Під технологією обробки земельно-кадастрової інформації розуміється технологічні процедури видового перетворення інформації в автоматизованій кадастровій системі.

До основних технологій обробки земельно-кадастрової інформації відносяться:

1. Збір і введення земельно-кадастрової інформації.

2. Створення земельно-кадастрових карт.

3. Аналіз земельно-кадастрових даних.

1. Основні технології збору земельно-кадастрової інформації.

Технологія збору земельно-кадастрової інформації регламентує метод або спосіб отримання вихідної інформації (переважним чином просторових даних) для наповнення бази кадастрових даних. Вибір той, або іншій технології пов’язано з доступними технологічними джерелами земельно-кадастрової інформації, а також відповідності самої інформації вимогам точності і достовірності.

Отримання семантичних відомостей про земельні ділянки передбачає використання документальних першоджерел про назву і цільове призначення земельної ділянки, право власності, нормативну економічну і грошову оцінку землі, інформація про об’єкти нерухомості, та багато інших, введення яких здійснюється переважним чином з клавіатури або імпортом даних з іншого електронного джерела. З точці зору трудомісткості і важливості для процесів автоматизації представляє інтерес розгляд отримання просторових даних, різноманіття методів отримання яких дозволяє обирати найбільш ефективні методи за критерієм «ціна-якість». Тому в подальшому розглянемо технології отримання саме просторових даних.

Отже, основними технологічними джерелами земельно-кадастрової інформації є наступні:

1. Наземна (польова) геодезична зйомка: GPS; електронний тахеометр; теодоліт і мірна стрічка; мензула; мірна стрічка і екер - з наступною камеральною обробкою.

2. Плано-картографічні матеріали на твердих носіях.

3. Аерофотозйомка з подальшою обробкою фотограмметричними методами (використовують як аналогові, так і цифрові технології).

4. Космічне зондування землі з наступним дешифруванням.

5. Імпорт даних з іншого електронного джерела.

Отримання даних з того чи іншого джерела передбачає застосування тієї чи іншої технології створення просторових земельно-кадастрових даних для створення та поновлення кадастрових карт і планів. Серед цих технологій слід визначити наступні:

Ручне введення даних (введення просторових даних з клавіатури).
Сканування плано-картографічних матеріалів (створення растрового зображення місцевості).
Дигітизування (ручне, автоматизоване або автоматичне) растрових зображень місцевості (аерофото- і космічні знімки, ортофотоплани, планово-картографічні матеріали, растрові зображення місцевості.
Імпорт просторових даний з віддалених комп'ютерних систем (введення в систему даних шляхом їх отримання з інших електронних джерел).
Імпорт просторових даних, з записаних в процесі роботи за допомогою електронних геодезичних і навігаційних приладів, скомпільованих у файл.
Імпорт просторових даних з обмінного файлу, створеного за результатами землевпорядних робіт.
Комбіновані методи, які поєднують декілька методів, наприклад:

· використання мінімальної кількості наземних зйомок із встановленням всіх меж, де це можливо, фотограмметричним методом;

· використання наземної зйомки для визначення меж, але для кадастрової карти - ще й визначення топографічних характеристик (тобто дороги, будівлі, водні шляхи);

· максимальне отримання інформації шляхом космічного зондування, доповнення і цифрування недостатніх даних шляхом аерофотозйомки і паперових карт та звірки їх на місцевості з проведенням, де це необхідно, наземних обстежень.

Для досягнення належної точності слід застосовувати найшвидший, найлогічніший та економічно ефективний метод, причому точність і технології виконання знімальних робіт залежать від цільового призначення, якісних характеристик та вартості землі.

Останній комбінований підхід є найперспективнішим з урахуванням стану забезпечення актуальними плано-картографічними матеріалами та матеріалами аерофотозйомки (про що було згадано вище). Крім того, згідно із закордонним та вітчизняним досвідом, співвідношення вартості виконання аеро- і космозйомки становить приблизно 10:1. До того ж можливості технологій космічного зондування землі постійно зростають і вже отримують космічні знімки роздільної здатності 20-50 см.

З поширенням ринку даних космічного зондування постійно знижується вартість космічних знімків. Навіть вже тепер можна казати, що використання даних QuickBird та IKONOS може стати основою для масового поновлення застарілих карт і планів масштабів 1:2000, 1:5000.

