¿Qué son los datos ráster y vectoriales en el contexto del SIG?
En términos generales, ¿para qué aplicaciones, procesos o análisis es adecuada cada una? (y pas para el que es adecuado)
¿Tiene alguien alguna imagen pequeña, concisa y eficaz que transmita y contraste estas dos representaciones de datos fundamentales?
Datos vectoriales
Ventajas : Los datos pueden representarse en su resolución y forma originales sin necesidad de generalizarlos. El resultado gráfico suele ser más agradable estéticamente (representación cartográfica tradicional); Dado que la mayoría de los datos, por ejemplo los mapas impresos, están en forma vectorial, no es necesario convertirlos. Se mantiene la localización geográfica exacta de los datos. Permite una codificación eficiente de la topología y, como resultado, operaciones más eficientes que requieren información topológica, por ejemplo, proximidad, análisis de redes.
Desventajas: La ubicación de cada vértice debe almacenarse explícitamente. Para un análisis eficaz, los datos vectoriales deben convertirse en una estructura topológica. Esto suele ser un proceso intensivo y suele requerir una amplia limpieza de los datos. Además, la topología es estática, y cualquier actualización o edición de los datos vectoriales requiere la reconstrucción de la topología. Los algoritmos de las funciones de manipulación y análisis son complejos y pueden requerir mucho procesamiento. A menudo, esto limita intrínsecamente la funcionalidad para grandes conjuntos de datos, por ejemplo, un gran número de características. Los datos continuos, como los de elevación, no se representan eficazmente en forma vectorial. Por lo general, se requiere una generalización o interpolación sustancial de los datos para estas capas de datos. El análisis espacial y el filtrado dentro de los polígonos es imposible
Datos rasterizados
Ventajas : La ubicación geográfica de cada celda está implícita en su posición en la matriz de celdas. Por lo tanto, aparte de un punto de origen, por ejemplo, la esquina inferior izquierda, no se almacenan coordenadas geográficas. Debido a la naturaleza de la técnica de almacenamiento de datos, el análisis de datos suele ser fácil de programar y rápido de realizar. La naturaleza inherente de los mapas ráster, por ejemplo, los mapas de un atributo, es ideal para la modelización matemática y el análisis cuantitativo. Los datos discretos, por ejemplo los rodales forestales, se acomodan igual de bien que los datos continuos, por ejemplo los datos de elevación, y facilitan la integración de los dos tipos de datos. Los sistemas de celdas cuadriculadas son muy compatibles con los dispositivos de salida basados en la trama, por ejemplo, los trazadores electrostáticos o los terminales gráficos.
Desventajas: El tamaño de la celda determina la resolución con la que se representan los datos.; Es especialmente difícil representar adecuadamente las características lineales en función de la resolución de las celdas. En consecuencia, es difícil establecer vínculos de red. El procesamiento de los datos de atributos asociados puede ser engorroso si existen grandes cantidades de datos. Los mapas rasterizados reflejan intrínsecamente un solo atributo o característica para un área. Dado que la mayoría de los datos de entrada están en forma vectorial, los datos deben someterse a una conversión de vector a raster. Además de aumentar los requisitos de procesamiento, esto puede introducir problemas de integridad de los datos debido a la generalización y a la elección de un tamaño de celda inadecuado. La mayoría de los mapas resultantes de los sistemas de celdas cuadriculadas no se ajustan a las necesidades cartográficas de alta calidad.
Píxeles frente a coordenadas Cuando pienso en mapas rasterizados, lo primero que se me viene a la cabeza son las imágenes de satélite. Casi todos los píxeles de una imagen de satélite detallada de una zona urbana pueden contener información única. Un solo azulejo en un mapa web (normalmente una variante de Mercator denominado vagamente como " _Mercator esférico " o " Web Mercator_ " y con el apoyo de Google , Bing Yahoo, OSM y ESRI) suele tener 256 x 256 = 65.536 píxeles, y cada nivel de zoom tiene (2^zoom * 2^zoom) azulejos. Cuando pienso en un vector, pienso en polígonos y líneas. Por ejemplo, un archivo de formas que detalla los límites de la zonificación de toda una ciudad (potencialmente millones de mosaicos Raster) podría tener sólo 65.000 formas Vectoriales.
Escala precisa Parece que usted (y probablemente la mayoría de los lectores) ya conoce la diferencia más obvia entre los píxeles fijos rasterizados y los vectores (mapas de coordenadas). Los dibujos vectoriales (y los mapas) pueden escalar con un mayor grado de fidelidad que los píxeles porque los datos vectoriales contienen patrones de coordenadas (puntos, polígonos, líneas, etc.) que pueden representarse en relación con otros a diferentes resoluciones utilizando fórmulas sencillas, mientras que el cambio de tamaño de los píxeles suele utilizar un algoritmo de alisado que da lugar a artefactos de imagen.
