地学数据的七多特性

既然地学数据是地球物质存在和运动形式的描述，地学信息是客观世界地学现象在人脑中的反映，当人观察某一地学对象和现象时，总是将它们置于一定的时间和空间中来描述其特性，获取感兴趣的信息，并用特定的数字、字母和符号等来表达。从科学意义上讲，时间和空间是物质存在的固有性质，而属性是将一种地学实体和其他实体区别开来的标志。所以我们可称地学数据是由地学对象属性、时间和空间三个元素构成的数据元组，可用（x，y，z，t，a）的数字形式来表示。因为空间维是三维的，属性维是多维的，时间维本质上虽是一维的，但可进行多维综合分析，如事件发生时间、数据库时间和数据显示时间等。

除了多维特征外，地学数据还有多源、多类、多尺度、多时态、多主题、海量（多量）等特征。地学数据的多源异构特点尤为突出，数据来源有地质测量、物探、化探、遥感、钻探等多种形式，每种数据的结构不同，又常分布式地存储在各地的点源数据库中。每种数据又经过长期更新、不断积累，构成了多时态的海量数据库，这些数据库按各主题建库，构成了多主题特征。因此在进行地学可视化时，必须要注意到地学数据的如下特点。

1.精确的三维空间坐标

每个地学实体都具有三维空间坐标，这就需要运用一些特殊的投影方法把它们映射到计算机屏幕上，如大比例尺地图都采用横轴墨卡托投影，陆地卫星专题制图仪（TM）得到的图像是多中心投影的。有些数据经过投影配准后，还必须进行重采样，以与地面控制信息配准。映射后的数据必须具有以下特点。

（1）精度准确：在长度、面积、角度（相互间的位置方向）和体积这些几何要素中，必须有一个绝对精确或近似绝对精确，其余的变形应尽量小。

（2）拓扑关系不变：指几何要素之间的相邻、包含、连通等关系保持不变。

（3）可查询交互：即可查询地学空间实体的地理坐标，以便与计算机所描述的地学空间实体进行交互分析与探索。

2.数据量大（多量）

遍布全球的地理、地质、气象、海洋、环境、生物等观测网夜以继日地获得巨量信息，还有未来的对地观测计划所获得的数据更是巨量的。地球观测计划（Earth Observing System，EOS）是美国宇航局（NASA）于1998年发射的一组卫星对地球形成的全方位、多平台观测计划。这些卫星每年将发回地球1／3PB（1000万亿字节）的信息。如此巨大的信息量将为可视化技术提供用武之地，但是必须发展快速、可压缩存储与并行计算的可视化算法。

3.具有多维特点（多维）

地学数据是属性、时间和空间三个元素构成的信息元组，可用（x，y，z，t，a）的数字形式来表示。其中（x，y，z）代表空间维，t代表时间维，a表示对象的属性维（属性不一定只有一个a1，还可能有a2，a3，…，an等多个属性）。比如地热场数据，除了具备X、Y、Z坐标值外，每个位置上都有个温度值，而地热场从古至今又随时间变化而变化，这样，要表达地热场就需要用五维的数据组来表达。其他还有很多这样的例子，不一一列举。

4.数据来源多样化（多源）

地学数据的来源有多种形式，如卫星遥感、地面测量、物探、化探、钻探、实验等。在进行一个地学专题可视化研究时，往往要用研究对象的多种数据源进行综合分析，因此需要考虑地学数据的多源特点。

5.数据类型多样化（多类）

地学数据按类型可以分为矢量数据、栅格数据、文字描述数据（属性数据）以及声音影像等多媒体数据。矢量图形数据又可以分为规则格网数据、不规则三角网数据和带有拓扑关系的图形数据。矢量图形数据按信息系统文件格式又可以分为Map Info格式、Arc GIS格式、Quanty View格式、Map GIS格式、Auto CAD格式、Geo Map格式、Geo Frame格式、Core Draw格式、Sufer格式、Microstation格式、Land Mark格式等。

1）带有拓扑关系的图形数据

矢量形数据是以矢量形式表示的单一地学要素的集合，一般是几何数据，也称空间位置数据。这些地学要素可以是点状要素、线状要素和面状要素，虽多为独立变量，但都与表示对象的属性相联系。对于以上三种不同的地学要素，在二维空间中可分别以点（坐标对：x，y）、线（坐标串或弧拓扑关系）和面（闭合坐标串或多边形拓扑关系）加以描述；并且用点属性表（Point Attribution Table，PAT）、弧段属性表（Arc Attribution Table，AAT）和多边形属性表（Polygon Attribution Table，PAT）分别记录它们的空间位置、长度、面积、内码、用户编码等基本信息。