Ручне або автоматичне введення земельно-кадастрової інформації в систему здійснюється оператором або за його командою. При цьому система виконує синтаксичний, семантичний та просторовий аналіз введених даних. Основними пунктами автоматичної перевірки звичайно виступають:

· коректність подання координатних систем та кодів, адміністративно- територіальних одиниць;

· коректність інформації;

· наявність обов'язкових документів;

· відповідність заявлених та фактичних метричних характеристик (площа, довжина);

· відсутність дублювання точок та незамкненості полігонів;

· відсутність розбіжностей точок у сусідніх контурах та перетинання полігонів;

· накладання земельних ділянок та угідь;

· попадання заданого полігону до району згідно КОАТУУ;

· структура обмінного файлу;

· наявність обов'язкових дескрипторів (полів даних);

· структури полів відносно кожного дескриптора;

· нові дані по відношенню до раніше зареєстрованих.

В цілому повний аналіз введених даних здійснюється менше 1 секунди. Одночасно з електронною перевіркою оператор має можливість здійснити візуальну перевірку коректності даних та коректність розташування ділянки на різноманітних картографічних основах.

Моделі просторових даних земельно-кадастрової інформації і технології їх створення

Моделі представлення даних

Дані, що використовуються при проведенні земельно-кадастрових робіт, можуть бути таких типів:

· дискретні – це точкові, лінійні та площинні об’єкти для яких завжди є можливість визначення їх фактичного місцерозташування на місцевості;

· безперервні – характеризують не окремі об’єкти а територію взагалі.

В залежності від типу даних обирають необхідну модель подання. Є дві основних моделі даних, відповідно до типів даних:

1. Векторна модель – кожному об’єкту відповідає рядок в таблиці і розташування його меж у просторі визначено координатами X та Y.

У векторній моделі можна виділити такі види моделей:

· спагетті (модель САПР) - подання лінійних об’єктів (лінійних об’єктів чи меж полігонів) у вигляді невпорядкованого набору лінійних об’єктів, що описують тільки їх геометрію;

· лінійно вузлова або топологічна (модель покриття) - описує не лише геометрію об’єктів, але й просторові (топологічні) відношення між ними;

2. Растрова модель – є безперервним простором у вигляді матриці чарунок.

3. TIN – тріангуляційна модель представлення поверхні шляхом побудови мережі з трикутними чарунками які формують набір з’єднань з мінімальною відстанню між сусідніми точками.

Моделі організації даних

Виділяють такі основні моделі організації даних:

1. Геореляційна модель – просторові дані зберігаються в окремих файлах і з допомогою унікального ідентифікатора (ID) пов’язані з атрибутивними даними, що зберігаються в таблицях реляційних баз даних (РБД). Просторові дані організуються за допомогою таких моделей:

· регулярні мережі - просторова система одиниць організації інформації і картографування, елементи якої – елементарні територіальні осередки – характеризуються правильною геометричною формою (на сфері, еліпсоїді або в проекції карти). Елементарні територіальні осередки мають вигляд чарунок регулярної мережі;

· пошарова - просторові об’єкти логічно організовуються в набори шарів або тем інформації. Карта може бути подана шарами різних тем, наприклад, гідрографії, ґрунтів, адміністративних меж, мережі шляхів тощо.

2. Об’єктно-оріентована модель - не поділяє інформацію про об’єкт на просторові і семантичні дані, що з ними пов’язані, а представляє об’єкти, що одночасно мають просторово-семантичні властивості та поведінку, як це відбувається в реальному світі, тобто поведінка і властивості геоінформаційної моделі відповідають поведінки і властивостям реального об’єкта.

Тут слід зауважити, що основну цінність для розв’язування задач кадастру мають саме векторні об’єктна-орієнтовані моделі даних, так як самі ці моделі принципово володіють необмеженою точністю при представленні просторових даних, а створення об’єктних моделей дозволить запровадити процедури максимальної автоматизації процесів обробки даних, дозволить використовувати розвинені аналітичні і моделюючи функції, що є вельми корисним у питаннях оптимального управління.

Рис. 1. Технологія векторизації

Способи введення графічної інформації.

Існує декілька способів введення інформації в ГИС з використанням традиційних карт і планів. Це цифрование з використанням дигитайзера і цифрование растрового зображення на екрані комп'ютера (векторизація). Дігиталізация має два різновиди: по крапках і потоком, а векторизация- три: ручна, інтерактивна і автоматична.

