‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪1‬‬
‫יתרונות בסיס נתונים גיאוגרפי‬
‫‪ .1‬מניעת הכפלת נתונים ויצירת מידע עודף‬
‫‪ .2‬יישומים שאינם תלויי נתונים‪ -‬אין צורך בפיתוח קסטומיזציה לכל צורך‬
‫‪ .3‬ייעול‪ -‬שיתוף נתונים כתוצאה מהאחדה בהגדרות‬
‫‪ .4‬הגנה טובה יותר על הנתונים‪ -‬הגנת מערכת ובמובן של פיזורם בתיקיות‬

‫‪DBMS- Data Base management‬‬

‫יש צורך ביכולות הבאות כדי שה ‪ DBMS‬יבצע את עבודתו‪:‬‬

‫‪ .1‬מודל נתונים ‪ -‬צריך לתמוך במודלי הנתונים הבסיסיים ביותר‪ -‬רסטר‪ ,‬וקטור‬
‫‪ .2‬קליטת נתונים – התמרות וכלי ייבוא וייצוא‪ -‬ניתן להעביר מכל כלי וכלי לכלי אחר‪ .‬המרת נתונים בכדי‬
‫להתאימם‬
‫‪ .3‬אינדקס – מנגנון שמאפשר חיפוש‪ .‬אנחנו קובעים שדה מסוים ואז מפעילים שיטת חיפוש‬
‫‪ .4‬שפת תשאול – צריך לתמוך ב ‪SQL‬‬
‫‪ .5‬מנגנוני אבטחה – הגבלות קריאה ‪ ,‬פריצה וכתיבה‬
‫‪ .6‬גיבוי והתאוששות מתאונות‬
‫‪ .7‬כלי ניהול – מאפשרים לנו להציג למשתמש את הדוחות‪ ,‬המפות הסופיות‬
‫‪ .8‬יישומים ייעודיים‬
‫‪ .9‬עדכון ועבודה רבת משתמשים‬

‫‪ – )Related DBMS( RDBMS‬סט של טבלאות המקושרות ביחסים השונים‬

‫‪ – )Object Related DBMS( ORDBMS‬מנוע ‪ RDBMS‬לטיפול באובייקטים‬

‫‪ – )Object DBMS( ODBMS‬אגירת אובייקטים כלי תשאול במונחי עצמים‪ -‬שינוי באובייקט גורם לשינוי בכל‬
‫מאגר הנתונים‬

‫‪ --‬במרבית המקרים נדבר ונתעסק בטבלאות ‪--‬‬

‫דוגמא ל ‪– SQL‬‬

‫‪ -Codd Laws‬חוקיות‬
‫‪ .1‬ערך יחיד בצומת שבין שורה לשורה ‪ :‬אין רווח בין מילה‬
‫‪ .2‬כל הערכים בעמודה מתייחסים לאותו נושא ‪ :‬אי אפשר להחליף את השם לראש העמודה‬
‫‪ .3‬כל רשומה מהווה אובייקט ייחודי ‪ :‬אי אפשר לערבב בין נתונים‬
‫‪ .4‬אין חשיבות לסדר השורות ‪ /‬הרשומות‬

‫‪1‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ – JOIN‬אופרטור לצירוף טבלאות – בניית טבלה חדשה משתי טבלאות‪ ,‬עפ"י עמודה אחת או יותר המשותפות‬
‫לשתי הטבלאות‪.‬‬

‫‪ -EQUI JOIN‬יחבר את הרשומות שיש ביניהן דמיון‬

‫‪ -THETA JOIN‬מחברים את מי שעונה לתנאי שלנו‪ ,‬עפ"י תנאי מסוים שקבענו (<‪ ,not ,> ,‬וכו')‬
‫דוגמא ל‪: JOIN -‬‬

‫‪ – SPATIAL JOIN‬שילוב ‪ 2‬שכבות רק עפ"י ההתאמה הג"ג‪ -‬קואורדינאטות המיקום הג"ג‬

‫במקרים כאלו כמובן שיש להבחין בין נקודות קווים ופוליגונים‬

‫‪ -LINK‬קישור וירטואלי התומך ביחסי ‪.One to many‬‬

‫‪ -Douglas Poyker Algorithm‬אלגוריתם הבא לתת פתרון‬

‫לבעיית הכללת הקווים‪.‬‬
‫דרך הפעולה ‪:‬‬
‫‪ .1‬מותחים קו בין ‪ 2‬קצוות הקו‬
‫‪ .2‬שולחים אנך לנקודה הרחוקה ביותר‪ -‬שלב איררטיבי‪-‬‬
‫שלב החוזר על עצמו שוב ושוב‬
‫‪ .3‬ממשיך בהליך התניה עד שמפסיק עפ"י ההתניה‪ -‬אם‬
‫הנקודה הרחוקה ביותר קטנה מערך‬
‫מסוים(‪ ,)Tolerance‬האלגוריתם לא ממשיך‪.‬‬

‫‪2‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫יחסי נקודה פוליגון –‬

‫התניה מטיפוס ‪If Then..‬‬

‫‪3‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪2‬‬
‫היסטוגרמות‪:‬‬
‫היסטוגרמה‪ -‬ייצוג גרפי של התפלגות הפיקסלים בתמונה ראסטרית‪ .‬לכל פיקסל יש ‪)Digital Number( D.N‬‬
‫הנע בין ‪( 0‬שחור) ל‪( 255 -‬לבן)‪.‬‬
‫ישנם כמה סוגי היסטוגרמות אופייניות‪:‬‬

‫ישנם מספר סוגי עיבודים שניתן לבצע‪:‬‬

‫‪ .1‬מתיחה‪ -‬עבודה על ההיסטוגרמה לצורך הבדלה בין אובייקטים‪ ,‬כך שנוכל ליצור הבדלה טובה יותר בין‬
‫ערכי קיצון‪.‬‬
‫מתיחה ליניארית (לטווח ‪ 8‬ביט)‪ :‬המתיחה הפשוטה ביותר‪" -‬מותחים" את השונות בין הפיקסלים‬ ‫‪‬‬
‫לטווח המקסימאלי (‪ 0‬עד ‪ )255‬ע"י הנוסחא הבאה ‪:‬‬

‫החיסרון‪ -‬לא מגדיל את טווח הגוונים!‬

‫מתיחה לא ליניארית ‪ :‬מאפשרת הצבה מחדש של הפיקסלים כך שנקבל מספר שווה של פיקסלים‬ ‫‪‬‬
‫בתוך טווח הערכים‪ .‬לדוג'‪ -‬בהיסטוגרמה גאוסיינית נשאף ל"הרים" את הקצוות על חשבון המרכז‪.‬‬

‫‪4‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫דוגמאות‪:‬‬

‫אופן הביצוע‪ :‬לוקחים את סה"כ גובה העמודות ומחקים במספר העמודות הרצוי‪:‬‬

‫לא ניתן לפרק את הקידוד הראשוני מכיוון שאז נצטרך לקדד מחדש ===> חייבים לאחד עמודות בכדי‬
‫שנקבל הדגשה של השוליים (על‬
‫חשבון המרכז)‪.‬‬
‫נשתמש בנוסחה ====== >‬

