ng b¾t buéc TÝnh chÊt cña ®êng: §êng ®îc hiÓu lµ tËp hîp cña rÊt nhiÒu ®iÓm. Mçi ®êng ®Òu cã thÓ chia thµnh nhiÒu ®o¹n th¼ng vµ mmçi ®o¹n ®îc x¸c dÞnh bëi hai ®iÓm ë hai ®Çu. §Ó cÊu t¹o nªn yÕu tè h×nh häc cña ®ßng th× yÕu tè c¬ b¶n lµ híng cña ®êng. Ngoµi ra, cßn mét yÕu tè kh¸c, ®ã lµ sù tiÕp nèi gi÷a c¸c ®êng. §Ó hiÓu sù tiÕp nèi ®ã, ta cã thÓ h×nh dung tíi mét ®o¹n th¼ng nèi gi÷a mét ®iÓm nµy víi mét ®iÓm kh¸c. 24 Nh vËy, c¸c yÕu tè c¬ b¶n cña mçi ®êng gåm cã: Lj: (P1, P2, …Pn, Z1, Z2…Zm, H1…Hq) ë ®©y: j Code cña ®êng ( ID) P1 ®iÓm thø 1 Pn ®iÓm thø n Z1 thuéc tÝnh cña ®o¹n thø 1 Zn thuéc tÝnh cña ®o¹n thø n Hq - Code ID cña ®o¹n thø q ®îc nèi trong thø tù cña ®êng (1… n) lµ híng cña ®êng tõ 1 ®Õn n cña ®êng. • Vïng: (area) hoÆc (polygone) Vïng lµ kh¸i niÖm phøc t¹p nhÊt trong 3 lo¹i yÕu tè kh«ng gian cña cÊu tróc vector. Vïng ®îc hiÓu lµ mét diÖn tÝch giíi h¹n bëi mét ®êng khÐp kÝn vµ phÇn bªn trong ®ã cã nh÷ng tÝnh chÊt cô thÓ. • §Þnh nghÜa : Vïng lµ ®Æc ®iÓm thÓ hiÖn hai kÝch thíc c¶ vÞ trÝ vµ diÖn tÝch, lµ ®èi tîng x¸c ®Þnh vÒ mÆt ranh giíi, liªn tôc vµ cã hai kÝch thíc. Nã cã thÓ bao gåm c¶ phÇn bªn hoÆc kh«ng • C¸ctÝnh chÊt cña polygon:Polygone dîc x¸c ®Þnh bëi mét lo¹t c¸c ®êng v¹ch ®Þnh ranh giíi. Thªm vµo ®ã, polygone lµ yÕu tè cã 2 kÝch thíc . Mçi polygone ®îc x¸c ®Þnh bëi mét diÖn tÝch nhÊt ®Þnh. V× polygone kh«ng cã h×nh d¹ng vµ kÝch thíc nhÊt ®Þnh, nªn mèi quan hÖ kh«ng gian sÏ khã x¸c ®Þnh nÕu kh«ng cã nh÷ng thuéc tÝnh ®îc lµm râ. Hai polygone cã thÓ n»m t¸ch biÖt víi nhau, hoÆc kÒ nhau, hoÆc c¸i nä n»m trong c¸i kia. Trong trêng hîp n»m t¸ch biÖt h¼n so víi nhau th× l¹i cã kh¶ n¨ng chóng ®îc nèi víi nhau b»ng polygone thø ba. Yªu cÇu vÒ thuéctÝnh cña polygone bao gåm: G. K (L 1…L n, Z1… Zm σ1…σr, φ1…φs,Φ1… Φt) ë ®©y: K lµ Code cña polygone G, tÇn sè kÕt nèi cña ®êng tõ L1 ®Õn Ln vµ nã x¸c ®Þnh ranh giíi cña polygone G. Z n x¸c ®Þnh gi¸ trÞ cña thuéc tÝnh thø n σ1…σr thÓ hiÖn mét hoÆc nhiÒu polygone kÕt nèi víi nhau t¹o nªn polygone K φ1…φs x¸c ®Þnh cã 1 hay nhiÒu polygone chøa trong polygone K 25 Φ1… Φt x¸c ®Þnh cã mét hay nhiÒu polygone n»m trong polygone K C¸c th«ng tin h×nh häc bæ sung kh¸c cßn cã thÓ lµ cÇn thiÕt ®èi víi c¸c polygone phøc t¹p. NhiÒu th«ng tin h×nh häc cã thÓ ®îc bæ sung ngay trong nh÷ng th«ng tin vÒ ®êng hoÆc ®îc lµm ®¬n gi¶n ho¸ ®i. VÝ dô: hai polygone n»m liÒn kÒ th× ph¶i cã thªm th«ng tin vÒ mét ®o¹n th¼ng chung ë gi÷a lµm biªn giíi gi÷ hai polygone . II.5.C¸c m« h×nh cÊu tróc c¬ së d÷ liÖu II.5.1.Kh¸i qu¸t chung T liÖu (data) ®îc hiÓu nh nh÷ng sù hiÖn diÖn ®· ®îc kiÓm tra vÒ thÕ giíi thùc (Graeme F Borinam Carter). Th«ng tin lµ t liÖu ®îc tæ chøc theo nh÷ng mÉu thÓ hiÖn nh»m dÔ dµng t×m kiÕm vµ khai th¸c. T liÖu kh«ng gian ph¶i ®îc tr×nh bµy vµ lu tr÷ mét c¸ch riªng biÖt trong nhngx kh«ng gian cña HTT§L. VÝ dô: ®êng, ®iÓm, vïng, bÒ mÆt … ph¶i ® îc lu tr÷ 26 ®éc lËp cïng c¸c thuéc tÝnh cña chóng t¹o thµnh nh÷ng file d÷ liÖu kh«ng gian hoÆc phi kh«ng gian. C¬ së d÷ liÖu ( CSDL) lµ toµn bé nh÷ng th«ng tin cÇn thiÕt vÒ ®èi tîng ®îc lu gi÷ díi d¹ng sè. CSDL cã thÓ lµ kh«ng gian hoÆc phi kh«ng gian. HÖ thèng qu¶n lý CSDL (Database management System - DBMS) lµ tËp hîp mét sè chøc n¨ng cña phÇn mÒm ®Ó lu gi÷, bæ sung vµ thÓ hiÖn d÷ liÖu . C¸c hÖ thèng qu¶n lý c¬ së d÷ liÖu phi kh«ng gian hoÆc kh«ng gian thêng t¸ch biÖt nhau. Còng cã mét sè phÇn mÒm tæ chøc kÕt hîp ®Ó qu¶n lý c¶ hai d¹ng d÷ liÖu hoÆc cung cÊp kh¶ n¨ng liªn kÕt víi c¸c phÇn mÒm CSDL kh¸c. Ch¬ng tr×nh nµy sÏ tËp trung giíi thiÖu c¸c cÊu tróc d÷ liÖu chÝnh lµ cÊu tróc ph©n nh¸nh, chia nhá vµ cÊu tróc m¹ng. Ngoµi ra, c¸c d÷ liÖu thuéc tÝnh phi kh«ng gian trong mèi liªn hÖ víi c¸c thuéc tÝnh kh«ng gian còng ®îc ®Ò cËp ®Õn. CÊu tróc d÷ liÖu kh«ng gian lµ sù tæ chøc t liÖu kh«ng gian díi mét khu«n d¹ng phï hîp víi m¸y tÝnh. CÊu tróc cña d÷ liÖu ph¶i ®îc tæ chøc ®Ó cã sù liªn hÖ gi÷a c¸c m« h×nh d÷ liÖu vµ c¸c khu«n d¹ng (format) d÷ liÖu. Thùc tÕ, gi÷a kh¸i niÖm m« h×nh vµ cÊu tróc d÷ liÖu Ýt cã sù ph©n biÖt. Tuy nhiªn kh¸i niÖm m« h×nh ®îc sö dông ë ph¹m vi nguyªn lý tõ kh¸i qu¸t ®Õn cô thÓ, cßn cÊu tróc lµ kh¸i niÖm mang tÝnh chÊt kü thuËt vµ minh ho¹ mét c¸ch hÖ thèng vÒ b¶n chÊt vµ sù liªn hÖ gi÷a c¸c thµnh phÇn cña CSDL. CÊu tróc cña d÷ liÖu Raster ®îc sö dông réng r·i trong hÖ xö lý ¶nh vµ xö lý TTDL - raster, cßn cÊu tróc cña d÷ liÖu vertor ®îc sö dông nhiÒu trong c¸c hÖ CAD (Computer Aided Decizion - M¸y tÝnh thiÕt kÕ trî gióp), hoÆc trong HTT§L vertor víi nh÷ng kh¶ n¨ng m¹nh vÒ b¶n ®å. Trong thùc tÕ ¸p dông nhiÒu HTTD cã c¶ hai hÖ thèng cÊu tróc d¹ng Raster vµ Vertor ®Ó cã thÓ sö dông mét c¸ch linh ho¹t vµ giao diÖn víi nhau ®Ó ®¸p øng cho nh÷ng nhiÖm vô cÇn gi¶i quyÕt. Nh÷ng sù giao diÖn ®ã ®îc thÓ hiÖn cô thÓ víi viÖc xö lý mét hÖ thèng d÷ liÖu mÉu ®iÓm lµ: cã b¶ng thuéc tÝnh vÒ tÝnh chÊt vµ to¹ ®é c¸c ®iÓm, cã kh¶ n¨ng néi suy thuéc tÝnh mÉu thµnh c¸c file Raster; cã kh¶ n¨ng t¹o file vertor vµ contour cña c¸c trêng thuéc tÝnh ®· ®îc néi suy; cã kh¶ n¨ng t¹o c¸c mÆt ph¼ng h×nh häc vµ c¸c m« h×nh kh«ng gian víi d÷ liÖu Raster hoÆc Vertor. Tuy nhiªn do kh«ng ph¶i lµ nh÷ng HTT§L chuyªn ®Ò mµ c¸c HTT§L tæng hîp thêng cã mét sè u thÕ vµ nh÷ng h¹n chÕ nhÊt ®Þnh. II.5.2.CÊu tróc d÷ liÖu Raster Raster ®îc hiÓu lµ « h×nh vu«ng cã kÝch thíc nhÊt ®Þnh gäi lµ cell hoÆc pixell (picture element), cÊu tróc Raster lµ cÊu tróc h×nh ¶nh. Mçi « vu«ng cã chøa th«ng tin vÒ mét ®èi tîng hay mét sù hîp phÇn cña ®èi tîng. VÞ trÝ cña ®èi tîng ®îc x¸c 27 ®Þnh bëi vÞ trÝ cña c¸c « vu«ng theo trËt tù hµng vµ cét. CÊu tróc d÷ liÖu Raster ®¬n gi¶n nhÊt lµ cÊu tróc d¹ng b¶ng, ë ®ã cã chøa c¸c th«ng tin vÒ to¹ ®é vµ thuéc tÝnh phi kh«ng gian. Th«ng tin vÒ vÞ trÝ ®îc thÓ hiÖn ë to¹ ®é theo hµng vµ cét, tÝnh theo trËt tù s¾p xÕp cña d÷ liÖu. Trêng hîp cã nhiÒu tÝnh chÊt th× cã thÓ gäi lµ th«ng tin nhiÒu chiÒu. B¶ng thuéc tÝnh hai chiÒu cña ®èi tîng ®îc gäi lµ b¶ng mét chiÒu hay cßn gäi lµ b¶ng thuéc tÝnh Raster më réng (expanded Raster table). CÊu tróc Raster ®Çy ®ñ lµ cÊu tróc cã ®Çy ®ñ sè lîng c¸c pixell s¾p xÕp theo nh÷ng vÞ trÝ x¸c ®Þnh. CÊu tróc Raster rÊt tiÖn lîicho viÖc ¸p dông c¸c chøc n»ng xö lý kh«ng gian dùa trªn nguyªn t¾c chång xÕp th«ng tin nhiÒu líp. C¸c ®Æc ®iÓm kh«ng gian lµ cã th«ng tin vÒ ®Þa lý, nghÜa lµ chóng cã thÓ ®îc tr×nh bµy trªn bÊt cø mét b¶n ®å nµo cña mét hÖ to¹ ®é ®· biÕt. CÊu tróc Raster yªu cÇu mçi mét ®Æc ®iÓm ph¶i ®îc tr×nh bµy thµnh d¹ng ®¬n vÞ h×nh ¶nh (picture elemarts pixel). Trong trêng hîp nµy mét b¶n ®å ®îc ph©n chia thµnh nhiÒu pixels, mçi pixel cã vÞ trÝ theo hµng vµ cét. Mét ®iÓm nhá nhÊt ®îc tr×nh bµy bëi mét pixel ®¬n lÎ vµ nã chiÕm mét diÖn tÝch b»ng kÝch thíc cña mét pixel. B A 6 6 5 5 4 4 3 3 2 2 1 1 0 1 2 3 4 5 6 0 1 2 3 4 5 6 H×nh 3. Mét ®êng cã thÓ tæ chøc trong cÊu tróc Vector (A) vµ Raster (B) Mét ®êng trong cÊu tróc Raster lµ mét lo¹t c¸cpixel nèi víi nhau vµ mét polygon lµ mét ®¸m (cluster) cña c¸c pixel cã cïng mét gi¸ trÞ. Sau ®©y lµ nh÷ng u ®iÓm c¬ b¶n cña cÊu tróc Raster: • §¬n gi¶n vµ dÔ tham kh¶o • ViÖc chång xÕp c¸c líp b¶n ®å ®îc thùc hiÖn mét c¸ch thuËn tiÖn ®a ®Õn kÕt qu¶. 28 • §èi víi m« h×nh kh«ng gian, c¸c ®¬n vÞ ®Þa lý ®îc x¸c ®Þnh trong cÊu tróc Raster, bao gåm h×nh d¹ng vµ kÝch thíc. Nh vËy trong kÕt qu¶ mèi quan hÖ gi÷a c¸c pixel lµ æn ®Þnh vµ dÔ dµng vÏ ra ®îc. • DÔ thiÕt lËp mét bÒ mÆt liªn tôc b»ng ph¬ng ph¸p néi suy. • §a sè c¸c t liÖu kh«ng gian thêng ®îc ghi ë d¹ng Raster nh ¶nh vÖ tinh, ¶nh m¸y bay chôp quÐt. Th«ng thêng c¸c t liÖu Raster ®ã dÏ dµng nhËp trùc tiÕp mµ kh«ng cÇn mét sù thay ®æi nµo. Nh÷ng nhîc ®iÓm cña cÊu tróc d÷ liÖu Raster: • Tµi liÖu thêng bÞ t×nh tr¹ng qu¸ t¶i, lµm tèn nhiÒu phÇn cña bé nhí trong m¸y tÝnh. Trong rÊt nhiÒu trêng hîp, c¸c yÕu tè b¶n ®å kh«ng nhÊt thiÕt ph¶i ®îc g¾n thuéc tÝnh (code ho¸) thµnh c¸c « líi ®Æc trng. Trong cÊu tróc d÷ liÖu Raster, nh÷ng vïng rÊt réng lín cã ®Æc ®iÓm gièng nhau ®îc tån t¹i mét c¸ch ngÉu nhiªn víi mét gi¸ trÞ nµo ®ã vµ lµ tËp hîp cña rÊt nhiÒu « líi. Trong khi ®ã khi thÓ hiÖn vÒ ®é dèc th× ë vïng cã ®é dèc t¬ng ®èi gièng nhau, cÊu tróc raster vÉn thÓ hiÖn sù kh¸c nhau do kÝch thíc cña c¸c pixel t¹o nªn ®êng gå ghÒ. • Mèi quan hÖ vÒ h×nh häc gi÷a c¸c yÕu tè kh«ng gian th× khã vÏ vµ khã thiÕt lËp ®îc, vÝ dô víi hai b¶n ®å ®îc x¸c ®Þnh b»ng hµng, cét th× mèi liªn hÖ h×nh häc gi÷a c¸c ®Æc ®iÓm cña hai b¶n ®å ®ã lµ rÊt khã x¸c ®Þnh. • C¸c b¶n ®å Raster thêng th« vµ kÐm vÎ ®Ñp h¬n so víi b¶n ®å vÏ b»ng ®êng nÐt thanh cña cÊu tróc Vector. Trong b¶n ®å Raster, c¸c yÕu tè ®êng, s«ng, … ranh giíi thêng ®îc biÓu hiÖn b»ng c¸c pixel nªn cã d¹ng r¨ng ca. • ViÖc chuyÓn ®æi c¸c thuéc tÝnh kh«ng gian cña cÊu tróc Raster th× dÔ bÞ nhiÔu. VÝ dô mét con ®êng khi quay ®i mét gãc nµo ®ã råi quay l¹i ®óng gãc ®ã nhng nã cã thÓ bÞ biÕn ®æi so víi h×nh d¹ng ban ®Çu. • §èi víi ph©n tÝch kh«ng gian, h¹n chÕ nhÊt cña cÊu tróc Raster lµ ®é chÝnh x¸c thêng thÊp so víi mong muèn (vÝ dô khi tÝnh ®é day cña mét ®o¹n th¼ng sai sè thêng lín h¬n so víi ®o trùc tiÕp). §©y lµ ®iÒu khã tr¸nh khái v× kÝch thíc tÝnh ®îc liªn quan ®Õn kÝch thíc cña c¸c pixel vµ vÞ trÝ cña mét ®o¹n th¼ng hay cña mét ®iÓm còng ®îc x¸c ®Þnh tuú thuéc kÝch thíc cña pixel.§©y còng lµ mét ®iÓm cÇn lu ý trong khi thÓ hiÖn b¶n ®å d¹ng Raster ( h×nh 4 ) 29 H×nh 4. M« pháng c¸ch thÓ hiÖn c¸c khoanh vi theo cÊu tróc Raster II.5.3.CÊu tróc d÷ liÖu d¹ng Vector Nh phµn trªn ®· giíi thiÖu,trong cÊu tróc d÷ liÖu d¹ng Vector, c¸c ®èi tîng kh«ng gian®îc tr×nh bµy b»ng mét lo¹t c¸c Vector. Trong kh¸i niÖm to¸n häc, mét Vector ®îc thÓ hiÖn b»ng mét ®iÓm xuÊt ph¸t (starting point) víi to¹ ®é X vµ Y ®· cho, mét híng (direction) nghÜa lµ cã mét gãc nµo ®ã theo híng ®«ng, t©y, nam, 30 b¾c vµ mét ®é dµi (length). Mét ®iÓm ®îc thÓ hiÖn bëi mét Vector bÞ tho¸i ho¸ (degenerate) víi c¶ híng vµ ®é dµi cña nã ®Òu b»ng 0. Trong trêng hîp nµy ®iÓm còng kh«ng cã c¶ diÖn tÝch. Mét ®êng ®îc thÓ hiÖn bëi sù lÆp l¹i cña c¸c Vector, mµ c¸c Vector nµy lµ c¸c ®o¹n th¼ng v× chiÒu réng cña c¸c Vector còng kh«ng ®îc x¸c ®Þnh nªn vÒ ý nghÜa kh«ng gian, ®êng chØ cã mét kÝch thíc, ®ã lµ ®é dµi. Mét polygon ®îc thÓ hiÖn bë mét lo¹t c¸c Vector t¹o nªn mét vïng khÐp kÝn vµ diÖn tÝch cña vïng ®ã cã thÓ ®o ®îc. Hi×nh 5. cÊu tróc d÷ liÖu vecter Nh÷ng u ®iÓm cña cÊu tróc Vector: • Ýt trêng hîp t liÖu bÞ ®Çy chÆt bé nhí trong m¸y tÝnh v× tæ chøc d÷ liÖu Vector thêng ë d¹ng nÐn, v× cã thÓ chøa ®îc mét lîng d÷ liÖu Vector rÊt lín trong t liÖu kh«ng gian. • C¸c ®èi tîng riªng biÖt ®îc thÓ hiÖn mét c¸ch râ rµng vµ liªn tôc b»ng nh÷ng ®êng nÐt râ rµng. • C¸c yÕu tè kh«ng gian vÒ mÆt h×nh häc th× dÔ dµng ®îc x¸c ®Þnh. • Cã ®é chÝnh x¸c cao trong viÖc tÝnh to¸n vµ xö lý c¸c yÕu tè kh«ng gian. Nhîc ®iÓm: 31 • Nhîc ®iÓm lín nhÊt cña cÊu tróc d÷ liÖu Vector lµ xö lý chång xÕp c¸c líp b¶n ®å rÊt khã thùc hiÖn ®îc, ngay c¶ nh÷ng viÖc chång xÕp rÊt ®¬n gi¶n cña d÷ liÖu Raster. VÝ dô: §Ó x¸c ®Þnh mét ®iÓm n»m trong mét polygon kh«ng th× ë cÊu tróc Raster rÊt ®¬n gi¶n khi biÕt vÞ trÝ cña ®iÓm theo hµng hay cét. Trong khi ®ã ë cÊu tróc Vector th× ph¶i cã mét sù tÝnh to¸n rÊt phøc t¹p. - H×nh bªn tr¸i dÔ dµng x¸c ®Þnh vÞ trÝ pixel B ë hµng 7 vµ cét sè 8 h×nh bªn ph¶i c¸c polygon A, B, C, D ®îc x¸c ®Þnh bëi mét lo¹t c¸c to¹ ®é XY A A A A A A A A A A B B A A A B B B B B A A A A A B B B B B A A A A B B B B B B A A A B B B B B B B A A C C C B B B B B C C C C D D B C C C C C C D D D B D B B C C C C C C D D D D C C C D D D D C C C R a s ter A B C D V e cto r H×nh 6. So s¸nh gi÷a cÊu tróc Raster vµ Vector - RÊt phøc t¹p. §Ó x¸c ®Þnh mét ®iÓm cã to¹ ®é 8,4 (theo to¹ ®é ph¼ng) (t- ¬ng øng víi ®iÓm B ë h×nh bªn tr¸i cã to¹ ®é hµng 7 cét 8) th× viÖc tÝnh to¸n lµ rÊt phøc t¹p míi x¸c ®Þnh ®îc ®iÓm ®ã n»m ë polygon nµo 32 - . 33 II.6.M« h×nh cÊu tróc d÷ liÖu cung vµ ®iÓm nót (arc-node) Mét m« h×nh d÷ liÖu lµ mét cÊu tróc cí b¶n cña d÷ liÖu ®îc thiÕt kÕ ®Ó sao cho viÖc khai th¸c vµ xö lý lµ thuËn tiÖn nhÊt. M« h×nh cung vµ ®iÓm nót (are-node) lµ m« h×nh do côc thèng kª cña Mü thiÕt kÕ theo c¸c file d÷ liÖu ®Þa lý tõ n¨m 1980. Trªn c¬ së m« h×nh nµy, c¸c ®êng phè vµ yÕu tè d¹ng tuyÕn kh¸c cña níc Mü còng ®îc tæ chøc theo hÖ thèng file d÷ d¹ng cã hai thuéc tÝnh ®éc lËp vÒ cung vµ ®iÓm nèi (dual independence map encoding - DIME) (are-node Model- m« h×nh cung ®iÓm nèi). Theo m« h×nh nµy, c¸c cung t¹o nªn phÇn lín c¸c ®¬n vÞ c¬ b¶n trªn b¶n ®å. Kh¸i niÖm vÒ cung (area) ë ®©y kh¸c víi kh¸i niÖm vÒ cung ë trong héi b¶n ®å cña Mü quy ®Þnh. ë ®©y mçi 34 mét cung bao gåm hai ®iÓm nót: ®iÓm ®Çu vµ ®iÓm cuèi. Gi÷a c¸c ®iÓm nèi vµ cung cã thÓ kh«ng cã hoÆc cã c¸c giao ®iÓm cña c¸c cung kh¸c. H×nh d¹ng vµ ®é dµi cña cung ®îc x¸c ®Þnh bëi vÞ trÝ cña c¸c ®iÓm nèi vµ c¸c giao ®iÓm (vertice hoÆc vertex). Mét ®iÓm nèi kh¸c víi giao ®iÓm vÒ tÝnh chÊt h×nh häc. Cô thÓ: mét ®iÓm nèi th× cã to¹ ®é x vµ y vµ thuéc tÝnh h×nh häc, cßn giao ®iÓm (vertex) th× chØ cã to¹ ®é x vµ y mµ kh«ng cã thuéc tÝnh (h×nh 7) 35 G h i ch ó 104 38 § iÓ m n è i 102 101 103 37 36 102 C o de c ñ a po ly g o n 35 C od e c ñ a cu n g 39 34 H×nh 7. CÊu tróc mét polygon ®¬n gi¶n trong m« h×nh cung vµ ®iÓm nèi Trªn h×nh 3 cã 4 polygon 101, 102, 103 vµ 104, c¸c polygon ®îc x¸c ®Þnh bëi 7 cung (are) tõ 33-39. Mçi cung cã mét ®iÓm nèi lµ ®iÓm ®Çu vµ ®iÓm cuèi. Nh÷ng cung th¼ng lµ kh«ng cã giao ®iÓm cßn nh÷ng cung gÊp khóc lµ cã mét hoÆc nhiÒu giao ®iÓm (vertex). Mét ®iÓm quan träng cÇn lu ý vÒ m« h×nh cung - ®iÓm nèi lµ mét cung lu«n ®îc x¸c ®Þnh bëi mét ®iÓm nèi. Híng cña mét cung ®îc hiÓu mét c¸ch ®Æc biÖt trong thø tù cña c¸c ®iÓm nèi, ®ã lµ ®iÓm ®Çu vµ ®iÓm cuèi. Víi mét híng®· biÕt th× hai phÝa (ph¶i vµ tr¸i) cña cung còng ®îc x¸c ®Þnh. Nh÷ng th«ng tin vÒ mét cung bao gåm: Thuéc tÝnh (ID) cña cung Thuéc tÝnh (ID) cña ®iÓm nèi ®Çu Thuéc tÝnh (ID) cña ®iÓm nèi cuèi Thuéc tÝnh (ID) cña polygon bªn tr¸i cña cung To¹ ®é x, y cña ®iÓm nèi ®Çu To¹ ®é x, y cña ®iÓm nèi cuèi To¹ ®é cña tÊt c¶ giao ®iÓm Ngoµi ra trêng (field) bao gåm ®é dµi cña mét cung còng ®îc x¸c ®Þnh. §iÓm nèi cã ý nghÜa vÒ mÆt h×nh häc lµ nã thÓ hiÖn sù tiÕp nèi gi÷a hai yÕu tè m« h×nh cung - ®iÓm nèi (area-node), mét ®iÓm ®îc thÓ hiÖn b»ng mét yÕu tè ®êng 35 bÞ thiÕu hôt (degenerate) víi ®iÓm nèi ®Çu trïng lªn ®iÓm nèi cuèi vµ kh«ng cã ®iÓm giao c¾t ë gi÷a. Nh vËy, mét ®iÓm ®îc thÓ hiÖn b»ng mét ®iÓm nèi (node) v× ®iÓm nèi ®Çu vµ ®iÓm nèi cuèi lµ gièng nhau. §èi víi polygon nh ®· nªu ë trªn th× mçi polygon lµ bao gåm tËp hîp c¸c cung vµ ®iÓm nèi. §Ó x¸c ®Þnh mèi quan hÖ kh«ng gian cña polygon th× mäi ®iÓm giao c¾t ph¶i ®îc x¸c®Þnh b»ng mét ®iÓm nèi. u thÕ c¬ b¶n cña m« h×nh cung cÇu - ®iÓm nèi lµ lu«n cã thuéc tÝnh kh«ng gian vµ nh vËy møc ®é chÝnh x¸c sÏ rÊt cao, ®ång thêi dÔ x¸c ®Þnh ®îc mèi quan hÖ kh«ng gian cña c¸c yÕu tè. VÝ dô sù tiÕp gi¸p cña hai polygon hay pplygon nµy n»m trong polygon kia vµ c¸ch ®¬n gi¶n lµ xem ë b¶ng thèng kª c¸c cung mµ chóng ta t¹o nªn 2 polygon ®ã. Trong b¶ng thèng kª nÕu cã mét cung nµo ®ã lµ mét phÇn cña c¶ hai polygon th× 2 polygon ®ã lµ n»m liÒn kÒ nhau. PhÇn mÒm ERIS ARC/INFO lµ phÇn mÒm ®iÓn h×nh cã tæ chøc vector theo m« h×nh cung- ®iÓm nèi vµ nã tù ®éng tÝnh vµ thèng kª c¸c thuéc tÝnh cña cung, ®iÓm nèi, tõ ®ã dÔ dµng cho viÖc tÝnh to¸n vµ xö lý c¸c m« h×nh kh«ng gian. Trong ARC/INFO, cã hai d¹ng b¶ng thèng kªlµ b¶ng thèng kª thuéc tÝnh cña c¸c polygon (polygon attribute table - PAT) vµ b¶ng thèng kª thuéc tÝnh cña c¸c cung are attribute table – AAT. B¶ng 1. b¶ng thuéc tÝnh cña polygon PAT # - ID N0 Poly – ID Thuéc Perimeter Thuéc tÝnh tÝnh polygon Chu vi Area DiÖn tÝch 1 0 8418 4,506 2 104 8596 2,078 3 102 4296 1,144 4 101 2233 0,301 5 103 4325 0,983 B¶ng 2. B¶ng thèng kª thuéc tÝnh cña cung AAT # - ID Area- ID F-node T- node I- Poly. P P-Poly. P Length Thø tù Thuéc ®iÓm ®iÓm bªn tr¸i bªn ph¶i ®é dµi tÝnh cung ®Çu cuèi 1 38 3 1 2 1,1 51 2 33 4 3 5 1,0 40 3 35 4 1 3 2,1 50 36 4 37 2 2 4 2,2 33 5 36 1 5 2 4,1 20 6 39 5 3 2 1,0 93 7 34 4 5 1 2,1 93 Trªn b¶ng PAT, mäi tÝnh chÊt chi tiÕt cña polygon ®Òu ®îc tÝnh vµ thèng kª, c¸c chi tiÕt ®ã gäi lµ coverage. Polygon thø nhÊt (#-ID: 1)®îc gäi lµ polygone tæng hîp (universe polygone), nã thÓ hiÖn mét vïng tæng hîp tÊt c¶ c¸c polygon cã bªn trong vµ cã diÖn tÝch ®îc quy ®Þnh lµ ©m vµ cã gi¸ ttrÞ tuyÖt ®èi b»ng tæng diÖn tÝch cña c¸c polygon bªn trong. C¸c polygon tiÕp theo ®îc g¾n c¸c thuéc tÝnh vµ c¸c gi¸ trÞ: chu vi, diÖn tÝch mµ ®îc tÝnh tù ®éng khi c¸c tÝnh chÊt chi tiÕt ®îc thiÕt lËp. B¶ng AAT mçi cung ®îc x¸c ®Þnh bëi c¶ sè thø tù vµ thuéc tÝnh cña cung, thuéc tÝnh cña ®iÓm ®Çu, ®iÓm cuèi vµ thuéc tÝnh cña c¸c polygone ë bªn ph¶i, bªn tr¸i cña cung. Vµ c¸c polygon nµy còng chÝnh lµ c¸c polygone ë trong b¶ng PAT. VÝ dô: polygone sè 3 trong b¶ng AAT cã sè thø tù lµ 3 vµ thuéc tÝnh lµ 102 t0 b¶ng PAT. C¶ 3 yÕu tè quan träng cña vector vÒ tÝnh chÊt h×nh häc (topology) lµ tÝnh chÊt nèi tiÕp (adracency), tÝnh chÊt chøa ®ùng (containment) vµ tÝnh chÊt nèi (conectivity) lµ nh÷ng yÕu tè rÊt quan träng vµ lµ vÊn ®Ò cèt lâi cña m« h×nh cung ®iÓm nèi (are - node). C¸c yÕu tè nµy sÏ gióp ngêi ph©n tÝch x¸c ®Þnh râ ®îc tÝnh chÊt cña c¸c yÕu tè trong b¶n ®å. VÝ dô: ®Ó x¸c ®Þnh hai polygon cã tiÕp gi¸p nhau hay kh«ng, ngêi ph©n tÝch chØ cÇn xem c¸c cung x¸c ®Þnh nªn hai polygon ®ã, nÕu cã mét cung nµo cïng tÝnh chÊt th× nã chÝnh lµ vÞ trÝ tiÕp gi¸p cña hai polygon. Trong b¶ng TAB, hai polygon cã sè 102 vµ 103 ®îc tiÕp gi¸p nhau bëi cung sè 33 trong b¶ng AAT. §Ó x¸c ®Þnh tÝnh chÊt chøa ®ùng, c¸ch x¸c ®Þnh còng nh vËy. Muèn x¸c ®Þnh polygon A ®îc chøa bëi polygon B hay kh«ng th× tríc hÕt ph¶i x¸c ®Þnh c¸c cung t¹o nªn polygon A vµ thuéc tÝnh cña c¶ hai bªn c¸c cung, nÕu nh x¸c ®Þnh thÊy A lu«n ë mäi phÝa cña cung th× A nhÊt thiÕt ph¶i ®îc chøa trong B. VÝ dô cung sè 37 trong h×nh 3 x¸c ®Þnh nªn polygon sè 101, mét phÝa cña cung lu«n lµ polygon sè 104 th× nhÊt thiÕt polygon sè 101 ph¶i ®îc chøa trong polygon sè 104. Trong trêng hîp mét polygon lín chøa nhiÒu polygon nhá bªn trong còng x¸c ®Þnh mét c¸ch t¬ng tù. 37 TÝnh chÊt tiÕp nèi cña mét cung ®îc x¸c ®Þnh tõ thuéc tÝnh cña ®iÓm ®Çu (F) vµ ®iÓm cuèi (T) trong b¶ng AAT. Hai cung ®îc xem lµ nèi trùc tiÕp mét khi cã chung ®iÓm nèi. VÝ dô trong b¶ng, cung 33, 38 vµ 39 lµ cã chung mét ®iÓm nèi sè 3.F. Trong khi ®ã cung sè 37 lµ kh«ng ®îc nèi víi mét ®iÓm nµo c¶ v× nã chØ cã mét ®iÓm nèi riªng cña nã (sè 2) t¹o nªn polygon thø 4 cã thuéc tÝnh lµ 101. VÝ dô trªn lµ vÝ dô cho mét sù u ®iÓm cña m« h×nh cung - ®iÓm nèi, nã x¸c ®Þnh mèi liªn hÖ h×nh häc cña c¸c yÕu tè vµ ®iÒu rÊt quan träng trong xö lý kh«ng gian. MÆt kh¸c, vÞ trÝ (to¹ ®é x, y) cña mçi mét ®iÓm nèi, ®iÓm giao c¾t còng ®îc x¸c ®Þnh. c¸c thuéc tÝnh ®ã còng ®îc thèng kª râ rµng trong b¶ng PAT vµ AAT gióp cho ngêi ph©n tÝch dÔ dµng xö lý c¸c th«ng tin. Trong thùc tÕ, c¸c t liÖu kh«ng gian lµ rÊt phøc t¹p, m« h×nh are-node lµ c«ng cô h÷u hiÖu cho viÖc xö lý. HiÖn nay c¸c phÇn mÒm ERSI-ARC/INFO vµ INTERGRAPH ®îc x©y dùng theo m« h×nh nµy, Trong khi ®ã, phÇn mÒm MAP/ INFO kh«ng ®îc x©y dùng theo m« h×nh cung-®iÓm nªn giao diÖn gi÷a chóng kh«ng t¬ng thÝch. Tãm l¹i: néi dung phÇn nµy nh»m giíi thiÖu tËp trung vµo t liÖu kh«ng gian, ®ã lµ c¬ së cho viÖc xö lý HTT§L. C«ng viÖc thèng kª thuÇn tuý th× kh«ng cÇn ph¶i cã c¸c d÷ liÖu kh«ng gian, sù ph©n tÝch kh«ng gian th× l¹i rÊt cÊn c¸c th«ng sè ®ã, ®Æc biÖt lµ c¸c th«ng sè vÒ ®Þa lý vµ b¶n ®å. C¸c ®èi tîng kh«ng gian cã thÓ ®îc tr×nh bµy díi c¸c d¹ng khac nhau lµ ®êng, ®iÓm vµ polygon. C¸c yÕu tè c¬ b¶n cña chóng cÇn ®îc x¸c ®Þnh ®ã lµ vÞ trÝ, thuéc tÝnh vµ tÝnh chÊt h×nh häc. ViÖc tæ chøc c¸c yÕu tè nµy ë hai d¹ng cÊu tróc Raster vµ polygon lµ kh¸c nhau. Nh×n chung vÞ trÝ vµ thuéc tÝnh th× ®îc tæ chøc t¬ng ®èi gièng nhau trongc¶ hai d¹ng cÊu tróc d÷ liÖu, song tÝnh chÊt kh«ng gian th× hÕt søc kh¸c nhau. Trong xö lý kh«ng gian, c¸c th«ng tin quan träng nhÊt vÒ h×nh häc vµ tÝnh chÊt tiÕp gi¸p, chøa ®ùng vµ nèi tiÕp, cÊu tróc Raster cã h¹n chÕ c¬ b¶n lµ kh«ng thÓ hiÖn ®îc mèi quan hÖ kh«ng gian. Thay vµo ®ã, cÊu tróc Vector vµ ®Æc biÖt lµ cÊu tróc cung- ®iÓm nèi cã u ®iÓm lµ cung cÊp ®Çy ®ñ c¸c th«ng tin thuéc tÝnh cña ®iÓm, ®êng vµ vïng nªn nã gióp cho viÖc xö lý kh«ng gian ®îc râ rµng vµ hiÖu qu¶. II.7.M« h×nh m¹ng (network model) Trong m« h×nh m¹ng , c¸c cung trë thµnh m¹ng ®îc thÓ hiÖn trong m¹ng giao th«ng (®êng s¾t, ®êng bé, ®êng kh«ng), m¹ng líi ®iÖn , m¹ng th«ng tin , m¹ng 38 èng gas, èng níc. C¸c ®iÓm nèi trë thµnh c¸c ®iÓm nèi, ®iÓm dõng hoÆc ®iÓm gi÷a cña m¹ng gièng nh hÖ thèng ch¹c 3 hoÆc hÖ thèng van mét cæng dÉn. C¸c ®iÓm ®ã lµ n¬i ®Ó dõng hoÆc tiªp nhËn c¸c ®èi tîng hoÆc ®a ra c¸c ®èi tîng cÇn lu th«ng , t¬ng tù c¸c ®iÓm dõng xe, bÕn ®æ, n¬i chuyÓn t¶i.. Trung t©m cña m¹ng lµ n¬i chuyÓn t¶i nguån cung cÊp hoÆc lµ n¬i cã nh÷ng ho¹t ®éng cã tÝnh chÊt cung øng cho m¹ng nh: siªu thÞ, bÖnh viÖn, s©n bay, trêng häc… ë qui m« lín h¬n trung t©m cã thÓ lµ c¶ mét thµnh phè cung cÊp , chuyÓn t¶i cho c¶ mét vïng réng lín. Nh vËy ®iÓm liªn hÖ trong m¹ng lµ nh÷ng ®Çu mèi vµ c¸c ®êng dÉn vµ mèi liªn hÖ ®ã cã híng nhÊt ®Þnh theo c¸c ®iÓm quay - ®æi chiÒu. Tãm l¹i nh÷ng tÝnh chÊt nh ®êng nèi , ®iÓm nèi , c¸c ®iÓm dõng , c¸c trung t©m vµ c¸c ®iÓm quay lµ nh÷ng th«ng tin thuéc tÝnh cña m« h×nh m¹ng c¬ së d÷ liÖu vector. Cßn mét tÝnh chÊt kh¸c cña m¹ng lµ sù c¶n trë (t¬ng tù ®iÖn trë cña m¹ch ®iÖn). Sù c¶n trë bëi khèi lîng th«ng tin ®îc truyÒn vµ thêi gian truyÒn t¶i. Sù c¶n trë cã liªn quan ®Õn nhiÒu yÕu tè cña m¹ng, ®ång thêi cã liªn quan ®Õn c¶ n¨ng lîng truyÒn. Trong m¹ng cña HTTDL víi d÷ liÖu vector , nh÷ng yÕu tè quan träng ¶nh hëng ®Õn sù liªn kÕt trong m¹ng ®ã lµ yÕu tè h×nh häc vµ sù nèi tiÐp. Ngoµi ra c¸c thuéc tÝnh kh¸c cña ®èi tîng còng ph¶i ®îc bè trÝ hîp lý cho tõng m¹ng. II.8.ChuyÓn ®æi khu«n d¹ng d÷ liÖu Trong xö lý HTT§L, ngoµi viÖc chuyÓn ®æi khu«n d¹ng d÷ liÖu (format) víi c¸c phÇn mÒm kh¸c th× mét trong nh÷ng chøc n¨ng quan träng cÇn thiÕt lµ chuyÓn ®æi tõ vector sang Raster vµ ngîc l¹i. Chøc n¨ng nµy cho phÐp sö dông mét c¸ch linh ho¹t nh÷ng líp th«ng tin cã s½n trong CSDL hoÆc c¸c líp th«ng tin míi t¹o nªn ®Ó ®a vµo xö lý nhanh chãng trong hÖ thèng. ChuyÓn ®æi d÷ liÖu thanhf Raster (Raster ho¸) (Rasterisation hay Rasterising) lµ qu¸ tr×nh chuyÓn ®æi d÷ liÖu tõ c¬ së pixel sang d¹ng vector. C«ng viÖc nµy rÊt cÇn thiÕt cho nhiÒu môc ®Ých, Khi mµ c¸c ®êng contour cña vector cÇn thiÕt ®îc xö lý phèi hîp víi tµi liÖu Raster. §Ó Raster ho¸ cÇn thiÕt ph¶i t¹o líi víi ®é ph©n gi¶i (kÝch thíc pixel) thÝch hîp lªn toµn bé b¶n ®å vµ tÝnh gia trÞ pixel b»ng viÖc lùa chän c¸c vïng mÉu t¹i n¬i giao nhau cña c¸c ®êng vector hoÆc n¬i tiÕp gi¸p cña c¸c polygon, tõ ®ã g¾n gi¸ trÞ c¸c pixel t¹i n¬i tiÕp gi¸p, sao cho nã ph©n biÖt h¼n víi c¸c pixel ë xung quanh. NÕu vector ho¸ víi ®é ph©n gi¶i thÊp th× sÏ lµm gi¶m ®é chÝnh x¸c cña b¶n ®å ®«i khi lµm rèi c¸c ®êng contour. 39 Nguyªn nh©n cña viÖc lµm rèi, sai lÖch c¸c ®êng lµ do lùa chän ®é ph©n gi¶i kh«ng thÝch hîp hoÆc chän vïng mÉu cña líi cha ®óng vÞ trÝ. Tuy nhiªn, trong thùc tÕ ¸p dông c¸c chøc n¨ng nµy ®· cã s½n trong c¸c phÇn mÒm nªn khi ¸p dông ngêi sö dông Ýt ph¶i can thiÖp vµ khi cÇn thiÕt th× thao t¸c; quan träng lµ x¸c ®Þnh ®é ph©n gi¶i vµ vÞ trÝ c¸c « líi. ChuyÓn d÷ liÖu Raster thµnh vector (vector ho¸) cã nhiÒu ph¬ng ph¸p vector ho¸. C«ng viÖc nµy chØ thùc hiÖn mét khi tµi liÖu gèc cã ë d¹ng Raster (vÝ dô nh ¶nh vÖ tinh hoÆc c¸c b¶n ®å néi suy) trong qu¸ tr×nh ph©n tÝch l¹i ®ßi hái ë d¹ng vector. Vector ho¸ chØ thùc hiÖn ®îc mét khi chiÒu réng cña d¶i pixel ®îc x¸c ®Þnh vµ cã ®êng nèi gi÷a c¸c pixel ®ã víi nhau. Vector ho¸ lµ mét qu¸ tr×nh xö lý tØ mØ, nã ®ßi hái ph¶i cã sù xem xÐt vµ ®iÒu khiÓn qu¸ tr×nh xö lý, ®Æc biÖt lµ ë nh÷ng chæ tiÕp nèi. Trong qu¸ tr×nh hai viÖc ph¶i lµm lµ: tÈy s¹ch r×a cña c¸c ®èi tîng cã chøc n¨ng t¹o nªn ®êng biªn giíi. KÕt qu¶ lµ c¸c ®èi tîng nµy tr«ng s¾c nÐt d¹ng r¨ng ca vu«ng. Qu¸ tr×nh tÈy röa ®îc thùc hiÖn theo chiÒu kim ®ång hå. Qu¸ tr×nh tÈy còng cho phÐp bæ sung c¸c to¹ ®é cña c¸c pixel mét c¸ch râ rµng ®Ó phôc vô cho viÖc ®Þnh vÞ c¸c ®êng vector ®îc lËp. H×nh 8. chuyÓn ®æi Raster vµ vÐct¬ Nèi c¸c pixel b»ng ®êng ch¹y qua chóng. §©y lµ qu¸ tr×nh xö lý ®¬n gi¶n gièng nh viÖc sè ho¸. Qu¸ tr×nh nµy ®îc thùc hiÖn lÇn lît, khi gÆp vÞ trÝ cã sù chuyÓn thµnh nhiÒu híng th× ®ã lµ c¸c ®iÓm. Qu¸ tr×nh nµy cã sù can thiÖp cña ngêi ®iÒu hµnh th× kÕt qu¶ sÏ tèt h¬n. Còng cÇn lu ý r»ng chøc n¨ng vector ho¸ chØ nªn ¸p dông mét khi cÇn thiÕt. 