Introducere in Gis Si Teledetectie PDF

ALEXANDRU MIRCEA DAVID MOORE
IMBROANE
Iniţiere în GIS şi Teledetecţie
PRESA UNIVERSITARĂ CLUJEANĂ

- 1999 -
Contribuţia autorilor:
Alexandru M. Imbroane: Partea I, Partea II şi glosarul de termeni.
David Moore: Partea III şi anexele.
Program S_JEP 11070/96

Prefaţă
Scopul acestei cărţi este de a iniţia cititorul în tehnologia GIS şi teledetecţie.
Cartea a fost îmărţită în trei părţi: Sisteme Informatice Geografice, Teledetecţie şi
procesarea de imagini digitale şi Introducere în ArcView. Prima parte conţine
noţiunile de bază ale GIS, independent de un anumit produs specific. Am ţinut să
facem anumite precizări privitoare la noţiunile specifice care se vehiculează în
vorbirea curentă, de multe ori acestea fiind folosite în necunoştinţă de cauză. S-a
continuat cu sisteme de reprezentare a datelor spaţiale, noţiuni fundamentale în
organizarea bazelor de date geografice. Au fost abordate cele două sisteme de
reprezentare (vector şi raster), precum şi modelele asociate lor. S-au scos în
evidenţă principalele caracteristici ale hărţilor digitale şi s-au reamintit noţiunile
privitoare la sisteme de coordonate şi proiecţii cartografice. S-a acordat o
importanţă deosebită noţiunii de georeferenţiere specifică hărţilor digitale. Datele
spaţiale sunt constituite într-o bază de date care este organizată pe straturi
tematice. Datele alfanumerice asociate datelor spaţiale se constituie în ceea ce se
numeşte baza de date atribut. Legătura dintre cele două baze de date se realizează
prin procesul numit geocodificare, rezultând baza de date geografică. Cu alte
cuvinte baza de date geografică este un ansamblu format din baza de date spaţială
şi cea atribut, toate prelucrările făcânu-se pe aceasta. Acest concept deosebeşte
produsele GIS de alte produse soft orientate pe garfică (cum ar fi CAD).
Înţelegerea acestor noţiuni este decisivă în abordarea softurilor GIS. În continuare
s-au înfăţişat principalele tehnici de introducere a datelor spaţiale cu accentul pus
pe digitizare şi scanare-vectorizare. Datorită posibilităţilor de integrare GIS a
datelor preluate prin GPS, am considerar util să prezentăm pe scurt principiul de
determinare a coordonatelor folosind acest instrument. Analiza spaţială conţine
programe destinate efectuării de operaţii pe date spaţiale şi atribut, având ca
rezultat hărţi, tabele, grafice sau text. Esenţa analizei spaţiale este de a extrage
datele cu semnificaţie din datele distribuite spaţial, care au fost supuse unor
prelucrări. Sunt prezentate grupele de operaţii precum şi principalele operaţii
elementare din fiecare grupă. Modelarea spaţială este un proces realizat cu
ajutorul procedurilor analizei spaţiale. Am încercat să înfăţişăm maniera de
construire a modelelor în cadrul GIS. S-au dat câteva exemple mai semnificative
din diferite domenii, evidenţiidu-se particularităţile fiecărui fenomen. Partea I-a se
încheie cu sursele posibile de erori care apar în proiectele GIS.
Partea a II-a debutează cu noţiunile de bază din teledetecţie, cu accentul pus pe

interacţiunea dintre radiaţie şi obiectele de la suprafaţa Pământului. S-a continuat
cu modul de obţinere a imaginilor digitale, proprietăţile acestora, precum şi
obţinerea de imagini multispectrale. Ca titlu informativ am prezentat principalele
misiuni spaţiale care au ca rezultat preluarea imaginilor prin teledetecţie. În
continuare au fost abordate operaţiile pe imagini digitale, scopul central al acestei
părţi. Au fost prezentate majoritatea operaţiilor care fac obiectul procesărilor de
imagini, cu accentul pus pe clasificarea imaginilor, procedură premergătoare
intregrării GIS a imaginilor preluate prin teledetecţie. Înfăţişarea color este o
operaţiune foarte importantă atât în cazul hărţilor, dar mai ales în cazul
imaginilor. În acest context am considerat util să prezentăm principalele sisteme de
reprezentare color. Partea a II-a se încheie cu Integraea GIS a imaginilor digitale,
fără a intra în detalii.
Partea a III-a a fost rezervată produsului GIS ArcView. Acest soft este unul dintre
cele mai accesibile şi utilizate produse existente la ora actuală pe piaţă. Au fost
abordate doar câteva din posibilităţile acestui pachet de programe. Am început cu
prezentarea generală a acestui produs, înfăţişându-se şi ferestrele despre care se
face vorbire, pentru o percepţie mai bună a operaţiunilor. S-a continuat cu
realizarea unui proiect ArcView cu grad foarte redus de dificultate, utilizând datele
geografice de pe Internet. Pentru a beneficia de cele prezentate în această parte,
cititorul trebuie să deţină o licenţă ArcView versiunea 3.0 sau 3.1, precum şi aceste
date. S-a insistat doar asupra aplicaţiilor în demografie, cu accentul pus pe
clasificarea entităţilor geografice. În anexele de la sfârşitul acestei părţi s-au
comentat metodele de clasificare în ArcView, dându-se unele indicaţii în situaţia
aplicării lor pe cazuri concrete.
Cartea se încheie cu un glosar de termeni GIS. Cea mai mare parte din aceşti
termeni sunt independenţi de produsul soft, doar câţiva termeni sunt specifici
ArcView.
Catrea se adresează, în primul rând studenţilor facultăţile de Geografie, Geologie,

Geodezie, precum şi celor de la Universităţile Tehnice, care au în programa de
învăţământ această disciplină. De asemenea, cartea este utilă tuturor celor care
doresc să se iniţieze în aceste discipline de mare actualitate.
Această lucrare este rezultatul colaborării dintre Facultatea de Geografie din

cadrul Universităţii “Babeş-Bolyai” pe de o parte şi Universitatea din Southapton
şi CSA Dublin pe de altă parte.
Autorii
TABLA DE MATERII
PARTEA I-a
Sisteme Informatice Geografice
1. Introducere
1.1. Definiţii
1.2. Domenii de aplicabilitate ale GIS
2. GIS un domeniu interdisciplinar
3. Date spaţiale
3.1. Sisteme de reprezentare a datelor spaţiale
3.2. Sistemul vector
3.3. Modele vectoriale
3.4. Sistemul raster
3.5. Caracteristici ale hărţilor digitale
3.6. Sisteme de coordonate şi proiecţii cartografice
3.7. Problema scării în cartografia digitală
3.8. Georeferenţierea
3.9. Organizarea bazei de date spaţiale
4. Date atribut
5. Geocodificarea. Baza de date geografică
6. Tehnici de introducere a datelor spaţiale
6.1. Digitizarea
6.2. Scanarea
6.3. Date preluate prin GPS
6.4. Date CAD
6.5. Imagini aeriene şi satelitare
6.6. Alte formate de date. Importul şi exportul datelor geografice
6.7. Surse de date
7. Analiza spaţială
7.1. Operaţii pe un singur strat
7.2. Operaţii pe straturi multiple
7.3. Analiză statistică
7.4. Analiza reţelelor
7.5. Analiza suprafeţelor
7.6. Analiza grid
7.7. Modelare în GIS
8. Surse şi tipuri de erori în GIS
PARTEA a II-a
Teledetecţie şi procesarea imaginilor digitale
1. Obiectul teledetecţiei
2. Spectrul electromagnetic
3. Efectele atmosferice
4. Interacţiunea dintre radiaţie şi obiectele de pe suprafaţa Pământului
5. Ce este o imagine digitală
6. Rezoluţia imaginilor digitale
7. Imagini multispectrale
8. Fotografii aeriene
9. Misiuni spaţiale
10. Operaţii pe imagini digitale
10.1. Corecţia sau restaurarea
10.2. Suprapunerea imaginilor
10.3. Mărirea clarităţii sau ameliorarea imaginii
10.4. Segmentarea şi mozaicarea
10.5. Clasificarea imaginilor digitale
11. Afişarea color
12. Integrarea imaginilor în GIS
PARTEA a III-a
Introducere în ArcView
1. Prezentarea generală a produsului ArcView

1.1. View-uri şi teme
1.2. Proiecţii de hărţi în ArcView
1.3. Formate de date în ArcView
1.4. Controlul afişării datelor cartografice
1.5. Tabele şi date tabelare
1.6. Alte componente ale ArcView
2. Crearea unei hărţi digitale
2.1. Lansarea unui proiect în ArcView
2.2. Setarea proprietăţilor proiectului
2.3. Deschiderea unui View şi crearea unei teme
2.4. Adăugarea unei teme
2.5. Setarea proprietăţilor pentru View
2.6. Setarea proprietăţilor temei
2.7. Etichetarea judeţelor
2.8. Salvarea proiectului
2.9. Activarea comenzii Layout şi crearea unei hărţi
ANEXA 1: Metode de clasificare

ANEXA 2: Alegerea unei legende potrivite
ANEXA 3: Opţiuni în simbolozarea datelor geografice
ANEXA 4: Normalizarea
GLOSAR DE TERMENI GIS
BIBLIOGRAFIE
TABLE OF CONTENTS
PART ONE
Geographical Information System
1. Introduction
1.1 Definitions
1.2 Applicability domains of GIS
2. GIS – an interdisciplinary environment

3. Spatial data
3.1. Digital representation of spatial data
3.2. Vector system
3.3. Vector models
3.4. Raster system
3.5. The characteristics of digital maps
3.6. The coordinate system and map projections
3.7. Scales problem in digital cartography
3.8. Georeferencing
3.9. Spatial database structure
4. Atribute data
5. Geocoding. Geographical database
6. Imputing data techniques
6.1. Digitizing
6.2. Scanning
6.3. GPS data
6.4. CAD data
6.5. Aerial and satelite images
6.6. Other data formats. Import and export of geographical data
6.7. Data sources
7. Spatial analysis
7.1. Single layer operations
7.2. Multiple layers operations
7.3. Point pattern analysis
7.4. Network analysis
7.5. Surfaces analysis
7.6. Grid analysis
7.7. GIS Modeling
8. Probable sources of errors in GIS
PART TWO
Remote sensing and digital image processing
1. The objectives of remote sensing

2. Electromagnetic spectrum
3. Atmospheric affects
4. The interaction between EM radiation and the ground objects
5. What is a digital image?
6. The resolution of a digital image
7. Multispectral imagery
8. Aerial photography
9. Earth resource satellites
10. Digital image processing
10.1. Image rectification and restoration
10.2. Image registration
10.3. Image Enhancement
10.4. Image segmentation and mosaiking
10.5. Image classification
11. Color Display
12. GIS image integration
PART THREE
Introduction to ArcView GIS
1. An overview of the software

1.1 Views and themes
1.2 Map projections in ArcView
1.3 ArcView data formats
1.4 Controlling the display of cartographic data
1.5 Tables and tabular data
1.6 Other components of ArcView
2. Exercise make a map
2.1 Launch a new ArcView project
2.2 Set the project properties
2.3 Open a view and create a theme
2.4 Add a theme
2.5 Set view properties
2.6 Set the theme properties
2.7 Label the regions
2.8 Save the project
2.9 Open a Layout and make a map
APENDIX 1: Classification methods

APENDIX 2: Choosing an appropriate legend
APENDIX 3: Symbolizing your data
APENDIX 4: Making your data easier to understand: Normalizing
GLOSSARY OF TERMS
BIBLIOGRAPHY
SUMMARY
PARTREA I-A
SISTEME INFORMATICE GEOGRAFICE

Sisteme Informatice Geografice 12 2
1. Introducere
1.1. Definiţii
Înainte de a defini noţiunea de Sistem Informatic Geografic (Geographical
Information System - GIS), este bine să clarificăm câteva noţiuni, pentru a fixa
cadrul subiectului. De multe ori în discuţii curente, se face vorbire de noţiuni greşit
definite sau interpretate, generând astfel confuzii care duc la ambiguităţi şi în final,
la concluzii fără obiect. Nu ne propunem să dăm definiţii formale sau care să nu
suporte anumite completări, ci definiţii de conţinut, pentru a evidenţia esenţa
noţiunii respective. Una dintre confuziile cele mai frecvente este cea care apare
între dată şi informaţie.
Data reprezintă o descriere simbolică a unui obiect, fenomen sau a unei acţiuni.
Simbolurile urmează o structură bazată pe o sintaxă prestabilită, înregistrată pe un
suport material şi care poate fi prelucrată manual, electronic sau combinat. În cazul
lucrării de faţă vom avea date spaţiale (reprezentări digitale ale hărţilor) şi date
atribut (date alfanumerice organizate sub formă de tabele pe linii şi pe coloane
asociate cu datele spaţiale) acestea fiind înregistrate sub formă de fişiere pe suport
magnetic. Semnificaţia transmiterii acestora omului în urma prelucrării, constituie
informaţia. Cu alte cuvinte informaţia este o dată care aduce un plus de cunoaştere
şi serveşte la luarea deciziilor. Informaţia tebuie să fie: consistentă (suficient de
cuprinzătoare), relevantă (să furnizeze cunoştinţele necesare), exactă, oportună (să
fie furnizată la timp) şi accesibilă ca mod de prezentare. Rezultatul unei prelucrări a
datelor este deci, o informaţie. Aceasta devine o dată în momentul în care nu mai
aduce un plus de cunoştinţe. Ea poate fi supusă unor alte prelucrări, obţinându-se o
nouă informaţie. Acest şir de prelucrări, cu rezultate intermediare, duce la
considerarea datei ca informaţie de unde şi expresia “prelucrarea informaţiei”. Cu
toate acestea, majoritatea tratatelor de specialitate, consideră că folosirea unui
termen în locul celuilalt este admisă.
Sisteme Informatice Geografice 13
Noţiunea de Sistem Informaţional, cel puţin în literatura ştiinţifică românească,

este asociată cu sistemele economice, mai precis cu managementul întreprinderii.
Datorită extinderii sistemelor informaţionale în variate domenii de activitate, ne
conduce la o definiţie mai scurtă şi mai cuprinzătoare. Astfel putem defini un
Sistem Informaţional ca fiind totalitatea datelor, a mijloacelor de tratare a lor,
precum şi a informaţiilor obţinute (sau a informaţiilor care potenţial pot fi obţinute),
împreună cu echipamentul destinat să facă aceasta, pentru un domeniu precizat care
serveşte la luarea deciziilor. Dacă prelucrarea este preponderent automatizată,
spunem că este vorba de un Sistem Informatic (INFORMaţional + automATIC).
Cum la ora actuală toate sistemele de prelucrare a datelor au o mare pondere de
prelucrare şi transmisie automată, putem spune că avem doar sisteme informatice.
Deci şi în ceea ce priveşte GIS vom înţelege un sistem informatic şi nu
informaţional, aşa cum se mai utilizează uneori în vorbirea curentă. În literatura
anglo-saxonă apare doar termenul Informational System, care prin traducere
directă înseamnă Sistem Informaţional. În aceeaşi viziune, Geographical
Information System a fost tradus prin Sistem Informaţional Geografic. Lăsăm la o
parte alte utilizări ale termenului, cum ar fi Sistem de Informare Geografică, care
denotă o lipsă totală de cunoştinţe în domeniu.
Aşa cum am menţionat, informatica a pătruns în cele mai variate domenii. Astfel se
poate vorbi de Sisteme Informatice Medicale, Sisteme Informatice Energetice,
Sisteme Informatice Biologice etc. Toate acestea însă nu au consistenţa şi unitatea
Sistemelor Informatice Geografice aşa cum vom vedea mai departe.
Privită la modul şi împrejurările în care se utilizează noţiunea de GIS,
trebuie să mai facem câteva precizări. În primul rând nu se foloseşte la singular şi
anume Sistemul Informatic Geografic, ca şi cum ar fi unul singur. Se creează astfel
o confuzie între un software GIS şi o aplicaţie realizată cu acesta, aplicaţia
referindu-se la o bază de date geografică şi la prelucrări specifice asupra acestora
într-un context precizat. Se poate spune, de exemplu, că am realizat un Sistem
Informatic Energetic utilizând tehnologia GIS. Sau dacă vreţi, am realizat un
proiect GIS energetic. Se poate proiecta un astfel de sistem fără a utiliza un soft
GIS, sau să se utilizeze doar parţial. În continuare, vom face referire la produs GIS,
când vorbim de un pachet de programe (software), cum ar fi de exemplu Arc/Info,
Intergaph, GRASS etc, şi proiect GIS atunci când vorbim de o aplicaţie, care se
realizează cu acestea.
Ca să încheiem şirul de definiţii, ne vom opri la noţiunile geomatică şi
geoinformatică. După International GIS Dictionary (Mc Donnell, Kemp, 1995),
geomatica este un termen inventat în Canada pentru a descrie activităţi legate de
toate mijloacele privitoare la introducerea şi gestionarea datelor spaţiale din
domeniul ştiinţific, administrativ şi tehnic, implicate în procesul producţiei şi
managemantul informaţiei spaţiale. Acesta a fost preluat atât de comunitatea
ştiinţifică din celelalte ţări anglo-saxone (geomatics) cât şi francofone
(géomatique). În noile accepţiuni, geomatica mai include şi activităţi privitoate la
măsurători topografice şi geodezice, prin utilizarea de echipament specializat
precum şi softuri specializate. Acronimul poate proveni de la GEOmetrie
autoMATICĂ, GEOgrafie inforMATICĂ, după preferinţe. Geoinformatica nu apare
în dicţionarul mai sus amintit, dar este din ce în ce mai folosit mai ales în ţări anglo-
saxone (geoinformatics), subînţelegându-se în esenţă, acelaşi lucru. Deci, între
acestea nu există o relaţie de dependenţă, cum uneori se mai foloseşte.
Primul Sistem Informatic Geografic recunoscut ca atare, a fost elaborat în Canada

(1962) şi s-a numit Canadian Geographical Information System. Iniţial a fost creat
pentru inventarierea suprafeţelor de pădure, după care domeniul s-a extins înspre
celelalte resurse naturale. Doi ani mai tărziu, în SUA, s-a elaborat un sistem similar
numit MIDAS care, s-a axat tot pe inventarierea resurselor naturale. Datorită
tehnicilor rudimentare şi a slabei informatizări a societăţii, aceste sisteme nu s-au
răspândit. În plus, echipamentele, culegerea, întreţinerea, şi prelucrarea datelor erau
costisitoare. Evoluţia lor a fost de asemenea lentă şi în deceniul următor, iar
aplicaţiile au glisat înspre domeniul militar. Pătrundere mai semnificativă în
domeniul civil, s-a făcut spre sfârşitul deceniului 9, odată cu ieftinirea
calculatoarelor PC şi răspândirea lor masivă în toate domeniile. După 1990,
încetarea războiului rece a produs realmente o explozie de aplicaţii în domeniul
civil. Produsele soft se dezvoltă şi se răspândesc într-o manieră fără precedent. La
intervale de câteva luni apar versiuni îmbunătăţite, uneori mult diferite de
precedentele, prin multitudinea de funcţii (cum ar fi de exemplu ArcView 3.0 faţă
de versiunea 2.0). Toate acestea sunt însoţite de dezvoltarea tehnicii de calcul în
general atât hardware (procesoare mai puternice, memorie mai mare, capacităţi de
stocare mai mari, echipament de introducere – digitizoare, scanere, dar şi de ieşire -
plottere, imprimante mai bune, ieftinirea CD-ROM, acces Internet) cât şi software
(dezvoltarea limbajelor de programare, în special a celor orientate obiect). Trebuie
să precizăm faptul că la noi în ţară produsele GIS nu au o răspândire prea mare,
deoarece acestea pretind echipament scump, iar softul este de asemenea scump şi în
plus este protejat. La toate acestea se adaugă necunoaşterea de către factorii de
decizie a avantajelor pe care le oferă proiectele GIS. Aceasta poate fi pusă pe seama
lipsei de educaţie în domeniu (cursurile sunt foarte rare şi costisitoare, ele axându-
se pe o anumită gamă de produse soft). Un curs general de GIS, de altfel foarte
important, nu rezolvă problema, ci doar oferă o imagine de ansamblu asupra
modului în care ar trebui abordate problemele spaţiale. Menţionăm faptul că
produsele GIS sunt foarte deosebite de alte softuri aflate pe piaţă, cum ar fi
limbajele de programare, SGBD tradiţionale sau produse CAD.
Există mai multe definiţii pentru GIS dintre care am ales pe cea considerată mai
generală şi cuprinzătoare. Un GIS este un sistem informatic ce permite captarea (intro-
ducerea), stocarea, integrarea, manipularea, analiza şi vizualizarea datelor care au
referinţă spaţială. O schematizare a acestei definiţii, poate fi pusă în forma:
- date geografice (cu distribuţie spaţială);
- sisteme de programe (software, ce înglobează proceduri de analiză şi management
specific);
- sisteme de calcul (hardaware).
Pentru a ne face o imagine de ansamblu a ceea ce este un GIS, să evidenţiem câteva din
întrebările la care poate să răspundă un astfel de sistem.
Ce este la...? adică localizarea unei anumite caracteristici. O locaţie poate fi descrisă în
mai multe feluri. De exemplu, ce reprezintă un anumit areal, care sunt coordonatele
geografice ale unui anumit punct etc.
Unde se găseşte...? adică exprimarea unei condiţii. Mai precis, în loc să identificăm ce
este la o anumită locaţie, dorim să ştim în ce locaţii sunt satisfăcute anumite condiţii.
De exemplu unde se află o zonă defrişată mai mare de 1 km2.
Ce s-a schimbat la...? adică evoluţia. Se determină variaţiile în timp ale unui areal. De
exemplu ce cantităţi de precipitaţii zilnice cad pe o anumită suprafaţă în decursul unui
an.
Ce se întâmplă dacă...? adică modelarea. De exemplu ce impact asupra mediului este
determinat de adăugarea unei şosele la reţeaua de drumuri. Sau ce se întâmplă cu
clienţii unui furnizor de servicii dacă în zonă apare un nou competitor. Sau ce modifi-
cări se produc în structura pieţei în cazul în care se înfiinţează un nou magazin.
Produsele GIS au un larg evantai de aplicaţii, în cele mai diferite domenii. Practic
tot ce este legat de teritoriu intră, mai mult sau mai puţin, sub incidenţa programelor
înglobate într-un GIS. Vom enumera pe scurt câteva domenii şi aplicaţii posibile.
1.2. Domeniile de aplicabilitate ale GIS

Utilităţi. Aplicaţiile din această categorie fac parte din domeniul cunoscut
sub numele Automated Mapping and Facilities Management (AM/FM). Este vorba
de gestiunea reţelelor de apă, gaz, electricitate, telecomunicaţii etc. Aceste aplicaţii
necesită hărţi foarte precise, iar modelele vectoriale domină acest domeniu. Tot aici
putem include amplasarea staţiilor de emisie/recepţie din sistemul de telefonie
celulară. La acest gen de aplicaţii, configuraţia terenului este extrem de importantă.
Modelele raster tind să fie predominante în acest sector.
Mediu. Într-o primă variantă, produsele GIS sunt folosite pentru
inventarierea teritoriilor afectate de poluare (apă, sol, aşezări). La un nivel mai
ridicat se pot face studii privitoare la procesele de eroziune, alunecări de teren,
studii de impact, studiul caltităţii apei (care pot fi corelate cu diferite softuri
specifice) etc.
Amenajarea teritoriului. Consiliile locale sau judeţene pot beneficia de
aportul adus de GIS în monitorizarea terenului, plane de amenajare urbanistice,
comunale, judeţene, regionale, interregionale. Ca exemplu amintim: studiul
amplasării unor blocuri de locuinţe (coroborat cu date provenite de la utilităţi; hărţi
ale conductelor de gaz, apă, informaţii privitoare la dimensionările acestora şi deci,
posibilitatea controlului transportului de apă şi gaz pe acestea).
Agricultură şi silvicultură. Inventarierea solurilor însoţite de date atribut
privitoare la tipul de sol, calitate, utilizare. Monitorizarea terenurilor agricole în
vederea obţinerii de producţii maxime. Inventarierea pădurilor, a zonelor

geografice protejate (rezervaţii, parcuri naţionale). Studiul privitor la oportunitatea
amplasării exploatărilor de cherestea şi a fabricilor de prelucare a lemnului. Studii
privitoare la conservarea patrimoniului forestier naţional. Proiectele GIS din acest
domeniu sunt dublate de prelucrarea imaginilor luate prin teledetecţie.
Resurse naturale. În ultimii ani, se investeşte din ce în ce mai mult în
proiecte care conduc la depistarea resurselor naturale (minereuri, petrol, gaz, apă)
utilizând produse GIS. Şi acestă activitate este dublată de prelucrarea imaginilor
digitale sau aeriene. De fapt, acest domeniu a beneficiat din plin de programele de
teledetecţie Skylab din anii ’70, când s-au descoperit multe resurse naturale
exploatate în momentul de faţă (petrol şi gaz în Marea Nordului, petrol în Marea
Neagră, etc).
Transport. GIS are un potenţial considerabil în gestiunea şi optimizarea
transportului urban sau regional (trasee optime pentru autobuze, tramvaie, trenuri,
la care se adaugă determinarea numărului optim de mijloace de transport pe
perioade de timp). Tot aici putem include alegerea traseelor optime pentru maşinile
de intervenţie (pompieri, salvare, poliţie). În transportul maritim hărţile electronice
(electronic chart ) le înlocuiesc tot mai frecvent pe cele tradiţionale, iar orientarea
navelor se face automat cu ajutorul unor echipamente specializate de poziţionare
cunoscute sub numele de GPS (Global Positionning System – sistem de poziţionare
globală), acestea fiind direct legate de hărţile digitale.
Demografie. Baze de date privitoare la populaţie (pe vârste, religii,
profesii, învăţământ, sănătate etc) asociate cu o hartă administrativă la nivel de
comună, produc diferite hărţi privitoare la distribuţia teritorială a unor variate tipuri
de informaţii, rezultatul fiind o hartă orthoplet sau chromoplet.
Marketing. Având o hartă a unui oraş asociată cu o bază de date ce conţin
recensăminte, plus localizările firmelor, se pot face studii referitoare la corelaţii
dintre clienţi şi ofertanţii de servicii. Se poate merge până la simularea amplasării
unui magazin într-o anumită zonă. Rezultatul este o hartă care prezintă modificarea
clientelei magazinelor învecinate, sugerând deci oportunitatea amplasării sau nu a
acelui magazin.
Cadastru. Inventarierea şi întreţinerea datelor spaţiale şi atribut a tuturor

terenurilor. Odată realizat un sistem cadastral informatizat, întreţinerea datelor se
face mult mai uşor iar obţinerea de date asupra terenurilor se face imediat.
Proiectele GIS de anvergură au scopul de a obţine informaţii în vederea luării
deciziilor. Modelarea şi simularea reprezintă concepte de bază în cadrul analizei
spaţiale şi de fapt şi raţiunea de a fi a unui GIS.
2. GIS un domeniu interdisciplinar

Pentru proiectarea şi exploatarea unui GIS sunt necesare aporturile, în proporţii variate,
ale multor discipline, fiecare având o pondere mai mare sau mai mică în diferite faze
de proiectare sau utilizare. În cele ce urmează vom enumera cele mai importante
discipline care au condus la promovarea şi dezvoltarea GIS.
Geografia are o lungă tradiţie în analiza spaţială şi oferă un spectru larg de aplicaţii.
Cartografia
- furnizează principala sursă de intrare pentru datele geografice sub formă de
hărţi;
- cartografia digitală deţine metode de reprezentare digitală şi de manipulare a
caracteristicilor geografice precum şi metodele de vizualizare.
Teledetecţia
- deţine tehnici de achiziţie, procesare şi corecţie a imaginilor aeriene şi
satelitare; analiza de imagini conţine funcţii sofisticate;
- imaginile sub formă digitală sunt o sursă importantă pentru constituirea bazei
de date spaţiale;
- interpretarea imaginilor luate prin teledetecţie pot fi asociate cu alte date
(hărţi tematice) din GIS.
Geodezia oferă metode pentru controlul poziţional având un rol important pentru
obţinerea unei acurateţe bune a datelor spaţiale.
Statistica
- furnizează soluţii importante pentru determinarea erorilor în datele
geografice;
- majoritatea modelelor construite cu GIS sunt de natură statistică;
- multe tehnici statistice sunt folosite pentru analiză.
Informatica
- furnizează hard-ul şi soft-ul necesar proiectării şi exploatării GIS;
- oferă proceduri avansate de grafică, utilizându-se limbaje de programare,
pentru reprezentare internă, manipulare, prelucrare şi afişare a datelor geografice;
- SGBD conţine proceduri şi funcţii pentru proiectarea, manipularea şi
reprezentarea unui volum mare de date;
- CAD (Computing Aid Design - Proiectarea asistată de calculator) furnizează
proceduri de intrare/afişare atât în 2D cât şi în 3D;
- tehnicile de inteligenţă artificială pot emula inteligenţa umană constituind un
factor decizional în diferite situaţii.
Matematica. Multe ramuri ale matematicii se folosec pentru proiectarea GIS precum şi
pentru analiza datelor geografice.
- geometria computaţională se utilizează în grafică;
- logica bivalentă este folosită în realizarea operaţiilor pe hărţi (de exemplu
algebra hărţilor);
- topologia şi teoria grafelor se utilizaeză în modelele topologice vectoriale;
- teoria probabilităţilor şi mulţimile fuzzy oferă instrumentele de evaluare a
mărimilor cu un anumit grad de incertitudine;
- cercetările operaţionale pun la dispoziţie tehnici de optimizare în luarea
deciziilor;
- modelarea şi simularea unor fenomene geografice sunt realizate prin
intermediul ecuaţiilor diferenţiale şi a proceselor stochastice.
Menţionăm că aceste discipline, cu ramurile amintite sunt implicate atât în

proiectarea cât şi în exploatarea GIS. Unele ramuri au o pondere mai mare în
proiectare, altele în exploatare. Este greu să se facă o selectare precisă a ramurilor
ştiinţelor respective pentru a şti ce fel de cunoştinţe sunt necesare unui anumit
utilizator. Considerăm că noţiunile de bază din disciplinele mai sus amintite sunt
indispensabile în utilizarea corespunzătoare a unui proiect GIS. În plus, mai sunt
necesare un bagaj de cunoştinţe specifice domeniului cercetat (mediu, agricultură,
cadastru etc). Cunoştinţele din domeniul de cercetare sunt decisive în interpretarea
corectă a rezultatelor.
3. Date spaţiale
Datele spaţiale constituie partea centrală a unui GIS şi conţine hărţi sub formă
digitală. Acestea sunt materializate prin fişiere conţinute într-o bază de date spaţială
(BDS).
3.1. Sisteme de reprezentare a datelor spaţiale

Problema care a apărut era: cum să introducem o hartă în calculator, adică cum să fie ea
reprezentată intern? Fiind vorba de un calculator numeric, este evident că stocarea
trebuie făcută sub formă de coduri numerice. După experienţe îndelungate, s-a convenit
ca reprezentarea internă a unei hărţi să se facă în două sisteme: sistemul vector şi
sistemul raster. În sistemul vector harta este construită, în mare, din puncte şi linii,
fiecare punct şi extremităţile liniilor fiind definite prin perechi de coordonate (x,y).
Acestea pot forma arce, suprafeţe sau volume (în cazul în care se mai ataşează încă o
coordonată). Caracteristicile geografice sunt exprimate prin aceste entităţi: o fântână va
fi un punct, un punct geodezic va fi de asemenea un punct; un râu va fi un arc, un drum
va fi de asemenea un arc; un lac va fi un poligon dar şi o suprafaţă împădurită va fi un
poligon. În sistemul raster, imaginile sunt construite din celule numite pixeli. Pixelul,
sau unitatea de imagine, este cel mai mic element de pe o suprafaţă de afişare, căruia i
se poate atribui în mod independent o intensitate sau o culoare. Fiecărui pixel i se va
atribui un număr care va fi asociat cu o culoare. Entităţile grafice sunt construite din
mulţimi de pixeli. Un drum va fi reprezentat de o succeiune de pixeli de o aceeaşi
valoare; o suprafaţă împădurită va fi identificată tot prin valoarea pixelilor care o
conţin. Între cele două sisteme există diferenţe privind modul de stocare, manipulare şi
afişare a datelor. În figura 1 am înfăţişat, într-un mod simplificat, cele două sisteme de
reprezentare ale aceleiaşi realităţi. Am păstrat aceeaşi unitate de lungime pentru
sistemul vector cu dimensiunea celulei din sistemul raster.
Ambele sisteme au avantaje şi dezavantaje. Principalul avantaj al sistemului
vector faţă de cel raster este faptul că memorarea datelor este mai eficientă. În acest
sistem doar coordonatele care descriu trăsăturile caracteristice ale imaginii trebuiesc
codificate. Se foloseşte de regulă în realizarea hărţilor la scară mare. În sistemul raster
fiecare pixel din imagine trebuie codificat. Diferenţa între capacitatea de memorare nu
este semnificativă pentru desene mici, dar pentru cele mari ea devine foarte importantă.
Grafica raster se utilizează în mod normal atunci când este necesar să integrăm hărţi
tematice cu date luate prin teledetecţie.
Figura 1 Reprezentarea vector şi raster a aceluiaşi areal
3.2. Sistemul vector