2）规则格网数据

在这种数据模型中，地学要素的空间位置由格网（Grid）表示，其数量和特性由格网值表示。格网的起点、尺寸以及行列数组成了格网数据模型的定位基础，可以看出格网数据结构映射为计算机图像极为容易。从现代计算机图形学的观点来看，矢量型和格网型数据的本质差别已经很小。但是，在数据的前期处理中，发展高效的矢量 栅格转换算法依然十分重要。

3）不规则三角网数据

这种数据由一系列的“质点”构成，每一质点和与其最近的其他点组成不规则三角网（TIN）。当质点越密时，精度越高。地学研究中的各种观测数据，如气温、降水量等都可以用不规则三角网高效、简捷地表达，而且利用这种数据模型计算面元的法矢量以及面元之间的遮蔽关系非常容易。

4）栅格数据

通常用点阵（位图）数据的形式表示客观实体的分布形态，如有数字式的卫星遥感图像、航空摄影图像、地物照片图像、计算机生成的光栅图像等。数字式的遥感图像因为要与数字地形模型等各种格网数据相叠加分析，由其反演获得的各种参数在表现形式上也是数字图像。因此，图像数据也可以用格网数据结构表达，但必须经过几何校正和重采样，赋予它一定的空间坐标系统。

5）属性数据（文字描述数据）

空间实体具有复杂的属性是地学数据的特点，属性是几何图形和像素的特征，是地学实体的意义，是可视化对象赖以表达的基础。属性数据是数值数据，主要有表示对象名称、类型、等级、强度等的统计数据。描述性的属性数据只有与空间数据库相联结，它才能具有更丰富的意义，也才能方便地对它们进行视觉化造型。这种联结被称为地理关系模型，它使得空间数据和属性数据共存于一个综合性的数据库中。属性数据与空间数据库的联结是通过用户编码或标识符与指针来实现的。

6）多媒体数据

多媒体数据起着协助地学分析的作用，它包括物体的数字照片、视频、音频及文本等数据。它们作为特殊的属性存储在数据库中，供查询、显示和输出。

6.数据具有多尺度特点

多尺度可以分为空间多尺度和时间多尺度。空间多尺度是指不同的比例尺数据或者不同网格精度的格网数据，如1∶1万、1∶10万的全国地图。美国于1995年4月提出了国家数字地理空间数据框架（NDGDF）实施计划，开始建立包括大地测量控制、数字正射影像、数字高程模型、交通、水文、行政单元以及公用地块地籍数据在内的数据框架，标准精度为50m（粗）、10m（中）和1m（细）。美国地质测量局（USGS）在完成了1∶200万全要素地形数据库、1∶10万地形数据库（部分要素）和1∶25万土地利用数据库之后，开始建立全国1∶214万地形数据库、1∶2万4D数据库，其中4D是指DEM（数字高程模型）、DOM（数字正射影像图）、DRG（数字栅格地图）和DLG（数字矢量地图）。Geomatics Canada负责全加拿大国家地形数据库（NTDB），已经完成1∶25万库和南部人口稠密地区的1∶5万库。欧洲大多数国家版图较小，数字地理空间数据生产基础较好。英国陆军测量局从1970年开始从事数字化制图，已正式向社会提供全国范围的1∶5万、1∶25万以及城市地区1∶1250、农村地区1∶2500、山区及荒地1∶10 000的数字化地图。法国地理院从1985年起建立1∶5万全国地形数据库（BDTOPO），x、y精度为215m，z精度为110m。三维格网数据模型也可以按网格大小剖分成精度不一样的多尺度网格模型。比较典型的例子是角点网格三维地质体模型，可以局部加密形成三维多尺度角点网格模型，如图1-3所示。

图1-3 角点网格模型和多尺度角点网格模型

时间多尺度是指不同时间长度的数据。如我们对一些属性数据描述可以取一年的步长，也可以取三年的步长，这样就形成了时间多尺度数据。

7.数据具有多时态、多主题特点

地学数据经过长期更新、不断积累，构成了随时间变化的多时态海量数据库，这些数据库按各主题建库，构成了多主题特征。

8．区域分布性

区域分布性即地学数据具有空间定位的分布特点。地学数据的产生是分布性的，即由不同地点获取；地学数据的管理是分布性的，即不同来源的数据往往由不同部门管理，而地学分析难以仅依靠一种来源、一个部门的数据解决；区域分布性的数据必须要求分布式计算，这就要求建立相应的地学空间数据库和数据引擎，从而实现地学空间数据的分布式高效快速提取和计算存储运行机制。