‫נועה שני‬

‫סיכום למבחן ממ"ג ‪2011‬‬

‫תיקון גיאומטרי (מצגת ‪)7‬‬

‫מעבר מקורדינאטות קובץ לקורדינאטות מפה‪:‬‬

‫איתור נקודות בקרה – נקודות עם נ"צ ידוע‪ .‬צריך כמה עשרות מפוזרות היטב‬ ‫‪‬‬
‫אם נתקלים בנקודות עם שניות ומעלות יש לבצע המרה לשבר עשרוני ‪: DD‬‬

‫‪DD = Degrees + Minutes/ 60 + Seconds/ 3600‬‬

‫לנקודות אלה קוראים ‪ - TICS‬נקודות גיאגרפיות המייצגות איתור על פני שטח כדור הארץ‪.‬‬
‫ברגע שבוחרים את הנקודות בקובץ הרסטרי מקבלים ‪ File coordinates‬אל מולם מכניסים את ה ‪ map coordinates‬עבור כל נקודה‬

‫התמרה זמנית ‪ -‬קישור של כל קורדינאטת מפה עם קורדינאטת קובץ בעזרת נקודות הבקרה ורגרסיה ליניארית‪ .‬למרות שלעיתים בכדי‬ ‫‪‬‬
‫להקטין את העיוות יש צורך ברגרסיה פרבולית אך זה יכול ליצור מצב שבעבור נקודה אחת במפה יהיו ‪ 2‬נקודות בקובץ – לא אפשרי‪.‬‬
‫כך שעדיף לספוג סטייה גדולה עם יכולת להעריך אותה‪.‬‬
‫נקבל קו רגרסיה לינארית ועליו הנקדות המחושבות והן נקודות ה ‪ - Retransformed‬נקודות אלה יהוו את ה ‪ file coordinares‬בחישובים בהמשך של ה ‪RMS‬‬

‫חישוב ‪RMS error‬‬ ‫‪‬‬

‫המרחק בין קורדינאטות המקור ( ‪ )map coordinate‬של הנקודה ומיקומה לאחר הטרנספורמציה הצפויה‬
‫– הרגרסיה‪)Retransformed – file coordinates ( .‬‬

‫חישוב ‪ RMS‬עבור נקודה ספציפית‪:‬‬

‫‪= RMS error‬‬
‫‪ – Xi Yi‬קורדינאטות המקור – ‪map coordinates‬‬
‫‪ – Xr Yr‬קורדינאטות לאחר טרנספורמציה ‪Retransformed -‬‬

‫לרוב לא משתמשים בנוסחא זו כי יש צורך לחשב את השגיאה הכללית ולאות אם היא מניחה את הדעת‪ .‬אז נשתמש בנוסחאות הבאות‪:‬‬

‫‪= Rx‬‬

‫‪ – Rx‬שגיאת ‪ RMS‬עבור ערכי ‪X‬‬

‫‪ – XRi‬שגיאה בנקודה )‪i – (Xretarsformed – Xmap‬‬
‫‪ – n‬מספר נקודות‬

‫‪= RY‬‬

‫‪ – RY‬שגיאת ‪ RMS‬עבור ערכי ‪Y‬‬

‫‪ – YRi‬שגיאה בנקודה )‪i – (Yretransformed – Ymap‬‬
‫‪ – n‬מספר נקודות‬

‫‪=T‬‬
‫‪ – T‬שגיאת ‪ RMS‬כוללת‬

‫‪ Total RMS‬טוב ברסטר זה גודל התא ומטה‪ .‬בוקטור זה תלוי בקנ"מ יש צורך להגדיר מראש מהיא השגיאה המקובלת‬

‫דוגמא‪:‬‬
‫מקור ‪map -‬‬ ‫‪Retransformed‬‬
‫‪X‬‬ ‫‪Y‬‬ ‫‪X‬‬ ‫‪Y‬‬
‫‪4‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪5‬‬
‫‪4‬‬ ‫‪9‬‬ ‫‪4‬‬ ‫‪7‬‬
‫‪8‬‬ ‫‪4‬‬ ‫‪8‬‬ ‫‪3‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪11‬‬

‫‪ - resampling‬לאחר שביצענו את התיקון הגיאומטרי יכול להיות מצב שתהיה לנו תצ"א שתשב על המטריצה באלכסון – הצפון שלה באלכסון‪.‬‬
‫ההגדרה של מטריצה היא שהזווית תהיה ב ‪ 900‬למישור ולכן יש לבצע השמה מחדש של התאים מהמקום המקורי למקום החדש‪.‬‬

‫‪1‬‬
 ‫זה נעשה ע"י ‪ 3‬שיטות של קידוד מחדש‪:‬‬
‫‪ – Nearest neighbor‬השיטה הנפוצה ביותר‪ .‬מודדים את המרחק בין התא המיועד להזזה לבין מרכזי התאים השכנים לו – היכן שהמרחק הכי קצר‬ ‫‪‬‬
‫לשם יועבר‬
‫‪ – Bilinear interpolation‬השמה על סמך מיצוע של התאים חלון של ‪ .2X2‬כל תא בפלט מקבל ערך ממוצע של ארבעת התאים הקרובים אליו ביותר‪.‬‬ ‫‪‬‬
‫החישוב נעשה בפונקציה בי ליניארית‬
‫‪ – Cubic convolution‬חלון של ‪ ,4X4‬משתמש ב ‪ 16‬תאים ומחשב את הערך החדש בפונקציה ריבועית‬ ‫‪‬‬

‫טופולוגיה (מצגת ‪)8‬‬

‫מבטאת קשר מרחבי כאוסף של נתונים‪.‬‬
‫ריבוע ומלבן – צורות גיאומטריות שונות אך טופולוגית הן זהות‪ :‬הקשרים בתוך האובייקטים הם זהים (מספר קווים ומספר קודקודים)‬
‫מחקר טופולוגי – איפה האובייקטים נפגשים ונחתכים‪ .‬הפוליגון הוא אוסף הקווים בתוחמים אותו (לעומת ספגטי ששם הוא אוסף נקודות) – פותר את בעיית‬
‫החפיפה של ספגטי‪.‬‬
‫ככל שיש יותר צמתים – יותר נקודות – הרמה הטופולוגית עולה‬

‫‪The Tube Map‬‬

‫העקרון הטופולוגי אומר שהמפה לא מחוייבת בקנ"מ‪ .‬קשרים טופולוגים משמעותם היא שאנו לא מודדים מרחקים אלא סופרים קודקודים‪ .‬בצורה כזו גם עיוות‬
‫מפה שיוצר עיוות קנ"מ לא מעוות את המידע הטופולוגי‬
‫כך ניתן לעוות מפות לפי צורך (מפת ‪ )subway‬עם שמירה על קישוריות טופולוגית‬

‫זיהוי שגיאות ‪ -‬ניתן לזהות שגיאות בעזרת טופולוגיה בצורנ יעילה כאשר ישנן יותר נקודות חיתוך ממה שאנו יודעים שאמור להיות (טעות דיגיטציה) עלולה‬
‫להוביל לכך שאותו קו נקלט פעמיים‬

‫בעיות מיפוי שדורשות טיפול ביחסים טופולוגיים‬

‫טעויות דיגיטציה‪ .‬יכולות לקרות כאשר המפעיל לא נכנס מספיק בזום‬
‫‪ -Overshoot‬כאשר הקו עובר את הצומת‪ .‬נצתרך לקצוץ אותו‬ ‫‪‬‬
‫‪ – Undershoot‬כאשר הקו לא מגיע לצומצ‪ .‬נצתרך להאריך אותו‬ ‫‪‬‬
‫‪ – Dangle‬קו ללא מטרה‪ .‬יכול להיות מ"מ ספורים‬ ‫‪‬‬
‫‪ – Sliver‬המשכיות של קו בדיגיטציה לכיוון לא נכון‬ ‫‪‬‬
‫‪ – Pseudo node‬קודקוד מיותר‬ ‫‪‬‬