Sistemul vector se bazează pe primitive grafice. Primitiva grafică este cel mai mic
element reprezentabil grafic utilizat la crearea şi stocarea unei imagini vectoriale şi
recunoscut ca atare de sistem. Sistemul vectorial se bazează pe cinci primitive grafice:
1) PUNCTUL;
2) ARCUL (sau linia ce uneşte punctele);
3) NODUL (punct care marchează capetele unui arc sau care se află la contactul dintre
arce);
4) POLIGONUL (arie delimitată de arce);
5) CORPUL (volum determinat de suprafeţe).
Obiectele cartografice simple sunt alcătuite din primitive. Obiecte cartografice mai
complexe precum şi obiectele geografice sunt obţinute din combinarea obiectelor
simple.
În continuare vom detalia aceste noţiuni într-o manieră simplificată având drept scop
înţelegerea lor şi nu tratarea sub toate aspectele care pot apare într-un soft GIS.
1) PUNCTUL este unitatea elementară în geometrie sau în captarea fotogrametrică. Nu

trebuie confundat cu celula din reprezentarea raster, deoarece el nu are nici suprafaţă
nici dimensiune. El reprezintă o poziţionare în spaţiu cu 2 sau 3 dimensiuni. În figura 2
am redat modul de afişare al punctelor, precum şi modul de înregistrare pe suport
magnetic (în 2D). Fiind vorba de un calculator numeric, înregistrarea pe suport
magnetic se va face sub formă de numere. Mai precis, fiecare punct va fi înregistrat
într-un fişier sub formă de tabel care conţine două coloane. În prima coloană va apare
un număr de identificare (care este unic), iar în a doua coloană coordonatele punctului
în sistemul de referinţă ales. Pentru ca aceste puncte să fie afişate pe monitor sau
imprimantă, se scrie un program (într-un limbaj de programare) care va conţine
instrucţiuni privitoare la configurarea ecranului, instrucţiuni de citire din fişier a
numerelor care reprezintă coordonatele şi în final, instrucţiunile de afişare pentru
echipamentul de ieşire (monitor sau imprimantă). În cadrul produselor GIS aceste
programe sunt înglobate într-o structură mare (care reprezintă de fapt software GIS) şi
care este apelat prin comenzi ce apar fie sub formă de meniuri, fie sub formă de icoane.
De exemplu o comandă pe care putem să o numim View poate realiza afişarea pe
ecran, iar o comandă Print va produce listarea la imprimantă sau plotter, funcţie de
driverul instalat pe calculatorul respectiv. Aceasta este, în mare, modul cum este
organizat un produs GIS ce priveşte afişarea unui grafic. În mod similar se efectuează
şi afişarea arcelor sau a poligoanelor. Nu discutăm acum felul în care se introduc datele
în calculator.
2) ARCUL este o succesiune de joncţiuni (legături) între o succesiune de puncte. Este

vorba de o entitate dublă, el fiind format din una sau mai multe joncţiuni, ele însele
reunind două puncte sau mai multe puncte. De cele mai multe ori joncţiunea este o
dreaptă. Astfel, un arc este, în general, o linie frântă ce uneşte direct două puncte ale
parcursului. O linie frântă poate aproxima suficient de bine orice curbă prin micşorarea
segmentelor. Un arc este orientat direct în sensul parcursului, de la punctul iniţial la cel
final. În figura 3 am înfăţişat două arce cu tabelul corespunzător. Ca şi în cazul
punctelor, înregistrarea pe disc se va face sub formă tabelară. În prima coloană vom
avea numărul de identificare, iar în coloana a doua vor fi trecute toate coordonatele
segmentelor care formează arcul. Aici nu s-au pus în evidenţă nodurile (vezi modelul
spagheti). Arcul este o entitate de bază în modelele vectoriale şi este asociat cu entitatea
nod (vezi modele topologice de reţea).
Figura 3 Reprezentarea grafică şi tabelară a arcelor fără

specificarea nodurilor
3) NODUL este definit ca o extremitate de arc şi nu trebuie confundat cu conceptul de

punct abordat mai sus. Un arc este obligatoriu mărginit de un nod de origine şi un nod
destinaţie (vezi modelul topologic de reţea). Nodurile indică sensul de parcurgere al
arcului. Astfel definit, fiecare nod este un vârf al unui graf. Un graf este planar nu dacă
este în plan, ci dacă toate intersecţiile dintre arce formează noduri. În figura 4 am
schiţat o reprezentare posibilă a unor arce în care s-au identificat nodurile. În această
situaţie fişierul conţine în plus două coloane, care vor conţine nodul de început şi
respectiv nodul final. Deşi arcele 2 şi 3 formează un poligon, aici acesta nu este
recunoscut ca atare.
Figura 4 Reprezentarea grafică şi tabelară a arcelor cu specificarea

nodurilor
4) POLIGONUL este delimitat de un parcurs de arce, ele însele fiind conectate de

noduri definite într-un graf planar. Unui poligon îi este ataşat în mod obligatoriu un
nod izolat, numit centroid. Acest nod privilegiat permite construirea suprafeţelor în
jurul lui, până la limitele formate de arcele întâlnite. În figura 5 am redat două
poligoane cu tabelul corespunzător fără a se specifica proprietăţile lor topologice.
Combinaţii de poligoane formează suprafeţe bidimensionale sau tridimensionale (vezi
DEM).
5) VOLUMELE, ca şi primitive grafice, sunt tratate mai puţin de produsele soft, de

aceea nu le vom detalia. Amintim doar faptul că, anumite pachete de programe oferă
posibilitatea de a lua în considerare, de a calcula şi de a reprezenta prisme sau volume
simple. Ele aproximează cu o precizie suficientă volumele de pe hărţile reprezentate în
trei dimensiuni (3D). Reprezentarea uzuală a unei suprafeţe în 3D se face prin diferite
tehnici cum ar fi izoliniile, TIN etc (vezi Analiză Spaţială).
Figura 5 Reprezentarea grafică şi tabelară a poligoanelor
3.3. Modele vectoriale

Modelul este o reprezentare convenţională a structurilor de date într-un context
precizat, în care se identifică natura datelor (aici primitivele grafice), operatorii care
acţionează asupra structurilor de date, precum şi restricţiile impuse pentru menţinerea
corectitudinii datelor (reguli de integritate).
Sistemul de reprezentare vector a generat mai multe modele, dintre care vom prezenta
trei, ele fiind şi cele mai importante şi cele mai reprezentative:
1) modelul spagheti, care utilizează numai primitivele punct şi arc;
2) modelul topologic de reţea (topologic liniar), care adaugă la spagheti primitiva nod;
3) modelul topologic de suprafaţă (topologic în două dimensiuni), care la precedentul
adaugă primitiva poligon.
Modelul topologic de volum (topologic în 3D), actualmente în curs de dezvoltare, nu

va fi abordat.
Modelul spagheti este un model relativ simplu privitor la gestiunea geometriei

obiectelor, având ca scop principal de a le desena. Aşa cum am precizat acest model
utilizează primele două primitive menţionate: PUNCTUL şi ARCUL. Aşa cum am

mai amintit, noţiunea de arc este specifică modelelor vectoriale topologice, care în mod
implicit (dacă luăm definiţia din teoria grafurilor) trebuie să aibă o orientare, adică un
punct de start şi un punct de sfârşit. Aici arcul este de fapt o simplă linie frântă. Uneori
se foloseşte şi termenul de polilinie. Poate că apare o anumită ambiguitate în definirea
arcului. Acest lucru este similar cu confuzia dintre dată şi informaţie. Stricto senso
noţiunea de arc nu poate fi utilizată în modelul spagheti, situaţie care nu se respectă
întotdeauna.
Este important de menţionat faptul că, în acest model, poligonul este un rezultat al
închiderii unui arc şi nu este privit ca o primitivă grafică, deci nerecunoscut ca atare.
Neajunsuri ale modelului spagheti:
- graful nu este întotdeauna planar (poligoanele se pot suprapune);
- fiecare arc este independent (pot apare linii dublate);
- fiecare poligon poate fi descris în mod independent de celelalte poligoane prin arcul
care îl delimitează, mai precis el este recunoscut prin arcul închis care formează
conturul său.
Figura 6 Model vectorial de tip spagheti
În figura 6 am înfăţişat câteva situaţii posibile în cazul modelului spagheti care pot crea
probleme în gestiunea datelor spaţiale. În general fişierele DXF sunt de tip spagheti.
Ele pot fi citite şi afişate de produsele GIS, dar nu şi prelucrate. Pentru a putea fi
prelucrate acestea trebuiesc supuse unor operaţii (conversii), rezultatul fiind un fişier
propriu al produsului GIS respectiv.
Următoarele două modele se numesc modele topologice. Termenul a fost împrumutat

din matematică. În ceea ce ne priveşte, putem accepta faptul că topologia studiază
poziţia relativă a obiectelor independente de forma lor exactă, de localizarea lor
topografică şi de mărimea lor. Astfel liniile pot fi conectate, suprafeţele pot fi adiacente
etc. Cu alte cuvinte topologia exprimă relaţia spaţială dintre primitivele grafice. De
exemplu topologia unui arc include definirea nodului de origine şi a nodului de
destinaţie (în cazul modelului topologic de reţea) şi respectiv a poligonului din stânga
şi dreapta (în cazul modelului topologic de suprafaţă). Datele redundante
(coordonatele) sunt eliminate deoarece un arc poate reprezenta o linie sau numai o
parte din ea. Altfel spus este vorba de o localizare fără coordonate. Existenţa relaţiilor
topologice permite o analiză geografică mai eficientă, cum ar fi modelarea scurgerii
lichidelor pe reţelele de apă/canal, combinarea poligoanelor (suprafeţelor) cu
caracteristici similare.
2) Modelul topologic de reţea adaugă modelului spagheti entitatea numită nod. Există
noduri izolate, independente de reţeaua de conexiuni, precum şi noduri legate. Un arc
are obligatoriu un nod origine şi un nod destinaţie. Pe traseul unui arc pot exista mai
multe noduri, acestea însă aparţin numai la un singur arc (atunci când avem intersecţii
de arce şi graful este planar).
Se utilizează cu precădere în hărţile ce reprezintă distribuţii într-o reţea (cabluri

telefonice, electricitate, gaz etc.)
În figura 7 avem un exemplu de codificare topologică de reţea. Reprezintă o hartă

posibilă a unei reţele de drumuri. Se observă că înregistrarea constă din două tabele:
unul pentru codificarea topologică şi altul pentru lista coordonatelor punctelor ce for-
mează arcele, respectiv reţeaua.
3) Modelul topologic de suprafaţă este cel mai complet. El adaugă modelului

topologic de reţea poligoanele delimitate la stânga şi la dreapta fiecărui arc. În plus
suprafaţa este construită obligatoriu în jurul unui nod izolat, care nu aparţine
parcursului arcelor.
Figura 7 Modelul topologic de reţea
Figura 8 Modelul topologic de suprafaţă

Apariţia suprafeţei induce două asociaţii suplimentare: un arc are obligatoriu un

singur poligon la stânga şi un singur poligon la dreapta. Invers, un poligon este
situat, fie la stânga, fie la dreapta unui arc sau a mai multor arce. În fine, graful
acestui model este obligatoriu planar. În figura 8 avem un caz posibil de hartă
vectorială în codificarea topologică de suprafaţă. Nodurile nu au fost numerotate deoa-
rece, în acest caz nu mai este necesar.
Modelul topologic de suprafaţă formează o acoperire, adică reuniunea tuturor

suprafeţelor este egală cu suprafaţa totală a hărţii, de unde şi noţiunea de coverage
care, în traducere înseamnă acoperire. În Arc/Info o hartă vectorială topologică se
numeşte coverage. În figura 9 avem reprezentată o hartă reală în care s-au evidenţiat
noduri, arce şi poligoane.
Figura 9 O hartă reală în care s-au pus în evidenţă arcele, nodurile şi

poligoanele
3.4. Sistemul raster

Sistemul raster generează un singur model numit model raster, sau model matricial.
Aşa cum am văzut, acesta este compus din celule mici de formă pătrată sau
dreptungiuriulară, având o suprafaţă de regulă egală cu rezoluţia sistemului. Am spus
de regulă, deoarece nu întotdeauna pixelul este considerat ca unitatea de referinţă, ci
celula convenţională, care este formată din mai mulţi pixeli. Acest lucru este relevant
atunci când pe o hartă în sistem raster se face o scalare (adică se aplică un factor de
multiplicare a imaginii) pe o porţiune din ea. Imaginea va fi constituită din pătrate, iar
continuitatea se pierde. În prima sa formă, sau dacă vreţi în forma originală, pentru a
satisface cerinţele de acurateţe, harta digitală raster va avea celula egală cu un pixel.
Încă o dată precizăm că este vorba de reprezentarea internă a hărţii, care poate să
coincidă sau nu cu rezoluţia monitorului sau a altor echipamente (plotter, imprimantă).
În cazul în care monitorul are o rezoluţie mai slabă decât cea reprezentată intern, harta
vizualizată va avea acurateţea monitorului, adică mai slabă. Invers dacă monitorul are o
rezoluţie mai bună, afişarea va fi la nivelul rezoluţiei interne. Totuşi există o anumită
corelare între posibilităţile programelor de manipulare a datelor şi de performanţele
echipamentelor periferice. De altfel, fiecare produs soft oferă o listă cu echipamentele
I/E cu care este compatibil. Orice abateri de la aceste reguli conduce la imposibilitatea
funcţionării corecte a programelor.
În general sistemul raster este un mare consumator de resurse. Pentru a ilustra
necesarul de suport în stocarea unei hărţi în format raster, vom da câteva exemple. O
imagine format A4 (210x297 mm), reprezintă, cu o rezoluţie a unei imprimante laser,
aproximativ 9 milioane de celule (300 d.p.i = 12 puncte/mm şi 12x12 = 144
puncte/mm2 şi 144x210x297=8981280).
Modelul raster este simplu, el conţinând două entităţi: celula şi imaginea. Este
important de notat că o celulă nu are decât o singură valoare şi că această valoare este
valabilă pe toată suprafaţa celulei, chiar dacă în procesul de actualizare sunt disponibile
informaţii mai fine. Poziţia ei este definită prin număr de linie şi număr de coloană
într-o imagine şi numai una. Este clar că în această entitate nu intră obiectele
geografice. Acestea din urmă nu pot fi recunoscute decât după tema imaginii şi
valoarea de atribut a fiecărei celule. O imagine presupune una sau mai multe celule.
Fiecare imagine este definită de tema sa şi de un număr de imagine. Teritoriul care
conţine această imagine este definit de coordonate şi de extremităţi. Aceste carac-
teristici conţin şi unitatea de măsură şi atributul fiecărei celule. În consecinţă putem
rezuma:
CELULA IMAGINEA
valoare temă
- nr linie nr imagine
- nr coloană X,Y minim
X,Y maxim
După cum aţi observat, se uzitează denumirea de imagine raster şi nu de hartă raster.
Aceasta deoarece imaginile digitale sunt în format raster. Atragem atenţia de pe acum
că, o imagine satelitară digitală nu este propriu-zis o hartă. Ci din această imagine, în
urma procesării ei şi a codificării proprii unui soft cartografic (sau GIS) va rezulta o
hartă digitală. Deci trebuie să fim atenţi atunci când vorbim despre imagine raster să se
înţeleagă exact ce reprezintă aceasta.
În figura 9 avem o hartă raster în care pixelii sunt reprezentaţi prin numere.
Aceste numere care, în fond le corespund anumite caracteristici cantitative de pe
suprafaţa Pământului, se convertesc la o afişare pe un monitor, în culori. Aceasta este
aşa-numita reprezentare logică a hărţii. Aşa cum am amintit mai sus, un pixel este
definit de un număr de linie şi un număr de coloană. Spre deosebire de modelele vector
în care originea este în stânga jos, aici originea este în stânga sus (0,0). În figura 10
avem o matrice de celule de 8 linii x 13 coloane. Aceasta se materializează printr-un
fişier care va conţine numerele respective. Numărătoarea celulelor merge de la stânga
la dreapta şi de sus în jos. Înregistrarea fizică a imaginii este o singură coloană lungă de
numere formată, în cazul nostru: 0,0,0,1,1,1,2,1,1,0,0,1,1,3,3,3,1,3,3,2,2... Aceste
numere pot fi reprezentate intern prin bytes, numere întregi sau numere reale.
Reprezentarea unui număr pe un byte implică 8 biţi şi deci 256 de posibilităţi;

în cazul numerelor întregi avem gama -32768 până la 32767, adică 65435 variante şi
sunt necesari 2 bytes; pentru cazul real avem un domeniu vast şi anume -1038, +1038, cu
o precizie de 7 cifre semnificative, pe 4 bytes. De cele mai multe ori este suficientă
o reprezentare internă pe un byte (situaţie întâlnită şi la imaginile satelitare). Însă
anumite prelucrări asupra hărţilor conduce la necesitatea reprezentării în numere reale.
Numărul de bytes utilizaţi în reprezentare, va decide volumul ocupat pe disc.
Figura 10 Modelul raster înfăţişat ca o matrice de numere
Figura 11 Structura quad-tree Figura 12 Împărţirea în

quadrante
anumite prelucrări asupra hărţilor conduce la necesitatea reprezentării în numere reale.

Numărul de bytes utilizaţi în reprezentare, va decide volumul ocupat pe disc.
Se observă că o succesiune de numere aşa cum am făcut mai sus este cu totul
neeconomică. În consecinţă s-a adoptat un sistem de reprezentare "împachetat" de
genul: 3,0,3,1,1,2,2,1,2, 0,2,1,3,3... care semnifică 3 valori de 0, 3 de 1, o valoare de 2
etc. În acest mod avem o economie importantă dacă valorile se repetă mult în secvenţă.
O altă metodă mai eficientă de stocare a datelor raster este cea bazată pe structura
ierarhică cunoscută sub numele de quad-tree. Principiul este următorul: imaginea este
împărţită în patru, rezultând patru dreptunghiuri sau pătrate mai mici (pe care le vom
numi quadrante), fiecare quadrant se împarte din nou în patru. Procedeul se repetă până
când se obţin quadrante cu o structură omogenă (adică au aceeaşi valoare a pixelilor).
Mai precis, în momentul în care un quadrant are o aceeaşi valoare pe întreaga suprafaţă
descompunerea este oprită pe acestă ramură, ea continuând pentru quadrantele care
prezintă valori diferite ale pixelilor. În orice caz procesul se opreşte la nivel de pixel
(Figura 11). Am ales pentru exemplificare o reprezentare booleană adică 1 şi 0 (1
pentru negru şi 0 pentru fond), aşa cum este înfăţişată în figura 12. Structura arborelui
este dată în figura 13. Pentru imagini cu valori diferite ale pixelilor, structura este
similară, doar că este mai complexă. Această metodă de stocare este eficientă când
imaginea conţine suprafeţe mari de o aceeaşi valoare. Imaginea raster va fi asociată cu
un tabel de pointere care localizează quadrantul din cadrul descompunerii şi un tabel de
indici care arată de câte ori a fost împărţit quadrantul.
Figura 13 Structura arborescentă quad-

tree
Fişierul imagine poate fi stocat în format ASCII, binar, binar împachetat, quad-
tree, sau într-o codificare proprie. Formatul ASCII nu este cel mai economicos, dar
prezintă avantajul că poate fi vizualizat şi modificat cu comenzi ale Norton
Commander sau Notepad din Windows. Formatul binar este, de obicei, formatul
standard de lucru cu fişierele imagine. Formatul binar împachetat este un format special
de compresie pentru fişiere binare întregi sau byte. Se utilizează, de regulă, pentru
economisirea spaţiului pe disc.
O mulţime de pixeli învecinaţi formează linii şi arii poligonale. În acest sistem

liniile şi ariile poligonale nu conservă continuitatea spaţiului real, de unde rezultă o
deformare a realităţii spaţiale. Mărimea acestei deformări este în funcţie de rezoluţia
utilizată. La ora actuală, la sistemele de mare rezoluţie această deformare este
acceptabilă.
Calitatea imaginilor raster este pusă în valoare atunci când se reprezintă
fenomene de mare variabilitate. De exemplu, altimetria şi batimetria se pretează mai
bine la o astfel de reprezentare. Analiza la nivel de celulă permite evidenţierea unor
proprietăţi importante ale terenului, cum ar fi depistarea unor arbori bolnavi. Aceasta
depinde şi de scara la care se lucrează. Datorită simplităţii lor, reprezentările raster se
pretează la anumite tipuri de analiză. Dacă o celulă nu poate să aibă decât o singură
valoare, nu înseamnă că nu este posibilă combinarea mai multor pixeli din imagini
diferite, prin suprapunere. Combinarea straturilor face obiectul Analizei Spaţiale.
Programele care compun procedurile de calcul pe imagini raster sunt mai simple decât
cele corespunzătoare modelelor vectoriale. Timpul de execuţie, însă, poate fi mai scurt
sau mai lung, funcţie de mărimea fişierului şi de performanţele procesorului.
3.5. Caracteristici ale hărţilor digitale

Rezoluţia în sistem vector, reprezintă cel mai mic increment pe care îl poate detecta
un digitizor. Sau altfel spus, distanţa cea mai mică dintre două puncte care este
sesizată prin sistemul de coordonate, ca fiind diferite. Această caracteristică depinde
de echipamentul şi softul utilizat în crearea hărţii precum şi de prelucrarea şi
afişarea ei pe monitor sau plotter. Acest increment, referit în teren, este dependent
de scara hărţii. La o scară mică distanţei dintre două puncte îi corespunde o distanţă
reală mai mare. De exemplu la o scară 1:500000 un digitizor cu un increment de 0.1
mm va produce o distanţă reală de 50 m. Deci nu se pot sesiza caracteristici
geografice sub această dimensiune. Apariţia unor caracteristici care au dimensiuni
sub 50 m, cum ar fi de exemplu reţeaua de drumuri, este dictată de scopul pentru
care a fost făcută harta. Drumurile sunt reprezentate prin semne convenţionale şi
deci nu reprezintă o dimensiune reală în teren la această scară. La scara 1:25000 un
acelaşi increment de 0.1 mm va produce în teren o distanţă reală de 2.5 m. În
această situaţie drumurile vor reprezenta caracteristici geografice reale (şi nu

convenţionale) având definită şi lăţimea, într-o marjă de eroare de 2.5 m. De cele
mai multe ori şi la această scară se folosesc tot semne convenţionale. Precizăm
faptul că, rezoluţia digitizoarelor este mult mai bună decât valoarea dată ca
exemplu, problema preciziei find transferată abilităţii operatorului.
În sistemul raster rezoluţia reprezintă dimensiunea maximă din teren care îi
corespunde unui pixel (definiţia este aceeaşi cu cea a rezoluţiei unei imagini
digitale). De exemplu o rezoluţie de 10 m înseamnă că, un pixel este asociat cu o
suprafaţă de 10x10 mp. Şi în sistem raster situaţia este similară, adică nu se
sesizează caracteristici geografice sub rezoluţia hărţii. Deoarece sistemul raster se
utilizează în special pentru reprezentarea suprafeţelor continue nu se folosesc semne
convenţionale pentru caracteristici geografice liniare. În cadrul unor proiecte se
utilizează combinaţii între vector ţi raster, cum ar fi suprapunerea unei hărţi
vectoriale peste o imagine raster, în vederea unei analize. Evident, se presupune că
acestea reprezintă un acelaşi areal la aceeaşi scară.
Există o legătură strânsă între georeferenţiere (vezi mai jos) şi rezoluţie.
Când se face asocierea unor puncte de coordonate geografice cunoscute din teren cu
componentele de pe o hartă, precizia asocierii este la limita rezoluţiei. Cu alte
cuvinte, determinarea cu o precizie mai bună a unui punct din teren decât rezoluţia
hărţii devine un lucru util. De exemplu la o hartă de 1:25000 un punct este suficient
dacă este determinat un punct cu o precizie de 2.5 m.
Acurateţea este distanţa la care o valoare estimată diferă de valoarea reală.

Acurateţea este strâns legată de precizie, cu care deseori se confundă. În
măsurătorile fizice precizia reprezintă numărul de cifre semnificative exprimate
într-un anumit sistem. Acurateţea este exprimată în mod obişnuit în termeni ai unui
interval. De exemplu, 24.51±0.03 cm indică faptul că valoarea adevărată se găseşte
între 24.48 cm şi 24.54 cm.
Acurateţea poziţională este una din problemele esenţiale ale
georeferenţierii. În cartografia tradiţională acurateţea este invers proporţională cu
scara. De exemplu, o hartă la scara 1:10000 are o acurateţe mai bună decât una la
1:100000. În cazul hărţilor digitale situaţia este mai complexă deoarece în cadrul
GIS putem avea hărţi în diferite sisteme de coordonate (în cazul vector) sau diferite
rezoluţii (în cazul raster), iar problema considerării lor iese din cadrul lucrării de
faţă.
3.6. Sisteme de coordonate şi proiecţii cartografice

Un punct în spaţiu poate fi localizat prin 3 sisteme de coordonate: coordonate
carteziene, coordonate geografice şi coordonate în proiecţie.
Figura 14 Sisteme de coordonate carteziene în două şi trei dimensiuni
1. Coordonatele carteziene în plan sunt definite de proiecţiile razei vectoare pe cele

două axe, iar în spaţiu de proiecţiile razei vectoare pe cele trei axe. În figura 14 am
reprezentat cele două tipuri de coordonate în sisteme rectangulare (cu axe
perpendiculare). Cele bidimensionale comportă o origine arbitrară faţă de care se
face referire şi de regulă are poziţia fixată în partea stângă jos astfel încât să avem
doar valori pozitive pentru Ox şi Oy. În cazul tridimensional originea se ia în
centrul Pământului, axa Oz fiind confundată cu axa de rotaţie. Coordonatele unui
punct se exprimă prin proiecţiile sale pe cele trei axe, fiind un triplet (x,y,z). Uneori
este mai comod să se lucreze în coordonate polare în plan sau coordonate sferice în
spaţiu. În cazul în care avem tripletul (r,φ,θ), adică distanţa la origine şi unghiurile
formate de raza vectoare cu axa Ox, respectiv cu Oz.
În cazul coordonatelor polare avem perechea (r,θ) care este legată de cele carteziene
prin formulele:
x = ρ cosθ
y = ρ sinθ
unde ρ = (x2+y2)1/2, 0≤ θ ≤ 2π.
Formulele de trensformare din coordonate cartziene în coordonate sferice sunt:
x = ρ sinθ cosφ
y = ρ sinθ sinφ
z = ρ cosθ
Unde ρ = (x2+y2+z2)1/2, 0≤ φ ≤ 2π, 0≤ θ ≤π/2.
Figura 15 Sistemele de coordonate polare şi sferice

2. Coordonatele geografice se exprimă într-un sistem de referinţă cu originea în

centrul Pământului, axa fundamentală fiind axa de rotaţie, iar plan fundamental planul
ecuatorului terestru. Sistemul de coordonate geografice este asemănător cu sistemul
de coordonate sferice, cu originea tot centrul Pământului, meridianul Greenwich
este conţinut în planul xOz şi ecuatorul este conţinut în planul xOy. În cazul
coordonatelor geografice altitudinea nu este exprimată prin lungimea razei vectoare
(adică distanţa de la centrul Pământului la punct) deoarece originea este greu de
precizat, ci este exprimată faţă de o suprafaţă de referinţă numită nivelul mării, care
implică faptul că Pământul este considerat un geoid. Suprafaţa de referinţă nu este
cunoscută exact decât la nivelul mărilor şi oceanelor. Sub continente, geoidul este o
formă teoretică care trebuie reconstituită prin măsurători.
Figura 16 Coordonate geografice
Coordonatele geografice sunt:

- latitudinea (φ) unui loc este unghiul format de planul ecuatorului terestru cu
verticala locului;
- longitudinea (λ) este unghiul format de meridianul iniţial (Greenwich) cu
meridianul locului (figura 16).
Pentru poziţionarea în spaţiu a unui punct se mai introduce cota, sau înălţimea
punctului deasupra nivelului mării. Distanţa de la punct la centrul Pământului
(geoid), este mult mai dificil de evaluat.
3. Coordonate elipsoidale. Termenul de coordonate elipsoidale este folosit

pentru coordonatele geografice la care altitudinea este exprimată în raport cu
suprafaţa unui elipsoid de rotaţie. Sateliţii furnizează, în general, coordonatele
elipsoidale (vezi GPS). Conversia acestor coordonate în sistemul geodezic naţional
implică calcule complexe şi sunt realizate pe calculator.
4. Coordonate în proiecţie. Trecerea de la coordonate carteziene sau
geografice la coordonate în proiecţie presupune aducerea tuturor punctelor de pe
suprafaţa Pământului pe un elipsoid de referinţă, eliminându-se astfel neregularităţile
geoidului. Transformarea coordonatelor se face prin formule matematice stabilite
pentru fiecare grup de proiecţii.
Din punct de vedere matematic, suprafaţa Pământului poate fi considerată o sferă,

un elipsoid de revoluţie sau un elipsoid triaxial. Deşi nici una din corpurile
menţionate nu reprezintă forma exactă a Pământului, din considerente practice
Pământul va fi considerat, în funcţie de precizia reprezentării, ca fiind unul din cele
trei corpuri. Programele încorporate în GIS sunt concepute de aşa manieră încât să
rezolve cât mai multe situaţii. În documentaţii se găsesc toate detaliile privitoare la
această problemă. De exemplu Arc/Info, în cazul sferic consideră raza medie a
Pământului de 6370997m. În cazul în care Pământul este considerat elipsoid de
revoluţie, elipticitatea se apreciază la o valoare medie de 0.003353. În această
situaţie diferenţa între o hartă obţinută de pe un Pământ considerat sferic şi pe un
Pământ considerat eliptic, nu este prea mare. Se apreciază că hărţile la scara
1:5000000 nu pot sesiza diferenţa. În cazul hărţilor cu scări de 1:1000000 sau mai
mari, pentru a menţine acurateţea, este nevoie ca Pământul să fie considerat un
elipsoid. Menţionăm că uneori în locul noţiunii de elipsoid se foloseşte şi termenul
de sferoid, adică un corp aproape sferic. Produsele GIS percep o largă varietate de
elipsoizi. De exemplu Arc/Info poate face prelucrări pe 26 de tipuri de elipsoizi.
În termeni matematici proiecţia cartografică poate fi definită ca o
corespondenţă unu la unu dintre punctele de pe suprafaţa sferei sau a elipsoidului şi
punctele proiectate pe un plan. Expresiile generale de transformare directe şi
inverse sunt:
x=f2(u,v), y=f2(u,v), (1)

u=F1(x,y), v=F2(x,y), (2)
Unde u şi v pot fi coordonate geografice (φ,λ), geodezice, sau alt tip de coordonate
curbilinii, iar x şi y sunt coordonatele carteziene. Funcţiile f1, f2, F1, F2 sunt continue
până la ordinul II al derivatelor parţiale corespunzătoare variabilelor fiecărei funcţii.
Procesul de transformare a datelor de pe o sferă sau elipsoid pe o suprafaţă
plană, distorsionează cel puţin una din caracterisici: forma, unghiurile, suprafaţa,
distanţa şi direcţia. Deoarece măsurătorile pe hartă conduc la luarea deciziilor este
necesar să se ştie de la început ce proiecţie distorsionează o anumită caracteristică şi
ce nu. De cele mai multe ori ele conservă o singură caracteristică. După mărimile
care sunt conservate se disting patru tipuri de proiecţii.
1) Proiecţia conformă conservă unghiurile. Cu alte cuvinte un unghi măsurat pe

suprafaţa Pământului va avea aceeaşi măsură cu un unghi evaluat pe harta în
proiecţie. Aceasta conduce şi la conservarea locală a formelor, adică a suprafeţelor
relativ mici. Pentru suprafeţe mari forma nu se conservă. De fapt nici o proiecţie nu
poate păstra suprafeţe de mari dimensiuni. Proiecţia stereografică este un caz
particular de proiecţie conformă în care scara creşte dinspre centru înspre periferie.
2) Proiecţia echivalentă conservă suprafeţele dar nu şi forma, astfel că, un pătrat
poate fi reprezentat printr-un dreptunghi, dar de aceeaşi arie. Pentru regiuni mici
această distorsiune este puţin sesizabilă. În astfel de proiecţii meridianele şi
paralelele nu se intersectează în unghiuri drepte.
3) Proiecţia echidistantă conservă distanţele dintre puncte. Scara nu se menţine
constantă pe întreaga hartă la nici o proiecţie. Au ca suprafaţă de proiectare
suprafeţe desfăşurabile (cilindru, con).
4) Proiecţia azimutală conservă direcţia. Distanţa dintre două puncte de pe
suprafaţa Pământului considerat sferic se măsoară pe un cerc mare, iar pe un
Pământ elipsoid se măsoară pe un arc de elipsă.
După suprafaţa pe care se proiectează distingem: (a) proiecţia pe un plan, (b)
proiecţia pe o suprafaţă conică şi (c) proiecţia pe o suprafaţă cilindrică. Ultimele
două sunt suprafeţe desfăşurabile, astfel că, în final vom avea tot o proiecţie
bidimensională. În cele ce urmează vom prezenta pe scurt cele trei categorii de

proiecţii.
(a) Proiecţia se realizează de obicei pe un plan tangent la sferă într-un punct, dar
poate fi şi secant (figura 17). Este o proiecţie azimutală, deci care conservă
direcţia. Punctul de tangenţă poate fi Polul nord, sud, un punct de pe Ecuator
sau orice alt punct intermediar rezultând trei aspecte: polar, ecuatorial şi oblic.
Cel mai simplu şi altminteri cel mai uzitat este aspectul polar. În această situaţie
paralelele devin prin proiecţie cercuri concentrice, iar meridianele sunt drepte
convergente spre pol (punctul de tangenţă). Proiecţiile azimutale se deosebesc
prin punctele din care se realizează perspectiva. Astfel deosebim proiecţia
gnomomică, în care punctul de perspectivă este centrul Pământului,
stereografică în care punctul de perspectivă este polul opus şi ortografică când
punctul de perspectivă se află la infinit (figura 18).
Figura17 Proiecţii pe un plan secant şi tangent la sferă
(b) Proiecţia conică cea mai simplă se obţine când suprafaţa conică este tangentă
la sferă (figura 19). Paralela la care conul este tangent se numeşte paralelă de
referinţă sau standard. Este exclusă situaţia când paralela standard este
Ecuatorul; această situaţie generează proiecţia cilindrică (vezi mai jos).
Meridianele sunt convergente spre pol. Pe paralela standard nu există
deformări. Acestea apar înspre N şi S. Polul nu este corect reprezentat, astfel că,
se procedează la selecţionarea conului în vecinătatea lui. O altă variantă a
proiecţiei conice este atunci când suprafaţa conică este secantă la suprafaţa
Pământului (figura 20).
Figura 18 Proiecţia ortografică, gnomomică şi

stereografică
Această situaţie defineşte două paralele standard. Distorsiunea nu este aceeaşi

pentru regiunile dintre paralele standard şi înspre N şi S. Proiecţia Lambert este un
exemplu de proiecţie conică conformă (tangentă).
Figura19 Proiecţie conică tangentă Figura 20 Proiecţie conică secantă
(c) Proiecţia cilindrică este o proiecţie pe o suprafaţă cilindrică desfăşurată. Sfera

sau elipsoidul poate fi tangentă (figura 21) sau secantă (figura 22) la cilindru.
Proiecţia Mercator este una din cele mai uzuale proiecţii cilindrice, ecuatorul
fiind linia de tangenţă. Pe suprafaţa proiectată şi desfăşurată, meridianele sunt
echidistante iar distanţa între paralele creşte înspre pol. Este o proiecţie
conformă. Există trei feluri de proiecţii cilindrice: normală (cea prezentată mai
sus), transversală şi oblică. Proiecţia transversală cea mai cunoscută este UTM
(Universal Transverse Mercator) în care cercul de contact este primul meridian,
sau linii paralele cu meridianul în cazul secant. Este o proiecţie conformă. Scara
este constantă numai de-a lungul meridianului central. Are avantajul că acoperă
toate latitudinile. În cazul oblic cercul de contact este un cerc mare arbitrar. În
toate proiecţiile cilindrice liniile de tangenţă, sau cele secante, nu au distorsiuni
şi astfel liniile sunt echidistante. Există şi alte tipuri de proiecţii, pe care le

putem numi arbitrare şi pe care nu le vom mai aminti.
În România se foloseşte proiecţia stereografică pe elipsoidul Krasowski. Proiecţia