Поточкова дигитализация.

При дигитализации зображення по точках цифруется окремо кожна точка плану, що цікавить, з подальшим з'єднанням відповідних крапок на отриманому комп'ютерному зображенні . Такий спосіб підходить для дигитализации знімального обгрунтовування, опорних пунктів, окремо об'єктів, що стоять. Характеризується невеликою продуктивністю праці і більшою трудомісткістю, ніж при інших способах оцифровки.

Потокова дигитализация.

При потоковій дигитализации цифруется вся інформація, що цікавить, з розмежуванням векторних типів. Існує три типи векторних даних:: крапка, лінія і полігон. Точкові об'єкти, тобто об'єкти, що не мають протяжних меж, або такі розміри, які не відображаються на карті площадковими умовними знаками, що мають, цифруются об'єктами типу крапка (Н: стовпи, окремо дерева, що стоять, каміння і т.д.) . Лінійні об'єкти, що мають постійну ширину і що характеризуються своєю протяжністю (або завдовжки) цифруются об'єктом типу лінія (Н: дорогі, лінії ЛЕП і зв'язки, канали і т.д).

Площадкові об'єкти цифруются об'єктами типу полігон (Н: земельна, водна ділянка).

Цифрованіє проводиться різними способами залежно від типу контура. Точки цифруются аналогічно поточечному способу. Лінії цифруются від початкової крапки до кінцевої. Полігони цифруются звичайно з самої верхньої крапки шляхом обходу за годинниковою стрілкою.

Даний спосіб більш продуктивний, хоча вимагає від фахівця більшої уважності.

Векторизація.

При ручному способі векторизації по растру оператор обводить точки растру векторними об'єктами за допомогою маніпулятора (миші) з автоматичною прив'язкою до сусідніх крапок. Ручний спосіб відрізняється меншою точністю, в порівнянні з дигитализацией і інтерактивним способом векторизації, характеризується меншою продуктивністю праці і вимагає великих зусиль від оператора

При інтерактивному способі у оператора з'являється можливість прив'язуватися до точок растру, сусіднім межам об'єктам в інтерактивному режимі. Інтерактивний режим має на увазі собою автоматичне проложение або продовження ліній у відповідність з існуючими межами. Це більш зручний і точний спосіб векторизації, проте він накладає більш високі вимоги до якості растру.

При автоматичній векторизації векторні об'єкти створюються без участі оператора відповідно до растрових контурів і алгоритму векторизації. Підходить для поліпшення якості растру, дешифрування ситуації, векторизації растру доброї якості. Відрізняється тим, що оператору доводиться уточнювати і виправляти результати векторизації за допомогою зміни типу векторних об'єктів, злиття і розділення, видалення зайвих і дефектних об'єктів з матеріалів векторизації. Автоматизована векторизація залежить також від програмного забезпечення, на різних програмних продуктах результат може виходити різним. Також утруднений контроль якості векторизації.

Обробка та аналіз ДДЗ

Під даними дистанційного зондування розуміють аеро- та космічні знімки.

Етапи по створенню земельно-кадастрового банку даних з використанням ДЗЗ зображені на рис.2.

Рис.2. Етапи роботи з ДДЗ

Спочатку проводяться операції по покращенню зображень та приведення їх до єдиного вигляду, а потім проводиться тематичне дешифрування.

Основні етапи покращення даних ДЗЗ наступні:

Радіометрична корекція – приведення знімку або серії знімків до єдиної яскравості і контрастності та комбінації спектральних каналів для кращої візуалізації.

Атмосферна корекція – поліпшення характеристик знімку шляхом усунення перешкод, що завдає атмосфера Землі.

Геометрична корекція – трансформація зображення у необхідну систему координат і картографічну проекцію та усунення похибок, що завдає кривизна Землі. Для виконання цього етапу можуть знадобиться матеріали польвих зйомок.

Головною операцією по дешифрації даних ДЗЗ є класифікація отриманих знімків.

Класифікація – це процес перетворення безперервного растрового зображення в тематичне.

Існує два основних метода класифікації:

· автономна (метод ISODATA) – дозволяє користувачу завдати основні куруючи принципи для визначення моделі класифікації у вигляді статистичних характеристик, але саме визначення класів і віднесення піксел зображення до того чи іншого класу відбувається повністю автоматично.

