【GIS数据】地理信息中常用的数据分类-亚洲ca88官方网站

　　数据是GIS的根底，简直一切GIS运作的根底都离不开数据。GISer中关于数据的“行话”是最根底的，作者在大学的时分，这些内容也是每上一节课都会被教授提起来温习一次，直到一切人都把“Nominal, Ordinal, Interval, Ratio...” 这样的词背得滚瓜烂熟才能够。或许对许多GISer来说，这篇文章的内容是老调重弹了，可是这些老调仍是要固执重弹一次。由于作者本科是用英文念的，手上的资料也多是英文版，一些专有名词会尽量做好翻译，而且注上英文，假如有不精确的当地欢迎指出。

　　所谓的四种丈量别离是定类变量（Nominal）、定序变量（Ordinal）、定距变量（Interval）和定比变量（Ratio）。

　　定类变量，即指出类别的变量，一般只需分类没有数值，更不能比较巨细。最常见的定类变量便是“性别”，无论是“男”、“女”，仍是“无性别”，都只能表明事物的类别，就像“生果”和“蔬菜”相同，把他们相加减或是相乘除都没有任何含义。

　　定序变量，即含有次序的变量，此种变量可能有数值，比方竞赛的排名（第一名、第二名、第三名、第四名），或是年级（大一、大二、大三、大四），但这些数字只表明次序、并没有数学含义，也便是说仍然不能够进行加减乘除等运算。

　　定距变量，即两个值的差有数学含义而且能够比较；定比变量与定距变量非常相似，最大的距离便是定比变量有肯定的“0点”，而且0的含义是没有和不存在，这与定距变量中设置的0是有必定差异的。比方，摄氏度和华氏度的0度都是人为依据相关物理现象设定的，就只能以为是定距变量，而降水量则是定比变量，由于降水量为0是非常天然的没有降水的指示。

　　其实在英文中，所谓“四种丈量方法”的表达直译过来是“丈量等级”的意思，也就意味着这四种方法确实是有等级的凹凸之分的。最低的是定类变量，其次是定序和定距，最高的是定比。这个倒不是说定比变量比其他变量更尊贵，而是这个在这个等级之中，等级高的变量含有更多的信息，也能够向等级低的变量转化，可是反之，等级较低的却不含有向等级较高的变量转化的信息。

　　举一个比较经典的比方，10位选手参与竞赛，别离取得第一名到第十名，而前三名能够取得奖牌，则具有了第一名到第十名的排名数据（定序变量），则能够知道哪些选手取得奖牌而哪些选手没有（定类变量，取得奖牌/未取得奖牌）。所谓等级的含义就在此。

　　相对比较易于了解的概念，一手数据一般是自己（或自己的团队）搜集收拾的数据，而二手数据则是别人搜集收拾的数据，经过别人的发布或许向别人购买取得。大多数人以为二手数据用的比一手更多，由于一般搜集数据所耗费的人力和财力是巨大的，需求大型的安排完结，不过详细仍是要看数据的类型。

　　这个概念一般用于评判一个数据的质量。精确度和精确度在中文中非常好差异，从姓名上就论述得非常清楚了，可是我在美国的时分每个教师都需求反复强调这两个的差异。

　　精确度，浅显来说便是咱们数学常说的“保留到几位小数”，与数值自身是否精确反映了实际无关。这个精确度一般与丈量东西的精确度有联络，比方尺子的刻度到分米、厘米仍是毫米，决议了丈量成果的精确度。

　　精确度，则刚好指示了数据是否正确反映实际，过错的丈量方法会导致精确度下降。一个数据能够一起有非常高的精确度和非常低的精确度，这两者之间并没有肯定的联络。比方物化试验中运用的量筒，假如运用者没有坚持水平，即便量筒的精度极高，也会导致数据精确度的缺乏。

　　有效性一般是运用在衡量数据搜集的规范上的。在衡量一个不太简略直接丈量的现象时，咱们是否丈量了正确的数据是有效性判别最首要的内容。比方，想衡量一个校园的“教学质量”，需求丈量哪些数据，是成果？仍是学生对教师的点评？数据的有效性便是这样体现在丈量的内容是否能够支撑终究想衡量的现象。

　　牢靠度，一般由数据与数据之间的一致性和稳定性决议。由于数据的搜集一般需求一个时间段，而不是忽然一起完结的，不同的日期、环境和搜集方法都会影响数据的牢靠度。一般情况下，在相对较短时间内搜集的、搜集方法具有一致性的数据牢靠度更高。

　　总算说到矢量数据和栅格数据了，简直一切人说到GIS都会现将这个点提出来。简直只需发问是有关GIS的，下面的答复里就必定会有人将GIS的矢量数据和栅格数据拿出来解说一番。精确来说，矢量数据和栅格数据并不算是数据的类型，而是GIS之中的两大数据结构。

　　矢量数据在GIS之中首要由几许形状组成，包含点、线和多边形（Points, lines and polygons），优势在于能够较为精确地表达大陆、河流、海洋或是其他类型区域的形状和概括，结构洁净没有冗余。矢量数据贮存空间小、对计算机的要求较低。

　　精确的一起，矢量数据有一个很大的优势在于存储拓扑结构（Topology），拓扑能够协助勘探数据中存在的不合理的穿插、空缺等，所以能够说是非常重要的结构之一。可是，精确也意味着杂乱，数据的矢量化是非常耗时，别的矢量数据之间的叠加也比较费事，逻辑上并不如栅格数据那样简略、明晰。

　　栅格数据结构则是以像素格、也便是栅格为根底的。每个栅格会贮存相关的数值，而且连成一个完好的平面。

　　栅格数据的最大优势在于叠加，相对应的栅格也能够进行数值的加减乘除。可是栅格数据不能存储拓扑结构，一起由于数据结构比较简略因此相对不如矢量数据灵敏。一起，由于栅格在形状表达上的限制性，栅格数据在体现某块区域的时分也不如矢量数据那样精确，若是一块边缘形状曲折多、不规则的大陆，栅格数据结构关于这块大陆的体现遭到栅格自身严整正方形的限制，就天然会有许多不精确的当地。

　　在数据的存储上方式矢量和栅格结构也不太相同。比方在ArcGIS之中，矢量数据结构下翻开一个图层数据表格（Attribute Table），结构大致是某个形状对应的ID，再对应有关的数据。这儿的数据可能有不同的品种，比方某个普查区对应的ID后，能够存储收入中位数、本科学位份额等数据。栅格数据结构的图层对应的表格则简略得多，一般一个格子的ID对应一个数值，这个数值是单一的。

　　在这篇文章中，咱们首要介绍的是GIS中与数据有关的一些根底分类，尽管不行能在一篇文章之中包括一切的分类，可是，了解这些概念也是学习GIS的开端。