Gaus-Kruger, care este o proiecţie cilindrică transversală, se foloseşte pentru hărţi
la scară mare 1:25.000, 1:50.000, 1:100.000.
Figura 21 Proiecţia cilindrică tangentă
Figura 22 Proiecţia cilindrică secantă
Detalii privitoare la proiecţiile cartografice se pot urmări în orice manual standard de

cartografie, sau în manualele de utilizare a softurilor GIS.
3.7. Problema scării în cartografia digitală

Datorită faptului că în GIS hărţile digitale sunt supuse unor operaţii de
mărire/micşorare, noţiunea de scară îşi pierde sensul aşa cum este perceput când
lucrăm cu hărţi pe suport de hârtie şi care nu pot fi supuse la astfel de operaţiuni.
Mărirea de câteva ori a unei porţiuni de hartă reprezentată vectorial conduce la o
slabă reprezentare a entităţilor geografice. Dacă pe harta originală (nemărită) o
frontieră de judeţ, să zicem, pare a avea o formă netedă, dacă o mărim de 10 ori
acest contur va deveni o linie frântă extrem de neregulată şi care pune sub semnul
îndoielii precizia. Dacă harta se micşorează, atunci programul va afişa numai o
parte din puncte pe ecran, dar nu se alterează aspectul general, conturul rămânând
neted. În cazul raster, mărimea unei porţiuni din hartă va produce o mărire a
pixelului, de fapt a celulei, iar harta nu va mai avea continuitatea celei originale.
Această operaţie este relevantă pentru vizualizarea modului de organizare de tip
celular a hărţilor raster. Mărind de mai multe ori o imagine raster celula va deveni
un pătrat cu latura tot mai mare. Problema scării trebuie pusă din momentul în care
aceasta se digitizează. Precizia în prelucrări va face referire întotdeauna la harta
originală indiferent de modul în care ar fi înfăţişată la un moment dat pe ecran.
Dacă avem digitizată o hartă la scara 1:100000 şi vrem să o listăm la scara de
1:50000, harta va fi de 4 ori mai mare iar contururile nu vor fi netede şi deci
aspectul va fi inestetic. În caz contrar, dacă dorim să listăm harta la o scară de
1:200000 se va desena doar 25% din porţiunea iniţială omiţându-se anumite detalii.
În cazul în care un acelaşi teritoriu este digitizat la scări diferite, utilizarea în comun
a celor două hărţi constituie o mare problemă. Se recomandă evitarea unei astfel de
situaţii.
3.8. Georeferenţierea
Este procesul prin care harta digitală este asociată cu coordonate geografice reale.
Sunt aplicaţii în care nu este necesară trecerea la coordonate geografice, fiind
suficient un sistem de coordonate carteziene. În cazul hărţilor vectoriale, care deja
conţin un sistem de coordonate local (cartezian), trecerea la coordonate geografice
se face prin transformări de coordonate. Practic georeferenţierea constă în

determinarea coordonatelor geografice ale unor puncte cu mare precizie şi
localizarea lor pe harta digitală, urmând ca restul punctelor să fie calculate automat
pe baza formulelor de transformare. Acest gen de operaţie se mai numeşte
georeferenţiere continuă. Trebuie menţionat faptul că, noile coordonate să fie
asociate cu o anumită proiecţie cartografică (figura 23).
În cazul raster nu avem nici un sistem de coordonate definit în imagine.

Georeferenţierea constă în localizarea cu precizie maximă a unor pixeli dispersaţi
pe imagine cărora li se asociază (prin program) coordonatele geografice cunoscute
dinainte. Coordonatele geografice ale celorlalţi pixeli se vor calcula tot cu ajutorul
formulelor de transformare. Deoarece pixelul are dimensiune, lui îi va corespunde o
suprafaţă pe Pământ. În consecinţă rezoluţia imaginii are o mare importanţă în
determinarea coordonatelor. Reamintim că rezoluţia unei imagini digitale reprezintă
dimensiunea maximă de pe suprafaţa Pământului căruia i se atribuie unui pixel.
Putem spune că precizia localizării pixelului căruia i se atribuie coordonatele
geografice este de ordinul rezoluţiei imaginii. Georeferenţierea în sistemul raster se
mai numeşte georeferenţiere discretă. Şi în această situaţie noile coordonate
trebuiesc asociate cu un sistem de proiecţie. Georeferenţierea constituie o mare
problemă când apar hărţi digitale diseminate, adică provenite de la diferite surse şi
care trebuie utilizate în comun.
3.9. Organizarea bazei de date spaţiale

Aşa cum am menţionat mai sus, hărţile digitale implicate în prelucrarea datelor sub
GIS constituie ceea ce se numeşte BDS. O hartă se descompune în mai multe straturi
de informaţie şi invers, mai multe straturi pot forma o hartă. Această idee stă la baza
organizării BDS. Este cel mai eficient mod de stocare hăţilor. Straturile pot fi
combinate astfel încât să genereze hărţi care nu există în formă tradiţională. Când se
creează un strat trebuie să se ştie că acesta este utilizat în întregime, adică entităţile
geografice nu pot fi separate. Cu alte cuvinte, dacă avem un strat care conţine râurile cu
limitele bazinelor hidrografice, la o apelare a hărţii ambele entităţi vor fi afişate chiar
dacă avem nevoie doar de una din ele. De aceea este bine ca aceste două tipuri de
entităţi geografice să fie stocate pe straturi diferite în cazul în care apar situaţii când ele
se vor prelucra separat. De fapt, produsele soft mai puternice au posibilitatea de a

îndepărta anumite porţiuni din hartă sau să creeze două straturi mai simple din unul mai
încărcat, însă această operţiune poate complica lucrurile în mod inutil (vezi Analiza
Spaţială). În consecinţă, pentru majoritatea prelucrărilor se preferă o structură simplă a
unui strat şi să avem mai multe straturi.
Figura 23 Georeferenţierea în sistemul vector şi raster
Un strat în sistemul vector comportă un ansamblu de primitive grafice ce partajează

aceleaşi proprietăţi topologice. Unele produse soft dau restricţii cu privire la utilizarea
în comun a primitivelor grafice. De exemplu în Arc/Info este interzis să se înfăţişeze pe

un acelaşi coverage puncte şi poligoane. Aceasta deoarece, pentru fiecare dintre ele se
generează câte un fişier cu extensia PAT, care reprezintă tabela de atribut punct (Point
Atribute Table) şi respectiv tabela de atribut a poligonului (Poligon Atribute Table),
situaţie care poate crea confuzii. Celelalte combinaţii sunt permise. Se recomandă ca
fiecare tip de primitivă grafică să fie pe câte un strat separat. De asemenea, în funcţie de
tema care reprezintă harta, putem avea mai multe straturi care să conţină aceleaşi
primitive grafice. De exemplu un strat care conţine lacuri (poligoane) trebuie să fie
separt de vegetaţie (care este format tot din poligoane). Un alt exemplu ar fi limitele
administrative de judeţ şi de comună. La prima vedere se poate lua decizia ca acestea să
fie reprezentate pe acelaşi strat. Dacă însă dorim să facem prelucrări numai la nivel de
judeţ (adică fără implicarea datelor atribut la nivel de comună), acest lucru nu se poate
face. În consecinţă, este de preferat ca acestea să aparţină la straturi diferite. Reamintim
că, fiecare strat este însoţit de tabela de atribut proprie. Din punct de vedere al
utilizatorului un strat este o hartă tematică. De asemenea, repartiţia pe mai multe
straturi este indispensabilă deoarece, restricţiile topologice de suprafaţă pretind
cunoaşterea şi identificarea (într-un graf planar) a tuturor descompunerilor arcelor şi
suprafeţelor apărute datorită creşterii volumului de informaţie, ceea ce ar duce la ilizi-
bilitatea hărţii. În sfârşit, analiza spaţială reclamă o organizarea a BDS pe straturi.
În sistemul raster un strat (layer) reprezintă o imagine tematică. Acestea pot fi tratate
împreună cu straturile vector sau separat, în funcţie de scopul urmărit. Se subînţelege că
programele care sunt în componenţa produsului GIS permit acest lucru.
Dintre straturile la scrară mică amintim: limite administrative, geologia, proprietăţile

funciare (cadastru), modul de utilizare al terenurilor, altimetria, hidrografia, reţeaua
drumurilor, reţeaua căilor ferate, reţeaua de electricitate. La scară mare putem avea:
planul străzilor unui oraş, reţeaua de apă, reţeaua de canalizare, reţeaua de gaz, reţeaua
de linii telefonice, reţeaua de electricitate aeriană sau subterană.
Ultimele exemple sugerează faptul că planul stradal ar trebui să fie conţinut în toate
celelalte straturi. Cel mai bine este ca acesta, care serveşte ca un background, să fie
separat deoarece el poate fi folosit şi în cu totul alte aplicaţii (cum ar fi amplasarea
firmelor, a zonelor rezidenţiale etc) şi poate fi combinat cu oricare din straturile

amintite. De asemnea, pentru o întreţinere eficientă a utilităţilor, este de preferat să
existe un serviciu în cadrul consiliului local care să urmărească toate activităţile
instituţiilor ce gestioneză astfel de activităţi, pentru o coordonare a lucrărilor de interes
comun. De exemplu, în cazul unei intervenţii la un cablu electric subteran, se poate lua
o decizie privitoare la cablurile telefonice, în sensul că, dacă acestora din urmă va
trebui să li se facă o revizie peste puţin timp, este preferabil ca această revizie să fie
făcută în momentul deschiderii porţiunii de teren pentru cablul electric şi nu la
momentul în care urmează, prin grafic, această intervenţie. Şi exemplele pot continua.
Specificaţiile pentru organizarea BDG se fac în faza de analiză a proiectului GIS, în

funcţie de scopul urmărit. Este o etapă foarte importantă de care depinde exploatarea în
continuare a proiectului. Aici se stabileşte, practic, conţinutul fiecărui strat şi în mod
automat şi tabelele de atribut. Orice modificare ulterioară poate crea mari probleme.
Figura 24 Straturi tematice ale aceluiaş areal

Manipularea şi operaţiile pe straturi ţin de modulul analiză spaţială. Una dintre cele mai
uzuale operaţii este suprapunerea de straturi. Este foarte important ca la suprapunerea
de hărţi să se ţină seama de scara şi de proiecţia cartografică în care a fost executată
harta. Suprapunerea de hărţi cu scări şi proiecţii diferite este lipsită de sens. În figura 24
am schiţat trei straturi corespunzătoare a trei teme diferite.
4. Date atribut
Datele tabelare care se asociază hărţilor digitale pot să aibă diferite formate (ASCII,
dbf sau formate proprii). Tipul de format intern este stabilit de fiecare produs GIS.
De exemplu, ArcView percepe date tabelare în format dbf. Acestea pot fi create cu
dBase sau Fox. Programul de calcul tabelar Excel poate exporta propriile fişiere în
dbf, cu condiţia să se utilizeze doar un singur sheet şi să aibă o structură de tip bază
de date (adică fiecare coloană să reprezinte un câmp, iar fiecare linie un articol – nu
se admit comentarii şi alte forme de scriere suplimentară). Acest lucru constituie un
mare avantaj deoarece Excel este un produs puternic şi foarte răspândit pe piaţă şi
permite multe din operaţiile de acest gen pe care le face ArcView şi chiar mai mult.
Cel puţin în ceea ce priveşte ArcView menţionăm faptul că, există două
categorii de tabele şi anume ceea ce se numeşte Atribute Table şi fişiere oarecare în
format dbf, care pot fi lipite la aceasta şi trebuie să îndeplinească condiţia de a avea
un câmp comun. Atribute Table se creează odată cu fişierul shape şi este intrinsec
legat de acesta. Conţine informaţii minime privitoare la tema respectivă, cărora li
se pot asocia temporar sau definitiv alte date din tabelul dbf care deja, cum am
spus, au un câmp comun. Se preferă o structură simplă pentru Atribute Table pentru
o mai facilă asociere cu celelalte tabele. Totalitatea datelor atribut formează ceea ce
se numeşte Baza de Date Atribut (BDA).
Cele mai multe produse GIS pot să importe fişiere sub formă de date
tabelare create cu produse Spreadsheet, cum ar fi Microsoft Excel sau Lotus 1-2-3
sau date sub formă de bază de date, cum ar fi Microsoft Access. Datele tabelare pot
fi de asemenea importate utilizând un limbaj de interogare (SQL – Structured
Query Language). Cum cele mai multe date tabelare pot fi acceptate de unul din
pachetele menţionate, introducerea acestora într-un GIS nu este o problemă dificilă.
Formatele tabelare cele mai larg acceptate de produsele GIS sunt CSV (Comma
Separated Variable) şi DBF (Format dBase). Formatul CSV este un fişier text
(ASCII) în care fiecare linie a textului constituie o singură înregistrare. Toate
variabilele din înregistrare sunt separate prin virgulă. DBF este un format de bază
de date foarte răspândit, promovat de Ashton Tate prin intermediul SGBD-ului
dBase. DBF este deasemenea formatul intern utilizat de către produsele ESRI, cum
ar fi ArcView şi PC Arc / Info. În figura 25 avem două exemple de astfel de
formate.
AREA PERIMETER GEOLOGY GEOLOGY_ID TEXT CODE
157977900.0 86802.7 2 255 Namurian Cn
255967400.0 204325.4 3 1155 Chadian-Brigantian Cb
5438690.0 13356.3 4 1155 Chadian-Brigantian Cb
(A: fişier în format DBF afişat de Excel)
AREA,PERIMETER,GEOLOGY,GEOLOGY_ID,TEXT,CODE
157977900.0,86802.7,2,255,Namurian,Cn
255967400.0,204325.4,3,1155,Chadian-Brigantian,Cb
5438690.0,13356.3,4,1155,Chadian-Brigantian,Cb
(B: fişier în format CSV afişat de un editor de texte standard)
Figura 25 Fişiere de date în format DBF şi CSV.
SGBD-uri puternice ca Oracle, Sybase şi Informix generează fişiere care pot fi

importate de majoritatea produselor GIS.
5. Geocodificarea. Baza de date Geografică.

Asocierea datelor tabelare cu cele spaţiale este o operaţie mai specială şi de fapt
reprezintă partea care deosebeşte un GIS de produse soft pentru cartografie digitală
(care au ca scop doar crearea de hărţi digitale şi reproducerea lor pe suport de
hârtie), de un SGBD tradiţional, de produsele CAD sau de programele de grafică
cum ar fi Corel Draw sau Freehand. Procesul de legare (asociere) a celor două
categorii de date se numeşte geocodificare. Operaţiunea este diferită de la un sistem
la altul. La sistemul vector fiecare primitivă grafică este asociată cu un tabel, care se
numeşte tabel atribut şi care conţine date alfanumerice referitoare la caracteristici
ale respectivei primitive grafice. De exemplu dacă o polilinie sau un arc (vezi
modelele topologice) este asociată cu o porţiune de şosea, atunci tabela de atribut
va trebui să conţină un cod de identificare unic pentru polilinia respectivă (care se
regăseşte în fişierul ce reprezintă harta vectorială), urmată de un minim de
caracteristici, cum ar fi, în cazul acesta, denumirea, calitatea, lungimea. Dacă un
poligon este asociat cu o suprafaţă de pădure acesta trebuie să aibă în tabela de
atribut, pe lîngă codul unic de identificare pentru poligon, alte elemente cum ar fi
suprafaţa, ce fel de arbori se află pe zona respectivă etc.
Trebuie remarcat faptul că, la crearea hărţii digitale vectoriale se creează automat şi
tabela de atribut care conţine un minim de informaţie referitoare la ceea ce
reprezintă primitiva grafică. Ulterior se permite modificarea conţinutului
câmpurilor, precum şi adăguarea altor tabele suplimentare la tabela de atribut la
aceasta. Tabelele suplimentare (uneori având denumirea Look up Table) sunt, în
principiu independente de tabela de atribut, dar care poate fi lipită la aceasta.
Condiţia realizării joncţiunii este ca tabela de atribut să aibă un cîmp comun cu
tabelele suplimentare. De exemplu, dacă avem o hartă cu limitele administrative ale
judeţelor, vom avea o tabelă de atribut care conţine codul de judeţ şi suprafaţa.
Avem un alt tabel care conţine codul de judeţ (obligatoriu acelaşi) şi oricâte
câmpuri referitoare la populaţie, cum ar fi: populaţia totală, populaţia ocupată în
agricultură, în industrie, număr de pensionari ş.a.m.d. Aceste fişiere se asamblează
cu tabela de atribut printr-o comandă şi se poate obţine o hartă orthoplet sau
chromoplet privitoare la datele nou ataşate. Avantajul acestei organizări costă în
întreţinerea mai facilă a fişierelor atribut precum şi independenţa lor de produsul

GIS utilizat.
Menţionăm faptul că, în cazul în care harta este digitizată cu un alt produs,
cum ar fi AUTOCAD, tabela de atribut nu există şi aceasta trebuie creată în
momentul conversiei în produsul GIS în care va fi exploatată harta în cauză.
Codurile de identificare ale atributelor trebuiesc date de la tastatură.
În sistemul raster, tabela de atribut va conţine drept cod numărul asociat pixelului,
iar procesul decurge similar. O particularitate a sistemului raster este că, atributul
poate să fie conţinut în imagine. De exemplu o hartă raster poate să conţină tipul de
sol şi o altă hartă valoarea ph. Prin ele însele acestea conţin şi atributul. Situaţia este
destul de fercvent întâlnită, deşi nu este eficientă. La baze de date de dimensiuni
mici problema nu este complicată, însă dacă avem foarte multe imagini, gestiunea
lor şi mai ales spaţiul pe disc poate deveni o sarcină complicată. Cele două imagini,
deorece reprezintă aceleaşi contururi pot fi asamblate rezultând o simplă hartă a
solurilor asociată cu o tabelă de atribut, care are în componenţă toate informaţiile
nespaţiale. Reamintim faptul că, organizarea internă a tabelei de atribut este de tip
bază de date relaţionară, mai precis fiecare coloană are un nume şi reprezintă
câmpul, iar linia articolele.
Precizăm faptul că, noţiunea de geocodificare (în engleză geocoding) poate avea şi
alt înţeles. În produsele elaborate de firma ESRI, prin geocodificare se înţelege
identificarea unei locaţii căreia i se atribuie o caracteristică, cum ar fi codul poştal.
În ArcView această operaţiune este foarte importantă. În schimb, ESRI foloseşte
pentru geocodificare ceea ce ei numesc modelul georelational (Georelational
Model). Un termen similar geocodificării, destul de des folosit în literatura de
specialitate, este adress matching.
Ansamblul celor două baze de date (BDS şi BDA) formează Baza de Date
Geografică (BDG). Acest concept este un termen consacrat ca atare şi deci nu
trebuie folosit cu alte înţelesuri. O dată geografică este un element al BDG şi, în
consecinţă prezintă un aspect dual: spaţial (poziţia în teren) şi atribut (ce reprezintă
acesta). În diferite lucrări de specialitate se utilizează alte denumiri. Baza de date
spaţială se numeşte baza de date grafică, iar baza de date geografică se numeşte
bază de date spaţială, cea atribut rămânând cu aceeaşi semnificaţie. Deci baza de
date spaţială este compusă din baza de date grafică şi baza de date atribut. Deoarece
din ce în ce mai des se vorbeşte de interogare spaţială şi aspaţială (adică atribut),
considerăm că denumirile utilizate de noi sunt mai potrivite.
În figura 26 am înfăţişat un element al BDG, adică o hartă digitală în format

vectorial însoţită de tabelele atribut corespunzătoare şi relaţiile între ele, într-o
manieră simplificată, păstrând metodologia Arc/Info. Primele două tabele (polygon
arc topology; polygon attribute table) sunt necesare pentru a întreţine topologia.
Polygon Arc Topology

Polygon Arc List
A 1,2,3
B 2,5,6
C 3,4,6
Polygon Attribute Table

Polygon Area Code Forest Block Tree Type
A 200 1 13-42 Larch
B 100 2 13-43 Pine
C 100 3 13-44 Larch
Relate Table A Relate Table B

Forest Block Planting Date Tree Type Value
13-42 Jan 1968 Larch £100.0
13-42 Mar 1964 Pine £120.0
13-43 Jan 1970 Oak £300.0
13-44 Feb 1969 Walnut £250.0
Figura 26 Asocierea datelor spaţiale cu cele atribut

Tabelei de atribut pentru un poligon i se poate ataşa (şi acest lucru este cel mai
frecvent) alte tabele. În cazul concret de mai sus, datele adiţionale pot fi adăugate,
tabela de atribut utilizând comanda “Relates”. Această comandă combină cele două
tabele, mai precis tabela de atribut pentru poligon (care este intrinsec legată de
hartă) şi tabela independentă (în acest caz tabela A). Pentru cazul prezentat,
câmpurile comune sunt: Forest Block (pentru tabela A) şi Tree Type (pentru tabela
B). Când acestea sunt asamblate, utilizatorul poate examina date din tabelele
adăugate ca şi cum ar fi conţinute în tabela de atribut pentru poligon. Sunt două
motive pentru care acestea se ţin separat: datele sunt mai uşor de întreţinut în acest
format relaţional, iar procesarea şi stocarea este mai redusă. Mai sus, am menţionat
relaţia dintre fiecare caracteristică geografică dintr-un set de date şi tabela
conţinând datele asociate, ca fiind o relaţie de tip “1:1”, utilizând modelul relaţional
dintre alte modele posibile. În tabelul care urmează sunt prezentate toate relaţiile
posibile între înregistrări.
• Unu la unu În această situaţie, o relaţie a unei înregistrări din tabelul

A poate avea doar o singură înregistrare
corespunzătoare în tabelul B. Acest tip de relaţie este
foarte întâlnit în bazele de date geografice, în special în
întreţinerea legăturilor dintre entităţi şi tabelele de
atribut corespunzătoare.
• Unu la mai În această relaţie, unei înregistrări din tabelul A îi

mulţi corespunde mai multe înregistrări din tablelul B. În
exemplul din figura 4, numărul corespunzător câmpului
Forest Block identifică mai multe date privitoare la
plantare. Acest tip de relaţie este adesea utilizată în
bazele de date GIS unde, diferite componente ale unei
organizaţii furnizează informaţii către GIS iar
utilizatorii de GIS care doresc pot să acceseze
informaţia disponibilă.
• Mai mulţi la În acest caz, o înregistare din tabelul A poate avea mai
mai mulţi mult decât o corespondenţă în tabelul B, iar tabelul B
poate avea mai mult decât o corespondenţă în tabelul A.
Deşi acest tip de corespondenţă este rar în aplicaţiile
GIS, acestea pot apărea la utilizatorii care accesează
date ce au deja două tipuri de relaţii. Un utilizator poate
solicita o interogare pentru a afla când toţi lăstarii vor fi
plantaţi pentru fiecare zonă forestieră. Mai multe
poligoane conţin lăstarii şi un poligon conţine mai multe
date calendaristice la care se plantează.
6. Tehnici de intoducere a datelor spaţiale

Înainte de a face orice analiză şi de a obţine rezultate dintr-un GIS este necesar să
introducem datele. Acest lucru este dependent de un număr de factori, şi anume: ce
fel de date sunt necesare, cum vor fi utilizate şi în ce format sunt stocate. Atunci
când se implementează un proiect GIS, una din cele mai importante sarcini este
definirea întrebărilor care urmează să fie puse şi răspunsurile posibile, privitoare la
datele de prelucrat şi de obţinut. Aceste deziderate fiind odată cunoscute este
preferabil ca datele necesare pentru atingerea lor să fie cât mai puţine. Următorul
pas este de a vedea ce fel de date sunt disponibile, mai precis sub ce formă, şi dacă
acestea trebuie să fie digitizate prin mijloace proprii sau achiziţionate de la un
furnizor.
6.1. Digitizarea
Introducerea datelor cartografice nu este simplă. Dacă datele disponibile sunt în
formă analogică, cum ar fi hărţi pe suport de hârtie sau fotograme ele trebuie
convertite în formă digitală înainte de a fi importate în GIS. Sunt două căi pentru a
realiza această conversie: digitizarea şi scanarea.
Figura 27 Digitizorul sau tableta grafică

Procesul de digitizare constă în transformarea datelor grafice din format analogic în

format digital. Această acţiune presupune existenţa unui digitizor conectat la un
calculator şi prevăzut cu un soft specializat. Digitizorul sau tableta grafică (figura
27) este o suprafaţă plană de diferite dimensiuni, care conţine o reţea foarte fină de
fire şi care realizează poziţionarea punctelor într-un sistem de coordonate propriu,
prin apăsarea unor butoane de pe un cursor. Acesta este un dispozitiv prevăzut cu o
lupă în care sunt încastrate două fire în formă de cruce. Cursorul se suprapune pe
punctul care urmează a fi înregistrat, astfel încât încrucişarea firelor să coincidă cu
acel punct. Butoanele de pe cursor au un rol foarte precis, apăsarea lor producând o
anumită acţiune (marcarea unui punct, crearea unui nod, închiderea unui poligon).
Acestea sunt predefinite, adică prin program se stabileşte rolul fiecărui buton. În
principiu, setarea lor poate fi modificată de către utilizator. În momentul în care
cursorul este mişcat pe suprafaţa plană, aceste fire sunt activate, iar programul de
digitizare foloseşte acest semnal pentru a determina exact poziţionarea cursorului.
Apăsând un buton se înregistrează coordonatele punctului respectiv. Prin
construcţie, digitizorul percepe coordonatele în sistemul propriu. Un punct va avea
deci coordonatele (xd,yd). Fişierul rezultat însă, va conţine coordonatele carteziene
alese de utilizator sau coordonate reale. Convertirea din coordonate digitizor în
coordonate carteziene se realizează prin transformarea afină:
X c= A + B X d + C Y d
Y c= D + E X d + F Y d
unde (Xc, Yc) sunt coordonatele carteziene fixate de utilizator. Coeficienţii

transformării A, B, C, D, E, F reprezintă numere care trebuiesc determinate pe baza
a trei puncte de coordonate cunoscute atât ale digitizorului cât şi cele fixate de
utilizator. Astfel se formează şase ecuaţii cu şase necunoscute, în general sistemul

fiind compatibil determinat. Aceste puncte se consideră ca fiind extrem de precise.
O alternativă la transformarea menţionată este tot o transformare afină, cu mai
puţini coeficienţi, cunoscută sub numele de transformarea Helmert care este dată de
perechea de formule:
Xc= A + C Xd + D Yd
Y c= B + D X d + C Y d
Menţionăm că transformarea afină, care conţine de fapt translaţii, rotaţii şi

transformări de scară, poate altera forma obiectelor în cazul în care scara este
diferită în cele două direcţii, sau rotaţia are un alt unghi în cele două sisteme (al
digitizorului şi al utilizatorului). O altă transformare care de asemenea conţine
translaţii, rotaţii şi transformări de scară, dar care conservă forma este transformarea
conformă, care este dată de formulele (Bernhardsen, 1992):
Xc= A + C Xd - D Yd
Y c= B + C Y d + D X d
Evident între coeficienţii care apar în formule diferite, pe care Ie-am notat cu
aceleaşi litere, nu există nici o legătură.
De reţinut faptul că, formulele de transformare sunt încorporate în programul de

digitizare, rezultatul final fiind dat direct în coordonate utilizator.
În timp ce harta este înregistrată cu ajutorul cursorului care se mişcă pe suprafaţa

hărţii, acesta transmite softului poziţiile sale care corespund unor caracteristici
geografice de pe hartă, într-o manieră în care produsul GIS îl poate înţelege şi
utiliza prin reproducerea lor pe ecran. Există două regimuri de introducere a datelor:
regim punct şi regim stream. În primul caz, fiecare punct este marcat prin apăsarea
unui buton al cursorului în momentul când se doreşte să se facă acest lucru. În mod
stream cursorul urmează linia care se digitizează, iar programul marchează în mod
automat coordonatele punctelor de pe traseul liniei. Aceasta ar părea, la prima
vedere că, este mult mai rapid şi deci mai eficient, însă programul va înregistra
foarte multe puncte, parte din ele inutile, fişierul rezultat ocupând astfel mult spaţiu
pe disc. În orice caz, se consideră că regimul punct produce o acurateţe mai bună
decât cel stream.
Se poate folosi un alt pachet de programe decât GIS pentru digitizare şi acest lucru
este de preferat în cazul în care nu se doreşte încărcarea unui hard şi soft costisitor
cu o sarcină simplă, cum este digitizarea.
Procesul de digitizare
Înainte de a începe procesul de digitizare, trebuie să stabilim scopul, să alegem
hărţile care deja există pe suport de hârtie şi să definitivăm straturile. O hartă poate
fi digitizată pentru mai multe scopuri: fie pentru pentru a fi pur şi simplu reprodusă,
fie pentru a fi utilizată într-un GIS sau să fie integrată într-o bază de date spaţială,
ca parte componentă a unei alte hărţi digitale deja existente. Scopul va decide şi
alegerea caracteristicilor hărţilor, în speţă: temele şi gradul de detaliere, scara,
sistemul de coordonate. După fixarea temelor vom decide câte straturi vor fi
necesare. Când spunem că digitizăm o hartă, digitizăm de fapt un strat. Tot acum se
vor ţine cont de eventualele interdicţii impuse de produsul cu care se vor face
prelucrările. Reamintim că în Arc/Info nu se permite existenţa pe un acelaşi strat a
punctelor şi a poligoanelor, deoarece fiecare generează un fişier cu extensia PAT,
având specificaţii diferite (Point Atribute Table şi respectiv Poligon Atribute
Table). În orice caz, este de preferat, indiferent de programul utilizat în digitizare şi
de produsul GIS cu care se face prelucrarea, ca fiecare strat să conţină un singur tip
de primitivă grafică: strat punct, strat arc, strat poligon.
Procesul de digitizare propriu-zis presupune următoarele etape:

- Fixarea punctelor de control şi apoi digitizarea lor. După această operaţiune se
va afişa o eroare calculată prin metoda celor mai mici pătrate (RMSE – Root
Mean Square Error). Dacă eroarea este acceptată, se va trece la pasul următor,
în caz contrar procesul se reia.
- Fixarea dinensiunilor hărţii.