‫לדוג' ‪ :‬לקבלת הסף (‪ )A‬נבצע את החישוב‪:‬‬

‫‪( 240 / 10 = A‬סה"כ גובה התאים חלקי‬
‫מס' העמודות)‪.‬‬
‫נקבל את‬
‫התוצאה‪:‬‬

‫‪5‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫לדוג' ‪ :‬בעמודה הראשונה חיברנו ‪ 5 + 5 + 10‬וקיבלנו ‪ ,20‬אם נחבר את העמודה הבא (‪ )15‬נעבור את הסף (‪)24‬‬
‫ולכן מפסיקים ומתחילים מחדש בעמודה הבאה‪.‬‬
‫ככל הנראה מתחילים משני הצדדים ומתכנסים לאמצע‪ -‬אחרת לא מגיעים לתוצאה הנ"ל!‬
‫(שאלנו את שמעון וגם הוא לא ידע‪ -‬לא בטוח שזה נכון!!!)‬

‫‪ .6‬הדגשה (‪ -)Enhancement‬עובד על פרדיגמת קרנל (‪ ,)Kernel‬חלונות נעים‪.‬‬

‫‪ -High Pass Filter‬הדגשת ספים (מגדיל את ההבדל בין התא לשוליים)‪:‬‬ ‫‪‬‬

‫‪ .1‬כל תא בקרנל מוכפל ב‪)-1( -‬‬

‫והתא המרכזי מוכפל ב‪16 -‬‬ ‫‪.2‬‬
‫‪ .3‬סוכמים את הכול ומחלקים ב‪ .8 -‬את הערך שקיבלנו מאפסנים בתא המרכזי (שאר התאים נשארים כפי‬
‫שהיו)‪.‬‬
‫‪ -Low Pass Filter‬מיצוע‪ :‬מכפיל כל תא בקרנל באחד‪ ,‬סוכם את כל התאים ומחלק במספרם‪.‬‬ ‫‪‬‬

‫‪ .3‬מיונים (‪-)Classification‬‬

‫(ממוצע ‪ +‬סטיית תקן)‬ ‫האלגוריתם‪ - :‬קביעת מרכזי האשכולות‪:‬‬

‫‪ .1‬מדידת מרחק ספקטראלי ממרכזי‬

‫האשכולות‪.‬‬
‫(ממוצע ‪ -‬סטיית תקן)‬ ‫‪ .2‬השמת הפיקסלים‪.‬‬
‫‪ .3‬חישוב מחודש של המרכז (קביעת מרכזי‬
‫האשכולות)‪.‬‬
‫‪ .4‬שיוך התאים למרכזי האשכולות (פיתגורס‬
‫לכל אחד מהמרכזים ובחירת המינימום)‪:‬‬

‫‪6‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫מטריצת הבלבול ( ‪ -)Confusion Matrix‬הדיוק הכולל‪ -‬סך כל האלכסונים חלקי סך כל התצפיות‪ .‬דיוק‬
‫באחוזים‪.‬הדוגמה מהכיתה (מי שהבין הכול יש לו ‪ 100‬עלי)‪:‬‬

‫דיוק בקאפות (‪:) Kappa Coefficient‬‬

‫זהו מדד שמשקלל את השגיאה בין המחשב למציאות‪ .‬ככל שהערך קרוב ל‪ 1 -‬יש התאמה טובה יותר (ערך‬ ‫‪‬‬
‫שלילי‪ -‬שיקוף גרוע!)‪.‬‬

‫‪7‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪3‬‬
‫מטריצת הבלבול – ‪Confusion Matrix‬‬
‫מדד שקלול השגיאה על ידי השוואה בערכי השדה שבדקנו אל מול ערכי המיון שעשינו במחשב‪.‬‬

‫נוסחת ה‪ Kappa-‬היא ‪:‬‬

‫סכום האלכסונים‬

‫סה"כ סכום השורות כפול העמודות‬

‫מספר התצפיות שיש בידינו‬
‫המיון במחשב‬ ‫‪‬‬

‫כאשר עכשיו נבדוק את השדה מול המחשב‪.‬‬

‫‪1‬‬
‫‪1‬‬
‫‪3‬‬
‫‪4‬‬
‫‪3‬‬
‫‪1‬‬
‫‪1‬‬
‫‪3‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬
‫‪3‬‬
‫‪2‬‬

‫עכשיו אנחנו בודקים במטריצת הבלבול עצמה ‪:‬‬

‫מיון בשדה‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬
‫‪3‬‬‫*‬
‫מיון במחשב‬
‫‪2‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪2‬‬
‫‪3‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪4‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬

‫‪8‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫כעת אנו בודקים במטריצה כמה פעמים לדוגמא רשמנו במיון מחשב אחד וגם בשדה קיבלנו את אותו ערך (ראה‬
‫למעלה ‪ 3‬פעמים)‪.‬‬

‫כעת כל מה שנותר זה להציב בנוסחא ‪:‬‬

‫מספר התצפיות שיש לנו הוא ‪ Σ = 3+1+1+0 = 5 .N = 13‬אלכסונים‬
‫‪ Σ = (5*5+3*3+2*4+1*3) = 45‬עמודות כפול שורות‬
‫)‪13 * 5  (45‬‬
‫= ‪Khat‬‬ ‫‪ 0.16‬‬
‫‪132  45‬‬

‫‪( RMS ERROR‬שגיאה מקומית)‬

‫תיקון הנקודה הבעייתית‪ ,‬השאיפה שהטעות תהיה מתחת ל‪ )X<1 ( 1‬וכמה שיותר קרובה לאפס‪.‬‬

‫‪RMS ERROR= = 1 (5  4) 2  (3  3) 2‬‬ ‫‪Xr = 5 Yr = 3‬‬ ‫דוגמא ‪Xi = 4 Yi = 3 :‬‬

‫‪( TOTAL RMS ERROR‬שקלול השגיאה)‬

‫על סמך מספר נקודות נבצע את בדיקת השגיאה‪.‬‬

‫לדוגמא ניקח שלוש נקודות ‪:‬‬

‫‪Xr‬‬ ‫‪Yr‬‬ ‫‪Xi‬‬ ‫‪Yi‬‬ ‫הפרש ‪X‬‬ ‫הפרש‪Y‬‬ ‫הפרש ‪X‬‬ ‫הפרש ‪Y‬‬
‫בריבוע‬ ‫בריבוע‬
‫‪126‬‬ ‫‪220‬‬ ‫‪125‬‬ ‫‪200‬‬ ‫‪1‬‬ ‫‪20‬‬ ‫‪1‬‬ ‫‪400‬‬
‫‪137‬‬ ‫‪217‬‬ ‫‪131‬‬ ‫‪217‬‬ ‫‪6‬‬ ‫‪0‬‬ ‫‪36‬‬ ‫‪0‬‬
‫‪138‬‬ ‫‪270‬‬ ‫‪135‬‬ ‫‪230‬‬ ‫‪3‬‬ ‫‪40‬‬ ‫‪9‬‬ ‫‪1600‬‬

‫‪9‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪1‬‬
‫=‬ ‫‪* (1  36  9) = 3.913‬‬
‫‪3‬‬