40 Tãm l¹i, nh÷ng phÇn trªn nµy ®· tËp trung giíi thiÖu ®Ó cung cÊp mét c¸ch nh×n râ rµng vÒ vÊn ®Ò c¬ së d÷ liÖu h×nh thµnh trong m¸y tÝnh. Chóng ta còng ®· nªu kh¸i qu¸t nh÷ng ®Æc ®iÓm cña hai d¹ng d÷ liÖu c¬ b¶n lµ Raster vµ vector, ®ång thêi còng giíi thiÖu vÒ hai kh¸i niÖm quan träng kh¸c cña HTT§L lµ m¹ng vµ c¸c bÒ mÆt. II.9. NÐn d÷ liÖu Do d÷ liÖu Raster thêng chiÕm khèi lîng lín nªn cÇn thiÕt ph¶i cã c¸c ph¬ng ph¸p nÐn d÷ liÖu .Cã mét sè kh¸i niÖm nÐn sè liÖu phæ biÕn nh sau - M· ho¸ ch¹y theo dßng ( run lengh code) - M· ho¸ theo chuçi m¾t xÝch ( chain codes) - M· ho¸ theo khèi ( bloch codes ) - M· ho¸ theo c¸ch chia thµnh 4 « nhá (quadtrees ) NÕu so s¸nh th× ®é chÝnh x¸c cña d÷ liÖu vector cao h¬n Raster. Tuy nhiªn dï sao kh¸i niÖm ®é chÝnh x¸c cña c¸c ®èi tîng trong HTT§L vÉn chØ lµ t¬ng ®èi. Trong qu¸ tr×nh xö lý theo m« h×nh kh«ng gian th× sù phèi hîp gi÷a hai d¹ng t liÖu lµ ®iÒu cÇn thiÕt vµ lµ tÊt nhiªn Tãm t¾t chung 41 PhÇn nµy ®· tËp trung giíi thiÖu ®Ó cung cÊp mét c¸ch nh×n râ rµng vÒ vÊn ®Ò c¬ së d÷ liÖu h×nh thµnh trong m¸y tÝnh. Trong ®ã, ®· nªu kh¸i qu¸t nh÷ng ®Æc ®iÓm cña hai d¹ng d÷ liÖu c¬ b¶n lµ Raster vµ vector .Do d÷ liÖu Raster thêng chiÕm khèi lîng lín nªn cÇn thiÕt ph¶i cã c¸c ph¬ng ph¸p nÐn d÷ liÖu NÕu so s¸nh th× ®é chÝnh x¸c cña d÷ liÖu vector cao h¬n Raster, tuy nhiªn dï sao kh¸i niÖm ®é chÝnh x¸c cña c¸c ®èi tîng trong HTTDL vÉn chØ lµ t¬ng ®èi. Trong qu¸ tr×nh xö lý theo m« h×nh kh«ng gian th× sù phèi hîp gi÷a hai d¹ng t liÖu lµ ®iÒu cÇn thiÕt vµ lµ tÊt nhiªn.Th«ng thêng , c¸c m« h×nh xö lý t liÖu thêng lµ kh«ng gian hai chiÒu hoÆc 3 chiÒu. Trong t¬ng lai, ®Ó theo dái diÔn biÕn cña c¸c ®èi tîng th× ph¶i xö lý theo ®a thêi gian vµ dù b¸o - ®ã lµ kh¸i niÖm vÒ chiÒu kh«ng gian thø 4 cña m« h×nh xö lý HTTDL. III.tÝnh chÊt ®Þnh lîng cña ph©n tÝch kh«ng gian Ba yÕu tè cña th«ng tin kh«ng gian lµ: vÞ trÝ, thuéc tÝnh vµ tÝnh chÊt h×nh häc cã nh÷ng vai trß kh¸c nhau trong ph©n tÝch kh«ng gian. Th«ng thêng, nh÷ng nghiªn cøu ®Çu tiªn lµ tËp trung vµo c¸c thuéc tÝnh cña d÷ liÖu. VÒ sau, híng cÇn nghiªn cøu lµ thiÕt lËp m« h×nh ®Ó gi¶i thÝch sù ph©n bè cña c¸c hiÖn tîng hoÆc c¸c yÕu tè tù nhiªn trong mèi quan hÖ kh«ng gian nghÜa lµ ph¶i x¸c ®Þnh mèi quan hÖ vÒ vÞ trÝ vµ thuéc tÝnh cña chóng. Mçi mét yÕu tè kh«ng gian ®Òu chiÕm mét vÞ trÝ nhÊt ®Þnh trªn bÒ mÆt tr¸i ®Çt. V× vËy muèn thÓ hiÖn mét ®èi tîng nµo ®ã lªn b¶n ®å, nhÊt thiÕt ph¶i ®îc ®Æt trong mét hÖ thèng to¹ ®é qui ®Þnh. §é chÝnh x¸c cña vÞ trÝ tuú thuéc vµo hÖ thèng to¹ ®é sö dông vµ ph¬ng thøc tæ chøc cña c¸c ®èi tîng lªn b¶n ®å. Bªn canh ®ã, viÖc xö lý kh«ng gian thêng cã tham kh¶o, sö dông nhiÒu nguån t liÖu víi c¸c hÖ thèng to¹ ®é kh¸c nhau, v× vËy ®é chÝnh x¸c cña xö lý cßn tuú thuéc vµo kh¶ n¨ng chuyÓn ®æi gi÷a c¸c hÖ thèng to¹ ®é ®ã. Mét sè yªu cÇu c¬ b¶n vÒ ®Þnh lîng cña viÖc ph©n tÝch kh«ng gian HÖ thèng to¹ ®é sö dông ph¶i tiÖn lîi cho qu¸ tr×nh tæ chøc d÷ liÖu vµ xö lý HTT§L. Khi xö lý nhiÒu nguån d÷ liÖu víi c¸c hÖ to¹ ®é kh¸c nhau th× hÖ thèng phÇn mÒm ph¶i cã kh¶ n¨ng chuyÓn ®æi to¹ ®é mét c¸ch ®a d¹ng. V× HTT§L thêng sö dông nhiÒu nguån t liÖu ë c¸c hÖ thèng to¹ ®é kh¸c nhau, phÇn mÒm ph¶i cã kh¶ n¨ng thiÕt lËp vµ chuyÓn ®æi to¹ ®é vµo hÖ thèng thêng ®îc sö dông. HTT§L ph¶i cho phÐp nh÷ng ngêi sö dông kh¸c nhau cã thÓ chuyÓn ®æi to¹ ®é cña d÷ liÖu nguån vÒ mét hÖ thèng to¹ ®é chuyªn ®Ó ®îc sö dông víi tõng chuyªn ngµnh, khi ®ã ph¶i cã c¸c hµm to¸n chuyÓn ®æi täa ®é. 42 ViÖc ®o ®¹c vÞ trÝ lµ bíc ®Çu tiªn cña xö lý kh«ng gian vµ ®iÒu cèt yÕu lµ ph¶i thÓ hiÖn ®îc vÞ trÝ cña bÊt kú mét ®èi tîng nµo trong hÖ thèng to¹ ®é sö dông sö dông x¸c ®Þnh hÖ thèng täa ®é lµ hÕt søc quan träng v× nã gióp cho viÖc x¸c ®Þnh tÝnh chÊt vµ c¸c thuéc tÝnh vÒ vÞ trÝ cña d÷ liÖu. Mét trong nh÷ng hÖ thèng to¹ ®é rÊt quan träng cho viÖc xö lý kh«ng gian còng nh cho viÖc vÏ b¶n ®å lµ to¹ ®é líi (grid system) vµ hÖ thèng nµy ®îc chÊp nhËn mét c¸ch réng r·i vµ cã gi¸ trÞ tham kh¶o cho toµn bé c¸c hÖ to¹ ®é kh¸c. Ngoµi ra cßn sö dông hÖ to¹ dé UTM (Universal Transverse Mercator projection). III.1.hÖ thèng cña to¹ ®é líi-hay täa ®é ®Þa lý III.1.1. To¹ ®é ®Þa lý Trong hÖ thèng to¹ ®é líi, vÞ trÝ cña mét n¬i trªn bÒ mÆt tr¸i ®Êt ®îc x¸c ®Þnh vµo kho¶ng c¸ch ®Õn xÝch ®¹o vµ ®êng kinh tuyÕn chÝnh. Ph¬ng B¾c ®Þa lý (cùc B¾c) ®îc x¸c ®Þnh lµ ®iÓm cuèi phÝa B¾c cña trôc quay tr¸i ®Êt vµ t¬ng tù nh vËy ®iÓm Nam lµ ®iÓm cuèi trôc quay tr¸i ®Êt. XÝch ®¹o lµ n¬i tËp hîp c¸c ®iÓm t¹o nªn. lµ c¬ së ®Ó ®o vÞ trÝ cña c¸c ®iÓm ë hai híng §«ng vµ T©y. Nöa b¸n cÇu phÝa ®«ng cña kinh tuyÕn chÝnh, cßn phÇn T©y b¸n cÇu lµ ë phÝa T©y. Kinh ®é cña mét ®iÓm bÊt kú ®îc ®o bëi kho¶ng c¸ch gãc gi÷a xÝch ®¹o vµ ®iÓm thø hai t¬ng øng cã cïng vÜ ®é vµ n»m ë kinh tuyÕn chÝnh. C ù c B ¾ c (N ) 1 80 0 60 (N ) 0 1 35 60 0 0 §«ng 1 35 X Ýc h ® ¹o 70 70 0 0 0 T ©y C ù c N am ( S) 0 0 K in h tu y Õ n c h Ýn h H×nh 9. c¸c ®êng kinh tuyÕn, vÜ tuyÕn trong hÖ to¹ ®é líi ViÖc x¸c ®Þnh híng §«ng hay T©y tuú thuéc vµo vÞ trÝ ®iÓm n»m ë b¸n cÇu nµo. V× kinh ®é vµ vÜ ®é ®îc x¸c ®Þnh trªn c¬ së cña hÖ thèng líi vµ viÖc ®o ®¹c ®îc thùc hiÖn trªn h×nh cÇu thay v× ®o trªn mÆt ph¼ng. Nh vËy, mçi mét « ®îc x¸c ®Þnh bái mét cÆp kinh tuyÕn vµ mét cÆp vÜ tuyÕn víi mét bÒ mÆt cong. To¹ ®é dùa trªn kinh ®é vµ vÜ ®é ph¶i ®îc chuyÓn ®æi vÒ mét líi chiÕu b¶n ®å. Tãm l¹i líi ®Þa lý lµ líi ®îc chiÒu tõ d¹ng mÆt cÇu lªn mét mÆt ph¼ng ®Ó t¹o lËp nªn b¶n ®å. Díi d©y lµ hai mèi liªn hÖ quan träng vÒ mèi quan hÖ kh«ng gian cña kinh ®é vµ vÜ ®é. 43 Kho¶ng c¸ch 1o cña vÜ ®é ®îc xem lµ h»ng sè mÆc dï trong thùc tÕ kho¶ng c¸ch ®ã lµ kh¸c nhau tuú thuéc vµo vÜ ®é. Trong khi ®ã kho¶ng c¸ch 1 o cña kinh ®é lµ kh¸c nhau khi ë c¸c vÜ tuyÕn kh¸c nhau. Kho¶ng c¸ch 1o kinh ®é lµ kh¸c nhau so víi kho¶ng c¸ch 1o vÜ ®é vµ kh¸c nhau gi÷a hai ®iÓm n»m c¸ch nhau mÆc dï ë trªn cïng kinh tuyÕn. Do cã sù kh«ng nhÊt qu¸n trong viÖc ®ã gi÷a kinh ®é vµ vÜ ®é mµ viÖc ®o kho¶ng c¸ch dùa theo kinh ®é vµ vÜ ®é kh«ng ¸p dông chung ®îc trong xö lý kh«ng gian. HÖ thèng líi ®Þa lý thêng ®îc dïng ®Ó tham kh¶o chung vÒ vÜ trÝ trªn bÒ mÆt tr¸i ®Êi: v× hÖ thèng nµy x¸c ®Þnh vÝ trÝ trªn bÒ mÆt cÇu h¬n lµ trªn bÒ mÆt ph¼ng vµ mét ®Æc ®iÓm chÝnh cña hÖ thèng lµ sù kh¸c biÖt víi viÖc thÓ hiÓn mét vÞ trÝ víi hai chiÒu. Do ®ã trong viÖc ¸p dông chÝnh x¸c th× vÞ trÝ ph¶i ®îc chuyÓn ®æi vÒ hÖ thèng to¹ ®é ph¼ng hai chiÒu. Ba vÊn ®Ò quan träng trong viÖc thÓ hiÖn mét hÖ thèng to¹ ®é lµ x¸c ®Þnh híng b¶n ®å, tØ lÖ b¶n ®å vµ líi chiÕu b¶n ®å. III.1.2.§Þnh híng b¶n ®å Khi ®· x¸c ®Þnh hÖ thèng to¹ ®é, c«ng viÖc ®Çu tiªn lµ ®Þnh híng b¶n ®å. Th«ng thêng chØ thÞ ®Þnh híng cho b¶n ®å lµ mòi tªn chØ híng b¾c. §èi víi b¶n ®å ®Þa chÊt cña Mü, th«ng thêng cã 3 híng B¾c. Híng B¾c thùc (®óng), híng B¾c t tëng vµ híng B¾c cña líi. Híng B¾c thùc lµ chØ ®óng vÒ híng cùc B¾c cña Tr¸i ®Êt. Híng B¾c t tëng lµ x¸c ®Þnh theo kim cña nam ch©m. Híng B¾c cña líi lµ ®êng th¼ng ®øng chØ tíi ®iÓm cuèi cïng cña líi chiÕu « (Grid). Th«ng thêng, trôc th¼ng ®øng cña mét hÖ thèng to¹ ®é chÝnh lµ cïng víi híng B¾c cña líi. V× vËy, híng B¾c cña líi cã thÓ kh¸c nhau t¹i tõng phÇn cña Tr¸i ®Êt, nªn ®èi víi mét hÖ to¹ ®é kh¸c th× cÇn hiÓu r»ng ®ã chØ lµ híng B¾c cña hÖ to¹ ®é mµ th«i. TØ lÖ b¶n ®å: tØ lÖ b¶n ®å ®îc x¸c ®Þnh b»ng tØ sè gi÷a mét ®¬n vÞ ®é dµi trªn b¶n ®å víi kho¶ng c¸ch thùc, t¬ng øng trªn thùc tÕ b¶n ®å cã thÓ x¸c ®Þnh theo 3 c¸ch: b»ng líi thuyÕt minh, b»ng to¸n häc hoÆc b»ng biÓu ®å. • X¸c ®Þnh b»ng lêi ,vÝ dô : 1 cm b¶n ®å t¬ng øng víi 1000m thùc tÕ hay 1 cm = 1000m • ThÓ hiÖn b»ng to¸n häc vÝ dô : tØ lÖ 1: 100 000 hay 1/100 000 nghÜa lµ 1 cm b¶n ®å t¬ng øng víi 100 000 cm ngoµi thùc ®Þa hay 1000 m • ThÓ hiÖn b»ng ®å thÞ: ®å thÞ ®îc biÓu thÞ b»ng mét ®o¹n ng¾n víi mét gi¸ trÞ lín, trong ®ã ta chia nhá thµnh tõng ®o¹n ng¾n víi ch÷ sè bªn díi. Mét b¶n ®å tØ lÖ lín tuú chiÕm mét diÖn tÝch nhá trong thùc tÕ song møc ®é chi tiÕt sÏ l¹i cao 44 h¬n so víi b¶n ®å tØ lÖ nhá, nªn khi x©y dùng thíc tØ lÖ ë b¶n ®å tØ lÖ ph¶i lín h¬n so víi b¶n ®å tØ lÖ nhá ®Ó thÓ hiÖn ®îc nhiÒu chi tiÕt h¬n. Mét sè ®iÓm chó ý • Trong xö lý kh«ng gian, ba c¸ch thÓ hiÖn nãi trªn vÒ tØ lÖ b¶n ®å lµ rÊt quan träng. • TØ lÖ b¶n ®å x¸c ®Þnh møc ®é chÝnh x¸c vÒ vÞ trÝ cña t liÖu. Møc ®é chÝnh x¸c ®ã liªn quan ®Õn mét lo¹t yÕu tè kh¸c nh: ®é chÝnh x¸c cña phÇn cøng cña m¸y tÝnh hay ®é ph©n gi¶i cña c¸c thiÕt bÞ nhËp vµ xuÊt d÷ liÖu (nghÜa lµ ®é ph©n gi¶i cña bµn sè vµ m¸y in), ®é chÝnh x¸c cña b¶n ®å nguån, thiÕt kÕ cña c¬ s¬ d÷ liÖu, ®é ph©n gi¶i cña phÇn mÒm (nghÜa lµ sù x¸c ®Þnh vÒ sai kh¸c trong kh¸i niÖm, sè nguyªn hay ®iÓm thÞ sai (floating point) hoÆc møc ®é chÝnh x¸c cña ®iÓm thÞ sai lµ bËc 1 vµ 2. Cùc B¾c K in h tu y Õ n X Ýc h ® ¹ o V Ü tu y Õ n Cùc Nam H×nh 10. C¸c yÕu tè chÝnh cña tr¸i ®Êt VÜ tuyÕn lµ nh÷ng vïng trßn bÊt kú trªn bÒ mÆt tr¸i ®Êt vµ song song víi xÝch ®¹o. Nh vËy sè lîng vÜ tuyÕn lµ v« cïng mµ mçi ®iÓm trªn mÆt ®Êt ®Òu r¬i chÝnh x¸c vµo mét ®iÓm ®ã. Kinh tuyÕn lµ mét vïng trßn tëng tîng trªn bÒ mÆt tr¸i ®Êt vµ chia ®«i qu¶ ®Êt thµnh hai phÇn b»ng nhau vµ nã ch¹y qua c¶ cùc B¾c vµ cùc Nam cña Tr¸i ®Êt. Nh vËy sè lîng kinh tuyÕn lµ v« cïng nhiÒu. Kinh tuyÕn vµ vÜ tuyÕn lu«n vu«ng gãc víi nhau vµ gãc giao cña chóng lu«n lµ 90 o. Kinh tuyÕn chÝnh ®îc quy ®Þnh mét c¸ch ngÉu nhiªn lµ kinh tuyÕn ®i qua ®µi quan tr¾c thiªn v¨n Greenwich ë Anh. XÝch ®¹o ®îc sö dông nh mét ®êng vÜ tuyÕn c¬ së ®Ó x¸c ®Þnh hai híng B¾c vµ Nam vµ nã cã gi¸ trÞ lµ 0 o. VÜ ®é cña mét ®iÓm bÊt kú ®îc ®o b»ng kho¶ng c¸ch gãc (angular distance) gi÷a ®iÓm ®ã vµ xÝch ®¹o vµ nã x¸c ®Þnh cho mét gãc gi÷a ®êng th¼ng nèi tõ ®iÓm ®ã tíi t©m Tr¸i ®Êt vµ ®êng th¼ng tõ t©m Tr¸i ®Êt ®Õn mét ®iÓm cã cïng kinh ®é vµ n¨m trªn ®êng xÝch ®¹o. Nh vËy mét ®iÓm n»m trªn b¸n 45 cÇu phÝa B¾c mµ cã vÜ ®é lµ 90 0 th× chÝnh lµ ®iÓm cùc B¾c. T¬ng tù nh vËy ë Nam b¸n cÇu lµ ®iÓm cùc Nam cña Tr¸i ®Êt. Kinh tuyÕn cã gi¸ trÞ 0 ®îc sö dông vµ nh÷ng vÊn ®Ò kh¸c. TÊt c¶ sÏ trë nªn b»ng nhau khi mµ ®é chÝnh x¸c vÒ t liÖu vÞ trÝ lµ mét hµm cña tØ lÖ b¶n ®å. Nh×n chung, c¸c b¶n ®å tØ lÖ lín h¬n thêng cã ®é chÝnh x¸c lín h¬n. TØ lÖn b¶n ®å ¶nh hëng tíi sù ®o ®¹c cña viÖc thèng kª kh«ng gian do ®ã ph¶i ph©n tÝch kü c¸c kÕt qu¶ thèng kª. MÆc dï tØ lÖ b¶n ®å thÓ hiÖn cho mét b¶n ®å tiªu chuÈn, song trong thùc tÕ th× tØ lÖ b¶n ®å l¹i kh¸c nhau tuú thuéc vµo vÞ trÝ cña nã á trong líi chiÕu. VÝ dô kho¶ng c¸ch cña hai ®iÓm ë gÇn cùc th× kh¸c víi kho¶ng c¸ch cña hai ®iÓm ®ã nÕu nã thuéc vÒ vÜ ®é cao h¬n mÆc dï trong b¶n ®å th× kho¶ng c¸ch ®ã ®îc thÓ hiÖn gÇn b»ng nhau. Sù sai lÖch ®ã sÏ ¶nh hëng nhiÒu khi thùc hiÖn ë b¶n ®å tØ lÖ lín, do vËy kh«ng thÓ sö dông nh÷ng dÊu hiÖu ph©n tÝch ë b¶n ®å nhá ¸p dông cho b¶n ®å tØ lÖ lín, do vËy kh«ng thÓ sö dông nhng dÊu hiÖu ph©n tÝch ë b¶n ®å nhá ¸p dông cho b¶n ®å tØ lÖ lín. Trong thùc tÕ, ®Ó ph©n tÝch kh«ng gian cho nghiªn cøu ®Þa h×nh ë tØ lÖ nhá víi mét vïng réng lín th× nh÷ng sai lÖch cña viÖc ®o ®¹c cã thÓ rÊt lín vµ cÇn ph¶i ®îc c©n nh¾c khi xö lý III.1.3.C¸c líi chiÕu b¶n ®å C¸c ph©n tÝch kh«ng gian yªu cÇu cã sù chuyÓn ®æi c¸c ®Æc ®iÓm trªn bÒ mÆt cÇu cña Tr¸i ®Êt thµnh hÖ thèng to¹ ®é hai chiÒu. PhÐp chiÕu b¶n ®å cung cÊp kh¶ n¨ng chuyÓn t liÖu vÞ trÝ tõ mÆt cÇu sang bÒ mÆt ph¸t triÓn. Developed Surface vµ mét bÒ mÆt ph¸t triÓn ®ã cã thÓ ®îc tr×nh bµy thµnh mét bÒ mÆt ph¼ng hoµn toµn. MÆc dï nÒu mÆt cÇu ®îc chia thµnh rÊt nhiÒu mÈu nhá th× mçi m¶nh vÉn cßn lu gi÷ ®îc phÇn cong cña mÆt cÇu nguyªn thuû. Do ®ã, nhiÖm vô cña b¶n ®å häc lµ chuyÓn ®æi mét c¸ch hÖ thèng tµi liÖu vÞ trÝ tõ mÆt cÇu sµng bÒ mÆt ph¸t triÓn. RÊt nhiÒu líi chiÕu b¶n ®å cã kh¶ n¨ng ®ã, nhng tÊt c¶ ®Òu bÞ sai lÖch ë mét trong c¸c yÕu tè: h×nh d¹ng, diÖn tÝch, kho¶ng c¸ch vµ híng. Mét líi chiÕu b¶n ®å tèi u ®èi víi mét phÐp chiÕu nµo ®ã th× phô thuéc vµo viÖc cã ®é chÝnh x¸c cÇn thiÕt vµ kÝch thíc cña vïng nghiªn cøu (b¶n ®å). Ngoµi ra cßn mét sè yÕu tè kh¸c. Mçi líi chiÕu cã mét qu¸ tr×nh chuyÓn ®æi riªng vµ cã nh÷ng ®Æc ®iÓm riªng. Cã 4 ph¬ng ph¸p chiÕu c¬ b¶n lµ chiÕu theo ph¬ng vÞ (azimuthal), chiÕu h×nh trô (cylindrical), chiÕu h×nh nãn vµ chiÕu h×nh trô gi¶ (Psedu-cylindrical). 46 • Líi chiÕu ph¬ng vÞ: cã ®Æc ®iÓm lµ sö dông mét nguèn s¸ng tõ trung t©m h×nh cÇu chiÕu vµo c¸c ®êng kinh vÜ tuyÕn th× h×nh chiÕu cña kinh vÜ tuyÕn lªn mÆt ph¼ng n»m ngang vu«ng gãc sÏ lµ líi chiÕu ph¬ng vÞ th«ng thêng, h×nh chiÕu ®ã lµ nh÷ng vßng trßn ®ågn t©m vµ c¸c ®êng kÝnh giao nhau t¹i t©m, nguån s¸ng cã thÓ lµ kh¸c nhau t¹o nªn c¸c líi kh¸c nhau vµ nÕu kho¶ng c¸ch nguån s¸ng lµ xa v« cùc th× líi chiÕu B¾c b¸n cÇu vµ Nam b¸n cÇu lªn bÒ mÆt tiÕp tuyÕn lµ trïng nhau, khÝ ®ã gäi lµ "líi chiÕu ph¬ng vÞ tËp thÓ" (Stereo graphic Projection). H×nh 11. Líi chiÕu ph¬ng vÞ • HÖ chiÕu h×nh l¨ng trô: lµ líi chiÕu ®Ó chuyÓn c¸c ®êng kinh vÜ tuyÕn tõ mÆt cÇu lªn bÒ mÆt mét h×nh trô ®øng, h×nh trô nµy phñ lªn h×nh cÇu víi vïng trßn tiÕp tuyÕn hoÆc c¾t qua h×nh cÇu bëi nh÷ng vßng trßn ®ång t©m. Khi ph¸t triÓn bÒ mÆt h×nh trô nµy thµnh mÆt ph¼ng th× t¹o nªn mét hÖ to¹ ®é cã 2 kÝch th íc, khÝ ®ã bÒ mÆt h×nh trô chuyÓn thµnh h×nh ch÷ nh©t. H×nh 12.Líi chiÕu h×nh trô triÓn khai thµnh mÆt ph¼ng víi c¸c « h×nh ch÷ nhËt • HÖ chiÕu h×nh nãn lµ hÖ chiÕu che phñ lªn h×nh cÇu hoÆc c¾t qua nã bëi mét h×nh th¸p nãn chuyÓn thµnh d¹ng h×nh nãn côt (h×nh 13). 47 H×nh 13. TriÓn khai cña líi chiÕu h×nh trô HÖ líi chiÕu UTM (Universal Transverse Mecator) cña Mü lµ sö dông hÖ líi chiÕu h×nh nãn. Ngoµi ra cßn mét hÖ líi chiÕu kh¸c gäi lµ hÖ chiÕu gi¶ h×nh trô, nã kh«ng thËt sù líi chiÕu h×nh l¨ng trô nhng cã c¬ së to¸n häc t¬ng tù nh hÖ chiÕu h×nh l¨ng trô. Tãm l¹i: C¸c hÖ chiÕu b¶n ®å cã 3 thuéc tÝnh kh«ng gian c¬ b¶n lµ: b»ng nhau vÒ diÖn tÝch vïng chiÕu, sù nhÊt qu¸n vÒ líi chiÕu vµ c¸c thuéc tÝnh kh¸c nh gãc, h×nh d¹ng vµ mèi quan hÖ cña c¸c yÕu tè lµ æn ®Þnh. DiÖn tÝch vµ quan hÖ gãc lµ nh÷ng thuéc tÝnh rÊt quan träng cña b¶n ®å. Song mét líi chiÕu th× kh«ng ®¶m b¶o ®îc c¶ hai tÝnh chÊt ®ã. NghÜa lµ mét h×nh chiÕu cã cïng diÖn tÝch th× lu«n cã quan hÖ kh¸c nhau vÒ gãc gi÷a c¸c ®èi tîng vµ ngîc l¹i nÕu quan hÖ vÒ gãc gièng nhau th× diÖn tÝch l¹i kh¸c nhau. VÒ d¹ng kh¸c cña líi chiÕu lµ lo¹i líi chiÕu t¹o nªn sù æn ®Þnh hoÆc kh«ng æn ®Þnh vÒ diÖn tÝch song thêng cã sù bè trÝ t¬ng ®èi hîp lý gi÷a hai tÝnh chÊt diÖn tÝch vµ quan hÖ vÒ gãc. Sù b»ng nhau vµ æn ®Þnh lµ hai thuéc tÝnh cã tÝnh chÊt toµn cÇu vÒ líi chiÕu. Cã mét sè líi chiÕu ®îc ¸p dông mang tÝnh ®Þa ph¬ng mµ kh«ng ¸p dông ®îc cho mäi n¬i trªn mét tê b¶n ®å. Th«ng thêng c¸c líi chiÕu nµy ¸p dông cho lËp b¶n ®å tØ lÖ lín t¹i mét sè vÞ trÝ cô thÓ. Mét vÝ dô kh¸c lµ líi chiÕu ph¬ng vÞ víi kho¶ng c¸ch b»ng nhau (azimural equidistant projection) thÓ hiÖn kho¶ng c¸ch gi÷a mét ®iÓm ë trung t©m cña líi chiÕu vµ c¸c ®iÓm kh¸c trªn b¶n ®å. Trong trêng hîp nµy, c¸c kho¶ng c¸ch b»ng nhau ®ã kh«ng thÓ ¸p dông cho bÊt kú mét cÆp ®iÓm nµo kh¸c mµ ph©n bè theo nguyªn t¾c kh¸c. HÖ to¹ ®é líi ®Þa lý lµ kh«ng ph¶i hÖ Cartesian v× hai lý do sau: tríc hÕt hÖ to¹ ®é líi lµ dùa theo bÒ mÆt cÇu vµ nã kh«ng ph¶i lµ cã hai kÝch thíc (hai chiÒu). 48 Thø hai, mÆc dï kinh tuyÕn vµ vÜ tuyÕn lµ vu«ng gãc víi nhau nhng kho¶ng c¸ch tõ kinh tuyÕn ®Õn vÞ tuyÕn lµ lu«n kh¸c nhau. NghÜa lµ kho¶ng c¸ch 1 o cña kinh ®é th× kh«ng ph¶i lµ lu«n b»ng kho¶ng c¸ch 1 o cña vÜ ®é. V× vËy hÖ thèng to¹ ®é líi thêng kh«ng phï hîp cho viÖc t¹o lËp to¹ ®é trong xö lý kh«ng gian. Trong khi ®ã, hÖ thèng to¹ ®é UTM (Universal Transver Mercator) l¹i ®îc sö dông réng r·i trong HTT§L do ®ã kh¾c phôc ®îc nh÷ng h¹n chÕ cña hÖ to¹ ®é líi.  HÖ líi chiÕu UTM (Universal Transver Mercator) HÖ líi chiÕu UTM cã c¬ së lµ phÐp chiÕu Mercator do côc ®Þa chÊt Mü x©y dùng ®Çu tiªn cho mét lo¹t c¸c b¶n ®å ë vïng vÜ ®é 7,5 phót, cã phèi hîp kiÓm tra b»ng hÖ thèng ®o ®¹c næi toµn n¨ng theo cùc (Universal Polar Stereographic - UPS) HÖ líi chiÕu UTM (Universal Transverse Mecator) cña Mü lµ sö dông hÖ líi chiÕu h×nh nãn. Trong phÐp chiÕu Mercator ®· ®îc dïng tõ l©u trong hµng h¶i th× c¸c ®êng t¹o líi cã b¶n ch¹y däc theo kinh tuyÕn. V× ®é lÖch t¨ng dÇn theo kho¶ng c¸ch ®Õn kinh tuyÕn chuÈn. PhÐp chiÕu Mercator chuyÓn ®æi chØ dïng cã hiÖu qu¶ trong vïng gÇn víi kinh tuyÕn chÝnh. V× vËy, toµn bé tr¸i ®Êt ®îc chia thµnh nhiÒu vïng hÑp thuéc phÝa B¾c vµ Nam. Trong mçi vïng th× sù sai lÖch vÒ to¹ ®é lµ nhá nhÊt. Theo nguyªn t¾c ®ã, hÖ UTM ®îc tæ chøc thµnh c¸c vïng tÝnh tõ §«ng sang T©y, mçi vïng réng 6o theo kinh ®é. Nh vËy toµn bé tr¸i ®Êt bao gåm 60 vung. TØ lÖ ®îc thÓ hiÖn däc theo 2 kinh tuyÕn ë phÝa §«ng vµ phÝa T©y cña kinh tuyÕn. Trung t©m cã ®é æn ®Þnh lµ 0,966. 60 vïng cña hÖ UTM b¾t ®Çu tõ ®êng ®¸nh dÊu quèc tÕ International Date Line (IDL) hay lµ kinh ®é 180o c¨n cø vµo ®å thÞ vïng thø nhÊt (vïng 1) bao phñ mét d¶i gi÷a kinh ®é nghÜa hoµn h¶o khi ¸p dông trong mét vïng (zone). B¾c 180W 174W 168W 162W 156W 84B¾c XÝch ®¹o 80Nam Nam H×nh 14. HÖ to¹ ®é UTM 49 To¹ ®é cña mçi mét vïng ph¶i ®îc tham kh¶o mét c¸ch ®éc lËp. VÝ dô: to¹ ®é ë vïng 11 th× kh«ng thÓ dïng ®Ó tham kh¶o cho vïng 12 hay vïng kh¸c. Kho¶ng c¸ch híng ®«ng ®îc x¸c ®Þnh lµ kho¶ng c¸ch tõ ®êng trung t©m cña vïng, cã gi¸ trÞ b»ng víi gi¸ trÞ cña trôc n»m ngang trong hÖ to¹ ®é Carsterian. §êng trung t©m ®îc thiÕt kÕ cho viÖc ®o chuÈn vÒ híng §«ng lµ 500 000m. Víi ®ã, c¸c ®iÓm n»m trong vïng ®Òu gi¸ trÞ d¬ng. NÕu kho¶ng c¸ch 1 ®iÓm vÒ híng T©y lín h¬n 500 000 mÐt so víi ®êng trung t©m th× ®iÓm ®ã ph¶i thuéc vÒ vïng kÕ tiÕp. Mét gi¸ trÞ híng ®«ng nÕu nhá h¬n 500 000 mÐt th× nã thÓ hiÖn mét vÞ trÝ ë phÝa T©y cña ®êng trung t©m. Toµn bé c¸c trêng hîp, gi¸ trÞ híng ®«ng ®Òu lµ d¬ng vµ nhá h¬n 1 000 000 mÐt, v× cïng mét vïng. Nãi c¸ch kh¸c, chiÒu dµi n»m ngang thùc tÕ cña mét vïng lµ réng nhÊt ë vïng xÝch ®¹o vµ nã trë nªn rÊt hÑp khi chuyÓn dÇn vÒ phÝa cùc. Kho¶ng c¸ch hëng B¾c: ®îc ®o theo híng B¾c - Nam, nã cã gi¸ trÞ b»ng trôc Y (th¼ng ®øng) trong to¹ ®é Castersian. T¹i b¸n cÇu B¾c, xÝch ®¹o ®îc x¸c ®Þnh lµ ®êng 0m. Toµn bé c¸c vÞ trÝ trªn b¸n cÇu B¾c sÏ cã gi¸ trÞ lµ kho¶ng c¸ch vÒ h íng B¾c b»ng kho¶ng c¸ch ®Õn xÝch ®¹o, ë b¸n cÇu Nam, cùc Nam ®îc x¸c ®Þnh lµ cã gi¸ trÞ kho¶ng c¸ch vÒ híng B¾c lµ 0 vµ xÝch ®¹o cã gi¸ trÞ híng B¾c lµ 10 000 000 mÐt HÖ to¹ ®é UTM thùc tÕ vÒ b¶n chÊt lµ hÖ Castersian v× ®¬n vÞ mÐt lµ ®¬n vÞ tiªu chuÈn ®Ó ®o. Nãi tãm l¹i: mét ®¬n vÞ kho¶ng c¸ch trªn trôc X th× b»ng mét ®¬n vÞ kho¶ng c¸ch trªn trôc Y vµ kho¶ng c¸ch vÒ híng §«ng vµ kho¶ng c¸ch vÒ híng B¾c ®îc ®o theo hai híng vu«ng gãc víi nhau. TÊt nhiªn, cã mét h¹n chÕ chÝnh cña hÖ UTM lµ nã kh«ng thÓ ¸p dông cho nh÷ng vïng c¾t chÐo nghÜa lµ mét khi diÖn tÝch nghiªn cøu l¹i n»m ë hai vïng kh¸c nhau th× hÖ UTM nhÊt thiÕt ph¶i ®îc chuyÓn sang hÖ líi chiÕu kh¸c ®Ó ph©n tÝch. PhÇn lín c¸c phÇn mÒm GIS ®Òu cã chøc n¨ng to¹ vµ chuyÓn ®æi hÖ líi chiÕu vµ hÖ líi chiÕu GRID ®îc dïng réng r·i ®Ó thÓ hiÖn bÒ mÆt tr¸i ®Êt, ngêi ph©n tÝch cã thÓ chuyÓn ®æi hÖ UTM cña 2 vïng liÒn kÒ nhau sang kinh ®é, vÜ ®é cña hÖ l íi chiÕu GRID. Trêng hîp ®ã th× toµn bé b¶n ®å l¹i ph¶i ®îc xö lý ë hÖ to¹ ®é kh¸c ®Ó ph©n tÝch vÒ hÖ GRID còng kh«ng ph¶i hÖ Cartesian. Mét u ®iÓm kh¸c ®Æc biÖt quan träng cña hÖ UTM cho ph©n tÝch kh«ng gian theo tØ lÖ cña ®Þa h×nh lµ c¸c vïng cña UTM ®îc tæ chøc theo h×nh ch÷ nhËt mÆc dï trong thùc tÕ nã kh«ng ph¶i lµ h×nh ch÷ nhËt. Nguyªn nh©n lµ do kho¶ng c¸ch §«ng - T©y lµ kh¸c nhau vµ ®o¹n dµi cña 1 o kinh ®é lu«n kh¸c nhau tõ chç nµy sang chç kh¸c. VÒ tËp thÓ, hÖ UTM lµ chØ cã hiÖu qu¶ ë trong d¶i tõ 81 o B¾c ®Õn 50 84o Nam. Ngoµi vïng ®ã th× hÖ chiÕu cùc toµn n¨ng lËp thÓ ®îc sö dông thay cho UTM. Mét ®iÓm lu ý lµ to¹ ®é cña vïng c¾t chÐo th× kh«ng thÓ sö dông chung ®îc.  HÖ to¹ ®é ph¼ng quèc gia: HÖ to¹ ®é ph¼ng quèc gia thêng ®îc x©y dùng ®Ó dïng riªng cho mçi quèc gia. HÖ to¹ ®é ph¼ng ®îc dïng nh mét tµi liÖu lÞch sö ®Ó qu¶n lý ®Êt ®ai. HÖ to¹ ®é nµy kh«ng thÝch hîp cho viÖc nghiªn cøu mang tÝnh khuvùc hoÆc mét vïng réng lín v× trong thùc tÕ, mçi quèc gia l¹i sö dông mét hÖ líi chiÕu riªng. C¸c níc n»m theo híng §«ng - T©y th× h·y sö dông hÖ líi chiÕu chuyÓn ®æi Mercator, trong khi ®ã c¸c níc n¨m theo híng Nam B¾c l¹i so dung how lei chiÕu h×nh nãn khèi Lambert. Mçi níc l¹i chia thµnh nhiÒu vïng nhá ®Ó gi¶m thiÓu nh÷ng sai sè u thÕ cña hÖ to¹ ®é ph¶ng quèc gia lµ sö dông ®¬n vÞ ®o riªng. VÝ dô ë Mü vµ Anh th× dïng foot (hay feet), inch (1 foot = 12 inch, 1 yard = 3 feet, 1 mile = 5280 feet). NhiÒu níc th× sö dông hÖ mÐt v× hÖ ®¬n vÞ nµy th«ng dông h¬n khi ®o kho¶ng c¸ch. Tuy nhiªn, ®o ®¹c ®Ó lËp hÖ to¹ ®é ph¼ng quèc gia ®«i khi g©y nhiÒu khã kh¨n cho xö lý kh«ng gian ë tØ lÖ khu vùc. Lý do kh«ng chØ v× sù chuyÓn ®æi c¸c ®¬n vÞ ®ã mµ viÖc chuyÓn hÖ to¹ ®é tõ hÖ líi chiÕu nµy sang hÖ líi chiÕu kh¸c ®ßi hëi nh÷ng qu¸ tr×nh tÝnh to¸n phøc t¹p, ®Æc biÖt lµ trong trêng hîp c¸c vÞ trÝ kh¸c nhau l¹i ®îc x¸c ®Þnh theo c¸c hÖ to¹ ®é kh¸c nhau. III.4.C¸c phÐp ®o ®¹c c¬ b¶n vÒ c¸c ®èi tîng kh«ng gian III.4.1.§o ®¹c c¸c gi¸ trÞ thuéc tÝnh Víi viÖc thµnh lËp mét hÖ to¹ ®é, mçi ®èi tîng ®iÓm cÇn ph¶i ®îc tr×nh bµy bëi mét cÆp gi¸ trÞ to¹ ®é x vµ y. §Ó tiÖn sö dông, trong phÇn nµy P i ®îc tr×nh bµy cho ®iÓm thø i trong mét thuéc tÝnh (coverage) vµ vÞ trÝ cña mét ®iÓm ®îc x¸c ®Þnh bëi (xi, yi). §èi tîng ®êng: ®îc thÓ hiÖn b»ng trËt tù cña c¸c ®iÓm. Trong lËp b¶n ®å sè, c¸c ®êng cong ®îc chia nhá thµnh hµng lo¹t c¸c ®o¹n th¼ng. TÝnh chÊt cña ®êng cong sÏ phô thuéc vµo sè lîng ®iÓm, nghÜa lµ phô thuéc vµo sè lîng ®o¹n th¼ng ®îc chia ra. Khi sè lîng ®o¹n th¼ng t¨ng lªn th× ®êng sÏ gÇn gièng ®êng cong h¬n. Mét ®êng th¼ng ®îc x¸c ®Þnh bëi hai ®iÓm nèi ®Çu vµ cuçi. Nh vËy, mét ®êng Li ®îc tr×nh bµy bëi mét lo¹t c¸c ®iÓm P iS nghÜa lµ Li (P1, P2, P3… Pn) víi n lµ sè lîng ®iÓm x¸c ®Þnh lªn ®êng Li. Mét vïng còng ®îc tr×nh bµy b»ng c¸ch t¬ng tù víi c¸c ®êng lµ tËp hîp c¸c ®o¹n segment th¼ng. Trong trêng hîp ®ã th× mét ®êng trßn kh«ng thÓ quan niÖm lµ mét vßng trßn. Thay vµo ®ã ®êng trßn lµ tËp hîp rÊt nhiÒu ®o¹n th¼ng b»ng nhau vµ chóng t¹o nªn mét vïng cã hinhf d¹ng lµ trßn. C¨n 51 cø vµo ®ã, mét Polygon Gi ®îc tr×nh bµy díi d¹ng lµ Gi (L1, L2, … Lm) víi m lµ sè lîng ®o¹n th¼ng ®îc chia ra ®Ó t¹o nªn polygon. Mét khi c¸c ®èi tîng kh«ng gian ®îc x¸c ®Þnh th× viÖc ®o ®¹c h×nh häc c¬ b¶n ®îc ¸p dông ®Ó thùc hiÖn viÖc ®o ®¹c vµ tÝnh to¸n. Kho¶ng c¸ch gi÷a hai ®iÓm trong bÒ mÆt Cartesian (bÒ mÆt thuû chuÈn) ®îc x¸c ®Þnh bëi kho¶ng cachs ¥clit (Euclidean Distance). H×nh vÏ sau minh ho¹ cho viÖc tÝnh kho¶ng c¸ch gi÷a hai ®iÓm cã to¹ ®é lµ (1,4) vµ (4,2). Y P1(1,4) 4 D1,2 3 2 P2(4,2) 1 0 1 2 3 4 X H×nh 15. §o¹n th¼ng segment (D1,2) ®îc x¸c ®Þnh bëi hai ®iÓm ®Çu vµ cuèi Kho¶ng c¸ch ¥clit lµ kho¶ng c¸ch cña mét ®o¹n th¼ng nèi gi÷a hai ®iÓm trªn mét mÆt ph¼ng. Trong thùc tÕ, viÖc ®o ®¹c cã thÓ ®îc thùc hiÖn b»ng c¸ch kh¸c. VÝ dô: mét phÐp ®o ®îc gäi lµ ®o kho¶ng c¸ch Manbattan víi ý nghÜa nh: "kho¶ng c¸ch khèi phè - city block distance), ë ®ã ¸p dông hÖ to¹ ®é líi Grid t¬ng tù nh c¸c khèi phè. Khi ®ã kho¶ng c¸ch Manbattan ®îc tÝnh theo c«ng thøc: Di,j = (Xi - Xj) - (Yi - Yj) DiÖn tÝch cña rÊt nhiÒu vïng nhá t¹o nªn mét polygon th× cã thÓ ®îc tÝnh b»ng viÖc lËp mét ®a gi¸c (trapezoid) tõ tÊt c¶ c¸c ®oµn th¼ng ®ã råi tÝnh tËp hîp cho diÖn tÝch cña c¶ polygon. 52 P2 Y2 P1 P3 Y1 P5 P7 P4 P6 X7 X6 X1 X2 X5 X3 X4 H×nh 16. TÝnh diÖn tÝch mét polygon theo ph¬ng ph¸p ®a gi¸c (trapezoid) Polygon trªn t¹o nªn tõ 7 ®iÓm vµ 7 ®o¹n th¼ng. Mçi ®o¹n th¼ng ®îc x¸c ®Þnh bëi hai ®iÓm (®iÓm nèi hoÆc ®iÓm giao c¾t). Mçi ®o¹n th¼ng cã hai ®êng th¼ng song song víi trôc Y ®Ó x¸c ®Þnh c¸c gi¸ trÞ X cho tõng ®iÓm. SÏ cã c¸c h×nh thang (®a gi¸c) ®îc t¹o nªn bëi c¸c ®êng th¼ng song song ®ã, ®o¹n segment vµ ®o¹n h×nh chiÕu cña chóng trªn trôc X, khi ®ã: Ai , j = ( X i + Yi )( X i − Yi ) 2 ë ®©y: Aij: diÖn tÝch h×nh thang i, j lµ ®iÓm thø i vµ j Khi ¸p dông c«ng thøc nµy vµ tÝnh céng dån chiÒu kim ®ång hå ta sÏ ®îc ®iÖn tÝch cña polygon (lu ý khi tÝnh diÖn tÝch cña c¸c h×nh thang x¸c ®Þnh bëi c¸c ®o¹n P7 - P1, P1 - P2, P2 - P3 vµ P3 - P4 sÏ cã gi¸ trÞ d¬ng vµ diÖn tÝch t¹o bëi c¸c ®o¹n P4 - P5, P5 - P6, P6 - P7 sÏ cã gi¸ trÞ ©m vµ tæng cña tÊt c¶ c¸c diÖn tÝch 7 h×nh thang sÏ cho diÖn tÝch cña polygon G (P1 ... P7). T¬ng tù nh vËy, nÕu ta vÏ t¹o thµnh c¸c tam gi¸c cho toµn bé c¸c ®o¹n segment vµ ®a vÒ hÖ to¹ ®é ban ®Çu råi tÝnh tæng diÖn tÝch c¸c tam gi¸c th× kÕt qu¶ còng lµ diÖn tÝch cña c¶ polygon. Hai ph¬ng ph¸p ®Òu cã ®é chÝnh x¸c t¬ng tù nh nhau III.4.2.