- Digitizarea punctelor.
- Digitizarea arcelor.
- Digitizarea poligoanelor (dacă este permis în acel strat).
- Salvarea fişierului.
Punctele de control se dau la începutul fiecărei sesiuni de lucru şi sunt în număr de

minim patru. Se tastează (sau se citesc din fişier) coordonatele care se numesc
adevărate, după care se digitizează aceste puncte. Evident că acestea nu vor
coincide cu punctele digitizate, apărând o anumită diferenţă. Aceste diferenţe se
ridică la pătrat şi se însumează, iar suma se împarte la numărul de înregistrări:
S=(1/4)∑(xadev(i)- xdig(i))2
Se extrage rădăcina pătrată din S pentru a obţine o caracteristică a erorii de

măsurare în aceleaşi unităţi ca şi cele originale. Această metodă se numeşte metoda
celor mai mici pătrate (Root Mean Square), iar eroarea este cunoscută sub numele
de RMSError. Pentru a obţine o acurateţe bună în procesul de digitizare trebuie ca
această eroare să fie cât mai mică. Se consideră că o eroare de 0,08 mm (este vorba
de deminensiunea pe harta de pe care se digitizează) este foarte bună, iar una de
0,16 este o valoare acceptabilă. De fapt mărimea erorii este decisă în ultimă
imstanţă de utilizator. Dimensiunile hărţii se fixează ceva mai mari decât harta
originală pentru a avea un control mai bun la margini, unde vor apare întreruperi de
arce sau poligoane.
Corecţiile se pot face fie în procesul de digitizare fie în procesul de editare (aceasta
fiind faza următoare digitizării). În faza de digitizare se corectează erori accidentale
pe care operatorul le sesizează imediat.
Procesul de digitizare include şi introducerea codurilor de identificare ale

primitivelor grafice care permit legarea acestora cu datele atribut. Acestea se
introduc de la tastatură sau cu ajutorul butoanelor de pe cursor, dacă acest lucru
permite şi a fost stabilit dinainte.
În timpul digitizării se introduc erori indiferent de tehnologia folosită (hard

şi soft) sau de abilitatea operatorului. Să ne imaginăm următoarea operaţiune: fixăm
cursorul pe un punct, apoi mutăm cursorul oriunde pe suprafaţa de hârtie şi în fine
încercăm să-l fixăm din nou pe acelaşi punct. Niciodată nu vom putea să-l
poziţionăm exact în acelaşi punct, ci doar foarte aproape. De asemenea dacă
digitizăm o curbă de două ori, în mod sigur nu vom parcurge acelaşi traseu, nici
punctele intermediare nu vor fi aceleaşi (figura 28). În aceste condiţii este absolut
necesar ca să evaluăm gradul de precizie al operaţiunilor implicate.
Problema care se pune este de a ne încadra în marjele de eroare pe care ni le impune
viitoarea prelucrare pe harta respectivă.
Figura 28 Digitizarea de două ori a unui arc
În cele ce urmează vom aborda câteva dintre erorile care apar în procesul
de digitizare. Când avem de digitizat o linie mai lungă de 5 cm se recomandă ca
aceasta să fie compusă din două arce; cu alte cuvinte să introducem un nod
suplimentar. Închiderea unui arc urmată imediat de deschiderea altuia (şi care se
doreşte a fi o continuare a primului) implică introducerea unui nod de start pentru
următorul arc, care de fapt trebuie să coincidă cu nodul final al arcului precedent.
Această situaţie, precum şi altele asemănătoare conduc la introducerea unei noţiuni,
numită Snap Node Tolerance, care să permită contopirea celor două noduri, fapt
ştiut din cele de mai sus că, nu putem localiza la doi timpi diferiţi exact acelaşi
punct. Snap Node Tolerance este o măsură a erorii, care este egală cu o valoare ce
reprezintă raza cercului în interiorul căruia oricare două noduri digitizate vor
reprezenta acelaşi nod (figura 29). Sau dacă vreţi, distanţa din jurul unui nod pentru
care orice alt nod digitizat va coincide cu acesta. Trebuie să facem un comenatriu
privitor la modul în care se contopesc nodurile. Unele produse soft cer ca, pentru
contopirea a două noduri, cercurile a căror rază este egală cu Snap Node Tolerance
doar să se intersecteze (figura 29 a), iar altele cer ca cele două noduri să cadă în
interiorul celor două cercuri (figura 29 b).
Alte situaţii posibile pe care le putem întâlni în procesul de digitizare sunt
cele prezentate în figra 30. Aceste situaţii pot apărea din două motive: fie că exact
aşa ar fi trebuit să înfăţişăm arcele, fie că este vorba de o greşeală.
Figura 29 Snap Node Tollerance
Figura 30 Dangle node şi dangle arc
Pentru a clarifica astfel de situaţii se introduce o altă noţiune numită Dangle

Length, adică distanţa minimă permisă pentru a deplasa un nod aflat în imediata
vecinătate a unui arc. Dacă distanţa dintre nod şi arc, în configuraţia din figura 30 a,
este sub distanţa specificată atunci vom avea rezultatul din figura 31 a. Dacă acelaşi
lucru este valabil pentru situaţia figura 30 b, se va obţine aspectul din figura 31 b.
Figura 31 Arcele din figura 30 după topologizare
În cazul în care această distanţă este mai mare, se va intercala un nod suplimentar şi
vom avea patru arce (figura 31 c). Toate aceste operaţiuni se fac în procesul de
topologizare (în Arc/Into comanda de creare a topologiei se numeşte CLEAN).
O ultimă situaţie pe care o amintim este cea înfăţişată în figura 32 a. Se observă o

apropiere exagerată a arcelor A şi B. Aceasta poate să apară dintr-o greşală de
digitizare sau nu. Pentru a elimina o situaţie în care un arc este, practic, dublat s-a
introdus un nou concept numit Fuzzy Tolerance, care reprezintă distanţa minimă ce
separă două arce. Dacă distanţa dintre arce este mai mică decât cea precizată în
Fuzzy Tolerance, arcele A şi B se vor contopi şi vom avea situaţia din figura 32 b.
În caz contrar, va rămâne configuraţia din figura 32 a.
Figura 32 Eroarea Fuzzy
Unele erori se corectează în timpul procesului de digitizare, altele în faza

următoare, de editare. În faza de editare se introduc datele care au fost omise la
digitizare, se şterg cele care au fost introduse nejustificat şi se corectează cele care
necesită această operaţiune. Această etapă este mare consumatoare de timp, mai
ales dacă digitizarea a fost făcută neglijent. Uneori poate dura mai mult decât
digitizarea propriu-zisă. Ultima fază este crearea topologiei, care poate scoate în
evidenţă alte erori. În această situaţie se va reveni în etapa de editare, se vor efectua
corecţiile, şi în final se reface topologia.
În cele de mai sus am înfăţişat doar principiile generale, fiecare prgram de digitizare
(sau modulul din cadrul GIS) având propriile reguli pentru realizarea unei hărţi
digitale. Intenţia noastră este de a oferi o imagine de ansamblu asupra întregului
proces.
6.2. Scanarea
Procesul de scanare constă în conversia datelor din format analogic (cum sunt
hărţile tradiţionale pe suport de hârtie, imagini aeriene, sau orice altă imagine) în
format digital. Modul în care se realizează scanarea este următorul: imaginea este
împărţită în puncte (matrice de puncte) fiecăruia atribuindu-i-se un număr în
conformitate cu nuanţa de gri sau culoarea de pe original. Procesul este analog cu
fotocopierea. Un fotocopiator scanează imaginea şi apoi o reproduce imediat pe
hârtie. Un scaner copiază imaginea şi apoi o stochează într-un fişier raster, care
ulterior poate fi prelucrat utilizând un produs de procesare de imagini. Cel mai
uzual format este TIFF (Tag Image File Format). Rezultatul va fi un fişier în sistem
de reprezentare raster. Acest fişier se poate utiliza fie pentru o simplă afişare sau în
combinaţie cu alte elemente ale BDS (hărţi vectoriale sau imagini), fie pentru a
obţine o hartă vectorială.
Scanerele generează fişiere atât în nuanţe de gri cât şi color. Fiecare celulă scanată
în scala gri se reprezintă pe 1 byte (8 biţi) de la 0 (pentru negru) la 255 (pentru alb).
În cazul color fiecărei celule i se rezervă câte un byte pentru fiecare culoare de bază
(reşu, verde şi albastru), deci în total 3 bytes. În plus densitatea de puncte (mărimea
celulelor) variază în funcţie de performanţele scanerului. Unitatea de măsură este
numită dots per inch (dpi), adică numărul de puncte pe un inch, care de fapt
reprezintă o densitate. Aceasta poate varia de la 75 dpi la 600 dpi. Putem intui că,
indiferent de metoda de stocare folosită (oricât este ea de eficientă) este nevoie de

un spaţiu foarte mare pe disc. De aceea este important să acordăm o mare atenţie
procesului de scanare şi să ne definim de la început opţiunile, adică scopul pentru
care executăm o astfel de operaţiune.
Una dintre cele mai întâlnite situaţii este scanarea unei hărţi tematice trasate în alb-
negru, care urmează a fi vectorizată, adică se urmăreşte obţinerea unei hărţi
vectoriale. La prima vedere aceasta ar trebui să aibă ca rezultat direct o imagine
booleană, adică 0 (pentru alb) şi 1 (pentru negru). Problema nu este chiar atât de
simplă deoarece pot apărea şi valori intermediare. Acest lucru se întâmplă la linii
foarte subţiri şi atunci acestea, sau parte din ele pot dispare. Aşa cum am menţionat
în regim de nuanţe de gri avem o reprezentare pe un byte, adică valori între 0 şi
255. În această situaţie este dificil să spunem ce este exact alb şi ce este exact
negru. În aceste condiţii se impune un prag de reprezentare. Toate valorile mai mici
decât acest prag vor fi 0 şi celelalte vor fi 1. Acesta este dat de utilizator. Dacă
pragul este prea mare, anumite date cum ar fi liniile subţiri, se pot pierde, iar dacă
pragul este prea mic apar date inutile cum ar fi zgomotul sau petele. A găsi pragul
optim ia ceva timp, însă merită deoarece se va obţine o hartă de calitate. Rezultatul
final va fi un fişier raster boolean.
După scanare, următoarea fază este editarea, în care, după ce am determinat precis,
cele trei categorii de date: date utile (puncte, linii, poligoane), simboluri (adnotaţii
sau semne convenţionale) şi zgomot se procedează la următoarele operaţiuni:
- îndepărtarea zgomotului;
- îndepărtarea simbolurilor (dacă este necesar);
- vectorizarea;
- adăugarea de date suplimentare (dacă este necesar);
- corecţia erorilor;
- geocodificarea;
- crearea topologiei;
- georeferenţierea.
“Zgomotul” este un termen preluat din acustică, şi reprezintă date care sunt
înregistrate şi nu sunt utile, datorită unor perturbaţii apărute în procesul de scanare.
Dacă fişierul raster rezultat va fi folosit doar ca o simplă imagine compilată, doar
zgomotul trebuie îndepărtat. În cazul în care aceasta se doreşte a fi un strat tematic
(coverage) trebuie îndepărtate şi simbolurile. La o prelucrare şi o imprimare
ulterioară acestea vor fi adăugate pe hartă conform regulilor produsului GIS folosit.
Procesul de vectorizare poate fi rezumat asfel:

1. Se înregistrează doar pixelii care formează o structură, cum ar fi o linie
sau un poligon.
2. Dintre pixelii răspândiţi de-a lungul unei linii, vor fi înregistraţi cei din
mijloc (unde norul de puncte este mai dens), care în fapt formează
scheletul structurii.
3. Coordonatele se determină pentru punctul de start şi cel de sfârşit a
fiecărui segment.
Vectorizarea este afectată de următoarele erori:

- deformarea sau întreruperea liniilor;
- vectorizarea datelor inutile (cum ar fi pete, care pot apărea sub formă de
poligoane);
- curbe netede devin “zimţate” datorită introducerii de puncte de inflexiune
în locuri unde nu este cazul.
Figura 33 Porţiune mărită

dintr-o imagine scanată
Multe produse program conţin rutine de corecţie asigurând o scanare de calitate. De

asemenea există posibilitatea de vectorizare automată. Mai precis, prin program se
identifică nodurile, se trasează arcele, respectiv poligoanele. În această situaţie este
de preferat ca fişierul rezultat în urma scanării să fie în prealabil “curăţat” de
informaţia nedorită (zgomot, simboluri etc). În cazul în care vectorizarea se face
manual, se procedează la o mărire (zoom) a porţiunii din imagine în care se execută
operaţiunea (figura 33), iar segmentele vor fi trasate, pe cât posibil pe mijlocul
liniei. Nodurile şi punctele se marchează prin apăsarea unor taste sau butoane de pe
mouse, după instrucţiunile elaborate de produsul cu care se face această operaţiune.
Ca şi digitizarea, scanarea-vectorizarea introduce erori care trebuiesc corectate.

Corecţiile se fac după regulile structurilor vectoriale. Harta rezultată nu conţine
coduri de identificare pentru a putea fi legată de atribute. Acestea se vor introduce
de la tastatură, proces pe care îl numim geocodificare. Odată acestea introduse,
harta rezultată va fi un strat în format vector ce aparţine BDS.
6.3. Date preluate prin GPS

În ultimii ani au apărut noi sisteme de măsurare a distanţelor şi a coordonatelor
geografice. Poziţionarea unui punct cu ajutorul sateliţilor este fără îndoială cel mai
spectaculos. Actualmente este posibil să se măsoare poziţia geodezică a unui punct
de pe suprafaţa Pământului, cu o eroare de câţiva centimetrii, fără a utiliza reperele
geodezice existente. Acest sistem, apărut în anul 1990 se numeşte NAVSTAR
(NAVigation Satellite Timing And Ranging) – GPS (Global Positionning System),
sau pe scurt GPS. Procesul de poziţionare este următorul. Sistemul este compus din
24 sateliţi (1992) pe orbite circulare înalte (aproximativ 20000 km).
Întregul program spaţial a fost finanţat de Guvernul SUA şi este în permanenţă

monitorizat de către Departamentul Apărării care, de altfel este şi principalul
beneficiar. Sistemul are la bază procedeul numit şi triangulaţie spaţială, în care pe
lângă staţia mobilă de la sol sunt implicaţi încă patru sateliţi. Menţionăm faptul că,
în orice moment şi în orice punct de pe glob se pot “vedea” cel puţin 4 sateliţi.
Înainte de a expune principiul determinării poziţiei vom descrie, pe scurt,

caracteristicile echipamentelor şi a modului de comunicaţie satelit – staţie. În
vederea măsurării distanţei, sateliţii sunt notaţi fiecare cu câte patru ceasuri
atomice, unul în funcţiune şi trei de rezervă. Aceste orologii funcţionează pe baza
oscilaţiilor unui atom (de unde şi denumirea), care are o precizie extraordinar de
bună şi se consideră că, timpul furnizat de acesta este exact. Această precizie are şi
un cost, fiecare ceas fiind estimat la 100000$. Staţia mobilă are în componenţă un
ceas cu cuarţ care are o precizie (vorbim de staţiile performante) de 10-9 secunde.
Atât satelitul cât şi staţia emite în mod sincronizat un anumit semnal radio codificat
(pseudo – random code) materializat printr-o succesiune de cifre binare (0 şi 1), pe
o lungime de undă în domeniul radio. Cu alte cuvinte, atât satelitul cât şi staţia emit
acelaşi cod în acelaşi timp (măsurat evident după ceasul propriu). Staţia mobilă
poate măsura timpul scurs de când a emis codul şi până când a receptat acelaşi cod.
Timpul scurs se înmulţeşte cu viteza luminii (viteza de propagare a undelor
electromagnetice) şi se obţine distanţa.
Măsurând distanţa la satelitul S1 se obţine valoarea r1 (figura 34). Deci staţia mobilă
se află pe o sferă cu centrul în S1 şi de rază r1. Măsurând distanţa la satelitul S2 se
obţine valoarea r2. Staţia mobilă va fi şi pe sfera de rază r2 cu centrul în S2.
Figura 34 Localizarea punctelor în spaţiu

Mai precis, staţia se află pe cercul obţinut prin intersecţia celor două sfere (haşurat
în figura 34). Pentru localizarea mai precisă avem nevoie de o a treia măsurare,
anume a satelitului S3. Sfera de rază r3 va intersecta cercul în două puncte (A şi B).
Problema s-a redus la a alege care dintre cele două puncte este cel corect. În caz
contrar este nevoie de o a patra măsurare. O situaţie mai specială este când
cunoaştem altitudinea. În acest caz se poate îndepărta cu uşurinţă punctul eronat
prin înlocuirea uneia dintre sfere cu o sferă de rază egală cu raza Pământului.
Acesta este modul de determinare a coordonatelor geografice pe mare (cota 0).
În consecinţă avem nevoie de trei măsurători pentru localizarea staţiei în trei
dimensiuni, dacă putem îndepărta punctul eronat. Staţiile GPS au în componenţă
diferite tehnici de eliminare a acestui punct. Aşa că, teoretic este nevoie doar de trei
măsurători. Aceasta presupune că, ceasurile sunt perfect sincronizate. În cazul în
care ele nu sunt perfect sincronizate şi acesta este cazul real, vom avea nevoie de o
a patra măsurare după cum vom vedea în cele ce urmează.
Figura 35 Efectul produs de nesincro-

nizarea orologiilor
Aşa cum am precizat mai sus, ceasul atomic de satelit se consideră exact, deci va
exprima timpul de referinţă. Pentru o mai uşoară înţelegere a principiului de
localizare vom prezenta cazul bidimensional, eliminând o măsurare. Să presupunem
că ceasul de pe staţia mobilă este înainte cu o secundă. În figura 35 am înfăţişat prin
linii subţiri cazul exact (când ceasurile sunt sincronizate perfect), care generează
punctul X, loc în care se găseşte staţia. Deoarece ceasul staţiei merge înainte,
semnalul "pleacă mai repede", noi primim semnalul de la satelit mai târziu cu o
secundă. Cele trei arce nu se mai intersectează într-un punct, apărând un triunghi
sferic ABC. Staţia are în dotare un mic calculator care este programat să execute
corecţia. Sesizând diferenţa calculatorul execută o scădere (sau o adunare, dacă
ceasul staţiei este întârziat) cu o anumită unitate de timp pentru fiecare măsurare.
Dacă scade prea puţin, la al doilea control va scădea din nou, dacă a scăzut prea
mult, ulterior va adăuga o cantitate de timp mai mică, ş.a.m.d. Aceste iteraţii se
execută până când întreaga suprafaţă a triunghiului ABC se apropie de punctul X.
Acesta este, în mare, principiul funcţionării unei staţii GPS.
Am afirmat mai sus că întregul sistem este monitorizat de către Departamentul

Apărării SUA. Perioada de rotaţie a fiecărui satelit este de 12 ore, deci fiecare
satelit va trece de două ori în vecinătatea staţiei de supraveghere, care măsoară în
permanenţă caracteristicile cinematice ale satelitului (viteză, parametrii orbitali,
etc.) precum şi starea tehnică. În cazul apariţiilor unor perturbaţii gravitaţionale din
partea Lunii şi a Soarelui precum şi a presiunii radiaţiei solare, se va proceda la
ameliorarea acestor efecte de la sol. Caracteristicile cinematice sunt transmise de
către satelit spre staţia mobilă. Aceste informaţii sunt folosite pentru determinarea
precisă a poziţiei satelitului care are un rol important în determinarea coordonatelor.
Dacă aceste date sunt transmise pe acelaşi canal, operaţiunea de determinare a
poziţiei este mult întârziată. La ora actuală există staţii de recepţie multicanal care
permit transmiterea semnalelor simultan şi care pe lângă faptul că, datele privind
poziţia şi parametrii orbitali se transmit separat, mai permit şi detectarea simultană a
sateliţilor.
Până acum nu am amintit nimic despre propagarea semnalului prin atmosferă. După
cum se ştie pătura înaltă a atmosferei, ionosfera, conţine particule încărcate şi
influenţează propagarea undelor electromagnetice. Cu cât lungimea de undă este
mai mare, cu atât semnalul este mai frânat. S-a rezolvat şi acestă problemă luându-
se în calcul influenţa ionosferei. Modul cum se repercutează în datele de măsurare
este complicat. Un alt factor perturbator sunt vaporii de apă din atmosferă, dar acest
fenomen este aproape imposibil de corectat.
Privitor la acurateţea determinării poziţiilor trebuie să precizăm faptul că,
Departamentul Apărării SUA, care aşa cum am spus monitorizează întreg sistemul,
şi îşi rezervă dreptul de a altera măsurătorile în mod intenţionat. Aceasta se
întâmplă în special în situaţii de război, sau atunci când Guvernul SUA consideră
că, este necesară o astfel de operaţiune. Este cel mai mare tip de eroare.
Figura 36 GPS diferenţial
În orice caz Departamentul Apărării al SUA foloseşte canale speciale, la care nu are
acces altcineva. Semnalul pseudo - random are în acest caz şi o denumire, anume P
- code (Precise sau Protected code). Acesta se schimbă în fiecare săptămână şi se
repetă la 267 zile. Practic doar Departamentul Apărării are acces la aceste canale.
Pentru ceilalţi utilizatori există un cod standard numit C/A code
(Course/Acquisition code) numit şi cod civil. Evident domeniul acesta este afectat
de perturbaţii.
O îmbunătăţire a preciziei unei staţii mobile se poate face prin tehnica numită GPS
deferenţial. Este vorba de încă o staţie suplimentară, care este fixă şi ale cărei
coordonate se cunosc cu mare precizie (figura 36). Aceasta poate comunica cu
staţia mobilă în aceeaşi manieră ca şi satelitul. Ea transmite staţiilor mobile erorile
conţinute în datele provenite de la sateliţi. Staţia fixă are o anumită rază de acţiune
şi poate comunica cu orice staţie care se află în zona de influenţă.
Există o mare varietate de staţii GPS, de la cele simple până la cele sofisticate şi
care în mod evident se reflectă în preţ. Preţurile variază între 100$ şi 25000$ sau
mai mult. Staţiile modeste au precizii de ordinul metrilor, iar cele complexe de
ordinul milimetrilor. Acesta este cazul static, adică atunci când staţia mobilă se
fixează şi necesită o perioadă mai mare de determinări (în regim diferenţial). În
cazul cinematic (când staţia se mişcă), deci determinarea este instantanee, precizia
este de ordinul sutelor de metri respectiv de ordinul zecilor de centimetri. Staţiile
sofisticate permit efectuarea de corecţii datorate efectului Doppler. Efectul Doppler
apare în situaţia în care sursele de emisie şi recepţie a semnalelor electromegnetice
sunt în mişcare. Aceasta produce o modificare a lungimii de undă a semnalului
radio, influenţând astfel viteza.
Datele preluate prin GPS pot fi integrate GIS. Staţiile mai performante permit
cuplarea printr-un cablu serial la un laptop care stochează coordonatele punctelor
înregistrate direct pe suport magnetic. Există programe specializate care permit
conversia acestor date direct în produsele GIS mai cunoscute. Astfel, cu câteva
comenzi putem converti aceste date într-un coverage Arc/Info care va permite a fi
integrat în BDS şi supus unor prelucrări. Coordonatele furnizate de sateliţi prin
GPS sunt date în sistemul geodezic mondial WGS84 (World geodesic System).
Acestea sunt coordonate elipsoidale în trei dimensiuni.
6.4. Date CAD

AutoCad a fost lider pe piaţa pachetelor CAD mai bine de 15 ani ceea ce a făcut ca
formatele generate de acesta să fie foarte larg răspândite. Cel mai răspândit format
este DXF (Drawing eXchange Format) care este creat şi citit de cele mai multe
produse CAD ca de altfel şi GIS. Formatul intern DWG este de asemenea larg
utilizat. Microstation este principalul competitor pentru pachetele CAD iar formatul
lor intern, DGN, este de asemenea foarte cunoscut. Este important de notat faptul
că, Microstation poate scrie fişiere DXF şi aceasta este calea cea mai bună de a
importa fişiere Microstation în GIS.
6.5. Imagini aeriene şi satelitare

Imaginile digitale atât aeriene cât şi satelitare au o implicaţie din ce în ce mai mare
în cadrul proiectelor GIS complexe. Multitudinea de probleme care apar ne-a
determinat să rezervăm un spaţiu separat.
6.6. Alte formate de date. Importul şi exportul datelor

geografice
Una dintre cele mai mari probleme privitoare la GIS este proliferarea formatelor de
date. Diferite tipuri de date au formate diferite şi sunt executate de programe
diferite. Adesea un format de date creat de un pachet de programe particular nu
poate fi citit de un alt pachet. Mai precis este vorba de numărul de biţi pe care se
face codificarea internă, care poate diferi de la un soft la altul sau de la o versiune la
alta. Chiar şi în cadrul aceluiaşi soft, la versiuni diferite, fişierele nu sunt
compatibile şi trebuiesc convertite. De exemplu, un fişier document scris în Word 6
sub Windows 3.1, pentru a fi editat cu Word 7 sub Windows 95 trebuie convertit.
Dacă la un editor de texte, cum este Word proiectat şi dezvoltat de aceeaşi firmă,
avem astfel de probleme ce să mai zicem de produse diferite. Problema conversiei
în cazul produselor GIS este şi mai dificilă, mai ales că introducerea unei hărţi în
calculator nu este o treabă uşoară. În plus, la conversii se pot pierde date cum ar fi
tabelele de atribut. De aceea trebuie acordată o importanţă deosebită programului cu
care se face digitizarea şi a produsului cu care se face prelucrarea. Fiecare produs
GIS are o listă de alte produse în care se face exportul sau din care se face importul.
Este bine ca înainte de a face conversii pe hărţi complexe, să se facă nişte teste pe
hărţi mai simple, ca să ştim la ce ne aşteptăm.
Cazul cel mai frecvent este importul fişierelor DXF. Practic orice produs GIS poate
importa şi exporta fişiere grafice în acest format. Procedeul de import are două
aspecte. În primul rând se poate importa doar în vederea afişării în combinaţie cu
propriile fişiere. Acest lucru îl face şi ArcView. Apoi, este vorba de conversie în
produsul GIS pentru a putea fi prelucrat în acesta. Cea din urmă situaţie se
realizează printr-un şir de comenzi ale produsului care face importul, ultima
comandă fiind comanda de realizarea a topologiei, deoarece fişerul DXF este de tip
spagheti. În final rezultă un strat propriu produsului respectiv. Primitivele grafice
vor primi coduri “date de mână” (adică tastate) de către utilizator. În cazul în care
fişierul grafic este însoţit de atribute, acestea se pierd. Pentru recuperarea lor
urmează un alt şir de comenzi. De multe ori se preferă digitizarea cu produse ieftine
şi apoi se face un import, atributele fiind introduse direct în produsul GIS.
Atenţionăm că, această practică conduce la un slab control al preciziei, acesta
depinzând în ultimă instanţă de programul cu care se face digitizarea.
6.7. Surse de date

Achiziţia de date reprezintă în cele mai multe situaţii primul pas în implementarea
unui GIS, acest lucru fiind foarte scump atât din punct de vedere al resurselor
financiare cât şi al timpului. Studiile au arătat că, costurile legate de achiziţia de
date reprezintă circa 80% din totalul costurilor asociate cu un proiect GIS. De aceea
este mai bine ca înainte de a trece la un proces de digitizare să fie consultate firmele
producătoare de hărţi digitale. Acest lucru poate avea un efect pozitiv asupra
costurilor implementării unui proiect GIS, precum şi a timpului de realizare a
acestuia.
Există o varietate mare de surse de date colectate de-a lungul timpului privitoare la
Europa. Cel mai recent program al comunităţii europene privitoare la imagini
digitale este programul CORINE. Acest program a avut ca rezultat înregistrarea
întregii suprafeţe a Europei prin teledetecţie apelând la serviciile programelor

spaţiale Landsat şi SPOT. De asemenea compania ESRI pune la dispoziţie prin
Internet (www.esri.com) hărţi digitale în mod gratuit.
O problemă majoră care trebuie rezolvată este dreptul de copyright. Agenţiile

naţionale de cartografie din Europa Occidentală, precum şi unele firme private deţin
copyright asupra unor hărţi şi este necesară obţinerea de licenţă pentru utilizarea
lor. Utilizatorii de GIS consideră că preţurile sunt prea ridicate, dar trebuie avut în
vedere şi costurile de realizare a acestor hărţi. În schimb în America de Nord
situaţia este diferită. Aici producţia de hărţi este subvenţionată de diferite companii,
utilizatorii plătesc anumite sume acceptabile, iar datele sunt disponibile pentru
oricine tot la sume rezonabile, unele dintre ele fiind distribuite în mod gratuit.
Această politică a avut ca rezultat răspândirea şi proliferarea seturilor de date
geografice, în SUA, la preţuri mici. Tot în SUA sunt cele mai puternice firme
producătoare de soft, precum şi cele mai multe proiecte GIS în exploatare, la o mare
varietate de companii private sau instituţii guvernamentale.
7. Analiza spaţială
Deşi constituie modulul forte al unui GIS, la ora actuală posibilităţile de analiză
sunt destul de limitate comparativ cu cele privind stocarea, manipularea şi
vizualizarea. În prezent nu există o înţelegere a producătorilor de GIS cu privire la
tipurile de programe (algoritmi) ce trebuiesc incluse în acest modul. Unele produse
au o colecţie modestă de funcţii pentru analiză şi modelare, însă firmele
producătoare duc o politică de dezvoltare a acestor rutine, astfel că, periodic acestea
lansează pe piaţă noi versiuni. În general este puţin probabil ca un produs GIS să
satisfacă în totalitate cerinţele unui utilizator. Marile dificultăţi ale firmelor
producătoare este lipsa unui consens atât în ceea ce priveşte algoritmii implementaţi
în analiză spaţială, cât şi a definirii noţiunilor.
Esenţa analizei spaţiale este de a extrage datele cu semnificaţie din datele distribuite
spaţial, care eventual au fost suspuse unor prelucrări. Analiza spaţială este procesul
de obţinere de asociaţii şi tipare pe hartă în vederea caracterizării, previziunii sau
înţelegerea fenomenelor spaţiale. Ca exemplu putem lua analiza relaţiilor dintre

caracteristicile geochimice a solului dintr-o regiune şi distribuţia tipului de rocă. O
înţelegere a unei astfel de relaţii este importantă pentru interpretarea hărţilor
geochimice pentru un studiu de impact.
Modelarea prin GIS se realizează cu ajutorul procedurilor conţinute în cadrul

analizei spaţiale, care conduce în final la o previziune în vederea luării deciziilor.
Operaţiile implicate în modelare pot fi efectuate direct pe straturile de hărţi şi în
combinaţie cu atributele aferente. Datorită complexităţii proceselor de modelare,
precum şi a particularităţilor domeniului modelat, nu există până în prezent un
limbaj universal pentru modelare în GIS.
Analiza spaţială reprezintă mai mult un concept decât o componentă program a unui
GIS. Operaţiile analizei spaţiale sunt conţinute în diferite module ale GIS. De
exemplu în Arc/Info modulul ARCEDIT conţine foarte multe instrucţiuni
corespunzătoare operaţiilor analizei spaţiale. În schimb ArcView are o extensie
(care se livrează separat) ce se numeşte Spatial Analyst şi care, în mod evident are
în componenţă conceptele şi operaţiile analizei spaţiale. Bineînţeles că şi modulul
principal al ArcView conţine operaţii ale analizei spaţiale însă acestea sunt mai
puţine decât în extensia amintită. În principiu, fiecare produs soft are propriul
sistem de organizare a programelor, care constituie operaţiile analizei spaţiale.
În linii mari, analiza spaţială trebuie să permită: interogarea spaţială, interogarea

atribut (uneori se foloseşte şi termenul de aspaţial) şi generarea unui set de date noi
din cele existente. De fapt acestă ultimă cerinţă este cea mai reprezentativă pentru
analiza spaţială şi constituie esenţa prelucrării datelor geografice.
După cum vom vedea, analiza spaţială cuprinde o mare varietate de operaţii care se
constituie în grupuri, subgrupuri şi în fine operaţii elemenatare. O problemă dată se
constutie dintr-un şir de operaţii elementare, într-o ordine prestabilită, în care sunt
implicate date spaţiale, date atribut şi proceduri (programe), care le prelucrează.
Fiecare operaţie elemntară, care este încorporată în programe şi apelată prin
comenzi, are o anumită interpretare şi deci, trebuie să fie în concordanţă cu
problema reală. Alegerea operaţiilor, precum şi a ordinii de acţiune asupra datelor,

într-un proces de modelare, nu este foarte simplă, de aceea trebuie acordată cea mai
mare atenţie. Acest lucru este foarte dificil de întreprins şi reprezintă cheia
succesului în realizarea scopului propus. Stabilirea algoritmilor se face în cadrul
etapei de analiză şi este lucrul cel mai important în vederea obţinerii de rezultate
corecte. O alegere defectuoasă a operaţiilor, sau a ordinii execuţiei lor, conduce în
mod inevitabil la conflicte între programe, lucru sesizabil sau mai rău, se obţin
rezultate eronate şi de multe ori nu avem nici un control şi nici o posibiltate de
verificare ulterioară.
Operaţiile analizei spaţiale sunt numeroase. În principal, există şapte (Cho, 1996)
clase de operaţii: operaţii pe un singur strat, operaţii pe straturi multiple, analiza
statistică, analiza reţelelor, analiza suprafeţelor şi analiza grid. Modelarea spaţială
compexă înglobează proceduri din toate grupurile de operaţii amintite. În
conformitate cu scopul declarat al acestei cărţi, vom prezenta principalele grupuri şi
operaţii elementare pe care le considerăm mai importante fără a intra în detalii.
7.1. Operaţii pe un singur strat

Operaţiile pe un singur strat, care se mai numesc operaţii pe orizontală, constituie
instrumentele de bază ale analizei spaţiale. În cazul hărţilor vectoriale este necesar
ca straturile să conţină numai primitive grafice de acelaşi fel, adică un strat care
conţine puncte să nu conţină arce sau poligoane etc. În cazul în care un strat conţine
două sau mai multe tipuri de primitive grafice se apelează la grupul de operaţii pe
mai multe straturi. Există trei categorii mai importante de operaţii: manipularea
primitivelor grafice, selecţia lor şi clasificarea. Prima categorie cuprinde operaţii
asupra contururilor şi analiza de proximitate. A doua categorie de operaţii se referă
la identificarea de primitive grafice pe baza unor expresii logice. În fine, a treia
categorie are în componenţă operaţiile care permit gruparea primitivelor grafice în
clase în vederea unei analize statistice.
Figura 37 Operaţia MAPJOIN