‫מדוע טופולוגיה‬
‫עיבוד בסיסי נתונים גדולים במהירות‪ :‬אותם קווים מייצרים מספר פוליגונים ולא מאוכסנים פעמיים – חוסך הרבה מקום מאפשר אחסון יעיל וניתוח‬ ‫‪‬‬
‫מהיר‬
‫ניתוח מרחבי‪ :‬מתאפשר בשל הכיווניות של הטופולוגיה‪ .‬לכל קו יש נקודה ממנו הוא יוצר ונקודה( ‪ )from‬אלייה הולך ( ‪ .) to‬מאפשר ניתוח מרחבי כגון‬ ‫‪‬‬
‫ניתוב‬
‫חיבור פוליגונים שכנים בעלי תכונות דומות‬ ‫‪‬‬
‫ניתוח רב שכבתי‪ :‬בטופולוגיה ניתן לפצל פוליגונים על ידי הוספת נקודות ליצירת פוליגוני בת שיורשים את המידע מפוליגוני האם‪ .‬למשל עיר המחולקת‬ ‫‪‬‬
‫לאזורים סטטיסטיים ובנוסף כל אזור כזה מחולק על יד מערכת כבישים כך שנוצריםפוליגונים קטנים יותר המהווים שילוב מידע באותה השכבה‪.‬‬
‫במודל ספגטי הפוליגונים חייבים להיות בעלי אותו השטח בכדי ליצור ניתוח רב שכבתי בעוד שבטופולוגיה ניתן לקדד פוליגון נפרד על ידי יצירת‬
‫קודקודים חדשים‪.‬‬
‫החסרונות במודל הן‪:‬‬
‫מסובך לאחסון‪ .‬לא כל כלי התוכנה תומכים‬ ‫‪‬‬
‫דרוש חישובי טופולוגיה מחודשים לאחר כל פעולה ( פירוט באוטומטיזציה בהמשך)‬ ‫‪‬‬

‫שלושת התפיסות העיקריות של הטופולוגיה‬

‫‪ .1‬חיבוריות ‪:connectivity‬‬
‫כל קו עובר בין ‪ 2‬נקודות עם נקודות נוספות על גביו המגדירות את צורתו‪:‬‬
‫‪ – Vertices‬נקודות לאורך הקן היוצרות את העקמומיות (חסרות מעמד ב ‪)data base‬‬ ‫‪o‬‬
‫‪ - Nodes‬נקודות קצה כאשר כיווניות הקו נקבעת על ידי הגדרת נקודה אחת כ ‪ from node‬ואת הנקודה השנייה כ ‪.to node‬‬ ‫‪o‬‬

‫דוגמא ‪ -‬ניתן לעבור בין קווים ‪ 3,4,5,6‬דרך ‪ Node 3‬אך לא ניתן לעבור מקו ‪ 5‬לקו ‪ 9‬כי אין שם ‪ – node‬אין חיבוריות‪ .‬קו ‪ 5‬עובר מעל או‬
‫מתחת לקו ‪9‬‬

‫‪ .2‬הגדרת אזור ‪:Area definition‬‬

‫פוליגון הוא אוסף הקווים המרכיבים אותו ‪ .‬פותר את בעיית החפיפה ואת בעיית האיים‬
‫אין חפיפה באחסון קווים ‪ -‬קו ‪ 10‬המהווה גבול בין פוליגון ‪ 2‬ל ‪ 3‬מאוחסן פעם אחת‬
‫האי שהוא פוליגון ‪ – 6‬מוגדר על ידי קו ‪ 8‬כפוליגון עצמאי‪ .‬אותו הקו מהווה את הגבול של פוליגון ‪ 2‬ולכן האי לא נבלע בתוכו‬

‫‪ .3‬סמיכות ‪:contiguity‬‬
‫חלק מהגדר אזור‪ .‬כאשר יודעים כיווניות בעזרת ‪ from node to node‬ניתן לדעת צדדים וכך נוצרים‪left poly & Right poly :‬‬
‫‪( – Arc node topology‬הכי חשוב בקורס!!) – הצגת הטופולוגיה של הקווים והפוליגונים‪:‬‬
‫טבלת פוליגונים – שם הפוליגון והקווים היוצרים אותו‪ .‬מקודדת על פי הקווים‬ ‫‪‬‬
‫טבלת קווים – שם הקו‪ ,‬כיווניות ואוריינטציה ( ‪ .)left poly & Right poly‬מקודדת על פי הנקודות ופוליגונים שכנים‬ ‫‪‬‬
‫‪ --‬לדעת ליצור את הטבלאות (שקופית ‪– )16‬‬

‫בניית טופולוגיה‬
‫‪ 2‬פקודות שונות‬

‫‪2‬‬
 ‫‪:Clean‬‬ ‫‪‬‬
‫‪ .1‬יצירת טופולוגיה‪ :‬תיקון גיאומטרי של מיקום קורדינאטות‪ ,‬ארגון קווים לפוליגונים ויצירת ‪ Feature Attribute Table‬לכל קו ופוליגון‬
‫‪ .2‬בדיקת שגיאות‪ :‬מטפל בשני סוגי שגיאות על ידי קביעת ערכי סף‬
‫‪ – Dangle Length‬האורך המינימאלי שדרוש עבור קו בכדי שלא ימחק בפעולת ה ‪clean‬‬ ‫‪.a‬‬
‫‪ – Fuzzy Tolerance‬במקרה שהאופורטור מייצר אוסף נקודות במקום אחת‪ .‬קובעים רדיוס קבוע אשר בתוכו תהיה רק נקודה אחת‬ ‫‪.b‬‬
‫אם אין שגיאות עוברים לסעיף ‪6‬‬
‫‪ .3‬עריכה לתיקון שגיאות‬
‫‪ .4‬יצירת טופולוגיה מחדש‪ :‬חזרה על סעיף ‪1‬‬
‫‪ .5‬בדיקת שגיאות נוספת‪ :‬חזרה על סעיף ‪2‬‬
‫‪ .6‬סוף‪ :‬מתן לייבלים לפוליגונים ול ‪ .nodes‬כעת מתאפשרת הורשת מידע נושאי לכל פוליגון המאפשרת תשאול עצמאי לכל פוליגון בנפרד‬
‫טופולוגיה מתבצעת במרחב השכבה ולא בין השכבות‬

‫‪:Build‬‬ ‫‪‬‬
‫ההבדל הוא בשלב ‪ .3‬בפעולה זו לא מתבצעת עריכה‪ .‬רק יוצר טבלאות ‪ arc node‬למידע קיים‪ .‬זאת מכיוון שיש שכבות שאסור לשנות אותן מסיבות של זכויות‬
‫יוצרים‬

‫אוטומטיזציה‬
‫‪ Clean‬זוהי לא פעולה שאנו רוצים להריץ ידנית מכיוון שאז כל דבר קטן שנוסיף יצריך הרצת ‪ Arc Node Topology‬מחדש‪.‬‬
‫לכן נדרשת אוטומטיזציה של הפעולה‪:‬‬
‫‪ .1‬שם הפקודה ‪ build‬באותה המידה יכול להיות כתוב ‪clean‬‬
‫‪ .2‬הגדרת משתנים – שכבות ה ‪( GIS‬לדוגמא) שעברו פעולת עריכה‬
‫‪ .3‬הגדרת השכבות שיכנסו לאותו המשתנה‬
‫‪ .4‬התניה – תיגש לכל שכבות הפוליגון מסוג ‪ .GIS‬אםן השכבה היא מסוג פוליגון ועברה‬
‫פעולת עריכה אז‪....‬‬
‫‪ .5‬תריץ ‪build‬‬
‫‪ .6‬אחרת ‪ -‬תן הודעה שלא ניתן להשלים את פעולת ‪build‬‬

‫כיווץ וקטורי ‪Freenman-hoffman chain code‬‬

‫מודל וקטורי הוא חסכוני מטבעו לכן לא משתמשים בכיווץ זה הרבה ואינו יעיל כל כך‬
‫גודל הוקטור הוא אורכו וכיוונו הוא הזווית מהצפון‪ :‬הזווית תהיה אחת מ ‪ 360‬מעלות – במקרה זה לא מספיק ‪ 8‬ביט ויש צורך ב ‪ 16‬ביט‪.‬‬
‫בכדי להקטין את גודל האחסון (‪ 16‬ביט) חילקו את העיגול לגזרות כך שכיוון הוקטור מוגדר על פי גזרה ולא מעלה ספציפית – ככל שיש פחות גזרות העיוות גדול‬
‫יותר אך אני אוגרת מספרים קטנים יותר בפחות ‪ bit‬וחוסכת מקום‪.‬‬

‫תכונות טופולוגיות של גרפים דו מיימדים‬

‫משפט אויילר‪:‬‬
‫‪V+F=E+S‬‬
‫‪ – V‬צמתים‪( F- ,‬פאות) פוליגונים‪( - E ,‬קשתות) קווים‪ – S ,‬חלקים‪ ,‬פוליגונים שאינם מחוברים‬

‫כל צורה בגרף‪ ,‬בהנחה שיושבת על מערכת צירים קרטזית ( ‪ 90‬מעלות בין הצירים ומרחקים שווים) מצייתת‬
‫לחוק זה האומר‬
‫סכום הצמתים והפוליגונים יהיה שווה לסכום הקווים והחלקים‬
‫מאפשר בדיקה של טעויות על ידי ספירת הנתונים ווידוי של קיום המשפט‬