§o ®¹c c¸c tÝnh chÊt cña thuéc tÝnh Trong c¶ viÖc lËp b¶n ®å sè vµ ph©n tÝch ®Þnh híng cña c¸c hiÖn tîng vµ ®èi tîng kh«ng gian th× c¸c ®èi tîng (hoÆc ®¬n vÞ ®Þa lý) ®Òu ph¶i ®îc ®Þnh lîng ho¸ vµ ®îc xö lý theo c¸c gi¸ trÞ ®o ®¹c. ViÖc ®o c¸c d÷ liÖu thuéc tÝnh phô thuéc vµo tÝnh chÊt mµ cã thÓ ®¸nh gi¸ ®îc vµ kh¶ n¨ng tµi liÖu cho phÐp. ViÖc ®o ®¹c c¸c tµi 53 liÖu thuéc tÝnh ®îc chia ra c¸c møc sau: cã tån t¹i trªn danh nghÜa (niminal), th«ng thêng (ordinal), kho¶ng c¸ch biÖt (interval) vµ tØ sè (ratio). • §o ®¹c c¸c møc ®é (levels) §o møc ®é danh nghÜa (normal): lµ sù ®o ®¹c vÒ tÝnh chÊt vµ chñng lo¹i. VÝ dô: tªn ®Êt níc sinh ra, mµu, n¬i sinh, ®Þa bµn cã quyÒn bÇu cö (vÝ dô ë Mü). TÝnh chÊt nµy chØ mang tÝnh chÊt ®Æt tªn theo thø tù mµ kh«ng cã thuéc tÝnh nµo vÒ kho¶ng c¸ch hay vÒ b¶n chÊt. VÝ dô: thø tù ®Æt tªn theo vÇn ABC nghÜa lµ A tèt h¬n B. C¸ch ®Æt tªn cã thÓ lµ theo vÇn hoÆc theo thø tù. Trong trêng hîp ®Æt tªn theo sè thø tù th× gi¸ trÞ sè ®ã kh«ng thÓ ®îc dïng ®Ó tÝnh to¸n. §o møc ®é thø h¹ng (ordinal): lµ x¸c ®Þnh ý nghÜa trong kh¸i niÖm cña mét trËt tù mµ ë ®ã mçi mét chØ tiªu cã gi¸ trÞ ®ång nhÊt khi so s¸nh víi c¸c chØ tiªu kh¸c. VÝ dô: mét ngêi nµo ®ã cã thÓ n»m trong trËt tù ph©n chia vÒ nghÒ nghiÖp hoÆc vÞ trÝ x· héi nh: c«ng nh©n, trÝ thøc, n«ng d©n ... tÇng líp nghÌo, trung b×nh hay giµu (vÒ møc ®é thu nhËp). Trong trêng hîp ®ã, tÇng líp trung b×nh ph¶i ë thø h¹ng cao h¬n nghÌo vµ thÊp h¬n giµu. Khi ¸p dông ®o ®¹c møc ®é thø h¹ng cã thÓ x¸c ®Þnh thuéc tÝnh (code) theo a b c hoÆc theo trËt tù sè, nhng møc ®é cña sù kh¸c biÖt gi÷a c¸c thø h¹ng th× kh«ng ®îc lµm râ vÒ ®Þnh lîng. V× vËy, trËt tù c¸c sè h¹ng kh«ng thÓ dïng ®Ó tÝnh to¸n vÒ mÆt to¸n häc mµ chØ x¸c ®Þnh vÒ mèi quan hÖ. VÝ dô : b¶ng ®é cøng cña c¸c kho¸ng vËt hay cÊp b·o, cÊp ®éng ®Êt lµ c¸c minh ho¹ t¬ng ®èi râ cña sù ®o ®¹c vµ ph©n chia vÒ sè h¹ng. • §o kho¶ng c¸ch biÖt (interval) ViÖc ®o ®¹c kho¶ng c¸ch biÖt lµ x¸c ®Þnh vÒ trËt tù vµ kho¶ng c¸ch gi÷a c¸c chØ tiªu, kho¶ng c¸ch gi÷a c¸c chØ tiªu lµ æn ®Þnh vµ b»ng nhau vÒ ®¬n vÞ. VÝ dô ®iÓn h×nh cña sù ph©n chia nµy lµ thang nhiÖt ®é Census (c¶ nhiÖt ®é Ken vin). Trong ®ã, kho¶ng kh¸c gi÷a 50o vµ 49o lµ b»ng víi kho¶ng kh¸c nhau gi÷a 49o vµ 48o. (TÊt nhiªn 50o th× kh«ng cã kh¸i niÖm lµ Êm h¬n 25o hai lÇn). Mét tÝnh chÊt kh¸c nhau trong viÖc ®o kho¶ng c¸ch biÖt lµ kh«ng cã gi¸ trÞ cña ®iÓm khëi ®Çu. VÝ dô: 0 oC lµ x¸c ®Þnh nhiÖt ®é cña ®iÓm ®ãng b¨ng nhng kh«ng cã nghÜa lµ ë 0oC lµ hÕt nhiÖt. Nãi tãm l¹i, viÖc ®o kho¶ng c¸ch biÖt cho ph¸p x¸c ®Þnh sù kh¸c nhau gi÷a c¸c hiÖn tîng nhng kh«ng cã nghÜa vÒ sù kh¸c biÖt biªn ®é (vÝ dô, b·o cÊp 2 kh«ng cã nghÜa lµ m¹nh h¬n gÊp 2 lÇn b·o cÊp 6 hay kim cuong (®é cøng 10) kh«ng cã nghi· lµ cøng h¬n th¹ch cao (®é cøng 2) lµ 5 lÇn. 54 §o ®¹c tû sè: ®o ®¹c tØ sè th× ®Çy ®ñ tÝnh chÊt cña viÖc ®o kho¶ng c¸ch biÖt, cã thªm mét thuéc tÝnh lµ gi¸ trÞ 0 ®îc x¸c ®Þnh bëi ®å thÞ. VÝ dô, khi ®o kho¶ng c¸ch tù nhiªn, khoang c¸ch 0 ®îc hiÓu lµ sÏ kh«ng cã kho¶ng c¸ch gi÷a hai ®èi tîng. Kho¶ng c¸ch nµy ®îc x¸c ®Þnh râ vµ mét ®iÓm gi¸ trÞ 0 còng cã ý nghÜa tû sè ®· ®îc tÝnh. Cô thÓ h¬n vÒ ý nghÜa ®ã lµ khi ta nãi 10 km cã kho¶ng c¸ch gÊp hai lÇn 5 km. Mét vÝ dô kh¸c lµ khi tÝnh träng sè cho mét ®¬n vÞ ®o khi träng sè b»ng 0 nghÜa lµ kh«ng cã träng sè. Nã cã ý nghÜa khi nãi 10km 3 nÆng gÊp 2 lÇn 5m 3 . Trong kinh tÕ, träng sè thÓ hiÖn cho sù thu nhËp mÆc dï ®¬n vÞ tiÒn tÖ tÝnh cã thÓ kh¸c nhau. Khi ®ã, ®Þnh lîng vÒ ý nghÜa hoµn toµn ®îc x¸c ®Þnh. • §o ®¹c Sù híng t©m vµ sù ph©n t¸n (central tendency and disperion): x¸c ®Þnh sù híng t©m hay ph©n t¸n lµ néi dung quan träng nhÊt cña xö lý thèng kÕ c¸c hiÖn tîng, trong thèng kª, sù híng t©m thÓ hiÖn mét trêng (trend) cña sù ph©n bè. Trong khi ®ã, sù ph©n t¸n thÓ hiÖn ®é ph©n t¸n so víi møc ph©n bè (tendency) trung t©m. VÝ dô khi tÝnh to¸n tæng thu nhËp khi so s¸nh gi÷a hai nhãm d©n téc gi¸ trÞ trung b×nh lµ mét gi¸ trÞ thèng kª ë møc híng t©m gi¸ trÞ ®ã cã thÓ ®îc sö dông lµm chØ thÞ cho møc tæng thu nhËp, tõ ®ã cã thÓ so s¸nh thu nhËp cña hai nhãm víi nhau, khi ®ã møc ®é ph©n t¸n cho biÕt gi¸ trÞ trung b×nh. Víi nh÷ng gi¸ trÞ kh¸c nhau ®o ®îc ë tû lÖ th«ng dông, sù híng t©m ®îc x¸c ®Þnh bëi gi¸ trÞ mode, ®ã lµ líp gi¸ trÞ cã tÇn sè ph©n bè cao nhÊt. VÝ dô: mét khu vùc cã 3 d©n téc sinh sèng lµ ®©n téc A chiÕm 30%, d©n téc chiÕm 60% vµ d©n téc C chiÕm 10%. Trêng hîp ®ã, mode cña khu vùc lµ B v× cã sè d©n ®«ng nhÊt. Trong trêng hîp ®ã mode thÓ hiÖn sù híng t©m còng lµ B nÕu nh sù ph©n bè lµ ngÉu nhiªn, tÇn sè cña mode nhãm ®îc x¸c ®Þnh lµ f mode vµ sù ph©n t¸n ë tû lÖ ®o th«ng dông ®îc tÝnh bëi tû sè kh¸c biÖt (variation ration). V = 1 - (f mode/N) ë ®©y: V lµ tû sè kh¸c biÖt N lµ tæng sè ph©n bè Gi¸ trÞ nhá h¬n cña sù ph©n t¸n thÓ hiÖn cho trêng hîp híng t©m nhiÒu vµ mode lµ chØ thÞ tèt h¬n cho trêng ph©n bè. NÕu nh mét nhãm d©n téc chiÕm nhiÒu h¬n 80% tæng sè d©n trong vïng th× tû sè sù kh¸c biÖt lµ 0,2. NÕu d©n téc chiÕm ®a sè song còng chØ ®¹t 80% tæng sè d©n th× trêng hîp ®ã tØ sè ph©n t¸n lµ 0,6. 55 Møc tËp trung cña viÖc ®o sù kh¸c biÖt vÒ thø h¹ng ®îc tÝnh bëi gi¸ trÞ trung b×nh, ®ã lµ trêng hîp cã sù tËp trung ë gi÷a (nghÜa lµ cã mét sè gi¸ trÞ cao h¬n hoÆc thÊp h¬n gi¸ trÞ trung b×nh). V× sù kh¸c biÖt ®îc ®o ë tû lÖ vÒ thø h¹ng nªn toµn bé c¸c trêng hîp cã thÓ ph©n bè d¹ng ph©n nh¸nh, cã nhÊnh n»m ë thø h¹ng cao hoÆc th¸p h¬n gi¸ trÞ trung b×nh. Trêng hîp ®ã gi¸ trÞ trung b×nh sÏ r¬i chÝnh x¸c vµo kho¶ng gi÷a cña tËp hîp. VÝ dô nÕu cã 15 ngêi lín thîc vÒ nh¸nh ®i xuèng ë mét tÇng líp trong x· héi th× trêng hîp thø 8 lµ thuéc vÒ gi¸ trÞ trung b×nh cña vïng ph©n bè nµy. Khi ®ã gi¸ trÞ trung b×nh cho biÕt mét ®iÒu lµ nÕu cã mét ngêi thuéc vÒ thø h¹ng cao h¬n th× cã thÓ vÉn thuéc vÒ th× cã thÓ vÉn thuéc vÒ tÇng líp ®ã hoÆc cao h¬n. Cßn nh÷ng ngêi ë thÊp h¬n thø h¹ng th× vÉn cã thÓ thuéc vÒ tÇng líp ®ã hoÆc ë thÊp h¬n. Sù ph©n t¸n cña sù kh¸c biÖt vÒ thø h¹ng ®îc tÝnh theo tû lÖ thËp ph©n, víi sù kh¸c biÖt gi¸ trÞ gi÷a ®Þnh vµ ®¸y cña ph©n vÞ thø 10. VÝ dô: ®iÒu tra sù ph©n t¸n vÒ u thÕ cuéc sèng cña 50 thµnh phè, thø h¹ng kh¸c biÖt x©y dùng theo tØ lÖ tõ 1 -10, khi ®ã 10 sÏ lµ u thÕ cao nhÊt. NÕu nh cã 5 thµnh phè cã u thÕ nhÊt th× nã cã thÓ n»m ë thø h¹ng lµ 8 thuéc vÒ phÇn ®Ønh cña thø h¹ng 1 - 10, cßn l¹i lµ 45 thµnh phè sÏ n»m ë phÇn ®¸y cña thø h¹ng vµ cã gi¸ trÞ lµ 3, vµ nh vËy sù kh¸c biÖt (ph©n t¸n) sÏ lµ 5 (kh¸c biÖt gi÷a 3 vµ 5). Ngîc l¹i, viÖc ®iÒu tra cho thÊy cã 5 thµnh phè thuéc vÒ thø h¹ng 6, cßn l¹i 45 thµnh phè thuéc thø h¹ng 4 th× sù ph©n t¸n chØ lµ 2. Nãi tãm l¹i, gi¸ trÞ thø h¹ng cña sù kh¸c biÖt lµ thÓ hiÖn møc ®é cña sù kh¸c biÖt vµ thø h¹ng ®ã ®îc dïng ë tû lÖ thËp ph©n. Sù tËp trung cña c¶ viÖc ®o vÒ kho¶ng kh¸c biÖt (interval) hay tØ sè (ratio) ®Òu ®îc tÝnh to¸n theo gi¸ trÞ trung b×nh: Z= ∑Z i N ë ®©y: Zi lµ trêng hîp ph©n bè thø i trong vïng ph©n bè. Σi lµ tæng c¸c gi¸ trÞ Z trong vïng ph©n bè N tæng c¸c ph©n bè Sù ph©n t¸n so víi gi¸ trÞ trung b×nh ®îc tÝnh b»ng ®é kh¸c biÖt hay ph¬ng sai (variance) hay ®é lÖch tiªu chuÈn (Standard Deviation). ( Zi − Σ ) 2 ∑ σ = N 2 ë ®©y: σ lµ ph¬ng sai Σ lµ ®é lÖch chuÈn 56 §é lÖch chuÈn lín h¬n th× sù ph©n t¸n còng cao h¬n cßn nÕu ®é lÖch nhá th× sù tËp trung cao h¬n. Trong nhiÒu trêng hîp, gi¸ trÞ trung b×nh vµ ®é lÖch tiªu chuÈn cña nhiÒu phÐp ®o cã thÓ kh«ng thÝch híp cho viÖc xö lý c¸c hiÖn tîng kh«ng gian khi mµ träng sè kh«ng gian cÇn ®îc tÝnh ®Õn. VÝ dô, trong mét ph©n bè mµ c¸c ®¬n vÞ ®Þa lý kh¸c nhau vÒ kÝch thíc th× gi¸ trÞ trung b×nh chØ lµ chØ thÞ tèt cho yÕu tè kÝch thíc lµ cã träng sè rÊt lín. Trong trêng hîp nµy, sù tËp trung cã thÓ ®îc tÝnh to¸n theo kh¸i niÖm gi¸ trÞ trung b×nh ®îc ®iÒu chØnh theo vïng (area - adjusted mean): Σ= ∑Z A ∑A i i ë ®©y: Ai lµ vïng cña ®¬n vÞ thø i, vµ ®é lÖch ®iÒu chØnh theo vïng ®îc tÝnh nh sau: σ2 = ∑ A (Z − Σ) ∑A i 2 i i Sù híng t©m vµ ph©n t¸n lµ c¸c th«ng sè c¬ b¶n nhÊt cña viÖc thèng kª ®Ó m« t¶ mét sù ph©n bè cu¶ bÊt kú mét hiÖn tîng kh«ng gian nµo. Chóng còng ®îc dïng ®Ó so s¸nh c¸c mÉu kh«ng gian cña sù ph©n bè c¸c yÕu tè kh¸c nhau víi môc ®Ých ph©n biÖt sù kh¸c nhau ¶nh hëng ®Õn mçi yÕu tè. Sù thèng kª mang tÝnh m« t¶ còng ®îc sö dông ®Ó ph©n tÝch sù thay ®æi trong viÖc ph©n bè cña mét hiÖn tîng ®Ó hiÓu tèt h¬n vµ ph©n tÝch ®îc râ rµng nh÷ng sù s¾p xÕp ph©n bè kh«ng gian. VÝ dô sau thÓ hiÖn sù ph©n bè kh«ng gian cña 3 loµi chim víi sù híng t©m vµ ph©n t¸n kh¸c nhau. Sù ph©n bè lµ ë kÝch thíc gièng nhau vµ h×nh d¹ng ®Þa lý gièng nhau. Nh vËy, sù ph©n bè ®îc tæ chøc thµnh « líi víi kÝch thíc 5 x 5 «. C¸c « ®¸nh dÊu ®en lµ cã sù ph©n bè chim, cßn « tr¾ng lµ kh«ng cã. Sù híng t©m thÓ hiÖn vÞ trÝ tËp trung trung b×nh cña c¸c loµi. 1 2 3 4 1 5 2 3 4 1 5 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 A B 2 3 4 5 C H×nh 17. VÝ dô vÒ sù ph©n bè kh«ng gian 57 Nhãm A xuÊt hiÖn tËp trung ë gãc trªn bªn tr¸i. Gi¸ trÞ trung b×nh tÝnh to¸n cña to¹ ®é x vµ y lµ (2,2), cßn nhãm B vµ C cã gi¸ trÞ trung b×nh ë to¹ ®é lµ (3,3). Nh vËy nhãm chim A cã sù híng t©m kh¸c víi nhãm B vµ C, cßn nhãm B vµ C cã sù híng t©m gièng nhau. §é lÖch cña sù ph©n bè kh«ng gian ®îc tÝnh b»ng ®é lÖch tiªu chuÈn. Nhãm A vµ B tuy cã sù híng t©m kh¸c nhau nhng l¹i cã ®é lÖch tiªu chuÈn víi to¹ ®é cña x vµ y lµ 0.83 vµ 0.83. Nãi c¸ch kh¸c, ph¬ng thøc hai nhãm A vµ B lµ cã sù ph©n t¸n quanh gi¸ trÞ trung b×nh gièng nhau. Cßn nhãm C, mÆc dï cã cïng gi¸ trÞ híng t©m víi nhãm B song cã sù ph©n t¸n réng h¬n, v× khi tÝnh ®é lÖch chuÈn cña nhãm C víi x vµ y lµ 1.63 vµ 1.63. Gi¸ trÞ ®ã thÓ hiÖn sù ph©n t¸n cña nhãm C b»ng hai lÇn cña 2 nhãm kia. Nãi c¸ch kh¸c, nÕu gi¸ trÞ ®é lÖch lín th× ph¬ng thøc ph©n bè lµ kÐm tËp trung xung quanh trung t©m. Tãm l¹i, phÇn nµy gi¶i thÝch vµ tr×nh bµy c¸ch tÝnh ®Þnh lîng c¸c gi¸ trÞ vÒ vÞ trÝ vµ thuéc tÝnh cña c¸c ®èi tîng kh«ng gian. Trong thùc tÕ b¶n ®å lµ sù thÓ hiÖn 2 chiÒu vµ vÞ trÝ cña bÊt kú mét ®èi tîng nµo còng ®îc x¸c ®Þnh b»ng cÆp to¹ ®é x vµ y. Tuy nhiªn viÖc chuyÓn vÞ trÝ tõ h×nh cÇu víi 3 kÝch thíc sang mÆt ph¼ng n»m ngang cã 2 kÝch thíc lu«n lu«n lµ vÊn ®Ò gÆp sai sè trong viÖc xö lý phÐp chiÕu. C¸c ph©n tÝch kh«ng gian nhÊt thiÕt ph¶i chó ý ®Õn c¸c tÝnh chÊt cña ph¬ng ph¸p chiÕu ®îc sö dông trong nh÷ng d÷ liÖu gèc. C¸c gi¸ trÞ to¹ ®é lu«n kh¸c nhau gi÷a c¸c hÖ thèng to¹ ®é, ë Mü vµ mét sè níc T©y ©u hay sö dông hÖ líi chiÕu UTM hay Gausse. Mét khi hÖ to¹ ®é ®îc chän chuÈn x¸c th× mäi phÐp tÝnh trong xö lý kh«ng gian cã thÓ ®îc ¸p dông b»ng c¸c phÐp to¸n trong c¸c phÇn mÒm GIS (vÝ dô tÝnh ®é dµi, diÖn tÝch polygon). §Ó bæ sung cho viÖc ®o ®¹c t liÖu vÒ vÞ trÝ c¸c ph©n tÝch kh«ng gian yªu cÇu viÖc xö lý c¸c d÷ liÖu thø h¹ng vµ d¹ng tØ sè. Viªc thèng kª gi¸ trÞ híng t©m vµ ph©n t¸n ph¶i c¨n cø vµo tØ lÖ ®o ®¹c hay tr¶ lêi víi c¸c c©u hái kh¸c nhau. Gi¸ trÞ híng t©m vµ ph©n t¸n ®îc xö lý b»ng mode vµ tØ sè. Bµi tËp 1. §æi vÞ trÝ cña mét ®iÓm ë vÜ ®é 45 o B¾c vµ kinh ®é 171o T©y sang hÖ to¹ ®é UTM víi gi¶ thiÕt Tr¸i ®Êt lµ h×nh cÇu thùc. 2. M« t¶ hÖ to¹ ®é UTM cho mét ®iÓm gãc to¹ ®é 496 000 m híng §«ng, 20 000 m híng B¾c, vïng 5 cã sö dông phèip hîp kinh ®é, vÜ ®é vµ mÐt. 3. Dïng ph¬ng ph¸p h×nh thang tÝnh diÖn tÝch cña Polygon díi ®©y (hoÆc vÏ tay). - TÝnh to¹ ®é x, y cho c¸c ®iÓm nèi t¹o nªn Polygon. 58 - TÝnh ®é dµi cña mçi segment vµ chu vi cña Polygon. IV.§iÒu khiÓn c¸c líp th«ng tin §iÒu khiÓn mét hÖ th«ng tin kh«ng gian lµ mét chøc n¨ng cùc kú quan träng cña HTT§L, v× nã thiÕt kÕ d÷ liÖu ë mét khu«n d¹ng thÝch hîp cho viÖc t×nh bµy b¶n ®å vµ ph©n tÝch kh«ng gian. Trong viÖc ®iÒu khiÓn HTT§L cã hai ph¬ng thøc chÝnh (categories) lµ: ®iÒu khiÓn mét líp th«ng tin vµ ®iÒu khiÓn líp th«ng tin. §iÒu khiÓn mét líp lµ xö lý c¸c th«ng tin cña mét líp trong mét thêi gian, cßn ®iÒu khiÓn nhiÒu líp lµ xö lý th«ng tin cña nhiÒu líp mét c¸ch ®ång thêi. Theo kinh nghiªm ¸p dông th× hai ph¬ng thøc nµy ®îc xö lý hÇu nh ®éc lËp víi nhau. PhÇn lín c¸c ¸p dông cña HTT§L ®Òu xö lý th«ng tin mét líp tríc råi míi thùc hiÖn ®iÒu khiÓn (xö lý) cho nhiÒu líp. V× vËy, ®Ó tiÖn cho viÖc ¸p dông hai ph¬ng thøc nµy sÏ lÇn lît ®îc tr×nh bµy riªng. 59 60 IV.1.§iÒu khiÓn th«ng tin mét líp §iÒu khiÓn th«ng tin mét líp ®îc gäi lµ ®iÒu khiÓn theo ph¬ng thøc n»m ngang (horizontal operation) víi ý nghÜa lµ chØ cã mét líp t liÖu vµ xö lý t liÖu chØ theo ph¬ng thøc n»m ngang hay hai chiÒu mµ th«i. Tuy nhiªn, viÖc ®iÒu khiÓn nµy còng sÏ ®îc tr×nh bµy ë ch¬ng tiÕp theo. Trong ®iÒu khiÓn th«ng tin mét líp, t liÖu g«c ®îc tæ chøc ë d¹ng vector vµ mçi líp bao gåm ®Æc ®iÓm riªng cña tõng ®èi tîng. VÝ dô: toµn bé c¸c ®iÓm ®îc tæ chøc thµnh mét líp riªng vµ nã kh«ng pha trén víi c¸c thuéc tÝnh cña ®êng hoÆc polygon. Nh vËy, viÖc xö lý còng chØ ®îc thùc hiÖn ë chøc n¨ng xö lý nhiÒu líp th«gn tin. Trong néi dung xö lý th«ng tin mét líp, cã 3 lo¹i chÝnh lµ: ®iÒu khiÓn tÝch chÊt (Feature Manipulation); ph©n lo¹i tÝnh chÊt (Feature Classification); Lùa chän tÝnh chÊt (Feature Selection). §iÒu khiÓn tÝnh chÊt: cã nh÷ng viÖc chÝnh lµ xö lý ranh giíi vµ ph©n tÝch sù quan hÖ gÇn nhau (proximity). Lùa chän tÝnh chÊt: cã néi dung lµ x¸c ®Þnh tÝnh chÊt th«ng qua xö lý ®å ho¹ hay ph©n tÝch logic hoÆc m« t¶ ®Æc ®iÓm cña c¸c ®èi tîng ®îc ph©n biÖt. Ph©n lo¹i tÝnh chÊt: lùa chän vµ ph©n nhãm ®èi tîng theo tÝnh chÊt víi c¸c chØ tiªu th«ng kª. • §iÒu khiÓn tÝnh chÊt (Feature Manipulation) §iÒu khiÓn tÝnh chÊt cña mét líp th«ng tin bao gåm hai néi dung chÝnh lµ x¸c ®Þnh t¬ng quan vÒ ranh giíi cña c¸c ®èi tîng cã sù biÕn ®æi. Trong mét sè trêng hîp, sù thay ®æi ®ã x¸c ®Þnh nªn c¸c ®èi tîng míi. Ph©n tÝch quan hÖ gÇn gòi lµ xö lý ®Ó t¹o nªn c¸c polygon míi trªn c¬ së kho¶ng c¸ch tõ c¸c ®èi tîng ®îc lùa chän trªn b¶n ®å. • §iÒu khiÓn ranh giíi (Boundary Operation) C¸c c«ng viÖc ®îc thùc hiÖn trong ®iÒu khiÖn ranh giíi gåm cã: c¾t nhá (chipping), xo¸ (erasing), cËp nhËt (updating), chia ®«i (spliting) vµ tÈy bá, xo¸ (dissolving), c¸c thuËt ng÷ trªn ®îc dïng trong ARC/INFO. §èi víi mét sè phÇn mÒm kh¸c, tªn gäi cña c«ng viÖc (hay thuËt ng÷) cã thÓ kh¸c ®i. • C¾t nhá (SPLIT). Qu¸ tr×nh chia c¾t nhá lµ viÖc t¹o ra mét tËp hîp (coverage) míi, trong ®ã cã chøa mét phÇn cña b¶n ®å ban ®Çu. Toµn bé c¸c tÝnh chÊt cña b¶n ®å ban ®Çu. Toµn bé c¸c tÝnh chÊt cña b¶n ®å n¨m trong mét tËp hîp c¸c ranh giíi ®îc la chän vµ lu ë mét tËp hîp (converage) míi. Nãi tãm l¹i, tËp hîp míi lµ mét phÇn cña b¶n ®å gèc vµ ®îc x¸c ®Þnh b»ng tÝnh chÊt ®Þa lý. C«ng 61 viÖc nµy hay ®îc thùc hiÖn khi mét phÇn cña b¶n ®å ®îc sö dông trong ph©n tÝch. VÝ dô: m¹ng líi giao th«ng cña mét vïng hay mét tØnh ®îc t¸ch tõ m¹ng líi giao th«ng cña c¶ níc. Khi ®ã, c«ng viÖc ph¶i lµm lµ t¸ch tÊt c¶ nh÷ng ®êng thuéc ranh giíi khu vùc nghiªn cøu ®Ó t¹o nªn mét líp th«ng tin vÒ ®êng cña khu vùc (h×nh 18). H×nh 18. C¾t nhá b¶n ®å gèc ®Ó t¹o nªn b¶n ®å míi víi diÖn tÝch nhá h¬n S¬ ®å sau sÏ minh ho¹ râ h¬n: converage ban ®Çu cã 5 vïng. NÕu dïng SLIP ®Ó c¾t ë gi÷a th× sÏ cã mét b¶n ®å míi víi thuéc tÝnh lµ mét phÇn cña b¶n ®å cò Khi sö dông th× vßng trßn bªn ngoµi cña b ®îc sö dông lµm ranh giíi c¾t. KÕt qu¶ lµ t¹o ra b¶n ®å C víi mét sè thuéc tÝnh cña b¶n ®å A vÉn cßn gi÷a nguyªn song cã diÖn tÝch ®îc quy ®Þnh bëi ranh giíi c¾t. Tãm l¹i, c¾t l¹i viÖc copy mét phÇn cña b¶n ®å g«c ®Ó to¹ nªn mét b¶n ®å míi • Xo¸ (ERASE): xo¸ lµ qu¸ tr×nh ngîc l¹i víi viÖc c¾t. Xo¸ lµ c«ng viÖc lo¹i bá nh÷ng phÇn mµ c«ng viÖc trung gian t¹o nªn (vÝ dô viÖc c¾t) lµ lµm kh«i phôc l¹i nh÷ng phÇn cã thuéc tÝnh cña b¶n ®å gèc ë trong vïng ®· ®îc c¾t ra sÏ bÞ xo¸. H×nh 19. VÝ dô cña viÖc xo¸ ®Ó t¹o nªn mét coverage míi C«ng viÖc xo¸ lµ rÊt cã Ých khi mµ tÝnh chÊt c¸c vïng ë ngoµi vïng ph©n tÝch cÇn vÏ l¹i nh cò hoÆc ngîc l¹i cÇn lo¹i bá ®i. ViÖc nµy còng h÷u Ých khi cã nhiÒu lçi tËp trung ë mét vïng nµo ®ã th× cã thÓ xo¸ chóng ®i ®Ó råi chØnh söa l¹i. C¸c vïng cÇn xãa thêng cã h×nh d¹ng ®Òu ®Æn hoÆc kh«ng ®Òu tuú ngêi ®Òu hµnh. 62 • CËp nhËt (update) hay bæ sung: CËp nhËt lµ c«ng viÖc thay ®æi d÷ liÖu kh«ng gian trong mét vïng nµo ®ã cña b¶n ®å víi nh÷ng théc tÝnh míi. • G¾n/ nèi (append mapjoin): ViÖc g¾n vµ gi¸p nèi b¶n ®å lµ c«ng viÖc t¬ng tù, thay cho qu¸ t¸ch, chia b¶n ®å, ®©y lµ viÖc ghÐp nèi c¸c b¶n ®å thµnh mét b¶n ®å lín. Hai chøc n¨ng nµy h¬i kh¸c nhau mét chót, tuú thuéc vµo viÖc tæ chøc d÷ liÖu. Sù kh¸c biÖt lµ viÖc gi¸p nèi th× kh«ng t¸i t¹o hay chia c¾t thuéc tÝnh h×nh häc ë phÇn b¶n ®å kÕt qu¶. Qu¸ tr×nh g¾n vµ gi¸p nèi lµ ngîc víi qu¸ tr×nh chia ®· nªu ë trªn. H×nh díi ®©y lµ minh ho¹ cña qu¸ tr×nh g¾n vµ gi¸p nèi b¶n ®å. 1 2 2 3 1 4 4 5 5 5 5 6 6 7 8 8 9 5 4 7 3 2 8 6 9 H×nh 20. 4 B¶n ®å ®îc ghÐp nèi b»ng chøc n¨ng g¾n/ nèi b¶n ®å Trªn h×nh vÏ 17, 4 b¶n ®å ®Êt nguyªn thuû cã 4 thuéc tÝnh (coverage) riªng. Khi g¾n/ gi¸p nèi, 4 b¶n ®å t¹o thµnh mét b¶n ®å lín ë bªn ph¶i. Cã mét chøc n¨ng phô ph¶i thùc hiÖn sau khi gi¸p nèi lµ lµm s¹ch, tÈy níc ranh giíi kh«ng cÇn thiÕt ë b¶n ®å kÕt qu¶. Th«ng thêng ë ARC/INFO, ®ã lµ chøc n¨ng dissolving. • TÈy s¹ch (dissolving): chøc n¨ng tÈy lµ lo¹i bá c¸c ranh giíi kh«ng cÇn thiÕt sau khi c¸c b¶n ®å ®· ®îc gi¸p néi. Ngoµi ra, chøc n¨ng nµy cßn cho phÐp ®Æt tªn l¹i c¸c ®iÓm nèi gi÷a c¸c ®êng víi c¸c gi¸ trÞ thuéc tÝnh x¸c ®Þnh. Th«ng thêng, chøc n¨ng nµy kiÓm tra tÊt c¶ c¸c ®o¹n th¼ng ®Ó x¸c ®Þnh xem c¸c ®o¹n th¼ng khi nèi víi nhau cã cïng thuéc tÝnh nh yªu cÇu hay kh«ng. Trong trêng hîp hai polygon gi¸p nèi lµ cã cïng thuéc tÝnh (ID) trong khi ë b¶n ®å kÕt qu¶ cã mét segment ë gi÷a th× cã thÓ lo¹i bæ segment ®ã ®i ®Ó gi¸p nèi c¶ hai polygon ®ã víi nhau. 63 a b a b a b c c b a b H×nh 21. KÕt qu¶ cña viÖc tÈy s¹ch ®Ó t¹o nªn mét coverage míi ë h×nh b¶n ®å bªn tr¸i sau khi ghÐp nèi cßn cã 7 polygon. Tuy nhiªn thùc tÕ chØ cã 3 lo¹i ®Êt lµ ABC, sau khi kiÓm tra toµn bé c¸c segment th× lo¹i bá c¸c segmen grafi nèi c¸c polygon cã cïng tªn (cïng lo¹i ®Êt). KÕt qu¶ lµ c¸c polygon A ®îc ghÐp l¹i, c¸c polygon B còng ®îc ghÐp. B¶n ®å kÕt qu¶ chØ cß 4 polygon víi 3 lo¹i ®Êt riªng biÖt. §èi víi ph©n tÝch kh«ng gian, chøc n¨ng tÈy hay lµm s¹ch hay ®îc sö dông ®Ó thiÕt lËp c¸c m« h×nh. Trong trêng hîp ®ã, mét m« h×nh ®îc thiÕt lËp ®Ó m« t¶ c¸c mÉu kh«ng gian vµ hÖ sè ®¸nh gi¸ ®îc sö dông ®Ó hiÖu chØnh cho c¸c ®Æc ®iÓm kh«ng gian. Mçi ®èi tîng ®îc x¸c ®Þnh víi mét gi¸ trÞ thuéc tÝnh phï hîp, c¨n c vµo hÖ sè ®¸nh gi¸ cña m« hinh. Ranh giíi gi÷a c¸c ®èi trîng tiÕp gi¸p nhau mµ cã cïng tÝnh chÊt th× ®îc tÈy ®i ®Ó t¹o nªn mét mÉu kh«ng gian míi. Chøc n¨ng tÈy sÏ ®îc ®Ò cËp tiÕp ë phÇn sau. • Lo¹i bá (Eliminate): chøc n¨ng lo¹i bá ®îc ¸p dông phæ biÕn trong trêng hîp do lçi cña t liÖu cã nh÷ng ®êng kh«ng muèn ®îc h×nh thµnh t¹o nªn nhiÒu ®êng nhá vµ nhiÒu polygon nhá vôn (Sliver polygons). T×nh tr¹ng cã nhiÒu polygon nhá vôn thõa lu«n x¶y ra trong kÕt qu¶ cña viÖc chång xÕp c¸c líp b¶n ®å. Khi cã 2 polygon chång lªn nhau, do qua tr×nh sè ho¸ mµ hai m¶ng thuéc tÝnh cña hai líp sÏ cã xu híng t¹o nªn nhiªu polygon nhá vôn. B¶n ®å ban ®Çu B¶n ®å sau khi lo¹i bá 64 H×nh 22. ¸p dông chøc n¨ng lo¹i bá ®Ó chØnh söa b¶n ®å. • KÕt hîp : cã thÓ kÕt hîp mét hoÆc nhiÒu ®èi tîng ®Ó t¹o nªn 1 coverage míi. • T¹o vïng ®Öm : t¹o tõ c¸c ®èi tîng polygon: khi më réng, hai polygon (bªn tr¸i) sÏ t¹o nªn mét polygon ë bªn ph¶i: H×nh 23. T¹o vïng ®Öm tõ c¸c ®èi tîng Trong viÖc t¹o vïng ®Öm chiÒu réng cña vïng ®Öm cã thÓ t¹o kh¸c nhau cho tõng ®iÓm, ®êng ,polygon víi c¸c møc kh¸c nhau song còng cã thÓ lµ t¹o tÊt c¶ gièng nhau (nghÜa lµ cïng mét chiÒu réng). VÝ dô: khi nghiªn cøu sù « nhiÔm kh«ng khÝ, vïng më réng tÝnh tõ nguån lµ mét hµm cña møc ®é « nhiÔm tÝnh tõ mçi nguån ®iÓm. Trong trêng hîp nµy, chiÒu réng cña vïng bÞ « nhiÔm sÏ cã c¸ møc kh¸c nhau tuú theo møc « nhiÔm. Lîi Ých cña viÖc t¹o vïng ®Öm trong ph©n tÝch kh«ng gian lµ t¹o nªn c¸c vïng cã cïng kho¶ng c¸ch víi mét ®èi tîng lùa chän. Chøc n¨ng nµy rÊt cã Ých cho viÖc ph©n tÝch mèi quan hÖ vÒ sù ph©n bè vµ t¸c ®éng giòa c¸c ®èi tîng kh«ng gian. VÝ dô, gi¶ sö muèn nghiªn cøu sù t¬ng quan gi÷a c¸c gi¸ trÞ vµ kho¶ng c¸ch cña m¹ng líi giao th«ng huyÕt m¹ch (chÝnh) th× kho¶ng c¸ch cña tõng chç ®Õn ®êng giao th«ng gÇn nhÊt cÇn ph¶i ®îc x¸c ®Þnh (h×nh) Trong h×nh, c¸c vïng cã cïng kho¶ng c¸ch tíi ®êng giao th«ng chÝnh ®îc v¹ch ra. Ph¬ng ph¸p nµy cã thÓ ¸p dông cho viÖc ®Þnh gi¸ ®Êt tÝnh tõ ®êng giao th«ng chÝnh quy ho¹ch tíi tiªu tÝnh tõ s«ng hoÆc ®Ó tÝnh c¸c vïng kÕ cËn nhau. 65 H×nh 24. T¹o c¸c vïng ®Öm víi c¸c kho¶ng c¸ch kh¸c nhau  Ph©n tÝch sù gÇn gòi (Proximity analysis) Ph©n tÝch sù gÇn gòi lµ c«ng viÖc dùa vµo c¬ së vÒ kho¶ng c¸ch cña c¸c ®iÓm lùa chon. T¹o mét vïng më réng cña mét ®èi tîng, th«ng thêng ®îc hiÓu lµ viÖc t¹o vïng ®Öm (buffer operation). ViÖc t¹o vïng ®Öm cã thÓ thùc hiÖn cho rÊt nhiÒu kiÓu ®èi tîng, bao gåm c¶ ®iÓm, ®êng vµ polygon. V× qu¸ tr×nh t¹o vïng ®Öm lµ sù më réng vÒ diÖn tÝch nªn kÕt qu¶ lu«n t¹o thµnh c¸c ®èi tîng polygon. H × n h : Q u ¸ tr ×n h t ¹ o v ï n g ® Ö m c h o ® è i t­ î n g ® iÓ m H × n h : Q u ¸ tr ×n h t ¹ o v ï n g ® Ö m c h o ® è i t­ î n g ® ­ ê n g Figure 25. KÕt qu¶ ph©n tÝch sù gÇn gòi Trong qu¸ tr×nh t¹o vïng ®Öm, nÕu cã nhiÒu møc víi nhiÒu kho¶ng c¸ch kh¸c nhau tÝnh tõ mét ®èi tîng, th× ranh giíi gi÷a c¸c møc sÏ ®îc v¹ch ra hay lµ t¹o nªn c¸c ®êng ®¼ng gi¸ trÞ (isolines) Mét kiÓu ph©n tÝch sù gÇn gòi kh¸c lµ t¹o nªn c¸c polygon Thiessen - hay còng gäi lµ c¸c polygon gÇn nhÊt. C¸c polygon Thiessen ®îc t¹o tõ mét lo¹t ®iÓm vµ c¸c polygon ®îc tao ra chia khu vùc thµnh c¸c vïng phô (t¬ng tù nh phô lu vùc trong thuû v¨n). Mçi mét phô vïng ®ã th× phÇn bªn trong lµ gÇn gòi víi ®iÓm ®ã h¬n lµ so víi ®iÓm kh¸c. 66 H×nh 26. KÕt qu¶ ph©n tÝch sù gÇn gò Thiessen i ViÖc t¹o lËp c¸c polygon thiessen cã thÓ ¸p dông cho nhiÒu néi dung nghiªn cøu kh¸c nhau, kÓ c¶ tù nhiªn vµ x· héi. Trong kinh tÕ, vÝ dô cña h×nh lµ sù ph©n chia c¸c vïng kinh tÕ, víi trung t©m lµ c¸c tô ®iÓm th¬ng m¹i. Nh vËy, c¸c ®êng segment t¹o nªn n¬i gi¸p nhau cña c¸c vïng nhá sÏ lµ n¬i cã kh¶ n¨ng bu«n b¸n tèt. ViÖc ph©n tÝch sù gÇn gòi cã thÓ ¸p dông cho ®iÒu hµnh nhiÒu líp th«ng tin mµ ë ®ã c¸c kho¶ng c¸ch kh¸c nhau ®îc t¹o nªn trong qu¸ tr×nh ph©n tÝch, ¸p dông cô thÓ sÏ ®îc ®Ò cËp ®Õn ë phÇn sau. Ph©n biÖt vµ lùa chän (identification and selection): viÖc xö lý th«ng tin theo ph¬ng n»m ngang còng cho phÐp sö dông ®Ó ph©n biÖt c¸c ®èi tîng kh«ng gian trong mét b¶n ®å hay mét c¬ së d÷ liÖu. Tríc hÕt, c«ng viÖc nµy cã thÓ thùc hiÖn b»ng viÖc xö lý s¬ ®å t¬ng t¸c, sau ®ã cã thÓ ¸p dông ph¬ng ph¸p xö lý logic víi c¬ së d÷ liÖu. Ph©n tÝch s¬ ®å t¬ng t¸c cho phÐp ngêi sö dông cã thÓ ph©n biÖt c¸c ®Æc ®iÓm ®èi tîng b¶n ®å trùc tiÕp tõ mµn h×nh m¸y tÝnh. VÝ dô: di chuyÓn con trá vµo c¸c vÞ trÝ cÇn quan t©m vµ ngay lËp tøc cã thÓ t×m ®îc c¸c ®èi tîng vµ thuéc tÝnh cña chóng ®Ó xö lý (kÓ c¶ ®èi tîng ®êng, ®iÓm). Víi polygon th× ph¶i ®a con trá vµo bªn trong polygon ®Ó ph©n tÝch vµ x¸c ®Þnh c¸c thuéc tÝnh (h×nh) Cho mét vÝ dô vÒ qu¶n lý ®Êt ®ai: cã thÓ t×m thuéc tÝch cña bÊt kú mét thöa ruéng nµo b»ng mét b¶ng thèng kª cô thÓ: sè thø tô, tªn chñ ®Êt, ký hiÖu (code), diÖn tÝch, gi¸ trÞ ®Êt. 67 parcel owner zoning 231-12667 join Doe A3 area 7500 value 235-790 H×nh Cho 1 vÝ dô vÒ qu¶n lý ®Êt ®ai elevation = 347 H×nh 27. X¸c ®Þnh ®é cao cña mét ®iÓm b»ng con trá vµ mµn h×nh C«ng viÖc x¸c ®Þnh ®ã còng cã thÓ thùc hiÖn b»ng c¸ch dùa vµo c¸c thuéc tÝnh trong c¬ së d÷ liÖu. ViÖc x¸c ®Þnh c¸c ®èi tîng cßn ®îc gäi lµ lùa chän ®èi tîng (feature selection). Tãm l¹i, viÖc lùa chän ®Æc ®iÓm ®èi tîng cã thÓ ¸p dông mét c¸ch linh ho¹t, tuú ®iÒu kiÖn cña ngêi sö dông. VÝ dô: cã thÓ c¨n cø c¸c ®iÒu kiÖn ®Ó lùa chän trong m« h×nh kh«ng gian (if...then), trong ®ã cã mét sè ®Æc ®iÓm sau:  C¸c ®Æc ®iÓm cã thÓ lùa chän trùc tiÕp tõ b¶n ®å: vÝ dô cã thÓ ®a con trá ch¹y ®Õn tõng vÞ trÝ trªn b¶n ®å ®Ó lùa chän c¸c ®èi tîng ®Þa lý ®å ho¹.  Cã thÓ lùa chän theo thuéc tÝnh theo vïng ®¸nh dÊu, vÝ dô chän c¸c vïng cã cïng mét sè thuéc tÝch trong mét b¶n ®å cã nhiÒu vïng kh¸c nhau. Lùa chän ®Ó tù t×m kiÕm c¸c ®èi tîng trong mét vïng ®¸nh dÊu. ® è i t­ î n g ® iÓ m ® iÓ m ® ­ î c lù a c h ä n K h u v ù c ch u n g k h u v ù c ® ­ î c ch ä n H ×n h : l ù a c h ä n th e o v ï n g H×nh 28. Sù lùa chän ®èi tîng theo vïng Ngoµi ra, xö lý logic cã thÓ ®îc thùc hiÖn b»ng viÖc xö lý c¸c c©u hái hoÆc xö lý logic to¸n häc víi c¸c ®iÒu kiÖn ®Æt ra (nh thuËt to¸n). Tuy nhiªn thuËt to¸n nµy thêng chØ ¸p dông cho xö lý nhiÒu líp th«ng tin vµ phÇn sau sÏ ®Ò cËp kü h¬n. 68 Khi ®· lùa chän xong th× c¸c yÕu tè ®îc lùa chän. C¸c phÐp tÝnh thèng kª c¬ b¶n bao gåm tÝnh c¸c gi¸ trÞ trung b×nh, ®é lÖch, cùc ®¹i, cùc tiÓu, ngìng, tÇn sè cña c¸c thuéc tÝnh lùa chän. Nh÷ng phÐp tÝnh thèng kª ®ã cung cÊp c¬ së cho viÖc xö lý kh«ng gian. Ngoµi ra, viÖc ph©n tÝch tÇn sè cßn cung cÊp nh÷ng th«ng tin h÷u Ých vÒ d÷ liÖu. a b c c c K h u b u « n b ¸ n k h « n g b j n g Ëp K h u d © n c­ b j n g Ëp K h u b u « n b ¸ n k h « n g b j n g Ëp K h u b u « n b ¸n b j n g Ëp K h u d ©n c ­ k h « n g b j n g Ëp K h u d © n c­ b j n g Ëp K h u d ©n c ­ k h « n g b j n g Ëp H×nh 29. KÕt qu¶ nhom gép c¸c nhãm ®èi tîng Trong ®a sè c¸c trêng hîp ¸p dông, sù ph©n bè tÇn sè ®îc tÝnh tõ s¬ ®å ph©n lo¹i ®a ra tríc. Víi s¬ ®å ®ã ta cã thÓ tiÕn hµnh gép nhãm c¸c ®èi tîng hoÆc ph©n tÝch, m« t¶ quy luËt ph©n bè. Víi HTT§L, viÖc ph©n tÝch tÇn sè cña b¶n ®ß cÇn ph¶i cã c¬ së d÷ liÖu víi nhiÒu thuéc tÝnh hoÆc nhiÒu ®èi tîng kh¸c nhau. • Ph©n lo¹i t liÖu (Data Classification) Ph©n lo¹i lµ c«ng viÖc rÊt phæ biÕn trong xö lý d÷ liÖu kh«ng gian. §ã lµ mét trong nh÷ng c«ng viÖc tæ chøc l¹i d÷ liÖu ban ®Çu víi nhiÒu thuéc tÝnh thµnh nh÷ng d÷ liÖu míi theo môc ®Ých sö dông. Trong ph©n lo¹i, tríc hÕt ph¶i x¸c ®Þnh ®îc sè líp cÇn chia, hoÆc c¸c ngìng cÇn ph©n chia. Tuú thuéc tÇn sè ph©n bè cña c¸c ®èi tîng mµ cã nhiÒu ph¬ng ph¸p ph©n lo¹i kh¸c nhau. -X¸c ®Þnh quy luËt ph©n bè tÇn sè: cã 6 mÉu ph©n bè c¬ b¶n lµ: ®ång nhÊt (uniform), b×nh thêng (normal), cã hai cùc trÞ (bimodal), ®êng th¼ng xiªn (linearly Skewed), cong (non-linear slewed), nhiÒu líp (multiple clusters). 69 ®ång nhÊt b ×n h t h ­ ê n g x iª n ( to ¸ n h ä c ) x i ª n c o n g (h × n h h ä c ) h a i c ù c tr Þ nhãm H×nh 30. 