‫‪1‬‬
‫=‬ ‫)‪* (400  0  1600‬‬ ‫‪= 63.56‬‬
‫‪3‬‬

‫=‬ ‫‪(3.915) 2  (25.82) = 62.11‬‬

‫ראינו שיצא ערך מאוד גבוה ‪ ,‬השאיפה שיצא כמה שיותר נמוך מאחד והכי קרוב לאפס !‬

‫‪10‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪4‬‬

‫רשתות‪NETWORKS -‬‬

‫קיים הבדל מהותי בין ניתוח רשת וקטורית לרסטרית ‪:‬‬

‫‪ ‬רשת וקטורית ‪ -‬המסלול נקבע מראש והחיפוש רץ על מסלולים קיימים מתוך אוסף מוגדר של מסלולים‬
‫(לדוגמא רשת הכבישים שכבר סלולה)‬
‫‪ ‬רשת רסטרית ‪ -‬אין רשת מסלולים קיימת‪ ,‬סוללים מסלול בעצמנו עפ"י ‪.8D‬‬

‫לוקטור יש יתרון על רסטר בטיפולוגיה‪ ,‬יותר קל לנהל רשת קווית בוקטור כיוון שניתן להגדיר את כיווניות‬
‫התנועה מראש‪ ,‬לעומת זאת ברסטר מדובר על סלילת רשת חדשה‪.‬‬

‫‪ – Vertices‬אוסף נקודות לאורך הקו‪ ,‬אובייקט גרפי שלא ניתן לקדד או להתנות‪.‬‬

‫‪ – Nodes‬נקודות סוף הקו‪ ,‬לכל קו יש ‪ Nodes 2‬ורק דרכם קווים מתחברים‪ .‬הקווים מקבלים את כיוונם עפ"י‬
‫הגדרת ה‪ .Nodes -‬אם שני קווים לא חולקים ‪ Nodes‬אי אפשר לעבור מאחד לשני‪.‬‬
‫קיימים שני סוגים‪ ,‬המורים על כיוון התנועה‪-‬‬
‫‪To Node .1‬‬
‫‪From Node .2‬‬

‫‪ -Geocoding‬הגדרת מערכת קואורדינאטות גיאוגרפיות לכתובת נתונה שמהווה קישור בין הממ"ג לעולם‬
‫האמיתי‪ .‬הכתובת כוללת רחוב‪ ,‬מספר‪ ,‬מיקוד‪ ,‬כינוי וכו'‪ .‬לממ"ג יש אפשרות לתרגם את הקורדינטות של המיקום‬
‫לכתובת בעזרת ה‪ ,locator-‬שיודע לתרגם את הכתובת מהרשת לכתובת שהמשתמש מחפש‪.‬‬

‫‪ – Address data‬נתון של כתובת יחידה או טבלת כתובות שברצוננו לחבר לשכבת כתובות נתונה‪ -‬המשתמש‬
‫מחפש‪.‬‬
‫‪ – Reference data‬שכבה הכוללת את נתוני הכתובת ונתוני המיקום של אובייקטים כולל טבלה נושאית‪ ,‬רכיב‬
‫גיאומטרי ואינדקס גיאוקוד‪ -‬הללו כתובות זמניות בממ"ג‪.‬‬

‫תכונות הכתובת שמאפשרות קידוד‪:‬‬

‫‪ .1‬לכל ישות כתובת אחת (גם אם היא בפינת ‪ 2‬רחובות היא תקבל כתובת אחת)‬

‫דוגמאות‬ ‫‪ .2‬שמות הרחובות‬

‫לקידוד‪:‬‬ ‫‪ .3‬טווח המספרים של הבתים‬
‫‪ .4‬זוגי‪ /‬אי זוגי‬

‫אופן אחסון הנתונים‪ -‬חיבור טבלת הכתובות לרשת‪.‬‬

‫הצורה הנפוצה ביותר היא קו המייצג בלוק עם‬ ‫‪‬‬
‫טווח הנתונים לכל‬
‫כתובת‪.‬‬

‫מחלקים את ה‪ Database-‬ל‪ 4-‬שדות‪Right 2 :‬‬ ‫‪‬‬

‫ו‪.Left 2-‬‬

‫‪11‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ - Mis-matching‬במידה ויש בעיות לזהות את הכתובת יש צורך להריץ אלגוריתם שבודק את הקשרים בין‬
‫שמות הכתובות‬

‫מימוש הפרדיגמה של ה ‪: GEOCODING‬‬

‫‪ .1‬הפיכת מפת הבסיס למצב מוכן ל‪ ,geocoding-‬קידוד שכבת הבסיס – רשת וקטורית שמגדירים לה‬
‫‪ Left‬ו‪ Right-‬וצריך להתאים אותה למקום עליו עובדים‪ .‬בחירת ‪.Address style‬‬
‫‪ .2‬שלב התאמת הכתובות (‪ –)Batch matching‬התאמה בין הנתונים של בסיס הנתונים לטבלה של‬
‫השכבה הקווית‪ .‬הפיכה לפורמט אחיד כמו ב‪ .Join-‬התאמה אוטומטית שמחפשת שדה‪-‬שדה ובודקת‬
‫התאמה וזהות‪.‬‬
‫‪ .3‬התאמה ידנית (עריכה) של הכתובות הבעייתיות (‪ -)Rematch‬תהליך גמיש‪ ,‬ניתן לשלוט בצורה ידנית‬
‫במדדי ההתאמה באמצעות ‪ 3‬ציונים עפ"י רמות דיוק וקרבה של הכתובות הבעייתיות לכתובות המופיעות‬
‫בבסיס הנתונים‪.‬‬

‫מפתחות הציון (גמישות)‪:‬‬

‫‪ – Spelling sensitivity .1‬קובע כמה שונות ירשה ה‪ Address locator-‬כאשר יחפש מועמד בנתוני‬
‫טבלאות השכבה‪ .‬קובע בכמה מועמדים ה‪ Address locator-‬יטפל בהמשך ‪ -‬לא שולט בציון הסופי של‬
‫המועמד‪ .‬ערך גבוה יגביל את החיפוש למועמדים מדויקים (פחות גמישות) וערך נמוך יותר ימצא גם מועמדים‬
‫פחות מתאימים‪.‬‬
‫* לאחר מכן ה‪ Address locator-‬מחשב את ציון ההתאמה לכל מועמד ומדרג את המועמדים עפ"י ציון‪.‬‬
‫אם ציון האיות נמוך יהיו יותר מועמדים לחשב להם ציון התאמה‪.‬‬
‫‪ – Minimum candidate score .6‬עד כמה נמוך יכול להיות המועמד הגרוע ביותר‪ ,‬כלומר מי יוצג בחלון‬
‫לתיקון‪ .‬קביעה עד כמה מקצצים את הזנב התחתון‪ .‬הטווח הוא ‪ 0-100‬כשברירת המחדל היא ‪ 30‬ולכן כל מי‬
‫שיקבל פחות מ‪ 30-‬יעוף‪ .‬במידה ואין התאמה בערך זה אפשר להוריד את הסף ואז מועמדים עם ציון התאמה‬
‫נמוך יותר יכללו ברשימה‪.‬‬
‫‪ - Minimum match score .3‬קובע כמה קרובות צריכות להיות הכתובות למועמד הדומה ביותר כדי‬
‫להיחשב מתאימות‪ .‬ציון ‪ 100‬הוא התאמה מלאה (כל התווים שווים)‪ .‬בין ‪ 80‬ל‪ 99-‬נחשב להתאמה טובה‪,‬‬
‫כאשר הציון הגבוה ביותר יותאם‪ .‬מתחת ל‪ 80-‬נחשב לאי התאמה‪.‬‬