Dintre operaţiile elementare care se fac asupra contururilor amintim: selectarea unei
porţiuni dintr-un strat (CLIP) cu alte cuvinte copierea unei porţiuni dintr-un
coverage; îndepărtarea unor primitive grafice (ERASE); crearea unor subdiviziuni
(SPLIT), asamblarea a două sau patru hărţi adiacente (MAPJOIN), îndepărtarea
limitelor care separă poligoanele de acelaşi tip (DISOLVE) şi eliminarea unor linii
care au fost introduse în mod eronat (ELIMINATE). Analiza de proximitate implică
determinarea unor contururi de distanţă egală la o anumită primitivă grafică. În mod
uzual operaţia poartă numele de BUFFER. Există situaţii când un buffer are
dimensiune variabilă. De exemplu, într-un studiu de poluare a solului extinderea
gradului de contaminare este dependentă de concentraţia poluantului a cărei valoare
este conţinută în tabela de atribut. Operaţiile numite mai sus sunt inspirate din
instrucţiunile Arc/Info. Aceste instrucţiuni, într-o sintaxă sau alta, sunt aceleaşi şi în
alte produse GIS. Dintre operaţii am ales spre exemplificare MAPJOIN (figura 37)
şi BUFFER (figura 38)
Figura 38 Crearea de buffere
Prin identificarea şi selectarea unor primitive grafice se înţelege obţinerea în mod

interactiv de informaţii atribut direct pe ecran dând clic pe o anumită primitivă
grafică. Este vorba, de fapt, de o interogare a BDG. O interogare complexă se face
pe baza unor expreii logice. De exemplu, să se afişeze toate suprafeţele cultivate cu

grâu care sunt mai mari de 1 ha şi mai mici de 5 ha.
Clasificarea este operaţia prin care datele spaţiale sunt simbolizate în conformitate
cu atributele asociate lor. Operaţia poate fi făcută asupra oricărei primitive grafice.
Clasele pot fi realizate automat sau fixate de utilizator. Această operaţie este foarte
bine reprezentată în ArcView. În partea a doua a lucrării de faţă au fost analizate
câteva situaţii privind clasificarea la nivel de poligon. În mod asemănător se face şi
la nivel de punct sau linie.
7.2. Operaţii pe straturi multiple

Operaţiile pe mai multe straturi impun ca toate hărţile implicate în prelucrări să aibă
acelaşi sistem de coordonate şi aceeaşi scară. Orice abatere de la această cerinţă
poate conduce la rezultate eronate. Acest gen de operaţii, cunoscute sub numele de
operaţii pe verticală, se bazează pe relaţii între date aflate pe straturi diferite. Cu
ajutorul acestor operaţii, un strat complex poate fi descompus în straturi tematice şi
invers, mai multe straturi pot fi combinate pentru a rezulta un strat complex.
Operaţiile pe straturi multiple se pot împărţi în trei categorii: operaţii de tip overlay,
analiza de proximitate şi analiza corelaţiilor spaţiale.
Figura 39 Reuniunea dintre două straturi vectoriale
Figura 40 Intersecţia dintre două straturi vectoriale

Analiza overlay
Analiza overlay creează combinaţii între primitivele grafice aflate pe straturi
diferite în conformitate cu anumite condiţii logice impuse (bazate pe algebra
booleană). Obiectivul principal al analizei overlay este de a construi conexiuni între
date aparţinând unor straturi diferite pentru a stabili relaţii între entităţi geografice.
Deşi cuvântul overlay înseamnă suprapunere, grupul de operaţii care îl compune
sunt de factură diversă. Condiţiile logice sunt propoziţii care conţin identificatori
ale primitivelor grafice, atribute, constante şi operatori logici. Operatorii logici sunt:
AND (şi), OR (sau), XOR (sau exclusiv) şi NOT (nagaţie). Dintre operaţiile pe
straturi multiple amintim UNION (reuniune) şi INTERSECT (intersecţie).
UNION este operaţia prin care două sau mai multe straturi sunt suprapuse,
rezultând un nou coverage. Această operaţie corespunde operatorului logic OR. În
figura 39 avem un exemplu de combinare a două straturi cu UNION. Această
operaţie este una dintre cele mai utilizate şi nu impune restricţii ca straturile să
conţină acelaşi tip de primitive grafice. De asemenea este posibilă şi reuniunea mai
multor straturi.
INTERSECT este operaţia corespunzătoare operatorului logic AND. Când două

straturi sunt supuse acestei operaţii rezultatul, care este un coverage, va conţine
porţiunea din primul strat care se va afla prin suprapunere şi în cel de-al doilea
strat. În plus se vor adăuga şi datele din al doilea strat. De subliniat că datele
trebuiesc să fie de acelaşi tip, adică ambele să fie arc, ambele să fie poligon sau
straturile să aibă primitive grafice comune etc. Intersecţia dintre două straturi care
conţin fiecare primitive grafice diferite este lipsită de obiect. De cele mai multe ori
această operaţie se face pe straturi care conţin doar poligoane (figura 40).
Operaţiile privind proximitatea sunt aceleaşi ca şi acelea de pe un singur strat, doar

că se referă la straturi diferite. În fapt analiza de proximitate este precedată de
combinarea de straturi, rezultând un alt strat asupra câruia se face analiza de
proximitate.
În cele ce urmează vom trata teoria corelaţiei mai pe larg pentru a avea o imagine
de ansamblu, independentă întrucâtva de acest grup de operaţii, mai cu seamă că
aplicaţiile în domeniul geografiei şi nu numai, sunt numeroase. Analiza de corelaţie
scoate în evidenţă relaţii dintre fenomene spaţiale şi distribuţia variabilelor
semnificative. Se aplică structurilor vectoriale punct (7.3), datelor raster (7.5) şi a
datelor atribut. În principiu, corelaţia se poate aplica şi pe un singur strat (7.3; 7.1),
însă aceasta are o semnificaţie aparte pe straturi multiple şi justifică discuţia de mai
jos. Analiza de corelaţie pe un singur tabel atribut este mai puţin semnificativă
(acest lucru poate fi făcut, de exemplu, cu EXCEL), mult mai importantă este
corelaţia pe mai multe tabele atribut, aparţinând unor straturi diferite. Această din
urmă analiză face parte dintr-un proces de modelare.
Analiza corelaţiilor spaţiale

Analiza corelaţiilor spaţiale are în componenţă operaţii statistice. Obiectul principal
al acestui modul este de a găsi relaţii între diferite tipuri de date spaţiale distribuite
pe mai multe straturi.
În procesul de cercetare a legăturilor cauzale existente între caracteristicile

geografice, avem de-a face cu contopirea acţiunilor unei multitudini de factori
(cauze), dintre care unii esenţiali, alţii neesenţiali, unii pot fi determinaţi, alţii nu.
Tocmai de aceea, în cercetarea legăturii reciproce dintre două fenomene apar
dificultăţi mari deoarece pot să existe cauze necunoscute. În astfel de situaţii este
util să determinăm gradul de corelare şi apoi să analizăm separat unele din aceste
cauze. În acest mod este posibilă stabilirea unui tablou al condiţiilor în care se
desfăşoară un anumit fenomen natural, fapt care duce la modelarea matematică a
sa. Astfel de probleme se cercetează cu mult succes prin metodele statisticii, unde
teoria corelaţiei are o pondere însemnată. Cu alte cuvinte, trebuie să definim
relaţii posibile între diferiţi factori. În cadrul acestei analize intră straturi tematice
punct, reprezentări raster şi tabele de atribut. Corelaţiile pot fi făcute atât pe un strat
cât şi pe mai multe straturi. Eficienţa aplicării metodei corelaţiei depinde de
punerea (enunţarea) corectă a problemei studiate precum şi de aplicarea corectă a
statisticii matematice. Caracterul complex al dependenţei statistice pune pe primul
plan problema identificării existenţei legăturilor. Calculul indicatorilor de
corelaţie este admis cu condiţia stabilirii anticipate a unei legături cauzale reale
între fenomenele cercetate. Statistica nu poate să rezolve o astfel de problemă fără
ajutorul ştiinţei din domeniul căreia face parte fenomenul studiat. Cu alte cuvinte,
specialistul din domeniul respectiv trebuie să cunoască temeinic noţiunile analizei
statistice implicate pentru a da o interpretare corectă a rezultatelor. Pentru a asigura
un rezultat corect, este necesar includerea în cercetare, dacă este posibil, a tuturor
factorilor cu acţiune esenţială.
O problemă importantă pentru cercetarea corelaţiilor este determinarea funcţiei de

regresie, care să exprime relaţia cantitativă dintre fenomenul efect şi fenomenul
cauză. Forma legăturii dintre fenomene şi descrierea printr-o ecuaţie analitică, pe
baza cărora se definesc valorile fenomenului efect, în funcţie numai de factorul sau
factorii luaţi în considerare (cauze). Pentru ajustarea seriei de valori trebuie să se
aleagă acea ecuaţie care oglindeşte în modul cel mai corespunzător caracterul
legăturii cercetate. De buna alegere a funcţiei de regresie depind rezultatele analizei
de corelaţie, valoarea estimaţiilor variabilei dependente. Stabilirea formei legăturii
ţine seama de natura dependenţei fenomenului cercetat (de obicei se reprezintă
grafic).
La fenomenele simple, unde cauzele acţionează separat, relaţia dintre

fenomenul-efect şi fenomenul-cauză se reprezintă sub forma:
y=f(x)
La fenomenele complexe, dependenţa se exprimă sub forma generală:
y = f(x1 , x2 ,..., xn )
Fenomenul y este generat de acţiunea comună a factorilor x1 , x2 ,..., xn, din care
luăm însă în calcul numai o parte. Să admitem că am luat în calcul factorul x1.
Întrebarea care se pune este următoarea: în ce condiţii indicatorii corelaţiei
obţinuţi exprimă măsura reală a influenţei variabilei x1 asupra variabilei y? Numai
cu condiţia ca factorul x1 să fie hotărâtor în determinarea lui y, ceilalţi fiind
nesemnificativi. În cazul în care fenomenul este sub acţiunea unui complex de
factori esenţiali şi aceasta este situaţia obişnuită, pentru a exprima influenţa şi
gradul de intensitate a legăturilor în raport cu un singur factor trebuie să eliminăm
influenţa celorlaţi.
Să considerăm o colectivitate statistică caracterizată prin mărimile X şi Y.

Efectuînd o serie de determinări experimentale (sau observaţii) asupra acestei
colectivităţi, putem întocmi tabela datelor respective:
X | x1 , x2 ,..., xn
Y | y1 , y2 ,..., yn
Repartiţia empirică a celor două variabile se poate obţine pe cale grafică, într-un
sistem de axe xoy, unde vom reprezenta punctele de coordonate x şi y. Un
ansamblu de astfel de puncte se numeşte câmp de corelaţie, tabel de corelaţie sau
nor statistic. Dacă punctele (xi, yi) sunt distribuite de-a lungul unei fâşii, care în
general urmează o curbă determinată, spunem că între mărimile respective există
o dependenţă funcţională. Aceasta poate fi liniară (figura 41) şi neliniară (figura
42). În cazul când între X şi Y nu există nici un fel de dependenţă, cîmpul de
distribuţie se va prezenta asemănător cu acela arătat în figura 43. Cele două
caracteristici sunt independente.
Figura 41 Distribuţie liniară Figura 42 Distribuţie neliniară

Într-un caz particular, dependenţa corelaţionară se poate transforma într-o

dependenţă funcţională, dar cu un anumit grad de certitudine. Apare problema de a
stabili cantitativ (numeric) în ce măsură dependenţa corelaţională se apropie sau se
depărtează de dependenţa funcţională. În foarte multe cazuri, din observarea
fenomenelor naturale sau a proceselor sociale, fără a cunoaşte natura exactă a
acestora şi nici cauzele prin care este pusă în evidenţă o anumită caracteristică, se
pot trage concluzii foarte importante prin examinarea corelaţiei dintre aceste
trăsături şi alte evenimente. În acest mod se poate aprecia existenţa unei relaţii
statistice între două sau mai multe variabile, adică în astfel de cazuri se vorbeşte
despre corelaţii dintre mărimile care indică o dependenţă reciprocă. În cazul când se
consideră numai două variabile, se pot stabili corelaţii simple, iar când numărul
variabilelor este mai mare de doi, avem corelaţii multiple.
Figura 43 Distribuţie aleatoare Figura 44 Distribuţie grupată
Din punct de vedere al formei unei relaţii statistice, spunem că ea este directă
atunci cănd creşterea unei variabile duce la o creştere a celeilalte variabile, şi o
denumim inversă când o creştere a unei variabile duce la o descreştere a celeilalte.
După cum am văzut relaţiile statistice definite prin corelaţii pot avea aspect liniar
sau neliniar, prin urmare vom distinge corelaţii liniare şi corelaţii neliniare sau
curbilinii. În cazul în care sunt implicate mai multe variabile vom avea corelaţie
parţială când se consideră constante unele variabile şi corelaţie totală când se iau în
considerare variaţiile tuturor mărimilor.
Meoda celor mai mici pătrate

Problema care se pune în acest caz este de a găsi reprezentarea analitică a
dependenţei funcţionale căutate, adică de a alege o formulă care să descrie
rezultatele experimentului. Formula se alege dintr-o mulţime de formule de tip
determinat, de exemplu:
y = ax + b , y = a exp(bx) +c , y = a + b sin( ωt + ϕ)
Cu alte cuvinte, problema constă în a determina parametrii a, b, c, ai formulei, în

timp ce tipul formulei este cunoscut dinainte ca urmare a unor considerente
teoretice sau după forma prezentării grafice a materialului empiric.
Să notăm dependenţa funcţională prin:
y = f(x; a0,a2,...,an )
Parametrii a0,a2,...,an nu se pot determina exact pe baza valorilor empirice y1, y2,...,
yn ale funcţiei, deoarece acestea din urmă conţin erori aleatoare. Este vorba de
obţinerea unei estimaţii "suficient de bune".
Formularea problemei. Dacă toate măsurătorile valorilor funcţiei sunt y1, y2,..., yn,
atunci estimaţiile parametrilor a0,a2,...,an se determină din condiţia ca suma
pătratelor abaterilor valorilor măsurate y de la cele calculate f(x;a0,a2,...,an), adică
expresia
S(a0, a1,…,an)=Σ[yk-f(xk;a0, a1,…,an)]2
să ia valoarea minimă, însumarea se subînţelege de la 1 la n. Consideraţia formulată

se păstrează şi pentru determinarea estimaţiilor parametrilor unei funcţii de mai
multe variabile. De exemplu, pentru funcţia z de două variabile x şi y, estimaţiile

parametrilor a0, a1,…,an se determină din condiţia ca expresia:
S(a0, a1,…,an)=Σ[zk-f(xk, yk; a0, a1,…,an)]2
să fie minimă. Aflarea valorilor parametrilor a0, a1,…,an, care conduc la cea mai
mică valoare a funcţiei de n+1 variabile S, revine la rezolvarea sistemului de
ecuaţii:
∂S/∂a0=0, ∂S/∂a1=0, …, ∂S/∂an=0
Dacă formula empirică depinde liniar de parametrii necunoscuţi atunci sistemul va

fi de asemenea liniar.
Dreapta de regresie
În cazul cel mai simplu se studiază numai două variabile X, Y şi se doreşte găsirea
dependenţei:
Y = aX + b
în ipoteza că X este cauza şi Y este efectul. În urma celor n probe se cunosc datele
(xi,yi), i=1,...,n şi trebuie să determinăm coeficienţii a şi b astfel încât suma
S(a,b) = Σ(axi + b – yi)2
să fie minimă. Punctele staţionare candidate la extrem sunt:
∂S/∂a=0, ∂S/∂b=0
Din condiţia de extrem a funcţiei de două variabile, rezultă că extremul este un

minim. În urma calculelor se obţine
a=(Sy/Sx)rxy, b=y - ax
unde x şi y sunt mediile aritmetice ale variabilei X, respectiv Y, Sx2 şi Sy2 sunt
dispersiile celor două variabile, iar
rxy=( xy – x y )/ SxSy
este coeficientul de corelaţie al variabilelor X şi Y . Acesta indică gradul de

dependenţă liniară între cele două variabile. Satisface următoarea condiţie:
-1≤ rxy ≤1
Semnul plus indică o dependenţă directă, iar minus indică o dependenţă inversă.
Apropierea de extreme dă indiciul unei dependenţe mari, iar apropierea de zero, o
slabă dependenţă liniară. Este unul din indicatorii cei mai utilizaţi. Ecuaţia dreptei
căutată va avea ecuaţia:
Y - y = (Sy/Sx) rxy (X - x)
Această dependenţă reprezintă o dreaptă numită dreaptă de regresie a variabilei Y

în raport cu variabila X.
Observaţii.
1. Trebuie să facem observaţia că, indiferent de gradul de împrăştiere al punctelor,
întotdeauna se poate găsi o dreaptă de regresie, dar în cazul unei dispersii mari
aceasta devine inutilă. De aceea un studiu preliminar a distribuţiei punctelor în plan
sau spaţiu se impune cu necesitate.
2. Se poate vorbi şi de dependenţa variabilei X în funcţie de Y. Urmând un calcul
asemănător se ajunge la dreapta de regresie a variabilei X în raport cu Y:
X - x = (Sx/Sy) rxy (Y - y)
Se observă că cele două drepte de regresie coincid dacă şi numai dacă r = 1.

3. Pentru a obţine o curbă de regresie, se procedează similar.
În cele ce urmează vom lua două exemple aplicate pe valori atribut. În primul
exemplu vom determina o dreaptă de regresie, corespunzătoare debitului şi al pH-
ului, măsurate în perioada ianuarie -decembrie 1993 pe râul Arieş. Datele au fost
obţinute de la R.A. Apele Române.
PH 8.7 7.8 6.6 7.9 7.3 7.5 7.5 7.3 6 7.6 7.8 7 6.8 6.6 6.4
Debit 13 40 80 23 50 30 25 60 100 28 15 74 45 59 68
Variatia debit-pH
120
100 y = -32.633x + 284.03
80 debit
60
40 Linear (debit)
20
0
0 5 10
Figura 45 Dreapta de regresie
Se observă că pH-ul scade odată cu creşterea debitului. La debite mai mari

procesele hidrice (dizolvare, diluţie etc) fiind mai accentuate. La valori mai mici ale
debitului, pH-ul creşte devenind uşor acid (7,6 – 7,9) sau acid (8,7). Coeficientul de
corelaţie este r=-0,87946; avem astfel o corelaţie inversă strânsă.
În al doilea exemplu am determinat curba de regresie corespunzătoare variaţiei

debitului şi suspensiilor. Datele au fost obţinute în urma analizelor fizico-chimice
efectuate pe Valea Zalăului, de pe teritoriul municipiului Zalău în anul 1995.
debit 251 190 308 375 165 357 369 280 469 640 215 150 169 550 460
susp. 75 68 157 200 69 134 125 67 205 270 48 90 88 125 145
V a r ia tia d e b it- s u s p e n s ii
300 y = 4 6 .4 3 6 e 0 .0 0 2 6 x
250
200
s us p.
150
Ex p o n . ( s u s p .)
100
50
0
0 500 1000
Figura 46 Curba exponenţială de regresie
În figura 46 se distinge faptul că odată cu creşterea debitului cantitatea de suspensii

din apă creşte exponenţial. Datorită curentului, particulele de dimensiuni mari de pe
fundul albiei sunt antrenate în mişcare, devenind suspensii. În cazul unor debite mai
mici, când scurgerea este mai lină, doar particulele de dimesiuni mici sunt antrenate
în mişcare. Facem observaţia că acestă lege nu este atât de reprezentativă ca şi cea
din exemplul precedent.
Calculele au fost făcute cu programul de calcul tabelar Excel.
Regresia multiplă
Considerăm cazul în care variabila Z depinde de două variabile X şi Y. Cu alte
cuvinte X şi Y reprezintă cauzele, iar Z este efectul. Se doreşte obţinerea
dependenţei
Z=aX+bY+c
astfel încât suma

S(a,b,c) = Σ (a xi + b yi + c – zi )2
să fie minimă. Punctele staţionare se caută printre valorile lui S care satisfac:
∂S/∂a=0, ∂S/∂b=0, ∂S/∂c=0
Urmând metoda expusă la regresia liniară, se constată că avem un minim (după

condiţiile impuse de extremele funcţiilor de trei variabile), obţinându-se în final
coeficienţii:
a=[(rxy- rxy ryz)/(1- rxy2)][Sz/Sx]
b=[(ryz- rxy rxz)/(1- rxy2)][Sz/Sx]
şi ecuaţia de regresie:
Z - z = a(X - x) + b(Y - y)
Reprezentată geometric această ecuaţie este un plan în spaţiul OXYZ. Interpretarea

este următoatrea: acest plan este planul care ajustează cel mai bine şirurile xi şi yi,
i=1,...,n. În consecinţă, Z arată dependenţa liniară de cele două variabile X şi Y
luate împreună.
În acest caz vom avea un coeficient de corelaţie multiplă de ordinul III (care este
global) şi doi coeficienţi parţiali. Coeficientul de corelaţie multiplă exprimă o
dependenţă a celor două cauze, de efect, fără a elimina influenţa reciprocă a celor
două cauze. Are expresia:
Rz,xz=[(rxz2+ ryz2-2 rxy rxz ryz)/(1- rxy2)]1/2
Se observă apariţia în această expresie a coeficienţilor de corelaţie între toate

variabilele. Coeficienţii de corelaţie parţiali au expresiile:
Rzx,z=( rzx - rzy rxy)/[(1- rzy2)(1- rxy2)]1/2
Rzy,x=( rzy - rzy rxy)/[(1- rzx2)(1- rxy2)]1/2
În mod similar se procedează pentru o reprezentare în patru sau mai multe

dimensiuni, situaţie care se foloseşte mai rar. În aceste cazuri vom avea un
hiperplan care ajustează puncte din acel spaţiu. Nu se mai poate reprezenta
geometric. În aceste cazuri coeficienţii de corelaţie au forme mai complicate, pe
care nu le vom mai scrie. Aceşia se pot găsi în orice tratat de statistică.
7.3. Analiza statistică

Acest grup de operaţii se execută pe coverage punct. În literatura de specialitate se
mai numeşte Point Pattern Analysis. Metode statistice se aplică în mod selectiv şi în
celelalte grupuri de operaţii însă aici sunt implicate în mod exclusiv. Distribuţia
punctelor în plan este caracterizată de frecvenţă, densitate, centru de greutate,
dispersie şi aranjarea spaţială. Cu excepţia ultimei, toate acestea fac parte din bazele
statisticii descriptive. În general, datele statistice în forma lor brută, reprezintă o
mulţime dezorganizată de puncte. Prima problemă este aceea de a face o grupare a
datelor astfel încât să înlesnească combinarea cu alte date de acelaşi gen şi să se
poată ulterior face o analiză.
Considerăm un sistem de coordonate cartezian XOY, fiecare punct fiind definit de

două mărimi (numere) date de coordonatele sale (x,y). Operaţiile se fac pe aceste
coordonate. Frecvenţa reprezintă numărul de apariţii ale punctelor în plan şi este
prima măsură care se aplică distribuţiei de puncte. Frecvenţa se utilizează în special
când avem serii dinamice, adică atunci când avem o distribuţie în timp a poziţiilor
punctelor care, în general, se foloseşte în cadrul unor procese. De fapt, acest lucru
implică o operaţie pe mai multe straturi, dar datorită specificului său se introduce
aici. Mai des se foloseşte densitatea de puncte.
Proprietăţile geografice ale punctelor sunt caracterizate de centrul geometric şi

dispersie. Centrul geometric se măsoară evaluând media coordonatei x şi a
coordonatei y. Cu alte cuvinte centrul geometric este dat de un punct (x, y.) care
reprezintă fiecare media celor două coordonate. Interpretarea geometrică este strâns
legată de dispersie. Dispersia este definită prin relaţia :
Sx2 = (1/n) Σ( xi -x)2
unde x este media aritmetică a valorilor xi, n fiind numărul total de puncte, iar
însumarea se va subînţelege că se face de la 1 la n.
Deoarece harta este în două dimensiuni, vom avea câte o dispersie pentru fiecare
coordonată. Aceasta ne indică dispersia punctelor de-a lungul axelor OX şi OY.
Mărimile Sx şi respectiv Sy definesc abaterea medie pătratică pentru fiecare
coordonată. Abaterea medie pătratică este un indicator sensibil, care arată gradul de
omogenitate al valorilor implicate. Cu alte cuvinte aceasta ne arată gradul de
“împrăştiere” al valorilor individuale xi faţă de media x.
În figura 41 am înfăţişat o aceeaşi dispersie atât în direcţia OX cât şi în direcţia

OY. În figura 43 avem o dispersie mare în ambele direcţii; din punct de vedere a
repartiţiei spaţiale se mai numeşte repartiţie aleatoare.
Există situaţii când dispersia nu are semnificaţie însă punctele în ansamblu pot
aduce o informaţie. Există două situaţii: gruparea punctelor sub formă de nori
(clusters) şi puncte uniform împrăştiate (scater). În figura 43 şi 44 am înfăţişat cele
două situaţii posibile.
Primul tip de grupare concentrează un număr de puncte pe o suprafaţa relativ mică.

Aranjarea spaţială se poate evalua prin măsurarea distanţelor dintre punctele
învecinate. Mărimea care cuantifică aceasta se numeşte indice de vecinătate.
Înainte de a defini acest indice trebuie să evaluăm o altă mărime care să ne dea o
măsură a distanţelor între puncte care este
D = (1/n) Σ di
unde di este distanţa dintre punct şi vecinii săi, iar n este numărul total de puncte
faţă de care se face evaluarea. Deoarece se consideră că punctele sunt distribuite la
întâmplare, o mărime care se consideră distanţa medie a punctelor implicate este
dată de formula:
M=(1/2)(A/n)1/2
unde A este aria hărţii. Astfel indicele de vecinătate se defineşte ca fiind egal cu
raportul celor doi indici definiţi mai sus:
Iv=D/M
Valorile teoretice ale Iv sunt în domeniul 0 şi 2,1491 (Cho, 1997). Când toate
punctele sunt în aceeaşi locaţie vom avea D=0, în consecinţă şi Iv=0. În cazul în
care Iv este apropiat de 1, distribuţia se consideră aleatoare. În general o valoare
mică pentru Iv indică nori de puncte, în timp ce o valoare mare indică o împrăştiere.
Aplicaţiile acestor grupuri de operaţii pot avea o factură diversă. Dintre acestea
amintim distribuţia speciilor de animale pe o suprafaţă.
7.4. Analiza reţelelor

Analiza spaţială pe structuri liniare se numeşte analiza reţelelor (network analysis).
Domeniile implicate: drumuri, căi ferate, telefonie, electricitate, gaz, apă-canal. O
parte importantă din acest domeniu este conţinută în ceea ce se numeşte AM/FM.
O reţea constă dintr-un număr de arce interconectate. Fiecare arc, aşa cum indică
definiţia, are un nod de start şi un nod final, parcursul său fiind direcţionat de
puncte (în Arc/Info verticies). Relaţiile topologice definite de noduri determină
conectivitatea reţelei. În figura 47 am reprezentat o reţea posibilă de drumuri.
Capetele de arce (nodurile) s-au marcat prin pătrate, iar direcţionarea s-a făcut prin
puncte.
Figura 47 Reţea de drumuri
Noţiunile de bază în analiza de reţele sunt cele legate de teoria grafurilor. Pentru o
mai bună înţelegere a conceptelor care urmează, vom defini câteva noţiuni de bază
din această disciplină. Înainte de toate vom prezenta trei probleme care pot fi
rezolvate cu teoria grafurilor.
1. Se pune problema construirii unei şosele între două localităţi x0 şi xf (figura 48),
care ar putea să treacă prin alte 6 localităţi: x1, x2, x3, x4, x5, x6. Cunoscând costul
fiecărui tronson, să se determine traseul şoselei care să lege localităţile x0 de xf
astfel încât cheltuielile să fie minime. Fiecare legătură între localităţi este asociată
cu o pondere (număr asociat fiecărui arc), care poate fi distanţa, costul construirii
tronsonului, timpul necesar pentru construirea tronsonului etc.
Figura 48 Trasee posibile între puncte

2. Fiind dată o reţea stradală, să se determine traseul minim care trebuie să-l
parcurgă un vehicol dintr-un punct iniţial x0 într-un punct final xf. Ca exemplificare
vom lua tot desenul din figura 48, de data aceasta însă ponderile vor fi timpul
minim de parcurgere sau distanţa între noduri. Precizăm faptul că, vehicolul nu
trebuie să treacă prin toate nodurile ci doar prin acelea pentru care drumul este cel
mai scurt.
3. În problema precedentă se impune o restricţie, anume ca vehicolul să treacă în

mod obligatoriu prin trei puncte intermediare, de exemplu: x1, x4, x6.
Figura 49 Structura unui graf
Noţiuni privitoare la grafuri

Fiecare din exemplele date conduce la asocierea de puncte şi arce care le unesc. Să
considerăm o mulţime finită de puncte X={ x1, x2,…, xn} pe care le unim după un
anumit criteriu. În acest mod se va obţine o corespondenţă dintre elementele
mulţimii X. Legea care stabileşte corespondenţa o vom nota cu Γ. Prin acestă lege
unui element oarecare din X i se pune în corespondenţă unul, niciunul sau mai
multe elemente ale aceleiaşi mulţimi. Graful se poate defini ca o aplicaţie
multivocă a unei mulţimi pe ea însăşi. Un graf este definit dacă se cunoaşte
mulţimea vârfurilor şi legea de corespondenţă dinte aceste vârfuri. Vom nota
G=(X,Γ). Segmentele orientate şi neorientate care unesc vârfurile se numesc arce,
respectiv muchii. De multe ori însă, şi muchiile sunt numite arce. Dacă specificăm
cu U mulţimea arcelor dintr-un graf atunci vom nota G=(X,U). Cu alte cuvinte, un
graf poate fi definit ca un sistem format dintr-o mulţime X de elemente xi, numite
vârfurile grafului şi de mulţimea U de perechi ordonate sau neordonate (xi, xj),
numite arcele, respectiv muchiile grafului. Arcele pot fi asociate cu ponderi sau nu
după problema practică care trebuie rezolvată. Pentru început se vor considera doar
grafuri fără ponderi. Se observă că, nu se face deosebire între vârfuri şi noduri în
înţelesul dat de modelele vectoriale topologice. De aceea, în cele ce urmează, nici
noi nu vom face deosebire între vârfuri şi noduri. De asemenea, arcul din modelul
topologic de reţea are aceaşi proprietate de bază ca şi arcul din teoria grafelor,
anume orientarea. Diferenţa constă în faptul că, în modelele vectoriale arcul este
compus din mai multe segmente (care în fapt simulează o curbă), forma sa fiind
foarte importantă şi are o semnificaţie precisă în localizarea spaţială. În teoria
grafelor, arcul este doar orientativ (ca poziţie) şi poate avea semnificaţie aspaţială,
important fiind ce noduri leagă şi cu ce pondere este asociat. În cele ce urmează
vom defini câteva noţiuni din teoria grafelor necesare pentru a înţelege mai în
profunzime analiza de reţele.
Convenim să reprezentăm vârfurile lui X prin puncte în plan şi de câte ori pentru
două puncte oarecare x şi y există relaţia xρy, ducem un arc de la x la y. Graful
orientat este un graf în care s-a definit un sens de parcurgere (figura 50).
Figura 50 Graf orientat
Legăturile sunt reprezentate prin arce (săgeţi). În acestă situaţie avem perechi
ordonate (xi, xj). În caz contrar avem un graf neorientat şi deci perechi neordonate
(xi, xj). Un graf este planar atunci când intersecţia a două arce generează un nod. În
caz contrar graful se numeşte neplanar. Menţionăm că, în modele vectoriale avem
doar grafuri planare. Numim drum de la x la y o succesiune de perechi (x,x1),

(x1,x2)…,(xn,y) care sunt arce ale grafului. Dacă x=y atunci spunem că avem un
circuit. Numim semigrad interior al vârfului x numărul arcelor care au extremitatea
finală în vârful x. Cu alte cuvinte semigradul interior reprezintă numărul arcelor
care sosesc în vârful x. Semigradul exterior al unui vârf este numărul arcelor care
au extremitatea iniţială în vârful x, adică numărul arcelor care pleacă din vârful x. În
cazul unui graf neorientat cele două noţiuni se confundă.
Evaluarea structurii reţelei. Indicii γ şi α.

Structura unei reţele poate fi evaluată în mai multe moduri, indicii γ şi α fiind cele
mai importante elemente cantitative. Indicele γ se defineşte ca fiind raportul dintre
numărul de legături l şi numărul maxim de legături posibile în reţea:
γ=l/lmax
Într-un graf planar numărul maxim de legături posibile este 3(n-2), unde n este
numărul total de noduri. Deci
γ=l/[3(n-2)]
Din definiţie rezultă că 0≤γ≤1, O valoare apropiată de 0 ne indică o structură simplă

a reţelei, iar o valoare apropiată de 1 o structură complexă, cu multe legături. Cazul
extrem γ=1 indică un graf complet (fiecare nod este legat de toate celelalte). În
cazul grafurilor neplanare, cum ar fi reţeaua de transport aeriană, numărul maxim
de legături este n(n-1)/2.
Indicele α evaluează structura reţelei într-o manieră similară. Acest indice
se defineşte prin raportul numărului de circuite existent şi numărul maxim de
circuite posibil:
α=c/cmax
Numărul maxim de circuite este de 2n-5.

Cei doi indici dau o măsură a complexităţii reţelei. Aceştia se folosesc

periodic pentru evaluarea variaţiilor produse de actualizările făcute pe reţea.
Diametrul unei reţele este de asemenea o măsură împortantă a structurii reţelei.