6 mÉu ph©n bè tÇn sè th«ng dông NÕu nh sù ph©n bè tÇn sè cã d¹ng gÇn víi d¹ng ®ång nhÊt th× cã thÓ ph©n lo¹i mét c¸ch ®¬n gi¶n theo nguyªn t¾c t¹o c¸c kho¶ng kh«ng ®æi (constant interval) hay lµ t¹o mét lo¹t c¸c bËc b»ng nhau. Trêng hîp ®ã cÇn x¸c ®Þnh c¸c gi¸ trÞ cùc ®¹i, cùc tiÓu cña tµi liÖu, sau ®ã toµn bé d¶i tµi liÖu ®îc chia ra c¸c líp b»ng nhau. -Ph¬ng ph¸p ph©n lo¹i theo nguyªn t¾c cïng tÇn sè. Nguyªn t¾c lµ ph©n lo¹i ®Ó t¹o nªn c¸c líp cïng c¸c hoÆc gÇn cïng tÇn sè trong mçi líp. Toµn bé c¸c ®èi tîng sÏ r¬i vµo c¸c líp cã trËt tù ë trªn hay ë díi. Tæng sè c¸c ®èi tîng ®îc ph©n chia theo sè líp vµ giíi h¹n cña tõng líp ®îc x¸c ®Þnh mét c¸ch chñ quan hoÆc ngÉu nhiªn. H¹n chÕ cña ph¬ng ph¸p nµy lµ ranh giíi cña c¸c líp kh«ng x¸c ®Þnh ®îc b»ng to¸n häc. Khi sù ph©n bè tÇn sè gièng víi sù ph©n bè chuÈn th«ng thêng (normal) th× viÖc ph©n lo¹i cã thÓ dùa vµo gi¸ trÞ trung b×nh trõ ®i ®é lÖch chuÈn cßn líp thø hai ®îc x¸c ®Þnh b»ng gi¸ trÞ trung b×nh trõ ®i ®é lÖch chuÈn. Hai líp kh¸c n»m trong d¶i trung b×nh x1 ®é lÖch chuÈn ®Õn trung b×nh -2 ®é lÖch chuÈn. Mét cÆp thø 3: trung b×nh -1 ®é lÖch chuÈn vµ trung b×nh – 2 ®é lÖch chuÈn: Líp 1 ®Õn líp 2: tõ X - 2δ ®Õn X - 1δ Líp 3 ®Õn líp 4: tõ X - 1δ ®Õn X - 1δ Líp 5 ®Õn líp 6: tõ X - 1δ ®Õn X- 2δ Nh×n chung, sè lîng líp ®îc ph©n chia ra trong sù ph©n bè chuÈn thêng lµ 6,4 hoÆc 2. Trong d¹ng ph©n bè hai cùc trÞ, d·y t liÖu ®îc chia thµnh hai nhãm t¸ch biÖt. Trong trêng hîp nµy, tríc hÕt ph¶i tiÕn hµnh chia tµi liÖu thµnh hai nhãm råi chia mçi nhãm thµnh c¸c líp theo ph¬ng ph¸p ®· nªu ë trªn. 70 NÕu t liÖu ph©n bè theo d¹ng ®êng chÐo (hay ®êng dèc) víi ®é dèc t¬ng ®èi æn ®Þnh. Trêng hîp nµy ph¶i dùa theo nguyªn t¾c tiÕn triÓn sè häc ®Ó ph©n lo¹i. Ngìng cña líp thø K ®îc x¸c ®Þnh: TK = b - (K - 1) d ë ®©y: b lµ kho¶ng ®Çu cña sù tiÕn triÓn to¸n häc d: h»ng sè t¨ng lªn K: hÖ sè (>1) To = 0 Ranh giíi cña c¸c líp L vµ U ®îc tÝnh: LK = a - ∑TK - 1 UK = a - ∑TK VÝ dô: nÕu a = 0, b = 0, d = 0 th× khi K = 1, giíi h¹n cña líp K = 1 lµ (0,10), khi líp K= 2 lµ (10, 30), K = 3 lµ (30, 60), K = 4 lµ (60, 100). NÕu a = 0, b = 10, d = 2 th× c¸c giíi h¹n ®ã lµ K1(10, 22), K2(22,36), K3(36,52). Trong trêng hîp nµy, sù thay ®æi vÒ kho¶ng däc theo d·y tiÕn triÓn thÓ hiÖn híng xiªn cña ®å thÞ ph©n bè. Trong thùc tÕ sù ph©n bè tÇn sè cña sè liÖu thêng phøc t¹p h¬n sù ph©n bè theo mÉu, ®Æc biÖt lµ d¹ng ph©n bè theo nhiÒu nhãm (multi cluster distribution), phøc t¹p nhÊt song l¹i thêng gÆp. Trong ®ã, ®êng cong ph©n bè thÓ hiÖn cã nhiÒu líp víi chiÒu réng kh¸c nhau, nhiÒu cùc trÞ kh¸c nhau vµ ®é cao còng kh¸c nhau. Khi ®ã sè líp kh«ng thÓ tÝnh b»ng ph¬ng ph¸p sè häc mµ ph¶i tÝnh mét c¸ch ngÉu nhiªn. Theo kinh nghiÖm, cã thÓ ¸p dông c¸ch ph©n líp theo nh¸nh (hierarchical clustering). Ph¬ng ph¸p nµy cho phÐp x¸c ®Þnh mét c¸ch tèi u sè lîng líp vµ ranh giíi c¸c líp. C¸ch thøc tiÕn hµnh nh sau:  Bíc ®Çu mçi ®èi tîng ®îc x¸c ®Þnh lµ mét nhãm hîp phÇn  Mçi lÇn lµm l¹i th× mét ®èi tîng bÊt kú cã sù kh¸c biÖt nhÊt víi nhãm ®îc ph¸t hiÖn vµ gép víi nhãm ®ã.  Cø nh vËy, mçi lÇn chia l¹i th× sè lîng nhãm ®îc gi¶m ®i 1, cuèi cïng toµn bé c¸c ®èi tîng ®îc thµnh nh÷ng nhãm riªng. C¸c gi¸ trÞ thèng kª: SSw, SSb, vµ tØ sè SSw/SSb ®îc tÝnh cho mçi c«ng ®o¹n (SSw lµ tæng cña ph¬ng sai trong mçi nhãm, SSb lµ tæng ph¬ng sai gi÷a c¸c nhãm, 71 viÖc gép nhãm x¸c ®Þnh ®îc c¸c ®èi tîng nµo ë cïng mét líp, sè lîng c¸c líp tù nhiªn ®îc x¸c ®Þnh bëi ®êng cong cña tØ sè SSw/SSb. Gãc bªn ph¶i ®êng cong: khi sè lîng líp b»ng sè lîng ®èi tîng vµ SS = 0, tØ sè SSw/SSb = 0. Gãc bªn tr¸i ®êng cong: sè lîng ®èi tîng = 1, SSb = 0 vµ tØ sè SSw/SSb = ∞ Theo nguyªn t¾c "ngãn tay c¸i" th× sè lîng c¸c líp ®îc chia dùa vµo chç gå lªn cña ®êng cong. ý nghÜa lµ khi ph©n lo¹i b¾t ®Çu tõ phÝa xa bªn ph¶i ®êng cong, tØ sè sÏ ®îc t¨ng dÇn ®Õn chç ®êng cong bÞ ghå lªn. Sau chç ®ã th× t¹i mét ®iÓm bÊt kú, gi¸ trÞ tØ sè sÏ t¨ng lªn rÊt nhanh so víi ®iÓm tríc nã. Sù ph©n lo¹i sÏ ®îc xem xÐt khi mµ tØ sè cßn thÊp ë gi¸ trÞ chÊp nhËn ®îc. Víi mçi tËp hîp thèng kª kh¸c nhau th× cã mét ph¬ng ph¸p ph©n lo¹i thÝch hîp. VÊn ®Ò cÇn thiÕt ®Æt ra trong ph©n tÝch kh«ng gian lµ ph¶i t×m ®îc ph¬ng ph¸p ph©n lo¹i phï hîp cho mét tËp hîp nhÊt ®Þnh. Nh÷ng ph¬ng ph¸p ®· nªu ë trªn lµ dùa vµo t liÖu thuéc tÝnh. NÕu nh môc tiªu ph©n lo¹i lµ ®Ó xö lý kh«ng gian t¹o nªn c¸c mÉu kh«ng gian kh¸c nhau th× ph¬ng ph¸p ph©n lo¹i l¹i ®îc ¸p dông theo nguyªn t¾c kh¸c. Trong trêng hîp c¸ ®èi tîng b¶n ®å lµ c¸c polygon, cã thÓ ¸p dông hÖ sè ph©n chia (fracmentation index) ®Ó ph©n lo¹i: ρ= m −1 n −1 ë ®©y: ρ: hÖ sè ph©n chia nhá m: sè vïng tiÕp gi¸p trªn b¶n ®å n: sè ®¬n vÞ b¶n ®å gèc §èi víi thuéc tÝnh cña polygon, n lµ sè lîng polygon tríc khi ph©n lo¹i vµ tÈy s¹ch, m lµ sè lîng polygon sau khi ph©n lo¹i vµ tÈy s¹ch (ph¬ng ph¸p ®· nªu ë trªn). Gi¸ trÞ cña m lu«n nhá h¬n hoÆc b»ng n vµ gi¸ trÞ ρ thay ®æi tõ 0 – 1. VÒ lý thuyÕt thuÇn tuý, khi m = n th× sù ph©n lo¹i t¹o nªn kÕt qu¶ lµ mçi polygon trong mét líp th× kh¸c víi toµn bé c¸c polygon kÕ cËn. Trong trêng hîp nµy, hÖ sè ph©n chia m¶nh ρ cã gi¸ trÞ lµ 1 th× t¹o nªn sè lîng tèi ®a c¸c m¶nh trong kÕt qu¶ ph©n lo¹i, víi xu híng kh¸c th× toµn bé c¸c polygon ®îc ph©n lo¹i thµnh chÝnh c¸c polygon ®· cã trªn b¶n ®å tæng hîp. V× khi m = 1, ρ = 0 khi ®ã c¸c polygon lµ kh«ng ®æi. VÝ dô sau sÏ minh ho¹ râ cho ph¬ng ph¸p ph©n lo¹i nµy. 72 1-3 A 4 3 1 4 3 4 1 8 2 2 1 5 5 9 11 10 7 8 9 5 12 12 12 8 7 4 -9 10-12 1-4 B 5-8 9-12 H×nh 31. Ph©n chia b¶n ®å thµnh c¸c vïng theo hÖ sè chia m¶nh kh¸c nhau B¶n ®å gèc cã cÊu tróc líi 5 x 5, mçi « cã gi¸ trÞ x¸c ®Þnh. Trong c¶ hai kÕt qu¶, b¶n ®å ®Òu chia thµnh 3 líp ë A: ρ = (8-1)(25 -1) = 0,29 (sè vïng nhiÒu h¬n = 8) ë B: ρ = (3-1)(25 -1) = 0,08 (sè vïng Ýt h¬n = 3) §Ó tiÖn ¸p dông, trong xö lý kh«ng gian, viÖc ®iÒu khiÓn mét líp th«ng tin vµ nhiÒu líp th«ng tin ®îc t¸ch thµnh hai chøc n¨ng riªng biÖt trong phÇn mÒm HTT§L. Tuy nhiªn ®a sè trong thùc tiÔn, hai viÖc nµy ®Òu ph¶i ®îc thùc hiÖn trong xö lý kh«ng gian. §iÒu khiÓn mét líp th«ng tin thêng lµ bíc chuÈn bÞ t liÖu hay lµ biÕn ®æi c¸c t liÖu gèc theo tõng líp ®Ó t¹o thµnh mét hay nhiÒu líp th«ng tin cÇn thiÕt cho bíc xö lý tiÕp theo. ViÖc chuÈn bÞ d÷ liÖu ®ã ph¶i dùa vµo c¸c thuéc tÝnh cña t liÖu. Th«ng thêng cã 3 d¹ng chuÈn bÞ: ®iÒu khiÓn thuéc tÝnh, ph©n biÖt lùa chän ®èi tîng vµ ph©n lo¹i ®èi tîng. • Tríc hÕt, viÖc ®iÒu khiªn c¸c ®èi tîng b¶n ®å cã thÓ ¸p dông nhiÒu c¹ch. Víi vïng réng cña c¸c ®¬n vÞ tù nhiªn th× ph¶i chia nhá thµnh c¸c phï vïng víi diÖn tÝch nhá h¬n. Ngîc l¹i, víi c¸c vïng qu¸ ph©n t¸n th× l¹i ph¶i gép thµnh cµc vïng lín h¬n. Tõng phÇn cña tµi liÖu cã thÓ ®îc lo¹i bá, bæ sng thªm vµo hoÆc lùa chän ®Ó thÝch hîp víi c«ng viÖc xö lý tiÕp theo. • Thø hai, c¸c ®èi tîng b¶n ®å cã thÓ ph©n biÖt vµ lùa chon tõ c¬ së d÷ liÖu th«ng qua c¸c phÐp to¸n quan hÖ hoÆc logic, c«ng ivÖc nµy sÏ t¹o nªn nh÷ng t liÖu míi cÇn thiÕt. ViÖc ph©n biÖt vµ lùa chän cã thÓ thùc hiÖn b»ng ph©n tÝch so s¸nh vµ ¸p dông nhiÒu thuËt to¸n, tuú thuéc vµo ®Æc ®iÓm cña d·y t liÖu. 73 • Thø ba, c¸c ®èi tîng kh«ng gian cã thÓ ®îc ph©n lo¹i tríc khi ph©n lo¹i hä¨c thiÕt lËp m« h×nh, ¸p dông HTT§L, b¶ng ph©n bè tÇn sè cña c¸c ®èi tîng kh«ng gian cÇn ®îc thµnh lËp vµ tõ ®ã c¸c ph¬ng ph¸p ph©n lo¹i cã thÓ ®îc lùa chän vµ ¸p dông. • Bµi tËp thùc hµnh Sè ho¸ hoÆc vÏ 2 b¶n ®å ®êng giao th«ng vµ ranh giíi thµnh phè (kh«ng vÏ c¸c ®êng chÊm rêi lµ ®êng ph©n vïng cña thµnh phè vµ ngo¹i «). B A c a e b d B ¶ n ® å ® ­ ê n g g ia o th « n g B ¶n ® å p h ©n v ï n g a. Gi÷ riªng ranh giíi thµnh phè b»ng c¸ch Split b. T¸ch riªng b¶n ®å giao th«ng cña thµnh phè b»ng Clip c. TÈy bá b¶n ®å giao th«ng thµnh phè b¶n ®å ban ®Çu. So s¸nh kÕt qu¶ víi b¶n ®å cña kÕt qu¶ b. d. Sö dông b¶n ®å kÕt qu¶ cña b råi bæ sung thªm c¸c ®êng cña thµnh phè B trong b¶n ®å ph©n vïng. Bæ sung thªm b»ng c¸c ®êng chÊm Update cña b¶n ®å A vµo ®Ó t¹o kÕt qu¶ b¶n ®å ®êng giao th«ng (®îc update) cña thµnh phè B. e. T¹o c¸c vïng ®Öm (Buffer Zone) cho b¶n ®å d víi tõng chiÒu réng b»ng 1/10 cña c¹nh b¶n ®å gèc. X¸c ®Þnh c¸c thuéc tÝnh cña c¸c polygon cña b¶n ®å giao th«ng (cã vïng ®Öm). f. ThiÕt lËp b¶ng tÇn sè ph©n bè cho c¸c vïng ®Öm trong thµnh phè. Ph©n lo¹i c¸c polygon trong s¬ ®å A thµnh 3 líp tuú thuéc vµo c¸c chØ tiªu x¸c ®Þnh vµ tÝnh to¸n hÖ sè ph©n m¶nh cña tõng c¸ch ph©n chia theo kho¶ng b»ng nhau (constant interval) vµ tÇn sè ®Òu (equal frequency) vµ 1 - 3, 4 - 9, 20 - 12 vµ 1 - 2, 3 - 10, 11 –12. 74 A 4 B 1 3 2 4 1 4 3 6 11 9 7 9 12 8 6 9 11 10 12 12 9 1 3 1 4 3 2 2 11 12 12 8 4 4 8 7 6 1 9 5 7 8 5 12 D C 4 7 8 1 2 8 4 1 4 2 5 1 3 3 5 10 12 12 4 7 8 1 2 8 10 5 7 12 8 5 1 3 1 4 3 2 8 7 6 1 2 8 4 9 11 10 12 12 9 5 7 12 8 5 IV.2.§iÒu khiÓn th«ng tin nhiÒu líp (multilayer operation) §iÒu khiÓn nhiÒu líp th«ng tin ®îc hiÓu lµ ®iÒu hµnh theo ph¬ng th¼ng ®øng (Vertical operation) víi c¬ së lµ dùa vµo mèi quan hÖ gi÷a c¸c líp th«ng tin. ViÖc xö lý nµy cung cÊp kh¶ n¨ng c¬ b¶n nhÊ cho viÖc ph©n tÝch kh«ng gian v× nã cho phÐp ®iÒu khiÓn d÷ liÖu ë nh÷ng líp riªng biÖt ®ång thêi kiÓm tra mèi liªn quan gi÷a c¸c ®èi tîng kh¸c nhau. Víi viÖc ®iÒu khiÓn nµy cã thÓ t¸ch t liÖu cña mét líp thµnh nhiÒu líp víi môc ®Ých lµ ®Ó ph©n tÝch bÇt kú mét mèi quan hÖ nµo gi÷a c¸c yÕu tè cña c¸c hiÖn tîng tù nhiªn. Ngîc l¹i, nhiÒu líp th«ng tin cña mét vïng còng cã thÓ ®îc tæng hîp l¹i t¹o nªn mét líp ®¬n ®Ó tiÖn lîi trong qu¸ tr×nh xö lý vµ thiÕt lËp m« h×nh C¸c chøc n¨ng trong ph©n tÝch kh«ng gian cã thÓ chia thµnh 3 nhãm chÝnh: ph©n tÝch chång xÕp c¸c líp (overlay), ph©n tÝch quan hÖ gÇn gòi vÒ kh«ng gian, ph©n tÝch quan hÖ kh«ng gian. • Ph©n tÝch chång xÕp: lµ xö lý mèi quan hÖ l«gic vµ tæ hîp th«ng tin kh«ng gian cña nhiÒu líp thµnh mét líp riªng biÖt. • Ph©n tÝch qun hÖ gÇn gòi cã môc ®Ých lµ ®o ®¹c vÒ kho¶ng c¸ch gi÷a c¸c ®Æc ®iÓm ®èi tonùg ë c¸c líp kh¸c nhau. • Ph©n tÝch quan kh«ng gian ®Ó lµm râ m«i quan hÖ gi÷a c¸ ®èi tonùg kh¸c nhau. 75 • Chång xÕp nhiÒu líp th«ng tin Nguyªn t¾c cña chång xÕp th«ng tin lµ xö lý ®iÒu kiÖn logic, trong ®ã thuËt to¸n Boolean lµ hay sö dông. §iÒu kiÖn logic ®îc sö dông víi yÕu tè d÷ liÖu (operand) vµ quan hÖ gi÷a c¸c yÕu tè d÷ liÖu (operation). C¸c quan hÖ th êng gÆp bao gåm: AND, OR, XOR (kh«ng cã OR) vµ NOT. H×nh 32. M« pháng quan hÖ gi÷a hai líp th«ng tin b»ng thuËt to¸n Boolean 76 77 Quan hÖ cã/kh«ng cã (TRUE/FLASE) cña thuËt to¸n Boolean, mçi mét bµi to¸n ®îc ®Æc trng bëi mét ®iÒu kiÖn logic ®Æc trng ®Ó x¸c ®Þnh c¸c ®iÒu kiÖn chång xÕp th«ng tin cña hai líp vµ kÕt qu¶ lµ cã (TRUE) hay kh«ng (FALSE). Trªn h×nh vÏ, A vµ B lµ hai d÷ liÖu vµ thÓ hiÖn lµ 1 cã (TRUE), 0 lµ kh«ng cã (FLASE), ý nghÜa: A and B: kÕt qu¶ ph¶i thÓ hiÖn c¶ tÝnh chÊt cña A vµ B A or B: kÕt qu¶ cã tÝnh chÊt cña A hoÆc B A not B: KÕt qu¶ cã A mµ kh«ng cã B A xor B: kÕt qu¶ kh«ng cã A nhng cã thÓ cã B vµ ngîc l¹i. Cã 3 chøc n¨ng th«ng dông cña viÖc chång xÕp nhiÒu líp lµ: tæng hîp( union), giao c¾t ( intersection) hoÆc t¸ch biÖt (identity). 1 1 2 3 4 2 4 3 12 5 A (5 polygo n) 1 2 3 7 8 9 10 5 11 B (3 polygo n) 13 6 14 C (1 4 p o l y g o n ) H×nh 33. Quan hÖ logic gi÷a c¸c líp th«ng tin vÐct¬ Trong h×nh, tæ hîp hai líp A (5 polygon) vµ B (3 polygon) sÏ cho C víi 14 polygon. ë C, thuéc tÝnh ID cña c¸c ®¬n vÞ sÏ lµ c¶ thuéc tÝnh cña c¸c líp ban ®Çu (nÕu kh«ng chång lªn nhau) vµ thuéc tÝnh tæng hîp víi nh÷ng ®¬n vÞ t¹o nªn do chång hai ®¬n vÞ cña hai líp ban ®Çu (vÝ dô ID cña líp 1 lµ 4, cña líp 2 lµ 5 th× ë C, ®¬n vÞ míi cña 1 vµ 2 sÏ lµ tæ hîp, kÓ c¶ trong trêng hîp kh«ng cã ID mµ chØ cã tªn gäi th× còng t¬ng tù (trong trêng hîp hai líp b¶n ®å kh¸c nhau vÒ tÝnh chÊt). • Giao c¾t (intersect): phÐp giao c¾t trong thuËt to¸n Boolean ®îc hiÓu lµ phÐp quan hÖ AND. ý nghÜa cô thÓ cña quan hÖ nµy nh sau: khi cã hai thuéc tÝnh cña hai líp ®îc ®a vµo b¶ng chång xÕp víi AND th× chØ cã nhiÒu phÇn thuéc tÝnh nµo ®îc nh¾c ®Õn ë nh÷ng líp Input th× míi tån t¹i ë líp kÕt qu¶. ë líp kÕt qu¶, thuéc tÝnh cïa c¸c ®èi tîng lµ thuéc tÝnh tæng hîp. Tãm l¹i, ý nghÜa chÝnh cña INTERSECT lµ nh÷ng líp kÕt qu¶ ph¶i ®îc tån t¹i ë trªn c¶ nh÷ng líp ban ®Çu vµ phÇn giao c¾t nhau. 78 1 1 1 2 3 2 2 3 4 5 8 5 6 7 3 9 C o u tp u t ( k Õ t q u ¶ ) B in p u t ( 2 ) A in p u t ( 1 ) 4 H×nh 34. phÐp giao c¾t trong thuËt to¸n logic C¸c ®èi tîng cña líp Input cã thÓ lµ ®iÓm, ®êng vµ polygon, song nhÊt thiÕt intersect chØ xö lý cho polygon. Nh vËy ë input ph¶i cã sù chuyÓn th«ng tin tríc sang polygon. VÝ dô: t¹o mét vïng n»m c¸ch ®êng cao tèc 500m tõ b¶n ®å sö dông ®Êt vµ tÝnh c¸c diÖn tÝch cña tõng ®¬n vÞ trong vïng ®ã. Tríc hÕt ph¶i t¹o vïng buffer cña ®êng, sau ®ã míi t¹o intersect. • §ång nhÊt (Identity): Trong phÐp tÝnh ®ång nhÊt, c¸c ®èi tîng ë bªn trong ranh giíi cña c¸c líp ban ®Çu ®îc gäi lµ input coverage vµ identity coverage ®îc lùa chon t¹o nªn mét líp míi. ë phÇn bªn trong, c¸c thuéc tÝnh míi ®îc t¹o thµnh tõ viÖc gép (merging) c¸c thuéc tÝnh cña c¸c líp ban ®Çu. PhÐp tÝnh ®ång nhÊt cã thÓ thùc hiÖn cho c¶ viÖc nhËp thuéc tÝnh ®iÓm, ®êng vµ polygon, song indentity lu«n ph¶i lµ polygon. NÕu input lµ ®iÓm th× kÕt qu¶ chØ chøa th«ng tin cña ®iÓm mÆc dï líp indentity lu«n ph¶i lµ polygon. T¬ng tù nh vËy, nÕu input lµ ®êng th× kÕt qu¶ chØ cã ®êng. Trong thùc tÕ, yªu cÇu lµ sau khi thùc hiÖn xö lý c¸c thuéc tÝnh cña líp input ph¶i ®îc gi÷ nguyªn. 1 1 1 2 2 2 3 4 5 3 3 6 7 8 9 11 12 11 in p u t i d e n t it y 4 5 14 kÕt q u¶ H×nh 35. KÕt qu¶ trong phÐp tÝnh ®ång nhÊt (Identity) VÝ dô: x¸c ®Þnh ph©n bè thùc vËt ë vïng ph©n bè ®éng vËt hoang d· t¹i khu vùc A (ph©n tÝch tõ ¶nh) Sau khi ph©n tÝch ¶nh, lËp ®îc 3 líp b¶n ®å ph©n bè c¸c lo¹i thùc vËt chÝnh, ta lËp b¶n ®å b»ng phÐp identity ®Ó x¸c ®Þnh mèi liªn hÖ gi÷a ph©n bè ®éng vËt vµ 79 c¸c lo¹i thùc vËt chÝnh trong khu vùc. KÕt qu¶ sÏ cã toµn bé c¸c loµi thùc vËt chÝnh c¶ c¶ 3 líp cã ë trong vïng ph©n bè. • Ph©n tÝch tÝnh tÇn sè hay mËt ®é (Frequency/density): Ph©n tÝch kh«ng gian thêng yªu cÇu tÝnh to¸n tÇn sè (®Õm) hay mËt ®é cña ®èi tîng cã ë mét líp song l¹i ®îc tÝnh (hay ®Õm) ë mét vïng nhÊt ®Þnh thuéc líp kh¸c (líp c¬ së), d÷ liÖu cña líp ban ®Çu cã thÓ ë d¹ng ®iÓm, ®êng hoÆc polygon. VÝ dô: tÝnh sè c©y xuÊ hiÖn ë trong mét vïng khoanh ®Þnh. §Ó gi¶i quyÕt vÊn ®Ò, ph¶i cã 2 líp: líp 1 - ph©n bè c©y trong toµn vïng; líp 2 - ranh giíi khu vùc cÇn nghiªn cøu. Khi chång xÕp (overlay) 2 líp sÏ tÝnh ®îc sè c©y trong vïng cÇn nghiªn cøu theo ®¬n vÞ diÖn tÝch. Trong trßng hîp tÝnh cho ®êng, thêng tÝnh theo ®é dµi cña ®êng mµ kh«ng tÝnh sè lîng ®êng. PhÐp tÝnh nµy hay sö dông ®Ó nghiªn cøu ®Þa chÊt. Sau khi xö lý xong, cã thÓ tiÕp tôc thùc hiÖn b¶n ®å ph©n bè mËt ®é hoÆc s¬ ®å hoa hång ®Ó phôc vô nghiªn cøu ®øt g·y - kiÕn t¹o. Ngoµi ra cã thÓ ¸p dông cho viÖc nghiªn cøu mËt ®é ®êng giao th«ng, nghiªn cøu ph©n bè d©n téc hÆc ph©n bè c¸c loµi ®éng thùc vËt. T¬ng tù nh vËy, cã thÓ tÝnh to¸n mËt ®é cho polygon. PhÐp tÝnh nµy cã thÓ ¸p dông cho nhiÒu néi dung nghiªn cøu kh¸c nhau: ch¼ng h¹n ®Ó nghiªn cøu sù tËp trung (®ång nhÊt) hay ph©n t¸n cña mét sè loµi thùc vËt trong mét khu vùc nhÊt ®Þnh.  Ph©n tÝch quan hÖ gÇn gòi: Quan hÖ gÇn gòi cã thÓ ®îc ph©n tÝch níc c¸ch, tuú thuéc vµo ®Æc ®iÓm ®èi tîng. Sù gÇn gòi gi÷a c¸c polygon cã thÓ ®îc tÝnh b»ng ph¬ng ph¸p kho¶ng c¸ch t¸ch biÖt chung (interseparation distance), cô thÓ h¬n ®ã lµ kho¶ng c¸ch t¸ch biÖt gi÷a chu vi c¸c polygon, hay kho¶ng c¸ch gi÷a c¸ vÞ trÝ trung t©m (centrer locations). ViÖc nghiªn cøu kho¶ng c¸ch gi÷a c¸c ®iÓm trung t©m ®îc thùc hiÖn theo nguyªn t¾c ®o kho¶ng c¸ch gi÷a c¸c ®iÓm. ViÖc ®o quan hÖ gÇn gòi gi÷a c¸c ®êng ®îc thùc hiÖn trong viÖc ph©n tÝch m¹ng líi. Trong phÇn nµy, néi dung xö lý ®îc ¸p dông chØ cho c¸c ®èi tîng ®iÓm mµ th«i.  Quan hÖ gÇn (NEAR): Chøc n¨ng NEAR trong xö lý HTT§L cã kh¶ n¨ng ph¸t hiÖn c¸c ®iÓm hoÆc ®êng trong mét líp víi mét ®iÓm ë trong líp kh¸c vµ tÝnh to¸n kho¶ng c¸ch tíi ®iÓm ®ã. 80 x x x x x x H×nh 36. S¬ ®å hµm NEAR tÝnh kho¶ng c¸ch mét ®iÓm tíi ®êng gÇn nhÊt Mèi quan hÖ NEAR cã thÓ dïng ®Ó x¸c ®Þnh vÞ trÝ gÇn nhÊt tíi mét ®èi tîng ®êng hoÆc ®iÓm, ®©y lµ nh÷ng tÝnh to¸n trong viÖc thiÕt kÕ c¸c ®iÓm cÊp níc, c¸c chßi canh chèng löa ch¸y trong rõng.  TÝnh kho¶ng c¸ch c¸c ®iÓm (Point Distance): ThuËt to¸n nµy dïng ®Ó tÝnh kho¶ng c¸ch gi÷a c¸c ®iÓm ë líp nµy tíi ®iÓm kh¸c ë líp kh¸c. Còng cã thÓ ¸p dông tÝnh to¸n nµy cho mét líp. x x x x x x x H×nh 37. TÝnh kho¶ng c¸ch ®iÓm §iÓm A cã thÓ lµ cïng líp víi c¸c ®iÓm kh¸c song còng cã thÓ lµ ë líp kh¸c. Tõ A tÝnh ®îc kho¶ng c¸ch tíi c¸c ®iÓm kh¸c vµ sè ®iÓm trong vïng mét b¸n kÝnh nhÊt ®Þnh tÝnh tõ A. Trong vÝ dô trªn, kho¶ng c¸ch cã thÓ ®o gi÷a nhiÒu ®iÓm vµ nhiÒu néi dung nh sau: • §o kho¶ng c¸ch gi÷a c¸c ®iÓm víi nhau one - to - one (c¸c ®iÓm cã thÓ ë cïng hoÆc kh¸c líp) líp c¬ së (base) vµ líp tiªu (target). • §o kho¶ng c¸ch tõ mét ®iÓm tíi nhiÒu ®iÓm one - to - many (®iÓm chÝnh n»m ë líp kh¸c víi c¸c ®iÓm xung quanh). • §o kho¶ng c¸ch nhiÒu ®iÓm t¬ng øng víi nhau many - to - many (hai nhãm ®iÓm n»m ë hai líp). 81 • §o kho¶ng c¸ch gia bÊt kú ®iÓm nµo trªn líp c¬ së víi toµn bé c¸c ®iÓm trªn líi tiªu ( many - to - all). T¬ng tô nh vËy, phÐp ®o kho¶ng c¸ch còng cã thÓ ®îc thùc hiÖn ®Ó ®o gi÷a ®iÓm ë líp c¬ së vµ yÕu tè ®êng ë líp tiªu, víi c¸c ph¬ng thøc (one - to - one), (one - to - many), (many - to - many), (many - to - all).  Ph©n tÝch mèi quan hÖ kh«ng gian: spetial corretation analysis: Môc tiªu cña viÖc ph©n tÝhc lµ x¸c ®Þnh mèi quan hÖ gi÷a c¸c d¹ng kh¸c nhau cña c¸c ®èi tîng kh«ng gian. Cô thÓ lµ ph©n tÝch vµ x¸c ®Þnh vÒ quan hÖ ph©n bè gi÷a c¸c ®èi tîng ë líp nµy víi c¸c ®èi tîng ph©n bè ë líp kh¸c cña d÷ liÖu kh«ng gian. VÝ dô: ph©n tÝch ®Ó x¸c ®Þnh mèi quan hÖ gi÷a ®Êt vµ thùc vËt. Sau khi tæng hîp vµ xö lý th«ng tin sÏ x¸c ®Þnh ®îc mèi quan hÖ cña tõng nhãm hoÆc lo¹i cËy víi ®Êt vµ ngîc l¹i. NÕu quan hÖ ®ã lµ chÊt th× thùc vËt cã thÓ cña tõng nhãm hoÆc loµi cËy víi ®Êt vµ ngîc l¹i. NÕu quan hÖ ®ã lµ chÊt th× thùc vËt cã thÓ ®îc dïng lµm chØ thÞ cho ®Êt n»m ë phÝa díi vµ ngîc l¹i ®Êt cã thÓ dïng lµm chØ thÞ cho viÖc ®¸nh gi¸ tiÒm n¨ng vÒ diÖn tÝch mét sè loµi thùc vËt nhÊt ®Þnh. V× vËy hiÓu ®îc mèi quan hÖ gi÷a c¸c ®èi tîng lµ rÊt quan träng trong ®iÒu hµnh kh«ng gian. ViÖc ph©n tÝch cã thÓ ®îc thùc hiÖn b»ng nhiÒu c¸ch, tuú thuéc vµo tû lÖ ®o ®¹c cña c¸c th«ng sè cÇn nghiªn cøu. ë tû lÖ th«ng thêng, cã thÓ ®Þnh mèi quan hÖ b»ng c¸ch sö dông b¶ng ngÉu nhiªn (contigency table) vµ b×nh ph¬ng cña hÖ sè kho¶ng tra ®é thÝch hîp nhÊt. NÕu sù kh¸c biÖt lµ theo kho¶ng hoÆc tØ lÖ th× hÖ sè t¬ng quan vµ m« h×nh giËt lïi (regression model) sÏ cung cÊp ph¬ng ph¸p thÝch hîp h¬n cho viÖc nghiªn cøu mèi quan hÖ. Ph¬ng ph¸p b×nh ph¬ng cña hÖ sè kiÓm tra lµ thÝch hîp nhÊt. ViÖc ph©n tÝch tÇn sè sÏ ®îc ¸p dông ®Ó x¸c ®Þnh c¸c mÉu kh«ng gian trong viÖc ph©n bè cña c¸c hiÖn tîng. ViÖc ®ã còng ®îc sö dông ®Ó kiÓm tra c¸c gi¶ thiÕt vÒ mèi liªn quan gi÷a c¸c hiÖn tîng. Trong ph©n tÝch quan hÖ, ph¶i x¸c ®Þnh ®îc xu híng mµ tÇn sè sÏ t¨ng lªn t¹i mét vïng nµo ®ã ch¼ng h¹n. Trong viÖc níc, téi ph¹m vµ ma tuý sÏ t×m ®îc vÞ trÝ ph¸t sinh khi x¸c ®Þnh ®îc mèi quan hÖ gi· nh÷ng hµnh vi ph¹m téi vµ sù ph©n bè cña mét nhãm ngêi nµo ®ã khi ph©n tÝch ®Æc ®iÓm d©n c cña mét khu vùc. C¸c nhµ sinh vËy häc sÏ t×m ®îc mèi quan hÖ cña mét sè loµi sinh vËt quý hiÓm víi mét sè quÇn x· thùc vËt. Khi nghiªn cøu ph©n tÝch mèi quan hÖ gi÷a ®éng vËt vµ thùc vËt. Trong HTT§L, ®ã lµ c«ng viÖc ph©n tÝch quan hÖ th«ng tin gi÷a c¸c líp t liÖu. 82  HÖ sè liªn quan( hay hÖ sè quan hÖ ): ë tû lÖ ®o ®¹c th«ng thêng, ph¬ng ph¸p tÝnh hÖ sè liªn quan cho phÐp x¸c ®Þnh ®îc mèi liªn hÖ gi÷a hai líp th«ng tin kh¸c biÖt. Khi nghiªn cøu ë tû lÖ kho¶ng (interval) hay tØ sè kh¸c biÖt (ratio) th× thêng ¸p dông hÖ sè t¬ng quan giËt lïi. §©y còng lµ ph¬ng ph¸p phæ biÐn trong xö lý c¸c m« hinh kh«ng gian. VÒ b¶n chÊt viÖc tÝnh hÖ sè t¬ng quan chØ cho biÕt xu thÕ liªn quan vÒ gi¸ trÞ cña c¸c th«ng tin. Trong viÖc tÝnh t¬ng quan giËt lïi th× tÝnh to¸n mét c¸ch cô thÓ ®¬ng ph¬ng thøc cña sù liªn quan. VÝ dô: nãi r»ng x vµ y cã quan hÖ tØ lÖ thuËn chÆt chÏ, song trong tÝnh t¬ng quan giËt lïi cßn cho biÖt ®îc ph¬ng thøc liªn quan, ch¼ng h¹n y = 2x, nghÜa lµ y t¨ng theo tû lÖ 2x. Trong vÝ dô sau sÏ minh ho¹ râ ph¬ng thøc thÝnh mèi liªn hÖ gi÷a c¸c vÞ trÝ so víi tr¹m giao th«ng vµ gi¸ vÐ. Víi c¸c kho¶ng c¸ch kh¸c nhau th× gi¸ tiÒn ®Ó tÝnh tõ bÕn tµu còng kh¸c nhau (xem s¬ ®å): G i¸ t iÒ n (0 0 0 ) 32 28 24 20 1 2 3 4 5 K h o ¶ n g c ¸ c h (k m ) H×nh 38. Tinh to¸n kho¶ng c¸ch gi÷a c¸c vÞ trÝ kh¸c nhau ë ®©y: n lµ sè lîng c¸c ®¬n vÞ b¶n ®å (trong b¶ng n = 8) Sx vµ Sy lµ ®é lÖch chuÈn cña x vµ y x lµ gi¸ tiÒn vµ y lµ kho¶ng c¸ch r sÏ cã gi¸ trÞ thay ®æi tõ -1 ®Õn 1. NÕu gi¸ trÞ ®ã d¬ng th× quan hÖ ®ã lµ tØ lÖ thuËn vµ ngîc l¹i, r ©m th× quan hÖ lµ tØ lÖ nghÞch. NÕu r =1 th× quan hÖ rÊt chÆt. NÕu r = 0 th× kh«ng cã quan hÖ. Tãm l¹i, mét yªu cÇu c¬ b¶n cña HTT§L lµ ph¶i cã kh¶ n¨ng xö lý t liÖu vµ tæ chøc thµnh nh÷ng líp riªng biÖt, cã quan hÖ logic. Sù ph©n bè cña c¸ hiÖn tîng ®Þa lý lµ phøc t¹p vµ bao gåm nhiÒu yÕu tè cã quan hÖ theo nhiÒu ph¬ng thøc kh¸c nhau. Mét trong nh÷ng chøc n¨ng cña HTT§L lµ ph©n tÝch ®îc ph¬ng thøc ph©n bè cña c¸c yÕu tè th«ng qua c¸c sè liÖu. Xö lý nhiÒu líp th«ng tin cho phÐp t¸ch biÖt hoÆc kÕt hîp ®Ó xö lý mét c¸ch hiÖu qu¶ c¸c sè liÖu thèng kª ban ®Çu. 83 Trong xö lý nhiÒu líp th«ng tin cã mét sè ph¬ng thøc c¬ b¶n lµ chång xÕp, x¸c ®Þnh sù gÇn gòi vµ x¸c ®Þnh quan hÖ ®ã. ThuËt to¸n Boolean ®îc ¸p dông t¬ng ®èi phæ biÕn trong c¸c phÐp xö lý ®ã. • PhÐp chång xÕp lµ thiÕt lËp sù liªn kÕt kh«ng gian gi÷a c¸c líp t liÖu riªng biÖt, tõ ®ã liªn kÕt ®îc c¸c yÕu tè kh¸c nhau. • Ph©n tÝch sù gÇn gòi lµ ph©n tÝch vµ thiÕt lËp c¸ kho¶ng c¸ch l©n cËn, t¹o nªn nh÷ng líp th«ng tin míi. • Ph©n tÝch quan hÖ lµ x¸c ®Þnh mèi liªn quan gi÷a c¸c hiÖn tîng vµ sù ph©n bè kh«ng gian cña c¸c ®Æc ®iÓm kh¸c nhau gi÷a mét hay nhiÒu líp t liÖu. Bµi tËp 1. Sè ho¸ b¶n ®å ®Êt vµ thùc vËt cã néi dung nh sau: - B¶n ®å ®Êt cã c¸c lo¹i ®Êt ®îc gäi tªn theo sè 101, 102, 103, … - B¶n ®å thùc vËt cã: ®Êt cá, th«ng, såi, … Chång xÕp hai líp theo chøc n¨ng tæ hîp (Union), t¹o b¶ng tæng hîp sù ph©n bè vµ b¶ng dù b¸o. t h ù c v Ët § Êt 101 102 103 101 Cá T h« n g Så i 2. Sè ho¸ b¶n ®å sö dông ®Êt vµ b¶n ®å ngËp lôt - Chång xÕp theo ph¬ng thøc identity - Cho gi¸ trÞ b¶o hiÓm ®Êt: vïng 1 - 30USD/ha vïng 2 - 40USD/ha vïng 3 - 50USD/ha vïng 4 - 60USD/ha - ThiÕt lËp tÇn sè ph©n bè vµ tÝnh gi¸ trÞ b¶o hiÓm cña ®Êt cho mèi lo¹i 84 V ïn g ngËp lôt L o ¹i ® Ê t 1 b a d 2 c 3 4 3. ¸p dông chøc n¨ng NEAR ®Ó t¹o c¸c Buffer ®êng, ®iÓm. - TÝnh kho¶ng c¸ch tõ c¸c ®iÓm tíi c¸c ®êng. V.Ph©n tÝch mÉu ®iÓm §iÓm lµ h×nh thøc ph©n bè rÊt phæ biÕn trong tù nhiªn ®Æc biÖt lµ trong thùc tÕ cña c«ng t¸c nghiªn cøu, qu¶n lý tµi nguyªn, m«i trêng. Trong ph©n tÝch ®iÓm, toµn bé c¸c ®iÓm ®îc ph©n tÝch xö lý chø kh«ng ph¶i chØ cã ph©n tÝch cho tõng ®iÓm riªng biÖt. V× ®iÓm lµ ®èi tîng cã kÝch thíc b»ng 0 nªn viÖc ®o ®¹c vÒ ®iÓm thêng lµ ®o c¸c th«ng sè sù ph©n bè, mËt ®é vµ x¸c ®Þnh vÞ trÝ cña ®iÓm. DiÖn tÝch cña ®iÓm thêng kh«ng ®îc ®o mÆc dï chóng chiÕm mét diÖn tÝch nhÊt ®Þnh trªn b¶n ®å. Th«ng thêng nh÷ng th«ng sè ®Þnh lîng vÒ c¸c ®iÓm ®îc coi lµ b»ng nhau. VÒ sù ph©n bè cña c¸c ®iÓm, c¸c th«ng sè sau thêng ®îc tÝnh ®Õn nh: tÇn sè xuÊt hiÖn, mËt ®é, vÞ trÝ h×nh ho¹, ®é lÖch kh«ng gian vµ sù s¾p xÕp kh«ng gian. Nh÷ng nghiªn cøu vÒ ®iÓm phÇn lín dùa vµo c¸c nguyªn t¾c cña thèng kª m« t¶. TÇn sè lµ sè ®iÓm xuÊt hiÖn trªn b¶n ®å. §©y lµ th«ng sè ®Çu tiªn hay ®îc ®o vÒ ph©n bè ®iÓm. NÕu th«ng sè nµy ®îc ®o trong nhiÒu thêi gian th× c¸c sè liÖu ®îc ¸p dông vÒ qu¸ tr×nh tiÕn triÓn cña ®iÓm hay cña tËp hîp ®iÓm. NÕu diÖn tÝch vïng nghiªn cøu lµ kh¸c nhau th× th«ng sè ®îc so s¸nh lµ mËt ®é ®iÓm theo mét ®¬n vÞ diÖn tÝch. Thuéc tÝnh h×nh häc cña ®iÓm cÇn ®îc x¸c ®Þnh, ®ã lµ vÞ trÝ trung t©m vµ ®é lÖch cña ®iÓm so víi trung t©m cña vïng tËp trung. - VÞ trÝ t©m ®iÓm: x¸c ®Þnh b»ng to¹ ®é x, y. - §é lÖch ®o gi¸ trÞ ®é lÖch chuÈn so víi gi¸ trÞ trung b×nh. CÇn chó ý r»ng trong trêng hîp gi¸ trÞ ®é ph©n t¸n lín th× c¸c trung t©m vÒ mÆt h×nh häc kh«ng nhÊt thiÕt ®óng lµ n¬i ®é híng t©m cao, h×nh m« t¶ cho c¸c d¹ng ph©n bè ®iÓm kh¸c nhau. 85 c b A d H×nh 39. M« t¶ cho c¸c d¹ng ph©n bè ®iÓm kh¸c nhau §é ph©n t¸n cã thÓ ®îc tÝnh theo trôc X hay Y tuú theo c¸c gi¸ trÞ ®é lÖch chuÈn mµ h×nh d¹ng ph©n bè cña c¸c ®iÓm cã thÓ lµ h×nh kÐo dµi, elip hoÆc ph©n t¸n. ph © n bè ph ©n t¸n p h © n b è ® Ò u , tË p tru n g p h© n bè n g É u n h iª n H×nh 40. §é ph©n t¸n cña c¸c ®iÓm §Ó tÝnh hÖ sè gÇn gòi th× cho mét ®iÓm gÇn nhÊt cÇn ®îc ph¸t hiÖn vµ ®a ®¹c kho¶ng c¸ch tíi ®iÓm ®ã. NÕu gäi di lµ kho¶ng c¸ch tõ mét ®iÓm gÇn nhÊt th× gi¸ trÞ: Ad = (∑i di)/n lµ gi¸ trÞ kho¶ng c¸ch trung b×nh gÇn nhÊt cña mÉu ®iÓm víi n lµ tæng sè ®iÓm trong vïng nghiªn cøu. Mçi ®iÓm ®îc x¸c ®Þnh b»ng to¹ ®é vµ kho¶ng c¸ch ®îc ®o trùc tiÕp trªn b¶n ®å. Nh vËy khi Ad nhá th× c¸c ®iÓm lµ gÇn nhau h¬n. Trong trêng hîp ph©n bè ngÉu nhiªn, cã thÓ ¸p dông c«ng thøc sau ®Ó tÝnh kho¶ng c¸ch trung b×nh gi÷a c¸c ®iÓm: Ed = 1 2 A n ë ®©y: A lµ diÖn tÝch b¶n ®å. n: lµ sè ®iÓm Ed lµ kho¶ng c¸ch trung b×nh gi÷a c¸c ®iÓm. Cã thÓ ¸p dông ®Ó tÝnh cho mäi sù ph©n bè. Trong ph©n bè ®Òu, hai ®iÓm liÒn kÒ cã thÓ chång lªn nhau vµ khi ®ã kho¶ng c¸ch lµ 0. HÖ sè l¸ng giÒng gÇn nhÊt ®îc tÝnh nh sau: 86 NNI = Ad Ed Gi¸ trÞ NNI gi÷a hai kh¸i niÖm giao ®éng tõ 0 - 2,1491 Khi toµn bé c¸c ®iÓm mÉu r¬i vµo mét vÞ trÝ th× khi ®ã Ad = 0, NNI = 0 Trong trêng hîp ph©n bè ph©n t¸n, kho¶ng c¸ch gi÷a c¸c ®iÓm t¨ng