‫לסיכום‪:‬‬

‫שלב ‪ – 1‬סטנדרטיזציה – המערכת מחלקת את הכתובת לשדות המתאימים (שם רחוב‪ ,‬מספר‪ ,‬סוג רחוב וכו')‬
‫כדי שהמערכת תוכל להשוות את נתוני הכתובת לנתוני הרשת‪.‬‬
‫שלב ‪ – 6‬חיפוש ‪ -‬ה‪ Address locator-‬מחפש בשכבת היעד רשומות עם מרכיבים זהים לאלו שזוהו‬
‫בסטנדרטיזציה‪ .‬בשלב זה נעשה שימוש בדיוק האיות (‪ )spelling‬להגביל את אגירת המועמדים‪.‬‬
‫שלב ‪ – 3‬ציון ודרוג – ה‪ Address locator-‬נותן ציון ומדרג את המועמדים שנכנסו עפ"י ציון ההתאמה‬
‫שלהם‪ ,‬הציונים נעים בין ‪ 0‬ל‪( 100-‬הציון נקבע לפי מידת ההתאמה של התווים‪ ,‬לדוגמא כאשר יש ‪ 5‬תווים‬
‫במיקוד ויש עוד ‪ 3‬קריטריונים‪-‬עיר‪,‬מספר בית ושם רחוב‪ ,‬אז כל תו במיקוד יהיה ‪ 20%‬מתוך ה‪ 25%-‬שמהווה‬
‫המיקוד בציון)‪ .‬לאחר מכן ה‪ Address locator-‬מסמן קבוצה של מועמדים מתאימים המבוססת על הציון‬
‫המינימאלי למועמד‪.‬‬
‫שלב ‪ – 4‬התאמה – מוצאים את הגבוה מבין כל המועמדים המתאימים ונערכת בדיקה מול ציון ההתאמה‬
‫המינימאלי‪ ,‬אם הוא גבוה יותר המועמד מסומן כמתאים ויש לנו זוכה‪.‬‬
‫‪ ‬טבלת כינויים‪ -‬במידה וקיימות כבר הכתובות‪ -‬ניתן ליצור כינויים‪ ,‬המוצבים בטבלה נפרדת‪.‬‬
‫כינויים אלה משולבים ב ‪ ,JOIN‬ואז בחירת הרשומה מתבצעת על סמך הכינוי‪.‬‬

‫‪12‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪5‬‬
‫רשתות – המכנה המשותף הוא אפשור זרימה אופטימאלית במערכת‪ -‬מנסים ליצור אופטימיזציה בהתחשב בעולם‬
‫האמיתי להעברת סחורות‪ ,‬אנשים‪.‬‬

‫ברשת ליניארית וקטורית יש סט קבוע של מסלולים‪ -‬לא ניתן לייסד מסלול חדש (אלכסון) ולעומת זאת‪ ,‬ברשת‬
‫רסטרית כל המרחב פתוח לנו למסלולים וניתן לייסד מסלול חדש (גם באלכסון!)‬

‫מבנה הרשת –‬
‫‪—Edge –ARC ‬סוג‪ ,‬כיוון‪ ,‬אורך‪ ,‬מחיר (שאותו צריך לשלם ב‪)edge‬‬
‫‪—Junction – NODE ‬כיוון פנייה‪ ,‬מרומזר‬

‫‪ -Geographic view‬מה שהמשתמש רוצה לראות‪ -‬תוצר סופי (סט של סימבולים)‬

‫‪ -Geometric Network‬אוסף של ‪ Features‬אשר מרכיבים מערכת מחוברת של קווים ונקודות קצה‬

‫‪ -Logical Network‬התכונות של האובייקטים והקשרים ביניהם‪ -‬ישנה טבלה אחת לנקודה ולקו‪.‬‬
‫‪ ‬היא רשת ללא קואורדינאטות‬
‫‪ ‬תפקוד‪ -‬אחסון נתוני טופולוגיה (‪ )Connectivity‬יחד עם עוד ‪.Attributes‬‬
‫‪ ‬מרכיביה‪Elements -‬‬

‫‪--‬כל ‪ Geometric Network‬מחויבת בחיבור ל ‪-- !Logical Network‬‬

‫‪ -Simple Junction‬צומת שמסוגלת לחבר מס' נתון של קווים בלבד (מס' קבוע של ‪ Edges‬שנכנסים אליה)‬
‫מערכת ‪One To One‬‬

‫‪13‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ -Complex Junction‬צומת שמשויכת למספר קווים וצמתים‪ .‬דוג'‪ -‬תחנת דלק‪ ,‬תשתית של צינורות‪.‬‬
‫מערכת ‪One To Many‬‬

‫‪ – Flow Direction‬הכיוון שבו האוכלוסייה‪ ,‬הסחורה וכו' נעה‪ .‬הכיוון נקבע ע"י ‪ Sources‬ו – ‪.Sinks‬‬

‫‪ -Sources‬מוגדר כ ‪ Junction‬שדוחף את זרימת המערכת ממנו והלאה‪.‬‬

‫‪ -Sinks‬הצמתים שמושכים אליהם את אזורי הזרימה (ים)‬

‫‪ -Enabled/ Disabled Features‬מאפשר לנטרל חלק מהרשת‬

‫ישנם ‪ 3‬מצבי זרימה‬

‫‪ – Determinate Flowdir .1‬כיוון הזרימה שמוגדר ע"י ה ‪ Sources‬וה‪.Sinks -‬‬

‫‪ – Intermediate Flowdir .6‬במידה והזרימה (כיוונה) אינו מוגדר היטב עפ"י ה ‪ Sources‬וה‪.Sinks -‬‬
‫‪ – Uninitialized Flowdir .3‬במידה והרשת או חלק ממנה אינם מקושרים ל ‪ Sources‬ול‪ -Sinks -‬אינם‬
‫מוגדרים או עקב כשל לוגי‪.‬‬

‫‪ – Network Weights‬עלות המעבר במקטע‪ -‬שדה המחיר של נסיעה ב ‪.Edge‬‬

‫יש ליצור את אותו שדה המשקל‪.‬‬

‫‪ – Connectivity Rules‬יש בידינו את האפשרות לסנן את המידע שעובר דרך צמתים‪ .‬החוקים האלה נקראים‬
‫בשם הנ"ל והם אינסופיים‬

‫‪ -Edge Junction Rule‬החוק הפשוט מכולם‪.‬קובע אילו ‪ Junctions‬יהיו מחוברים לאיזה ‪.Edges‬‬ ‫‪.1‬‬
‫הכוונה ש ‪ Junction‬מטיפוס מסוים יוכל להיות מתאים והגיוני רק ל‪ Edge‬מסוג‪ /‬טיפוס מתאים‪.‬‬
‫(דוג'‪ Junctions :‬מסוד מד לא מחובר ל ‪ edge‬מסוג קו מתח ראשי‪ ,‬אלא כן לקו מתח משני)‬
‫‪ -Edge Edge Rule‬ההתניה היא על ה ‪ - junctions‬קובע איזה ‪ edge‬יהיה מחובר ל ‪ Edges‬אחרים‬ ‫‪.2‬‬
‫דרך ‪(.Junction‬דוג'‪ :‬מחלף כמחבר בין כביש מטיפוס עירוני וכביש מהיר‪ -‬ולא פסי רכבת וכביש)‬
‫)‪ Counter – Edge Junction Cardinality (Count‬המגביל לנו את מס' ה ‪ edges‬המחוברים‬ ‫‪.3‬‬
‫ל ‪( .junctions‬דוג'‪ Junction :‬מסוג ‪ switch‬מחבר מספר קווי חשמל‪ ,‬כאשר ‪ connector‬מחבר רק ‪)2‬‬
‫‪ – Default Junction Type‬מאפשר הוספה אוטומטית של ‪ Junctions‬לטיפוסי ‪ edges‬מוגדרים‬ ‫‪.4‬‬
‫מראש‪ .‬יעיל ושימושי מאד בתשתיות‪( .‬דוג'‪ :‬הוסף ‪ Junction‬מסוג ‪ reducer‬לכל חיבור בין קווי מים‬
‫מסוג "‪ "10‬לסוג "‪ -"8‬מתאם)‬