‫משפט ז'ורדאן‪:‬‬
‫חשוב עבור שאילתות מרחביות בהן יש צורך לדעת אם נקודה או קו נמצאים באזור (פוליגון) מסוים – למשל לדעת אם מקור הזיהום נמצא בתוך העיר או מחוץ לה‪.‬‬
‫משפט ז'ורדאן אומר שיש להוציא קרן מהנקודה לכיוון הפוליגון ואז‪:‬‬
‫אם הקרן חותכת את גבולות הפוליגון מספר אי זוגי של פעמים – הנקודה בתוך הפוליגון‬ ‫‪‬‬
‫אם הקרן חותכת את גבולות הפוליגון מספר זוגי של פעמים – הנקודה מחוץ לפוליגון‬ ‫‪‬‬

‫איך פותח מודל ה ‪Arc node‬‬

‫‪ - Connectivity Matrix‬בשלב הראשון יצרו קשר בין הצמתים ‪ nodes -‬בעזרת מטריצה‪ 1 .‬יש קשר ‪ 2‬אין קשר‬ ‫‪‬‬
‫‪ – List of nodes‬מהר מאוד המטריצות הפכו עצומות אז ריכזו את אותו המידע בטבלאות עם ‪ 2‬עמודות‪ :‬שם הצומת והנקודות המחוברות אליה‬ ‫‪‬‬
‫במקביל יצרו את אותו הדבר עבור פוליגונים‬
‫‪Contiguity matrix‬‬ ‫‪‬‬
‫‪List of Area‬‬ ‫‪‬‬
‫מודל ה ‪ Georelations‬שילב בין רשימת האזורים לרשימת הנקודות ובתהליך טכני מסויים הפך ל ‪Arc Node‬‬

‫אופורטורים טופולוגים (מצגת ‪)9‬‬

‫תוכונות המכילות טופולוגיה הן יקרות מאוד ולכן מרבית התוכנות משתמשות באופורטורים טופולוגיים היוצרים פסודו‪-‬טופולוגיה‬
‫‪ – Buffer‬אזור חיץ‬ ‫‪‬‬
‫יצירת פוליגון סביב אובייקט (קו נקודה או פוליגון) במרחקים קבועים בצורה אוטומטית‪ .‬יעיל להגדרת אזורי השפעה‪.‬‬
‫השפעה על מבנה הנתונים – כאשר מדובר על ‪ 2‬אובייקטים קרובים אזורי החיץ שלהם עלולים לחפוף ואז יש ‪ 2‬אפשרויות‪:‬‬
‫‪ .1‬אם אופי ההשפעה שאנו בוחנים זהה עבור ‪ 2‬אזורי החיץ ניתן לאחד בניהם על ידי בחירת פקודה‪One buffer of all objects :‬‬
‫‪ .2‬אם אופי ההשפעה שונה יש לשמר את הפוליגונים הנפרשים ואז אזור החפיפה הוך לפוליגון עצמאי עם ‪Nodes 2‬‬
‫לרוב מעדיפים לאחד מכיוון שתהליך ההפרדה מורכב כי צריך להחזיק את כל ההשפעות המשותפות והעצמאיות‪.‬‬

‫‪Convex Hull‬‬ ‫‪‬‬

‫יוצר יישות פוליגונלית סביב אובייקטים נפרדים על ידי חיבור הצמתים החיצוניות‪.‬‬
‫למשל עם נדגום נקודות מזוהמות בקרקע ונרצה להכריז על האזור כאזור מזוהם האופורטור הזה יחבר בין הנקודות החיצוניות ויצור פוליגון סביב כל הנקודות‬
‫(תקף גם ליישויות לא נקודתיות)‬
‫‪3‬‬
 ‫‪Enclose – Cookie cutter‬‬ ‫‪‬‬
‫חיתוך של שכבה על פי גבולות של שכבה אחרת‪ .‬שכבה פוליגונלית אחת תשמש כתבנית שעל פיה חותכים את הנתונים והשכבה השנייה תשמש שמצע הנתונים‬
‫הנחתכים‪.‬‬
‫לאחר החלוקה כל פוליגון מקבל ‪ nodes‬משלו ומקודד כך שיהיה ניתן לייחס לו מידע תמתי‬
‫יוצר פוליגונים עם מידע מהשכבה החותכת‪ ,‬פוליגונים עם מידע מהשכבה הנחתכת ופוליגונים עם מידע משולב של שתיהן‬

‫אפרטורים משניים‪:‬‬
‫‪ - Combine‬מיזוג פוליגונים ושילוב המידע שלהן‪ .‬למשל את כל המדינות שבשדה המדינה שלהן כתוב אפריקה ניתן לאחד לפוליגון יחיד של יבשת‬ ‫‪‬‬
‫אפריקה‬
‫‪ – Disaggregate‬הפעולה ההפוכה מ ‪ .combine‬פעולת הפירוק של פוליגון מאוחד לפוליגוני המקור‬ ‫‪‬‬
‫‪Split --or‬‬ ‫‪‬‬
‫‪Erase‬‬ ‫‪‬‬
‫‪Erase outside‬‬ ‫‪‬‬

‫רסטר (מצגת ‪)10‬‬

‫לא תומך בטופולוגיה ובעל יכולות ‪ data base‬מוגבלות‪ .‬אך יש לו יתרונות רבים ולכן נמצא בשימוש נרחב בשוק‬
‫מבנה הנתונים הרסטרי בנוי מאוסף של תאים – ‪( grid cells‬בחישה נקראים פיקסלים) שיכולים להיות בצורות שונות (מגיעות מעולם הפסיפסים – כיסוי מרחב‬
‫גיאומטרי בצורה מקסימלית) ובגדלים שונים‬

‫מבנה נתונים רסטרי‬

‫תא בודד – נקודה‪ .‬אוסף תאים – קו‪ .‬אוסף תאים שהתא הראשון הוא האחרון – פוליגון‬
‫בוקטור יישות קווית (למשל) מקודדות עם שייכות ומידע כאשר רסטר עובד ברמת התא כך שאין לתא קשר עם שכניו‪ .‬קשר בין תאים נוצר רק בחיתוך רב שכבתי פר‬
‫תא ‪ --‬הפרדיגמה של הרסטר (המציאו פעולות עוקפות בכדי ליצר קשר בין תא ושכניו)‪.‬‬
‫מבחינה סכמטית ניתן להפוך וקטור לרסטר על יד הנחת גריד על הוקטור כאשר ברגע שאובייקט וקטורי נוגע בתא הוא מקודד‪.‬‬
‫במקרים של קו מפריד בין ‪ 2‬אובייקטים‪ ,‬התא ייצג את המידע הנמצא במרכזו (?)‪ .‬יכול ליצור עיוותים ובתאים חתוכים יש להחליט היכן להעביר את הקו‬
‫את תאי הרסטר ניתן לקדד בעזרת‪:‬‬
‫טקסט – נדיר‬ ‫‪‬‬
‫‪( - Integer‬מספר שלם)‬ ‫‪‬‬
‫‪( – Float‬שבר עשרוני)‪ .‬חסרונותיו הם בראשונה בבזבוז מקום האחסון‪ .‬יתכן גם מצב של עודף מידע מיותר שעלול לבלבל כאשר אין צורך ב ‪ X‬ספרות‬ ‫‪‬‬
‫אחרי הנקודה‪ .‬יש צורך לוודא שרמת הפירוט לא גבוהה מרמת הדיוק‬

‫מבנה הקובץ‬
‫מחולק לשני חלקים‪:‬‬
‫‪:Header‬‬
‫מספר עמודות ‪480‬‬
‫מספר שורות ‪450‬‬
‫קורדינאטת ‪ X‬של ה ‪ grid cell‬השמאלי התחתון היא ‪378923‬‬
‫קורדינאטת ‪ Y‬של ה ‪ grid cell‬השמאלי התחתון היא ‪4072345‬‬
‫גודל התא במציאות ‪ 30X30‬מטרים‬

‫‪:Data‬‬
‫‪ 2‬השורות האחרונות‪ ,‬המטריצה‪.‬‬
‫דוגמא‪ :‬נתייחס לקורדינאטות ב ‪ Header‬כשמאל עליון כדי שנוכל לראות את הנתונים במטריצה‪ .‬תא שערכו ‪ 3‬יהיה בעל הקורדינאטות‬
‫‪ .X – 378953 Y- 4072345‬מדובר ברשת ‪ UTM‬מטרית שמתחילה בנקודה שמאלית תחתונה (בדוגמא השתמשנו בעליונה) וכל קפיצה היא של ‪ 30‬מטרים‬