Acesta reprezintă numărul maxim de paşi necesari de a ne deplasa dintr-un nod în
altul pe drumul cel mai scurt. Această noţiune nu are obiect pentru grafuri în care
nu toate nodurile sunt conectate, cum ar fi cel din figura 48. În cazul grafului din
figura 51, care va fi obiectul unui studiu ulterior, diametrul este 2, deoarece în
maximum doi paşi se ajunge din orice nod în oricare altul.
Figura 51 Un graf de diametru 2
Matricea de incidenţă (de conectivitate), a drmurilor şi a circuitelor

Fiecărui graf i se asociază o matrice pătrată de ordinul n (n=nr. maxim de vârfuri)
care au valori booleene (doar 0 şi 1) şi care evidenţiază existenţa arcului (xi,xj). În
general, în linia i sunt marcate cu 1 arcele care au ca extremitate iniţială vârful xi,
iar în coloana j sunt marcate cu 1 arcele care au ca extremitate finală vârful xj. În
cazul unui graf neorientat matricea aij (i, j=1,…,n) este simetrică, adică aij=aji şi
aii=0 (nu avem bucle în noduri, adică nodul nu este conectat cu el însuşi). Matricea
astfel construită se numeşte matrice de incidenţă (de adiacenţă sau de
conectivitate). Această situţie apare mai des în aplicaţiile analizei de reţele. Să
considerăm graful din figura 51. Matricea de incidenţă corespunzătoare acestui graf
este:
1 2 3 4 5 6 Σ
1 0 1 1 1 0 0 3
2 1 0 1 0 0 1 3
3 1 1 0 1 1 0 4
A=
4 1 0 1 0 1 0 3
5 0 0 1 1 0 1 3
6 0 1 0 0 1 0 2
18
Elementele nenule ale matricii A pun în evidenţă arcele, adică drumurile de

lungime 1, elementul aij=0 indică inexistenţa arcului de la i la j. Ridicând la pătrat
matricea A vom obţine:
1 2 3 4 5 6 Σ
1 3 2 3 2 2 1 13
2 2 3 2 2 2 1 12
3 3 2 4 3 2 2 16
A2=
4 2 2 3 3 2 1 13
5 2 2 2 2 3 1 12
6 1 1 2 1 1 2 8
74
Semnificaţia elementelor matricii A2 este următoarea: numărul unic de drumuri care

permite deplasarea de la un nod la altul prin exact două legături (doi paşi) este dat
de elementele aij2. De exemplu, dacă luăm linia 3 şi coloana 4, avem valoarea
a342=2, adică ca să ajungem din nodul 3 în nodul 4 pe exact două arce diferite, avem
două posibilităţi.
Evaluarea matricii A3 nu are sens în cazul de faţă, după cum vom vedea mai jos.
Însă la reţele mai complicate interpretarea elementelor aij3 este următoarea: numărul
unic de drumuri care permite deplasarea de la un nod la altul prin exact trei legături
(trei paşi) este dat de valorile aij3.
Accesibilitatea reţelei
Accesibilitatea reţelei poate fi evaluată luându-se în considerare nodurile
individuale sau întreaga reţea. În ambele cazuri trebuie construită matricea de
accesibilitate T. Aceasta se defineşte ca fiind egală cu suma puterilor matricii de
incidenţă până la o putere egală cu diametrul reţelei.
T=A1+A2+…+Ad
În cazul nostru diametrul este egal cu 2, deci matricea de accesibilitate este:
T=A1+A2
Efectuând calculele, obţinem
1 2 3 4 5 6 Σ
1 3 3 4 3 2 1 16
2 3 3 3 2 2 2 17
3 4 3 4 4 3 2 20
T=
4 3 2 4 3 3 1 16
5 2 2 3 3 3 2 17
6 1 2 2 1 2 2 10
96
Elementele matricii T reprezintă numărul total de căi care permite deplasarea dintr-
un nod în altul direct sau indirect. Coloana sumă indică numărul total de căi care
permite deplasarea dintr-un nod în toate celelalte noduri din întreaga reţea. În
exemplul nostru se observă că, cea mai mare valoare din coloana sumă îi
corespunde nodului 3. Deci acesta are accesibilitatea maximă. Accesibilitatea în
reţea este un indicator global al reţelei care indică posibilităţile de deplasare.
Însumarea elementelor coloanei sumă, care este 74, denotă o accesibilitate bună
raportat la numărul de noduri. În general cu cât valoarea este mai mare cu atât
există mai multe posibilităţi în reţea.
Strucura reţelei într-un graf ponderat

Structura unui graf ponderat este o măsură a complexităţii reţelei. Evaluarea unei
reţele prin indicii γ şi α, precum şi prin matricea de incidenţă este o metodă simplă.
În multe situaţii legăturile au lungimi diferite, în speţă arcele sunt asociate cu
anumite valori care reprezintă ponderi, care sunt folosite pentru evaluarea unor
caracteristici. În literatura de specialitate o astfel de pondere se mai numeşte factor
de impedanţă. Aşa cum am înfăţişat graful din figura 48, factorul de impedanţă
poate fi: distanţă, cost, timp de parcurgere etc. Astfel structura reţelei se evaluează
după aceşti factori de impedanţă. Spaţiul alocat acestei secţiuni nu ne permite să
detaliem aceste noţiuni. Ne limităm la enumerarea problemelelor clasice ale teoriei
grafurilor cu aplicaţii în analiza de reţele. Este vorba de problema drumului minim,
problema comis-voiajorului şi problema transportului.
Problema drumului minim

O problemă tipică în analiza reţelelor este de a găsi drumul cel mai scurt de la un
nod la altul. Se consideră că între două noduri învecinate distanţa este cea mai mică.
Unul din algoritmii care rezolvă acestă problemă este Bellman-Kalaba. Dintre
aplicaţii amintim: intervenţii ale maşinilor aparţinând salvării, pompierilor sau
poliţiei. Această problemă implică o singură origine şi o singură destinaţie.
Problema comis-voiajorului
O altă problemă cu multe aplicaţii este găsirea drumului celui mai scurt dintre două
noduri, dar cu opriri obligatorii în alte noduri. Această problemă implică o origine
şi mai multe destinaţii. Nodurile sunt conectate prin arce, care au ponderi şi care
reprezintă distanţa între noduri. Şi în această situaţie distanţa este minimă între două
noduri învecinate. Scopul este de a găsi ruta optimă cu parcurgerea nodurilor
obligatorii. Dintre aplicaţiile posibile amintim distribuţia de mărfuri la mai multe
magazine.
Problema transportului
Această problemă, care este o problemă clasică a cercetărilor operaţionale implică
origini multiple şi destinaţii de asemenea multiple. Scopul este de a găsi traseul
optim şi costul minim între aceste origini şi destinaţii. Se presupun cunoscute
distanţa sau costul dintre două noduri învecinate. În cazul cel mai simplu se
consideră că cererea este egală cu oferta şi toate nodurile sunt disponibile. Ca
exemplu putem considera că o companie are 3 linii de fabricaţie în 3 locuri diferite.
Produsele sunt subansamble pentru un anumit produs finit care se fabrică în alte 4
locuri. Problema care se pune este de a determina rutele optime astfel încât să se
parcurgă într-un timp minim traseele între nodurile sursă şi cele destinaţie.
7.5. Analiza suprafeţelor

Analiza suprafeţelor presupune distribuţia unei variabile care reprezintă a treia
dimensiune a datelor spaţiale. Atunci când vorbim de reprezentare tridimensională
(3D) se subînţelege că este vorba de elevaţie. La modul general însă, a treia
dimensiune poate fi considerată şi altceva, depinzând de datele implicate şi de
modul în care se doreşte a fi înfăţişată această dimensiune. Am putea avea de
exemplu, o reprezentare a precipitaţiilor care poate fi înfăţişată în 2D prin izolinii şi
în 3D prin suprafaţe. În cele ce urmează referirea se va face în special la elevaţie.
Mărimea care reprezintă a treia dimensiune se notează de obicei cu z, şi deşi uneori
îi vom spune variabilă, în fapt este o funcţie de două variabile z = f(x,y). Aceasta
este organizată în diferite feluri: puncte dispuse neregulat, contururi de izolinii,
latice, grid şi TIN. Prin înfăţişarea tridimensională este necesară evaluarea mărimii
z în orice punct. Prima problemă care apare în analiza suprfeţelor este realizarea
umui model de elevaţie.
Modelul digital de elevaţie (Digitale Elevation Model - DEM)

Modelarea spaţială complexă permite analiza datelor spaţiale care conţin altimetria.
Reprezentarea digitală a suprafeţei terenului se numeşte model digital al terenului
(Digital Terrain Model – DTM) sau model digital de elevaţie (Digital Elevation
Model – DEM). Pentru referirea la această noţiune am păstrat ultima definiţie. În
esenţă, acest model conţine distribuţia tridimensională a punctelor de coordonate

(x,y,z). Crearea suprafeţelor se face în mod diferit în cele două sisteme de
reprezentare: vector şi raster. Menţionăm faptul că, pachetele de programe
complexe realizează modelul de elevaţie sub toate aspectele discutate mai jos, altele
însă nu pot crea DEM, dar deţin anumite funcţii de analiză spaţială pentru
prelucrare (la fel se întâmplă şi în cazul produselor de teledetecţie). Pe de altă parte,
există pachete de programe specializate în crearea şi înfăţişarea suprafeţelor în 3D,
independente de produsele GIS, cum ar fi programul Surffer al firmei Golden
Software. Acestea însă pot fi importate şi în anumite produse GIS. În cele ce
urmează vom aborda trei modele vectoriale mai importante şi apoi modelul raster.
În sistemul vector există trei modele principale de reprezentare a suprafeţelor în 3D:

- modelul punct;
- modelul linie;
- modelul de suprafaţă bazat pe triunghiuri neregulate (TIN).
Figura 52 Puncte de elevaţie dispuse Figura 53 Curbe de nivel

neregulat
Modelul punct este cel mai simplu şi constă într-un set de puncte dispuse neregulat
pe o suprafaţă bidimensională (în coordonate x,y), în care valoarea lor reprezintă
elevaţia (z). Din punct de vedere al volumului de stocare pe suport magnetic este
cea mai eficientă formă de organizare (ocupă cel mai puţin spaţiu pe disc). O
suprafaţă plată sau cu pante constante este reprezentată în mod eficient prin câteva
puncte care delimitează arealul respectiv. O hartă care înfăţişează doar puncte ale
căror etichetă reprezintă cota, nu arată o distribuţie spaţială a elevaţiei. Construirea
unei suprafeţe direct dintr-un set de puncte dispuse neregulat (figura 52) este
dificilă. În schimb din modelul punct se poate obţine o hartă ce înfăţişează curbele
de nivel (vezi modelul liniar).
O altă structură bazată pe modelul punct este laticea. O latice este compusă
din puncte dispuse regulat, fiecare reprezentând o locaţie (x,y,z) pe suprafaţă
(figura 54). Mai precis este vorba de o matrice de celule ale căror centru reprezintă
cota. Acestă manieră de reprezentare este asemănătoare cu grid (vezi mai jos), dar
diferă de aceasta prin modul în care se fac operaţiile analizei spaţiale şi modul de
interpretare al rezultatelor. Spaţiul pe disc este relativ mare.
Figura 54 Structura latice
Modelul liniar se referă la reprezentarea suprafeţelor în 3D prin contururi

de curbe (curbe de nivel). În acest caz, variabila z este convertită într-o
caracteristică liniară de aceeaşi valoare. În esenţă, suprafaţa este reprezentată printr-
un set de linii de diferite valori la intervale constante (figura 53). Acest model are
avantajul că este imediat reprezentabil, fiind cea mai eficinetă manieră de

reprezentare a elevaţiei pe hărţi tradiţionale. Un alt avantaj este eficienţa stocării
datelor. În schimb analiza bazată pe curbe de nivel este mai dificil de realizat.
Figura 55 Un element al structurii TIN: un triunghi în

spaţiul tridimensional
Modelul de suprafaţă constă dintr-o reţea de triunghiuri dispuse neregulat bazată pe

puncte de elevaţie cunoscute. Înclinarea terenului este considerată constantă pe
fiecare triunghi. Dimensiunile triunghiurilor variază în funcţie de cea a terenului.
Modelul rezultat este cunoscut sub numele de reţea de triunghiuri neregulate
(Triangulated Iregular Network - TIN). În fişiere se înregistrează valorile (x,y,z) ale
vârfurilor triunghiurilor precum şi atributul lor care dau înclinarea şi direcţia.
Figura 56 Reprezentarea internă a unei structuri TIN,

inclusiv topologia
Triunghiurile mari sunt folosite pentru o variaţie mică a altitudinii, iar cele mici în
caz contrar. Acest lucru îi conferă un avantaj în operaţiile analizei spaţiale precum
şi a volumului pe disc. Structura topologică cuprinde poligoane şi noduri (figura
56). Triunghiurile se caracterizează prin: număr triunghi, laturi şi vârfuri.
Structura TIN permite:
- calculul pantei şi a orientării fiecărei feţe;
- expunerea la lumina solară;
- vizibilitatea dintr-un anumit punct şi posibilitatea de a modifica poziţia
acestuia;
- curbe de nivel a căror noduri se situează la intersecţia dintre feţe şi un plan
orizontal de altitudine dată;
- profile liniare - de-a lungul axei OX şi neliniare - de-a lungul unui itinerar (vezi
operaţiile analizei spaţiale);
- vizualizare în 3D foarte realistă.
Figura 57 O structură TIN reprezentată în

plan
În figura 58 am simulat o porţiune de teren şi reţeaua de triunghiuri corespunzătoare.
Figura 58 Un peisaj real modelat printr-o

strucură TIN
Sistemul raster generează un singur model bazat pe modelul punct, dar cu puncte
distribuite uniform (vezi modelul latice). Se mai numeşte şi model grid. În esenţă
modelul constă în atribuirea fiecărui pixel câte un atribut care reprezintă altitudinea.
Cu cât celulele din grid sunt mai mici cu atât acurateţea este mai bună. Evident că
mărimea celulelor este aceeaşi pe întrega suprafaţă, astfel că areale cu teren foarte
variat sunt descrise cu o acurateţe mai slabă decât un areal cu variaţii mai mici. Deci în
acest caz sistemul raster este deficitar. Ca şi modelul punct din sistemul vector,
modelul raster este simplu. În schimb este foarte voluminos din punct de vedere al
spaţiului pe disc, ca orice imagine raster. Afişarea şi prelucrarea este de asemenea
simplă comparativ cu modelele vectoriale. Obţinerea unui model raster DEM se
face aproape automat din imagini aeriene sau satelitare stereo utilizându-se un soft
specializat. Sunt puţine produse care fac acest lucru.
Următoare problemă care apare în cadrul modelelor de elevaţie este de a evalua

altitudinea în puncte în care aceasta nu este definită. Operaţiunea se realizează prin
interpolare. Sigur că interpolarea va fi abordată într-o manieră simplificată
evidenţiind esenţa problemei.
Interpolarea în plan
Interpolarea în plan este procedeul prin care se determină o funcţie numită funcţie
de interpolare, care să aproximeze pe un interval [a ,b] o funcţie f(x) ale cărei valori
sunt cunoscute numai în anumite puncte a=x0< x1<…< xn=b. Evident funcţia de
interpolare coincide cu funcţia dată tabelar în punctele respective. Scopul
interpolării este de a găsi o funcţie analitică (sub formă de formulă) care să permită
evaluarea funcţiei tabelare într-un punct necunoscut aflat între două puncte
cunoscute (figura 59). În general nu există o metodă care să indice tipul de
interpolare ce trebuie folosit pentru o mulţime dată de puncte. Tipul funcţiei de
interpolare se stabileşte a priori (funcţie liniară, polinomială etc.), din consideraţii
teoretice sau din aranjamentul pe care îl sugerează reprezentarea în plan a punctelor

.
Figura 59 Interpolarea unei funcţii Figura 60 Interpolarea liniară
Deoarece, în general arcele care apar în reprezentarea datelor spaţiale sunt

aproximate prin segmente, considerăm că este necesară o detaliere a interpolării
liniare. Aşa cum indică şi numele, aceasta implică o funcţie de interpolare liniară.
Presupunem că avem o mulţime de numere x0, x1,…, xn şi că, pentru fiecare xi avem
pe un interval [a,b] doar acelaşi număr de mărimi yi corespunzătoare, care
reprezintă valorile funcţiei tabelare în punctele xi. Să notăm cu x valoarea
intermediară între două puncte xi şi xi+1, adică xi<x<xi+1. Dorim să evaluăm o valoare
y corespunzătoare acestui punct. Pentru aceasta construim un segment de dreaptă
AB (figura 60) între punctele (xi, yi) şi (xi+1, yi+1) care va avea ecuaţia (dreapta care
trece prin două puncte):
y= yi +( x- xi)( yi+1- yi)/( xi+1 - xi)
În mod evident pentru fiecare interval [xi,xi+1] avem o altă ecuaţie, deci evaluarea
funcţiei liniare în punctele intermediare se face conform cu ecuaţia dreptei stabilită
pentru acest segment. Interpolarea liniară este cel mai simplu tip de interpolare.
Observaţii. Trebuie să facem distincţie între interpolare şi ajustare, deoarece

ambele aproximează o funcţie dată tabelar. Reamintim că, în ceea ce priveşte
ajustarea curbei care aproximează punctele nu este necesar ca acestea să treacă prin
ele. În acest caz curba de ajustare se obţine din evaluarea distanţelor de la curbă la
fiecare punct şi se alege acea funcţie care îndeplineşte condiţia ca suma pătratelor
distanţelor la acea curbă să fie cea mai mică. Funcţia de interpolare după cum am
văzut trece prin puncte. Alegerea funcţiei se face în raport cu problema concretă de
rezolvat. În general, ajustarea se pretează în situaţiile în care punctele reprezintă
masurători sau observaţii, care prezintă un anumit grad de incertitudine (fără a avea
posibilitatea de a-l măsura direct), iar interpolarea se aplică în cazul când valorile
datelor tabelare se consideră precise.
Interpolarea spaţială
Scopul interpolării spaţiale este de a estima valoarea z în orice punct de pe hartă,
având câteva valori cunoscute (suficient de multe). O condiţie importantă este ca
funcţia z=f(x,y) să fie continuă pe suprafaţa respectivă în raport cu cele două
variabile. Alegerea metodei este în funcţie de aspectul general al valorilor
cunoscute, deoarece o valoare specificată depinde de valorile învecinate.
Problematica interpolării în spaţiul tridimensional (3D) este mult mai complicată.
Distingem două categorii de interpolări: de curbe şi de suprafeţe. Interpolarea
curbelor (strâmbe) este puţin utilizată în produsele GIS. Interes prezintă
interpolarea curbelor de nivel (sau a izoliniilor, în general), care nu reprezintă
curbe strâmbe. Vom avea variaţii în două direcţii (ox şi oy), valoarea pentru z
rămânând constantă. Mai precis este vorba de a genera noi contururi în planul xoy,
deci în 2D, care unesc puncte ale căror valori sunt constante, aceasta din urmă fiind
evaluată în funcţie de curbele vecine.
În cartografia tradiţională, ca şi în cea digitală, trebuiesc respectate câteva reguli:

fiecare linie se închide, în cazul în care nu e întreruptă de marginile care
delimitează harta; liniile nu se intersectează între ele; din punct de vedere al
interpolării, fiecare porţiune de linie separă două areale adiacente de valori z
diferite. De o parte avem valori mai mici ale lui z, iar de cealaltă parte valori mai
mari.
Interpolarea contururilor
În cele ce urmează vom aborda interpolarea contururilor în forma cea mai simplă pe
un exemplu. Să considerăm două curbe de nivel aflate la distanţă de 10 m. Punctul
P este localizat undeva între 310 şi 320 m (figura 61). Vom presupune că suprafaţa
este continuă şi că variaţia locală este în general constantă. În caz contrar metoda nu
dă rezultate corecte pentru noua curbă obţinută.
Figura 61 Interpolarea între Figura 62 O hartă topografică care

două curbe de nivel conţine curbe de nivel obţinute prin
interpolare
Se determină segmentul cel mai scurt care trece prin punctul P şi este incident la
cele două curbe. Să notăm punctele cu A şi B a căror coordonate se cunosc, acestea
fiind cunoscute din procesul de digitizare. Dacă desemnăm prin (x1, y1), respectiv
(x2, y2) coordonatele punctelor A şi B, punctul P va avea coordonatele:
x=(x1+kx2)/(1+k)
y=(y1+ky2)/(1+k)
Constanta k este raportul în care se împarte segmentul AB. Dacă k=1, P va fi la

jumătatea distanţei între A şi B. Fixându-se k, se pot obţine curbe de nivel
intermediare, practic oriunde între două curbe considerate corecte. Toate acestea
sunt încorporate în programe care sunt activate prin comenzi de către utilizatori.
Interpolarea funcţiilor de două variabile

În cele ce urmează vom prezenta într-o formă simplificată problema interpolării
unei funcţii de două variabile. După cum se ştie o suprafaţă în spaţiul 3D este dată
de o funcţie de două variabile z=f(x,y). Să considerăm că funcţia este dată pe un
sistem de puncte echidistante (vezi latice) (xi, yi), i=1,2,…,n, ale căror valori pentru
z sunt cunoscute şi sunt date sub formă tabelară. Pentru simplificare vom nota
aceste valori cu:
zi=f(xi,yi)
Interpolarea unei funcţii de două variabile constă în evaluarea lui z în puncte care
nu aparţin tabelului. Găsirea acestor valori se face din aproape în aproape, separat
pentru fiecare din variabile. Să presupunem că trebuie să obţinem valoarea z în
punctul (x,y). Se fixează yk şi vom considera o funcţie de variabilă x:
fk=f(x,yk)
De fapt pentru fiecare valoare a lui y din tabel, avem o funcţie de variabilă x. Cu
alte cuvinte suntem în cazul interpolării unei funcţii de o variabilă, care în cazul
liniar are o formă similară cu cea obţinută mai sus. Procedeul se repetă fixând de
data aceasta pe x şi vom avea câte o funcţie de y pentru fiecare valoare a lui x.
Aplicaţii ale analizei suprafeţelor

Dintre aplicaţiile analizei suprafeţelor amintim: realizarea hărţilor de izolinii,
profile topografice şi diagrame de perspectivă.
Hărţile de izolinii. O aplicaţie directă a interpolării spaţiale este evaluarea cotei sau
reprezentarea elevaţiei prin curbe de nivel. În figura 62 am înfăţişat o hartă de
izolinii care reprezintă elevaţia pe un areal.
Figura 63 Hartă de izolinii şi profilul corespunzător

Figura 64 Traseul unei şosele şi profilul corespunzător
Profilele topografice sunt cunoscute sub numele de profile transversale. Acestea

reprezintă variaţia reliefului de-a lungul unei linii. În figura 63 am înfăţişat un profil
trasat pe o paralelă la axa OX, cea mai întâlnită situaţie, iar în figura 64 un profil
obţinut de-a lungul unei şosele.
Diagramele în perspectivă sunt cunoscute şi sub numele de blocdiagrame. Acestea
înfăţişează în plan impresia pe care o are observatorul când priveşte o suprafaţă în
3D. Se construiesc prin unirea unor profile topografice de-a lungul axei OX, OY
sau în ambele direcţii. În figura 65 am prezetat o diagramă de perspectivă privită
dintr-un unghi arbitrar. În general produsele soft oferă comenzi de vizualizare a
blocdiagramelor din orice direcţie şi cu orice unghi.
Figura 65 Blocdiagramă privită dintr-un unghi arbitrar

7.6 Analiza grid

Aşa cum am văzut, modelul raster se bazează pe celule de arie egală cărora le sunt
atribuite numere, acestea la rândul lor sunt asociate cu culori, în vederea
reprezentării pe monitor sau imprimantă. Operaţiile suportate de acest model sunt
numeroase şi foarte diferite de cele corespunzătoare modelelor vectoriale, deoarece
structura este total diferită. Aici nu se disting puncte, linii sau poligoane, acestea
ieşind în evidenţă prin valorile atribuite pixelilor.
Un strat raster poate avea asociat tabel de atribute sau nu. Dacă nu, atunci atributul
se recunoaşte după tema hărţii. În acest caz nu există nici o deosebire între o
imagine satelitară digitală şi o hartă raster, afară doar de faptul că aceasta din urmă
poate fi georeferenţiată. O hartă raster are de regulă, tabel de atribut asociat.
Aşa cum am văzut, o structură raster este de fapt o matrice de numere. Operaţiile
analizei grid se referă la operaţii pe aceste numere. Există, bineînţeles şi operaţii
asupra atributelor, acestea având un rol minor, aşa că vom insista mai puţin pe
acestă temă.
Până acum, toate operaţiile menţionate (cu mici excepţii) sunt proprii modelelor
vectoriale. În cadrul analizei grid se poate include următorul grup de operaţii:
operaţii pe un singur strat, operaţii pe straturi multiple, analiza suprafeţelor şi
analiza statistică. Dacă facem comparaţie cu grupurile de operaţii studiate până
acum observăm că aici nu se include analiza pe reţele care este specifică structurilor
vectoriale.
Dintre operaţiile elementare specifice pe structuri raster am ales doar câteva, pe care
le considerăm cele mai reprezentative.
Operaţii pe un singur strat

Acest gen de operaţii se referă la modificarea valorilor celulelor prin înmulţirea sau
împărţirea lor cu un număr. De fapt acest lucru corespunde înmulţirii unei matrici
cu un scalar. Dacă notăm cu aij (i=1,n; j=1,m), unde n este numărul de linii, iar m
numărul de coloane, rezultatul va fi o altă matrice care va avea componentele:
cij= k aij
Valorile noi obţinute pentru pixeli se vor reflecta în afişare.
Dacă acest gen de operaţii este intuitiv, analiza de proximitate în grid este mult
diferită. Pentru aceasta vom face o comparaţie cu distanţele măsurate pe structuri
vectoriale. Să considerăm o suprafaţă egală în ambele reprezentări (figura 66).
Figura 66 Cele trei tipuri de distanţe grid
În cazul vectorial (a), dimensiunea caroiajului este egală cu 1, iar în cazul raster (b),
aceeaşi unitate va fi considerată ca fiind dimensiunea unei celule. Distanţa
euclidiană dintre A şi B este dată de formula (teorema lui Pitagora):
AB= (AC2 + CA2)1/2

care, în cazul nostru va avea aproximativ valoarea 7. În structura raster vom avea
două metode: distanţa Manhattan (b) şi proximitatea (Berry 1993). În primul caz
vom avea AB = 10, iar în al doilea caz vom avea tot valoarea aproximativă 7.
Prima metodă a primit această denumire de la cunoscutul cartier din New York care
are o reţea stradală ca şi un grid, iar pentru a merge dintr-un punct în altul trebuie
parcurs un drum ca acela din figura 66 b). A doua metodă constă în stabilirea de
zone concentrice echidistante faţă de un punct. Practic valorile celulelor sunt
calculate tot după teorema lui Pitagora. În practică se foloseşte cea care este
compatibilă cu problema de rezolvat.
Un alt grup de operaţii, pe care îl vom numi TRANSFORM (comandă preluată din
produsul Idrisi - GIS raster, larg răspândit şi accesibil), are încorporate mai multe
tipuri de transformări. În esenţă este vorba de modificarea valorilor pixelilor prin
aplicarea unei funcţii elementare cum ar fi: exponenţială, logaritmică, radical,
trigonometrice etc. De exemplu, aplicarea funcţiei logaritmice pe valorile pixelilor
dintr-o imagine raster are ca rezultat o imagine a căror valori reprezintă logaritmul
(zecimal) din valorile iniţiale pe care se aplică. În principiu, utilizatorul poate
adăuga alte funcţii, care nu există în biblioteca standard de programe, cum ar fi de
exemplu o funcţie logistică.
O operaţie mai puţin intuitivă este înlocuirea unei porţiuni din imagine cu valoarea
de atribut. Cu alte cuvinte este vorba de obţinerea unei hărţi din tabela de atribut. În
Idrisi acestă comandă se numeşte ASSIGN.
O altă operaţie importantă este obţinerea unei imagini booleene dintr-o imagine
oarecare. Aceasta se face prin fixarea la 1 a valorilor pixelilor din imaginea dată şi
la zero restul de valori. Această operaţie este utilă pentru identificarea şi afişarea
unei anumite caracteristici dintr-o imagine, fără a ne interesa celelalte.
Ultimul grup de operaţii pe care îl vom aminti în cadrul operaţiilor pe un singur

strat sunt cele referitoare la filtrare. În esenţă acest grup de operaţii modifică
valorile celulelor dintr-o imagine prin aplicarea unei operaţii aritmetice asupra
pixelilor, precum şi a vecinilor săi. Rezultatul va fi o imagine mai “netedă” decât

originalul. De obicei această operaţie se foloseşte după o interpolare.
Acest grup de operaţii include multe alte proceduri, dându-se şi posibilitatea de a

crea altele noi, parte din ele regăsindu-se în procesarea de imagini. Ultima operaţie
pe care o vom aminti este înlocuirea valorii unui pixel cu valorile a 3 x 3 pixeli
vecini. Acest gen de operaţii este foarte util în depistarea punctelor lipsă într-un
proces de scanare.
Operaţii pe straturi multiple

În general, operaţiile pe straturi multiple implică două imagini în intrare şi una în
ieşire. Prin repetarea acestor operaţii pot fi implicate mai multe straturi. Straturile
trebuie să aibă acelaşi număr de linii şi coloane, altminteri rezultatul nu poate fi
interpretat. Vom nota cu aij şi bij (i=1,n; j=1,m) elementele matricilor
corespunzătoare imaginilor în intrare (adică valorile numerice atribuite celulelor) şi
cu cij valorile rezultate din operaţii.
Adunarea a două imagini se defineşte prin relaţia
cij = aij + bij
Scăderea a două imagini este dată de
cij = aij - bij
Se observă că aceste operaţii sunt identice cu adunarea şi scăderea matricilor.