‫גורמי שגיאה ברשתות‬

‫‪14‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫רשתות רסטריות‬
‫חיפוש המסלול הטוב ביותר‪ -‬תלוי בצורך‪..‬‬

‫‪ – Location Models‬בחירת המקום הטוב ביותר של שירות בכדי למלא פונקציה מסוימת‪ .‬לדוג'‪ -‬מיקום תחנת‬
‫דלק‪.‬‬

‫‪ – Location Measurement Problem‬היכן קיימים השירותים במרחב‪ -‬מאפשר לנו לנווט בין סט של‬
‫שירותים‪ .‬לדוג‪ -‬נסיעת אמבולנס בעיר‪ -‬תלוי דרך וזמן‪.‬‬

‫‪ – The Locational Search Problem‬חיפוש מקום המתאים לפעילות מסוימת‪.‬‬

‫רסטר‬
‫וקטור‬

‫שקלול עלות מעבר לנק' ג"ג ספציפית‬

‫‪15‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫בודק עלות בכל תא‪.‬‬ ‫‪--‬‬

‫עלות מקטע‪ .‬העלות היא ביחס הפוך למרחק‪ -‬ככל שה ‪ T k‬יותר גדול‪ ,‬העלות‬ ‫‪--‬‬
‫יותר קטנה‪.‬‬

‫עלות כל המסלולים האפשריים בין המקור ליעד‪.‬‬ ‫‪--‬‬

‫מציבים פונקצית ‪ min‬ומקבלים מסלול עם‬ ‫פונקצית המטרה ‪:‬‬

‫עלות מינימאלית‬

‫עדיפות בהקצאות של משאבים‬

‫דוג' ‪ -‬כיצד לפזר את ההשקעות ברשת חשמל לנוכח הביקוש הגובר?‬
‫רסטרי פשוט!‬ ‫הפתרון – פרגמנטציה‪ ,‬ממ"ג‬

‫שימוש בחוק מפצה ‪:‬‬

‫פעולת שקלול הקובעת את הציון הסופי בכל תא‪ -‬אם התא נמוך במכירות אבל גבוה בפוטנציאל‪ ,‬אז הציון לא יהיה‬
‫נמוך באופן אוטומטי!‬
‫פעולת סכימה‪ -‬בה אם משתנה ‪ 1‬נמוך‪ ,‬המשתנה ה‪ 2 -‬מפצה עליו‪.‬‬

‫קביעת העלות המשוקללת ל ‪ :ARC‬מחשבים את‬

‫שטח המעבר בכל תא‪ ..‬בכדי שנוכל לחשב את עלויות‬
‫המעבר הרחוקות יותר‪.‬‬

‫חישוב הדרך הקצרה ביותר מבחינת העלויות בשכונות שונות‪-‬‬

‫‪16‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫מקרא ‪:‬‬
‫‪ – 16D ‬נקודות‪ .‬הרזולוציה הכי טובה‬
‫‪ - 8D ‬קווי‬
‫‪ -4D ‬מקווקו‬

‫‪ – Least Cost Pathway‬כשמו כן הוא‪ ,‬המסלול עם העלות הזולה ביותר‪.‬‬

‫בנוי על פונקצית ‪.Cos‬‬
‫הגורמים המשפיעים ‪ :‬שיפוע גדול מ – ‪)1-99( 0‬‬
‫כיווניות – מעלה או מורד המדרון‬
‫הזווית בין המסלול הנבחר ומסלול הפנות‬ ‫‪--‬‬
‫נעלם לחישוב הסופי של העלות‪ .‬שמו ‪Friction‬‬ ‫‪--‬‬

‫‪COST= Slope f‬‬

‫התוצר‪:‬‬

‫מהשטח‪-‬‬ ‫מדגם‬
‫מסלול שחור‪ :‬כבשים עשו‬
‫מסלול לבן ‪ :‬עפ"י הפונקציה‬

‫‪17‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫נספח‪ -‬חישוב ‪ ,Least Cost Pathway‬באדיבות אורי "בדד" נוח‪.‬‬

‫‪18‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪6‬‬
‫טיפוסים של דגמים נקודתיים‪-‬‬

‫במידה וההתפלגות אחידה נחשב את מספר הנקודות הצפוי לאכלס כל ריבוע כך ‪:‬‬

‫= מספר הנקודות הצפוי‬

‫נחשב גם חי סטטיסטי אשר יאמר לנו באיזו רמת מובהקות ההתפלגות דומה לאחידה ע"י ‪:‬‬

‫‪--‬ככל שהחי גדול יותר כך קטן הסיכוי שההתפלגות אחידה‪--‬‬

‫השכן הקרוב (‪ -)Nearest Neighbor‬ניתוח מקובל בכדי לדעת מידת פיזור נקודות במרחב‪:‬‬
‫מחשבים את המרחק בין כל נקודה לנקודה ואז עושים ממוצע בין כל המרחקים‪.‬‬
‫שיטת החישוב‪:‬‬
‫‪1‬‬
‫= ערך של מדד הפיזור האקראי‬ ‫‪.1‬‬
‫‪No.Po int s‬‬
‫שטח המדגם‬ ‫‪2‬‬
‫‪S=Area= 25‬‬ ‫‪Area‬‬

‫‪1.07453‬‬
‫= הערך של מדד הפיזור הרגולארי‬ ‫‪.2‬‬
‫‪No.Po int s‬‬
‫‪Area‬‬
‫(בפיזור מקובץ הערך יהיה ‪ 0‬לכן אין חישוב)‬

‫‪ .3‬מחשבים את המרחקים בין כל נקודה‬

‫לנקודה ואת ממוצע המרחקים שלהם‬

‫‪ .4‬מציבים את הממוצע המתקבל(‪ 1.4‬במדגם זה) בסרגל הפיזור שחישבנו למדגם (החישוב מתבצע בכל‬
‫מדגם מחדש) ומקבלים את סוג הפיזור!‬
‫‪ ‬הפיזור במדגם זה‪ -‬אקראי‬

‫‪19‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ -Buffers‬תוחם תצורה מסוימת על פי טווח המוגדר על פי מרחק מסוים‪.‬‬

‫יכולים להיות מוגדרים על פי קבועים או משתנים על בסיס תכונות התצורה‪ ,‬כל‬
‫סגמנט יוצר סביבו מרחב ואז אפשר ליצור מיזוג של כל האובייקטים ומוחקים‬
‫הכפלות (בוקטור) והם יוצרים תמיד שכבה פוליגונלית‪.‬‬

