PostGIS学习教程十八:维数扩展的9交集模型

2024-01-06 04:12

本文主要是介绍PostGIS学习教程十八:维数扩展的9交集模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

PostGIS学习教程十八:维数扩展的9交集模型

文章目录

  • PostGIS学习教程十八:维数扩展的9交集模型
  • 一、什么是维数扩展的9交集模型
  • 二、查找具有特定关系的几何图形
  • 三、数据质量测试
  • 四、本文涉及的函数
  • 五、更多相关资料


一、什么是维数扩展的9交集模型

“维数扩展的9交集模型-Dimensionally Extended 9-Intersection Model”(DE9IM)是一个用于建模两个空间对象如何交互的框架。

首先,每个空间对象都具有:

内部(interior)
边界(boundary)
外部(exterior)
在这里插入图片描述
内部是以环为边界的里面的那一部分;边界是环本身;外部是边界外的一切。

对于线性要素,内部、边界和外部不太为人所知:

在这里插入图片描述
内部是以端点为界限的线的那一部分;边界是线性要素的端点;外部是平面中除内部和边界外的所有其他部分。

对于点来说,更奇怪:内部是点,边界是空集,外部是平面上除点以外的所有其他部分。

使用这些内部、外部和边界的定义,任何一对空间要素之间的关系都可以用一对要素的内部/边界/外部/之间九个可能的交集的维数来表征。

在这里插入图片描述
对于上例中的多边形,内部的交集是二维区域,因此矩阵的对应部分用"2"填充。边界仅在零维点处相交,因此对应矩阵部分用"0"填充。

当两个几何图形的这三个部分(内部,边界,外部)之间没有交集时,将用"F"填充矩阵中对应的部分。

下面是另一个示例,关于线串的一部分和多边形相交的例子:
在这里插入图片描述
关于它们的交集的DE9IM矩阵如下:
在这里插入图片描述
请注意,以上两个要素的边界实际上根本不相交(线的端点与多边形的内部相交,而不是与多边形的边界相交,反之亦然),因此B/B单元用"F"填充。

虽然让人从视觉上填写DE9IM矩阵很有趣,但如果计算机能够做到这一点就更好了,这就是ST_Relate函数的作用。

前面的示例可以使用简单的矩形和直线进行简化,其空间关系与上面的多边形和线串的空间关系相同:
在这里插入图片描述
我们可以使用SQL生成DE9IM信息:

SELECT ST_Relate('LINESTRING(0 0, 2 0)','POLYGON((1 -1, 1 1, 3 1, 3 -1, 1 -1))'
);

在这里插入图片描述
答案(1010F0212)与我们视觉上计算的结果相同,但以9个字符的字符串形式返回。将结果以三行的形式呈现:

但是,DE9IM矩阵的强大之处不在于生成它们,而在于使用它们作为匹配参数来查找彼此之间具有特定关系的几何图形。

二、查找具有特定关系的几何图形

首先,在数据库中加入如下数据:

CREATE TABLE lakes ( id serial primary key, geom geometry );
CREATE TABLE docks ( id serial primary key, good boolean, geom geometry );INSERT INTO lakes ( geom )VALUES ( 'POLYGON ((100 200, 140 230, 180 310, 280 310, 390 270, 400 210, 320 140, 215 141, 150 170, 100 200))');INSERT INTO docks ( geom, good )VALUES('LINESTRING (170 290, 205 272)',true),('LINESTRING (120 215, 176 197)',true),('LINESTRING (290 260, 340 250)',false),('LINESTRING (350 300, 400 320)',false),('LINESTRING (370 230, 420 240)',false),('LINESTRING (370 180, 390 160)',false);

在这里插入图片描述
假设我们有一个湖泊(Lakes)和码头(Docks)的数据模型,进一步假设码头必须位于湖泊内部,并且必须在一端接触到湖泊的边界。我们能在数据库中找到所有符合这一规则的码头吗?
在这里插入图片描述
我们的合法码头具有以下特点:

它们的内部与湖泊内部有一个线性(一维)相交
它们的边界与湖泊内部有一个点(0维)相交
它们的边界与湖泊边界也有一个点(0维)相交
它们的内部与湖泊外部没有相交(F)
所以它们的DE9IM矩阵看起来像这样:
在这里插入图片描述
因此,要找到所有符合规则的码头,我们需要先找到所有与湖泊相交的码头,然后再从该集合中找到符合具体规则的所有码头。

SELECT docks.*
FROM docks JOIN lakes ON ST_Intersects(docks.geom, lakes.geom)
WHERE ST_Relate(docks.geom, lakes.geom, '1FF00F212');

在这里插入图片描述
注意,ST_Relate的三参数版本(重载函数)的使用,如果前两个几何图形参数的关系与第三个DE9IM模型参数匹配,则返回ture;如果不匹配,则返回false。

另外,对于更松散的匹配搜索,第三个参数允许DE9IM数据模型字符串使用通配符:

"*“表示"此单元格中的任何值都可以接受”
“T"表示"任何非假值(0、1或2)都可以接受”
例如,我们在示例图形中添加一个与湖泊边界具有二维相交的码头:

INSERT INTO docks ( geom, good )
VALUES ('LINESTRING (140 230, 150 250, 210 230)',true);

在这里插入图片描述
在这里插入图片描述
如果要将这个新增的码头在ST_Relate函数检查中被视为符合规则,则需要更改ST_Relate函数的第三个参数。

因为要使码头内部和湖泊边界的相交可以是1(我们的新情况)或F(我们的原始情况)。因此,我们使用"*"通配符覆盖所有情况。
在这里插入图片描述
SQL语句如下所示:

SELECT docks.*
FROM docks JOIN lakes ON ST_Intersects(docks.geom, lakes.geom)
WHERE ST_Relate(docks.geom, lakes.geom, '1*F00F212');

在这里插入图片描述

三、数据质量测试

TIGER数据在准备时经过仔细的质量控制,因此我们希望我们的数据也符合严格的标准。例如:任何人口普查块(census blocks)都不应与任何其他人口普查块重叠。我们能对我们的数据进行测试吗?
在这里插入图片描述
当然!