· з навчанням (по еталонам) – заснований на використанні готових еталонів, спектральні характеристики яких зазвичай відповідають спектральним характеристикам реальних об’єктів. Еталони створюються шляхом розпізнавання і ідентифікації характерних об’єктів зображення (еталонних ділянок піксел) безпосередньо або з використанням додаткової інформації джерелом якої можуть буди інші зображення, дані польових робіт, карти різних видів тощо.

Всі еталони вносять у бібліотеку і вони можуть використовуватись далі в любій кількості операцій класифікації, уточнюватись і брати участь у створенні експертних систем.

Всі перетворення виконуються камерально за допомогою спеціального програмного забезпечення, наприклад, ERDAS Imagine.

Після тематичної класифікації отримані дані можуть брати участь у проведенні ГІС-аналізу або бути векторизовані. Дані можуть використовуватись, як в середовищі пакету обробки ДДЗ, так і бути експортовані в інші програмні пакети для подальшого використання.

Технологічна послідовність автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях.

Розглянемо технологічну послідовність автоматизованого розпізнавання, що пропонується при використанні існуючих растрових карт, даних ДЗЗ або аерофотозйомки (рис2.1). Вхідне растрове зображення у цифровому вигляді підлягає попередньому обробленню внаслідок наявності характерних для сканованих та аерофотозображень декількох типів завад-(адитивних, мультиплікативних, імпульсних), великих розмірів цифрових масивів даних, обмеженості апаратно-обчислювальних ресурсів, відсутності достовірної апріорної інформації про характеристики об'єктів і систему формування зображень. Для попереднього оброблення частіше застосовують алгоритми локально-апертурної фільтрації .

В процесі сепарації інформативних зон визначають області зображення, які містять корисну інформацію. Для цих зон проводиться подальше оброблення.

Продовженням попереднього оброблення вхідного растру є сегментація. Мета та алгоритми сегментації залежать від алгоритмів векторизації та розпізнавання, що мають бути застосовані до даного зображення. Найчастіше критерієм векторизації є колір (яскравість, або ін.) пікселів [5], тобто об'єктом називають зв'язану множину пікселів однакового кольору (кластер) при тому, що суміжні з цією множиною пікселі мають інші кольори. В цьому випадку сегментація - це процес формування в інформативних зонах кластерів, які відловідають реальним об'єктам. Розпізнавання може також проводитися з викорис танням скелету контурного препарату. Для цього треба провести сегментацій таким чином, щоб виділити в окремі кластери границі об'єктів.

Від якості попередніх етапів оброблення зображення залежать хід та результат автоматичної векторизації. В ідеальному випадку множина векторних об'єктів повинна співпадати з множиною реальних об'єктів на зображенні.

Усунути та скоригувати всі завади на вхідних растрах принципово неможливо, додаткових опцій при налаштовуванні методів оброблення растрів може не вистачити для правильної сегментації. В цьому випадку залишкові завади ; сприймаються системою як об'єкти або частини об'єктів та переводяться при трансформаціях у векторний формат. Тому для підготовки до кінцевого розпізнавання необхідно провести попереднє оброблення отриманого векторного зображення. Таке оброблення базується на застосуванні методів, які за тими чи іншими ознаками класифікують векторні об'єкти як завади і, таким чином, стає можливим скоригувати помилки.

Наступним кроком для підвищення ефективності кінцевого розпізнавання є преселекція та сепарація об'єктів на інформативні прошарки. Преселекція являє собою класифікацію об'єктів за їх інтегральними параметрами (периметр, площа та ін.) . На цій стадії можливо відфільтрувати, наприклад, шумові об'єкти, які мають площу менше певного порогового значення. Або за значенням площі можливо виконати сортування полігонів на будівлі (менші значення) та поля без будівель (більші значення площі). Лінії можливо сортувати за довжиною, товщиною (зберігається як властивість лінії після скелетизації), орієнтацією, кутом повороту та іншими параметрами. Значення границь інтегральних параметрів в процесі експлуатації системи постійно уточнюються, а множина цих параметрів може доповнюватися новими, більш ефективними, що надають нових можливостей при обробленні.

За отриманими прошарками формуються множини зацікавленості, в яких після геоприв'язки проводиться кінцеве розпізнавання та сортування об'єктів.

В разі необхідності геоприв'язку виконують до етапу преселекції. Кінцеве розпізнавання являє собою широкий клас моделей та методів, які останнім часом іртрімко розвиваються.