‫קיימים שני סוגים של תיחום ‪:‬‬

‫‪ -Buffer‬מגן על האובייקט‪ ,‬יוצר חיץ החוצה (התפשטות של זיהום)‪.‬‬
‫‪ -Setback‬מגן על התווך מבפנים‪ ,‬יוצר חיץ פנימה (אזור אסור לבנייה)‪.‬‬

‫אופן ייצור ה ‪-Buffer‬‬

‫‪ ‬וקטור‪ -‬כל סגמנט יוצר סביבו מרחב (מלבן‬
‫לצדדים וחצאי עיגול לקצוות‪ -‬דמוי נקניקיה)‪.‬‬
‫לאחר חיבור הנקניקיות מורידים את אזורי החפיפה‪ -‬זהו‬
‫אופרייטור רב שכבתי‬

‫רסטר‪ -‬העבודה מתבצעת עם תאים שמייצגים‬ ‫‪‬‬

‫פוליגון ונקודות‪ .‬יש צורך לשנות ערכים של‬
‫תאים שכנים על מנת שנוכל להחליט אם להכניסם‬
‫לפוליגון‪ -‬נעבוד עם ‪ -Integer‬עיגול המספרים‬
‫כלפי מטה‪.‬‬

‫‪ - Buffer area‬השכבה הפוליגונית יכולה ליצור סביבה‬

‫חופפת מתמזגת בין קו נקודה ופוליגון‪.‬‬
‫‪ - Buffer region‬אך הסביבה יכולה להיות חופפת אך‬
‫לא מתמזגת‪.‬‬

‫אינטרפולציה מרחבית‬

‫‪ –)triangulated irregular network( TIN .1‬הקודקודים הם הנקודות‪ .‬פיזור הנקודות יקבע את אופי‬
‫המשולשים כדי שיהיו שווי צלעות‪.‬‬
‫מחברים נקודות תצפית עושים טריאנגולציה כך שכל משולש הוא פוליגון‪.‬‬
‫שיטת פעולה‪:‬‬
‫‪ .1‬איסוף סידרת נקודות ‪ x,y,z‬באמצעות ‪ GPS‬או פענוח פוטוגרמטרי‬
‫‪ .2‬יצירת רשת אופטימלית של משולשים (על כל משולש להיות שווה צלעות ככל האפשר)‬
‫‪ .3‬הגובה מחושב לכל נקודת ‪ x,y‬בתוך המשולשים‬

‫בוקטור ‪-‬כל משולש מקבל ערך יחיד‬

‫ברסטר‪ -‬אוסף של קווים ואפשר להטות את המשולש‬
‫לטובתנו‬

‫‪20‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ -Distance ordering .6‬מתיחת קו בין כל הנקודות השכנות‪ ,‬וחישוב המרחקים‪ -‬חזרה על הפעולה עד אשר‬
‫נוצר אוסף משולשים לכל מרחב השכונה‪.‬‬

‫‪ -Delaunay triangulation .3‬יוצר רדיוס חיפוש בין ‪ 3‬נקודות‬

‫ובודק אם אין עוד נקודות בין ‪ 3‬הנקודות ברדיוס החיפוש הנתון‪,‬‬
‫על פי התנאי‪ -‬שלוש נקודות מתחברות ‪ if and only if‬המרחב‬
‫(עיגול) בין הנקודות אינו כולל נקודות אחרות‪.‬‬

‫‪ –Thiessen –Voronoi Diagram .4‬כלי לאומדן השפעות‪-‬‬

‫תיחום השפעה מהנקודה החוצה‪ -‬מעין אזור חיץ מהנקודה‬
‫לאזור ההשפעה שלה‪ .‬לדוגמא‪ :‬זיהום‬
‫קובעים את המשולשים ע"פ קרבה גיאומטרית ולא לפי ערכים כמו‬
‫ב –‪.tin‬‬

‫שיטת הפעולה‪ :‬מורידים אנכים מכל צלע של המשולשים שיצרנו‬

‫ב‪ TIN -‬והמפגש של האנכים הוא הנקודות של הפוליגון התוחם‬
‫את הנקודה‪.‬‬

‫‪-Voronoi Region .3‬‬

‫כלי לאומדן השפעות‪.‬‬

‫‪ –Dem .2‬ייצוג רסטרי של גובה בהשוואה ל‪.tin -‬‬

‫בעד ‪Dem‬‬
‫‪ .1‬פשוט יותר גם מבחינת שימוש וגם מבחינת יצור‬
‫‪ .2‬האלגוריתמים יעילים יחסית‬
‫‪ .3‬נתוני רסטר של גובה הם פשוטים לייצור‬
‫‪ .4‬ניתוח רב שכבתי הרבה יותר יעיל פר‪-‬פיקסל‬
‫נגד ‪Dem‬‬
‫‪ .1‬מבנה נתונים קשיח‪ -‬המון תאים עם אותו ערך(בזבזני)‬
‫‪ .2‬לכן יש איבוד גמישות בהצגת הנתונים‬
‫‪ .3‬אלמנטים קוויים לא נראים טוב‬

‫‪21‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪7‬‬

‫אינטרפולציות ושיטות להערכתם‬

‫אינטרפולציה‪:‬‬
‫א‪ .‬מציאת ערכים וייצור שיכבה המיוצגת על פיהם‪ .‬באינטרפולציה באיכות טובה הערכים הנבחרים מייצגים‬
‫באופן אמיתי (או קרוב מאוד לאמיתי) את פני השטח הנצפים‪.‬‬
‫ב‪ .‬עקרון האינטרפולציה הוא מיצוע הערכים המייצגים תופעה מסוימת בשטח (למשל גובה)‪.‬‬

‫הגדרות מהאינטרנט‪:‬‬

‫‪ :)Inverse Distance Weighting) IDW‬אינטרפולצית ‪ IDW‬קובעת את ערכו של כל תא באמצעות‬

‫קומבינציה ליניארית משוקללת של נקודות הדגימה‪ .‬אופי המשטח נקבע ע"י שינוי רדיוס הדגימה של כל נקודת‬
‫שריג ומספר נקודות הדגימה המשפיעות עליה‪ .‬בצורה זו ניתן להגביל את מספר נקודות הדגימה המשפיעות על כל‬
‫נקודת שריג ע"י קביעת רדיוס אשר רק נקודות דגימה הנכללות בו ישמשו לחישוב ערך נקודת השריג‪ .‬דרור מוסיף‬
‫יש כאן המשך להגדרה שלא שימושי לגבנו‪ :‬השקלול הוא פונקציה הפכית של המרחק כך שלנקודות דגימה‬
‫מרוחקות השפעה חלשה יותר ולנקודות דגימה קרובות השפעה חזקה יותר‪ .‬ע"י שינוי החזקה של המרחק ניתן‬
‫לקבל משטח חלק יותר (חזקה נמוכה) או מפורט יותר (חזקה גבוהה)‬
‫שיטת החישוב‪:‬‬
‫‪ .1‬הגדרת רדיוס החיפוש‪ ,‬ועל פיו לחשב את המרחק (‪)d‬‬
‫במידות מטריות לכל נקודה ברדיוס החיפוש‬
‫‪ .2‬חישוב המשקולת (‪ )W‬על ידי הנוסחא‪:‬‬

‫‪ .3‬סכימת כל המשקולות (‪ )W‬כפול הגובה הנתון בכל נקודה‬

‫(‪ )Z‬בכדי להגיע לגובה הנעלם )‪ Z(X‬על ידי הנוסחא‪:‬‬

‫הבעייתיות‪ :‬בממוצעים‪ -‬אי רציפות במרחב יכולה להופיע כלא נכונה וכלא תואמת את‬
‫המציאות בשטח‪.‬‬