‫יתרונות‬
‫התאמה בין היחידות המכילות את המידע בכל השכבות – מקל על ניתוחים ותכנות אלגוריתמים‬

‫חסרונות‬
‫הבחנה מוגבלת ולא ניתנת לשיפור‬ ‫‪.1‬‬
‫מטריצת הנתונים תופסת הרבה זכרון‬ ‫‪.2‬‬
‫ייצוג של תכונה חדשה דורש מטריצה נוספת – מכיוון שכל תא מבטא תכונה אחת בלבד‬ ‫‪.3‬‬
‫נתונים רסטרים ממקורות שונים יכולים להגיע ברזולוציות שונות‬ ‫‪.4‬‬
‫‪ .5‬מדידות אורך ושטח לא מדוייקות ותלויות באוריינטציה של היישות‪ :‬כיוון שאין רסטרים אלכסוניים בכדי לייצג אובייקטים מוטים‬
‫יתכן מצב שנקבל נפח והיקף שונים עבור אותו האובייקט‬

‫כיווץ רסטרי‬
‫‪– Run length code .1‬‬
‫עובר שורה שורה ומייצר את הכיווץ‪ 11111111444 .‬יהפוך ל ‪ 8 .1843‬פעמים ‪ 1‬ו‪ 3‬פעמים ‪ . 4‬מאים לפני שטח הומוגניים יחסית‪.‬‬

‫‪4‬‬
 ‫העבודה לפי שורה גם היא בזבזנית ולכן פותח הכיווץ הבא‪:‬‬

‫‪- Raster chain code .2‬‬

‫עובד על מקבצי תאים בעלי אותו הערך בעזרת הגדרת כיוון – גודל המקבץ וערכו‬
‫משתמשים ב ‪ D8‬בכדי לקבוע כיוון – תא בודד עם ‪ 8‬תאים מקודדים סביבות כאשר המספרים מסמלים כיוון‬
‫‪64‬‬ ‫‪0‬‬ ‫‪1‬‬
‫מניחים את המפתח עם התא שבוחנים כאשר התא נמצא בתא המרכזי הריק ומכתיבים את כיוון התנועה‬ ‫‪32‬‬ ‫‪2‬‬
‫‪ – 0‬למעלה‪ – 32 ,‬שמאלה‪ – 8 ,‬למטה‪ – 2 ,‬ימין‬ ‫‪16‬‬ ‫‪8‬‬ ‫‪4‬‬
‫הקידוו מתבצע בצורה של ‪ -‬ערך כיוון גודל‬
‫קידוד‬ ‫קורדינאטות‬ ‫כיוון‬ ‫גודל‬ ‫ערך‬
‫‪683‬‬ ‫‪0,0‬‬ ‫‪8‬‬ ‫‪3‬‬ ‫‪6‬‬
‫‪622‬‬ ‫(הנקודה השמאלית התחתונה)לא צריך כי‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪6‬‬
‫אנחנו בשרשרת‬
‫‪6666‬‬ ‫‪603‬‬ ‫‪0‬‬ ‫‪3‬‬ ‫‪6‬‬
‫‪6655‬‬ ‫‪623‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪6‬‬
‫‪6655‬‬ ‫עכשיו נעשה את ‪5‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪5‬‬
‫‪8‬‬ ‫‪2‬‬ ‫‪5‬‬
‫‪5322‬‬ ‫‪32‬‬ ‫‪2‬‬ ‫‪5‬‬
‫‪Block codes .3‬‬
‫שיפור של השיטה הקודמת ויתרונה הוא בטיפול במקבצים גדולים של נתונים זהים‬
‫מניחים את החלון על נקודת התחלה כלשהיא ואז מגדירים את גודל החלון בסדר של ‪ -‬ערך‪ ,‬אורך‪ ,‬רוחב‬
‫התנאי הוא שהחלון יהיה כולו באותו הערך (לא מדורג או עם איים)‪ .‬מכיוון שהרסטר בעיקרו הומוגני יהיה קל לקדד חריגים באופן ידני‬
‫‪333‬‬
‫‪333‬‬
‫‪333‬‬
‫ערך ‪ 3‬גודל ‪ .3X4‬קוד ‪334‬‬ ‫‪333‬‬

‫‪Quadtree‬‬ ‫‪.4‬‬
‫נקודת ההתחלה היא השכבה כולה ולא חלון – תא ספציפי‪ .‬מחלקים את השכבה לארבע – כאשר רבע מכיל ערך יחיד הוא מקודד לפי אותו הערך‪.‬‬
‫במקרה שאין ערך אחיד – מחלקים שוב לרבעים וחוזר חליליה‪.....‬‬

‫אופורטורים ראסטרים (מצגת ‪)11‬‬

‫מטרתם יצירת דרכים עקיפות דרכן ניתן לנתח את הרסטר כמערכת מידע ממ"גית‬
‫פחות יעיל מוקטור כי אין לו טופולוגיה – מידע על השכנים ויצירת קשרים יחסיים ולא מרחביים‬
‫‪Clump‬‬ ‫‪‬‬
‫אוסף תאים רציפים בעלי אותו ערך המקובצים יחד והעבודה עליהם נעשת כמו על עבודה על תא יחיד‬

‫‪ - Contiguity‬סמיכות‬ ‫‪‬‬
‫כל תא בודק מהו ערכו של התא השכן לו – אם ערך זהה מקודדים יחד‬
‫מור – (‪ )D8‬כל התאים הבאים עימו במגע‬ ‫‪ 2‬שיטות – פון ניומן (‪ -)D4‬התאים הנמצאים אנכית ואופקית לתא הנבדקת‬

‫כאשר יש ‪ clump‬ים קטנים מידי יש ‪ 2‬דרכים להתמודד איתם‪:‬‬

‫‪ – Sieve‬לסנן‬ ‫‪‬‬
‫אלוגריתם המוחק ‪ clump‬מתחת לגודל – ערך או שטח – מוגדר ונותן לא את הערך ‪0‬‬

‫‪Eliminate‬‬ ‫‪‬‬
‫אותה פעולה כמו של ‪ sieve‬רק שבמקום קידוד ‪ 0‬נותן לו את ערך ה ‪ clump‬הגדול הקרוב ביותר‬

‫שימושים‬
‫רסטר‬ ‫‪Clump‬‬ ‫‪Sieve‬‬ ‫איתור שטחי נחיתה להליקופטרים‬
‫ניתוח התפלגות כתמים – ‪patch dynamics‬‬
‫דוגמא‪:‬‬
‫כל ‪ clump‬בעל ‪ 2‬תאים ומטה‬
‫יקבל את הערך – ‪. 0‬‬
‫ברסטר הזה ה ‪ clump‬ים שעומדים‬
‫בקריטריון חוזרים לערכם המקורי‬

‫אם היינו עובדים בשיטת ה ‪ elimination‬ה ‪ clump‬בעל ערך ‪ 1‬באמצעי היה מתחבר עם ‪clump 5‬‬

‫‪Perimeter‬‬ ‫‪‬‬
‫אלוגריתם המחשב את היקפם של ה‪ .clump‬כך נוצרים ‪ patches‬בעלי חשיבות ליחס שטח היקף‪ .‬השטח הוא מספר התאים בעלי אותו הערך היוצרים את ה‬
‫‪ clump‬וההיקף הוא מספר כל התאים המקיפים אותם‬
‫יש להיות חשדניים כי עבור תא אחד יש היקף ‪ 8‬כאשר עבור ‪ clump‬בעל ‪ 3‬תאים בסדר מסוים יכול להיות ‪ – 9‬לרוב מדובר בכתמים גדולים כך שהעיוות הוא‬
‫מינמאלי אך יש לשים לב‪ .‬למשל ‪ 3‬תאים כאלה‬

‫‪5‬‬
 ‫‪Search‬‬ ‫‪‬‬
‫ה ‪ buffer‬של מבנה הנתונים הרסטרי‪ .‬רמות ה ‪ buffer‬נקבעות על פי מספר התאים מהאובייקט‪ .‬התאים הצמודים המקיפים את האובייקט יקראו ‪ buffer 1‬שורה‬
‫נוספת כלפי חוץ ‪ .buffer 2 -‬המערכת עושה חיפשו לתאים אל מהאובייקט וזה תהליך ה ‪search‬‬

‫‪Index‬‬ ‫‪‬‬
‫סוכם ‪ 2‬שכבות – כל תא נסכם עם התא המקביל לו בשכבה השנייה‪ .‬ניתן להוסיך משקל לכל שכבה (‪ 25%‬שכבת שנת ‪ 75% ,2000‬שכבת שנת ‪)2008‬‬
‫שימוש אפשרי – חקלאי יכול לראות כמה הרוויח מכל תא שטח על פי תפוקת יבול לאורך מספר שנים‬