Мал. 1. Технологія автоматизованого розпізнавання об'єктів на цифрових растрових зображеннях

2.3 Реалізації методу розпізнавання

графічних образів в системі ведення земельного кадастру.

Як зазначалося, найбільш ефективне заповнення КБД при використанні існуючих карт, даних ДЗЗ або аерофотозйомки буде проводитися у разі поєднання автоматичної векторизації та розпізнавання. Але заповнення КБД може відбуватися на основі існуючих векторних цифрових карт. В цьому випадку заповнення КБД удосконалюється завдяки застосуванню автоматизованого розпізнавання графічних образів. Наявність такої можливості вимагає реалізації у вигляді окремого програмного модулю (компоненту).

Блок преселекції також повинен бути реалізований у вигляді окремого програмного модулю (компоненту). Це дозволить використовувати його для підтримки первинного заповнення КБД та для виконання швидких узагальнений просторових запитів.

При використанні дігітайзерних технологій або напівавтоматичної векторизації стає можливим зосередити зусилля операторів на введенні графічної інформації. Після цього реалізується процес заповнення КБД з розпізнаванням.

Виходячи з опису технологічної послідовності автоматизованого розпізнавання цифрових растрових зображень (мал. 1), для його реалізації необхідне, виконувати інтенсивне попереднє оброблення растрів, що у загальному випадку може складати більше часу, ніж всі наступні етапи технологічної послідовності. Але алгоритми, які працюють при попередньому обробленні растрів та сегментації, використовують системи параметрів, значення яких з успіхом застосовують при обробленні растрів аналогічного походження, а тим більше при обробленні знімків фіксованої території. Растрові етапи технологічної послідовності розпізнавання вимагають початкового налаштовування (калібрації). Після цього відкалібровані растрові алгоритми багаторазово використовуються в автоматичному режимі, що особливо корисно при оновленні КБД. Таким чином, впровадження розпізнавання графічних образів в автоматизовану систему ведення земельного кадастру передбачає використання растрів аналогічного походження та алгоритмів їх оброблення, що калібруються.

Важливо, що при веденні земельного кадастру повинні використовуватися технології розпізнавання, які підтримують режим роботи з супервізором. У ролі супервізора в такій системі виступає оператор програмного комплексу введення первинної інформації. Таке рішення передбачає роботу в інтерактивному режимі, позволяє, по-перше, зменшити ймовірність помилок розпізнавання наступних трьох типів:

'"• об'єкт не розпізнано, тобто не віднесено до будь-якого з відомих класів (пропуск цілі);

• об'єкт, який «е належить ні до одного з відомих класів, помилково віднесено до одного з них (помилкова тривога);

• об'єкт, який належить до одного з відомих класів, помилково віднесено до іншого класу (помилкове розпізнавання).

По-друге, оператор може втручатися в процес розпізнавання, вносити будь-які корективи при заповненні КБД, розв'язувати спірні питання та ін.

Будь-який алгоритм розпізнавання передбачає віднесення об'єкту до того чи іншого типу на основі значень обчислених параметрів. Цей процес являє собою порівняння об'єкту з еталоном, або прототипом. Сукупність всіх прототипів, які використовуються для порівняння, складає базу прототипів.

Мінімальна кількість прототипів, яку необхідно зберігати, дорівнює кількості можливих кінцевих типів об'єктів. Але практично для розпізнавання застосовуються більш складні моделі, які можна характеризувати наступним чином:

1. Прототип за форматом збереження не є об'єктом кінцевого типу. Як правило, прототип зберігає припустимі границі параметрів, що використовуються для розпізнавання, та іншу необхідну і довідкову інформацію.

2. Як правило, еталоном типу є не один прототип, а множина прототипів.
Ці еталонні об'єкти відрізняються, наприклад, довжиною вектора ознак. Одні
єю з задач, які розв'язуються при розпізнаванні, є скорочення вектора ознак
об'єкта, що підлягає розпізнаванню. Наприклад, базовий вектор ознак вектор
ного об'єкта, що описує земельну ділянку, складається з координат вузлів ЗД та
топології об'єкта. '

3. Для розпізнавання об'єкта можливе використання декількох баз прототипів, наприклад, у випадках:

розпізнавання за складовими елементами (для розпізнавання кожного елементу використовується власна база прототипів);

• розпізнавання проходить у декілька стадій, на кожній з яких об’єкт порівнюється з прототипами із баз, які відповідають поточній стадії

• при застосуванні преселекції об'єкти за значеннями обчислених інтегральних параметрів сортуються по декількох прошарках, то; для розпізнавання в кожному з них використовуються різні баз прототипів.