‫‪ :Kriging‬אינטרפולצית ה‪ Kriging-‬מבוססת על ההנחה שהשונות המרחבית בתופעה הנמדדת הנה בעלת‬

‫הומוגניות סטטיסטית על פני המשטח‪ ,‬כלומר שניתן אותו דפוס של שונות על פני כל המשטח‪ .‬בשיטה זו ניתן‬
‫להשתמש במספר פונקציות מתמטיות על מנת לחשב את ערך תא השריג מתוך נקודות הדגימה בסביבתו (ליניארית‪,‬‬
‫גאוסיאנית‪ ,‬אקספוננציאלית‪ ,‬מעגלית וכדורית)‪ .‬כמו באינטרפולציית ‪ ,IDW‬גם ב‪ Kriging -‬ניתן להגביל את‬
‫מספר נקודות הדגימה ע"י הגדרת רדיוס דגימה ומספר נקודות דגימה‪.‬‬
‫הגדרה של הילה‪:‬‬
‫‪ :Kriging‬אינטרפולציה מושכלת המשקולת היא לא רק לפי מרחק אלה גם לפי פונקציה אמפירית המתארת‬
‫בצורה אמינה ביותר את פני השטח‪ ,‬מפתחים קשרים בין השינוי בגובה והמרחק ו על פי קשרים אלו יוצרים‬
‫משקולת‪ .‬נתונים אמפיריים מובילים לנתונים מדויקים אך מקדמים אלו יהיו תקפים רק לאתר הנדרש‪.‬‬

‫סיכומון‪:‬‬

‫‪22‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫‪ -IDW‬לכל נקודה ברדיוס החיפוש משקל שווה על ההשפעה‪ .‬טוב לפני שטח הטרוגניים‪.‬‬
‫‪ -KRIGING‬משקולות לפי פונקציה אמפירית‪ .‬טוב לפני שטח הומוגנים‪.‬‬

‫‪Semivairogram‬‬
‫‪ ‬גרף המבטא את שונות התופעה כפונקציה של מרחק‬
‫מהנקודה החזויה‪.‬‬
‫‪ ‬מודד את חוזק הקשר הסטטיסטי בין כל צמדי הנקודות‬
‫כפונקציה של המרחק ביניהן‪ .‬מתודה זו משמשת‬
‫להתאמת מודל לקורלציה מרחבית של התצפיות‪ .‬מודל‬
‫זה משמש להגדרת המשקולות באינטרפולצית ‪.kriging‬‬
‫‪ ‬בציר ה ‪ - Y‬ערכי ה ‪Semivariogram‬‬
‫‪ ‬בציר ה ‪ - X‬ערכי המרחקים לפי החלוקה של ה ‪BINS‬‬
‫‪ ‬לפי הנוסחא ‪:‬‬

‫הגדרות שונות על גבי גרף ה‪Semivariogram -‬‬

‫‪ –Range ‬טווח אפקטיבי עד לרוויה (עד שהגרף מקביל לציר ‪ )X‬בציר המרחק ציר ה‪ .X‬תמיד נשאף‬
‫ל‪ Range‬גדול‪.‬‬
‫‪ -Sill ‬ההשתנות בציר ה‪ Y‬כלומר ערכי ה ‪ ,Z‬הגובה‪ .‬תמיד נשאף ל‪ Sill‬גדול‪.‬‬
‫‪ -Nugget ‬נקודת החיתוך עם ציר ה‪ .Y‬נשאף לכמה שיותר קטן‪ .‬במידה והנקודה היא לא (‪ )0,0‬אז יש‬
‫טעות במדידה‪.‬‬

‫דוגמא לחישוב ‪: Semivairogram‬‬

‫‪ .1‬חשבו את ערכי הנקודות באינטרפולציה (ערכי הגובה מימין) כאשר המטרה היא לחשב את ערך הנק' הצהובה‪.‬‬

‫‪ .6‬נייצר טבלה של מרחק בין כל נקודה לכל‬

‫נקודה‪:‬‬
‫שונות‬

‫את עמודת השונות מחשבים על ידי הפרש הגבהים בין זוג‬

‫הנקודות בריבוע‪.‬‬

‫‪ .3‬עכשיו נחלק את כל התוצאות בעמודת המרחק ל‪5‬‬

‫‪23‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫קבוצות (‪ )bins‬עם טווח מרחק בין נקודות של ‪1‬‬

‫‪ .4‬בכדי להציב בגרף הסופי‪ ,‬נשתמש בנוסחא הבאה ‪:‬‬

‫‪ .3‬נציב בגרף את ‪( Av. Distance‬מרחק ממוצע) בציר ה‪ X‬ואת ה‪ SemiVariance‬בציר ה‪:Y‬‬

‫וקיבלנו ‪ Semivairogram‬בשעה טובה‪ ,‬מזל טוב!‬

‫‪24‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪8‬‬
‫ניתוח רב‪-‬שכבתי‬

‫מבחינים בין שני סוגים‪:‬‬

‫‪ .1‬רסטר‪ -‬כאשר עובדים בו פר‪-‬תא‬
‫‪ .6‬וקטור‪ -‬מורכב‪ ,‬ניתוח בפוליגונים בעלי שטח זהה בין שדות ברמת הטבלה‬

‫ניתוח זה עוזר לנו לעבד ולנהל את הנתונים ע"י כמה אפשרויות‪ ,‬כאשר שכבות זהות בגודלן –‬

‫צורתו‬ ‫תפקידו‬ ‫שם הכלי‬

‫מעדכן מידע‪ ,‬מוסיף מידע כמותי‬ ‫‪Update‬‬

‫חותך מידע מסוים‬ ‫‪Clip‬‬

‫מחלק מידע לתוך מספר כיסויים דומה‬ ‫‪Split‬‬

‫מוחק חלק מהשכבה או את השכבה לפי שכבה אחרת‬ ‫‪Erase‬‬

‫כאשר השכבות אינם זהות בגודלן –‬

‫צורתו‬ ‫תפקידו‬ ‫שם הכלי‬

‫מראה את שטח שני השכבות‬ ‫‪Union‬‬

‫הצגת שכבה א' והשטח החופף עימה בשכבה ב' בלבד‬ ‫‪Identity‬‬

‫שילוב השטח החופף בין שתי שכבות‬ ‫‪Intersect‬‬

‫‪25‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫אופרטורים רסטרים‬
‫עובדים פר‪-‬תא‪ ,‬בצורת ‪ -Worm Eye‬הסתכלות רק על התא עצמו ללא התחשבות בשכנים‪.‬‬

‫הצגה ויזואלית‬ ‫תת‪-‬‬ ‫שם‬

‫אופן עבודה‬
‫אופרטור‬ ‫האופרטור‬

‫בחירת ערכים מערך‬

‫מסוים וקביעת ערכי‬ ‫‪Select‬‬
‫קידוד חדשים‬

‫קידוד ערכים מחדש ל‪2‬‬

‫טבלאות שונות על בסיס‬ ‫‪Matrix‬‬
‫טבלת ערכים משותפת‬

‫קידוד מחדש על פי‬ ‫‪LOCAL‬‬

‫‪ max/min‬פר‪-‬תא‪ -‬כל‬ ‫‪Update‬‬
‫פעם מקדדים מחדש‬

‫מאכלסים את שכבת‬
‫הפלט על סמך הנתון‬
‫השלמה‬
‫הדרוש להשלמה לערך‬
‫לערך‬
‫מסוים‬
‫(דוג' זו‪ :‬ל‪)28-‬‬