‫‪Overlay‬‬ ‫‪‬‬
‫מחבר ‪ 2‬שכבות על פי ערכים מינימאלים או מקסימאלים ‪ -‬יוצר רסטר אחד המכיל רק את הערכים הגבוהים‪/‬הנמוכים לכל תא‪.‬‬
‫באופורטור זה לא ניתן לדעת מה מקור כל ערך בתוצר הסופי (נעשה על יד אופורטור נוסף)‬

‫‪Matrix‬‬ ‫‪‬‬
‫מאפשר הצגה גרפית וטבלאית של חפיפות מסוגים שונים בין שטחים (תאים) של שתי שכבות ‪ Input‬שונות‬
‫דוגמא‪ 2 :‬שכבות ‪ – input‬שכבת מסלע ושכבת צמחיים‪ .‬לכל מפגש סוג קרקע עם סוג צומח יהיה קוד – יוצר אינדקס מפגשים מקודד‬
‫עצים‬ ‫חד שנתיים שיחים‬
‫גיר‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬
‫בזלת‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬
‫חוואר‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬

‫כל פעם שיש מפגש בין גיר לעצים יהיה רשום ‪ 1‬וכן הלאה‪ ...‬מאפשר להראות קורלציה גבוה בשטח ומיקום של כתמים‪.‬‬
‫מפגש שחסר בו נתון מקודד כ ‪0‬‬

‫‪Record‬‬ ‫‪‬‬
‫מאפשר לקדד באופן ידני כל ערך נתון בערך חדש וכל התאים המכילים את אותו הערך יתעדכנו אוטומטית‪.‬‬
‫חשוב לפעולות קיבוץ ‪ -‬למשל בטופוגרפיה‪ ,‬הכללת ערכים בכדי ליצור מדרג של שיפוע מתון בינוני ותלול‬

‫‪Summery‬‬ ‫‪‬‬
‫משווה בין ‪ 2‬שכבות וממפה את המפגשים בין הערכים‪ .‬דומה ל ‪ matrix‬רק שכאן נקבל סדרת מספרים ולא פלט מרחבי‬
‫הערך ‪ – 8‬כמה פעמים מופיע מול הערך ‪ ,3‬כמה פעמים מול הערך ‪ ...4‬התוצר הוא קובץ טבלאי ולא שכבה גראפית‪.‬‬

‫‪Zonal Attributes‬‬ ‫‪‬‬

‫הקישור היחידי בין ממ"ג רסטרי לממ"ג וקטורי‪.‬‬
‫בעוד ממ"ג וקטורי מייצג משתנה אחיד הממ"ג הרסטרי משתנה מייצג משתנים רציפים – למשל מפת טמפרטורה המייצגת גרדיאנט‪.‬‬
‫דוגמא‪ :‬פוליגון וקטורי של שדה ורסטר טמפ' – אנו רוצים לבדוק האם הטמפרטורה משפיעה על השדות‪ .‬אופורטור זה מחשב עבור כל פוליגון וקטורי משתנים‬
‫סטטיסטיים מתוך הראסטר – כמו טמפ' מקס'‪ ,‬חציון‪ ,‬שכיח‪.....‬‬

‫ניתוח רב שכבתי וניתוח מבוסס מרחק (מצגת ‪)12‬‬

‫ניתוח רב שכבתי – ‪Overlay analysis‬‬
‫מוטמע בממ"ג‪ .‬מכיוון שקשה לייצר מידע ויזואלי רב גורמי בשכבה אחת הפרדיגמה של הממ"ג היא שמידע נושאי שונה ישב בשכבות שונות‪ .‬בעזרת טופולוגיה ניתן‬
‫לבצע ניתוח רב שכבתי גם בשכבות שאינן תואמות מבחינה גיאומטרית‪.‬‬
‫ברמה טבלאית ניתוח רב שכבתי מתאפשר עם פעולת ה ‪ JOIN‬בעזרת ה ‪Foreign Key‬‬

‫שלב ראשוני – תיקון גיאמטרי אמין – בממ"ג רסטרי הדרישה היא שה ‪ RMS‬יהיה קטן מגודל התא ובממ"ג וקטורי זה תלוי בקנ"מ‪.‬‬

‫השכבה המקורית היא שכבת ה ‪ .input‬השכבה הנוספת שמניחים על המקורית היא שכבת ה ‪ .overlay‬התוצר הוא ה ‪.output‬‬
‫השינוי מופיע רק ב ‪ Output‬כאשר ה ‪ overlay‬וה ‪ input‬נשארות אותו הדבר‬

‫‪ 3‬מצבים אפשריים למיקום הפוליגונים לפי השכבות‪:‬‬

‫‪ .1‬אין חיתוך בניהם‪ .‬ניתן להשתמש בספגטי רגיל ואין צורך ביצירת ‪nodes‬‬
‫‪ .2‬פוליגון אחד בולע פוליגון אחר בשלמותו‪.‬‬
‫‪ .3‬יש חיתוך – נקבל ב ‪ output 3‬פוליגונים‪ input :‬בלבד‪ input + overlay, overlay ,‬בלבד‪ .‬לא יכול לקרות בספגטי‬

‫עקרונות החיתוך‬
‫‪ – Union‬התוצר הסופי מציג את השטח הכולל של שתי השכבות – יוצר פוליגון אחד‬ ‫‪‬‬
‫‪ – Identity‬חותך שכבה אחת על פי גבולות השכבה השניה כך שנקבל את השטח המשותף ואת השטח הבלעדי לשכבה החותכת‬ ‫‪‬‬
‫‪ – Intersect‬רק השטח המשותף‬ ‫‪‬‬

‫שלב ‪ :1‬השלב הגיאומטרי‪ .‬לדוגמא מפת כבישים שנחתכת על פי אזור‪.‬‬

‫התוכנה מאתרת את כל הצמתים ויוצרת טופולוגיה‪.‬‬ ‫‪-‬‬
‫לאחר הטופולוגיה נותנים ‪ ID‬ייחודי לכל פוליגון – ‪ . labels‬הפוליגונים שומרים על נתוני המקור ומקבלים גם נתונים נוספים בשל החיתוך‬ ‫‪-‬‬
‫שהפוליגונים מוכנים עוברים לשלב ‪ :2‬שלב התכנות שימוש בטבלה לשאילתות על מנת לבחור שילובי תכונות‬

‫ניתוח רב שכבתי ברסטר‬

‫הרבה יותר פשוט מכיון שהתאים הם בעלי גודל זהה ואין צורך בטופולוגיה‪ .‬ה ‪ ID‬הוא ‪ ID‬קבוע של התא המקורי וישנן מספר שיטות לקביעת ערך התא‬
‫השיטות מבוססות על עקרונות לוגיים של התניות וחישובים – יש המון אפשרויות לכן מחולקים למשפחות‪:‬‬
‫חוק הערך הדומיננטי – בחירת ערך דומיננטי למשל‪ :‬מקסימום או מינימום‪ .‬כך ששילוב התאים ייצר פלט המכיל רק ערכי מקס' או מינ' מכל‬ ‫‪‬‬
‫השכבות (כמו האופרטור ‪)overlay‬‬
‫חוק הערך התורם – במקרה של ‪ 10‬שכבות למשל יהיה ביטוי לכל העשרייה‪ .‬נסכום או נחסר או נמצע‪...‬את כולן והערך יבטא את הפעולה‬ ‫‪‬‬
‫החשבונית‬

‫‪6‬‬
 ‫חוק האינטרקציה ‪ -‬תהליך מדורג של השפעה עם התניות ומשקל‬ ‫‪‬‬
‫דוגמא‪ :‬נניח שרוצים לבנות ממ"ג רב שכבתי לשימור טבע‪ .‬יש לנו ‪ 4‬קריטריונים‬
‫בעלות – החשוב ביותר‪ .‬בעלות פרטי = ‪ ,0‬שלח ללא לשימור ללא התחשבות בשאר הפרמטרים‪ .‬לא פרטי= ‪ 1‬המשך הלאה‬ ‫‪‬‬

‫גודל ומגוון – שניים בחשיבותם ועל פי הגדרה יקבלו משקל של ‪( .70%‬מגוון ‪ +‬גודל) ‪X0.7‬‬ ‫‪‬‬
‫הקריטריון האחרון הוא הכי פחות חשוב מבחינתנו ויקבל משקל של רק ‪ .30%‬סוג קרקע‪X 0.3‬‬ ‫‪‬‬