Вказані особливості передбачають формування, поповнення та підтримки; відносно великих баз прототипів, що повинно бути відображено у вимогах де відповідного програмно-апаратного забезпечення. Вимоги, які встановлюються до системи розпізнавання графічних образів в системі ведення земельного кадастру, відображені на мал.2.1.

Мал.2.1 Система розпізнавання графічних образів

форм систем з розвинутими засобами автоматизації та відкритою архітектур* При цьому важливо враховувати наступні критерії:

• складність та час розроблення, тестування та впровадження;

• зручність в експлуатації;

• швидкість роботи алгоритмів та ефективність використання обчислювальних ресурсів.

Процес атоматизованого розпізнавання об'єктів на растрових зображеннях вимагає наявності в системі крім власне модулів, які реалізують ключові алгоритми, це як мінімум, наступних компонентів: ;

• модулю зчитування вхідного растру (інтерфейс користувача, конверторізації

• модулю відображення растрових та векторних зображень;

• модулю редагування растрових та векторних зображень;

• конверторів, які зберігають вихідні векторні файли у форматах автоматизованих систем, які використовують результати розпізнавання.

Кожен з цих компонентів, а також ключові модулі, необхідно окремо розроблювати та тестувати. Все це значно підвищує складність, витрати на

розроблення, тестування та впровадження системи розпізнавання.

В тому випадку, коли інтерфейс користувача реїалізовано з урахуванням всіх відомих стандартів та вимог, залишається ймовішність виникнення незручностей в експлуатації системи розпізнавання внаслідок її неінтегрованості з системами, що використовують результати розпізнавання. 1

Алгоритми оброблення растрів і розпізнавання векторних об'єктів ставлять високі вимоги до обчислювальних ресурсів комп'ютерної системи. Тому реалізація системи розпізнавання безпосередньо у вигляді прикладної програми не вивгає додаткових витрат обчислювальних ресурсів та підвищує швидкість оброблення зображень.

Вибірки

Перш ніж проводити аналіз земельно-кадастрових даних їх попередньо необхідно відповідним чином підготувати. Це реалізується шляхом групування об’єктів за допомогою вибірок.

Виборкі реалізуються через запити до просторово-атрибутивних даних і бувають двох видів:

· просторові – реалізуються за допомогою графічних об’єктів, які створює користувач, або об’єктів з інших наборів, наприклад, з іншого шару просторових даних. Бувають таких видів:

- вибір об’єктів по їх розташуванню відносно інших об’єктів (наприклад, в межах заданої відстані від точки, від інших об’єктів, ближчих до інших об’єктів, що примикають до інших об’єктів);

- вибір об’єктів, що знаходяться в межах якоїсь зони;

- вибір об’єктів, що перетинають інші об’єкти.

· непросторові – реалізуються шляхом запитів до атрибутивних даних, в т.ч. застосовуючи SQL-запити, та бувають, наприклад, такі:

- вибір об’єктів по їх значимості за допомогою сортування та фільтрації атрибутів;

- вибір об’єктів шляхом побудови складних запитів;

- вибір об’єктів з допомогою діаграм.

Над вибраними об’єктами можна проводити такі операції:

- отримання статистики за атрибутами;

- обчислення підсумкової статистики;

- створення діаграм;

- перетворення об’єктів в ноий шар даних тощо.

Слід пам’ятати, що вибірки мають два напрямки, тобто за допомогою атрибутивних даних є можливість вибрати просторові, а вибіраючи просторові – атрибутивні.

Картометричні методи

Перетворення проекцій та систем координат – всі шари даних повинні бути в одній і тійже картографічній проекції та єдиній системі координат, інакше їх неможливо буде співставити і виконувати їх сумісну обробку.

Приведення до єдиної системи координат реалізується за допомогою трансформації, шляхом задавання набору вихідних об’єктів нових координат, через визначені реєстраційні точки, і співставляючи їх координати перераховуються координати всіх об’єктів.

Проекційні перетворення реалізуються шляхом проектування із однієї картографічної проекції в іншу.