lªn, lóc ®ã Ad lµ cùc ®¹i vµ NNI ®¹t tíi 2,1491. Khi NNI = 1, mÉu ®îc coi lµ cã ph©n t¸n ngÉu nhiªn vµ lóc ®ã Ad = Ed. Nh×n chung, nÕu NNI cã gi¸ trÞ nhá th× ®Æc trng cho ph©n t¸n theo nhãm ®Òu, ë b¶ng trªn, c¸c gi¸ trÞ NNI cña 3 nhãm lµ: Nhãm A cã NNI = 0,41, nhãm B = 2,03, nhãm C = 1,08. Víi c¸c kiÓu ph©n bè nãi trªn, ®é lÖch chuÈn ®îc tÝnh nh sau: Z = (Ad - Ed) δ Ad Z: ®é lÖch chuÈn cña nhãm δ: ®é lÖch chuÈn cña Ad n lµ sè ®iÓm • Ph©n tÝch theo nguyªn lý chia 4 (quadrat) vµ nguyªn lý Poisson Ph©n tÝch theo nguyªn t¾c chia 4 lµ ph¬ng ph¸p ®a ph©n bè mÉu vµo b¶n ®å cã chia thµnh c¸c « nhµm môc ®Ých x¸c ®Þnh sù ph©n bè. C¬ së cña nguyªn t¾c lµ dùa vµo sù xuÊt hiÖn tÇn sè trong c¸c « chø kh«ng dùa vµo kho¶ng c¸ch t¸ch biÖt. C¸c « cã thÓ kh¸c nhaua vÒ kÝch thíc vµ h×nh d¹ng, cã thÓ ®Æt ngoµi hoÆc trong b¶n ®å. Cã nhiÒu c¸ch ph©n tÝch kh¸c nhau. Mét ph¬ng ph¸p lµ ®Æt « líi vµo trong b¶n ®å vµ ®Õm c¸c ®iÓm xuÊt hiÖn trong tõng « råi ph©n lo¹i c¸c « dùa theo tÇn sè xuÊt hiÖn cña c¸c ®iÓm trong ®ã. §Ó ph©n tÝch mét c¸ch cã hiÖu qu¶ th× sè ®iÓm xuÊt hiÖn trong mét líp Ýt nhÊt ph¶i lµ 5 ®iÓm. NÕu trong c¸c « ®· chia sè ®iÓm xuÊt hiÖn Ýt h¬n 5 (ch¼ng h¹n 1, 2, 3, 4) th× ph¶i gép c¸c « ®ã thµnh mét líp víi nguyªn t¾c sè ®iÓm trong mét líp ph¶i lín h¬n hoÆc b»ng 5. §èi víi mçi líp, tÇn sè quan tr¾c ®îc trong mét sè « ®îc qui ®Þnh lµ Qi víi i lµ líp thø i, x¸c xuÊt xuÊt hiÖn trong mçi « ®îc tÝnh theo ph©n bè Poisson P( x) = λe Ï −λ x! x lµ tÇn sè trong « (®Õm trong «) λ lµ tÇn sè gi¶ ®Þnh cho « chuÈn e (sè e) lµ c¬ sè cua logarit tù nhiªn = 2,718282 87 TÇn sè ph©n bè gi¶ ®Þnh ®îc tÝnh cho mèi líp i lµ Ei x2 = ∑ i (0i - Ei)2Ei Víi x2 cã gi¸ trÞ nhá h¬n sè thèng kª trong b¶ng th× theo lý thuyÕt, ®ã sÏ lµ mÉu ph©n bè ngÉu nhiªn. VÝ dô sau sÏ minh ho¹ cho néi dung trªn: A p h ©n b è ph © n t ¸n b p h © n b è n g É u n h iª n c p h ©n b è n h ã m H×nh 41. Sù ph©n bè ngÉu nhiªncua c¸c ®iÓm Cã 3 mÉu víi 3 kiÓu ph©n bè kh¸c nhau (A: ph©n t¸n, B: ngÉu nhiªn, C: nhãm) ®îc chia thµnh c¸c « nhá theo kÕt qu¶ cã 36 «. KÕt qu¶ tÝnh ®îc cho líp A nh sau: C¨n cø vµo kÕt qu¶ t×nh th× møc ph©n bè tù do cña c¸c líp tÝnh ®îc cho líp A lµ: x2 = 0,23 - 3,96 - 3,15 = 7,34 Gi¸ trÞ nµy > ∑x nªn ph©n bè nµy kh«ng ph¶i lµ ph©n bè ngÉu nhiªn. T¬ng tù ta tÝnh ®îc c¸c gi¸ trÞ cña x2 cho líp B vµ C vµ ®a ra ®îc kÕt qu¶ vÒ sù ph©n bè cña B lµ ngÉu nhiªn cßn C th× kh«ng ph¶i lµ ngÉu nhiªn. • Tù liªn kÕt kh«ng gian (Spatial Autocorrelation) Ph©n tÝch mÉu ®iÓm theo ph©n bè poisson còng cã nh÷ng h¹n chÕ v× ph¬ng ph¸p nµy chØ c¨n cø vµo tÇn sè xuÊt hiÖn ®Õm ®îc, song l¹i kh«ng quan t©m ®Õn sù ph©n bè cña c¸c « phÇn t, v× thÕ quan hÖ kh«ng gian kh«ng ®îc xÕt ®Õn. 88 H×nh 42. M« h×nh ph©n bè kh«ng gian Trong vÝ dô m« pháng ë trªn, 2 kiÓm ph©n bè hoµn toµn kh¸c nhau song kh«ng ®îc xÐt ®Õn. V× vËy ph¶i ¸p dông mét ph¬ng ph¸p kh¸c ®Ó nghiªn cøu quan hÖ kh«ng gian gi÷a c¸c ®èi tîng, dùa trªn nguyªn t¾c lµ xem xÐt ¶nh hëng cña c¸c ®èi tîng ë nh÷ng vïng liÒn kÒ nhau. Trong viÖc nghiªn cøu mçi quan hÖ, nh÷ng t¸c ®éng ¶nh hëng ®Õn sù ph©n bè cña c¸c líp n»m liÒn kÒ nhau ®îc xem nh t¸c ®éng ®Õn xu híng ph©n bè toµn bé c¸c ®iÓm theo tõng nhãm. Mét khi cã sù c¹nh tranh gi÷a c¸c ®èi tîng chiÕm u thÕ cña qu¸ tr×nh ph©n bè trong kh«ng gian, nghÜa lµ cã t×nh tr¹ng mét ®èi tîng tån t¹i theo xu thÕ lo¹i bá c¸c ®èi tîng kh¸c ë xung quanh m×nh, th× sù ph©n bè ®ã thÓ hiÖn sù ph©n bè ph©n t¸n song l¹i cã quan hÖ kh«ng gian chÆt. NÕu kh«ng cã xu híng lµm tan hoÆc ®Èy lïi trËt tù kh«ng gian cò th× sù ph©n bè ®ã lµ ngÉu nhiªn vµ kh«ng cã quan hÖ kh«ng gian. §Ó tÝnh mèi quan hÖ ®ã, hÖ sè hay ®îc sö dông lµ hÖ sè Morans (Moran 1948, Cliff vµ Ord 1981): I = n ∑i ∑ jδij ( xi − x)( xj − x) So ∑i ( xi − x) 2 ë ®©y: So = ∑ i ∑j δÞj Gi¸ trÞ dù kiÕn vµ ®é lÖch ®îc tÝnh nh sau: E (1) = −(n −1) −1 I = n 2 S1 − nS 2 + 3So 2 So 2 (n 2 −1) ë ®©y: S1 = (1/2) ∑ i ∑j (δij - δij )2 S2 = ∑i (∑i δij - Ej δji)2 n lµ sè ®¬n vÞ ®Þa lý - hay lµ sè ®iÓm 89 δij: hÖ sè liªn hÖ kh«ng gian gi÷a ®iÓm thø i vµ thø j Xi: tÇn sè ph©n bè kh«ng gian So: tæng sè cÆp cã trong quan hÖ kh«ng gian Gi¸ trÞ hÖ sè i thêng thay ®æi tõ -1 ®Õn 1. NÕu gi¸ trÞ i lµ d¬ng lµ lín (<= 1) th× ph©n bè theo nhãm nÕu i lµ <= 0 th× ph©n bè lµ ph©n t¸n. Khi i = 0 th× kh«ng cã quan hÖ vµ khi ®ã ph©n bè lµ ngÉu nhiªn. Hai vÝ dô nªu trong h×nh trªn kh«ng cã sù kh¸c biÖt nÕu dïng hÖ sè poisson, song nÕu dïng hÖ sè i cña Morans th× sÏ tÝnh ®îc i = -95 cho h×nh bªn tr¸i v× ®ã lµ ph©n bè theo nhãm vµ quan hÖ ®ã lµ chÆt. Cßn cho h×nh bªn ph¶i, i cã gi¸ trÞ - 2,1, ®ã lµ ®Æc trng cho ph©n bè ph©n t¸n. Mét viÖc cÇn chó ý trong viÖc tÝnh quan hÖ kh«ng gian lµ ®é chÝnh x¸c cña viÖc tÝnh toµn cßn phô thuéc vµo ®é ph©n gi¶i cña c¸c « ®îc chia ra. Trong mét sè trêng hîp hÖ sè i kh«ng thÓ ¸p dông cho viÖc tÝnh víi ph©n bè cña ®iÓm. Trong khi nghiªn cøu, cÇn cã sù so s¸nh gi÷a hÖ sè i víi c¸c hÖ sè kh¸c nh hÖ sè gÇn gòi NNI (Nearest Neighborn Index) hoÆc gi¸ trÞ thèng kª Poisson, tõ ®ã cã thÓ ®a ra nh÷ng kÕt luËn phï hîp. • LÊy mÉu c¸c ®èi tîng ®iÓm ViÖc lÊy mÉu lµ rÊt quan träng trong ph©n tÝch mÉu ®iÓm, ®Æc biÖt lµ khi t liÖu cã khèi lîng lín. NÕu thuéc tÝnh kh«ng gian cã thÓ khai th¸c ®îc tõ mét mÉu th× kh«ng nhÊt thiÕt ph¶i xö lý toµn bé c¸c ®èi tîng vµ th«ng thêng ®iÒu ®ã khã thùc hiÖn v× kh«ng thÓ lÊ toµn bé mÉu. Ch¼ng h¹n ®Ó x¸c ®Þnh ®é cao ®Þa h×nh, ph¶i ®o theo c¸c ®iÓm lùa chän chø kh«ng thÓ ®o ®é c¶o ë kh¾p mäi n¬i. Mét trong nh÷ng øng dông quan träng kh¸c cña viÖc lÊy mÉu kh«ng gian lµ sù ngo¹i suy trong xö lý kh«ng gian. VÒ mÆt lý thuyÕt, ph¶i lùa chän ph¬ng ph¸p ngo¹i suy thÝch hîp ®èi víi tõng hÖ thèng mÉu. V× vËy trong lÊy mÉu cã nhiÒu ph¬ng ph¸p kh¸c nhau. • LÊy mÉu phi kh«ng gian: lµ viÖc lÊy mÉu kh«ng cã tham kho¶ c¸c hîp phÇn kh«ng gian. VÝ dô: trong marketing, cã thÓ chµo hµng mét c¸ch bÊt kú theo sè ®iÖn tho¹i ë danh b¹ mµ kh«ng cÇn tham kh¶o b¶n ®å. Tuy nhiªn c¸c mÉu nµy vÉn ®îc sö dông trong xö lý kh«ng gian. • LÊy mÉu kh«ng gian: HTT§L sÏ trë nªn cã hiÖu qu¶ cao nÕu xö lý mét hÖ thèng mÉu ®îc lÊy theo nguyªn t¾c kh«ng gian, nghÜa lµ cã sù tham kh¶o c¸c yÕu tè ®Þa lý khi lÊy mÉu. VÝ dô: nÕu ®iÒu tra vÒ hé trong vïng ngo¹i «, cã thÓ sö dông tµi liÖu ®iÒu tra theo c¸c tuyÕn, sau ®ã lùa chon ngÉu nhiªn 10% chñ hé trong mçi 90 tuyÕn ®Ó pháng vÊn. Nh vËy kÕt qu¶ sÏ s¸t thùc tÕ h¬n lµ viÖc lùa chän ngÉu nhiªn theo sè ®iÖn tho¹i cø c¸ch 10 sè l¹i hái 1 sè. Sè lîng ®iÓm lÊy mÉu cã thÓ lµ ngÉu nhiªn. Trong trêng hîp toµn bé c¸c ®iÓm ®Òu cã c¸c gi¸ trÞ ID riªng vµ khi ®ã viÖc lÊy mÉu vÉn ®îc coi lµ phi kh«ng gian v× viÖc xö lý sÏ kh«ng tham kh¶o yÕu tè h×nh häc. Song song víi viÖc lÊy mÉu trªn, mét mÉu ngÉu nhiªn cã thÓ ®îc lÊy riªng biÖt b»ng c¸ch x¸c ®Þnh to¹ ®é cña tõng ®iÓm råi ®a lªn b¶n ®å, sau ®ã lùa chän c¸c mÉu theo tõng ph¬ng thøc. VÝ dô khi lÊy mÉu theo vßng trßn víi b¸n kÝnh nhÊt ®Þnh. Trêng hîp ®ã chØ lÊy c¸c ®iÓm ë trong vßng trßn hoÆc lÊy theo vïng ®Öm cña ®êng, cña ®iÓm. ViÖc lÊy mÉu phi kh«ng gian hoÆc kh«ng gian cã thÓ ®îc thùc hiÖn mét c¸ch ngÉu nhiªn hoÆc cã hÖ thèng. Trong trêng hîp lÊy mÉu hÖ thèng th× sù ph©n bè ®iÓm kh«ng thÓ lµ ngÉu nhiªn. VÝ dô: muèn nghiªn cøu ®iÒu kiÖn x· héi ë vïng ngo¹i «, mét tËp mÉu gåm 1000 hé ®îc pháng vÊn tõ 200 tuyÕn ®iÒu tra. §èi víi mçi tuyÕn viÖc ®iÒu tra cã thÓ lµ ngÉu nhiªn, song ®èi víi toµn vïng th× sù ph©n bè c¸c ®iÓm sè liÖu ®ã kh«ng ®îc coi lµ ngÉu nhiªn mµ cã thÓ lµ ph©n bè theo nhãm. Tæ hîp kh«ng gian: trong ph©n tÝch mÉu ®iÓm ph©n tÝch tæ hîp kh«ng gian lµ ph©n tÝch mèi quan hÖ gi÷a c¸ yÕu tè ®iÓm vµ mét lo¹t c¸c yÕu tè kh¸c. Trong tæ hîp kh«ng gian, c¸c ®iÓm ph¶i ®îc giíi h¹n trong c¸c yÕu tè polygon ®Ó tiÖn so s¸nh ®¸nh gi¸, vÝ dô nghiªn cøu b»ng c¸c kü thuËt giËt lïi (Regression Techniques), c¸c bíc tiÕn hµnh cô thÓ nh sau: • Bíc ®Çu tiªn lµ x¸c ®Þnh c¸c ®¬n vÞ ®Þa lý, c¸c ®¬n vÞ nµy ®îc chia theo c¸c hÖ thèng chó gi¶i thÝch hîp. • Kho¶ng c¸ch gi÷a c¸c ®iÓm. • Bíc thø ba: ph©n lo¹i c¸c nhãm ®iÓm c¨n cø vµo c¸c th«ng sè ph©n tÝch ®îc. • Bíc thø t: chång xÕp c¸c líp th«ng tin ®iÓm vµ polygon. • Bíc thø n¨m: ph©n tÝch kÕt qu¶ chång xÕp vµ tÝnh to¸n dù b¸o. • Bíc cuèi cïng: kiÓm tra ®¸nh gi¸ kÕt qu¶ ph©n tÝch vµ kÕt qu¶ dù b¸o. • Ph©n tÝch ph©n bè ®iÓm trong HTT§L lµ qu¸ tr×nh quan tr¾c sù ph©n bè theo nguyªn t¾c thèng kª, kiÓm tra sù s¾p xÕp trong kh«ng gian cña c¸c ®èi tîng ®iÓm vµ ph©n tÝch ®Æc ®iÓm ph©n tÝch ®Æc ®iÓm ph©n bè kh«ng gian cña c¸c mÉu ®iÓm b»ng ph¬ng ph¸p xö lý th«ng kª mèi quan hÖ kh«ng gian. Ngoµi ra, trong 91 nghiªn cøu vÒ ®iÓm, HTT§L còng yªu cÇu viÖc lùa chän vµ lÊy mÉu ®iÓm theo nh÷ng nguyªn t¾c phï hîp víi c¸c yªu cÇu xö lý kh«ng gian. Bµi tËp 1 - C¨n cø theo b¶ng sau so s¸nh c¸c mÉu kh«ng gian dùa theo hÖ sè gÇn gòi (NNIS) a 4 1 5 4 7 4 1 3 2 1 5 4 6 7 6 5 3 b 2 6 7 6 5 a b 2 7 3 1 3 2 2 - X¸c ®Þnh xem 3 kiÓu ph©n bè ë phÝa díi s¬ ®å sau lµ kÕt qu¶ cña ph©n bè ngÉu nhiªn hay kh«ng - sö dông ph©n tÝch chia 4 cña poisson ®Ó ph©n tÝch. 3 - TÝnh hÖ sè Marran cho 3 kiÓu ph©n bè ®iÓm thÓ hiÖn trong ph¬ng tr×nh trªn (cña c©u 2), so s¸nh c¸c gi¸ trÞ. 4 - Sè ho¸ c¸c ®iÓm ph©n bè trong h×nh díi, x¸c ®Þnh to¹ ®é x vµ y cña c¸c ®iÓm (sö dông chøc n¨ng addxy) trong ARC/INFO ®Ó t¹o to¹ ®é. Trêng hîp kh«ng cã to¹ ®é th× ®a t¹o ®é t¬ng ®èi thay thÕ. Trªn c¬ së to¹ ®é, x¸c ®Þnh gi¸ trÞ thèng kª cña trung t©m ®iÓm vµ ®é lÖch chuÈn cho to¹ ®é x vµ y vµ m« t¶ mÉu ph©n bè kh«ng gian. TÝnh to¸n hÖ sè NNIS cña ph©n bè. VI.ph©n tÝch ®êng §êng trong c¬ së d÷ liÖu cña HTT§L ®îc chia lµm hai lo¹i chÝnh. §êng tù nhiªn (physical line) vµ ®êng ý nghÜa (virtual line). §êng tù nhiªn lµ lo¹i ®êng cã thÓ nh×n thÊy ®îc trªn ¶nh m¸y bay hoÆc ¶nh vÖ tinh, vÝ dô: ®êng s¾t, ®êng bé, s«ng suèi, … c¸c yÕu tè d¹ng tuyÕn. Cßn ®êng ý nghÜa vÝ dô nh ®êng ranh giíi quèc gia, ranh giíi chÝnh trÞ, ®êng ranh giíi lu vùc ... Trong c¬ së d÷ liÖu d¹ng Raster còng cã c¸c ®èi tîng lµ ®êng, song thùc chÊt ®ã vÉn lµ nh÷ng chuçi pixel, cã diÖn tÝch. Trong HTT§L, ®êng lµ vector vµ viÖc ph©n tÝch ®êng lµ ph©n tÝch yÕu tè line trong vector. Trong b¶n ®å ®êng còng chiÐm mét kh«ng gian nhÊt ®Þnh vµ xuÊt hiÖn víi nh÷ng d¹ng vµ qui m« tËp trung kh¸c nhau (mÉu kh¸c nhau). 92 VI.1.§o mËt ®é ®êng §êng lµ yÕu tè vector cã kÝch thíc vµ híng nªn viÖc ph©n tÝch cã phøc t¹p h¬n ®iÓm. §Ó ®o mËt ®é ®êng, ph¬ng ph¸p ®o còng ®îc thùc hiÖn t¬ng tù nh ®o ®iÓm. C¸c phÐp ®o ®¹c mËt ®é ®Òu ®îc tÝnh víi ®¬n vÞ lµ m hoÆc km trªn mét ®¬n vÞ diÖn tÝch. VÝ dô: ha, m 2, km2…rong ngµnh ®Þa lý, mËt ®é ®êng ®îc tÝnh cho nhiÒu yªu cÇu kh¸c nhau vÝ dô : tÝnh gi¸ trÞ chia c¾t ngang cña ®Þa h×nh-mËt ®é líi s«ng, mËt ®é kªnh m¬ng, mËt ®é ®êng giao th«ng… VI.2.§o ®¹c kho¶ng c¸ch ®Õn c¸c ®êng gÇn nhÊt Trong viÖc ®o ®¹c vÒ ®êng còng gièng nh ®o ®iÓm còng cã kh¸i niÖm vµ ph¬ng ph¸p ®o ®¹c vÒ c¸c ®êng gÇn nhÊt hay kho¶ng c¸ch ®Õn c¸c ®êng gÇn nhÊt (Nearest Neighdedistance between Line). Kho¶ng c¸ch ®Õn c¸c ®êng gÇn nhÊt còng ®îc ®o t¬ng tù nh ®o kho¶ng c¸ch ®Õn c¸ ®iÓm gÇn nhÊt, song cã phøc t¹p h¬n v× ®êng cã chiÒu dµi. Ph¬ng ph¸p ®¬n gi¶n nhÊt lµ chia ®«i ®êng, x¸c ®Þnh ®iÓm ë gi÷a vµ tõ ®iÓm ®ã x¸c ®Þnh c¸c ®êng l©n cËn. Tuy nhiªn ®êng th¼ng cã nhiÒu kÝch thíc kh¸c nhau vµ còng kh«ng ph¶i ®êng ®Òu lµ th¼ng nªn viÖc x¸c ®Þnh nh vËy kh«ng cho bøc tranh thùc vÒ sù s¾p xÕp cña ®êng. V× vËy mét c¸ch lµm phæ biÕn lµ lÊy mét ®iÓm bÊt kú trªn ®êng vµ tõ ®ã x¸c ®Þnh c¸c l©n cËn. NÕu ®êng chia lµm nhiÒu ®o¹n th× lÊy tõ nh÷ng ®iÓm bÊt kú trªn ®o¹n ®Ó so s¸nh. Bíc tiÕp theo lµ vÏ nh÷ng ®êng vu«ng gãc tíi c¸c ®êng l©n cËn, tiÕn hµnh ®o kho¶ng c¸ch vµ lÊy gi¸ trÞ trung b×nh cña c¸c kho¶ng (h×nh) (theo Davis 1986). §Ó chøng minh cho gi¸ trÞ ®ã lµ ®øng th× ph¶i chøng minh r»ng ®ã kh«ng ph¶i lµ ph©n bè ngÉu nhiªn (Dacey 1967) ®· tÝnh c¸c gi¸ trÞ: kho¶ng c¸ch gÇn nhÊt tíi c¸ ®êng l©n cËn, ®é lÖch dù kiÕn vµ sai sè th«ng thêng (chuÈn) trong sù ph©n bè ngÉu nhiªn cña ®êng. C¸c gi¸ trÞ ®ã cho phÐp so s¸nh vµ chøng minh cho viÖc ®o ®¹c ®ã kh«ng ph¶i lµ ngÉu nhiªn. PhÐp tÝnh ®ã sÏ s¸t thùc tÕ nÕu ®é dµi cña ®êng ph¶i lín h¬n hoÆc Ýt nhÊt b»ng 1,5 lÇn kho¶ng c¸ch gi÷a c¸c ®êng vµ trong trêng hîp c¸c ®êng kh«ng ®æi híng nhiÒu qu¸. NÕu sè ®êng qu¸ Ýt th× cã thÓ ¸p dông nguyªn t¾c lÊy yÕu tè träng sè cña (n1)/n vµ gi¸ trÞ mËt ®é ®êng ®iÒu chØnh nµy sÏ gióp ®Þnh lîng vÒ thèng kª c¸c ®êng gÇn nhÊt. Wf = (n − 1) / L nA ë ®©y: L lµ ®é dµi c¸c ®êng A: diÖn tÝch khu vùc 93 Wf: gi¸ trÞ träng sè Ph¬ng ph¸p ®êng c¾t chÐo: lµ ph¬ng ph¸p phèi hîp ®Ó nghiªn cøu sù ph©n bè cña ®êng. Mét c¸ch ®¬n gi¶n chuyÓn mÉu hai kÝch th¬cs sang kiÓu ph©n bè tÇn sè 1kÝch thíc b»ng c¸ch kÎ mét ®êng th¼ng trªn b¶n ®å vµ x¸c ®Þnh c¸c ®iÓm giao nhau gi÷a ®êng ®ã víi c¸c ®êng ®èi tîng cÇn nghiªn cøu. Cã Ýt nhÊt lµ 2 c¸ch lµm trong ph¬ng ph¸p nµy (theo Gefis, 1978). C¸ch thø nhÊt lµ lùa chän mét c¸ch ngÉu nhiªn hai ®IÓm c¸c to¹ ®é råi nèi víi nhau thµnh ®êng. C¸ch thø hai lµ vÏ mét b¸n kÝnh tõ c¸ch lùa chän ngÉu nhiªn. Tõ ®Ønh nhän cña gãc, ®o kho¶ng c¸ch tíi ®IÓm trung t©m råi vÏ ®êng vu«ng gãc víi ®êng b¸n kÝnh t¹i ®iÓm ®ã (Davis 1986). Sau khi cã c¸c ®iÓm giao c¾t, tÝnh thèng kª ®¬n gi¶n vÒ tÇn sè ®iÓm. Mét trêng hîp kh¸c cña ®êng ®¬n lµ t¹o ®êng ziczac, nã cã thÓ c¾t qua c¸c ®êng th¼ng hai hoÆc nhiÒu lÇn. Trêng hîp ®ã ngêi ta gäi ®êng ziczac lµ ®êng ngÉunhiªn (random walk). §êng ngÉu nhiªn sÏ t¹o nªn mét lo¹t c¸c giao ®iÓm vµ ph¬ng ph¸p tÝnh thèng kª còng ¸p dông nh khi ¸p dông cho c¸c ®èi tîng ®iÓm. Sau khi ¸p dông viÖc thèng kª ®êng gÇn gòi nhÊt hoÆc thèng kª ®êng giao c¾t, ta cã thÓ ®a ra kÕt luËn lµ ph©n bè kh«ng ph¶i ngÉu nhiªn vµ chøng minh cho ph©n bè ®ã kh¸c víi ph©n bè ngÉu nhiªn. Tãm l¹i, dïng hai ph¬ng ph¸p trªn cã thÓ x¸c ®Þnh ®îc quy luËt ph©n bè cña c¸c yÕu tè ®êng, tõ ®ã cã thÓ ®¸nh gi¸ ®îc c¸c ®èi tîng hoÆc c¸c hiÖn tîng tù nhiªn hoÆc nh©n t¹o. VI.3.Nghiªn cøu híng cña ®êng vµ c¸c ®èi tîng d¹ng kÐo dµi C¸c ®èi tîng d¹ng tuyÕn cã thÓ ®îc biÓu hiÖn trong tù nhiªn víi nhiÒu kiÓu mÉu kh¸c nhau: c¸c líp trÇm tÝch, c¸c tÇng b¨ng hµ, … ® êng phè, rõng c©y th¼ng bÞ ®æ … Híng cña c¸c yÕu tè d¹ng tuyÕn thêng cã liªn quan ®Õn mét hµm sè vÒ n¨ng lîng, vÝ dô híng c©y ®æ liªn quan tíi híng níc ch¶y, híng ph©n bè trÇm tÝch b¨ng hµ còng liªn quan tíi híng chuyÓn ®éng cña b¨ng tuyÕt … TÊt nhiªn kh«ng ph¶i tÊt c¶ ®Òu cã quy luËt nh vËy. Nh×n chung, sù ph©n bè cña yÕu tè d¹ng tuyÕn lµ cã hai kÝch thíc (xÐt riªng vµ ph¬ng vÞ) hoÆc cã 3 kÝch thíc (nÕu xÐt thªm c¶ gãc nghiªng trªn mÆt cÇu). Ph¬ng ph¸p th«ng dông ®Ó x¸c ®Þnh híng cña ®êng lµ chuyÓn tµi liÖu vÒ b¶n ®å c¸c ®èi tîng ®êng sang s¬ ®å hoa hång. Trªn s¬ ®å, t©m cña h×nh trßn lµ ®iÓm xuÊt ph¸t cña mäi ®ßng trßn vµ mçi quan tr¾c ®îc vÏ thµnh mét ®êng ®¬n, xuÊt ph¸t tõ t©m ®iÓm ®ã. Trong s¬ ®å hoa hång, ®é dµi cña c¸c ®êng biÓu hiÖn cho biªn ®é (ch¼ng h¹n tèc ®é giã) hoÆc ®é dµi cña ®èi tîng ®êng vµ gãc cña ®êng lµ biÓu hiÖn híng ph¬ng vÞ cña c¸c ®èi tîng ®êng. §Ó lËp s¬ ®å hoa hång, c¸ch tèt 94 nhÊt lµ ®o trùc tiÕp c¸c gi¸ trÞ ®ã trªn b¶n ®å (gãc vµ ®é dµi). Trong HTT§L, phÐp ph©n tÝch vµ xö lý ®ã gäi lµ vector kÕt qu¶. Ta cã thÓ x¸c ®Þnh gi¸ trÞ trung b×nh cña híng θ b»ng vector kÕt qu¶. V× gi¸ trÞ trung b×nh cña híng vector kh«ng chØ phô thuéc vµo híng cña c¸c c©y mµ cßn phô thuéc vµo sè lîng c¸c c©y (sè lîng quan tr¾c), v× thÕ cÇn lµm tiªu chuÈn ho¸ gi¸ trÞ híng cho toµn vïng b»ng c¸ch chia gi¸ trÞ to¹ ®é vector kÕt qu¶ cho sè lîng c©y (sè lîng ®êng). Gi¸ trÞ ®ã cho phÐp so s¸nh c¸c quan tr¾c trong c¸c vïng kh¸c nhau vµ cã thÓ kÕt luËn lµ giã ë c¸c vïng cã cïng híng hay kh«ng. Còng t¬ng tù nh víi mÉu ®iÓm, gi¸ trÞ trung b×nh x¸c ®Þnh cho ®é híng t©m cña t liÖu hay híng cña c¸c ®iÓm lµ tËp trung xung quanh mét vµi ®iÓm ë trung t©m, víi tèc ®é giã biÓu thÞ b»ng vector, ta còng cã thÓ ¸p dông nguyªn t¾c thèng kª ®ã ®Ó x¸c ®Þnh xem tèc ®é còng dao ®éng xung quanh mét gi¸ trÞ trung b×nh hay kh«ng. Khi c¸c vector thµnh phÇn n»m rÊt gÇn víi nhau th× vector kÕt qu¶ R rÊt dµi vµ khi c¸c vector thµnh phÇn cã sù ph©n t¸n theo c¸c híng kh¸c nhau th× vector kÕt qu¶ ng¾n h¬n. T¬ng tù nh trêng hîp 3 ngêi muèn kÐo mét vËt khi hä ®øng cïng mét phÝa hay gÇn nhau h¬n th× lùc m¹nh h¬n, ngîc l¹i 3 ngêi n»m ë 3 gãc kh¸c nhau th× lùc tËp trung sÏ yÕu h¬n. Nh vËy, khi thèng kª vÒ vector, kh«ng ph¶i chØ cã ®o híng ®é dµi lµ ®ñ mµ cßn ph¶i ®o ®é nÐn (compactress) cña vector n÷a. Nguyªn t¾c chung lµ ®é nÐn cao th× vecto r R dµi vµ ®é nÐn thÊp th× R ng¾n. Trong ph©n tÝch vector kÕt qu¶ R, cÇn ph¶i thèng kª tiÕp ®Ó ®a ra gi¸ trÞ vector kÕt qu¶ trung b×nh R b»ng c¸ch chia R cho sè lîng quan tr¾c n. Gi¸ trÞ R thêng dao ®éng tõ 0 ®Õn 1, gi¸ trÞ ®ã còng thÓ hiÖn cho sù ph©n t¸n cña c¸c ®êng xung quanh gi¸ trÞ trung b×nh. R lín th× c¸c ®êng gÇn híng víi nhau h¬n, cßn R nhá th× c¸c ®êng n»m ph©n t¸n theo nhiÒu híng kh¸c nhau. NÕu trong trêng hîp cã gi¸ trÞ kh¸c víi trËt tù quan tr¾c, ta cã thÓ lÊy gi¸ trÞ 1 - R gäi lµ chØ sè kh¸c biÖt vßng trßn (circularr varianc) ®Ó so s¸nh tèc ®é t¨ng cña vector R. NÕu xÐt vÒ mÆt thèng kª, ta cã thÓ mét sè kh¶ n¨ng lµ cã sù t¬ng tù vÒ híng cho c¸c gi¸ trÞ: ®é lÖch chuÈn, mode vµ trung b×nh. Cßn mét vÊn ph¶i nghiªn cøu vÒ ®êng lµ híng c¸c ®êng. Mét ®èi tîng ®êng thêng cã hai híng ngîc nhau. Khi ®ã vector trung b×nh sÏ cã gi¸ trÞ b»ng 0 v× c¸c vector triÖt tiªu lÉn nhau. §Ó xö lý nh÷ng gi¸ trÞ ngîc nhau vÒ híng ®o, Krmbein (1939) ®a ra mét c¸ch ®¬n gi¶n ®Ó xö lý lµ nh©n ®«i gãc ®o ®îc. VÝ dô cã hai gãc 3150 vµ 1350 lµ hai trÞ sè ®o ®îc cho mét ®êng nÕu lÊy ®iÓm gèc ®Ó ®o kh¸c nhau. 95 Nh©n ®«i c¸c gi¸ trÞ ®o ®îc ta cã: 3150 * 2 = 3600 vµ (6300 - 3600 = 2700) 1350 * 2 = 2700 Gi¸ trÞ gãc ®o 2700 nay sÏ ®îc dïng ®Ó tÝnh th«ng sè: gi¸ trÞ trung b×nh cña vector, gi¸ trÞ kh¸c biÖt vïng trßn ... C¸c th«ng sè nµy cã gi¸ trÞ ®êng t¨ng 2 lÇn, ®Ó lÊy gi¸ trÞ gãc thùc cña ®êng, chØ viÖc chia 2 (nghÜa lµ 2700: 2 = 1350 lµ gãc, v.v…) Nh÷ng phÐp ®o vÒ híng vµ ®é ph©n t¸n cÇn ®îc thö nghiÖm cho ph©n bè ngÉu nhiªn hoÆc cho c¸c ph©n bè ®Æc biÖt ®Ó so s¸nh vµ khi tÝnh cÇn tÝnh theo lý thuyÕt chuÈn. Nh÷ng ph¬ng ph¸p nµy ®îc tr×nh bµy kü ë nhiÒu cuèn s¸ch kh¸c cña c¸c t¸c gi¶ nh: Bastcheler 1965, Gumbel et al 1953, Slephen 1969, Gaile and Burt 1980, Mardia 1972…). Th«ng thêng HT§L cung cÊp kh¶ n¨ng ®o ®¹c ®¬n gi¶n ®Ó gióp ta hiÓu ®îc ®Æc ®iÓm ph©n bè bªn trong c¸c thuéc tÝnh cña ®èi tîng hoÆc gióp ta so s¸nh ®îc víi c¸c thuéc tÝnh cña ®èi tîng kh¸c vµ ph¸t hiÖn c¸c nguyªn nh©n hoÆc nguån ngèc t¹o nªn ®èi tîng. C¸c HTT§L cã kh¶ n¨ng cao h¬n, cho phÐp tÝnh to¸n thèng kª vÒ híng mét c¸ch trùc tuyÕn hoÆc chuyÓn tµ liÖu nguyªn thuû tõ hÖ thèng sang phÇn mÒm thiÕt kÕ ®Æc biÖt cho nh÷ng ph©n tÝch nµy. Còng cÇn ph¶i thÊy r»ng viÖc ®ã sÏ t¨ng sè lîng phÇn mÒm cÇn thiÕt trong xö lý, ®Æc biÖt lµ khi øng dông vµo ®Þa häc. HÖ thèng phÇn mÒm xö lý Raster thêng kh«ng thÝch hîp cho nh÷ng ph©n tÝch nµy, cßn ®a sè phÇn mÒm xö lý Vector trªn c¬ së h×nh häc th× Ýt nhÊt còng cho ®îc mét sè nh÷ng ph©n tÝch ban ®Çu (vÝ dô gãc cña c¸c ®êng hoÆc ®o¹n th¼ng). Nh÷ng sè liÖu ®ã cã thÓ lu tr÷ trùc tiÕp trong c¬ së d÷ liÖu nh nh÷ng gi¸ trÞ thuéc tÝnh ®Ó tõ ®ã cã thÓ chuyÓn tiÕp sang c¸c phÇn mÒm kh¸c. VI.4.M« h×nh søc hót (gravity model) Trong hÖ thèng ®êng, mét yÕu tè cÇn nghiªn cøu ®ã lµ sù t¸c ®éng qua l¹i gi÷a c¸c ®iÓm nót. VÝ dô ë thµnh phè th× ®iÓm nót lµ n¬i qu¶ng c¸o, x©y dùng cöa hµng bu«n b¸n … vµ gi÷a c¸c nót cã t¸c ®éng qua l¹i, nh÷ng th«ng tin cÇn ® îc xö lý lµ mËt ®é, kho¶ng c¸ch gi÷a c¸c ®iÓm nót. Ngoµi ra kÝch thíc c¸c ®iÓm nót còng rÊt quan träng. Tuy nhiªn ë trong GIS ta quan niªm nót lµ cã cïng kÝch thíc, ®Ó nghiªn cøu vÊn ®Ò ®ã, mét m« h×nh ®îc ®a ra gäi lµ m« h×nh lùc hót (hay lùc hÊp dÉn) gi÷a c¸c ®iÓm (gravity model). Lij = K PiPj d2 96 ë ®©y: Lij lµ t¬ng t¸c gi÷a c¸c nót Pi: biªn ®é nót i Pj: kho¶ng c¸ch cña nót j d: kho¶ng c¸ch gia c¸c nót i vµ j K h»ng sè liªn hÖ trong c«ng thøc, liªn quan ®Õn ®èi tîng nghiªn cøu (vÝ dô: d©n c, ®éng vËt, níc…). Gi¸ trÞ P ®îc thÓ hiÖn b»ng lùc t¬ng t¸c gi÷a c¸c ®iÓm, cã liªn quan ®Õn yªu cÇu cña s¶n phÈm (ch¼ng h¹n liªn quan ®Õn tæng sè hµng b¸n ®îc hay liªn quan tíi n¨ng suÊt cña hÖ sinh th¸ikhi nghiªn cøu viÖc c©p níc qua m¹ng s«ng suèi). NÕu chØ sè hót (hÊp dÉn) lín gi÷a c¸c nót th× sù t¬ng t¸c gi÷a chóng sÏ lín h¬n vµ ngîc l¹i. Nh÷ng phÇn mÒm HTT§L cã kh¶ n¨ng tÝnh ®îc chØ sè hÊp dÉn víi d÷ liÖu cña Raster vµ Vector. VI.5.V¹ch tuyÕn ®i vµ ph©n ®Þnh vÞ trÝ (Rounting andallocation) Mét trong nh÷ng øng dông cã Ých nhÊt cña nghiªn cøu m¹ng líi ®ã lµ v¹ch ®êng ®i vµ ph©n ®Þnh vÞ trÝ. V¹ch ®êng ®i nghÜa lµ t×m ®êng ®i ng¾n nhÊt gi÷a hai ®iÓm bÊt k× trong m¹ng líi. TuyÕn ®i cã thÓ lµ gi÷a mét ®iÓm tíi mét ®iÓm gÇn nhÊt cã träng sè cao. V× c¸c ®iÓm nèi cã thÓ ®îc g¾n thªm träng sè nh lµ trong m« h×nh hÊp dÉn. H×nh 43. Ph©n tÝch m¹ng ®Ó x¸c ®Þnh ®êng ®i tõ ®iÓm S tíi ®iÓm cuèi 97 Mçi ®êng trong m¹ng còng cã thÓ x¸c ®Þnh thªm mét gi¸ trÞ ®ã lµ gi¸ trÞ c¶n hay gi¸ trÞ khã kh¨n cho lu th«ng (gièng nh ®iÖn trë trong m¹ch ®iÖn - impedance value). Gi¸ trÞ nµy cã thÓ liªn quan ®Õn nhiÒu th«ng sè nh tèc ®é giíi h¹n trªn mét ®êng phè, tèc ®é níc ch¶y… B»ng c¸ch sö dông kho¶ng c¸ch tæng hîp vµ gi¸ trÞ c¶n, tuyÕn ®i thÝch hîp nhÊt cã thÓ ®îc t×m ra, tuyÕn ®i ®ã kh«ng nhÊt thiÕt lµ ®êng ®i ng¾n nhÊt. Toµn bé viªc ®o ®¹c ®ã ®îc thùc hiÖn däc theo bÒ mÆt, vµ c¸c th«ng sè ph¶i ®o ®¹c lµ kho¶ng c¸ch tÝnh chÊt cña bÒ mÆt, c¸c n¬i giao c¾t vµ c¸c ®iÓm nèi kh¸c. Gi¸ trÞ vÒ träng sè vµ sù c¶n trë nhiÒu khi phô thuéc vµo nhËn ®Þnh c¶m tÝnh h¬n lµ nh÷ng gi¸ trÞ ®îc x¸c ®Þnh trùc tiÕp. ViÖc lùa chän tuyÕn ®i cã thÓ ®îc thùc hiÖn trªn d÷ liÖu Raster vµ khi ®ã viÖc biÓu thÞ tuyÕn ®i dÔ dµng h¬n ë Vector. KÕt qu¶ ®a ra cã thÓ kµ nhiÒu tuyÕn ®i ®îc v¹ch ra, ®Æc biÖt lµ khi cã nh÷ng ®o¹n ®i vßng. ViÖc ph©n ®Þnh vÞ trÝ hay chia vßng ®îc ¸p dông nhiÒu trong thùc tÕ, vÝ dô ph©n vïng tíi tiªu, vïng quan tr¾c löa ch¸y trong rõng, vïng bu«n b¸n trong thµnh phè, vïng cÊp níc. §Ó x¸c ®Þnh viªc ph©n chia ®ã, c¸c th«ng sè vÒ kh¶ n¨ng ®¸p øng ph¶i ®îc ®a ra. Mçi ®êng trong HTT§L ph¶i cã mét gi¸ trÞ nhÊt ®ÞnhthÓ hiÖn cho néi dung ph©n ®Þnh. VÝ dô trong ®êng phè, mçii ®êng ph¶i cã th«ng sè vÒ sè nhµ mµ cÇn ph¶i cung cÊp níc tõ trung t©m (trong níc cÊp níc) hoÆc sè hé d©n hoÆc sè ngêi cÇn cã nhu cÇu mua b¸n (trong nghiªn cøu thÞ trêng). Ph¬ng ph¸p x¸c ®Þnh gi¸ trÞ cã thÓ ®¸nh sè tõ 0 ®Õn 100 (ch¼ng h¹n mçi phè cã kho¶ng c¸ch tíi siªu thÞ kh¸c nhau) cã thÓ ®¸nh sè gÇn nhÊt lµ 10 (do nhµ lµ 1 sè). NÕu mäi th«ng sè lµ gièng nhau th× viÖc ph©n chia lµ rÊt ®¬n gi¶n. Cã thÓ ®a ra nhiÒu vÝ dô ¸p dông viÖc ph©n chia vïng, ch¼ng h¹n ®a th b¸o trong thµnh phè, ®a häc sinh ®i häc. 98 H×nh 44. M« t¶ ®êng ®i thuËn lîi trong mmo h×nh cÊu tróc raster Cã thÓ thÊy r»ng, vÒ th«ng tin mét líp, cã lo¹i th«ng tin chÝnh cÇn ®îc xö lý lµ vïng (area), ®iÓm (point) vµ ®êng (line). Nh÷ng tÝnh chÊt cÇn ®îc x¸c ®Þnh vÒ c¸c th«ng tin ®ã lµ sù ph©n bè, sù liªn hÖ vµ ®Þnh híng. VII.C¸c bÒ mÆt thèng kª ë c¸c phÇn trªn, c¸c ®èi tîng cña HTT§L ®· ®îc giíi thiÖu bao gåm vïng, ®iÓm vµ ®êng. Mét néi dung quan träng kh¸c cÇn ®îc nghiªn cøu ®ã lµ sù s¾p xÕp, liªn hÖ cña c¸c ®èi tîng trong kh«ng gian 3 chiÒu - ®ã lµ c¸c bÒ mÆt. Nh÷ng ®Æc ®iÓm cña c¸c bÒ mÆt cÇn ®îc nghiªn cøu ph©n tÝch vµ xö lý ®ã lµ ®é dèc, híng dèc, híng bãng nh×n (viewshed) vµ c¸c ®èi tîng ®Æc biÖt cña bÒ mÆt nh thung lòng, ®åi, m¹ng líi thuû v¨n. Ngoµi ra cÇn ph¶i ®Þnh c¸c bÒ mÆt ®ã lµ liªn tôc hay t¸ch biÖt nhau, nh½n hay gå ghÒ, tù nhiªn hay nh©n t¹o. Trong viÖc t¹o lËp c¸c bÒ mÆt trong HTT§L, cÇn ph¶i xem ®Õn c¬ së ban ®Çu. Trong viÖc nghiªn cøu bÒ mÆt, yÕu tè h×nh häc lµ hÕt søc quan träng v× tÝnh chÊt ®ã tån t¹i ë mäi vÞ trÝ, mäi ®iÒu kiÖn cña bÒ mÆt, ta gäi bÒ mÆt ®ã lµ liªn tôc. Nh÷ng bÒ mÆt ®ã thêng gÆp trong viÖc ®o s©u, ®o nhiÖt ®é, ®é Èm … Mét sè trêng hîp trong tù nhiªn l¹i gÆp nh÷ng bÒ mÆt kh«ng liªn tôc. §Ó t¹o lËp nh÷ng bÒ mÆt nh vËy, viÖc ®o ®¹c hoÆc lÊy mÉu ph¶i ®îc thùc hiÖn mét c¸ch t¬ng øng. NÕu bÒ mÆt liªn tôc th× viÖc lÊy mÉu hay ®o ®¹c cã thÓ thùc hiÖn t¹i mét sè vÞ trÝ mµ th«i, song nÕu bÒ mÆt kh«ng liªn tôc ph¶i lÊy mÉu cho toµn bé vïng trong cïng mét thêi ®iÓm. Ph¬ng ph¸p lÊy mÉu ®îc ¸p dông ph¶i ®a ra kÕt qu¶ lµ ®a ra líi ®iÓm mÉu ®Ó xö lý tiÕp t¹o nªn c¸c ®êng 99 Contonr vÒ mÆt h×nh häc, nh÷ng ®êng ®ã thÓ hiÖn cho sù ph©n bè cña bÒ mÆt trong thùc tÕ. NÕu bÒ mÆt lµ kh«ng liªn tôc th× ph¶i cã ph¬ng ph¸p ph¸t hiÖn vµ bæ sung mÉu cho nh÷ng chç cßn thiÕu. Th«ng thêng, mÉu ®iÓm thêng cã c¶ hai th«ng tin vÒ vÞ trÝ vµ thuéc tÝnh nªn HTT§L kh«ng thÓ xö lý ®ång thêi c¸c th«ng sè ®ã mµ ph¶i chuyÓn vÒ d¹ng th«ng tin theo « m¹ng hay ®êng Contour. C¸c phÇn mÒm HTT§L ®îc x©y dùng nh»m t¹o nªn c¸c bÒ mÆt, thêng lµ c¸c phÇn mÒn øng dông ®Ó nghiªn cøu c¸c hiÖn tîng tù nhiªn nh: nghiªn cøu níc ch¶y, nghiªn cøu « nhiÔm … C¸c m« h×nh tÝnh to¸n thêng cã thÓ liªn hÖ chuyÓn ®æi cho c¸c phÇn mÒm HTTL. C¸c chøc n¨ng c¬ b¶n cña c¸c phÇn mÒm ®ã lµ: ph¬ng ph¸p thÓ hiÖn mÉu sè (hay sè liÖu ®o), t¹o lËp c¸c bÒ mÆt, tÝnh to¸n c¸c gi¸ trÞ bÒ mÆt. Cïng víi thêi gian sù ph¸t triÓn cña c¸c c«ng nghÖ ®I ®Õn t¹o ra nh÷ng bíc tiÕn cao h¬n trong nghiªn cøu bÒ mÆt. VII.1.Kh¸i niÖm vÒ bÒ mÆt Th«ng thêng bÒ mÆt ®îc ®Æc trng bëi c¸c gi¸ trÞ ®é cao “z” ph©n bè trong mét khu vùc bao gåm mét tËp hîp c¸c cÆp to¹ ®é x vµ y. Gi¸ trÞz ®îc quan niÖm lµ gi¸ trÞ ®é cao cña bÒ mÆt, song kh«ng nhÊt thiÕt nã chØ cã mét ®¬n vÞ ®o. C¸c gi¸ trÞ ®ã cã thÓ lµ tÝnh chÊt (ordinal), ph©n kho¶ng (interval) hay ph©n chia thø bËc (ratio data scales). BÒ mÆt ®îc gäi lµ bÒ mÆt thèng kª (Satistic suface) khi gi¸ trÞ z lµ gi¸ trÞ thèng kª vÒ biªn ®é cña mét ®èi tîng hay mét hiÖn tîng ®îc xem xÐt (Robinson 1995), ch¼ng h¹n mËt ®é d©n sè, thèng kª l¬ng, ¸p suÊt thuû tinh, møc ®é « nhiÔm… BÒ mÆt liªn tôc lµ bÒ mÆt cã c¸c trÞ sè vÒ ®é cao biÕn ®æi mét c¸ch tõ tõ gi÷a c¸c ®iÓm n»m kÒ nhau. BÒ mÆt c¸ch biÖt lµ bÒ mÆt cã nh÷ng kh¸c biÖt lín ë mét s« vÞ trÝ liÒn kÒ nhau. BÒ mÆt liªn tôc cã sù biÕn ®æi rÊt Ýt vÒ gi¸ trÞ c¸c ®iÓm, gäi lµ bÒ mÆt nh½n, cßn bÒ mÆt cã c¸c gi¸ trÞ thay ®æi nhanh th× gäi lµ bÒ mÆt nh¸m. ViÖc t¹o thµnh c¸c bÒ mÆt nh vËy lµ do gi¸ trÞ mÉu quyÕt ®Þnh v× thÕ viÖc lÊy mÉu lµ hÕt søc quan träng trong nghiªn cøu bÒ mÆt. VII.2.LËp b¶n ®å bÒ mÆt thèng kª BÒ mÆt thèng kª ®îc chia lµm nhiÒu lo¹i: lËp b¶n ®å ®iÓm (dot mapping), chroplethic mapping, dasy metric mapping vµ sarithic mapping. 