GIS中的拓扑关系和ArcGIS中的拓扑
目錄
?
GIS中的拓撲關系
ArcGIS中的拓撲
GIS中的拓撲關系
拓撲研究的是幾何圖形的一些性質,它們在圖形被彎曲、拉大、縮小或任意的變形下保持不變。在變形過程中不使原來不同的點重合為同一個點,又不產生新點。拓撲有一個形象說法——橡皮幾何學。
拓撲變換:在原來圖形的點與變換了圖形的點之間存在著一一對應的關系,并且鄰近的點還是鄰近的點。
幾何( Geometry)是與點的位置有關。幾何信息主要涉及幾何目標的坐標位置、方向、角度、距離和面積等信息,它通常用解析幾何的方法來分析。
拓撲(topology )是與點的空間關系有關。空間關系信息主要涉及幾何關系的“相連”、“相鄰”、“包含”等信息,它通常用拓撲關系或拓撲結構的方法來分析。拓撲關系是明確定義空間關系的一種數學方法。在地理信息系統中用它來描述并確定空間的點、線、面之間關系及屬性,并可實現相關的查詢和檢索。從拓撲觀點出發,關心的是空間的點、線、面之間的聯接關系,而不管實際圖形的幾何形狀。因此,幾何形狀相差很大的圖形,它們的拓撲結構卻可能相同。
圖3-4(a)(b)所表示的圖,其幾何形狀不同,但它們結點間拓撲關系是相同的,均可用圖3-4(c)所示結點鄰接矩陣表示。(c)中交點為1處表示相應縱橫兩結點相連。
總之,拓撲關系反映了空間實體之間的邏輯關系,它不需要坐標、距離信息,不受比例尺限制,也不隨投影關系變化。因此,在地理信息系統中,了解拓撲關系對空間數據的組織,空間數據的分析和處理都具有非常重要的意義。
?
在GIS中,拓撲空間關系是指拓撲變換下的拓撲不變量,拓撲關系是指網結構元素結點、弧段、面域之間的空間關系,主要表現為下列三種關系:拓撲鄰接關系( Adjacency )、拓撲關聯關系( Incidence )、拓撲包含關系( Enclosure )。
拓撲鄰接指存在于空間圖形的同類元素之間的拓撲關系。鄰接關系通常用鄰接矩陣來表示。
拓撲鄰接性表示圖形中同類元素之間的拓撲關系。如多邊形之間的鄰接性,弧段之間的鄰接性以及結點之間鄰接關系(連通性)。由于弧段的走向是有向的,因此,通常用弧段的左右多邊形號來表示并求出多邊形的鄰接性,如圖3-6(a)所示圖,用弧段走向的左右多邊形表示時,得到表3-1(a)。顯然,同一弧段的左右多邊形必然鄰接,從而得到如表3-1(b)所示的多邊形鄰接矩陣表。表中值為1處,所對應多邊形相鄰接,從表3-1(b)整理得到多邊形鄰接性表如表3-1(c)所示。
????同理,從圖3-6(a)可得到如表3-2所示的弧段和結點之間關系表。由于同一弧段上兩個結點必連通,同一結點上的各弧段必相鄰,所以分別得弧段之間鄰接性矩陣和結點之間連通性矩陣如表2-3(a),(b)所示。
?
拓撲關聯指存在于空間圖形的不同類元素之間的拓撲關系。同樣,關聯關系可以用關聯矩陣來表示。
拓撲關聯性表示空間圖形中不同類型元素,如結點、弧段及多邊形之間的拓撲關系。如圖3-6(a)所示的圖形,具有多邊形和弧段之間的關聯性P1/a1,a5,a6;P2/a2,a4,a6等,如圖3-6(b)所示。也有弧段和結點之間的關聯性,N1/a1,a3,a5,N2/a1,a6,a2等。即從圖形的拓撲關聯性出發,圖3-6(a)可用如圖3-6(b),(c)所示的關聯表來表示。
????用關聯表來表示圖的優點是每條弧段所包含的坐標數據點只需存儲一次,如果不考慮它們之間關聯性而以每個多邊形的全部封閉弧段的坐標點來存儲數據,不僅數據量大,還無法反映空間關系。
包含關系可以分為3種,點在面內,線在面內,面在面內。包含關系也是GIS中十分重要的拓撲關系。
拓撲包含性是表示空間圖形中,面狀實體中所包含的其它面狀實體或線狀、點狀實體的關系。
????面狀實體中包含面狀實體情況又分為三種情況,即簡單包含、多層包含和等價包含。分別如圖3-7(a),(b)和(c)所示。
????圖3-7(a)中多邊形P1中包含多邊形P2,圖3-7(b)中多邊形P3包含在多邊形P2中,而多邊形P2,P3又都包含在多邊形P1中。圖3-17(c)中多邊形P2,P3都包含在多邊形P1中,多邊形P2、P3對P1而言是等價包含。
?
ArcGIS中的拓撲
參考資料:https://pro.arcgis.com/zh-cn/pro-app/help/data/topologies/topology-in-arcgis.htm
拓撲在ArcGIS中的實現
在地理數據庫中,拓撲是定義點要素、線要素以及多邊形要素共享重疊幾何的方式的排列布置。例如,街道中心線與人口普查區塊共享公共幾何,相鄰的土壤多邊形共享公共邊界。
處理拓撲不僅僅是提供一個數據存儲機制。在 ArcGIS 中,拓撲包括以下所有方面:
總結
以上是生活随笔為你收集整理的GIS中的拓扑关系和ArcGIS中的拓扑的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 机器学习方法三要素-阿里云大学
- 下一篇: 一套图 搞懂“时间复杂度”(转载)