‫יישום של ניתוח רב שכבתי‬

‫‪ Change detection‬אחד האופורטורים החשובים ביותר בניתוח רב שכבתי‪.‬‬
‫האופורטור שבודק אם נעשה שינוי הוא שיוויון‪:‬‬
‫‪If input 1 = input 2‬‬
‫‪Then Input 1‬‬
‫‪Else 1‬‬
‫אם אין שינוי – שמור על הערך מ ‪ .input 1‬אם לא שווים‪ ,‬כלומר היה שינוי תרשום ‪1‬‬

‫‪Input 1‬‬ ‫‪input 2‬‬ ‫‪output‬‬

‫‪441‬‬ ‫‪445‬‬ ‫‪444‬‬
‫‪555‬‬ ‫‪555‬‬ ‫‪555‬‬

‫ניתוח מבוסס מרחק‬

‫מבוסס על היכולת המוטמעת של הממ"ג לחישוב מרחק ע"י פיתגורס בין ‪ X‬ל ‪ Y‬בהתבסס על מערכת צירים קרטזית‬
‫בעזרת מרחק זה ניתן לחשב ‪ Buffer‬וגם אלוגריתמים מורכבים יותר‬
‫‪ – Near‬מחשב את המרחק מכל אובייקט בשכבה אחת לכל אובייקט בשכבה אחרת‪.‬‬ ‫‪‬‬
‫למשל שכבת בתי מגורים ושכבת בתי ספר‪ .‬מחשב את המרחקים מכל בית מגורים לכל בתי הספר ונותן את התוצאה של המרחק הקטן ביותר‬
‫בתי המגורים יהיו שכבת ה ‪ input‬כאשר שכבת בתי הספר תהיה ה ‪overlay‬‬
‫ניתן לבצע את אותה הפעולה לקווים ופוליגונים ‪ --‬נחשב את המרחק לצנטרואיד‬
‫רדיוס חיפוש‪ :‬מגדירים דכבה ראשונה‪ ,‬שנייה ורדיוס חיפוש שקבוע להרצה נתונה‬

‫עיצוב הפלט (מצגת ‪)13‬‬

‫‪ 2‬משימות לפלט‪:‬‬
‫מיון הנתונים על מנת להוציא פלט ממוקד מתוך כמות המידע האדירה בממ"ג בכדי שיהיה ניתן להבחים בצבעים‬ ‫‪‬‬
‫יצירת סימול‬ ‫‪‬‬
‫שיטות מיון‬
‫שיטות שמוטמעות בממ"ג בצורה אוטומטית‪:‬‬ ‫‪5‬‬
‫‪ – Natural breaks .1‬ברירת המחדל של התוכנה לא ניתן לבצע ידנית‪ .‬מחלק את הדאתא בייס בצורה אקראית למספר הקבוצות שרצינו בצורה כזו‬
‫שהשונות בין הקבוצות תהייה גדולה מהשונות בתוך הקבוצות‪ .‬מעביר נתונים עד שמגיע לתוצאה האופטימלית‬

‫‪ – Quantile .2‬כל קבוצה כוללת מספר שווה של חברים‪ 20 .‬רשומות – אם נרצה ‪ 5‬קבוצות נקבל ‪ 4‬חברים‬
‫בקבוצה‬ ‫שבט‬ ‫מספר עדרים‬
‫נפתלי‬ ‫‪300‬‬
‫דבר ראשון נסדר את הנתונים בסדר יורד לפי הקבוצה שעל פיה רוצים למיין‪ ,‬במקרה זה – מספר עדרים‪.‬‬ ‫דן‬ ‫‪150‬‬
‫מתחילים מלמעלה‬ ‫אשר‬ ‫‪90‬‬
‫בנימין‬ ‫‪90‬‬
‫יש לנו ‪ 9‬שבטים כך שנרצה ‪ 3‬שבטים בקבוצה‪ .‬אשר ובינימין הם בעלי אותו הערך במספר עדרים ולכן חייבים להיות באותה‬ ‫זבולון‬ ‫‪70‬‬
‫הקבוצה‪.‬‬ ‫יששכר‬ ‫‪35‬‬
‫השאיפה היא למספר זהה של חברים אך לעיתים יש גורמים מגבילים‬ ‫יהודה‬ ‫‪31‬‬
‫מנשה‬ ‫‪20‬‬
‫אפרים‬ ‫‪10‬‬

‫‪ – Equal interval .3‬קביעה של טווח ערכים לכל קבוצה‪ .‬הטווח הוא (‪group number /)max – min‬‬
‫במקרה זה (‪97 = 3/)300-10‬‬ ‫נפתלי‬ ‫‪300‬‬
‫טווח קבוצה ‪ :1‬בין ‪ 300‬ל ‪ - 203=300-97‬הטווח הוא ‪300-203‬‬ ‫דן‬ ‫‪150‬‬
‫טווח קבוצה ‪ :2‬בין ‪ 203‬ל ‪ - 104 = 203-97‬הטווח הוא ‪203-104‬‬ ‫אשר‬ ‫‪90‬‬
‫‪ -‬הטווח הוא ‪104-7‬‬ ‫טווח קבוצה ‪ :3‬בין ‪ 104‬ל ‪7 = 104-97‬‬ ‫בנימין‬ ‫‪90‬‬
‫זבולון‬ ‫‪70‬‬
‫יששכר‬ ‫‪35‬‬
‫יהודה‬ ‫‪31‬‬
‫מנשה‬ ‫‪20‬‬
‫שטח‬ ‫אפרים‬ ‫‪10‬‬

‫‪ - Equal area .4‬משמש ליצירת מפות גלובאליות‪ .‬מדינות עם שטח גדול ימסכו על כל המפה ויש צורך‬ ‫‪100‬‬ ‫נפתלי‬ ‫‪300‬‬
‫‪50‬‬ ‫דן‬ ‫‪150‬‬
‫‪150‬‬ ‫ליצור קיבוץ כך שהמדינות הקטנות לא יעלמו‬
‫אם מדינה גדולה תהיה באותה קבוצה עם מדינה קטנה לא נבחין בקטנה – לכן מקבצים לפי גודל‬ ‫‪30‬‬ ‫אשר‬ ‫‪90‬‬
‫השטח‬ ‫‪31‬‬ ‫בנימין‬ ‫‪90‬‬
‫‪90‬‬ ‫זבולון‬ ‫‪70‬‬
‫‪151‬‬ ‫‪10‬‬ ‫יששכר‬ ‫‪35‬‬
‫דבר ראשון נסכום את השטחים ונחלק במספר הקבוצות הרצוי ‪area sum/ group num‬‬ ‫‪12‬‬ ‫יהודה‬ ‫‪31‬‬
‫סכום השטח הוא ‪ 3 ,410‬קבוצות ‪ --‬סכום השטח לקבוצה יהיה ‪137‬‬ ‫‪70‬‬ ‫מנשה‬ ‫‪20‬‬
‫נתחיל מלמעלה‪ ,‬לרוב הקבוצות יוצאות גדולות יותר‬ ‫‪17‬‬ ‫אפרים‬ ‫‪10‬‬
‫אותו‬
‫גם כאן המשתנה שעל פיו מחלקים הוא עדיין העדרים לכן שבטים בעלי ‪109‬‬
‫מספר עדרים חייבים להיות באותה הקבוצה (לא משנה במקרה זה)‬

‫‪7‬‬
 ‫‪ – STD .5‬סטיית תקן‬
‫המיון הנפוץ ביותר‪ .‬בהנחה שההתפלגות היא נורמאלית אם נעבוד על פי סטיית תקן נקבל את החלוקה הטובה ביותר‬
‫יוצרים ממוצע ומדלגים על פי סטיית תקן‪ .‬הרעיון הוא שאנו לא קובעים מראש את כמות הקבוצות הרצויה‪ ,‬אנו שולטיםבה בעזרת סטיית התקן –‬
‫קפיצה של סטייה אחת‪ ,‬קפיצה של חצי סטייה (נקבל יותק קבוצות)‬
‫‪343=258+85‬‬
‫סטיית תקן‪:‬‬ ‫קבוצה ‪1‬‬ ‫נפתלי‬ ‫‪300‬‬
‫‪258=173+85‬‬
‫קבוצה ריקה‬
‫‪173=88+85‬‬
‫קבוצה ‪2‬‬ ‫דן‬ ‫‪150‬‬
‫אשר‬ ‫‪90‬‬
‫בדוגמא זו הממוצע ‪ 88 -‬וסטיית התקן היא ‪85‬‬ ‫בנימין‬ ‫‪90‬‬
‫ממוצע = ‪88‬‬
‫קבוצה ‪3‬‬ ‫זבולון‬ ‫‪70‬‬
‫יששכר‬ ‫‪35‬‬
‫יהודה‬ ‫‪31‬‬
‫מנשה‬ ‫‪20‬‬
‫אפרים‬ ‫‪10‬‬