Înmulţirea a două imagini se defineşte prin
cij = aij x bij
iar împărţirea a două imagini
cij = aij / bij

Înmulţirea a două matrici, aşa cum este definită în algebra liniară, nu are sens
pentru imagini. Cât priveşte împărţirea, în algebra liniară nici nu există o astfel de
operaţie. Acolo se defineşte matricea inversă (pentru existenţa ei sunt necesare nişte
condiţii) care înmulţită cu o altă matrice se poate zice că simulează o împărţire.
Normalizarea se defineşte prin relaţia
cij = (aij - bij) / (aij + bij)
O altă categorie de operaţii sunt cele pe hărţi booleene. Aşa cum am văzut la
operaţiile pe un singur strat, imaginile booleene se construiesc dintr-o imagine prin
forţarea anumitor valori la 1, fondul rămânând 0. Operatorii logici sunt cei
menţionaţi în [7.2.1] AND (şi), OR (sau), XOR (sau exclusiv). Pe valori booleene
aceştia sunt definiţi astfel:
Operaţii statistice
Structurile raster se pretează la o mare varietate de operaţii statistice. Parte din
aceste operaţii au fost abordate în paragrafele precedente, unele dintre ele vor fi
reluate în cele ce urmează. Sigur că nu putem să prezentăm toate operaţiile (acest
lucru ar fi şi inutil), rezumându-ne doar, aşa cum am făcut şi până acum, la cele pe
care le considerăm cele mai reprezentative.
Fiecare produs GIS orientat pe sistemul raster are propria organizare în ceea ce
priveşte operaţiile statistice, având în componenţă acele operaţii care conduc la
rezolvarea tipurilor de probleme pe care şi le propun a fi rezolvate. Acestea pot fi

conţinute într-un modul separat sau să fie disiminate în mai multe module. Cu cât
softurile GIS conţin mai multe proceduri statistice cu atât gama de probleme pe care
o poate rezolva este mai mare şi deci este mai puternic.
Procedurile statistice au în componenţă una sau mai multe operaţii elementare şi

sunt apelabile prin comenzi, care au o anumită sintaxă ce trebuie respectată.
Acestea au un nume care sugerează tipul de operaţie pe care îl conţine.
În cele ce urmează vom prezenta câteva operaţii, iar atunci când vom folosi o
denumire, aceasta va fi ca şi mai sus, o comandă Idrisi. Menţionăm că, deoarece
hărţile raster şi imaginile digitale au aceeaşi structură, operaţiile statistice valabile
pe hărţi raster le vom regăsi şi la procesarea de imagini (proprie produselor de
teledetecţie).
Una din cele mai utilizate operaţiuni este afişarea histogramei (HISTO). Aceasta
înfăţişează grafic distribuţia valorilor pixelilor dintr-o imagine. Operaţiunea poate fi
aplicată şi pe tabelele de atribut. În general comanda HISTO este însoţită de diverse
operaţii elementare cum ar fi media aritmetică, abaterea medie pătratică, maxim,
minim, etc. Scopul utilizării acestei proceduri este de a permite evaluarea vizuală a
distribuţiei pixelilor sau a valorilor de atribut.
Înfăţişarea histogramei trebuie să preceadă o altă operaţie importantă cum ar fi

determinarea dreptei sau a curbei de regresie. În comanda REGRESS operează pe
date atribut, iar TREND pe date spaţiale. Acestea pot fi aplicate pe o aceeaşi
imagine sau pe două imagini diferite în cazul în care se doreşte obţinerea unei relaţii
funcţionale între valorile de atribut sau pixelii acestor imagini.
Procedura TREND poate fi folosită şi ca o metodă de ajustare, care să înlocuiască

procedura de interpolare, pentru determinarea valorilor pixelilor necunoscuţi dintr-o
anumită distribuţie.
Una din operaţiile mai utilizate este următoarea: din valorile de atribut ale unui şir
de perechi de valori se determină dreapta (curba) de regresie corespunzătoare a
două mărimi (să zicem altitudine (spaţial) şi temperatură (aspaţial)). Valorile
funcţiei de regresie sunt apoi utilizate pentru a genera o nouă imagine, obţinându-se
astfel o hartă raster a distribuţiei informaţiei aspaţiale (în cazul nostru temperatura).
Calculul centrului de greutate şi raza standard pentru un set de puncte se face cu o

comandă numită CENTER. Raza standard este echivalentul spaţial al abaterii medii
pătratice corespunzătoare operaţiilor aspaţiale. Se foloseşte pentru a evalua
dispersia unui punct de la locaţia cea mai probabilă.
Procedura numită QUADRAT este o tehnică utilizată pentru determinarea

caracterului punctelor distribuite aleator sau în nori (clusters). Se foloseşte
împreună cu PATTERN care include operaţii pe pixeli, funcţie de valorile
învecinate. Are ca rezultat obţinerea de informaţii privitoare la diversitate, indicele
dominant, indicele de fragmentare. Aceste mărimi sunt în mod curent utilizate în
studii ecologice.
Analiza suprafeţelor
În cele ce urmează vom schiţa metodologia obţinerii unui model digital de relief
(DEM) în raster pornind de la o hartă vectorială care conţine curbe de nivel.
Curbele vor avea drept identificatori valoarea altitudinii (atribuite în procesul de
digitizare). Prima etapă este conversia din sistem vector în sistem raster. Liniile vor
fi înlocuite printr-o secvenţă de pătrate (celule raster) de dimensiune corelată cu
rezoluţia stabilită dinainte şi care vor avea ca valoare altitudinea preluată din
identificarea curbelor. Valorile celulelor intermediare vor fi găsite prin interpolare.
În figura 67 am înfăţişat un strat raster ca rezultat al unui astfel de proces. Celulele
reprezentate în negru sunt curbele de nivel convertite din harta vectorială, iar
celulele gri sunt valorile găsite prin interpolare.
O altă operaţie inclusă în grupul de operaţii referitoare la analiza suprafeţelor este
evaluarea pantei şi aspectului pe un raster a cărui valori reprezintă altitudini (adică
DEM raster). Operaţiunea constă în compararea valorii unei celule cu valorile
celulelor învecinate. Astfel se poate obţine gradientul sau aspectul. Această
informaţie se foloseşte pentru a crea o imagine în relief. Înfăţişarea unui DEM se

face cu o comandă, rezultatul fiind un aspect de genul unei blocdiagrame.
Figura 67 Model digital de elevaţie raster obţinut dintr-o hartă

vectorială. Nuanţele mai închise reprezintă o altitudine mai mare.
7.7. Modelare în GIS

Scopul introducerii conceptului de modelare în cadrul GIS este de a oferi
posibilitatea combinării datelor din diverse surse pentru a descrie şi analiza
interacţiunile dintre date, constituind un suport pentru luarea deciziilor. Operaţiile
implicate în modelare sunt cele prezentate mai sus. Nu există un grup de operaţii
separat pentru acest scop. Oricât de multe operaţii elementare ar conţine un GIS,
acestea nu pot satisface toate cerinţele utilizatorilor, având în vedere domeniile
foarte diferite de aplicaţii posibile. Practic nu există metode generale de rezolvare a
unor probleme specifice. Deşi produsele GIS oferă o mare varietate de aplicaţii,
practic este imposibil să cuprindă programe pentru modelare cu caracter general.
Un produs GIS furnizează doar algoritmii de bază pentru modelare. Modelarea
complexă conduce la asocierea dintre un soft spacializat şi un produs GIS. De
regulă, produsele soft specializate nu au în componenţă programe privind gestiunea
BDS (sau programele sunt nesatisfăcătoare) şi deci este nevoie de un alt produs care
să facă acest lucru.
Intergrarea GIS cu alte sisteme specializate în vederea modelării implică câteva

probleme. Fie produsul soft respectiv este integrat în programele încorporate în
GIS, fie invers. În orice caz doar un singur mediu de programere din cele două va
dicta structura modelului. De cele mai multe ori programele specializate sunt
integrate în GIS. Aceasta se realizează printr-o colaborare între cele două firme
implicate, implemetând de comun acord un program de interfaţă, care va fi
transparent pentru utilizator.
Există produse GIS care permit adăugarea de funcţii noi prin scrierea de programe
de către utilizator, pentru anumite genuri de aplicaţii. Modul de integrare a
propriilor programe este prezentat în manualele care însoţesc licenţa respectivă.
La modul cel mai general un model poate fi definit ca fiind o reprezentare

convenţională a realităţii în formă materială sau simbolică. Modelele implicate în
proiecte GIS fac parte din a doua categorie. Un model în formă simbolică este o
reprezentare simplificată în termeni abstracţi a unui obiect sau fenomen în vederea
obţinerii de informaţii directe sau printr-un proces de calcul.
O hartă în formă tradiţională pe suport de hârtie este un model: reprezintă o
realitate (suprafaţă de teren), este simplificată (nu sunt înfăţişate toate detaliile),
obiectele apar în formă abstractă (semne convenţionale), se foloseşte pentru a
obţine informaţii directe sau care va face obiectul unei prelucrări, în vederea
obţinerii unor alte informaţii. Un model vectorial este o transpunere a hărţii
tradiţionale în alţi termeni abstracţi (puncte, linii, poligoane), care are ca scop
primordial stocarea pe un suport magnetic (ceea ce nu este cazul la hărţile
tradiţionale), iar apoi: afişarea, interpretarea şi prelucrarea. De asemenea modelul
raster este o altă formă de reprezentare a unei hărţi tradiţionale, sau a unui peisaj,
bazat pe cu totul alte principii şi urmărind, în mare aceleaşi scopuri. O funcţie care
reprezintă profilul de râu este un model. O ecuaţie diferenţială asociată cu un proces
de scurgere pe un versant este tot un model. Distribuţia pe o suprafaţă a unor
parametri (variablile) reprezentând concentraţia unui poluant este de asemenea un
model. Maniera de obţinere a unor astfel de modele se numeşte proces de
modelare.În cele ce urmează ne vom referi doar la procesul de modelare.
Un model obţinut cu ajutorul tehnologiei GIS îl vom numi model spaţial. Acesta
exprimă localizarea (unde), tema (ce), temporalitatea (când), relaţii între
caracteristici (cum). Scopul principal este de a obţine informaţii semnificative, într-
un timp scurt, în vederea luării deciziilor.
Când se construieşte un model spaţial, analistul trebuie să ia în considerare câteva

chestiuni incluzând natura modelului, definiţia unităţilor geografice, specificaţia
variabilelor şi metoda cantitativă folosită. Există extrem de multe căi şi metode de
construire a unui model. Pentru a decide care este cea mai potrivită metodă pentru o
situaţie particulară este necesară o analiză detaliată a acestui proces pentru a stabili
puterea (cât este de reprezentativ), limitele (cât e de general) şi slăbiciunile metodei
(grad de precizie, asocierea cu legi sau ipoteze slabe).
Procesul de modelare în cadrul GIS implică operaţii asupra bazei de date

geografice şi reprezintă obiectivul principal al analizei spaţiale. Aşa cum am văzut,
operaţiile elementare reunite în grupuri au drept scop prelucrarea datelor grafice
orientate pe anumite structuri. În cadrul procesului de modelare se vor utiliza acele
operaţii elementare care se fac utile în vederea scopului propus. Trebuie să se dea o
atenţie deosebită interpretării fiecărui rezultat în urma aplicării unei operaţii
particulare. O singură interpretare greşită în lanţul de operaţii va conduce la un
rezultat incorect.
Exemplele care vor fi amintite în rândurile ce urmează vor avea doar un caracter
orientativ. Se vor specifica doar aspectele pe care le-am considerat esenţiale a
procesului de modelare urmărindu-se doar formarea unei imagini despre
fenomenele respective şi modul în care un produs GIS îşi poate aduce aportul la
rezolvarea problemelor cu referinţă spaţială.
Un model bazat pe SIG presupune combinarea unui set de mai multe date spaţiale şi
atribut în intrare, rezultând în urma unor prelucrări, o singură hartă în ieşire.
Procesul de prelucrare se bazează pe algoritmi stabiliţi dinainte atât pe cale
empirică cât şi pe cale matematică. Modelarea matematică se împarte în două
categorii mari: modelare bazată pe relaţii matematice precise (cum ar fi de exemplu

ecuaţiile diferenţiale) şi modelare stochastică sau probabilistă, care presupune un
anumit grad de incertitudine măsurabil. Se poate considera că modelarea statistică
face parte din aceasta din urmă categorie. De asemenea la aceşti algoritmi o
contribuţie importantă este adusă de cunoştinţele din domeniile adiacente. De
exemplu, într-o problemă de studiu de impact, noţiuni sau mărimi cantitative din
fizică, chimie, biologie, hidrologie, pedologie, pot fi implicate într-o măsură mai
mare sau mai mică. Scopul final este stabilirea unui model din care să rezulte
influenţa produsă de sursele poluante asupra mediului în ansamblu. Aceasta se
realizează prin operaţii care să producă interacţiunea reală dintre factorul poluant şi
celelalte elemente luate în considerare (în speţă asupra apei, solului, vegetaţiei şi
aşezărilor umane). Cu alte cuvinte, trebuie stabilit un algoritm care să conducă la
evaluarea gradului de poluare a apei, a vegetaţiei etc., lucru care este legat direct de
proprietăţile fizice şi chimice ale poluantului şi modul în care aceasta se disipează
în apă, aer sau influenţează vegetaţia.
Orice proces de modelare presupune acceptarea unor ipoteze, fără de care
modelul nu poate fi construit. Aceste ipoteze pot specifica o stare de fapt, care în
principiu poate fi modificată. Prelucrarea automată conduce la rezultate rapide, fapt
care ne permite testarea unor ipoteze alternative. Aceasta conduce la un răspuns
pentru întrebarea "ce - dacă?". Tot în acest sens se pot studia situaţii teoretice care
nu există la momentul analizei. Studiul fenomenelor bazate pe scenarii ipotetice
poate avea ca rezultat hărţi, oferind o bază pentru explicarea unor fenomene
potenţiale. Acest gen de aplicaţii sunt utile pentru stabilirea unor scenarii privind
catastrofele ecologice, atunci când nu mai este timp de prelucrări, ci doar de
acţiune. Un exemplu în acest sens este apariţia unui accident la o centrală nucleară.
Există o gamă largă de tipuri de accidente, fiecare conducând la o altă măsură
privind protecţia personalului şi a locuitorilor zonei. Numărul de variabile poate fi
extrem de mare şi deci şi variantele sunt numeroase. Fiecare rezultat va implica
luarea unei decizii precise. În consecinţă, rezultatele trebuiesc cunoscute înainte de
a se produce evenimentul. Acest gen de probleme conduc la conceptul de simulare.
O problemă importantă în modelarea spaţială este identificarea variabilelor
cu semnificaţie şi renunţarea la cele mai puţin semnificative pentru fenomenul
respectiv. Următoarea fază este corelarea variabilelor. Vom avea o mare varietate
de legături directe (formule precise care reprezintă legi fizice sau relaţii empirice
deduse experimental unanim acceptate) sau corelaţii statistice (corelaţii liniare,
neliniare, multiple, analiza componentelor principale etc.), parte din ele trebuind să
fie eliminate. În principiu semnificaţia fiecărei variabile poate fi testată pentru a
găsi cel mai potrivit model cu un număr minim de variabile explicative. Mai mult,
coeficienţii estimaţi pot fi folosiţi ca o măsură a ponderii relative a fiecărei
variabile.
În studiul unui fenomen bazat pe modelare spaţială este preferabil să se înceapă cu

un model foarte simplu. Mai precis, numărul de variabile să fie cât mai mic, iar
datele de prelucrat (în speţă hărţile digitale) să aibă o structură cât mai simplă, iar
numărul de operaţii să fie de asemenea limitat. Modelul va fi destul de departe de
fenomenul natural urmărit, dar prezintă avantajul că, avem un punct de plecare în
crearea unui model mai complex, iar datele spaţiale şi variabilele atribuit care se
adaugă ulterior sunt mai bine puse în evidenţă, observându-se mai uşor efectul
produs de acestea asupra rezultatelor. O asemenea manieră de abordare a introdus
conceptul de model-proces. Un exemplu în acest sens este modelarea unei avalanşe.
Cel mai simplu model este deducerea din observaţii a pantei pe care se produc cel
mai adesea avalanşe. Pentru aceasta se urmăresc avalanşele pe un parcurs de câţiva
ani. Se va întocmi un tabel cu panta medie a versantului şi se evaluează minimum şi
maximum acestor pante. Astfel se va obţine un model extrem de simplificat, care în
afară de pantă nu va ţine seama de nici un alt factor. Dacă însă se iau în considerare
şi alţi versanţi, deşi au aceleaşi pante medii, se observă că pe aceştia nu se produc
avalanşe. Acest lucru conduce automat la introducerea şi a altor mărimi şi a unor
relaţii dintre acestea. O variantă nu tocmai completă este dată în figura 68
(Heywood, ş.a. 1995). Aici se observă că există o mare varietate de factori şi de
corelaţii între aceştia, pentru a da o prognoză cât de cât rezonabilă de apariţie a unei
avalanşe. O astfel de descriere în formă grafică a etapelor şi a înlănţuirii operaţiilor
se numeşte model descriptiv sau model conceptual.
Modelarea complexă presupune descompunerea problemei în subprobleme. Un
astfel de exemplu ar putea fi determinarea potenţialului turistic al unei zone
montane privind practicarea sporturilor de iarnă. Pentru aceasta vom avea nevoie de
următoarele elemente:
- harta topografică;
- vegetaţia;
- utilizarea terenului;
- reţeaua de aşezări;
- reţeaua de drumuri;
- reţeaua de căi ferate ;
- reţeaua de electricitate.
Figura 68 Modelul conceptual al producerii unei avalanşe

Modelul digital de elevaţie va fi obţinut din harta topografică şi urmează a fi folosit

pentru a determina zonele cu pante şi lungimi care se încadrează în scopul propus.
Aici trebuie să includem probabilitatea de apariţie a avalanşelor, zone care trebuie
eliminate. În felul acesta modelul avalanşelor devine o subproblemă în cadrul
problemei mai mari, de determinare a potenţialului turistic. În continuare se va
proceda la înlăturarea zonelor care sunt împădurite, aceasta realizându-se printr-o
simplă operaţie elementară asupra celor două straturi (topografie şi vegetaţie). În
continuare se va elimina acele areale care sunt proprietate privată, rămânând doar
cele comunale.
Stratul care conţine aşezările va avea ca şi atribute potenţialul de servicii
(cazare, magazine). Se vor alege acele zone care sunt la o distanţă rezonabilă de
astfel de aşezări. Tot aici trebuie să evaluăm distanţa la reţeaua de medie sau joasă
tensiune, care să permită construirea unui mijloc mecanic de transport al turiştilor
pe pârtiile de schi. Accesul la căi de comunicaţie (rutiere, feroviare), precum şi
apropierea de zone urbane este deosebit de important pentru evaluarea fluxului de
turişti potenţiali. Nu în ultimul rând trebuie să menţionăm numărul de zile cu
zăpadă.
Modelul propus poate constiui de asemenea un submodul în cadrul
determinării potenţialului turistic total al zonei. Un perimetru în care se desfăşoară
tuism sportiv de iarnă poate fi uşor utilizat şi în alte sezoane ca şi turism de
agrement. Apropierea de monumente istorice este de asemenea un lucru foarte
important.
Figura 69 Etapele realizării modelului de eroziune

În cele ce urmează vom schiţa un model de eroziune. Mai precis, dorim să

evidenţiem arealele cu potenţialul de eroziune (mare, medie, mică). BDS trebuie să
cuprindă următoarele straturi: topografia, solurile, vegetaţia şi precipitaţiile. Fiecare
strat va fi însoţit de un tabel de atribut privitor la caracteristicile entităţilor spaţiale
respective. Stratul cu solurile trebuie să conţină tipul de sol, textura, din care se va
calcula capacitatea de infiltrare care va avea ca rezultat erodabilitatea potenţială
(coroborat cu vegetaţia); stratul vegetaţie va conţine tipul de vegetaţie şi gradul de
acoperire cu vegetaţie a terenurilor; stratul precipitaţii se va caracteriza prin
intensitate şi frecvenţă pe perioada de studiu. Din harta topografică se va calcula
gradul de înclinare a pantei, energia reliefului şi expoziţia versanţilor. Toate aceste
straturi vor fi digitizate, iar atributele vor fi introduse de la tastatură. Se vor obţine
patru hărţi digitale care urmează un proces de selecţie a variabilelor spaţiale şi
atribut care au cea mai mare pondere în procesul de eroziune urmărit. Procesul de
selecţie este necesar deoarece suprapunerea a patru sau mai multe hărţi poate avea
ca efect o greutate în lizibilitatea şi interpretarea ei ulterioară. Faza de prelucrare va
conţine opearţiile asupra struturilor şi a atributelor, având ca scop final obţinerea
unei hărţi cu potenţialul de eroziune (figura 69).
Un ultim exemplu pe care îl vom considera este din geografie umană. O mare
varietate de probleme conduce la conceptul de clasificare. Acesta este foarte bine
reprezentat de procedurile încorporate în ArcView (vezi partea a treia). Fiind dată o
hartă administrativă, la nivel de judeţ sau la nivel de comună, se pot înfăţişa hărţi cu
distribuţia tuturoar parametrilor aflaţi în tabelele de atribut. De exemplu, distribuţia
populaţiei totale, după vârstă, religie, etc. Mergând mai departe, putem introduce în
tabelele de atribut vânzările unei societăţi. Vizualizarea pe o hartă a vânzărilor,
eventual asociată cu alţi parametri, cum ar fi de exemplu populaţia, va produce un
alt gen de informaţii factorilor de decizie în vederea îmbunătăţirii desfacerii
produselor în anumite zone potenţial consumatoare. De asemenea tot pe o astfel de
hartă se pot înfăţişa firmele concurente (cu eventuale informaţii privitoare la

acestea), luându-se astfel măsuri în vederea stabilirii noilor strategii de dezvoltare.
Oruce investiţie presupune o anumită sumă de bani riscată. Problema se
pune dacă acest risc merită să fie făcut sau nu. Să zicem că dorim să deschidem un
nou magazin alimentar într-o anumită zonă. Produsele GIS oferă un gen informaţii
pe care nu le oferă nici un alt pachet de programe. Fiind dată o hartă a zonei (de
preferinţă) întreg oraşul, cu distribuţia locuitorilor (eventual la nivel de clădire)
precum şi cu poziţia celorlate magazine alimentare, se poate simula oportunitatea
amplasării noului magazin. Se va înfăţişa modul în care se va redistribui clientela de
la celelalte magazine, luând drept ipoteză faptul că oamenii fac cumpărături de la
cel mai apropiat magazin, iar acestea sunt la fel de bine aprovizionate. O astfel de
simulare, care se poate face în câteva minute (evident dacă baza de date este
încărcată) poate produce evitarea unor cheltuieli inutile (în cazul în care se
dovedeşte că nu merită deschiderea noului magazin) sau a unei afaceri bune în
cazul contrar. În societăţile dezvoltate nu se “face nici o mişcare” în acest sens fără
a şti dinainte ce riscuri pot apărea.
8. Surse posibile de erori în GIS

Erorile sunt inevitabile în orice tip de măsurători cantitative, acestea situându-se
într-un domeniu foarte larg: de la erori neglijabile la erori grosiere. Ele pot fi
introduse în orice fază de prelucrare. Deosebim eroarea de greşală, aceasta din urmă
nu o vom lua în considerare.
Fiecare proiect GIS este unic în felul său atât în datele pe care le utilizează cât şi în
analiza care se face şi a rezultatelor obţinute. Atunci când se întreprinde un proiect
GIS este necesar să se ţină seama de anumite proceduri care să asigure succesul
proiectului. Toate proiectele GIS au ca scop principal producerea de date de mare
acurateţe şi date cu semnificaţie la un preţ cât mai scăzut. Aspectul cel mai
important al unui proiect este dat de determinarea gradului de precizie a datelor.
Beneficiul unui proiect este decis în ultimă instanţă de calitatea datelor de intrare.
Cu cât acestea sunt mai precise cu atât rezultatele sunt mai bune calitativ. Este
important să analizăm posibilele surse de erori în date.
În cele ce urmează vom prezenta pe scurt principalele grupe de erori implicate în

GIS, fără o detaliere a lor (adaptare după Borough 1986).
A. Erori care fac obiectul datelor de intrare şi sunt independente de GIS.

1. Erori provenite din înregistrările datelor primare datorate inacurateţii instrumen-
telor:
- senzori de pe sateliţi;
- aparate foto aeriene;
- staţii GPS;
- instrumente de observare şi măsurare a datelor atribut.
2. Erori care apar în procesul de preluare şi prelucrare a datelor (hărţi, tabele) cu
instrumente şi echipamente nespecifice GIS.
i) Crearea hărţilor în sistem tradiţional:
- erori datorate inexatităţii reţelei geodezice;
- inacurateţea instrumentelor cu care se execută harta.
ii) Editare de date:
- erori datorate conversiilor fişierelor dintr-un format în altul;
- erori datorate modificării scării şi a redesenării hărţilor.
B. Erori introduse în cadrul procesării datelor în GIS.
1. Erori în date de intrare:
- inacurateţea digitizării (a echipamentului şi a operatorului);
- inacurateţea în intrare a datelor atribut;
- erori datorate colectării datelor (insuficienţa datelor de observaţie);
- specificare incorectă a coordonatelor punctelor pentru georeferenţiere.
2. Erori datorate manipulării datelor:
- netezirea curbelor (interpolare, ajustare);
- conversia din vector în raster;
- conversia din raster în vector;
- date colectate la diferite scări şi combinate.
3. Erori în stocarea şi prelucrarea datelor:
- precizia în procesarea datelor (numărul de cifre semnificative);

- erori în stocarea datelor intermediare;
- suprapunerea straturilor;
- analiza imaginilor satelitare sau aeriene.
4. Erori introduse în afişarea datelor:
- inacurateţea echipamentului (plotter, imprimantă);
- inacurateţea suportului.
C. Erori de metodă:
- definirea incorectă a claselor de obiecte;
- necunoaşterea exactă a contururilor arealelor;
- erori datorate algoritmilor de calcul.
Una dintre problemele complexe care apare este propagarea erorilor. Cu cât
numărul de prelucrări este mai mare, cu atât precizia rezultatelor scade. Aceasta se
întâmplă deoarece calculatorul lucrează cu un anumit număr de cifre semnificative.
Acest lucru scoate în evidenţă importanţa preciziei în datele de intrare.
O eroare nu va fi niciodată înlăturată, problema este de a ne încadra în marja de

eroare îngăduită de aplicaţie.
PARTEA A II-A
TELEDETECŢIE ŞI PROCESAREA IMAGINILOR

DIGITALE
Teledetecţie şi procesarea imaginilor digitale 132
1. Obiectul teledetecţiei
Teledetecţia se poate defini ca un complex de activităţi ce realizează obţinerea de la
distanţă, pe baza interacţiunii dintre obiectele de pe suprafaţa Pământului şi nişte
senzori de radiaţie electromagnetică, de informaţii sub formă de imagine fotografică
convenţională (în format analogic) sau de imagini raster (în format digital).
Termenul a fost introdus în anul 1960, referitor la observarea unei ţinte cu
ajutorul unui dispozitiv aflat la distanţă. Procedeele de teledetecţie au fost utilizate
mai mult începând de prin 1925, având un rol important în timpul celui de-al doilea
război mondial în domeniul fotografiei aeriene. După 1960 echipamentele de
teledetecţie s-au dezvoltat într-un ritm fără precedent marcându-se o nouă eră în
1972 când a fost lansat satelitul american ERTS-1 (American Earth Resources
Technology Satellite), ulterior fiind redenumit Landsat. În momentul de faţă există
mai mulţi sateliţi care fac înregistrări de imagini pe întregul glob, şi mai multe
societăţi care furnizează servicii în acest domeniu.
Teledetecţia poate fi: aeriană (imagini luate din avioane) satelitară
(imagini luate din sateliţi) şi terestră (imagini luate de pe platforme de la o anumită
înălţime). În toate situaţiile înregistrarea imaginilor se bazează pe interacţiunea
dintre obiecte şi radiaţia electromagnetică.
După 1980, când au început să prolifereze datele preluate prin teledetecţie
satelitară, alături de hărţile realizate în sistem tradiţional, bazate pe simboluri şi
semne convenţionale, a apărut un nou concept anume hartă imagine.
2. Spectrul electromagnetic
Corpurile şi fenomenele de la suprafaţa Pământului interacţionează cu radiaţia
electromagnetică prin fenomene de reflexie, absorbţie şi emisie. Transmiţând din
spaţiu către suprafaţa terestră anumite radiaţii (în mod natural de la Soare sau în
mod artificial) şi înregistrând răspunsul spectral se pot obţine informaţii cu privire
la formă, dimensiune, compoziţie, temperatură etc. Folosirea radiaţiei elec-
tromagnetice ca mijloc de comunicare între obiecte şi un senzor, fără a intra în
contact nemijocit cu acesta, reprezintă calea cea mai rapidă şi eficientă de obţinere a
informaţiilor privitoare la unele proprietăţi ale acelor corpuri. Utilizând diferiţi

senzori, se colectează date care apoi urmează a fi analizate, pentru a obţine
informaţii despre obiecte şi fenomene de pe suprafaţa Pământului ce urmează a fi
investigate.
După cum se ştie din manualele de fizică, spectrul electromagnetic (EM)
este extrem de larg, doar o parte din el fiind accesibil ochiului liber. Aceste radiaţii
se caracterizează prin lungime de undă şi frecvenţă. Aşa cum se vede în figura 1,
spectrul EM se poate împărţi în câteva grupe importante: gama (γ), Roentgen (X),
ultraviolet (UV), vizibil, infraroşu (IR), microunde şi radio. Zona UV şi IR este la
rândul lor împărţită în trei sectoare: apropiat, mediu şi îndepărtat. Spectrul vizibil
este împărţit în ordinea crescătoare a lungimii de undă în: violet, indigo, albastru,
verde, galben, orange şi roşu.
Figura 1 Spectrul electromagnetic
În mod obişnuit se măsoară intensitatea radiaţiei naturale – astfel de senzori

se numesc senzori pasivi. Soarele este sursa principală de radiaţie EM. În plus
Pământul, datorită stării sale termale, emite el însuşi anumite radiaţii. În anumite
situaţii, radiaţia este generată artificial, iar semnalul este reflectat înapoi. În acest
caz spunem că este vorba de senzori activi. Un exemplu de senzor pasiv mai
familiar este un aparat de fotografiat. Dacă adăugăm un flash vom avea un senzor
activ.
Din teoria ondulatorie a radiaţiei EM, avem adevărată relaţia
c = λν
unde c este viteza luminii (3x108m/s), ν frecvenţa, iar λ lungimea de undă. Se

observă că lungimea de undă este invers proporţională cu frecvenţa. În teledetecţie
se foloseşte cu predilecţie lungimea de undă şi nu frecvenţa.
Interacţiunea dintre energia EM şi materie este descrisă de mecanica
cuantică. În conformitate cu aceasta, radiaţia EM este compusă din unităţi discrete
numite cuante (fotoni), care au energia:
q = hν
unde h este constanta lui Plank (6,626⋅10-34J⋅sec). Exprimând energia în funcţie de

lungimea de undă obţinem
q = hc/λ,
din care se observă că energia este invers proporţională cu lungimea de undă. Cu

cât lungimea de undă este mai mare, cu atât energia transportată este mai mică.
Acest lucru are o implicaţie importantă în emisia de către suprafaţa Pământului a
microundelor, care sunt mai greu de detectat decât radiaţiile IR. Energia mai mică
corespunzătoare unei lungimi de undă mari, impune ca sistemul de detecţie să
“vadă” areale mari de sol pentru a înregistra semnalul.
Orice corp cu o temperatură peste zero absolut (00K sau –2730C) emite
continuu unde EM. Astfel şi obiectele de pe suprafaţa Pământului emit radiaţii în
diferite lungimi de undă, în diferite cantităţi.
Se numeşte corp negru sau radiator integral, un corp care absoarbe

complet radiaţia EM incidentă. Menţinut în echilibru cu mediul ambiant (T= const),
acesta emite o cantitate de energie egală cu cea absorbită. Radiaţia corpului negru
nu depinde de forma lui, de compoziţia chimică, ci numai de lungimea de undă şi
temperatura absorbită.
Figura 2 Radiaţia corpului negru
Din legea lui Wien pentru corpul negru
λm T = b
şi din măsurarea tempeaturii mediului ambiant al Pământului (3000K sau 270C )

rezultă o emisie de radiaţie EM în lungimea de undă de 9,7 μm. Aici λm este
lungimea de undă corespunzătoare căreia avem un maxim la temperatura T (figura
2), iar b=2,8978⋅10-3 este constanta lui Wien. Deoarece această lungime de undă
este corelată cu căldura terestră se mai numeşte “infaroşu termal”. Această energie
nu poate fi văzută sau fotografiată, dar poate fi detectată cu echipamente

specializate cum ar fi radiometrele sau scanerele IR. În IR avem atât unde reflectate
(provenite de la Soare) cât şi unde emise (de Pământ). În general sub 3μm energia
este reflectată iar peste această valoare este emisă şi poate fi detectată doar cu
sisteme nefotografice. Unii senzori cum ar fi cei radar, suplimentează energia EM
prin emiterea de unde în mod artificial datorită energiei mici. Senzorii activi
operează în domeniul vizibil utilizând o tehnologie laser (LIDARS) în primul rând
pentru aplicaţii oceanografice şi în domeniul forestier. Aceşti senzori nu depind de
radiaţia solară. Înregistrările se pot face atât ziua cât şi noaptea. În plus, deoarece
lungimea de undă este mai mare, radiaţiile nu sunt atât de distorsionate ca şi undele
scurte.
3. Efectele atmosferice
Radiaţiile reflectate precum şi cele emise de Pământ prin atmosferă, interacţionează
cu constituienţii acesteia cum ar fi gaze, vapori de apă, praf în suspensie etc.
Principalele efecte sunt împrăştierea, absorbţia şi emisia.
Împrăştierea este o difuzie necontrolată a radiaţiei EM. Există două tipuri
de împrăştiere: Rayleight, care apare datorită interacţiunii undelor EM scurte cu
particule cum ar fi molecule sau alte particule mai mici decât lungimea de undă şi
Mie în care radiaţia EM cu lungime de undă mai mare interacţionează cu particule
mai mari decât lungimea de undă (vapori de apă, praf). Împrăştierea Rayleight este
mai pronunţată în domeniul UV, violet şi albastru (sub 1μm). Acest tip de
împrăştiere are drept consecinţă culoarea albastră a cerului. În lipsa acestei
împrăştieri, cerul ar fi negru. În ceea ce privesc efectele asupra imaginilor luate prin
teledetecţie, acest tip de împrăştiere produce o estompare a clarităţii (fenomen de
ceaţă). Împrăştierea Mie apare în păturile joase ale atmosferei. Influenţează întreg
spectrul (de la UV la IR), dar mai mult spre lungimi de undă mari (peste 1μm). Este
dependentă de condiţiile atmosferice. De menţionat faptul că în IR termal radiaţiile
emise de suprafaţa Pământului sunt influenţate de vânt.
Radiaţiile emise sunt în mod selectiv absorbite de gazele care constituie
atmosfera. Atomii şi moleculele din gaze posedă un anumit nivel de energie. Acest
nivel poate fi modificat prin absorbţia unui foton din unda EM emisă. Cei mai
importanţi constituienţi din atmosferă care sunt implicaţi în procesele de absorbţie
sunt H2O, CO2 şi O3 (ozon). Radiaţiile X şi γ sunt absorbite complet de către stratul
de ozon, iar radiaţiile UV în mare măsură. Radiaţiile din domeniul vizibil şi IR
penetrează atmosfera iar microundele şi undele de lungime mare (centimetrice,
metrice) pătrund în cea mai mare parte. Regiunile spectrale cu absorbţia cea mai
redusă se numesc ferestre atmosferice. În figura 3 am înfăţişat ferestrele
atmosferice şi zonele corespunzătoare lungimilor de undă în care are loc absorbţia.
Ca şi suprafaţa Pământului, atmosfera emite radiaţii datorită stării sale
termale. Aceasta este mai semnificativă în subdomeniul IR mediu, deoarece
temperatura atmosferei este relativ mică. Efectul de autoemisie a atmosferei poate fi
redus prin restrângerea observaţiilor într-o fereastră atmosferică mai bună.
Figura 3 Absorbţia atmosferică a undelor electromagnetice
4. Interaţiunea dintre radiaţie şi obiectele de pe

suprafaţa Pământului
Energia incidentă pe suprafaţa Pământului este reflectată, absorbită şi transmisă de
către obiecte, în diferite grade, pe diferite lungimi de undă. Această particularitate
ne permite să distingem un obiect de altul, un fenomen de altul sau starea unui
obiect de altă stare a aceluiaşi obiect, în alte condiţii fizice. În ceea ce priveşte
domeniul vizibil al spectrului, variaţiile spectrale au ca rezultat ceea ce noi numim
culoare. De exemplu, spunem că un obiect este albastru dacă reflectă în domeniul
albastru al spectrului şi absoarbe celelalte lungimi de undă. Putem zice că ochiul
uman utilizează variaţia cantităţilor de energie incidentă în diferite domenii

spectrale pentru a distinge obiectele.
Sistemele de teledetecţie operează în regiunile spectrului în care energia
este reflectată în cea mai mare parte, reflectanţa fiind o proprietate foarte importantă
a fiecărui obiect de pe suprafaţa Pământului.
Reflectanţa poate fi cuantificată măsurând energia incidentă şi cea
reflectată. Se introduce un indice numit reflectanţa spectrală definit prin raportul
ρr = [(energia reflectată de obiect) / (energia incidentă)]
Energia se măsoară doar pe lungimea de undă λ. De obicei se exprimă în procente
ρr = ρr ⋅100
Acest indice poate fi reprezentat grafic (luând în considerare toate lungimile de

undă) şi se numeşte curba reflexiei spectrale. Astfel, se pot detecta variaţii fine,
cum ar fi o pădure de foioase şi una de conifere sau o apă adâncă de o apă mai puţin
adâncă, fiecare generând propria curbă a reflectanţei.
Interacţiunea energiei cu atomii şi moleculele din care sunt constituite
obiectele de la suprafaţa Pământului, produce o absorbţie selectivă a radiaţiei. O
anumită radiaţie cu o lungime de undă dată poate fi absorbită de un obiect dacă
energia fotonului incident este suficient de mare ca să producă o tranziţie în nivelul
energetic al atomului sau moleculei. Şi în acest caz se defineşte un indice de
absorbţie
ρA = [(energia absorbită de obiect) / (energia incidentă)]
Şi aici energia se măsoară doar pe lungimea de undă λ, iar indicele se exprimă tot în
procente:
ρA = ρA ⋅100
Aşa cum am menţionat, datorită temperaturii sale, Pământul este o sursă de