Compresión de imágenes frente a compresión de estructuras En la práctica, la mayoría de las imágenes no tienen un 100% de píxeles únicos que puedan comprimirse en paquetes de datos más pequeños, y muchos archivos vectoriales contienen un exceso de detalles que no son necesarios en muchos niveles de zoom de bajo detalle. La compresión de imágenes es un proceso bien conocido y bastante eficiente, y casi todas las bibliotecas de codificación tienen clases incorporadas para realizar este trabajo. La compresión de coordenadas vectoriales, o la "simplificación de la geometría" es un poco menos común (como los SIG en general son un poco menos comunes que la manipulación general de imágenes). En mi experiencia, pasarás cerca de 0 tiempo pensando en la compresión de la imagen (simplemente la apagas o la enciendes) y considerablemente más tiempo pensando en la compresión espacial. Consulte el Algoritmo de Douglas Peucker para ver ejemplos, o simplemente jugar con QGIS y algunos archivos de límites del censo.
Renderización en el lado del cliente o del servidor Al final, todo lo que se ve en un ordenador se convierte en píxeles en la pantalla a una resolución determinada (es decir, un nivel de zoom). A menudo (sobre todo en la web) el reto consiste en hacer llegar esos píxeles a los usuarios de la forma más eficiente posible. La página web Ficheros de formas de grupos de bloques y distritos censales de EE.UU. son especialmente interesantes porque están justo en el límite de los conjuntos de datos vectoriales que son "demasiado grandes" para representarlos en un navegador web como datos vectoriales. Por el contrario, los condados de EE.UU. apenas pueden representarse en los navegadores modernos como una descarga vectorial. Mientras que un archivo vectorial de grupos de bloques del censo de EE.UU. sería ciertamente más pequeño que un conjunto de mosaicos rasterizados para cubrir todo EE.UU. en múltiples niveles de zoom, el archivo de forma de grupo de bloques es demasiado grande (cerca de 1 GB) para que un navegador web lo descargue en demanda. Incluso si el navegador web pudiera descargar el archivo rápidamente, la mayoría de los navegadores web (incluso utilizando flash) son bastante lentos cuando se renderizan grandes cantidades de formas. Por lo tanto, para ver grandes conjuntos de datos vectoriales, a menudo es mejor traducirlos en imágenes comprimidas para su transmisión al navegador web.
Algunos ejemplos prácticos Hace unos días respondí a una pregunta similar sobre la representación de grandes conjuntos de datos en google maps. Puedes ver la pregunta y un análisis detallado de las "mejores prácticas" utilizadas por el NY Times y otros hoy en día ici .
Hace unos años decidimos dejar de lado el renderizado vectorial del lado del cliente con flash para pasar a un renderizado vectorial del lado del servidor que entrega mosaicos de imágenes comprimidas a puro html y JavaScript. Tenemos un galería de mapas con varias versiones de Html+Raster (mosaicos de imágenes generados por el servidor) y Flash+Vector (renderización pesada del lado del cliente).
Parece que está buscando una forma de expresar esto a personas no técnicas, tal vez. Podría utilizar una analogía con dos objetos de la infancia, el papel cuadriculado y un rompecabezas de conectar los puntos. Cada cuadrado de una hoja de papel cuadriculado corresponde a una celda rasterizada, así que imagina que coloreas cada cuadrado o pones un número en él. Los datos vectoriales son un rompecabezas de conectar los puntos. En ambos casos, cada capa es simplemente otra hoja de papel.
Esta imagen da una buena idea de la representación de datos rasterizada frente a la vectorial.
En Rastor, el área considerada se divide en cuadrados iguales y se le asigna una característica. Por lo tanto, si se considera la creación de una estructura de datos para Rastor, sería una matriz 2D, cada coordenada x,y se refiere a un cuadrado en el área y puede tener una determinada característica predefinida, por ejemplo, edificio, carretera, vegetación, masa de agua, etc.
En Vector, los datos se representan en términos de puntos, líneas y polígonos. Así, un lugar turístico se representa como un PUNTO(x,y), un río o una carretera se representa como una cadena de líneas (que es una serie de puntos conectados), un lago o un estadio, etc. se representa como un polígono (lista de puntos que forman un área cerrada) - Lea más aquí: https://en.wikipedia.org/wiki/Well-known_text
Las imágenes provienen de la búsqueda en la web, ya que en su momento hice capturas de pantalla y ahora no tengo enlaces a la fuente original en la web. Disculpas por ello.
Pero espero que esta respuesta ayude a explicarlo a una persona nueva en GIS :D
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