‫מאמרים‬

‫‪Integration of remotely-sensed raster data with a vector-based ……./ N.M. Mattikalli‬‬

‫מאמר זה עוסק בשיטות לשילוב מידע ראסטרי מהדמאות לווינים ומידע וקטורי בנושא שימושי קרקע ויצירת שיטה יעילה של ניטור אחר שינויים במודל הוקטורי‪.‬‬
‫ניטור שינויים ברסטר מתבסס על ניתוח פיקסלים – לא מתאים לוקטור‪.‬‬
‫מתודולוגיה‬
‫הנתונים עד ‪ 1984‬הינם וקטורים בממ"ג והנתונים אחרי ‪ 1984‬הינם ראסטרים מחישה מרחוק – יש לשלבם ולייצר מאגר נתונים וקטורי בכדי לייצר מעקב שינויים‬
‫על המודל הוקטורי‪.‬‬
‫המתודולוגיה נחלקת לשניים‪:‬‬
‫אינטגרציה‪ :‬הפיכת המידע הרסטרי למידע וקטורי‪:‬‬ ‫‪‬‬
‫‪ .1‬הפיכת הרסטר למודל נתונים מסוג ‪ – lattice‬סדרת נקודות (‪ )mesh points‬ברווחים שווים המייצגות את ערך הפיקסל ואינם מייצגות שטחים‬
‫בעלי ערך זהה‪ .‬נתונים במודל זה ניתנים לקריאה בקלות עלי יד תוכנות ‪ GIS‬וכך מתאפשרות מניפולציותבצורה פשוטה‬
‫‪ .2‬הנתונים ממודל ה ‪ lattice‬מומרים בקלות לנתוני ‪ SVF – single variable file‬אשר מחלקים את הנתונים לתאים כאשר כל תא מייצג ערך קבוע‬
‫בכל שטחו‪ .‬להמרה זו ב ‪ Arc Info‬קוראים ‪.Latticegrid routine‬‬
‫‪ .3‬כעת ניתן להמיר את המידע לפוליגונים וקטוריים על ידי איחוד בעלי פיקסלים עם ערך זהה ויצירת פוליגון סגור על ידי חיבור הגבול החיצוני‬
‫שלהם‬

‫קורדינאטות של הפוליגונים שנוצרו יקבעו על פי ערכי מינימום של ‪ X Y‬מסך ההדמאות – אלה הן הקורדינאטות במציאות על פי רשת ‪ UTM‬אם התחלה בנקודה‬
‫שמאלית תחתונה‬
‫האלוגריטם מייצר שכבה וקטורית פוליגונלית לכל הדמיה רסטרית ומייצר שדות הכרחיים ב ‪ PAT – polygon Attribute Table‬למשל ‪ grid cell‬המקליד את ערך‬
‫הפיקסל עבור כל פוליגון כ ‪ attribute‬שלו‪ .‬שני שדות נוספםי הם שטח והיקף הפוליגון בכדי לייצר מידע גיאוגרפי‪.‬‬

‫בכדי לאפשר ניטור אחר שינויים יצרו מספר סיווגי קרקע שיהיו תואמים לכל השכבות ולא יהיו מפורטים יתר על המידה כך שיהיה לעקוב אחר השינויים בקלות –‬
‫נוצרו ‪ 7‬חלוקות כלליות ורחבות‪ .‬בהתאם לחלוקה החדשה הפוליגונים התחברו בהתאם תוך העלמות הקווים המפרידים בניהם וניתן היה לראות את השינויים‬
‫הגדולים שחווה האזור מבחינת שימושי שטח‪.‬‬
‫כעת‪ ,‬לאחר הקלסיפיקציה‪ ,‬ניתן להשתמש באופורטורים של אלגברה בוליאנית הנעזרת רבות בדיאגרמות וון‬

‫ניטור שינויים בזמן במודל הוקטורי באמצעות לוגיקה בוליאנית‬ ‫‪‬‬

‫‪8‬‬
 ‫בתחילה נראה כי השיטה הטובה ביותר לניטור שינויים היא בעזרת ‪ . Intersection‬החלק המשותף מייצג את האזור שלא עבר שינוי וכך ניתן‬
‫לדעת מהם האזורים שכן עברו שינוי‪ .‬הייתה בעייתיות באופרטור שלעיתים הציג שטחים שעברו שינוי כשטחים שלא ישתנו‪ ,‬שגיאה זו התרחשה גם‬
‫שהחליפו בים שכבת ה ‪ Input‬לשכבת ה ‪overlay‬‬
‫לכן עברו לשימוש באופורטור בוליאני אחר‪:‬‬

‫‪ – Union‬מאחד את המידע של שני הפוליגונים ובכך ניתן לראותאת שינויי הקרקע ‪ -‬האופורטור הנבחר‪.‬‬
‫נוצרו ‪ )N2( 49‬אופציות של שינוי שימוש הקרקע ובעזרת אופורטור ‪ AND‬נבדק מה היה השינוי כאשר שאין שינוי משני צידי ה ‪ AND‬יהיה אותו השימוש‬

‫‪Terrain mapping unit-based approach for sustainable agricultural development in India…/ Iqbaluddin‬‬
‫שימוש במערכות מידע מרחביות לשימוש בחקלאות ברת קיימא בעזרת יחידות מיפוי שטח ‪TMU –terrain mapping units‬‬

‫רעיון מיפוי ה ‪( TMU‬ניהול נתונים מרחביים)‪:‬‬

‫בכל המערכות הממ"גיות עד היום הגבולות היו מלאכותיים והכפרים ייצגו יחידות משאביות במערכות הפוליגוניליות‬
‫חלוקה חדשה מוצעת בכדי לאפשר תכנון אופטימלי ושמירה על הסביבה‪ -‬חלוקה ליחידות מיפוי שטח הנקראות ‪ . TMU - terrain mapping units‬יחידות אלה‬
‫מאופיינות באחידות ב‪ :‬ליתולוגיה‪ ,‬סוג הקרקע‪ ,‬מי תהום‪ ,‬שיפוע ואחידות הנוף‪.‬‬

‫מתודולוגיה‬
‫ייצרו יחידות ‪ TMU‬מתוך מפות והדמאות גיאולוגיות‪ ,‬גיאומורפולוגיה והידרולוגיות‪.‬‬
‫במחוז ‪ Aligarh‬עשו פיילוט מחקרי בשיטת ה ‪ TMU‬ויצרו מאגר נתונים הזמין במודל וקטורי או רסטרי בצורת מפות‪ ,‬סטטיסטיקות ונתונים מרחביים‬

‫נוצרו ‪ TMU 6‬עם המאפיינים הבאים‬

‫מרכיבי ה ‪TMU‬‬
‫‪ – NA OA‬סוג מסלע‪ - N .‬אלוביום חדש (‪ – O )1‬אלוביום ישן (‪)2‬‬ ‫‪‬‬
‫‪ – PC FP‬תנאי שטח ‪ – Palaeochannel .‬אזורי משקעים לא מגובשים‪ – FloodPlain ,‬שטחי הצפה‬ ‫‪‬‬
‫‪ – SWT DWT‬גובה מי תהום‪ – S .‬רדוד ‪ – D‬עמוק‬ ‫‪‬‬
‫‪WUL – western uplands‬‬ ‫‪ – CLL WUL‬אזור גיאוגרפי‪CLL – central lowlands .‬‬ ‫‪‬‬

‫בצורה זו ניתן להשוות בין אזורי קרקע שונים והתאמתם לגידולים שונים‪.‬‬
‫הפואנטה במאמר היא – הבחירה בגבולות טבעיים‪ ,‬הביצוע דרך ה ‪ TMU‬ומרכיביו‬

‫המאמר של טל סבוראי‬
‫סקירה ספרותית על מערכות המידע הגיאוגרפיות בתחום האנושי אל מול הפוטנציאל האפשרי לשימוש בתחום‪ .‬דיון בפוטנציאל של גישות מידע גיאוגרפיות ‪GI‬‬
‫במחקר הגיאוגרפיה האנושית‬
‫גיאוגרפיה אנושית‪ :‬הקשר בין ההתנהגות האנושית למרחב‪ 2 .‬גישות‬ ‫‪‬‬
‫כמותית‪ :‬התייחסות לפעולות אנשוית בגישה מתמטית בעזרת סטטיסטיקות ונתונים‪ .‬למשל תורת המקומות המרכזיים של קריסטלר‪.‬‬ ‫‪.a‬‬
‫מידע שכזה פשוט להציג במודל ממ"גי‬
‫איכותית‪ :‬מאמינה שהתפרושת האנושית נגרמת מכוחות ורעיונות חברתיים – קשה מאוד בייצוג ממ"גי ויש לפתח כלים מתקדמים יותר‬ ‫‪.b‬‬
‫על מנת להצליח להציג תהליכים אלה שאינם מרחביים בפועל‬
‫אנשים וארגונים הם הסוכנים המייצרים את המבנה הגיאוגרפי הכללי בזמן של שירוצים סחורות‪ ...‬הם ה ‪ input‬וה ‪ output‬לפעולות האנשים והארגונים‪.‬‬