Ці операції, зазвичай, автоматизовані, але необхідно знати основні параметри проекцій і точно співставити координати реєстраційних точок.

Оверлейні операції - накладання одного шару (карти) на інший для створення нового шару (карти) з генерацією похідних об’єктів, які виникають при їх геометричному перекритті і комбінуванні атрибутів обох шарів.

Існує три типи оверлейних операцій. Для земельно-кадастрових робіт частіше застосовуються такі:

· накладання лінія-на-полігон (line-in-polygon) - лінійні об’єкти одного шару можуть бути накладені на полігональні іншого шару. Результатом будуть полігони, що мають своїм атрибутом атрибути полігонів, крізь які лінії проходять. Наприклад, якщо земельну ділянку необхідно поділити на декілька;

· накладання полігонів (polygon-on-polygon) – полігони одного шару накладаються на полігони іншого шару і модливі такі операції, як:

- -об’єднання (union) - вираховує геометричний перетин об’єктів двох полігональних шарів. Усі об’єкти й атрибутивні дані обох шарів зберігаються. Атрибутивні дані вихідного шару вміщують атрибути об’єктів, як вихідного, так і того покриття, що накладається;

- -перетин (intersect) - вираховує геометричний перетин шару, який має точкові, лінійні чи полігональні об’єкти, на полігональний шар. Зберігаються лише частини об’єктів, які потрапляють у загальну область. Дані об’єктів обох шарів об’єднуються в результативному шарі;

- -тотожність (identity) - вираховує геометричний перетин точкового, лінійного чи полігонального шару на полігональний шар. Зберігаються тільки ті об’єкти накриваючого шару, які розташовані всередині початкового шару. Дані об’єктів обох шарів об’єднуються у вихідному (кінцевому) шарі.

Операцію накладання полігонів, наприклад, можна застосувати для визначення площ агрогруп, що попадають на визначену ділянку.

До оверлейних також часто відносяться операції по об’єднанню суміжних полігонів, що мають одне й те ж значення атрибута, тобто знищення меж (dissolving) між полігонами, наприклад, якщо землевласник придбав сусідню земельну ділянку або проводиться групування земельних ділянок для визначення зовнішнього контуру кварталу.

Буферний аналіз - це картометрична операція, що використовується для визначення області (буферу), яка оточує просторові об’єкти. Розрізняють таки види:

· довільний буфер – визначається довільно, наприклад, забруднення отруйними речовинами, важкими металами, пошук об’єктів або ділянок в межах зони зацікавлення;

· мотивований буфер – грунтується на чіткому знанні площі буфера, наприклад, в залежності від бажання клієнта;

· вимірюваний буфер – грунтуються на вимірюваних феноменах, що впливають на розміри буфера, наприклад, забруднення грунту шкідливими речовинами в залежності від його структури (наприклад. пісок або глина) тощо;

· нормативний буфер – визначається нормативними актами, наприклад, побудова сервітуту вздовж газопроводу або ЛЕП, побудова природоохоронної зони вздовж водних об’єктів.

Статистичні методи

На рівні агрегату подавляються специфічні деталі складаючих його об’єктів. Кожний екземпляр агрегату може бути розкладений на екземпляри компонентних об’єктів, що забезпечує становлення між об’єктами зв’язку типу “частина чого-небудь”, наприклад, “місто” складається із “кварталів”, а “квартали” можуть бути “житловими”, “індустріальними” тощо. В свою чергу, “квартали” складаються із “ділянок”, на “ділянках” знаходяться “будинкі”, “зелені насадження” тощо.

Агрегування разом з генералізацією застосовується для узагальнення показників для звітності або при передачі інформації на вищий рівень ієрархії управління, наприклад, з базового рівня земельно-кадастрової системи на регіональний.

Тривимірний аналіз

Може ґрунтуватись на растрових поверхнях, створених шляхом інтерполяції, або TIN. Широко застосовується для оцінки земель, їх розташування тощо. Особливе значення має для обрахунку кількості земель. Сьогодні весь облік землі проводиться на площині і майже не враховується кривизна поверхні, але площа ділянки в плані і на реальному рельєфі відрізняються, що спотворює дійсний стан.

Для вирішення цієї проблеми, наприклад, у Німеччині для обліку земель використовується два різновиду картографічних даних.

Тема 7. Технології обробки земельно-кадастрової інформації