3 lo¹i ®Çu thuéc vÒ viÖc t¹o c¸c bÒ mÆt c¸ch biÖt, cßn lo¹i thø 4 ®îc hiÓu lµ lËp b¶n ®å ®êng Contour, nghÜa lµ t¹o c¸c ®êng cã cïng gi¸ trÞ ®é cao. Qu¸ tr×nh kÕt nèi c¸c ®iÓm ®Ó t¹o nªn ®êng cã cïng gi¸ trÞ ®é cao gäi lµ ®êng ®ång møc( isarithm). 100 H×nh 45. C¸c ®êng ®ång møc ®é cao trªn mm« h×nh næi 3D NÕu nh×n tõ ®Ønh th× c¸c ®êng cã cïng gi¸ trÞ xuÊt hiÖn gÇn nh song song víi nhau. NÕu chóng ch¹y vßng quanh c¸c ®èi tîng ®Þa h×nh nh ®åi, thung lòng th× c¸c ®êng ®ã sÏ khÐp kÝn, hoÆc sÏ tiÕp tôc ch¹y vßng xung quanh ®èi tîng ®Õn mÐp b¶n ®å. C¸c ®êng cïng gi¸ trÞ ®ã (®êng ®ång phøc) gióp ta h×nh dung ®îc h×nh d¹ng c¸c ®èi tîng hoÆc c¸c tr¹m træ chÝnh trªn bÒ mÆt ®èi tîng: ®êng s«ng nói, thung lòng … Ngoµi ra dùa vµo kho¶ng c¸ch gi÷a c¸c ®êng cã thÓ dù ®o¸n vÒ ®é dèc cña ®Þa h×nh. Mét sè phÇn mÒm xö lý vector cho phÐp dÔ dµng t¹o nªn c¸c ®êng ®ång møc nh vËy. • LÊy mÉu cho b¶n ®å thèng kª §Ó t¹o lËp b¶n ®å c¸c ®êng ®¼ng trÞ, t¹i liÖu ph¶i ®îc thu nhËp tõ c¸c vÞ trÝ ®iÓm. §Ó lÊy mÉu ®iÓm, tríc hÕt ph¶I lÊy mÉu víi mËt ®é … b»ng hÖ thèng « l íi b»ng nhau, phæ biÕn lµ t¹o líi víi « h×nh tam gi¸c. • Víi bÒ mÆt nh½n, lÊy mÉu theo nguyªn t¾c líi ®Òu. • Víi bÒ mÆt nh¸m, ph¶i lÊy mÉu theo nguyªn t¾c t¹o líi kh«ng ®Òu. ë nh÷ng vÞ trÝ cã sù thay ®æi lín cña ®é cao z ph¶i lÊy mÉu dµy h¬n. • M« h×nh ®é cao sè (Digital Elevation Model-DEM) Khi ®· cã t liÖu t¹i c¸c mÉu ®iÓm, c«ng viÖc tiÕp theo cña viÖc x©y dùng bÒ mÆt ®ã lµ viÖc m« t¶ h×nh ®é cao sè b»ng c¸c phÇn mÒm HTT§L. Qua tr×nh ®ã cã 101 thÓ thùc hiÖn víi c¬ së d÷ liÖu vector (TIN model trong ARC/INFO) hoÆc c¬ së d÷ liÖu Raster (image model). • D÷ liÖu ®a vµo xö lý cã thÓ lµ ®iÓm, lµ ®êng hoÆc vïng, víi c¸c gi¸ trÞ ®é cao kh¸c nhau. Trong qu¸ tr×nh xö lý, c¸c d÷ liÖu ®ã ®îc bè trÝ thµnh c¸c ®iÓm riªng biÖt víi c¸c gi¸ trÞ ®é cao kh¸c nhau. Qu¸ tr×nh ®ã ®îc gäi lµ t¹o ra ma trËn ®é cao t¸ch biÖt (discrete altitude matrix). Ma trËn nµy lµ ma trËn ®Òu (iregular lattice). • Ma trËn ®é cao t¸ch biÖt ®îc ®a vµo xö lý trong m« h×nh ®é cao sè. Mét c«ng viÖc quan träng cña t¹o m« h×nh ®ã lµ néi suy (interpolation). Néi suy lµ c«ng viÖc tÝnh ®é chªnh cao gi÷a c¸c ®iÓm vµ kho¶ng c¸ch gi÷a c¸c ®iÓm trong m¹ng líi, tõ ®ã tÝnh ®îc toµn bé gi¸ trÞ ®é cao cña ma trËn. §ã lµ qóa tr×nh bæ sung gi¸ trÞ ®é cao cho toµn vïng. C«ng viÖc nµy cã thÓ ®îc ¸p dông ®Ó lËp b¶n ®å ®é cao tØ lÖ 1:250 000 víi « líi lµ 63,5 mÐt hoÆc tØ lÖ lín h¬n khi ph©n tÝch ®o lËp thÓ ¶nh m¸y bay. H×nh 46. M« pháng hai kiÓu bÒ mÆt ®Þa h×nh d¹ng Raster vµ Vector Víi t liÖu Raster, bÒ mÆt dîc chia thµnh nh÷ng ®¬n vÞ nhá gäi lµ « líi (cell), mçi « líi cã mét gi¸ trÞ ®é cao riªng. Nh vËy t¹i liÖu lirn tôc ®îc t¸ch thµnh nh÷ng phÇn riªng biÖt, mçi phÇn ®ã lµ mét « líi vµ mçi « chiÕm mét kh«ng gian nhÊt ®Þnh cña bÒ mÆt (h×nh 10.4 trong s¸ch). Muèn cã ®é chÝnh x¸c cao vÒ ®é cao th× bÒ mÆt Raster ph¶i ®îc chia thµnh c¸c « nhá h¬n vµ ®ã lµ t¬ng quan tØ lÖ thuËn. 102 Trong bÒ mÆt Raster, mét ®iÒu cÇn chó ý lµ gi¸ trÞ z ®îc x¸c ®Þnh cho vÞ trÝ nµo cña « líi. Th«ng thêng lµ ë vÞ trÝ gi÷a «, song còng cã thÓ ë 4 gãc. Tõ ®ã còng cã thÓ x¸c ®Þnh tiÕp c¸c gi¸ trÞ kh¸c nhau nh: kho¶ng c¸ch, ®é dèc, híng dèc. H×nh 47. C¸c ph¬ng thøc t¹o bÒ mÆt vµ ph©n tÝch bÒ mÆt 103 H×nh 48. néi suy c¸c « líi gi¸ trÞ ®Ó t¹o bÒ mÆt cã ®é cao kh¸c nhau 104 105 Trêng hîp bÒ mÆt kh«ng nh½n th× nhiÒu « bÞ thiÕu d÷ liÖu, nªn ph¶i bæ sung d÷ liÖu vÒ ®é cao. Qu¸ tr×nh ®ã ®îc gäi lµ qu¸ tr×nh néi suy (interpolation). • C¸c ph¬ng ph¸p néi suy VÒ nguyªn t¾c néi suy lµ c«ng viÖc dùa trªn mét nguyªn t¾c rÊt ®¬n gi¶n song l¹i yªu cÇu cã nh÷ng gi¶ ®Þnh u tiªn. Tríc hÕt h·y quan s¸t tÇn sè xuÊt hiÖn vÒ mÆt to¸n häc cña d·y sè sau: 12345678910 Trongd·y sè ®ã, mçi sè tiÕp sau h¬n sè ®»ng tríc mét gi¸ trÞ lµ 1. TÇn sè nh vËy ®îc gäi lµ tÇn sè tuyÕn tÝnh hoÆc tÇn sè sè häc v× nã t¨ng thªm mçi lÇn cïng1 gi¸ trÞ, gi¸ trÞ thªm vµo lµ 1. Víi mét d·y kh¸c: 10 20 30 40 50 60 70 80 90 100 th× 10 lµ gi¸ trÞ gia t¨ng cña mçi bíc hoÆc víi d·y sè sau: 1000 900 800 700 600 500 400 300 200 100 th× 10 lµ gi¸ trÞ gi¶m ®i cña mçi bíc. T¬ng tù nh vËy biÕn ®æi c¸c sè cã thÓ lµ theo nguyªn t¾c nh©n, chia… • Néi suy tuyÕn tÝnh (linear interpolation) Víi nh÷ng d·y sè trªn, nÕu cã nh÷ng gi¸ trÞ bÞ mÊt th× ta cã thÓ dÔ dµng bæ sung nÕu t×m ra ®îc quy luËt cña d·y sè, ®ã lµ qu¸ tr×nh néi suy theo tuyÕn tÝnh. Ph¬ng ph¸p lµm lµ vÏ ®êng vu«ng gãc c¾t qua ®êng 100 vµ 150 råi chia thµnh 5 ®o¹n, tõ ®ã bæ sung c¸c ®iÓm vµ gi¸ trÞ cßn thiÕu vµ vÏ c¸c ®êng Contour qua c¸c ®iÓm bæ sung ®ã. Tuy nhiªn, viÖc néi suy theo tuyÕn tÝnh chØ thùc hiÖn ®îc trong nh÷ng vÝ dô hÑp vµ bÒ mÆt lµ liªn tôc vµ nh½n. Th«ng thêng ®é chÝnh x¸c cña phÐp néi suy theo tuyÕn tÝnh lµ kh«ng cao v× trong thùc tÕ mèi liªn quan vÒ gi¸ trÞ ®é cao cña c¸c ®iÓm thêng theo nh÷ng hµm to¸n phøc t¹p h¬n. • Néi suy kh«ng tuyÕn tÝnh (Nonlinear interpolation) Néi suy kh«ng theo tuyÕn tÝnh ®îc thiÕt kÕ ®Ó ¸p dông cho nh÷ng trêng hîp ®îc coi lµ kh«ng tuyÕn tÝnh. Trong kü thuËt néi suy kh«ng tuyÕn tÝnh cã 3 ph¬ng ph¸p chÝnh lµ: träng sè (weighting), mÆt ph¼ng híng (Trend surface) vµ Kriging. §· cã nhiÒu s¸ch viÕt kh¸ kü vÒ vÊn ®Ò nµy, nªn ë ®©y chØ ®Ò cËp nh÷ng vÊn ®Ò chÝnh. • Ph¬ng ph¸p néi suy träng sè (Weighting interpolation method) 106 TiÕp cËn cña ph¬ng ph¸p nµy lµ mçi vÞ trÝ trªn bÒ mÆt cã nh÷ng tÝnh chÊt h×nh häc t¬ng tù nh cña nh÷ng ®iÓm ë gÇn, ®Æc biÖt lµ vÒ ®é dèc. §Ó h×nh dung râ kh¸i niÖm nµy, ta lÊy vÝ dô cña trêng hîp ®i lªn dèc vµ ®i xuèng dèc. Khi lªn dèc ta cã c¶m gi¸c vÒ ®é cao c¸c ®iÓm ë gÇn lµ gièng víi ®é cao vÞ trÝ ta ®ang ®øng, c¶m gi¸c ®ã sÏ rÊt kh¸c khi so víi c¸c ®iÓm ë xa. Khi xuèng dèc, c¶m gi¸c ®ã còng t ¬ng tù. Khi xuèng tíi ®¸y dèc, ta còng cã c¶m gi¸c ®é cao thay ®æi ®ét ngét. H×nh 49. C¸ch néi suy theo nhiÌu híng ®Ó tÝnh c¸c yÐu tè tr¾c lîng h×nh th¸i §Ó thÓ hiÖn chÝnh x¸c h¬n ®Þa h×nh, ta lùa chän tõ c¸c ®iÓm ®· biÕt gi¸ trÞ ®é cao ta néi suy ®Ó tõ ®ã biÕt c¸c gi¸ trÞ ®é cao cña mét ®iÓm l©n cËn ë gi÷a t¹o nªn mét bÒ mÆt cña ®Þa h×nh. Cã nhiÒu ph¬ng ph¸p ®Ó néi suy: t¹o mét kho¶ng c¸ch hoÆc mét ®êng trßn cã t©m lµ c¸c ®iÓm. C¸c ®iÓm nµy ®îc lùa chän tõ c¸c ®iÓm mÉu hoÆc lùa chän sè … nhÊt ®Þnh c¸c ®iÓm trong c¸c « l íi vu«ng hoÆc « h×nh ®a gi¸c – nghÜa lµ chän mét ®iÓm cho mét « ®Ó néi suy. Víi bÊt kú ph¬ng ph¸p nµo, m¸y tÝnh còng ph¶i ®o kho¶ng c¸ch gi÷a mçi cÆp ®iÓm tõ mçi nh©n cña « hay tõ mét ®iÓm xuÊt ph¸t. §é cao cña mçi ®iÓm ®îc x¸c ®Þnh bëi b×nh ph¬ng cña kho¶ng c¸ch. V× vËy nÕu c¸c ®iÓm ë gÇn nhau th× gi¸ trÞ tÝnh ®îc sÏ chÝnh x¸c h¬n. VÒ nguyªn lý lµ nh vËy song trong thùc tÕ ¸p dông, cã nhiÒu c¸ch kh¸c nhau: cã ph¬ng ph¸p ¸p dông ®Ó gi¶m bít sè lîng c¸c ®iÓm ®o, cã ph¬ng ph¸p t¹o träng sè h¬n lµ tÝnh b×nh ph¬ng, cã ph¬ng ph¸p t¹o c¸c gê nh ®êng bê biÓn, v¸ch nói… ®Ó qu¸ tr×nh néi suy kh«ng vît qua ®îc. Ph¬ng ph¸p t¹o gê cho phÐp néi suy tõng vÞ trÝ riªng biÖt. Trong nhiÒu ph¬ng ph¸p th× ph¬ng ph¸p hay ®îc ¸p dông nhÊt lµ t¹o c¸c híng trong bÒ mÆt cã ®é cao z h¬n lµ nh÷ng ph¬ng ph¸p cho côc bé tõng khu vùc. BÒ mÆt híng thêng ®îc ¸p dông cho mét khu vùc nhÊt ®Þnh. Mét mÆt ph¼ng ®éc nhÊt thêng ®îc t¹o nªn bëi c¸c ph¬ng tr×nh to¸n ho¹ nh: polynominal hay spines. C¸c ph¬ng ph¸p nµy cho phÐp tÝnh kh«ng tuyÕn tÝnh mµ theo quan hÖ ®êng cong hoÆc nh÷ng quan hÖ sè häc kh¸c. §Ó t¹o lËp nªn mÆt híng (trend surface), 107 c¸c trÞ sè trong vïng ®îc tÝnh sao cho phï hîp víi ph¬ng tr×nh to¸n häc. Gi¸ trÞ ®¬n gi¶n nhÊt lµ tÝnh cho c¸c nh©n kernel, tõ ®ã tÝnh cho toµn vïng ®Ó t¹o nªn mÆt ph¼ng. Gi¸ trÞ cña c¸c nh©n « líi (Kernel) cã thÓ ®¬n gi¶n lµ trung b×nh cña c¸c gi¸ trÞ trong vïng mµ híng ®I qua, hoÆc cã thÓ lÊy träng sè gi÷a chóng tuú theo kho¶ng c¸ch. Th«ng thêng mÆt ph¼ng híng lµ rÊt nh½n vµ nã thÓ hiÖn toµn híng cho tÊt c¶ mäi gi¸ trÞ cña ®èi tîng hoÆc nã cã thÓ biÓu thÞ mét quan hÖ phøc t¹p gi÷a c¸c thuéc tÝnh cña ®èi tîng. KiÓu c«ng thøc ®îc sö dông sÏ x¸c ®Þnh sè lîng nh÷ng phÇn lîn sãng ë trªn bÒ mÆt. MÆt ph¼ng híng ®¬n gi¶n thêng cã ®é dèc nhá vµ cã mét híng vµ gäi lµ bÒ mÆt trêng møc ®é thø nhÊt. NÕu bÒ mÆt híng cã hai híng th× ®îc gäi lµ bÒ mÆt trêng møc ®é thø hai. Ph¬ng ph¸p néi suy Kriging: §©y lµ ph¬ng ph¸p tèi u ®Ó néi suy dùa vµo c¸ch tÝnh to¸n thèng kª cña bÒ mÆt (Oliver 1990). Kriging sö dông kh¸i niÖm vÒ sù kh¸c biÖt cã tÝnh ch¾t vïng (Blais vµ Carier 967, Matheran 967) víi sù kh¸c nhau tõ n¬i nµy sang n¬i kh¸c song vÉn cã sù liªn tôc. §Æc ®iÓm nµy kh«ng thÓ t¹o lËp m« h×nh ®îc theo nguyªn t¾c cña ph¬ng tr×nh to¸n häc t¹o bÒ mÆt nh¸m ®¬n gi¶n. Trong thùc tÕ, hiÖn tîng nµy rÊt phæ biÕn ®èi víi c¸c ®èi tîng tù nhiªn. Ch¼ng h¹n nh c¸c trêng ph©n bè quÆng, chÊt lîng ®Êt vµ ngay c¶ trong thùc vËt häc còng cã hiÖn tîng ph©n bè nh vËy. Kriging t¹o lËp nªn bÒ mÆt phøc t¹p víi 3 gi¸ trÞ riªng biÖt: • Gi¸ trÞ thø nhÊt ®îc gäi lµ ®é lÖch (hoÆc sù tr«i d¹t) hay cÊu tróc cña bÒ mÆt, gi¸ trÞ nµy t¹o mét bÒ mÆt c¬ së nh mét trêng trong mét híng bÊt kú. • Gi¸ trÞ thø hai ®îc ®a ra nh»m tæng hîp nh÷ng sù kh¸c biÖt nhê trong bÒ mÆt chung, vÝ dô nh nh÷ng chç nh« lªn hoÆc lâm xuèng nhá trong bÒ mÆt, chóng xuÊt hiÖn ngÉu nhiªn song l¹i cã quan hÖ víi mét kho¶ng kh«ng gian kh¸c. C«ng viÖc nµy ®îc gäi lµ tù ®éng ho¸ liªn hÖ kh«ng gian. • Gi¸ trÞ thø 3 lµ gi¸ trÞ ®Ó chØnh lý nh÷ng nhiÓu ngÉu nhiª kh«ng cã liªn quan tíi híng chung còng nh tù ®éng liªn hÖ kh«ng gian Clarke (1990) ®· minh ho¹ cho ý nghÜa cña gi¸ trÞ nµyb»ng h×nh tîng t¬ng tù lµ: nÕu ta leo nói, sù thay ®æi ®Þa h×nh theo híng nh×n lªn tõ ®iÓm khëi ®Çu ®Õn ®Ønh nói ®ùpc gäi lµ ®é tr«i d¹t hay cÊu tróc cña bÒ mÆt. Däc ®êng trÌo ta gÆp nhiÒu chç låi lâm côc bé xuÊt hiÖn ngÉu nhiªn song vÉn cã liªn hÖ chÆt v¬Ý ®é cao cña ®Þa h×nh. §«i chç ta thÊy cã nh÷ng t¶ng ®¸ dèc ®øng. HiÖn tîng ®ã ®îc gäi lµ nhiÔu vÒ ®é cao bëi v× chóng kh«ng cã liªn hÖ trùc tiÕp víi bÒ mÆt. CÊu tróc ë phÝa díi do ®é cao cña chóng thay ®æi ®ét ngét ngay tõ trÝ ®Çu tiªn gÆp chóng. 108 Ba ph¬ng ph¸p néi suy ®· nªu ë trªn ®îc thùc hiÖn mét c¸ch ®éc lËp. Ph¬ng ph¸p tr«i d¹t (drifit) sö dông ph¬ng tr×nh to¸n häc thÓ hiÖn sù thay ®æi chung trªn bÒ mÆt vµ gÇn gièng nh mÆt híng (trend surface). §é cao dù kiÕn ®îc ®o b»ng kü thuËt ®å thÞ thèng kª gäi lµ Semivenogram. §å thÞ nµy chÊm c¸c kho¶ng c¸ch gi÷a c¸c mÉu gäi lµ Lag(h) (sù tôt hËu) cña ®é cao, trªn trôc n»m ngang. Trôc th¼ng ®øng cã c¸c gi¸ trÞ nöa kh¸c biÖt (semivaince), gi¸ trÞ nµy lµ 1/2 sù kh¸c biÖt (tÝnh b»ng b×nh ph¬ng cña ®é lÖch chuÈn) gi÷a mçi gi¸ trÞ ®é cao cña mét ®iÓm l©n cËn. Gi¸ trÞ nµy lµ mét trÞ sè cña sù phô thuéc lÉn nhau vÒ gi¸ trÞ ®é cao, nã liªn quan ®Õn sù ë gÇn xa gi÷a chóng. §Æc ®iÓm thø 3 quan träng cña ®å thÞ b¸n kh¸c biÖt (semivariogram) nµy lµ ®êng cong chuÈn, kh«ng ch¹y trùc tiÕp qua ®iÓm gèc. C¶ thuËt to¸n vµ c¸ch tiÕp cËn ®Òu xuÊt ph¸t tõ ý nghÜa lµ nÕu kh«ng cã sù kh¸c biÖt vµ gi¸ trÞ sÏ lµcña 1 ®iÓm mµ th«i. VÞ trÝ ®êng cong chØ lµ t¬ng ®èi nªn sù kh¸c biÖt gi¸ trÞ 0 ë trong s¬ ®å vµ c¸c gi¸ trÞ ®¬ng dù kiÕn chØ lµ sù gi¶ ®Þnh cho viÖc xuÊt hiÖn nh÷ng nhiÔu kh¸c biÖt kh«ng cã sù liªn hÖ, c¸c nhiÔu ®ã gäi lµ sù kh¸c biÖt chi tiÕt (nugget variance). Sù kh¸c biÖt ®ã lµ sù tæng hîp nh÷ng sai sè ®o cïng víi nh÷ng sai sè kh«ng gian xuÊt hiÖn ë nh÷ng ®iÓm cã kho¶ng c¸ch ng¾n h¬n so víi kho¶ng c¸ch cña mÉu vµ nh÷ng nhiÔu ®ã lµ kh«ng xö lý hÕt ®îc (Theo Bourrongh 1986). Ba th«ng sè võa nªu ë trªn cña ph¬ng ph¸p s¬ ®å b¸n kh¸c biÖt lµ rÊt quan träng cho viÖc xö lý néi suy cho khu vùc. Khi néi suy cho tõng vïng ph¶i tÝnh thªm gi¸ trÞ träng sè. ë ®©y viÖc lùa chän träng sè lµ ph¶i nh»m lo¹i bít nh÷ng sù kh¸c biÖt cã thÓ cã cho mèi liªn hÖ tuyÕn tÝnh vÒ ®é cao cña tÖp mÉu. Gi¸ trÞ nµy cã thÓ x¸c ®Þnh ®îc tiÕp tõ m« h×nh t¹o ®å thÞ b¸n kh¸c biÖt (semivariogam) cña toµn khu vùc. Ph¬ng ph¸p Kriging cã 2 d¹ng chÝnh: • D¹ng chung hay tæng quat (general Kriging) cßn ®îc gäi lµ universal Kriging: lµ ph¬ng ph¸p hay ®îc sö dông nhÊt khi t¹o mÆt ph¼ng dù kiÕn cho nh÷ng mÉu cã sù ph©n bè kh«ng ®Òu (irregular) hay cßn gäi lµ kh«ng æn ®Þnh. • D¹ng ng¾t ®o¹n (Punctage Kriging) lµ d¹ng ban ®Çu ®îc ¸p dông víi quan niÖm lµ sè liÖu æn ®Þnh (kh«ng cã híng) ®ång nhÊt vµ ph©n bè trong kh«ng gian ®Òu. Ph¬ng ph¸p nµy chñ yÕu lµ dïng ®Ó néi suy c¸c sè liÖu ®iÓm kh¸c h¬n lµ ®Ó t¹o bÒ mÆt. Kriging lµ mét ph¬ng ph¸p néi suy chÝnh x¸c gióp cho viÖc ®o ®¹c ®óng nh÷ng gi¸ trÞ ®é cao bÞ mÊt, nã cßn cã u thÕ lµ tÝnh nhanh vµ tÝnh ®óng. Nã cßn cã u ®iÓm h¬n so víi c¸c ph¬ng ph¸p néi suy kh¸c lµ nã kh«ng chØ néi suy c¸c gi¸ trÞ 109 néi suy mµ nã cßn x¸c ®Þnh ®îc tæng sè nh÷ng lçi trong kÕt qu¶. Tuy nhiªn trong trêng hîp nh÷ng lçi do ®o ®¹c qu¸ nhiÒu th× Kriging khã tÝnh ®îc s¬ ®å kh¸c biÖt vµ khi ®ã Kriging còng thùc hiÖn kh«ng tèt h¬n c¸c ph¬ng ph¸p kh¸c. Tuy nhiªn, mçi mét phÇn mÒm HTT§L ®Òu cung cÊp Ýt nhÊt lµ mét ph¬ng ph¸p néi suy ®Ó xö lý sè liÖu ®é cao. Trong HTT§L sö dông d÷ liÖu Vector, m« h×nh TIN thêng gióp ta tr×nh bµy dÔ dµng nh÷ng ®iÓm cã cïng gi¸ trÞ vµ tæng hîp c¸c gi¸ trÞ ®é cao cña chóng, chuyÓn thµnh ma trËn ®iÓm vÒ ®é cao (®«i khi gäi ®¬n gi¶n lµ sè liÖu ®iÓm). Tõ sè liÖu cña ma trËn ®iÓm, cã thÓ lùu chän dÔ dµng c¸c ph¬ng ph¸p néi suy ®Ó t¹o mÆt ph¼ng. §èi víi c¸c phÇn mÒm sö dông tµi liÖu Raster th× c¸c sè liÖu ®iÓm ®îc biÕn ®æi thµnh c¸c sè liÖu cña c¸c nh©n vµ c¸c nh©n bÞ thiÕu sè liÖu sÏ ®îc tÝnh vµ g¸n cho theo nguyªn t¾c néi suy tõ c¸c nh©n kÕ cËn. NÕu nh phÇn mÒm kh«ng cã m« ®un xö lý thÝch hîp, ta cã thÓ biÕn dæi sè liÖu ®Ó xö lý trong phÇn mÒm chuyªn dïng vÒ néi suy. KÕt qu¶ t¹o ®îc ®ã l¹i ®îc chuyÓn vÒ phÇn mÒm ban ®Çu ®Ó xö lý. Giíi thiÖu chung vÒ néi suy cã mét sã s¸ch cña c¸c t¸c gi¶ nh Lan (1983) hay Flowerdew vµ Grean (1992). • øng dông cña néi suy Ngoµi c¸c kü thuËt néi suy ®· nªu ë trªn cßn cã c¸c kü thuËt kh¸c nh t¹o bãng, t¹o híng dèc … Tuy nhiªn, c«ng viÖc ®ã chØ thùc hiÖn ® îc mét khi c¸c phÇn mÒm cã c¸c chøc n¨ng ®ã. Trong thùc tÕ, khi nµo th× cÇn lµm néi suy? §ã lµ vÊn ®Ò ®Æt ra cña viÖc øng dông. Cã thÓ ®a ra mét vµi vÝ dô tham kh¶o sau: • X¸c ®Þnh c¸c vïng ngËp víi tÇn sè xuÊt hiÖn lµ 100 n¨m, trong ®iÒu kiÖn cha cã b¶n ®å ®Ó tham kh¶o, biÕt r»ng møc ngËp lµ cao 100 m trªn mùc níc biÓn. KÕt qu¶ sÏ gióp cho viÖc lËp c¸c khu ®Þnh c cho an toµn. trong sè liÖu chØ cã mét gi¸ trÞ ®é cao nhÊt ®Þnh ®· cã tõ tríc khi x©y dùng nhµ cöa. B»ng ph¬ng ph¸p néi suy, cã thÓ bæ sung sè liÖu cho c¸c ®iÓm kh¸c trong khu vùc tõ ®ã lËp ra ®îc c¸c ®êng ®ång møc, trong ®ã cã ®êng 100, chÝnh lµ ranh giíi cÇn x¸c ®Þnh. • Më réng ®êng giao th«ng trong trêng hîp kh«ng cã b¶n ®å, ph¶i më ®êng trªn c¬ së lùa chän híng dèc thÝch hîp. Néi suy sÏ gióp lËp ®îc b¶n ®å ®é cao, b¶n ®å ®é dèc vµ b¶n ®å híng dèc. • Trong t×m kiÕm c¸c vØa quÆng, ta chØ cã mét sè liÖu vÒ ®é cao xuÊt hiÖn gi¶ ®¸y vµ rtÇn th©n quÆng, b»ng viÖc néi suy t¹o ®îc mét bÒ mÆt cã ®é dèc th©n quÆng kh¸c víi bÒ mÆt che phñ bªn trªn. Tõ ®ã cã thÓ xö lý tiÕp ®Ó tÝnh to¸n toµn 110 bé quy m« cña th©n quÆng. HoÆc dÔ hiÓu vµ ®¸nh gi¸ vÒ chÊt lîng c¸c vµnh ph©n t¸n quÆng, tõ sè liÖu mÉu tõ c¸c ®iÓm sÏ néi suy ®Ó t¹o ra c¸c ®êng ®¼ng trÞ vÒ hµm lîng mÉu. Tãm l¹i trong nghiªn cøu ®Þa lý, néi suy ®îc ¸p dông ®Ó x¸c ®Þnh c¸c vïng trªn bÒ mÆt cã gi¸ trÞ z kh¸c nhau. Gi¸ trÞ z ®ã cã thÓ lµ hµm lîng Nit¬ trong ®Êt, møc ®é ph¸t triÓn cña thùc vËt tõ mét nguån cung cÊp ®é Èm, mËt ®é d©n sè ë c¸c vïng, møc ®é « nhiÔm m«i trêng tõ mét sè nguån ph¸t th¶i. Ph¬ng ph¸p néi suy cung cÊp kh¶ n¨mg cÇn thiÕt trong viÖc xö lý sè liÖu nh»m phôc vô cho nhiÒu néi dung nghiªn cøu kh¸c nhau cña khoa häc ®Þa lý, ®Þa chÊt vµ m«i trêng. • Mét sè vÊn ®Ò cÇn quan t©m trong néi suy Trong viÖc néi suy, cã 4 vÊn ®Ò cÇn ph¶i ®îc quan t©m ®Õn lµ: - Sè lîng c¸c ®iÓm khèng chÕ (cã sè liÖu). - VÞ trÝ cña c¸c ®iÓm khèng chÕ. - C¸c vÊn ®Ò vÒ ®iÓm uèn (®iÓm t¹o c¸c sè ®Êt). - DiÖn tÝch cã c¸c ®iÓm tµi liÖu. Nãi chung, cã thÓ thÊy mét ®iÒu râ rµng lµ nÕu sè lîng mÉu cã nhiÒu th× kÕt qu¶ néi suy sÏ chÝnh x¸c h¬n vµ kÕt qu¶ sÏ gÇn ®óng nhÊt víi thùc tÕ. Tuy nhiªn, vÊn ®Ò ®Æt ra lµ sè lîng mÉu tèi thiÓu lµ bao ®Ó ®ñ cho viÖc néi suy. MÆt kh¸c trong thùc tÕ còng cho thÊy nÕu qóa nhiÒu mÉu th× viÖc xö lý sÏ mÊt nhiÒu thêi gian vµ còng cha ph¶i lµ cã kÕt qu¶ tèt h¬n. §«i khi qu¸ nhiÒu mÉu l¹i dÉn ®Õn xuÊt hiÖn nhiÒu mÉu hoÆc sai sè. KÕt qu¶ lµ mÆt ph¼ng t¹o ®îc tîng tù nhiÔu, do ®ã kÕt qu¶ lµ kh«ng chÝnh x¸c. §Æc ®iÓm cña ®êng cong lý thuyÕt vÒ sù liªn hÖ gi÷a sè lîng ®iÓm vµ ®é chÝnh x¸c cña b¶n ®å néi suy (víi b¶n ®å isarathmic) t¹o c¸c ®êng ®¼ng trÞ. VÞ trÝ 111 c¸c ®iÓm mÉu thêng cã t¸c ®éng rÊt nh¹y c¶m tíi kÕt qu¶ néi suy. Khi mµ tËp mÉu ®iÓm cña mét sù ph©n bè t¬ng ®èi b»ng ph¼ng th× ®¬n gi¶n nhÊt lµ sö dông ph¬ng ph¸p trung nh©n t©m (centroid – of – cell method). Khi ®ã, phÇn mÒm cho phÐp t¹o líi vµ x¸c ®Þnh c¸c nh©n ®Ó g¾n gi¸ trÞ. Cßn víi ph©n bè theo vïng hoÆc kh«ng b»ng ph¼ng th× ph¶i ¸p dông ph¬ng ph¸p néi suy theo c¸c t©m träng sè (centre of gravity method). C¶ hai ph¬ng ph¸p ®Òu hay x¶y ra trêng hîp lµ cã mét sè t©m ®iÓm l¹i n»m ngoµi c¸c vïng nghiªn cøu, ®Æc biÖt lµ trong trêng hîp ph©n bè kh«ng ®Òu th× c¸ch ®¬n gi¶n lµ nhÊc nh÷ng ®iÓm nh©n ®ã vµo trong vïng, ë vÞ trÝ gÊn nhÊt cã thÓ ®îc. Nh÷ng thao t¸c nµy thêng ®îc ¸p dông mét c¸ch linh ho¹t trong xö lý. C¸c ®iÓm sèng ®Êt (t¹o yªn ngùa): §«i khi gäi lµ c¸c ®iÓm xen kÏ, xuÊt hiÖn khi hai cÆp gi¸ trÞ z ngîc víi nhau, t¹o nªn mét gãc vÞ trÝ cña giao ®iÓm cã gi¸ trÞ lín h¬n hai gi¸ trÞ cña mét cÆp ®iÓm thø nhÊt vµ nhá h¬n gi¸ trÞ cña mét cÆp ®iÓm thø hai. ViÖc néi suy nh»m t×m vµ g¾n gi¸ trÞ α cho ®iÓm ®ã-®iÓm Êy ®îc gäi lµ ®iÓm yªn ngùa. §iÓm nµy hay gÆp trong viÖc néi suy theo kho¶ng c¸ch. Khi vÊn ®Ò ®iÓm sèng ®Êt xuÊt hiÖn, phÇn mÒm m¸y tÝnh thêng ®a ra hai c¸ch gi¶i quyÕt thÝch hîp ®Ó t¹o nªn contour. C¸ch ®¬n gi¶n nhÊt lµ lÊy gi¸ trÞ trung b×nh cña 4 ®iÓm ë bèn gãc vµ ®Æt vµo giao ®iÓm ®Ó néi suy. 112 H×nh 50. B¶o ®å ®é cao ®Þa h×nh vµ m« h×nh 3D víi d÷ liÖu lµ ®êng ®ång møc (PhÇn ngoµi r×a bÞ nhiÔu do kh«ng cã sè liÖu) VÊn ®Ò cuèi cïng cÇn ®îc xem xÐt trong néi suy ®ã lµ nh÷ng vïng n»m bªn trong cña sè liÖu mÉu ®iÓm. §Ó viÖc néi suy cã kÕt qu¶ hoµn h¶o, trong tËp sè liÖu ph¶i cã nh÷ng ®iÓm khèng chÕ. Th«ng thêng, nÕu ta lùa chän vïng nghiªn cøu cã cïng diÖn tÝch víi cïng néi suy, ta ph¶i xö lý néi suy cho nh÷ng ®iÓm ngoµi r×a cña vïng. Khi ®ã sÏ cã mét sè híng cña ®iÓm khèng chÕ bÞ ph©n r×a ng¨n chÆn nÕu kh«ng cã sè liÖu ®é cao ë phÇn ngoµi. Trong viÖc néi suy, kÕt qu¶ sÏ tèt nÕu cã ®îc ®Çy ®ñ c¸c ®iÓm l©n cËn xung quanh ®iÓm khèng chÕ. Trong tr¬ng hîp thiÕu th× thuËt to¸n sÏ lµm cho kÕt qu¶ bÞ lÖch xiªn ®i so víi ®êng biªn vµ nh vËy phÇn lín kÕt qu¶ ë vïng biªn sÏ kh«ng chÝnh x¸c. Trong trêng hîp tÝnh to¸n ®é dèc, híng dèc, ®é cao … ®Òu gÆp lçi ë phÇn biªn. §Ó kh¾c phôc t×nh tr¹ng ®ã, gi¶i ph¸p tèt nhÊt lµ lùu chän vïng nghiªn cøu nhá h¬n vµ n»m gän trong vïng ®îc néi suy. Th«ng thêng vïng ®îc néi suy ph¶i cã diÖn tÝch lín h¬n vïng nghiªn cøu kho¶ng 10%. §Ó thùc hiÖn ®iÒu ®ã, sau khi néi suy ta ph¶i c¾t bít vïng néi suy mét c¸ch chÝnh x¸c ®Ó cã ®îc ®óng kÕt qu¶ néi suy cho vïng nghiªn cøu • C¾t líp bÒ mÆt thèng kª (Slicing Statistical Surface) Ph¬ng ph¸p phæ biÕn ®Ó thùc hiÖn bÒ mÆt lµ t¹o ®êng ®ång møc gi¸ trÞ ®é cao. C¸c kho¶ng cao ®Òu gi÷ c¸c ®êng ®ång møc cho kh¶ n¨ng h×nh dung ®îc h×nh d¹ng cña bÒ mÆt. Tuy nhiªn, cÇn lu ý r»ng kho¶ng gi÷a c¸c ®êng ®ånh møc th× ®Þa h×nh cã sù thay ®æi liªn tôc vÒ gi¸ trÞ ®é cao. V× kho¶ng cao ®Òu ®îc lùa chän ph¶i thÓ hiÖn ®îc tèt nhÊt diÖn m¹o cña ®Þa h×nh. §a sè c¸c phÇn mÒm HTT§L c¶ Raster vµ Vector ®Òu cã kh¶ n¨ng chuyÓn ®æi c¸c ®êng®ång møc hoÆc bÒ mÆt ®êng ®ång møc lªn mÆt ph¼ng n»m ngang nh»m thÓ hiÖn tÝnh liªn tôc cña bÒ mÆt 113 ®Þa h×nh. Kü thuËt ®ã ®îc gäi lµ kü thuËt c¾t líp - gièng nh dïng mét con dao s¾c c¾t ngang bÒ mÆt. C¾t líp ®¬n gi¶n lµ lùa chän nh÷ng kho¶ng cao ®Òu nhau ®Ó cho phÐp nh×n vµ ph©n biÖt râ c¸c ®Æc ®iÓm kh¸c nhau cña bÒ mÆt – nghÜa lµ cã thÓ lùa chän kho¶ng c¸ch th¼ng ®øng gi÷a c¸c ®êng ®ång møc lµ lín nhÊt song kh«ng lµm mÊt ®i nh÷ng h×nh d¹ng chÝnh c¶ ®Þa h×nh. C¾t líp gióp cã ®îc h×nh ¶nh chung cña mÆt ph¼ng híng mµ kh«ng cÇn xö lý t¹o bÒ mÆt híng. Th«ng thêng, ®Ó nh×n chi tiÕt c¸c ®Æc ®iÓm trªn bÒ mÆt, ta ph¶i lùa chän kho¶ng cao ®Òu gi÷a c¸c ®êng nhá ®i. TÊt nhiªn c«ng viÖc ®ã chØ cã ý nghÜa thùc tiÔn mét khi sè lîng mÉu ®iÓm vµ ph¬ng ph¸p néi suy ®· hoµn h¶o. Nãi tãm l¹i th× bÒ mÆt thèng kª lµ kiÓu bÒ mÆt ®îc x©y dùng tõ hÖ thèng mÉu ®iÓm vµ c¸c gi¸ trÞ m·u cã thÓ rÊt ®a d¹ng. C¸c gi¸ trÞ mÉu ®ã ®îc quy ®Þnh lµ gi¸ trÞ z (®é cao) cña c¸c ®iÓm. Tõ c¸c gi¸ trÞ ®ã, c¸c ph¬ng ph¸p néi suy cho phÐp thµnh lËp nªn c¸c bÒ mÆt thèng kªvµ c¸c bÒ mÆt thèng kª cã thÓ lµ liªn tôc hoÆc t¸ch biÖt. Cã nh÷ng ph¬ng ph¸p néi suy vµ viÖc ¸p dông tuú thuéc vµo tÝnh chÊt cña hÖ thèng mÉu ®iÓm Kriging lµ ph¬ng ph¸p néi suy cã tÝnh chÊt u viÖt nhÊt cho phÐp t¹o lËp ®îc bÒ mÆt s¸t thùc nhÊt. BÒ mÆt thèng kª vµ ph¬ng ph¸p néi suy cho phÐp t¹o ra nhiÒu lo¹i b¶n ®å øng dông kh¸c nhau nh b¶n ®å c¸c ®êng ®ång møc, b¶n ®å ®é dèc, híng dèc, híng bãng… Víi nh÷ng thuËt to¸n chung cã ë trong phÇn mÒm HTT§L, song viÖc øng dông lµ rÊt ®a d¹ng trong nhiÒu lÜnh vùc cña ®Þa häc. 0.1. C¸c phÐp ph©n tÝch kh«ng gian c¬ b¶n trong HTT§L ë phÇn trªn chóng ta ®· nghiªn cøu nh÷ng vÊn ®Ò c¬ b¶n cña HTT§L: cÊu tróc c¬ së d÷ liÖu, b¶n chÊt cña tõng kiÓu d÷ liÖu, c¸c kü thuËt ph©n tÝch d÷ liÖu… Tuy nhiªn, trong thùc tÕ ¸p dông, ta cÇn hÖ thèng ho¸ ®Ó lùa chän quy tr×nh vµ c¸c m« h×nh thÝch hîp. Ch¬ng nµy cã môc tiªu hÖ thèng ho¸ nh÷ng kü thuËt c¬ b¶n hay ¸p dông trong HTT§L, ®ång thêi cung cÊp ph¬ng thøc tiÕp cËn ®Ó gi¶i quyÕt nh÷ng vÊn ®Ò phøc t¹p, nh»m tõng bíc gi¶i quyÕt c¸c môc tiªu ®Æt ra cña ®Ò ¸n nghiªn cøu. C¸c phÐp to¸n logic C¸c phÐp to¸n logic tËp trung vµo 2 d¹ng: ®¹i sè d·y vµ ®¹i sè Boonle. • C¸c phÐp logic ®¹i sè 114 Nguyªn t¾c chung lµ: Out put =if… Then … Otherwise (b¶n ®å kÕt qu¶ = nÕu…th×, nÕu kh«ng …th× …) C¸c phÐp ®¹i sè ®îc sö dông bao gåm c¸c phÐp tÝnh chñ yÕu lµ b»ng, lín h¬n, nhá h¬n vµ tæ hîp kho¶ng (lín h¬n vµ nhá h¬n) vµ ¸p dông cho c¬ së d÷ liÖu chuÈn (SQL: standard query language). VÒ ý nghÜa, c¸c phÐp logic ®¹i sè ®îc ¸p dông ®Ó xö lý b¶n ®å víi môc ®Ých lµ: - X¸c ®Þnh giíi h¹n cña níc ®¬n vÞ b¶n ®å cÇn t×m trong mét líp b¶n ®å (c¸c ®¬n vÞ ®ã thêng lµ polygon, tõ ®ã t¹o ra mét líp b¶n ®å míi víi nh÷ng ®¬n vÞ ®îc lùa chän). VÝ dô: trong b¶n ®å cã 20 líp cã ID tõ 1-20. Cã thÓ lùa chän c¸c líp b¶n ®å míi víi c¸c ph¬ng ¸n kh¸c nhau, ch¼ng h¹n: chØ lÊy c¸c ®¬n vÞ b¶n ®å cã ID > 8, nh vËylíp míi sÏ gåm c¸c ®¬n vÞ polygon cã ID t 8-20 mµ th«i. T¬ng tù nh vËy, cã thÓ t¹o mét líp b¶n ®å míi bao gåm c¸c polygon cã gi¸ trÞ trong kho¶ng >8 vµ < 15… (cã nghÜa lµ líp b¶n ®å chØ cã c¸c ®¬n vÞ tõ 8 ®Õn 15). - Lùa chän t¸ch biÖt mét sè gi¸ trÞ ®Ó t¹o nªn mét líp b¶n ®å míi víi hÖ ph©n lo¹i míi. VÉn vÝ dô trªn: víi mét b¶n ®å cãc 20 líp t 1- 20, ta cã thÓ s¾p xÕp l¹i mét c¸ch lùa chän, vÝ dô ®æi thµnh 10 líp hoÆc 12, 15 líp. Nh vËy, mét sè polygon sÏ ®îc ®æi ID theo sù lùa chän míi. C¸c phÐp logic ®¹i sè cã thÓ ®îc ¸p ®ông trong xö ký th«ng tin vector cña mét líp, song dÔ dµng sö dông h¬n c¶ lµ cho th«ng tin Raster cña mét hay nhiÒu líp b¶n ®å. • C¸c phÐp logic ®¹i sè Boolean C¸c phÐp to¸n logic ®¹i sè loolean bao gåm AND, OR vµ NOT (ch¬ng trªn ®· giíi thiÖu cho kh¶ n¨ng víi hai líp A vµ B, sÏ cã 4 ph¬ng ¸n chång xÕp nhau víi c¬ së d÷ liÖu SQL: A AND B, A OR B, A NOR B, A NOT B Kü thuËt nµy cã kh¶ n¨ng xö lý c¸c tµI liÖu ®Þa lý, ®Þa chÊt, m«I trêng, ®Æc biÖt lµ trong viÖc ®¸nh gi¸ vµ quy ho¹ch l·nh thæ. VÝ dô: cã hai b¶n ®å ®¸nh gi¸ A – cho trång rõng vµ B lµ cho trång trät. Khi chång xÕp b¶n ®å sÏ cã nh÷ng khu vùc mµ hai polygon sÏ chång lªn nhau. Khu vùc chång lÊn gi÷a hai líp polygon mét c¸ch chÝnh x¸c trªn líp b¶n ®å kÕt qu¶. 