‫מידע גיאוגרפי ‪ : GI‬תת סוג של מערכת מידע ‪ ,IS‬בעלת מרכיב מרחבי‬ ‫‪‬‬
‫המתקבל ע"י קורדינאטות‬
‫הגדרה מדעית טיפוסית של ממ"ג‪ -‬ממ"ג הינה אמצעי להכנה‪ ,‬לייצוג ולתרגום עובדות‬
‫השייכות לפני השטח של כדור הארץ‪.‬‬
‫הגדרה תעשייתי של הממ"ג – ממ"ג הינו אוסף מאורגן של מרכיבי המחשב‪ :‬חומרה‪,‬‬
‫תוכנה‪ ,‬מידע גיאוגרפי והוא מעוצב ביעילות כך שיוכל לקלוט‪ ,‬לאחסן‪ ,‬לעדכן‪ ,‬לתפעל‪,‬‬
‫לנתח ולהציג את כל הצורות של המידע הגיאוגרפי‬
‫‪9‬‬
‫‪ GIS‬מורכב מ‪ :‬מרכיב קלט המגיע מחישה מרחוק‪ ,‬הדמאות ומידע שעבר דיגיטציה‪ .‬מאגר ידע גיאוגרפי‪ .‬יכולות פלט כגון פלוטר‪ .‬מרכיב שאילתות ואלוגריתמים‬
‫‪ GIS‬נתמך על יד בסיס מדעי מפורט המספק רקע תיאורתי לפעולות השונות יחד עם מרכיב גיאוגרפי חזר הבנוי מ‪ :‬ייצוג יישויות גיאוגרפיות והתנהגותן במרחב‪,‬‬
‫תיאוריות של חקר מרחבי ועקרונות הכללה וסימול‬

‫השילוב בין ‪ IS‬למידע גיאוגרפי הוביל להתפתחות תחום נוסף ‪ GIScience -‬המטפל באספקטים המרחביים של ה ‪ .GIS‬תחום זה מטפל בהגדרת מודלי מיד‬
‫מרחביים‪ geo-refrencing ,‬של מאגרי מידע גיאוגרפים ומערכות שאילתות‪.‬‬
‫ההבדל בין ה ‪ GIS‬ל ‪ GIScience‬הוא שה ‪ GIS‬והמחקר שלו קשורים לרוב לתעשייה ומושפע לעיתים מצרכים מסחריים‪.‬‬
‫ההנחה הרווחת היא שה ‪ GIS‬הוא יישום של עקורונות שפותחו ב ‪ .GIScience‬ההתפתחות של שנייהם היא מקבילה והם מזינים זה את זה‬

‫הפוטנציאל של גישות ‪ GI‬בג"ג האנושית‬

‫הבסיס לשילוב שיטות אלו הוא האלמנט המרחבי‪ .‬אותו אלמנט במפרדי את ה ‪ GI‬מדיסיפלינות ה ‪ IS‬ואת הג"ג האנושית ממדעי החברה‪.‬‬
‫פוטנציאל השימוש יכול להתחלק לשני נושאים מרכזיים‪:‬‬
‫ייצוג מידע ונגישות – ארגון מאגרי מידע מרחבי‪ ,‬מבנה מידע מרחבי‬ ‫‪‬‬
‫יכולות ביצוע של ניתוח מרחבי – המרכיב הממוחשב‬ ‫‪‬‬
‫כפי שנאמר קודם ייצוג ממוחשב של מידע ג"ג אנושי הוא עניין מורכב‪ .‬תחומי ה ‪ GI‬יכולים לייצר ייצוג ממוחשב משופר על ידי שיפור יחס העלות תועלת‪.‬‬
‫בנוסף ישנה התייעלות בתחום אחסון הנתונים בעזרת מודלים טופולוגים של וקטורים וראסטרים ואימוץ גישת ‪ object-oriented‬במחשוב ה ‪ .GI‬גישה זו‬
‫מאפשרת מעקב אחר אירועים עיתיים ודינאמיים כמו תנועת אנשיים ברחובות‪..‬‬
‫מערכות מתקדמות נוספות מאפשרות אחסון והצגה של מידע מרחבי לא מושלם באמצעות הנדסה אונטולוגית – השלמה של מה שקיים‬
‫השילוב בין גישת אחסון ה"מכוונת אובייקטים" עם ‪ Fuzzy set theory‬אפשרה את יצירת המודל ה ‪ Fzzy data‬שיאפר הצגת מידע מעורפל ולא מדוייק‬

‫אלה הן דוגמאות להראות את אפשרויות האחסון והמודלים השונים שיכולים לסייע בהצגת המידע הבעייתי של הג"ג האנושית‪.‬‬

‫נגישות מידע ויכולת ייצור שאילתות השתפרו רבות תודות ל גישת ה ‪ agent-based approach‬המאפשרת ממשק ידודתי למשתמש ואפשרות לקבלת תשובות‬
‫קרובות לשאילתות במקרה שאין תשובות מדוייקות‪ .‬תרם רבות לשימוש גם בקרב לא מומחים בתחום‬
‫כיום ישנה גם אפשרות לשילוס סימבוליזם מתקדם כמו תלת מייד וסרטונים ב ‪GIS‬‬

‫כל ההתקדמויות בתחום ה ‪ GIS‬מאפשרות ניתוח מידע ברמה אינדוידואלית לעומת רמה מרחבית כך שמתאימה לחקר ג"ג אנושית‪.‬‬
‫הפוטנציאל הטמון ב ‪ GIS‬דחף לפיתוח כלים לאנליזות גיאוגרפיות‪ 4 .‬דוגמאות לכלים מסוג זה‪:‬‬
‫‪ :GAM – geographical analysis machine .1‬טכניקת מציאת מקבצים‬
‫מתודולוגיה למציאת תבניות במידע ג"ג ללא ידע קודם‪ .‬נעשה בעזרת בחינה סטטיסטית של עוצמתן של תופעות מרחביות שונות במרחבים גדולים חופפים בעלי‬
‫גודל שונה‪ .‬לאחר ביצוע פעולה זו מידע ותבניות "מעניינים" מוצגים‪ .‬דוגמא לשימוש – מעקב אחר מחלות מדבקות‪.‬‬
‫אוטומטי‪ ,‬מהיר‪ ,‬זול‪ ,‬יעיל וקל ליישום – תכונות ההופכות אותו מושך לג"ג אנושית‬
‫‪ :CA – Cellular Automata .2‬מודל דינאמי המבוסס על מסגרת מתמטית‬
‫מאפשר חיפוש חוזר של תבניות והתנהגויות בין אזורי שכנות סבוכים‪ .‬מאפשר למשל לחזות גידול דמוגרפי עירוני על ידי מעקב אחר שינויי סטטוס במערך התאים‬
‫העירוניים בעזרת משתנים קבועים מראש‪ .‬מודל יעיל כאשר מדובר במספר גדול של משתנים ללא קשר ליניארי‬
‫‪ :NN – Natural Network .3‬אחד מכלי ה ‪( AI‬בינה מלאכותית) החזקים ביותר לפתרון שאלות ‪. GI‬‬
‫נבנה בהשראת המוח האנושי ומשתמש בדר"כ במתודולוגיות ‪ GI‬לשם לזיהוי דפוסים וסיווג ‪ images‬באמצעים של למידה פנימית‪ .‬ניתן להשתמש בכלי זה לפתרון‬
‫בעיות ג"ג כגון יצירת מודל המסביר את זרימת שיחות הטלפון הפנים אזוריות או קלסיפיקציה של כיסוי שטח‪.‬‬
‫‪:GWR – geographically weighted regression .4‬‬
‫שיטה סטטיסטית המשתמשת להסברת השונות המרחבית של תוצאות רגרסיה באזור מסויים‪ ..‬מאפשרת יצירת רגרסיות מקומיות במקום קבלתן של רגרסיות‬
‫תוצאות גלובאליות כך שהתוצאות מייצגות יחסים מקומיים‪ .‬דוגמא ל שימוש בטכניקה זו בספרות היא קישור בין שימושי קרקע באזורי תעשייה להגבלת מחלות‬
‫ארוכות טווח בצפון אנגליה‪.‬‬

‫‪10‬‬