‫קביעת הקידוד החדש על‬

‫סמך משרעת ערכים בין‬
‫לפי תוכן‬
‫‪ X‬ל‪Y-‬‬
‫(דוג' זו‪ :‬בין ‪)3-6‬‬

‫‪26‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫אזורים‬
‫קידוד על פי גודל‬
‫קרובי‬
‫התאים‪ ,‬ללא קשר לתוכן‬
‫תופעה‬

‫‪LOCAL‬‬

‫שילוב בין ‪ 2‬קידודי‬

‫מטריקס על סמך התניה‬
‫?‬
‫– טבלת הקידוד החדשה‬
‫תצא בערכים בין ‪ 0‬ל‪1-‬‬

‫מבטא את התא המרכזי‬

‫לפי השכונה הקרובה‪-‬‬
‫מבטא השפעה של‬
‫שכנים‬

‫מאכלסים את התצפית‬
‫שחוזרת הכי הרבה‬ ‫‪Focal‬‬
‫בתא המרכזי‬ ‫‪Majority‬‬
‫(גודל תא ‪)3,3‬‬
‫‪FOCAL‬‬

‫מאכלסים את התצפית‬
‫בעלת הערך הכי‬ ‫‪Focal‬‬
‫מינימאלי בתא המרכזי‬ ‫‪Min‬‬
‫(גודל תא ‪)3,3‬‬

‫מאכלסים את התצפית‬
‫‪Focal‬‬
‫הממוצעת בתא המרכזי‬
‫‪Mean‬‬
‫(גודל תא ‪)3,3‬‬

‫‪27‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שכבה שקובעת את‬

‫האזורים בהם יבוצע‬
‫‪Zonal‬‬
‫האופרטור‪ -‬לכל אזור‬
‫‪Max‬‬
‫נחשב פעולה על פי‬
‫המספר הגבוה‬

‫‪ZONAL‬‬

‫קידוד מחדש של‬

‫‪Zonal‬‬
‫האזורים על פי גודלם‬
‫‪Area‬‬
‫(ראה טבלת חישובים)‬

‫קידוד מחדש על סמך‬

‫‪Min 3,3‬‬
‫הערך המינימאלי‬
‫‪Block‬‬
‫בבלוק ‪3,3‬‬

‫קידוד מחדש על סמך‬ ‫‪Mean‬‬

‫הערך הממוצע בבלוק‬ ‫‪3,3‬‬ ‫‪BLOCK‬‬
‫‪3,3‬‬ ‫‪Block‬‬

‫קידוד מחדש על סמך‬ ‫‪Variety‬‬

‫מס' הערכים הקיימים‬ ‫‪3,3‬‬
‫בבלוק ‪3,3‬‬ ‫‪Block‬‬

‫‪28‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫קידוד הערכים מחדש על‬ ‫‪SUM‬‬

‫סמך חיבור כל הערכים‬ ‫‪3,3‬‬ ‫‪BLOCK‬‬
‫בבלוק ‪3,3‬‬ ‫‪Block‬‬

‫מטהדטה (‪ – )Meta-Data‬מידע על מידע‪ ,‬כלומר תיעוד של נתונים‪.‬‬

‫מספר צרכים עיקריים בעיסוק ב‪ , Metadata‬הנובעים בין היתר מכמות המידע הגדלה במהירות ‪:‬‬
‫‪ .1‬יכולת של אחזור מידע ע"י המשתמש‬
‫‪ .2‬יכולת העברת המידע בין אנשים‪ ,‬ארגונים ופרסומים‬
‫‪ .3‬הצורך הבסיסי ביותר‪ -‬סטנדרטיזציה – יצירת קטגוריות בשביל לעשות סדר במידע‬

‫צורות אחסון של ‪XML‬‬ ‫ה ‪ Metadata‬מאוחסן ב‪.XML -‬‬

‫שמראות כיצד כל נתון‬
‫מאוחסן (מודגש‬ ‫‪- XML‬‬
‫וככותרת‪ ,‬בהתאמה)‬ ‫‪ ‬היא שפת תשאול‬
‫‪ ‬מייצג גם את הנתונים וגם איך שהם נראים‬
‫(ב‪ ,ARCINFO-‬ה ‪ XML‬מאוחסן כקובץ נפרד אך הוא צמוד למקור)‬

‫אוסף פקודות של ‪ XML‬אשר מסוגלות לתשאל ולהעריך נתוני ‪ XML‬נקראות – ‪.stylesheet‬‬

‫טיפוסים של ‪- stylesheet‬‬
‫‪ -Dublin Core ‬סדר מוגדר מראש‬
‫‪ – )International Standard Organization( ISO ‬סטנדרטים בין לאומיים‬
‫‪ - )Federal Geographic Data Community( FGDC ‬אמריקאים‬
‫‪ -ESRI ‬ברירת מחדל של הארגון‬
‫‪ -XML ‬מייצג את שורות הקוד של פקודות ה‪XML -‬‬

‫‪ 3‬קבוצות (לשוניות) –‬
‫‪ .1‬תיאור תקציר כללי – מידע על‬
‫המחברים‪ ,‬תאריך‬
‫‪ .2‬תיאור מרחבי – תיקון גיאומטרי‪,‬‬
‫קורדינטות‪ ,‬דיוק הרשת‬
‫‪ .3‬תכונות – מכילה שיטות קטגוריזציה כדי‬
‫להבין את המטריצה שמאחורי התוצאה‪,‬‬
‫בדיקת אי הוודאות של הנתונים‬

‫‪29‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫שיעור ‪9‬‬
‫בעיות חוסר קישוריות בנחלים ותיקונם על ידי אפשרויות שונות‬

‫‪ – MOD‬שיטה משולבת בין חישה מרחוק ל‪DEM-‬‬

‫‪ – IP‬חישה מרחוק‬
‫‪ -Coverage‬אחוז הכיסוי‬
‫‪ -Connectivity‬מספר הניתוקים שזיהינו‬
‫‪ -Purity‬פיקסלים שבהם יש חריגה‬
‫‪ -Accuracy‬עד כמה המערכת יוצרת ערוצים‬
‫מלאכותיים שלא קיימים בכלל‪.‬‬
‫אנו יוצרים ‪ BUFFER‬של ‪ 2,3‬פיקסל ובודקים את‬
‫ההתאמה (האם יש פיקסלים שהם לא במרכז‬
‫ה‪ -BUFFER-‬כלומר יש טעות דיוק) לעומת הקו‬
‫היחיד שזורם במרכז ה‪ BUFFER-‬שהוא האמיתי‬
‫(סקלטוניזציה)‪.‬‬

‫‪IP HISTOGRAM‬‬ ‫‪MOD‬‬

‫‪ DEM‬שיוצר ב‪flowdir -‬‬

‫מערכת שיוצרה בשטח‬

‫‪30‬‬
 ‫סיכום ממ"ג למתקדמים (‪ ------- )6002-7‬פרופ' טל סבוראי‬

‫יצירת ‪MOD‬‬

‫בהצלחה! ‪‬‬

‫‪31‬‬