115 Khi trong thùc tÕ nghiªn cøu, cã nh÷ng th«ng tin phøc t¹p cÇn xö lý cã thÓ ¸p dông ®ång thêi c¸c phÐp to¸n logic nãi trªn. C¸c phÐp xö lý sè häc C¸c phÐp xö lý sè häc cã thÓ ¸p dông cho t liÖu b¶n ®å vµ t liÖu thuéc tÝnh díi d¹ng b¶ng. C¸c phÐp tÝnh ®îc ¸p dông bao gåm: céng, trõ, nh©n, chia, luü thõa, c¨n, cosin, sin, tang, cotang, …(-, - ,*,/, n, , sin, cos, tang, cotan,…). C¸c phÐp to¸n nµy cã thÓ ¸p dông cho rÊt nhiÒu môc kh¸c nhau. Cô thÓ: - Ph©n lo¹i l¹i c¸c líp ®¬n vÞ b¶n ®å: ®Êt, sö dông ®Êt, thùc vËt, rõng, … chuyÓn ®æi ®¬n vÞ diÖn tÝch (ha, m2…) - ChuyÓn ®æi thuéc tÝnh cña c¸c ®¬n vÞ b¶n ®å: vÝ dô chuyÓn ®¬n vÞ ®é dµi ®êng ®i thµnh ®¬n vÞ thêi gian ph¶i ®i … KÕt qu¶ sö dông trong c¸c bµi to¸n quy ho¹ch giao th«ng. - TÝnh to¸n c¸c gi¸ trÞ h×nh häc: tÝnh kho¶ng c¸ch, mËt ®é, tÝnh khèi lîng (®Êt ®¸, níc hoÆc rõng…). - Ngoµi ra, mét sè phÐp tÝnh thèng kª cùc ®¹i, cùc tiÓu, thuéc vÒ, trung b×nh ®é lÖch chuÈn, ®é lÖch chung, t¹o ®å thÞ … còng ®îc ¸p dông ®Ó xö lý c¸c lo¹i ®÷ liÖu kh¸c nhau. Trong khi sö dông c¸c thuËt to¸n ®Ó xö lý mét hoÆc nhiÒu líp th«ng tin, c¸ch thÓ hiÖn c¸c c«ng thøc vµ qu¸ tr×nh xö lý cã thÓ kh¸c nhau ë mçi phÇn mÒm. VÝ dô xö lý ®Ó t¹o líp C tõ hai líp A vµ B cã mét phÐp to¸n nh: C = A - B, C = A – B, C = A/B, C = A * B. HoÆc: if A > 100, C = 10. Otherwise C = 0. nghÜa lµ: nÕu A> 100 th× C=10, cßn l¹i C= 0 (c¸c gi¸ trÞ 100, hoÆc 10 lµ ID cña tõng ®¬n vÞ b¶n ®å) §iÒu hµnh th«ng tin b¶n ®å theo b¶ng thuéc tÝnh B¶ng thuéc tÝnh lµ d¹ng lu gi÷ chÝnh cña c¬ së d÷ liÖu trong thèng kª. Theo nguyªn t¾c cÊu tróc ph©n nh¸nh vµ m¹ng líi th× b¶ng thuéc tÝnhlµ kh©u tæng hùp cuèi cïngcña mét nh¸nh cña mét hÖ thèng c¬ së d÷ liÖu. B¶ng thuéc tÝnh còng ®îc dïng trong qu¸ tr×nh xö lý ph©n tÝch vµ chång xÕp th«ng tin cña c¸c líp b¶n ®å. Tuú theo m« h×nh cña hÖ thèng lu tr÷ vµ xö lý mµ b¶ng thuéc tÝnh lo¹i. Kh¸i qu¸t chung, cã hai lo¹i b¶ng chÝnh: §iÒu hµnh b¶ng thuéc tÝnh cña mét líp th«ng tin: 116 §©y lµ b¶ng thèng kªc¸c th«ng tin cña mét líp. B¶ng nµy ®îc gäi lµb¶ng mét chiÒu(one dimention table). CÊu tróc cña b¶ng bao gåm hµng vµ cét. - Hµng thêng thÓ hiÖn c¸c ®¬n vÞ cña b¶n ®å. - Cét thuéc tÝnh cã thÓ cã nhiÒu cét vÒ tÝnh chÊt cña ®èi tîng, ch¼ng h¹n: mµu s¾c, to¹ ®é X, Y, ®é dµi, diÖn tÝch, chu vi vµ c¸c gi¸ trÞ thèng kª kh¸c cña ®èi tîng. - Hµng thÓ hiÖn c¸c ®èi tîng cã trong b¶n ®å; sè thø tù vÒ hµng ®îc quy ®Þnh theo nguyªn t¾c ph©n chia nhãm ID. VÝ dô víi b¶n ®å sö dông ®Êt: 1 – lóa, 2 – rõng, 3 - ®Êt trèng… Ngoµi sè cét mang tÝnh chÊt thèng kª vÒ hiÖn t¹i c¸c tÝnh chÊt cña ®èi tîng cßn cã c¸c « ®Ó bæ sung vµ ®iÒu chØnh tÝnh chÊt cña ®èi tîng. B¶ng thuéc tÝnh mét chiÒu, ngoµi viÖc thèng kª tÝnh chÊt cña ®èi tîng, cßn cã thÓ ®îc sö dông ®Ó ph©n lo¹i b¶n ®å (reclassfication). Víi viÖc ®iÒu chØnh, bæ sung c¸c thuéc tÝnh míi cho c¸c ®¬n vÞ, b¶ng ®îc ®a vµo trong kh©u xö lý ®Ó biÕn ®æi b¶n ®å ban ®Çu thµnh mét b¶n ®å míi víi c¸c thuéc tÝnh ®îc ®iÒu chØnh. vÝ dô: B¶n ®å sö dông ®Êt hiÖn t¹i cã 10 líp: 1 2 3 4 5 6 7 8 9 10 §iÒu chØnh theo b¶ng thµnh c¸c líp míi: 2244667799 KÕt qu¶ b¶n ®å chØ cßn 5 líp: 2 4 6 7 9 Ngoµi viÖc ph©n lo¹i l¹i, b¶ng còng ®îc dïng ®Ó ®iÒu chØnh c¸ch thÓ hiÖn b¶n ®å vÒ mµu s¾c, mÉu cña c¸c ®èi tîng b¶n ®å. ë b¶ng hai chiÒu, hµng vµ cét thÓ hiÖn cho tõng ®èi tîng vµ gi¸ trÞ thèng kª cña chóng trong mèi quan hÖ vÒ kh«ng gian khi chång xÕp hai líp th«ng tin. - Theo ®êng chÐo cña b¶ng tÝnh tõ gèc, c¸c « gi¸ trÞ thÓ hiÖn sù gi÷ nguyªn vÞ trÝ trong kh«ng gian trong phÇn diÖn tÝch cña ®èi tîng. - C¸c « kh¸c thÓ hiÖn phÇn diÖn tÝch gi÷a c¸c ®¬n vÞ cña hai líp b¶n ®å. - Cuèi mçi hµng vµ cét, cã gi¸ trÞ H tæng diÖn tÝch cña tng ®¬n vÞ b¶n ®å còng sö dông b¶ng hai chiÒu cã thÓ ¸p dông nghiªn cøu chuyªn dÒ nh: phÇn sù biÕn ®éng theo thêi gian cña c¸c líp th«ng tin, ph©n tÝch ®é chÝnh x¸c cña b¶n ®å … 117 - §Æc biÖt b¶ng hai chiÒu cã thÓ sö dông ®Ó ®iÒu hµnh th«ng tin khi chång xÕp hai líp b¶n ®å, vÏ l¹i ranh gií cña c¸c ®¬n vÞ khi chång xªps hoÆc ph©n lo¹i l¹i trong qu¸ tr×nh chång xÕp th«ng tin cña hai líp. §iÒu hµnh th«ng tin mét líp trong quan hÖ l©n cËn (opertioanal on spatial neighbonrhoods) Trong HTT§L, ®Æc biÖt víi c¬ së d÷ liÖu Raster (¶nh vµ c¸c b¶n ®å néi suy), nhiÒu thuËt to¸n vÒ tËp hîp thèng kª ®îc ¸p dông ®Ó xö lý vµ t¹o nªn nh÷ng líp th«ng tin Raster míi. Mét trong nh÷ng thuËt to¸n hay ®îc ¸p dông ®ã lµ c¸c phÐp lÆp (fittering): läc cho phÐp xö lý c¸c th«ng tin h×nh ¶nh (theo hµng vµ cét) ®Ó t¹o nªn c¸c h×nh ¶nh míi, trong ®ã mét sè th«ng tin hoÆc mét nhãm th«ng tin ®îc lµm t¨ng cêng vµ ®îc lµm râ c¸c tÝnh chÊt, ®ång thêi mét sè th«ng tin kh«ng cÇn thiÕt cã thÓ ®îc lµm lu mê di hoÆc lo¹i bá vµ chuyÓn thµnh c¸c th«ng tin kh¸c. Trong c¸c khoa häc vÒ tr¸i ®Êt nhiÒu phÐp läc ®îc ¸p dông cho nh÷ng nghiªn cøu cô thÓ nh sau: lµm nh½n c¸c ®èi tîng (smooth), lo¹i bá nh÷ng híng cã tÇn sè cao, lµm næi c¸c ®êng biªn cña ®èi tîng, lµm râ mét híng cÊu tróc cña ®èi tîng theo kh«ng gian, lµm næi râ cÊu tróc bÒ mÆt ®èi tîng (hay ®é nh¸m cña ®èi tîng). §Æc biÖt, nh÷ng ¸p dông thËt sù lý thó cña c¸c phÐp läc lµ phôc vô cho nghiªn cøu vÒ tÝnh chÊt h×nh häc cña bÒ mÆt nh: tÝnh to¸n vµ x©y dùng b¶n ®å ®é dèc, b¶n ®å híng dèc, b¶n ®å bãng nói vµ mét sè øng dông ®Æc biÖt kh¸c nh tÝnh to¸n c¸c bÒ mÆt vµ dao ®éng cña mùc níc ngÇm. Nguyªn t¾c cña phÐp läc lµ t¹o mét cöa sæ vu«ng (windows) víi c¸c gi¸ trÞ cña tõng « cöa sæ ®îc lùa chän. Cöa sæ ®ã ®îc gäi lµ tÊm läc (filter) (cernel, temblate hay filter), tÊm läc ®ã ta di chuyÓn vµ xö lý cho toµn bé ¶nh nguyªn thuû theo nguyªn t¾c tÝnh dån (convolution). Qu¸ tr×nh tÝnh convolution ®îc thùc hiÖn theo nhiÒu ph¬ng ph¸p kh¸c nhau. Víi läc ®¬n gi¶n nhÊt lµ cermel vu«ng víi kÝch thíc 3*3 pixel. Kü thuËt läc hay ®îc ¸p dông ®Ó xö lý th«ng tin ¶nh vÖ tinh: cã c¸c kiÓu läc kh¸c nhau: läc thÊp (läc min) ®Ó lµm in ¶nh, läc cao ®Ó lµm næi râ c¸c ®êng biªn giíi cña c¸c ®èi tîng. Theo thùc nghiÖm xö lý mçi filter ®îc sö dông nh÷ng tÊm loc chuÈn vµ cã tªn riªng (vÝ dô läc lapia – läc cao). Trong c¸c phÇn mÒm HTT§L, trong mét sè filter ®îc t¹o cè ®Þnh song còng cã c¶ chøc n¨ng t¹o lËp c¸c filter míi tuú theo ý muèn cña ngêi sö dông. 118 C¸c phÐp läc ®Ó nghiªn cøu c¸c yÕu tè h×nh häc cña bÒ mÆt ®Þa h×nh • TÝnh to¸n híng dèc Híng dèc lµ mét tÝnh chÊt h×nh häc quan träng cña ®Þa h×nh. Híng dèc lµ tÇn sè vµ biªn ®é xuÊt hiÖn mÆt dèc lín nhÊt cña ®Þa h×nh theo mét híng nµo ®ã. Th«ng thêng, híng dèc ®îc chia thµnh 5 hoÆc 9 híng c¬ b¶n (híng cuèi cïng lµ híng n»m ngang). §Ó t¹o b¶n ®å híng dèc, kü thuËt läc ®îc ¸p dông víi filter 3*3 theo hai híng chÝnh §«ng T©y vµ Nam B¾c, cã hai filter lµ: ¸p dông z filter ®Ó läc h×nh ¶nh bÒ mÆt ®é cao ®· néi suy tõ c¸c gi¸ trÞ ®é cao (®êng hoÆc ®iÓm), ta sÏ cã gi¸ trÞ ®é dèc ph¸t triÓn theo hai híng x vµ y ®ã lµ gi¸ trÞ Theo ph¬ng tr×nh tÝnh ®é dèc: Z = a - bx - cy S = b2 - c2 A = tan1(c /d) ë ®©y: Z lµ ®é cao cña ®iÓm ë t©m filter a, b, c: h»ng sè tÝnh to¸n x, y lµ to¹ ®é ®iÓm S: ®é dèc (slope) KÕt qu¶ läc sÏ cho b¶n ®å ®é dèc vµ b¶n ®å híng dèc. Tuy nhiªn, tuú tõng phÇn mÒm vµ tõng hÖ sè ®îc ¸p dông mµ kÕt qu¶ läc cã thÓ lµ kh¸c nhau vµ ®¬n vÞ cña b¶n ®å còng kh¸c nhau. §Ó cã kÕt qu¶ chÝnh x¸c, cÇn thiÕt ph¶i kiÓm tra vµ chuyÓn ®æi c¸c ®¬n vÞ tÝnh mét c¸ch phï hîp (®é tÝnh theo radian hoÆc ®é gãc). • T¹o bãng cho ®Þa h×nh Kü thuËt läc cã thÓ ®îc ¸p dông ®Ó t¹o h×nh ¶nh cÊu tróc bÒ mÆt ®Þa h×nh th«ng qua viÖc t¹o bãng cho ®Þa h×nh. §Ó t¹o bãng ph¶i x¸c ®Þnh sù lé s¸ng cña ®Þa h×nh bëi mét nguån s¸ng cã kho¶ng c¸ch v« cùc (chiÕu song song), gièng nh nguån mÆt trêi. C¸c th«ng sè cÇn x¸c ®Þnh lµ: gãc ph¬ng vÞ cña tia s¸ng ( α ), gãc thiªn ®Ønh (gãc so víi ph¬ng th¼ng ®øng) cña nguèn s¸ng lµ phÇn lé s¸ng ®îc tÝnh lµ cosin cña gãc ϕ gãc chiÕu cña tia. Cosϕ = cos (®é dèc) x cos( α ) - sin (®é dèc) x sin ( α ) x cos ( α – híng dèc) 119 Trong viÖc thµnh lËp b¶n ®å híng chiÕu s¸ng, cã thÓ ¸p dông ph¬ng ph¸p läc cho bÒ mÆt vµ sö dông ®Æc ®iÓm ®êng cong bÒ mÆt ®Ó ph©n biÖt ra c¸c yÕu tè ®Þa m¹o nh: thung lòng, ®åi, vïng bãng, s«ng nói vµ vùc hÎm. Trong mét phÇn mÒm HTT§L, c¸c phÐp tÝnh to¸n trªn ®îc x©y dùng thµnh c¸c modul riªng biÖt víi nh÷ng lÖnh vµ ®iÒu kiÖn ®¬n gi¶n ®Ó dÔ sö dông. ViÖc t¹o bãng nói theo híng cña mÆt trêi cßn ®îc ph¸t triÓn thµnh t¹o bãng theo híng nh×n. Nh÷ng kü thuËt nµy gióp cho kh¶ n¨ng nh×n ®Þa h×nh theo nhiÒu híng kh¸c nhau. Chøc n¨ng nµy còng ®îc kÕt hîp víi c¸c m« h×nh DEM ®Ó cho kÕt qu¶ ®îc tr×nh bµy theo kh«ng gian 3 chiÒu, h×nh ¶nh sÏ trë nªn sinh ®éng. Trong phÇn nµy ®· lµm næi bËt HTT§L, mét phÇn mÒm ®ñ m¹nh th× nhÊt thiÕt ph¶i cã nh÷ng chøc n¨ng xö lý th«ng tin theo nh÷ng m« h×nh to¸n häc. C¸c m« h×nh ®ã ®îc x©y dùng ®Ó tæng hîp hoÆc t¸ch chiÕt th«ng tin, söa ch÷a vµ biÕn ®æi th«ng tin c¬ b¶n thµnh nh÷ng líp th«ng tin míi. Qu¸ tr×nh xö lý cã thÓ thùc hiÖn cho mét líp hoÆc nhiÒu líp th«ng tin. C¸c ph¬ng tr×nh to¸n häc ®îc ¸p dông cã thÓ rÊt ®¬n gi¶n song còng cã thÓ rÊt phøc t¹p. Tuy nhiªn, ®Ó gióp cho viÖc øng dông ®îc dÔ dµng, c¸c qu¸ tr×nh xö lý ®îc chuyÓn ®æi thµnh nh÷ng lÖnh ®¬n gi¶n. Trong qóa tr×nh øng dông ngêi ®iÒu hµnh cÇn n¾m râ vÒ b¶n chÊt cña c¸c thuËt to¸n ®Ó tõ ®ã lùa chän c¸c th«ng sè thÝch hîp ®a vµo xö lý. MÆt kh¸c, ®iÒu ®ã còng gióp Ých cho viÖc kiÓm tra ®é chÝnh x¸c cña kÕt qu¶ xö lý. 0.2. Giíi thiÖu vÒ c¸c thiÕt bÞ xu©t nhËp d÷ liÖu Mét trong nh÷ng m¶ng c«ng viÖc rÊt quan trong cña HTT§L lµ nhËp d÷ liÖu, ®ã lµ c«ng viÖc nh»m thiÕt lËp c¸c ®èi tîng vµ mèi liÖn hÖ gi÷a chóng trong thÕ giíi sè. NhËp d÷ liÖu lµ c«ng viÖc thiÕt lËp vµ tËp hîp t liÖu díi d¹ng sè nh»m x©y dùng nªn mét c¬ së d÷ liÖu, trong ®ã toµn bé c¸c b¶n ®å, c¸c h×nh ¶nh lµ c¸c b¶ng thuéc tÝnh. Kh«ng gian ®îc m· ho¸ vµ ®îc x¸c ®Þnh vÒ mÆt kh«ng gian. C«ng viÖc nµy thêng chiÕm tíi 75% vÒ thêi gian còng nh 75% vÒ kinh phÝ thùc hiÖn cña mét ®Ò ¸n. TÊt nhiªn trong ®ã cã c¶ viÖc bæ sung, chØnh söa d÷ liÖu ®Ó t¹o nªn mét c¬ së d÷ liÖu hoµn chØnh. Nh÷ng néi dung cÇn thiÕt cña viÖc nhËp d÷ liÖu bao gåm: lùa chän c¸c nguån t liÖu, lùa chän líi chiÕu b¶n ®å, sè ho¸, quÐt vµ chuyÓn ®æi hÖ thèng to¹ ®é. C¸c nguån t liÖu cã thÓ ph©n lo¹i s¬ bé thµnh c¸c lo¹i: tµi liÖu nguªn thuû (gèc), tµi liÖu thø cÊp (tµi liÖu sè hoÆc kh«ng ph¶i d¹ng sè). §¹i ®a sè c¸c HTT§L 120 sö dông t liÖu d¹ng thø cÊp nghÜa lµ nh÷ng tµi liÖu ®· ®ùoc thu thËp tõ tríc, ®îc tæng hîp vµ lu tr÷ ë nh÷ng n¬i kh¸c. Tµi liÖu thø cÊp thêng bao gåm c¸c d¹ng nh c¸c b¶n ®å (kh«ng ph¶i d¹ng sè hoÆc lµ d¹ng analog), c¸c biÓu b¶ng (d¹ng giÊy hoÆc d¹ng sè) v¸ c¸c h×nh ¶nh (d¹ng sè lµ chñ yÕu, nÕu kh«ng cã th× ph¶i quÐt t¹o d¹ng sè). • Lùa chän líi chiÕu b¶n ®å: ®©y lµ c«ng viÖc cÇn ®îc sù quan t©m ®Çu tiªn cña ngêi sö dông HTT§L, nã cÇn ph¶i ®îc x¸c ®Þnh vµ gi¶i quyÕt tríc khi nh÷ng c«ng viÖc nghiªn cøu b¾t dÇu. MÆt kh¸c, líi chiÕu b¶n ®å lu«n lµ vÊn ®Ò ®îc quan t©m ®Õn trong suèt qu¸ tr×nh nhËp d÷ liÖu, xö lý d÷ liÖu hiÓn thÞ vµ xuÊt d÷ liÖu. • Sè ho¸ b¶n ®å: cã hai ph¬ng ph¸p sè ho¸ b»ng tay vµ sè ho¸ tù ®éng. ViÖc ph¸t triÓn kü thuËt quÐt vµ nhËn d¹ng tù ®éng ®èi tîng lµ mét xu thÕ ®· vµ ®ang ®îc ph¸t triÓn trong HTT§L. • ChuyÓn ®æi khu«n d¹ng d÷ liÖu: c¸c d÷ liÖu sè ban ®Çu cã thÓ ®îc x©y dùng tõ nh÷ng phÇn mÒm kh¸c nhau cã khu«n d¹ng kh¸c nhau, v× vËy viÖc chuyÓn ®æi khu«n d¹ng (format) lµ vÇn ®Ò hÕt søc cÇn thiÕt. Trong viÖc chuyÓn ®æi ®ã yªu cÇu lµ kh«ng biÕn ®æi c¸c th«ng tin cÇn thiÕt, hoÆc cã thÓ bæ sung, chØnh söa cho phï hîp víi HTT§L ®ang sö dông. Trong ®ã, viÖc chuyÓn hÖ thèng to¹ ®é lµ ®iÒu quan träng tríc tiªn (b»ng c¸c file coordinate – conversion). ViÖc chuyÓn ®æi ®ã cã thÓ tõ b¶ng to¹ ®é ®îc thiÕt lËp trong qu¸ tr×nh sè ho¸, cã thÓ lµ tõ to¹ ®é ®Þa lý sang líi chiÕu quy ®Þnh hoÆc tõ b¶ng to¹ ®é tuú ý sang mét hÖ to¹ ®é chuÈn ®· biÕt. Nh vËy, nhËp d÷ liÖu lµ c«ng viÖc cÇn ph¶i ®îc chuÈn bÞ vµ thùc hiÖn chu ®¸o tríc khi xö lý c¸c m« h×nh. Víi c¸c phÇn mÒm HTT§L hiÖn ®¹i th× viÖc xö lý cµng nhanh chong, chÝnh x¸c mét khi ta cã c¬ së d÷ liÖu hoµn chØnh. • C¸c tµi liÖu nguyªn thuû - Cã nhiÒu d¹ng bao gåm c¸c tµi liÖu, b¶n ®å ®o vÏ ngoµi thùc ®Þa, c¸c sè liÖu ®o ®¹c, m« t¶, … ®Æc biÖt nh÷ng ®iÓm lÊy mÉu vµ quan tr¾c cÇn ph¶i ® îc x¸c ®Þnh râ vÞ trÝ to¹ ®é b»ng m¸y ®Þnh vÞ vÖ tinh GPS. §èi víi ¶nh m¸y bay vµ ¶nh vÖ tinh, vÞ trÝ c¸c ®iÓm lÊy mÉu vµ vÞ trÝ c¸c ®èi tîng quan tr¾c ngoµi thù ®Þa còng ph¶i ®îc x¸c ®Þnh râ. Ngoµi nh÷ng ¶nh chôp thùc ®Þa víi nh÷ng x¸c ®Þnh vÒ tû lÖ, thêi gian chôp … còng lµ nh÷ng tµi liÖu nguyªn thuû cÇn thiÕt. • C¸c tµi liÖu thø cÊp - Khi c¸c tµi liÖu nguyªn thuû ®îc hÖ thèng ho¸, ph©n tÝch, bæ sung thÝ nã trë thµnh tµi liÖu thø cÊp song hÕt søc quan träng. §ã lµ c¸c lo¹i b¶n ®å ®îc biªn 121 vÏ b¶n t¸c gi¶ sau khi cã tæng hîp tµi liÖu thùc ®Þa vµ chØnh lý ngay t¹i thùc ®Þa. §èi víi c¸c b¶n ®å ë c¹nh nhau, ph¶i cã sù gi¸p níi ranh giíi c¸c khoanh vÞ mét c¸ch liªn tôc. Ngoµi c¸c tµi liÖu thø cÊp cã thÓ lµ c¸c sè liÖu ho¨c b¶n ®å d¹ng sè ®· ®îc sè ho¸ bëi c¸c c¬ quan kh¸c. Tuy nhiªn còng cÇn lu ý ®Õn khu«n d¹ng d÷ liÖu, nÕu kh«ng sÏ mÊt nhiÒu thêi gian, ®Ó chuyÓn ®æi cho t¬ng thÝch víi HTT§L mµ ®Ò ¸n sÏ sö dông. NÕu kh«ng lu ý th× cã thÓ tµi liÖu ®ã sÏ kh«ng sö dông ®îc. §èi víi mét b¶n ®å chuyªn ®Ò, viÖc vÏ c¸c ®èi tîng cÇn ph¶i cã sù phèi hîp chÆt chÏ víi yªu cÇu d÷ liÖu trong HTT§L ®Ó lùa chän c¸c ký hiÖu hoÆc c¸c ® êng Contour hoÆc vÞ trÝ c¸c ®iÓm mét c¸ch phï hîp. VÝ dô, ®Ó nghiªn cøu tai biÕn trît lë, c¸c vÞ trÝ trît ph¶i ®îc thÓ hiÖn thµnh c¸c vïng cã ranh giíi cô thÓ, nÕu kh«ng thÓ hiÖn ®îc thµnh vïng th× ph¶i cã nh÷ng m« t¶ chi tiÕt. §èi víi nh÷ng tµi liÖu kh¸i qu¸t hay tµi liÖu cña tµi liÖu, ®îc gäi lµ metadata, nã còng lµ mét d¹ng tµi liÖu. Metadata thêng giíi thiÖu vÒ nguån tµi liÖu, n¬i qu¶n lý, ngêi thµnh lËp. Khi thµnh lËp c¸c b¶n ®å thø cÊp, nhÊt thiÕt ph¶i chó ý tíi hÖ líi chiÕu cña b¶n ®å. HÖ líi chiÕu cña b¶n ®å tµi liÖu nªn cïng víi líi chiÕu cña b¶n ®å s¶n phÈm. Trong trêng hîp kh«ng thÓ ®¸p øng ®îc th× ph¶i chuyÓn ®æi trong qu¸ tr×nh xö lý. C¸c thiÕt bÞ nhËp d÷ liÖu RÊt nhiÒu thiÕt bÞ ®· vµ ®ang ®îc sö dông cho viÖc nhËp d÷ liÖu: • ThiÕt bÞ ®¬n gi¶n nhÊt song ®· vµ ®ang ®îc sö dông lµ líi kÎ « vu«ng trªn giÊy nhùa trong. Líi nµy ®îc sö dông ®Ó x¸c ®Þnh vÞ trÝ nghiªn cøu c¸c ®èi tîng theo to¹ ®é líi, sau ®ã nhËp c¸c d÷ liÖu vµo m¸y tÝnh. Trong c«ng viÖc nµy, cÇn lu ý c¸c vÞ trÝ ®· ®îc x¸c ®Þnh vµ tÝnh to¹ ®é n»m ë t©m hay ë gãc cña « líi. Trong kh©u tæng hîp vµ néi suy c¸c ®iÓm th× nh÷ng th«ng tin ®ã sÏ gióp cho viÖc ®¸nh gi¸ ®é chÝnh x¸c cña qu¸ tr×nh xö lý. • Bµn sè ho¸: §©y lµ thiÕt bÞ vµ c«ng viÖc phæ biÕn nhÊt cña viÖc nhËp d÷ liÖu v× nã cã kh¶ n¨ng cho nhËp d÷ liÖu tõ d¹ng kh«ng sè vµo d¹ng sè Vector mét c¸ch chÝnh x¸c nhÊt. Bµn sè cã hai bé phËn chÝnh lµ bµn sè vµ chuét: - Chuét (cursor) lµ thiÕt bÞ cho phÐp di chuyÓn mét c¸ch tù do trªn bµn sè. Trong chuét cã thiÕt bÞ c¶m øng tõ vµ sù c¶m øng ®îc thiÕt kÕ t¬ng øng víi sù chuyÓn ®éng cña cÇu cao su. ThiÕt bÞ ®îc bäc ngoµi b¨gf vá nhùa, trªn ®ã cã c¸c nót ®iÒu khiÓn. toµn bé th«ng tin vÌ vÞ trÝ ®îc ghi nhËn b»ng t¬ng t¸c cña chuét vµ 122 bµn sè ®Ó tÝnh ®é chÝnh x¸c cña th«ng tin phô thuéc vµo ®é nh¹y c¶m cña thiÕt bÞ vµ tèc ®é di chuyÓn cña chuét. Sè phÝm cña chuét vµ tÝnh n¨ng c¸c phÝm phô thuéc vµo ®Æc ®iÓm cña bµn sè vµ phÇn mÒm ®iÒu khiÓn chuét cã thÓ cã d©y nèi víi m¸y tÝnh vµ bµn sè, song còng cã thÓ lµ d¹ng kh«ng cã d©y. - Bµn sè: lµ bµn chÕ t¹o theo nguyªn t¾c thèng kª ®iÖn, tæ chøc theo hÖ thèng líi. KÝch thíc cña bµn ®îc qui ®Þnh cho vïng ho¹t ®éng cã tÝn hiÖu khi di chuyÓn chuét trªn bµn. Gi¸ c¶ cña thiÕt bÞ phô thuéc vµo ®é chÝnh x¸c cña tÝn hiÖu, ®é ph©n gi¶i vµ kÝch thíc cña bµn sè. Th«ng thêng, ®é ph©n gi¶i cña bµn lµ 0,001inch. §é chÝnh x¸c cña viÖc sè ho¸ phô thuécvµo sè ®iÓm khèng chÕ. Sè ®iÓm cÇn thiÕt tèi thiÓu lµ 3 ®iÓm. Theo kinh nghiÖm thao t¸c, c¸c ®iÓm nµy cÇn lÊy ë c¸c gãc cña b¶n ®å hoÆc cÇn thiÕt lÊy ë ngoµi khung néi dung nghiªn cøu, nh vËy, nh÷ng th«ng tin trong qu¸ tr×nh sè ho¸ sÏ ®îc gi÷ ®Çy ®ñ. Qu¸ tr×nh sè ho¸ cã thÓ thùc hiÖn díi 3 d¹ng (mode) lµ ®iÓm, ®êng cong hoÆc dßng (Stream). Víi mode ®iÓm, c¸c vÞ trÝ ngÉu nhiªn ®îc x¸c ®Þnh theo tõng ®iÓm tuú theo tõng nóm ®iÒu khiÓn mµ cã thÓ ®a vµo c¸c thuéc tÝnh cho c¸c ®iÓm ®ã. Víi mode ®êng, ®ã lµ qu¸ tr×nh t¹o nªn hµng lo¹t c¸c ®o¹n th¼ng nhá nèi liªn tôc víi nhau. C¸c ®o¹n th¼ng nµy ®îc h×nh thµnh do qu¸ tr×nh sè ho¸ tõng ®iÓm däc theo tuyÕn. Víi mode dßng thêng ®îc sè ho¸ cho c¸c file d÷ liÖu lín. Trong qu¸ tr×nh sè ho¸ cã thÓ ®a thuéc tÝnh cho ®èi tîng, chØnh c¸c ®iÓm nèi cña Vector hoÆc t¹o c¸c ®iÓm nèi míi, t¹o polygon chØnh söa vµ thay ®æi thuéc tÝnh. Qu¸ tr×nh chØnh söa c¸c ®êng Vector cã thÓ thùc hiÖn b»ng tay hoÆc chØnh söa tù ®éng. Mét sè chØ tiªu ®Ó lùa chän bµn sè lµ: tÝnh æn ®Þnh (stability), tÝnh tuyÕn tÝnh (linearily), ®é ph©n gi¶i (resolution), ®é lÖch (skew) vµ ®é nh¹y, an toµn. §Ó kiÓm tra tÝnh æn ®Þnh, ta cã thÓ xem c¸c ®Æc ®iÓm sè ho¸ cã bÞ lÖch khi bµn sè nãng lªn, hoÆc cã thÓ sè ho¸ l¹i 1, 2 lÇn mét ®èi tîng råi xem h×nh d¹ng kÕt qu¶ cã gièng nhau hay kh«ng. C¸c tÝnh chÊt kh¸c cã thÓ kiÓm tra ngay ®îc khi sè ho¸. KÝch cì cña bµn sè ®îc quy ®Þnh theo kÝch thíc khæ giÊy: lo¹i kÝch thíc 60x90 cm (khæ Al), hay 90x120 cm lµ lo¹i bµn sè ®îc sö dông phæ biÕn nhÊt. Bµn sè ho¹t ®éng theo sù ®iÒu hµnh cña phÇn mÒm, v× vËy cÇn lùa chän phÇn mÒm HTT§L cã chøc n¨ng sè ho¸ vµ ho¹t ®éng víi nh÷ng lo¹i bµn sè phæ biÕn. Muèn bµn sè ho¹t ®éng th× tríc hÕt nã ph¶i ®îc cµi ®Æt c¸c th«ng sè t¬ng øng víi phÇn mÒm ®iÒu hµnh. • M¸y quÐt bµn sè (scanner): lµ thiÕt bÞ nhËn d÷ liÖu d¹ng Raster phæ biÕn nhÊt, nã ho¹t ®éng theo quy t¾c quang häc. HiÖn nay m¸y quÐt ®îc sö dông nhiÒu h¬n bµn sè vÝ nhiÒu u viÖt cña nã nh ®é chÝnh x¸c, tÝnh æn ®Þnh, ®a d¹ng. Víi sù 123 tiÕn bé vÒ c«ng nghÖ ®iÖn tö vµ tin häcth× cã kh¶ n¨ng nhËn d¹ng, biÕn ®æi d÷ liÖu quÐt Raster thµnh d÷ liÖu Vector – v× vËy quÐt cµng ®îc a chuéng h¬n trong viÖc nhËp d÷ liÖu. M¸y quÐt cã thÓ cÊu t¹o theo nguyªn t¾c trßn quay (h×nh …) hoÆc bµn quÐt ph¼ng, nã ®· ®îc øng dông cho c«ng t¸c b¶n ®å tõ nh÷ng n¨m 1960 (caritensen va compbell 1990). M¸y quÐt ®îc thiÕt kÕ nh mét ma trËn lín cña c¸c gi¸ trÞ sè, mçi pixel cña ma trËn sÏ ghi nhËn mét gi¸ trÞ ®é s¸ng cña h×nh ¶nh cã diÖn tÝch t¬ng øng víi pixel. §é ph©n gi¶i vÒ phæ ®îc thÓ hiÖn lµ gi¶i s¸ng mµ thiÕt bÞ cã thÓ ph©n biÖt ®îc cho mçi pixel. §a sè c¸c m¸y quÐt scanner cã kh¶ n¨ng ph©n gi¶i lµ 8 bit (256 cÊp ®é s¸ng). §é ph©n gi¶i kh«ng gian cña m¸y quÐt cã thÓ thay ®æi tõ 600 ®iÓm trªn 1 inch (dpi) (nghÜa lµ kho¶ng c¸ch kho¶ng 42 micro) ®Õn 200 dpi. KÝch thíc cña m¸y quÐt còng ®îc gäi theo kÝch thíc cña khæ giÊy cña vïng ho¹t ®éng quÐt. M¸y quÐt còng ®îc thiÕt kÕ vµ ho¹t ®éng theo phÇn mÒm ®iÒu khiÓn. M¸y quÐt cã thÓ t¸ch mµu ®Ó quÐt riªng cho ®é s¸ng cña c¸c mµu c¬ b¶n (B, G, R). H¹n chÕ lín nhÊt cña viÖc quÐt lµ d÷ liÖu ®ßi hái bé nhí lín, h×nh ¶nh thu ®îc ë d¹ng Raster nªn to¹ ®é chØ lµ hµng vµ cét. Muèn chuyÓn ®æi vµo CSDL vector cña HTT§L th× c«ng viÖc chØnh söa vµ bæ sung d÷ liÖu ®îc thùc hiÖn b»ng qu¸ tr×nh vector ho¸ vµ edit víi nh÷ng phÇn mÒm riªng. C«ng viÖc ®ã còng sÏ tèn rÊt nhiÒu thêi gian t¬ng tù nh viÖc sè ho¸ b»ng bµn sè, song cã thÓ ®a ra kÕt qu¶ chÝnh x¸c h¬n do ®îc thao t¸c trùc tiÕp trªn mµn h×nh víi h×nh ¶nh quÐt lµm nÒn. M¸y quÐt ®îc øng dông nhÊt trong nh÷ng c«ng viÖc chØ ®ßi hái d÷ liÖu raster, h×nh ¶nh vÝ dô: biªn tËp s¸ch b¸o t¹p chÝ, lËp c¸c trang Web, t¹o ¶nh nghÖ thuËt. Trong kü thuËt HTT§L, m¸y quÐt còng dÇn dÇn ®îc sö dông nhiÒu cïng víi sù ph¸t triÓn cña phÇn mÒm cã chøc n¨ng vector ho¸ m¹nh. • NhËp tµi liÖu theo b¶ng B¶ng lµ d¹ng tµi liÖu quan träng cña HTT§L, b¶ng cã thÓ lµ ë d¹ng nguyªn thñy hay thø cÊp. B¶ng cã thÓ lµ tµi liÖu gèc song còng cã thÓ lµ b¶ng thuéc tÝnh. Trong CSDL cña HTT§L, c¸c b¶ng thèng kª hoÆc m« t¶ kh«ng theo nh÷ng quy ®Þnh cña phÇn mÒm th× vÉn chØ cã tÝnh chÊt nh phÇn m« t¶ b»ng lêi ®Ó minh ho¹ cho c¸c ®èi tîng. Nh÷ng b¶ng nh vËy kh«ng thÓ sö dông ®iÒu hµnh th«ng tin trong qu¸ tr×nh xö lý. ViÖc nhËp d÷ liªu d¹ng b¶ng lµ nhËp c¸c b¶ng thuéc tÝnh cña d÷ liÖu vector hoÆc raster. CÊu t¹o cña c¸c b¶ng nµy ph¶i theo quy ®Þnh cña tõng phÇn mÒm, b¶ng thuéc tÝnh cã thÓ lµ b¶ng 1 chiÒu, b¶ng 2 chiÒu hoÆc nhiÒu chiÒu. Trong mçi b¶ng, th«ng tin quan träng cÇn ®îc nhËp vµo ®ã lµ to¹ ®é cña ®èi tîng ®iÓm v× th«ng thêng b¶ng ®îc sö dông ®Ó nhËp thuéc tÝnh ®iÓm, to¹ ®é cã thÓ ®îc 124 ghi theo to¹ ®é ®Þa lý hoÆc theo hµng, cét cña d÷ liÖu líi. C¸c chiÒu kh¸c cña b¶ng lµ nh÷ng thuéc tÝnh cña ®èi tîng. Trong khi nhËp d÷ liÖu b¶ng, ph¶i lùa chän phÇn mÒm thÝch hîp ®Ó cã thÓ dÔ dµng chuyÓn ®æi khu«n d¹ng cña b¶ng vµo trong HTT§L chÝnh, phôc vô cho nh÷ng xö lý tiÕp theo. XuÊt d÷ liÖu Ph©n tÝch xö lý lµ kh©u m¹nh vµ quan träng nhÊt cña mét HTT§L v× ®ã lµ mét qu¸ tr×nh xö lý biÕn ®æi phøc t¹p theo nh÷ng m« h×nh kh«ng gian. Trong qu¸ tr×nh ®ã chóng ta thêng Ýt quan t©m ®Õn viÖc hiÓn thÞ nh÷ng kÕt qu¶ ®· lµm. XuÊt d÷ liÖu lµ c«ng viÖc cuèi cïng cña bÊt kú mét viÖc ph©n tÝch nµo. nÕu d÷ liÖu xuÊt ra kh«ng ®îc râ rµng s¸ng sña th× chóng ta ®· lµm mÊt ®i rÊt nhiÒu chÊt lîng c«ng viÖc ®· lµm tõ tríc. Tríc hÕt, môc ®Ých cña kh©u xuÊt d÷ liÖu lµ hiÓn thÞ c¸c kÕt qu¶, ®©y kh«ng ph¶i lµ viÖc hiÓn thÞ b×nh thêng mµ ph¶ lµ sù liªn kÕt víi kÕt qu¶ nghiªn cøu xö lý cña c¸c kh©u tríc. §Ó cã ®îc kÕt qu¶ tèt ®Ñp, kh©u hiÓn thÞ vµ xuÊt d÷ liÖu ph¶i ®îc ®Æt trong kh¸i niÖm thiÕt kÕ b¶n ®å sè. ®ã lµ c«ng viÖc cã sù kÕt hîp gi÷a kiÕn thøc b¶n ®å vµ tin häc. TÊt nhiªn trong c«ng viÖc ®ã, c¸c yÕu tè mü thuËt cÇn thiÕt ®îc ¸p dông mét c¸ch hµi hoµ ®Ó s¶n phÈm xuÊt ra cã h×nh thøc vµ chÊt lîng tèt nhÊt. • HiÓn thÞ c¸c kÕt qu¶ ph©n tÝch HiÓn thÞ lµ c«ng ®o¹n rÊt quan träng tríc khi in Ên hoÆc lu tr÷ kÕt qu¶. Cã mét sè c«ng viÖc cÇn thùc hiÖn trong hiÓn thÞ nh sau: • ThiÕt kÕ b¶n ®å kÕt qu¶ Ph¶i x¸c ®Þnh vÞ trÝ b¶n ®å, sè líp cÇn hiÓn thÞ, hÖ thèng ký hiÖu, mµu s¾c, hÖ thèng chó gi¶i. HÖ thèng ký hiÖu ph¶i lùa chän c¸c lo¹i ký hiÖu cã s½n trong phÇn mÒm phï hîp víi nguyªn t¾c thÓ hiÖn cña b¶n ®å truyÒn thèng. VÝ dô cã c¸c bé mµu ký hiÖu cho b¶n ®å sö dông ®Êt, b¶n ®å ®Þa chÊt, b¶n ®å l©m nghiÖp … Trong trêng hîp cÇn thiÕt, ph¶i thiÕt kÕ míi c¸c ký hiÖu. - Ch÷: ThiÕt kÕ ch÷ trªn b¶n ®å kÕt qu¶ lµ c«ng viÖc cÇn lµm hÕt søc cÈn thËn ®Ó n©ng cao gi¸ trÞ cña kÕt qu¶ nghiªn cøu. Trong HTT§L, líp th«ng tin cã ch÷ nh tªn s«ng suèi, ®Þa danh … cÇn ph¶i ®Ó riªng ®Ó khi cÇn thiÕt cã thÓ chØnh söa. - Mµu s¾c: ViÖc chän mµu còng ph¶i dùa theo c¸c b¶ng mµu quy ®Þnh. Trong phÇn mÒm, viÖc chän mµu ®îc trî gióp b»ng c¸c b¶ng tra mµu. 125 Trong qu¸ tr×nh thiÕt kÕ, mét nguyªn t¾c cÇn ®îc thùc hiÖn lµ ph¶i cã sù liªn hÖ chÆt chÏ vµ logic gi÷a kÕt qu¶ nghiªn có, b¶n ®å s¶n phÈm vµ hÖ thèng chó gi¶i. Mçi mét sù thay ®æi vÒ mµu s¾c vµ ký hiÖu trªn b¶n ®å ph¶i ®îc thay ®æi mét c¸ch t¬ng øng trªn hÖ thèng chó gi¶i. V× vËy trong phÇn lín c¸c phÇn mÒm HTT§L ®Òu cã chøc n¨ng tù ®éng lùa chän mµu, ký hiÖu hoÆc tù ®éng lËp b¶ng chó gi¶i. - C¸c líp trªn b¶n ®å s¶n phÈm: CÇn xem xÐt sè lîng c¸c th«ng tin cÇn thiÕt ®Ó ®a lªn b¶n ®å kÕt qu¶, vÝ dô trªn b¶n ®å kÕt qu¶ cã thÓ cã thªm c¸c líp: ®Þa danh, s«ng suèi, ®êng ®ång møc, ®êng giao th«ng, c¸c ®iÓm d©n c, c¸c ®iÓm ®Æc biÖt kh¸c … Trong trêng hîp ®ã c¸c líp thêng ë d¹ng vector. Ngoµi ra, cã thÓ bè trÝ thªm líp th«ng tin nÒn lµ ¶nh vÖ tinh hoÆc ¶nh m¸y bay … Khi cÇn thiÕt cã thÓ chØnh söa nh÷ng lçi xuÊt hiÖn trong qu¸ tr×nh ph©n tÝch xö lý: vÝ dô cã thÓ lo¹i bá mét sè nhiÔu côc bé, mét sè sù xª dÞch vÒ vÞ trÝ gi÷a c¸c líp th«ng tin… Tãm l¹i: ViÖc thiÕt kÕ lµ c«ng viÖc rÊt cÇn thiÕt, nã ®ßi hái sù kÕt hîp hµi hoµ gi÷a néi dung cña nhiÒu chuyªn m«n vµ tÝnh mü thuËt. NÕu thiÕt kÕ tèt th× s¶n phÈm sÏ cã thªm gi¸ trÞ. • Tû lÖ b¶n ®å Kh«ng gièng nh viÖc tr×nh bµy tû lÖ trªn b¶n ®å giÊy, ë b¶n ®å kÕt qu¶ trong HTT§L viÖc thÓ hiÖn tû lÖ b¶n ®å lµ c«ng viÖc ®ßi hái sù tû mû vµ thö nhiÒu lÇn. Th«ng thêng, ®Ó tr¸nh gÆp sai sãt th× tû lÖ b¶n ®å ®îc tr×nh bµy b»ng thíc tû lÖ. §Ó x©y dùng thíc tû lÖ trªn b¶n ®å kÕt qu¶ d¹ng sè, ph¶i cã ®éng t¸c ®o kho¶ng c¸ch gi÷a c¸c vÞ trÝ ®¸nh dÊu trªn mµn h×nh vµ trªn b¶n ®å giÊy ®Ó so s¸nh vµ x¸c ®Þnh tû lÖ t¬ng øng so víi thùc tÕ. Trªn thíc tû lÖ, ®é dµi c¸c ®o¹n tû lÖ phô thuéc vµo kÝch thíc cña nã trªn mµn h×nh. • In Ên kÕt qu¶ KÕt qu¶ cña mét qu¸ tr×nh xö lý HTT§L ®îc thÓ hiÖn ë c¸c d¹ng chÝnh: • C¸c b¶ng biÓu thèng kª vµ c¸c ®å thÞ Trong qu¸ tr×nh xö lý th«ng tin trong HTT§L, c¸c kÕt qu¶ ®Òu ®îc thèng kª thµnh c¸c file sè liÖu mét c¸ch tù ®éng. V× vËy, trong kÕt qu¶, cÇn thiÕt ph¶i lÊy ra mét sè b¶ng biÓu ®Ó thuyÕt minh cho c¸c s¶n phÈm b¶n ®å. Cã nhiÒu d¹ng b¶ng nh: thèng kª hÖ thèng to¹ ®é vµ thuéc tÝnh cña c¸c ®èi tîng d¹ng vector hoÆc raster. C¸c kÕt qu¶ ph©n lo¹i vµ sè liÖu thèng kª cho tõng líp ®îc ph©n lo¹i, c¸c gi¸ trÞ to¸n häc cã trong c¸c ph¬ng tr×nh tÝnh to¸n, c¸c gi¸ trÞ thèng kª, c¸c ma 126 trËn. Tuy nhiªn, c¸c b¶ng biÓu ®ã thêng ®îc x©y dùng theo c¸c quy íc vÒ ký hiÖu trong tõng phÇn mÒm riªng. V× vËy, ®Ó cã kÕt qu¶ d¹ng b¶ng biÓu phï hîp víi néi dung cña b¸o c¸o tæng hîp, c¸c b¶ng biÓu cÇn ph¶i ®îc xö lý l¹i b»ng viÖc chuyÓn ®æi mét sè tªn gäi cho c¸c th«ng sè hoÆc tÝnh thªm mét sè th«ng sè míi: gép nhãm, tæng, hiÖu, min, max. Khi cÇn thiÕt cã thÓ chuyÓn sang mét phÇn mÒm kh¸c ®Ó biªn tËp l¹i. • In kÕt qu¶ Cã nhiÒu kiÓu m¸y in vµ mçi m¸y in ®Òu ho¹t ®éng díi sù ®iÒu hµnh cña phÇn mÒm HTT§L. - M¸y in