SELECT a.gid, b.gid
FROM nyc_census_blocks a, nyc_census_blocks b
WHERE ST_Intersects(a.geom, b.geom)AND ST_Relate(a.geom, b.geom, '2********')AND a.gid != b.gid
LIMIT 10;

在这里插入图片描述
同样,我们预计街道数据都是有尾节点的,也就是说,我们预计相交点只发生在街道直线的末端,而不是中点。
在这里插入图片描述
我们可以通过查找是否有相交但边界之间的交点不是零维的街道(也就是,线端点之间没有接触)来测试这一点:

SELECT a.gid, b.gid
FROM nyc_streets a, nyc_streets b
WHERE ST_Intersects(a.geom, b.geom)AND NOT ST_Relate(a.geom, b.geom, '****0****')AND a.gid != b.gid
LIMIT 10;

在这里插入图片描述

四、本文涉及的函数

ST_Relate(geometry A, geometry B): Returns a text string representing the DE9IM relationship between the geometries.

五、更多相关资料

OpenGIS Simple Features Implementation Specification for SQL (version 1.1, section 2.1.13.2)
Dimensionally Extended Nine-Intersection Model (DE-9IM)
GeoTools: Point Set Theory and the DE-9IM Matrix

这篇关于PostGIS学习教程十八:维数扩展的9交集模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/575176

相关文章

全网最全Tomcat完全卸载重装教程小结

《全网最全Tomcat完全卸载重装教程小结》windows系统卸载Tomcat重新通过ZIP方式安装Tomcat,优点是灵活可控,适合开发者自定义配置,手动配置环境变量后,可通过命令行快速启动和管理... 目录一、完全卸载Tomcat1. 停止Tomcat服务2. 通过控制面板卸载3. 手动删除残留文件4.

Python的pandas库基础知识超详细教程

《Python的pandas库基础知识超详细教程》Pandas是Python数据处理核心库,提供Series和DataFrame结构,支持CSV/Excel/SQL等数据源导入及清洗、合并、统计等功能... 目录一、配置环境二、序列和数据表2.1 初始化2.2  获取数值2.3 获取索引2.4 索引取内容2

python依赖管理工具UV的安装和使用教程

《python依赖管理工具UV的安装和使用教程》UV是一个用Rust编写的Python包安装和依赖管理工具,比传统工具(如pip)有着更快、更高效的体验,:本文主要介绍python依赖管理工具UV... 目录前言一、命令安装uv二、手动编译安装2.1在archlinux安装uv的依赖工具2.2从github

C#实现SHP文件读取与地图显示的完整教程

《C#实现SHP文件读取与地图显示的完整教程》在地理信息系统(GIS)开发中,SHP文件是一种常见的矢量数据格式,本文将详细介绍如何使用C#读取SHP文件并实现地图显示功能,包括坐标转换、图形渲染、平... 目录概述功能特点核心代码解析1. 文件读取与初始化2. 坐标转换3. 图形绘制4. 地图交互功能缩放

Linux五种IO模型的使用解读

《Linux五种IO模型的使用解读》文章系统解析了Linux的五种IO模型(阻塞、非阻塞、IO复用、信号驱动、异步),重点区分同步与异步IO的本质差异,强调同步由用户发起,异步由内核触发,通过对比各模... 目录1.IO模型简介2.五种IO模型2.1 IO模型分析方法2.2 阻塞IO2.3 非阻塞IO2.4

SpringBoot集成redisson实现延时队列教程

《SpringBoot集成redisson实现延时队列教程》文章介绍了使用Redisson实现延迟队列的完整步骤,包括依赖导入、Redis配置、工具类封装、业务枚举定义、执行器实现、Bean创建、消费... 目录1、先给项目导入Redisson依赖2、配置redis3、创建 RedissonConfig 配

JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法

《JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法》:本文主要介绍JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法,每种方法结合实例代码给大家介绍的非常... 目录引言:为什么"相等"判断如此重要?方法1:使用some()+includes()(适合小数组)方法2

基于C#实现PDF转图片的详细教程

《基于C#实现PDF转图片的详细教程》在数字化办公场景中,PDF文件的可视化处理需求日益增长,本文将围绕Spire.PDFfor.NET这一工具,详解如何通过C#将PDF转换为JPG、PNG等主流图片... 目录引言一、组件部署二、快速入门:PDF 转图片的核心 C# 代码三、分辨率设置 - 清晰度的决定因

Java Scanner类解析与实战教程

《JavaScanner类解析与实战教程》JavaScanner类(java.util包)是文本输入解析工具,支持基本类型和字符串读取,基于Readable接口与正则分隔符实现,适用于控制台、文件输... 目录一、核心设计与工作原理1.底层依赖2.解析机制A.核心逻辑基于分隔符(delimiter)和模式匹

Unity新手入门学习殿堂级知识详细讲解(图文)

《Unity新手入门学习殿堂级知识详细讲解(图文)》Unity是一款跨平台游戏引擎,支持2D/3D及VR/AR开发,核心功能模块包括图形、音频、物理等,通过可视化编辑器与脚本扩展实现开发,项目结构含A... 目录入门概述什么是 UnityUnity引擎基础认知编辑器核心操作Unity 编辑器项目模式分类工程