theo ®iÓm (plotter): Theo nguyªn t¾c lµ mùc in ®îc ®Æt trong c¸c bót mµu cã ®Çu kim. C¸c bót mµu ®îc g¾n víi bé phËn nhËn tÝn hiÖu ®iÖn tö ë trong m¸y. Khi cã lÖnh in, c¸c th«ng tin cÇn in ®îc chuyÓn thµnh c¸c tÝn hiÖu ®iÖn tõ, ®iÒu khiÓn hÖ thèng bót ho¹t ®éng trong khi giÊy hoÆc phim ®îc g¾n vµo trôc chuyÓn ®éng. M¸y in chÊm ®iÓm cã ®é ph©n gi¶i tèi ®a lµ 400 dpi, thêng ®Ó in b¶n ®å víi hÖ thèng mÉu bªn trong c¸c polygon. - M¸y in laze: Nguyªn t¾c cña m¸y in laze còng t¬ng tù nh viÖc photocopy. Dùa vµo nh÷ng th«ng tin sè ®îc cung cÊp b»ng lÖnh ®iÒu khiÓn cña phÇn mÒm, chïm tia laze cã thÓ tiÕn hoÆc lui däc theo mÆt trèng c¶m quang. Nh vËy trªn mÆt trèng tõ mçi ®iÓm bÊt kú ®Òu cã c¸c ph©n tö nh¹y c¶m d¬ng víi tia laze. Trèng tõ ®ång thêi sÏ ®îc phñ bëi c¸c h¹t cã nh¹y c¶m ©m t¹o nªn d¶i nh¹y c¶m ®é s¸ng tõ ©m ®Õn d¬ng víi c¸c mµu kh¸c nhau. GiÊy in ®îc chuyÓn ®éng cïng víi trèng vµ nh÷ng h¹t rÊt nhá ®· ®îc t¸c ®éng bëi ¸nh s¸ng sÏ in lªn giÊy hoÆc phim. Cuèi cïng, díi t¸c ®éng cña nhiÖt hoÆc ¸p suÊt th× c¸c h¹t cã mµu s¾c ®îc g¾n chÆt vµo giÊy hoÆc phim lµm cho h×nh ¶nh sÏ ®îc æn ®Þnh. M¸y in laze cã thÓ ho¹t ®éng cho viÖc in ®en tr¾ng hoÆc in mµu, tÊt nhiªn in mµu sÏ ®¾t h¬n. §é ph©n gi¶i cña m¸y in laze dao ®éng tõ 300 – 600 dpi hoÆc n©ng cao h¬n cã thÓ ®¹t tíi 1200 dpi víi giÊy vµ 2400 dpi víi phim. Th«ng thêng chÕ ®é 300 dpi ®îc dïng phæ biÕn ®Ó in c¸c s¶n phÈm khæ lín. C¸c chÊt lµm mùc mµu phæ biÕn lµ cã kh¶ n¨ng nh¹y c¶m nhiÖt. Th«ng thêng, chÕ ®é nh¹y c¶m nhiÖt ®îc chÕ t¹o t¬ng øng víi chÕ ®é mµu cña phÇn mÒm ®iÒu hµnh, nghÜa lµ cã 256 cÊp. Nh vËy, víi 3 mµu c¬ b¶n vµ 1 mµu ®en nh×n chung c¸c m¸y mµu nh¹y c¶m nhiÖt lµ cã kh¶ n¨ng t¹o 16 triÖu mµu, râ rµng vÒ chÊt lîng lµ cao h¬n h¼n so víi m¸y in chÊm ®iÓm. 127 Mçi lo¹i m¸y in cã chÕ ®é ho¹t ®éng kh¸c nhau mÆc dï nguyªn lý chung lµ gièng nhau, do ®è chóng ®ßi hái lo¹i mùc riªng. V× vËy, khi in mµu b¾t buéc ph¶i cã ®éng t¸c in thö nh»m ®iÒu chØnh mét c¸ch hÖ thèng, æn ®Þnh tríc khi in chÝnh thøc, nhÊt lµ ®èi víi trêng hîp in s¶n phÈm khæ lín, chÊt lîng cao. • Lu gi÷ kÕt qu¶ d¹ng sè Sau mçi ®Ò ¸n lµm viÖc, c¸c kÕt qu¶ ®îc in ra d¹ng giÊy hoÆc phim, song còng cÇn thiÕt ®îc lu l¹i díi d¹ng sè b»ng viÖc ghi vµo c¸c ®Üa mÒm hoÆc ®Üa CDROM. • §èi víi c¸c d÷ liÖu vector, viÖc lu thêng kh«ng tèn nhiÒu bé nhí nªn tèt nhÊt lµ ghi díi d¹ng file hoµn chØnh dÓ c¸c th«ng tin ®îc gi÷ nguyªn. • §èi víi c¸c d÷ liÖu rastor (b¶n ®å, h×nh ¶nh), viÖc lu thêng tèn nhiÒu bé nhí. Víi nh÷ng file lín, cã thÓ c¾t h×nh ¶nh ra lµm nhiÒu m¶nh ®Ó ghi thµnh tõng ®Üa mÒm riªng (trong trêng hîp kh«ng cã m¸y ghi CD – ROM), th«ng thêng c¸c h×nh ¶nh ®îc ghi díi d¹ng nÐn. TÊt c¶ c¸c c«ng viÖc nh chia nhá file h×nh ¶nh, ghÐp, nÐn vµ më nÐn ®Òu ®· ®îc x©y dùng thµnh c¸c chøc n¨ng riªng cña mét s« phÇn mÒm th«ng dông ch¹y trong chÕ ®é window hoÆc DOS. 0.3. ThiÕt kÕ vµ triÓn khai hÖ th«ng tin ®Þa lý Trong c¸c ch¬ng trªn, chóng ta ®· ®i vµo nghiªn cøu c¸ch thÓ hiÖn c¸c ®èi tîng vµ c¸c hiÖn tîng ë trong tù nhiªn, x· héi vµo d¹ng sè vµ c¸c ph¬ng ph¸p nghiªn cøu chung ë d¹ng sè. Nh÷ng c«ng viÖc cÇn gi¶i quyÕt cña HTT§L nh»m ®¸p øng nhiÒu vÊn ®Ò ®Æt ra cña c¸c khoa häc vÒ ®Þa lý, ®Þa chÊt, m«i trêng, … kh«ng chØ phôc vô cho nh÷ng ngêi nghiªn cøu mµ quan träng nhÊt lµ phôc vô cho nh÷ng ai ®Æt ra c©u hái ®Ó chóng ta gi¶i quyÕt. Muèn thùc hiÖn nhiÖm vô ®Æt ra cho mét ®Ò ¸n xö lý HTT§L, nh÷ng viÖc cÇn ph¶i gi¶i quyÕt lµ: • ThiÕt kÕ hÖ thèng c¬ së d÷ liÖu. • X©y dùng m« h×nh xö lý ë tû lÖ lín. • Xö lý chÝnh x¸c c¸c th«ng tin víi ph¬ng tiÖn thÝch hîp. • §a ra c¸c s¶n phÈm cã tÝnh thuyÕt phôc cao. Muèn vËy, ph¶i cã sù thiÕt kÕ vµ thùc hiÖn mét c¸ch hoµn chØnh vµ viÖc thiÕt kÕ sÏ ®ãng vai trß hÕt søc quan träng cho sù thµnh c«ng cña ®Ò ¸n. 128 Bªn c¹nh sù thiÕt kÕ th× thùc hiÖn lµ kh©u mÊu chèt cña qu¸ tr×nh xö lý HTT§L vµ viÖc chuÈn bÞ vÒ n¨ng lùc con ngêi, m¸y mãc (phÇn cøng, phÇn mÒm) ph¶i ®îc ®Æt ra tríc tiªn, chóng ta sÏ xem xÐt tõng vÊn ®Ò cña c¶ qu¸ tr×nh thùc hiÖn. ThiÕt kÕ HTT§L Ngay tõ nh÷ng n¨m 1960, vÊn ®Ò thiÕt kÕ HTT§L ®· ®îc ®Æt ra cïng víi sù ph¸t triÓn cña c¸c phÇn mÒm xö lý vector vµ raster, mét sè hÖ thèng ®îc x©y dùng trong c¸c trêng ®¹i häc hoÆc viÖn nghiªn cøu ®Ó phôc vô cho môc tiªu ®µo t¹o. Trong qu¸ tr×nh ho¹t ®éng, mét sè hÖ thèng dÇn dÇn kh«ng ®¸p øng ®îc c¸c yªu cÇu ®Æt ra cña thùc tiÔn, mµ lý do chÝnh lµ sù thiÕt kÕ hÖ thèng dÇn dÇn trë nªn kh«ng ®îc t¬ng thÝch víi yªu cÇu. Trong ®è næi lªn hµng ®Çu lµ c¸c phÇn mÒm cha ®ñ m¹nh, ngoµi ra cÊu tróc phÇn cøng còng trë nªn l¹c hËu, thao t¸c phøc t¹p vµ cho ra nh÷ng s¶n phÈm chÊt lîng thÊp. HiÖn nay, víi sù ph¸t triÓn cña c«ng nghÖ tin häc vµ ®iÖn tö, nhiÒu thiÕt bÞ míi hoµn thiÖn h¬n ®îc ra ®êi cïng víi rÊt nhiÒu phÇn mÒm kh¸c nhau. Tríc thùc tÕ ®ã, viÖc thiÕt kÕ mét hÖ thèng thÝch hîp víi tõng môc tiªu sö dông lµ mét c«ng viÖc hÕt søc quan träng. • Lùa chän c¸c phÇn mÒm thÝch hîp: hiÖn nay, c¸c phÇn mÒm m¹nh thêng lµ c¸c phÇn mÒm th¬ng m¹i. ViÖc lùa chän mét phÇn mÒm ph¶i c¨n cø vµo c¸c môc tiªu sau: - Lo¹i t liÖu cÇn xö lý: ®ã lµ t liÖu vector, raster hay tæng hîp. - C¸c néi dung cÇn xö lý: Xö lý h×nh häc cho tõng líp riªng biÖt hay xö lý tæng hîp nhiÒu líp th«ng tin, xö lý theo m« h×nh kh«ng gian khèi lîng th«ng tin cÇn xö lý. - Môc tiªu xö lý: ®Ó phôc vô cho nhu cÇu ®µo t¹o hay phôc vô cho c¸c ®Ò ¸n triÓn khai. - ChÊt lîng cña c¸c s¶n phÈm kÕt qu¶: ®ã lµ c¸c chi tiÕt kü thuËt cña s¶n phÈm khi in ra c¶ vÒ néi dung vµ h×nh thøc. §Ó phôc vô ®µo t¹o th× yªu cÇu kh«ng kh¾t khe nhiÒu, song ®Ó phôc vô yªu cÇu cña c¸c ®èi tîng kh¸c th× yªu cÇu nµy trë nªn rÊt quan träng. - PhÇn mÒm ho¹t ®éng víi c¸c lo¹i thiÕt bÞ cña HTT§L: kh¶ n¨ng nhËp d÷ liÖu b»ng bµn sè hay nhËp tõ mµn h×nh, m¸y quÐt, …… yªu cÇu vÒ m¸y tÝnh, mµn h×nh, m¸y in, … kh¶ n¨ng nèi m¹ng, chÕ ®é b¶n quyÒn cña phÇn mÒm. 129 - Gi¸ c¶ cña phÇn mÒm: hiÖn nay cã rÊt nhiÒu phÇn mÒm víi nhiÒu gi¸ kh¸c nhau, v× vËy ph¶i lùa chän phÇn mÒm cã gi¸ thÝch hîp víi nguån kinh phÝ ®îc ®Çu t vµ dù kiÕn kh¶ n¨ng hoµn vèn. Cã thÓ tham kh¶o sè liÖu thèng kª cña Mü (tÝnh ®Õn n¨m 1993) vÒ viÖc sö dông c¸c phÇn mÒm ë c¸c c¬ quan hµnh chÝnh theo b¶ng theo Lynal Wiggins: B¶ng 3. B¶ng thèng kª sö dông phÇn mÒm ë Mü PhÇn mÒm ARC/INFO ARC/GIS INTERGRA PH GEO/SQL MAPINFO ATLAS GIS GDS ERDAS SPANS TRANS CAD AUTOCAD GEOVISION C¸c c¬ së liªn quèc gia 95 160 45 Tæ chøc thuéc quèc gia 90 150 11 Tõng khu vùc Tõng bang Hµnh chÝnh liªn bang Tæng 36 120 3 65 90 11 28 45 5 314 565 75 13 10 9 7 1 7 1 4 6 9 1 3 2 8 11 7 3 4 3 4 7 2 3 1 7 2 4 3 1 3 3 2 1 1 2 6 9 2 1 29 29 25 20 18 18 13 11 10 • X©y dùng lùc lîng c¸n bé chuyªn m«n ®Ó vËn hµnh HTT§L: Cïng víi viÖc x©y dùng c¬ së vËt chÊt vÒ phÇn cøng vµ phÇn mÒm, ph¶i cã lùc lîng c¸n bé chuyªn m«n ®ñ tr×nh ®é ®Ó vËn hµnh mét c¸ch cã hiÖu qu¶ hÖ thèng. Nh÷ng yªu cÇu vÒ tr×nh ®é chuyªn m«n cô thÓ nh sau: - Thu thËp, tæng hîp vµ m· ho¸ c¸c d¹ng tµi liÖu ®Ó lu tr÷. - VËn hµnh thiÕt bÞ phÇn cøng vµ phÇn mÒm ®Ó lu tr÷ d÷ liÖu, chØnh lý ®Ó hoµn thiÖn d÷ liÖu d¹ng sè. - Cã tr×nh ®é hiÓu biÕt vÒ chuyªn m«n ®Ó ph©n tÝch xö lý hÖ thèng, t¸ch chiÕt ®îc c¸c th«ng tin cÇn thiÕt phôc vô cho c¸c môc tiªu ®Æt ra. - ThiÕt kÕ vµ tr×nh bµy th«ng tin kÕt qu¶ theo c¸c tiªu chuÈn quy ®Þnh cho c¸c chuyªn m«n. - VËn hµnh thiÕt bÞ ®Ó in Ên vµ lu gi÷ kÕt qu¶. - Muèn ®¶m b¶o ®îc c¸c yªu cÇu trªn, nh©n viªn cña HTT§L ph¶i ®îc ®µo t¹o mét c¸ch hÖ thèng vµ kü lìng c¶ vÒ lý thuyÕt vµ thao t¸c thùc hiÖn. • Qu¶n lý hÖ thèng 130 §Ó HTT§L cã thÓ ho¹t ®éng hiÖu qu¶, mét nh©n tè quan träng lµ hÖ thèng qu¶n lý, trong ®ã vai trß cña ngêi tæ chøc lµ cã vÞ trÝ hµng ®Çu. Mét sè yªu cÇu vÒ mét ngêi qu¶n lý hÖ thèng lµ: - Cã hiÓu biÕt tæng hîp vµ c¬ b¶n vÒ HTT§L. - Cã hiÓu biÕt réng vÒ c¸c lÜnh vùc mµ HTT§L sÏ phôc vô, ®Æc biÖt lµ hiÓu vÒ c¬ së d÷ liÖu cña tõng chuyªn ngµnh vµ nh÷ng yªu cÇu cña tõng chuyªn ngµnh. - Cã kÕ ho¹ch hîp lý khi triÓn khai c¸c ®Ò ¸n. - Cã kh¶ n¨ng ®a ra c¸c m« h×nh xö lý vµ ®¸nh gi¸ ®îc chÊt lîng cña kÕt - Cã sù ®Çu t hîp lý cho tõng c«ng ®o¹n cña qu¸ tr×nh xö lý. qu¶. • Trang thiÕt bÞ (phÇn cøng) §Ó mét HTT§L vËn hµnh cã hiÖu qu¶, ph¶i cã hÖ thèng phÇn cøng (hardware) hay trang thiÕt bÞ phï hîp. Mét sè c¨n cø ®Ó lùa chän sù ®Çu t lµ: - Môc tiªu ho¹t ®éng cña hÖ thèng: ®Ó ®µo t¹o hay ®Ó gi¶i quyÕt nh÷ng nhiÖm vô chuyªn m«n theo c¸c ®Ò ¸n. C¸c kÕt qu¶ hay c¸c s¶n phÈm cÇn ®¹t ®îc cña hÖ thèng (xö lý, xuÊt d÷ liÖu, lu d÷ liÖu). - C¸c ®èi tîng phôc vô cña hÖ thèng: phôc vô cho tõng chuyªn ngµnh hay cã thÓ phôc vô cho nhiÒu chuyªn ngµnh. - Nguån kinh phÝ ®Çu t: Kinh phÝ cã thÓ ®îc cung cÊp tõ nhiÒu nguån, kÓ ca nguån vèn huy ®éng ®Ó cã thÓ hoµn tr¶ tõ kÕt qu¶ ho¹t ®éng cña hÖ thèng. Cã rÊt nhiÒu hÖ thèng m¸y tÝnh vµ thiÕt bÞ ngo¹i vi song tiªu chuÈn kü thuËt ®îc ph©n thµnh c¸c nhãm sau: - Servers: lµ thiÕt bÞ gióp qu¶n lý tµi liÖu vµ c¸c thiÕt bÞ theo m¹ng cña c¸c tr¹m vµ c¸c thiÕt bÞ ®Çu cuèi (terminal). Cã rÊt nhiÒu lo¹i Server kh¸c nhau, song nh×n chung Server lµ trang bÞ cña m¹ng lín. - Workstation (tr¹m): cã nhiÒu lo¹i tr¹m: tr¹m m¸y tÝnh c¸ nh©n (nh IBM, UNIX, NT…). - ThiÕt bÞ ngo¹i vi: bµn sè, m¸y plotter, printer, m¸y ghi vµo phim ¶nh, m¸y ghi ®Üa tõ, … - ThiÕt bÞ m¹ng: C¸c chi tiÕt ®Ó nèi c¸c m¸y tÝnh hoÆc gi÷a tr¹m vµ c¸c m¸y tÝnh c¸ nh©n. • HÖ th«ng tin ®Þa lý víi ®a ph¬ng tiÖn (multimedia) 131 Ph¬ng tiÖn (multimedia) lµ kh¸i niÖm ®îc h×nh thµnh trong qu¸ tr×nh ph¸t triÓn cña c¸c c«ng nghÖ tiªn tiÕn, ®Æc biÖt lµ c«ng nghÖ tin häc, viÔn th«ng, h×nh ¶nh vµ m¹ng, víi mäi quy m« kh¸c nhau. §a ph¬ng tiÖn lµ yªu cÇu ph¸t triÓn ë møc ®é cao h¬n cña hÖ th«ng tin ®Þa lý. Mét sè ®ßi hái cña HTT§L trong m«i trêng ®a ph¬ng tiÖn lµ: - NhiÒu th«ng tin ®îc tr×nh bµy cho cïng mét vÞ trÝ, cïng mét thêi ®iÓm. - NhiÒu thong tin cña nhiÒu n¬i ®îc tr×nh bµy trong cïng mét thêi gian. - Th«ng tin cho cïng mét ®Þa ®iÓm nhng ë nhiÒu thêi gian kh¸c nhau. - Th«ng tin cho nhiÒu n¬i víi nhiÒu thêi gian kh¸c nhau. HiÖn nay, ph¬ng tiÖn ®îc sö dông hç trî cho HTT§L gåm nhiÒ lo¹i kh¸c nhau nh: h×nh ¶nh, phim video, m¹ng internet vµ th ®iÖn tö, ®iÖn tho¹i c¸c lo¹i … §Æc biÖt, vÊn ®Ò giao diÖn th«ng tin 2 chiÒu lu«n ®îc quan t©m ®Ó cho ho¹t ®éng cña HTT§L cã thÓ kÞp thêi ®iÒu chØnh vµ n©ng cao chÊt lîng xö lý d÷ liÖu. • Tãm l¹i, thiÕt kÕ hÖ thèng lµ mét vÊn ®Ò tæng hîp ®îc ®Æt ra khi x©y dùng mét HTT§L. Nh÷ng néi dung cÇn ph¶i ®îc xem xÐt, ®îc hÖ thèng ho¸ theo c¸c c«ng ®o¹n sau: - C¸c môc tiªu cÇn ®¹t ®¬c cña viÖc x©y dùng HTT§L. - §a kh¸i niÖm hiÖu qu¶ vµo trong qu¸ tr×nh x©y dùng. - X¸c ®Þnh nh÷ng ®èi tîng phôc vô. - X¸c ®Þnh nh÷ng d¹ng t liÖu cÇn xö lý vµ t liÖu s¶n phÈm. - X©y dùng mét kÕ ho¹ch chiÕn thuËt cã tÝnh chiÕn lîc. - Lùa chän c¸c phÇn cøng vµ phÇn mÒm thÝch hîp. - Lùa chän ®éi ngò nh©n viªn ®iÒu hµnh. - X©y dùng ph¬ng ph¸p qu¶n lý hÖ thèng. - VËn hµnh vµ b¶o dìng hÖ thèng. - Dù b¸o nh÷ng biÕn ®éng vÒ c«ng nghÖ ®Ó ®iÒu chØnh mét c¸ch thÝch hîp trang thiÕt bÞ phÇn cøng vµ phÇn mÒm. • Nh÷ng vÊn ®Ò vÒ hÖ thèng 1. 2. HTT§L. §¸nh gi¸ nh thÕ nµo vÒ lîi Ých cña HTT§L. Nh÷ng sù thay ®æi nµo ®îc coi lµ mét sù ph¸t triÓn tèt cña mét 132 3. HTT§L cã gióp Ých ®îc nhiÒu cho viÖc thùc hiÖn cã hiÖu qu¶ c¸c nhiÖm vô ®Æt ra ®èi víi mét c¬ quan. 4. HTT§L liÖu cã lµm gi¶m ®îc nh÷ng c«ng viÖc bµn giÊy thuÇn tuý? 5. HTT§L cã nh÷ng h¹n chÕ g×? 6. HTT§L cã nh÷ng lîi Ých g×? 7. TÝnh chÊt ph¸p lý cña nh÷ng s¶n phÈm t¹o nªn tõ HTT§L. 8. YÕu tè c¬ b¶n nhÊt x¸c ®Þnh gi¸ trÞ cña s¶n phÈm HTT§L. 9. LiÖu lîi Ých cña HTT§L ®em l¹i cã vît qu¸ nguån kinh phÝ ®Çu t. 10. §Ó cã mét HTT§L cì nhá vµ võa th× ®Çu t nh thÕ nµo? 11. Lµm thÕ nµo ®Ó cã ®îc sù ñng hé cho sù ph¸t triÓn cña mét HTT§L. 12. Nguån kinh phÝ tèi thiÓu cÇn ®Çu t ®Ó x©y dùng mét HTT§L. 13. LiÖu cã thÓ b¸n nh÷ng s¶n phÈm hoÆc t liÖu mµ do HTT§L qu¶n lý? 14. Gi¸ cña th«ng tin trong mét HTT§L. 15. Lµm thÕ nµo ®Ó cã thÓ phèi hîp trong mét ®Ò ¸n HTT§L. 16. Nh÷ng ai liÖu cã thÓ tham gia vµo x©y dùng mét HTT§L. 17. Nh÷ng ai sÏ ®¶m nhiÖm vai trß t×m kiÕm ®Ò ¸n, chuÈn bÞ t liÖu vËn hµnh hÖ thèng thiÕt bÞ. 18. HTT§L. YÕu tè c¬ b¶n nµo quyÕt ®Þnh ®Õn thêi gian thùc hiÖn cña mét ®Ò ¸n 19. LiÖu cã mét sù qu¶n lý riªng vÒ HTT§L trong qu¸ tr×nh thùc hiÖn ®Ò ¸n ®· ký kÕt. 20. §Çu t mét hÖ thèng phÇn mÒm, phÇn cøng th× sÏ ho¹t ®éng ®îc bao l©u. 21. LiÖu cã thÓ n©ng cÊp ®¬n gi¶n cho hÖ thèng thiÕt bÞ hay nã sÏ bÞ háng h¼n vµ ph¶i trang bÞ hoµn toµn míi? 22. LiÖu cã thÓ cµi ®Æt HTT§L nh mét hÖ thèng ch×a kho¸ trao tay ®¬n gi¶n hay ph¶i lu«n lÖ thuéc vµo n¬i cung cÊp. • VÊn ®Ò ®µo t¹o vµ huÊn luyÖn 1. Lµm thÕ nµo ®Ó nh©n viªn trong c¬ quan cã thÓ tiÕp thu ®îc kü thuËt míi? 2. Cã thÓ kh¼ng ®Þnh víi nh©n viªn lµ HTT§L sÏ kh«ng lo¹i trõ nh÷ng c«ng viÖc hiÖn t¹i cña hä. 133 3. Nh÷ng ®µo t¹o cÇn thiÕt cho ®éi ngò nh©n viªn vµ qu¶n lý. 4. Nh÷ng møc ®µo t¹o cÇn thiÕt cho viÖc ph¸t triÓn mét HTT§L. 5. Thêi gian cÇn thiÕt cho viÖc ®µo t¹o. 6. Cã nh÷ng yªu cÇu nh©n viªn ®îc ®µo t¹o ph¶i tr×nh bµy kÕt qu¶? 7. Nh÷ng yªu cÇu vÒ vËt chÊt trî gióp cho viÖc ®µo t¹o. 8. Sö dông nh÷ng thuËt ng÷ míi song cha ®îc nhÊt qu¸n nh thÕ nµo. 9. Trang thiÕt bÞ phÇn cøng vµ phÇn mÒm: 10. ®Þnh mua. 11. Lµm thÕ nµo ®Ó hiÓu râ vÒ mét phÇn mÒm vµ phÇn cøng mµ cã ý LiÖu cã thÓ cµi ®Æt phÇn mÒm vµ ch¹y trªn hÖ thiÕt bÞ hiÖn cã 12. Lµm thÕ nµo ®Ó l¾p r¸p thiÕt bÞ, liÖu cã thÓ n©ng cÊp nh mét thay ®æi b×nh thêng vÒ kü thuËt. 13. LiÖu cã thÓ sö dông m¸y tÝnh c¸ nh©n nhá cho mét ®Ò ¸n HTT§L nhá. 14. C¸c phÇn mÒm m¹nh vµ ®¾t hiÖn nay thêng ®îc chia lµm nhiÒu modul, liÖu cã thÓ x¸c ®Þnh ®îc nh÷ng modul nµo cÇn thiÕt nhÊt cho ®Ò ¸n. 15. HiÖn nay gi¸ cña phÇn cøng vµ phÇn mÒm liªn tôc gi¶m, t¹i sao kh«ng ®îi ®Õn n¨m tíi khi gi¸ h¹ xuèng råi míi mua. • ThiÕt kÕ c¬ së d÷ liÖu 1. CSDL cña HTT§L bao gåm nh÷ng g×? 2. CÊu tróc m¹ng cña CSDL nh thÕ nµo? 3. Lµm thÕ nµo t¹o CSDL? 4. Tiªu chuÈn cña CSDL lµ nh thÕ nµo? 5. Cã nh÷ng c¸ch nµo ®Ó tù ®éng ho¸ t¹o b¶n ®å. 6. Lµm thÕ nµo ®Ó ®¸nh gi¸ chÊt lîng cña b¶n ®å c¬ së? 7. HTT§L cã gi¶i quyÕt ®îc mét sè viÖc hiÖn nay cña c¬ quan kh«ng. 8. Lµm thÕ nµo ®Ó gi¶i quyÕt mét c¸ch hoµn h¶o nh÷ng sù kh«ng thèng nhÊt vÒ ®êng ranh giíi khi t¹o b¶n ®å tù ®éng? 9. §é chÝnh x¸c cÇn thiÕt cña c¸c b¶n ®å ®îc lËp b»ng HTT§L. 10. Chi phÝ cho viÖc lËp b¶n ®å ë c¸c møc ®é chÝnh x¸c kh¸c nhau? 134 11. Lµm thÕ nµo ®Ó chuyÓn c¸c tµi liÖu hiÖn cã sang d¹ng sè vµ cã nh÷ng khã kh¨n g×? 12. lµm thÕ nµo ®Ó liªn kÕt nh÷ng tµi liÖu hiÖn cã víi HTT§L. 13. Nh÷ng khã kh¨n g× sÏ gÆp ph¶i khi nèi kÕt c¸c phÇn mÒm hiÖn cã víi HTT§L. 14. HTT§L cã liªn kÕt g× víi hÖ thèng m¸y tÝnh hiÖn cã. 15. LiÖu 2 hÖ thèng cã ph¶i lµ qu¸ thõa so víi nhu cÇu? 16. LiÖu cã thÓ giao diÖn d÷ liÖu gi÷a hai hÖ thèng hay kh«ng vµ thùc hiÖn nh thÕ nµo? 17. • Sö dông vµ lùa chän ngêi t vÊn 1. LiÖu cã cÇn thiÕt ngêi t vÊn? 2. LiÖu cã thÓ sö dông chÝnh ngêi t vÊn ®Ó lùa chän vµ cµi ®Æt HTT§L. 3. Nh÷ng kü thuËt g× cã thÓ häc ®îc ë ngêi t vÊn. 4. Lµm thÕ nµo ®Ó kh¼ng ®Þnh râ lµ m×nh cÇn t vÊn. 5. Lµm thÕ nµo ®Ó x¸c ®Þnh mét t vÊn tèt nhÊt cho riªng m×nh. 6. hay kh«ng. 7. • LiÖu cã thÓ sö dông HTT§L ®Ó lËp b¶n ®å vµ xö lý tµi liÖu tæng hîp. Ngêi hoÆc c¬ quan t vÊn cã ®ang lµm t vÊn cho nhiÒu n¬i mét lóc Lµm thÕ nµo ®Ó x¸c ®Þnh nh÷ng ngêi t vÊn lµ cã danh tiÕng. Lùa chän vµ giao viÖc 1. Ai cã thÓ nhËp sè liÖu b¶n ®å mét c¸ch hoµn h¶o. 2. LiÖu c¸c c«ng viÖc cã thÓ lµm ë phßng hoÆc ë bªn ngoµi? 3. Cã u ®iÓm vµ h¹n chÕ g× vÒ viÖc ký hîp ®ång lËp b¶n ®ß vµ nhËp sè liÖu víi bªn ngoµi. • B¶o dìng hÖ thèng 1. HTT§L. Nh÷ng c«ng viÖc g× ph¶i lµm ®Ó b¶o dìng sau khi ®· mua vµ cµi ®Æt 2. Ai sÏ trî gióp cho c¸c c«ng nghÖ vÒ xö lý HTT§L, liÖu do chÝnh c¸c nh©n viªn sÏ lµm hay ngêi b¸n hÖ thèng hay c¸c t vÊn? 3. Gi¸ c¶ cña viÖc b¶o hµnh hÖ thèng CSDL. 135 • Nh÷ng nç lùc céng t¸c 1. LiÖu gi¸ cña HTT§L cã thÓ bµn ®Ó cïng chia sÎ víi c¸c c¬ quan kh¸c. 2. Lµm thÕ nµo ®Ó biÕt ®îc c¸c c¬ quan kh¸c cã quan t©m ®Ó cïng tham gia vµo HTT§L mµ m×nh sÏ ®Çu t. 3. Nh÷ng lîi Ých cña mçi bªn khi cïng ®Çu t vµo mét HTT§L. 4. NÕu nhiÒu ngêi cïng lµm viÖc trong HTT§L th× lµm thÕ nµo ®Ó ph©n chia viÖc lu gi÷ t liÖu trong hÖ thèng. 5. LiÖu cã thÓ nh©n lîng tµi liÖu ®Ó lu gi÷ vµ cho nhiÒu ngêi sö dông. 6. Khi nhiÒu ngêi sö dông th× lµm thÕ nµo ph¸t hiÖn ®îc nh÷ng bé phËn bÞ háng cÇn söa ch÷a, b¶o dìng. 7. Nh÷ng d¹ng d÷ liÖu nµo cã ë c¸c c¬ quan kh¸c. 8. LiÖu cã thÓ sö dông c¸c t liÖu sè cã ë c¸c c¬ quan kh¸c. 9. SÏ lµ thùc tÕ khi thÊy r»ng kh«ng thÓ sö dông m·i nh÷ng t liÖu cña c¸c c¬ quan kh¸c v× nhiÒu lý do, trong ®ã ph¶i kÓ ®Õn lý do chuyÓn ®æi khu«n d¹ng d÷ liÖu vµ sù t¬ng thÝch vÒ møc ®é chÝnh x¸c. • • C¸c th«ng tin d¹ng b¶n ®å chuyªn ®Ò vµ ¶nh 1. C¸c b¶n ®å tµi nguyªn rõng. 2. C¸c b¶n ®å vÒ phßng ch¸y rõng. 3. C¸c b¶n ®å vÒ tai biÕn tù nhiªn (giã, kh« h¹n, ngËp lôt) 4. B¶n ®å bÖnh tËt cña rõng vµ ph©n bè c¸c lo¹i c«n trïng cã h¹i. 5. B¶n ®å qu¶n lý rõng nãi chung. 6. B¶n ®å qu¶n lý khai th¸c gç. 7. B¶n ®å ®Êt. 8. C¸c b¶n ®å sö dông ®Êt vµ tµi nguyªn. 9. C¸c b¶n ®å quy ho¹ch rõng. 10. B¶n ®å tiÒm n¨ng rõng. 11. ¶nh m¸y bay vµ ¶nh vÖ tinh cña rõng. C¸c tµi liÖu c¬ b¶n 1. C¸c b¶n ®å vµ file d÷ liÖu b¶n ®å sè - M« t¶ c¸c vÞ trÝ 136 - To¹ ®é trong b¶n ®å UTM (hoÆc Gauss) - Toµn bé c¸c th«ng sè cña b¶n ®å: ®é cao, ®êng ®ång møc. - Toµn bé c¸c thuéc tÝnh cÇn thiÕt trong file vector. - C¸c träng t©m ®iÓm cña ¶nh vÖ tinh, ¶nh m¸y bay. - HÖ thèng ®êng, s«ng suèi, … - C¸c d÷ liÖu vÒ polygon, ®êng vµ ®iÓm cña b¶n ®å chuyªn ®Ò. - GhÐp nèi tÊt c¶ c¸c ranh giíi. 2. C¸c sè liÖu tÝnh to¸n cho b¶n ®å chuyªn ®Ò: diÖn tÝch, ®é dµi, thuéc 3. C¸c s¶n phÈm b¶n ®å cung cÊp tõ hÖ thèng tÝnh. - c¸c b¶n ®å in d¹ng plotter trªn phim, trªn giÊy. - Toµn bé c¸c ranh giíi cÇn nghiªn cøu. - Toµn bé tªn vµ thuéc tÝnh c¸c lo¹i th«ng tin. - Toµn bé c¸c vÞ trÝ ®îc x¸c ®Þnh. 4. Xö lý tæng hîp - Xö lý cho nh÷ng ý ®Þnh quy ho¹ch. - C¸c ph¬ng ¸n dù kiÕn. - C¸c ph©n tÝch vÒ diÖn tÝch. - C¸c ph©n tÝch vÒ vïng ®Öm (phßng chèng ch¸y, b¶o vÖ rõng). - Ph©n tÝch t¸c h¹i cña ch¸y rõng so víi rõng cßn nguyªn vÑn - Ph©n tÝch chång xÕp th«ng tin cña hµng ngh×n contour mét lóc. 4. CËp nhËt th«ng tin: - HiÓn thÞ c¸c lo¹i b¶n ®å vµ c¸c thuéc tÝnh. - Bæ sung b»ng c¸c th«ng tin tõ ¶nh vÖ tinh sè. - HiÓn thÞ linh ho¹t c¸c ranh giíi cÇn quan t©m. - Bæ sung c¸c tÝnh chÊt míi cho tõng contour. - TÝnh to¸n ®Þnh lîng c¸c vïng bÞ ch¸y. 6. LËp c¸c b¶n ®å chuyªn ®Ò - T¹o code mµu vµ møc ®é mµu cho tõng contour rõng vµ nhiÒu c©y kh¸c nhau. - X¸c ®Þnh c¸c code míi cho c¸c vïng t¹o nªn do chång xÕp th«ng tin. 137 7. Nh÷ng th«ng tin vÒ vÞ trÝ X¸c ®Þnh c¸c vïng d©n c, ®« thÞ cã liªn quan tíi khu vùc nghien cøu víi sù thÓ hiÖn ë tû lÖ lín. 8. Nh÷ng thiÕt bÞ nhËp sè liÖu: - NhËp tõ tr¹m vµ c¸c thiÕt bÞ ngo¹i vi. - NhËp tõ b¨ng tõ. 9. c¸c chøc n¨ng cña hÖ thèng GIS: - Sè ho¸ ®êng, ®iÓm. - T¹o lËp ®îc c¸c polygon víi c¸c code riªng. Cã thÓ bæ sung, chØnh söa c¸c polygon. - NhËp ®îc c¸c sè liÖu b»ng sè vµ b»ng ch÷ tõ bµn phÝm. - ChØnh söa ®îc c¸c ®êng vector. - T¹o mÇu cho c¸c polygon. - Nèi hoÆc c¾t c¸c ®êng vector. - Lµm s¹ch c¸c ®êng trong vector. - Chia nhá polygon hoÆc nhËp c¸c polygon. - KiÓm tra c¸c ®iÓm vµ ®êng. - NhËp c¸c thuéc tÝnh h×nh häc - T¹o líi hoÆc néi suy tõ ®êng, ®iÓm. - T¹o c¸c vïng ®Öm cho ®iÓm, ®êng, vïng. - VÏ c¸c vßng trßn tù ®én tõ c¸c ®iÓm. - T×m kiÕm c¸c thuéc tÝnh. - X¸c ®Þnh ®îc c¸c träng t©m cña m¹ng líi. - T¹o ®îc c¸c cöa sæ. - Thay ®æi tû lÖ b¶n ®å. - Thay ®æi ®îc líi chiÕu. - §o ®¹c c¸c th«ng sè cÇn thiÕt: ®é dµi, chu vi, diÖn tÝch. - TÝnh c¸c trÞ sè thèng kª. - Xö lý chång xÕp polygon. - Ph©n tÝch líi « vu«ng, néi suy. - Nèi c¸c ®iÓm biªn. 138 - T¹o lËp m« h×nh 3 chiÒu. - LËp m« h×nh vµ tÝnh c¸c th«ng sè h×nh häc: ®é dèc, híng dèc. 10. LËp b¸o c¸o - Thèng kª diÖn tÝch b»ng c¸c con sè tiªu chuÈn. - C¸c sè liÖu tæng hîp (min, max, medium). - TÝnh to¸n khèi lîng hiÖn t¹i. - TÝnh to¸n dù b¸o. 11. C¸c thiÕt bÞ cÇn cã - Bµn sè. - Tr¹m nhá. - NhËp d÷ liÖu b»ng tr¹m - Kh¶ n¨ng lu sè liÖu vµo ®Üa. - æ b¨ng, æ ®Üa. - Mµn h×nh ®iÒu khiÓn. - Mµn h×nh hiÓn thÞ ph©n gi¶i cao. - M¸y in laze mµu. - M¸y plotter mµu. 12. PhÇn mÒm - PhÇn mÒm hÖ thèng víi ®Çy ®ñ c¸c chøc n¨ng chÝnh kÓ trªn. - PhÇn mÒm phô ®Ó thùc hiÖn nh÷ng c«ng viÖc trî gióp. - C¸c phÇn mÒm phæ th«ng kh¸c. • Lùa chän mét phÇn mÒm HTT§L Qu¶ thùc lµ khã kh¨n ®Ó lùa chän ®îc chÝnh x¸c mét phÇn mÒm cho mét tæ chøc. Trong rÊt nhiÒu trêng hîp, quyÕt ®Þnh l¹i dùa vµo hÖ thèng maketing cña n¬i b¸n mµ kh«ng do sù lùa chän cña ngêi mua. V× vËy, ph¶i cã nh÷ng tiÕp cËn hÖ thèng tríc khi quyÕt ®Þnh mua vµ trang bÞ mét phÇn mÒm. NhiÒu phÇn mÒm khi ®· mua rõngåi th× trë nªn kh«ng thÝch hîp víi nh÷ng tiÕn bé cña c«ng nghÖ, ®Æc biÖt lµ víi phÇn cøng vµ phÇn mÒm (khi so s¸nh víi c¸c phÇn mÒm kh¸c). Mét sè phÇn mÒm l¹i kh«ng thÝch hîp víi lo¹i t liÖu cÇn nguån kinh phÝ cã thÓ ®Çu t tiÕp theo vÒ phÇn cøng vµ thiÕt bÞ ngo¹i vi. Mét sè phÇn mÒm 139 khi trang bÞ råi th× kh«ng cã ngêi sö dông hoÆc s¶n phÈm lµm ra kh«ng phï hîp víi yªu cÇu. V× thÕ, tríc khi quyÕt ®Þnh mua, cÇn yªu cÇu ngêi b¸n cung cÊp ®Çy ®ñ c¸c th«ng tin chi tiÐt vÒ tÝnh n¨ng kü thuËt, vÒ sè lîng kh¸ch hµng ®ang sö dông. NÕu cã thÓ ®îc th× cã thÓ tham kh¶o th«ng tin cña nh÷ng ngêi ®ang sö dông phÇn mÒm ®ã. Nh÷ng c¨n cø chÝnh ®Ó xem xÐt khi mua mét phÇn mÒm cã thÓ ®îc liÖt kª nh sau: - PhÇn mÒm cã gi¶i quyÕt ®îc nhiÖm vô ®Æt ra cña c¬ së mét c¸ch ®ång thêi vµ chÝnh x¸c. - Nh÷ng s¶n phÈm cô thÓ cña hÖ thèng ®îc thùc hiÖn bëi c¸c kh¸ch hµng ®· mua nh thÕ nµo. - Nh÷ng yªu cÇu cô thÓ vÒ kü thuËt cña c«ng viÖc cã ®îc kh¼ng ®Þnh bëi ngêi b¸n. • Gi¸ c¶ cã phï hîp víi nguån kinh phÝ ®îc ®Çu t. KÕt luËn Nh÷ng vÊn ®Ò trªn ®©y ®a ra nh»m kh¼ng ®Þnh r»ng tríc khi x©y dùng mét HTT§L ph¶i c©n nh¾c vµ chuÈn bÞ thËt ®Çy ®ñ kÕ ho¹ch vµ ph¬ng ¸n vËn hµnh. Cã nh vËy viÖc ®Çu t míi trë nªn cã hiÖu qu¶ trong viÖc triÓn khai c¸c c«ng viÖc t¹i mçi mét ®Þa chØ sö dông HTT§L. C¸c phÇn ®ã ®· ®Ò cËp ®Õn nh÷ng vÊn ®Ò c¬ b¶n nhÊt cña HTT§L, nh÷ng kh¸i niÖm ®ã ®îc liÖt kª trong nh÷ng vÊn ®Ò sau: 1. C¬ së d÷ liÖu. 2. Qu¶n lý c¬ së d÷ liÖu. 3. C¸c chøc n¨ng vµ c¸c ch¬ng tr×nh øng dông. 4. Can thiÖp cña ngêi sö dông. HTT§L lµ mét hÖ thèng c«ng cô (tool) øng dông cho nhiÒu ngµnh, nhiÒu lÜnh vùc phÇn cøng, phÇn mÒm vµ 4 thµnh phÇn c¬ b¶n ë trªn. Mçi mét thµnh phÇn ®Òu cã vai trß quan träng quyÕt ®Þnh ®Õn sù ho¹t ®éng cña mét HTT§L. Cã rÊt nhiÒu d¹ng c¬ së d÷ liÖu, song cã thÓ xÕp vµo 2 d¹ng chÝnh: vector vµ raster. ViÔn th¸m lµ mét lÜnh vùc c«ng nghÖ cã sù tån t¹i vµ ph¸t triÓn ®éc lËp cïng víi c¸c lÜnh vùc c«ng nghÖ kh¸c. Tuy nhiªn, trong HTT§L, viÔn th¸m cã thÓ ®îc xem nh mét c«ng nghÖ phèi thuéc ®Ó cung cÊp c¸c nguån t liÖu d¹ng rõng raster vµ vector mét c¸ch phong phó, ®a d¹ng, cã tÝnh kh¸ch quan, cËp nhËt vµ ®é chÝnh x¸c cao. ViÔn th¸m víi mét sè kü thuËt xö lý chuyªn ®Ò ®· t¸ch chiÕt ®îc nhiÒu th«ng 140 tin míi tõ tµi liÖu ban ®Çu, gãp phÇn bæ sung cho CSDL cña HTT§L thªm phong phó. C¸c nhiÖm vô cÇn gi¶i quyÕt – c¸c phÐp xö lý t liÖu: 1. Tra cøu: X¸c ®Þnh vÞ trÝ vµ thuéc tÝnh d÷ liÖu 2. Cung cÊp t liÖu: XuÊt d÷ liÖu theo yªu cÇu. 3. NhËp dù liÖu: NhËp vµ ®¨ng ký c¸c thuéc tÝnh b»ng c¸c ph¬ng ph¸p: sè ho¸, bµn phÝm, chuyÓn khu«n d¹ng. 4. HiÓn thÞ: nghiªn cøu vµ khai th¸c c¸c tµi liÖu nhËp vµo. 5. Lùa chän: Chän t liÖu cÇn thiÕt vµ c¸c thuéc tÝnh kÌm theo 6. HiÖu chØnh: Söa lçi vµ bæ sung thuéc tÝnh cho d÷ liÖu 7. Tæng hîp: Tæng hîp c¸c t liÖu vµo mét m« h×nh hoÆc h×nh ¶nh cña thÕ giíi thùc (cã to¹ ®é, thuéc tÝnh) 8. §iÒu khiÓn: Sö dông c¸c m« h×nh ®Ó ®iÒu khiÓn t liÖu 9. §Þnh vÞ: Bæ sung c¸c th«ng tin ®Þnh vÞ GPS 10. Ph©n tÝch: Khai th¸c, xö lý c¸c th«ng tin 1 líp, nhiÒu líp, th«ng tin biÓu b¶ng, chång xÕp th«ng tin theo m« h×nh. 11. §a ra quyÕt ®Þnh: ¸p dông c¸c m« h×nh xö lý nhiÒu líp, c¸c bµi to¸n ®¸nh gi¸, quy ho¹ch, ®a ra c¸c líp th«ng tin tæng hîp. 12. Tr×nh bµy: Tr×nh bµy c¸c kÕt qu¶ ë d¹ng b¶n ®å, ®å thÞ, thèng kª, b¸o c¸o víi chÊt lîng cao. KÕt luËn chung Trong qu¸ tr×nh vËn hµnh HTT§L, mét kh©u rÊt quan träng cã vai trß quyÕt ®Þnh lµ sù ®iÒu hµnh cña ngêi sö dông. V× vËy, muèn HTT§L ho¹t ®éng cã hiÖu qu¶ ph¶i cã tr×nh ®é hiÓu biÕt vµ kh¶ n¨ng thµnh th¹o trong vËn hµnh hÖ thèng. Ngoµi nh÷ng kiÕn thøc vÒ phÇn cøng, phÇn mÒm, ngêi sö dông ph¶i cã kiÕn thøc vÒ c¸c chuyªn ngµnh cã liªn quan ®Õn ®Ò ¸n ®ang triÓn khai. Bªn c¹nh ®éi ngò ngêi vËn hµnh, ph¶i cã sù ®iÒu hµnh chung theo nh÷ng quy tr×nh hÖ thèng cña ngêi tæ chøc. V× vËy, vai trß con ngêi ë trong HTT§L lµ kh¸c nhau ë tõng kh©u, tõng møc ®é song tÊt c¶ ph¶i lµ mét sù thèng nhÊt, trong ®ã cã c¶ vai trß cña c¸c t vÊn vµ sù céng t¸c rõngéng liªn ngµnh. Cïng víi sù ph¸t triÓn cña viÔn th¸m, HTT§L vµ c«ng nghÖ ®a ph¬ng tiÖn, kh¶ n¨ng cung cÊp t liÖu vµ trao ®æi t liÖu lµm cho CSDL c¬ b¶n ngµy cµng phong 141 phó vµ hoµn thiÖn, nã lµ tiÒn ®Ò cho viÖc ph¸t triÓn øng dông HTT§L trong nhiÒu lÜnh vùc c¶ tù nhiªn vµ x· héi, c¶ viÖc qu¶n lý, theo dâi vµ dù b¸o. ViÖc x©y dùng c¸c HTT§L lµ cÇn thiÕt cho nhiÒu c¬ quan, nhiÒu ngµnh, nhiÒu cÊp kh¸c nhau. Tuy nhiªn, ®Ó thùc hiÖn viÖc ®Çu t vµ x©y dùng HTT§L cÇn ph¶i cã sù ph©n tÝch kü lìng tríc khi ®i ®Õn quyÕt ®Þnh. Cã nh vËy th× HTT§L míi trë thµnh mét c«ng cô ®¾c lùc cho nhiÒu lÜnh vùc qu¶n lý, nghiªn cøu vµ triÓn khai. 142
- Xem thêm -