radiaţie. Aceste radiaţii constituie energia predominantă la lungimi de undă de peste
3μm. Fenomenul de emisie depinde de temperatura şi proprietăţile de emisivitate a
corpului.
În urma efectuării a numeroase măsurători s-a constatat că din radiaţia
provenită de la Soare numai aproximativ 31% pătrunde ca radiaţie directă prin
limita superioară a atmosferei, restul comportându-se astfel: 30% este reflectată în
spaţiu din cauza ozonului, norilor şi a altor componente ale atmosferei, 17% este
absorbită de către atmosferă şi 22% este împrăştiată şi înapoiată ca radiaţie difuză
de către suprafaţa terestră.
Reflexia sau emisia undelor electromagnetice de către obiecte sau
fenomene de la suprafaţa Pământului se numeşte răspuns spectral şi este înfăţişat
printr-o curbă într-un plan cu axa OX - lungimea de undă (în μm), iar OY - refelxia
sau emisia (în %).
În figura 4 am înfăţişat curbele reflectante pentru 3 tipuri de obiecte:
vegetaţie (sănătoasă), sol (uscat) şi apă (curată). Liniile reprezintă o medie a
reflexiei. În general, alura curbei este un indicator al tipului obiectului şi al
proprietăţilor fizice ale acestuia. Vegetaţia este verde deoarece ea absoarbe mult în
roşu şi albastru, reflectând în domeniul verde. Clorofila absoarbe radiaţii cu lungimi
de undă între 0,45 – 0,67μm. Dacă din diferite cauze, vegetaţia nu mai produce
suficient de multă clorofilă, aceasta nemaiputând absorbi roşu şi albastru, rezultă o
reflexie cu o lungime de undă între acestea, având culoarea galbenă. În ceea ce
priveşte solul, reflexia este influenţată de următorii factori: umiditate, textură
(proporţie de nisip şi argilă), rugozitate, prezenţa oxidului de fier, conţinutul de
materie organică. Aceşti factori sunt complecşi, variabili şi intercorelaţi. Apa curată
reflectă în domeniul albastru – verde, pe celelalte absorbindu-le în cea mai mare
parte. Prezenţa turbidităţii în apă (datorită substanţelor organice sau a materiei
organice în suspensie) va produce o altă curbă de reflecţie.
Fiecare bandă spectrală este folosită pentru un gen de aplicaţii precis. De
exemplu banda UV se utilizează în special în explorări minerale, detectarea
zăcămintelor de petrol; banda IR în domeniul 0,7 – 1,5 μm se utilizează pentru
detectarea vegetaţiei afectate de poluare, dăunători etc; IR din domeniul 1,5 – 3 μm
este un amestec între energia solară reflectată şi energia emisă de Pamânt şi se

utilizează în medii atmosferice pentru detectarea zăpezii din nori.
Figura 4 Curbele refelctante pentru trei tipuri de obiecte
Domeniul 3 – 5 μm este util pentru detectarea obiectelor fierbinţi: incendii de

pădure, vulcani. Radiaţia emisă cea mai puternică este în domeniul 8-14μm care se
detectează pe baza vibraţiilor moleculelor. În lungiumile de undă milimetrice
detecţia se face atât cu senzori pasivi cât şi cu senzori activi. Ambele sunt sensibile
la proprietăţile dielectrice ale materialului şi la conţinutul de umiditate. Undele
radar sunt de asemenea sensibile la forma obiectelor.
Răspunsul spectral înregistrat de senzori reprezintă o măsură cantitativă a
caracteristicilor obiectelor (sau fenomenelor) care se studiază, şi se mai numeşte
signatură spectrală. Aceasta se consideră că este unică pentru un obiect în anumite
condiţii exact stabilite.
Detecţia energiei EM se face fotografic sau electronic. Procesul de
fotografiere se bazează pe reacţii chimice ce se produc pe o suprafaţă fotosensibilă.
Aceasta prezintă următoarele avantaje: simplu, eficient şi furnizează un mare grad
de detaliu. Senzorii electronici generează un semnal electric care corespunde
variaţiilor de energie pe suprafaţa terestră în studiu. Un exemplu mai familiar de
înregistrare electronică este camera video. Deşi aceşti senzori sunt foarte scumpi şi
complecşi, prezintă avantajul că pot detecta energia pe un domeniu mult mai larg al
spectrului, pot transmite datele (în vederea înregistrării pe un suport magnetic) şi

permit o mare varietate de prelucrări ulterioare.
În teledetecţie se vehiculează noţiunile de fotografie şi imagine. Când se
face referire la fotografie se subînţelege că este vorba de o înregistrare pe un film
(spunem că avem o înregistrare în format analogic). Când se vorbeşte de o imagine,
aceasta poate fi orice înregistrare, în orice domeniu spectral, în format digital sau
analogic, a unui peisaj. O fotografie este o imagine, dar nu invers.
Interpretarea vizuală a imaginii a fost mult timp principala tehnică de
obţinere a informaţiei. Aceasta presupune o experienţă îndelungată în studiul unor
areale care erau cunoscute prin alte mijloace. Sigur că acest lucru prezintă un mare
dezavantaj, la care mai putem adăuga imposibilitatea de a evalua anumite
caracteristici spectrale, în lungimi de undă imperceptibile pentru ochiul uman.
Toate acestea au condus la ideea de a înregistra imaginea în formă digitală.
Formatul digital permite şi o gamă foarte largă de prelucrări conducând în final la o
interpretare facilă a imaginii rezultate.
5. Ce este o imagine digitală

La modul cel mai general, o imagine digitală constă dintr-o matrice de numere ce
înfăţişează o distribuţie spaţială a unor parametrii. Aceştia pot fi: reflectanţa
radiaţiei electromagnetice (albedoul), emisivitatea, temperatura, topografia, sau
orice alt parametru cantitativ. Fiecare punct din imagine este un număr întreg
reprezentat, de obicei pe 8 biţi, cu valori cuprinse între 0 şi 255. Intensitatea cea
mai slabă a parametrului sau lipsa lui este asociată cu 0 iar intensitatea cea mai
mare este 255, restul având valori intermediare. Fiecărui octet îi corespunde o
intensitate sau o nuanţă de culoare în reprezentarea sa pe un monitor.
Să vedem cum se realizează tehnic o imagine digitală. Semnalul electric
provenit de la senzor este în format analogic. Intervalul este discretizat într-un
număr finit de subintervale. Acesta este eşantionat generându-se o valoare care este
egală cu valoarea maximă a impulsului electric pentru fiecare subinterval. În figura
5 am reprezentat un semnal electric în planul XOY, în care axa OX reprezintă
lungimea, iar axa OY tensiunea înregistrată de senzor (în μV). Imaginea raster care
se formează, va avea pe axa OX valori discrete de lungime, iar pe OY valori
discrete între 0 şi 255. Unul din marile avantaje ale unei imagini digitale vis à vis de
o aceeaşi imagine în format analogic este că, prin înregistrare numerică se pot
cunatifica valori foarte apropiate, care altminteri nu pot fi sesizate. Prin operaţiile
analizei de imagini se pot distinge efecte foarte fine.
Figura 5 Transformarea semnalului analogic în semnal digital
Aşa cum am precizat mai sus, datele preluate prin teledetecţie sunt stocate
pe suporturi magnetice de mare densitate (benzi) sau CD-ROM. Înainte de a fi
livrate, imaginile sunt corectate, preprocesate (vezi mai jos) şi reformatate în mai
multe sisteme de codificare internă pentru a satisface cât mai mulţi utilizatori.
Înregistrarea datelor se face sub formă de fişiere binare. Fiecare fişier conţine şi
anumite informaţii suplimentare ca de exemplu localizarea, data şi ora GMT, tipul
de senzor, altitudinea etc.
O imagine digitală poate avea următoarele destinaţii: prelucrarea şi
interpretarea ei directă, pe de o parte şi utilizarea ei în cadrul GIS atât ca imagine
care poate fi asociată unei hărţi digitale cât şi ca date de intrare pentru construirea
unei hărţi vectoriale prin procedee fotogrametrice. De multe ori se întâmplă ca
atunci când imaginea se utilizează doar pentru interpretări vizuale, beneficiarul să o
ceară sub formă analogică (fotografii) pe celuloid. Şi această manieră era cea mai
uzitată înainte de perfecţionarea echipamentelor de calcul. La ora actuală toate
imaginile sunt luate în formă digitală, poate cu mici excepţii, indiferent de
destinaţia sa. Stocarea şi distribuirea imaginilor sub formă analogică are câteva
neajunsuri: (1) calitatea filmului se deteriorează cu timpul, (2) reproducerea în

vederea distribuţiei este însoţită de o pierdere de informaţie, (3) prelucrarea
numerică a lor presupune o conversie a imaginii în formă digitală.
6. Rezoluţia imaginilor digitale

Rezoluţia este un concept care se defineşte pentru fiecare echipament sau fenomen
care necesită o asfel de caracteristică. De exemplu, rezoluţia unui monitor se
defineşte ca fiind numărul maxim de linii şi de coloane. În acest caz deosebim
rezoluţia de definiţie, care exprimă dimensiunea maximă a pixelului perceput de
către ecran. În ceea ce priveşte imaginile digitale avem mai multe tipuri de rezoluţii:
spaţială, radiometrică, spectrală şi temporală.
Rezoluţia spaţială, definită în forma sa cea mai simplă, este cea mai mică
suprafaţă terestră a cărei reflectanţă (sau emisie) poate fi măsurată de către un
senzor. De exemplu, o rezoluţie de 10m înseamnă că un pixel reprezintă o arie de
10x10mp pe suprafaţa terestră. În consecinţă nu se percep obiecte sub această
dimensiune. Totuşi se pot detecta şi caracteristici liniare care sunt sub 10m, în
anumite cazuri speciale. De exemplu, un drum de culoare albă, cu lăţimea de 8m,
care trece printr-o pădure ce reflectă culoarea verde, ar putea fi detectat. Pentru
exemplificare menţionăm că senzorii TM (Thematic Mapper) de la Landsat 5 are o
rezoluţie spaţială de 30 m, iar HVR (High Resolution Visible Range) de la SPOT 1
o rezoluţie spaţială de 20 m, în trei benzi, verde, roşu şi IR apropiat (reflectat) şi de
10 m în pancromatic.
Datele înregistrate de scanere au un anumit domeniu de intensitate.
Obiectele foarte strălucitoare au o intensitate maximă, iar cele care nu reflectă au
intensitate 0 (zero). Rezoluţia radiometrică exprimă numărul de valori intermediare
aflate în domeniul 0 şi intensitatea maximă şi se măsoară în biţi. Avem o mare
varietate de posibilităţi: reprezentare pe 1 bit (0 şi 1 sau alb şi negru), pe patru biţi
(cu 16 variante), pe 8 biţi (1 Byte) cu 256 posibilităţi, pe 10 biţi cu 1024 valori
diferite. Aceste valori corespund nuanţelor de gri. Cu cât numărul nuanţelor de gri
este mai mare, cu atât este mai mare rezoluţia (imaginea este mai “netedă “ şi
contrastul este mai slab). De exemplu Landsat 5 are 64 valori pentru MSS şi 256
pentru TM. Între rezoluţia spaţială şi cea radiometrică există o strânsă legătură.
Fluxul de biţi de la satelit la staţia terestră este diferit pentru rezoluţii spaţiale sau
radiometrice diferite. Să comparăm HVR în pancromatic şi color. În pancromatic
semnalul se înregistrează pe 6 biţi, iar color pe 8 biţi pe fiecare din cele trei benzi.
În total 6 biţi pe o suprafaţă de 10x10 =100 mp, respectiv 8x3=24 biţi pe o
suprafaţă de 20x20= 400 mp. Este exect acelaşi număr de biţi pentru o aceeaşi
suprafaţă.
Rezoluţia spectrală reprezintă numărul de canale spectrale pe care se face
înregistrarea. Fiind localizat domeniul spectral pentru o anumită activitate,
următoarea sarcină este de a înregistra banda spectrală pentru a detecta un anumit
fenomen. Pentru cele mai multe situaţii o bandă largă permite o rezoluţie spaţială
bună astfel că sunt disponibile multe detalii. Dacă se cere un studiu mai precis, să
deosebim o pădure de conifere de una de stejar de exemplu, este nevoie de o
înregistrare într-un anumit număr de canale.
Rezoluţia temporală se defineşte ca fiind intervalul de timp scurs dintre
două treceri consecutive ale satelitului deasupra aceluiaşi areal. Există foarte multe
aplicaţii în care se urmăresc variaţii în timp a unor procese sau fenomene de pe
suprafaţa Pământului. Este necesar deci, ca acel areal să fie survolat periodic.
Rezoluţia temporală pentru Landsat este de 17 zile, iar pentru SPOT de 26 zile.
7. Imagini multispectrale
Datele multispectrale sau multicanal sunt imagini raster captate pe anumite regiuni
spectrale cum ar fi roşu, albastru, verde, IR apropiat etc. Din punct de vedere
spectral, datele achiziţionate sunt discontinue, în sensul că, acestea sunt disponibile
doar pe 4 (MSS) sau 7 (TM) puncte care caracterizează benzile spectrale. Lăţimea
benzii trebuie să fie suficient de mare pentru a colecta destui fotoni care vor activa
senzorii. Pentru aplicaţiile GIS aceste lăţimi de bandă sunt satisfăcătoare în vederea
identificării categoriilor de utilizare a terenului.
La ora actuală există senzori experimentali care pot percepe mai multe
canale, aceştia primind şi denumiri. Astfel senzorii care percep până la 10 canale se
numesc senzori multispectrali, cei care percep un număr de canale de ordinul
sutelor se numesc hiperspectrali, iar cei peste o mie ultraspectrali. Aceştia din
urmă nu sunt disponibili pentru aplicaţiile GIS în domeniul civil şi nici nu se
preconizează a fi în viitorul apropiat.
La ora actuală se experimentează senzori hiperspectrali pe avioane, anume

AVIRIS (Advanced Visibile/ Infrared Imaging Spectrometer) şi CASI (Compact
Airbone Spectrografic Imager). Aceşti doi senzori au între 224 şi 288 canale cu
lăţimi între 3 şi 10nm (1nm = 10-9m) şi au un câmp de detecţie îngust precum şi o
mare rezoluţie radiometrică.
Senzorii sau scannerele de pe sateliţi (sau avioane) "construiesc" o imagine
sub forma unei matrici bidimensionale în urma variaţiilor spaţiale ale strălucirii
arealului survolat. Acest procedeu se numeşte scanare (scanning) sau baleiere, iar
rezultatul este o imagine scanată în format raster.
Dintre senzorii utilizaţi pe sateliţi amintim CCD (Charge Coupled Device).
Acesta este materializat printr-un cip electronic care poate prelua un singur pixel
din imagine. Principiul se bazează pe încărcarea magnetică a cipului când unda EM
interceptează detectorul. Încărcarea magnetică este proporţională cu strălucirea
peisajului. Aceste dispozitive sunt capabile să diferenţieze un domeniu de strălucire
foarte larg, comparativ cu filmul fotografic.
Sensibilitatea detectorilor este măsurată înaintea lansării satelitului şi
verificată periodic de la sol. Se determină prin măsurarea cantităţii de energie
minimă reflectată care poate fi înregistrată peste nivelul zgomotului. Aceasta este o
măsură a materialului din care este construit detectorul. O altă măsurare
înregistrează cantitatea minimă de energie care să permită distingerea pixelilor
adiacenţi cu reflectanţă foarte apropiată. Se măsoară în procente. Pentru senzorii din
IR apropiat se apreciază o valoare de 0,5%, iar pentru cei din IR termal (radiaţia
reflectată de Pământ) în jur de 0,1%.
Un captator se compune din trei elemente: dispoztiv de detecţie, dispoztiv
de colectare şi dispoztiv de înregistrare. Energia EM primită este trimisă la detector
şi transformată într-un semnal electric amplificat. Captatorii măsoară o mărime
fizică numită luminanţă spectrală. După ce aceasta a fost codată (numere, de
regulă între 0 şi 255) datele sunt transmise la sol înspre o staţie de recepţie şi
stocată pe suport magnetic sub formă de matrice de numere. Transmisia poate fi
instantanee când satelitul se află în cercul de vizibilitate a staţiei de recepţie şi
întârziată, când satelitul se află în afara acestui cerc. În acest caz datele sunt stocate
temporar pe satelit până când va intra în raza de acţiune a staţiei. Senzorii captează
imagini în mod continuu, în afară de situaţia când de la sol se întrerupe vremelnic

acestă activitate.
Figura 6 Baleierea unei porţiuni din suprafeţa terestră
Scanerele împart suprafaţa survolată în linii paralele, proiecţia traiectoriei fiind

perpendiculară pe aceasta. Se formează o structură rectangulară, iar energia se
înregistrează de pe fiecare pătrat. Rezoluţia spaţială este dictată de dimensiunea
pătratului. Semnalul este perceput sub formă de cerc în interiorul pătratului.
Deoarece Pământul se roteşte, fiecare rând de pixeli este decalat faţă de
precedentul. Astfel această structură trebuie reasamblată pentru a obţine un raster
prelucrabil. Prin reasamblare se poate ca pixelii să se suprapună parţial. În figura 6
am schiţat acest fenomen pentru MSS al satelitului Landsat 3, care înregistrează
reflectanţa pe un cerc de 79 m în diametru şi cu centrele aflate la 56 m (Parry,
Perkins,1991). Reasamblarea îndepărtează şi alte mici distorsiuni geometrice, cum
ar fi descreşterea progresivă în scară pentru pixelii mai aproape de margini şi

variaţia scării datorită devierii de la orbita circulară. Cu toate aceste transformări,
forma imaginii nu este rectangulară, ci un paralelogram. Aducerea la forma
rectangulară se face tot prin transformări.
8. Fotografii aeriene
Fără îndoială fotogramele au un grad de detaliu mult superior imaginilor satelitare.
Practic rezoluţia spaţială a acestora poate fi oricât de bună. Fotografiile realizate în
alb-negru (pancromatic), color, spectrozonale, multispectrale sau fals color, scot în
evidenţă anumite caracteristici ale suprafeţei terestre, desigur în funcţie de condi-
ţiile atmosferice sau perioada din zi sau an de înregistrare. Fotografia convenţională
este cea alb-negru sau color realizată în domeniul vizibil al spectrului electomagne-
tic, iar cea neconvenţională se consideră fotografia în infraroşu sau radio. Foto-
grafia în infraroşu scoate în evidenţă anumite caracteristici ale suprafeţei terestre
care nu pot fi redate de fotografia convenţională. Spre deosebire de spectrul vizibil
fotografia în infraroşu poate fi luată şi noaptea. Înregistrările din domeniul radio pot
străbate şi anumite straturi de nori. Marele dezavantaj al teledetecţiei aeriene este
costul ridicat al imaginilor. Survolarea unui teritoriu se face prin comandă specială
şi echipamentul este sofisticat. Echiparea şi lansarea unui satelit este în mod evident
extrem de costisitoare, însă faptul că aceştia captează şi transmit în mod continuu
mulţi ani, au ca rezultat un preţ de cost acceptabil. Se apreciază că o imagine
aeriană ale aceleiaşi suprafeţe este de 10 ori mai scumpă decât una satelitară
(Dureau 1995). Cele două sisteme nu se exclud, fiecare având un rol precis definit.
Imaginile satelit implică studii pe suprafeţe mari, deci la o scară mică, în timp ce
aerofotogramele sunt înregistrate la o scară mare. Menţionăm faptul că rezoluţia
spaţială a imaginilor satelitare tinde să se îmbunătăţească, lucru care determină
beneficiarii să apeleze tot mai mult la societăţile care livrează astfel de imagini.
Determinarea coordonatelor fiecărei fotografii este asigurată prin procedeul
cunoscut sub numele de aerotriangulaţie analitică. Este vorba de o tehnică care
utilizează în acelaşi timp puncte geologice recunoscute pe clişee, precum şi puncte
complementare determinate şi pregătite dinainte pe teren şi care permite corelarea
clişeelor. Această tehnică a fost îmbunătăţită prin poziţionarea dinamică a avionului
cu ajutorul sistemului GPS.
Fotografia aeriană este utilizată pentru construirea de hărţi la scară mare şi

medie, dar acestea sunt completate pe teren cu alte tipuri de informaţii care nu se
regăsesc pe fotografie, cum ar fi de exemplu toponimia.
9. Misiuni spaţiale
Programul Landsat a fost iniţiat de NASA ca un program experimental, iar
începând din ianuarue 1985 operează prin intermediul companiei private EOSAT
Inc.
Toţi sateliţii Landsat lansaţi până în prezent au orbite cvasicirculare ce trec
prin vecinătatea polilor şi sunt heliosincronizate, adică suprafeţele survolate sunt
observate cu aceeaşi luminozitate şi acelaşi azimut.
Sateliţii Landsat 1-3 au fost dotaţi cu un scanner multispectral
(MultiSpectral Scanner – MSS) care a condus la un succes răsunător al acestui
program. Senzorul înregistra date în 4 benzi spectrale şi avea nevoie de 6 linii de
baleiere, cu alte cuvinte 6 detectoare pe un rând care înregistrează în mod simultan
şi aceasta pentru fiecare bandă spectrală. Rezoluţia variază între 79x79m în banda
de 0,5-0,6μm (verde) şi 120x120m în banda 10,4-12,5μm (IR termal). Acoperă
185x185km. În tabelul 1 sunt prezentate principalele caracteristici ale misiunii
Landsat (Budge, Morain 1996)
Landsat 1,2,3 Landsat 4,5

Misiunea Landsat 7
Lansarea
Data 1972, 1975, 1978 1982, 1984 1998
Racheta Delta Delta Delta II
Orbita
Altitudinea L1=907 km, L2=908 km, 705 km 705 km
L3=915 km
Tipul Heliosincron Heliosincron Heliosincron
Inclinarea 99° 98.2° 98°
Perioada de 18 zile 16 zile 16 zile
revizitare
Acoperirea Globală Globală Globală

Perioada 103 minute 99 minute ND
Dimensiuni
Masa 953 kg 2200 kg 2200 kg
Dimensiunea 3 m/1.5 m 2 m/4 m 2.8 m/4.3 m
Instrumente MSS MSS, TM ETM
Tabelul 1
Începând cu misiunile Landsat 4 şi 5, a fost adăugat un alt senzor şi anume

TM (Thematic Mapper), care este un scanner multispectral mai rafinat, acesta
considerându-se a doua generaţie de senzori. Operează în 7 benzi la o rezoluţie de
30x30m. Utilizează câte 16 detectori pentru fiecare bandă, cu excepţia benzii a 6-a
în care foloseşte 4. Informaţia astfel colectată este transmisă pe Pământ prin staţii
de emisie – recepţie.
După 20 de ani de succese, programul Landsat realizează primul său eşec în
octombrie 1993, când urma să fie lansat Landsat 6. Acesta trebuia să aibă o orbită
identică cu Landsat 4 şi 5. Senzorul destinat pentru această misiune se numeşte
ETM (Enhanced Thematic Mapper). ETM încorporează aceleaşi 7 benzi spectrale şi
aceeaşi rezoluţie ca şi TM. Îmbunătăţirea majoră a lui ETM este adăugarea unei
benzi pancromatice în domeniul 0,50-0,90μm cu o rezoluţie de 15m.
Banda Lungimea de Rezoluţia Culoarea Funcţia

undă (10-6m) (m) spectrală
1 0,45 - 0,52 30 Albastru Turbidit. apei, sol,utiliz. teren
2 0,52 - 0,60 30 Verde Vegetaţie, culturi agricole
3 0,63 - 0,69 30 Roşu Vegetaţie (diferenţiere specii plante)
4 0,76 - 0,90 30 IR apropiat Biomasă, umiditatea solului
5 1,55 - 1,75 30 IR mediu Umidit. solului, zăpadă, nori
6 10,4 - 12,5 120 IR termal Diferenţe temp., clasificare
vegetaţie, zone acoperite cu apă
7 2,08 - 2,35 30 IR apropiat Formarea rocilor, minereuri
Tabelul 2
SPOT este primul satelit lansat de Europa pentru studiul resurselor

Pământului, care operează sub auspiciile Centrului Naţional de Studii Spaţiale al
Franţei (Cente National d’Etudes Spatiales) şi SPOT-IMAGE Inc.
SPOT 1 a fost lansat în februarie 1986 pe o orbită din vecinătatea polilor,
heliosincronizată. SPOT 2 este identic şi a fost lansat în ianuarie 1990, iar SPOT 3,
lansat în seeptembrie 1993, are de asemenea aceleaşi caracteristici esenţiale.
Sateliţii au doi senzori identici numiţi HRV (High Resolution Visible). În mod
pancromatic, HRV utilizează o matrice de 6000 detectori CCD, care la rândul lor
conţin submatrici de câte 3000 de elemente CCD, obţinându-se o rezoluţie de
10x10m pe o imagine dee 60x60km. În mod multispectral HRV captează date în 3
canale spectrale la o rezoluţie de 20x20m. În tabelul 3 sunt prezentate principalele
caracteristici ale misiunii SPOT (Budge, Morain 1996).
Misiunea SPOT
Lansarea
Data 1986, 1990, 1993, 1997, 2002
Racheta Ariane V16, Ariane V34, Ariane
Orbita
Altitudinea 832 km
Tipul Heliosincron
Înclinarea 98.7°
Perioada de revizitare 26 zile
Acoperirea Globală
Perioada 101 minute
Dimesiuni
Masa 1750 kg
Dimensiunea 2 m×2 m×2.5 m
HRV (2 pe SPOT 1,2,3) HRVIR (SPOT 4)

Instrumente
Tabelul 3
Pentru misiunile SPOT 4, programat pentru lansare în 1997 şi cu intenţia să

opereze până la sfârşitul anului 2002, a fost prevăzută dotarea cu un nou senzor
specializat VMI (Vegetation Monitoring Instrumeent) care aşa cum sugerează
numele, este destinat în primul rând pentru monitorizarea vegetaţiei. Acesta va
capta imagini cu o acoperire mare (2000km), cu o rezoluţie de 1km, în următoarele
benzi: albastru, verde, roşu, IR apropiat şi IR termic.
Figura 7 Două orbite

succesive ale unui satelit
IRS (Indian Remote Sensing Satellite) este un satelit indian care funcţionează sub
auspiciile Agenţiei Naţionale de Teledetecţie (National Remote Sensing Agency
NRSA). Obiectivul principal al acestei misiuni este a furniza date către Centrul
Naţional de Resurselor Naturale din India, dar oferă şi date către diverşi utilizatori.
În tabelul 4 sunt prezentate principalele caracteristici ale misiunii IRS (Budge,
Morain 1996).
Misiunea IRS
Lansarea
Data 1988 1991 1995 (C/D)
Racheta SL-3 Vostok SL-3 Vostok SL-3 Vostok
Orbita
Altitudinea 904 km 817 km 817 km
Tipul Heliosincron Heliosincron Heliosincron
Înclinarea 99.03° 99.25° 98.69° (C),
98.69°
(IRS-P2)
Perioada de 22 zile 22 zile 24 zile
revizitare
Acoperirea Globală Globală Globală
Perioada 103 minute 103 minute 103 minute
Dimesiuni
Masa 975 kg 975 kg 1350 kg
Dimensiunea 1,6m×1,56m 1,6m×1,56m 1,6m×1,56 m
LISS-1-2-3,WIFS, LISS-1-2-3,WIFS, LISS-1-2-3,
Instrumente PAN PAN WIFS,
PAN
Tabelul 4
Aceştia sunt principalii sateliţi care oferă date prin teledetecţie. La ora actuală în
spaţiu există extrem de mulţi sateliţi, fiecare având propriul program de cercetare.
Parte din ei sunt geostaţionari cum ar fi de exemplu Meteosat-2 şi sateliţii ce
transmit pentru telecomunicaţii şi televiziune. O caracteristică a lui Meteosat-2 este
faptul că înregistrează câte o imagine la fiecare jumătate de oră a aceleiaşi zone, în
conformitate cu menirea pentru care a fost lansat. Aria de acoperire este extrem de
mare (1/4 din suprafaţa Pământului).
Imaginile sunt oferite de către firme în anumite formate, de obicei compactate.

Pentru a prelucra aceste imagini este nevoie de o decompresie prealabilă.
Companiile livratoare pun la dispoziţie şi anumite subrutine de conversie, însă
majoritatea produselor de teledetecţie şi GIS au în componenţă asfel de programe.
Imaginile se livrează, în principal, în trei formate:
- Band interleaved by line (BIL), care stochează datele din imagine în toate benzile
consecutiv, linie de linie (linia 1 din banda 1 urmată de linia 1 din banda 2, apoi
linia 1 din banda 3 ş.a.m.d.);
- Band interleaved by pixel (BIP), care stochează datele din imagine în toate
benzile consecutiv, pixel de pixel (pixelul 1 din banda 1 urmat de pixelul 1 din
banda 2, apoi pixelul 1 din banda 3 ş.a.m.d.);
- Band sequential (BSQ) care stochează datele din imagine dintr-o bandă într-un
fişier, pe linie şi pe coloană.
Odată datele stocate, acestea sunt livrate pe diferite suporturi. Astfel imaginile
SPOT sunt livrate în format BIL, pe CD-ROM, pe benzi magnetice de ¼”, pe benzi
de 8mm, benzi audio de 4mm şi pe benzi standard de 9 piste. Imaginile Landasat
sunt livrate în format BSQ, pe CD-ROM, pe benzi magnetice de ¼”, pe benzi de
8mm, precum şi pe dischete, la cerere.
10. Operaţii pe imagini digitale

Înainte de a aborda operaţiile care se fac asupra imaginilor, trebuie să precizăm că
acestea sunt precedate de calibrarea senzorilor de pe staţiile orbitale - condiţie
esenţială în obţinerea imaginilor de bună calitate.
Imaginile înregistrate în staţiile de recepţie nu sunt direct utilizabile. Înainte de a fi

difuzate, ele fac obiectul unor corecţii. Acestea se fac de regulă, de către societatea
care livrează imaginile. După ce ajung la beneficiar, imaginile sunt supuse unor
operaţii în vederea obţinerii de informaţii în conformitate cu scopul propus.
Procesarea imaginilor este un subiect foarte vast şi implică o gamă extrem de largă
de operaţii, de la cele mai simple până la proceduri complexe. Multitudinea de
operaţii elementare conduce la o grupare a lor. Astfel, vom deosebi cinci clase de
operaţii: (1) corecţia sau restaurarea, (2) suprapunerea imaginilor, (3) mărirea
clarităţii sau ameliorarea, (4) mozaicarea şi segmentarea, (5) clasificarea.
În cele ce urmează vom aborda toate aceste grupe. Desigur că operaţiile pe care le
vom prezenta pot incorpora mai multe operaţii elementare. Din punct de vedere al
prelucrărilor efectuate pe imagini se disting trei tipuri de imagini care sunt livrate
către utilizator: (1) imagini asupra cărora s-au făcut foarte puţine corecţii (acestea
nefiind interpretabile), (2) imagini preprocesate, în care s-au executat câteva
corecţii de bază (aproape toate operaţiile privind corecţia) şi (3) imagini procesate
complet. Prelucrarea (procesarea) cere un efort deosebit şi de cele mai multe ori
este efectuată de beneficiar cu produse specializate, după necesităţile de utilizare a
lor.
10.1. Corecţia sau restaurarea

Corecţia sau retsaurarea face parte din grupa de operaţii care se mai numeşte
preprocesare. Aceasta presupune rectificarea înregistrărilor datorate diferitelor
distorsiuni radiometrice şi geometrice. Corecţia include suprimarea efectelor
provocate de turbulenţe ce au loc în atmosferă (nori, smog), îndepărtarea
defecţiunilor, ca de exemplu cele datorate celor 7 benzi ale imaginilor Landsat
(produse de răspunsurile variabile ale scanerelor care produc o imagine prea întune-
cată sau prea luminoasă) şi transformările geometrice ale imaginii datorită
condiţiilor de survol, pentru a o face comparabilă cu o hartă. Aşa cum am precizat,
acestea sunt efectuate de regulă, de către compania livratoare.
Corecţii radiometrice
Factorii radiometrici care afectează calitatea imaginii sunt: dungile, zgomotul,
variaţia luminii solare, proprietăţile atmosferei.
1. Îndepărtarea dungilor. Dungile care apar pe imagine se datorează
răspunsului inegal al detectorilor. Acestea pot apare datorită caracteristicilor tehnice
diferite, perturbaţii în timp, creşterea temperaturii sau chiar defectarea unor
detectori. Acest fenomen este prezent tot timpul la imaginile Landsat şi SPOT. Ca
metode de îndepărtarea a dungilor amintim: metoda histogramei şi interpolarea.

Prima metodă, foarte des folosită la imaginile Landsat MSS, constă în afişarea
histogramei valorilor pixelilor corespunzător fiecărui detector. Luând un răspuns
spectral drept standard, rata de creştere a valorilor pixelilor precum şi deplasarea
relativă faţă de medie, răspunsurile spectrale ale celorlalţi detectori sunt ajustaţi în
mod potrivit, calculându-se noi valori pentru pixeli şi asignându-i-le acestea.
Interpolarea se utilizează atunci când apare o eroare în funcţionarea unui detector,
pixelul având o valoare nulă. Interpolarea foloseşte valorile adiacente ale liniilor în
aceeaşi bandă spectrală.
2. Îndepărtarea zgomotului. Zgomotul este o perturbaţie nedorită într-un
anumit semnal util pe o anumită bandă. Acesta poate fi periodic sau ocazional.
Zgomotul periodic se datorează interferenţei instrumentelor învecinate şi apare la
intervale regulate. În categoria ocazional se consideră zgomotul care apare datorită
unei erori în transmisia biţilor sau a perturbaţiilor temporare. Se detectează prin
compararea valorilor pixelilor învecinaţi. Dacă valorile diferă cu mai mult decât un
maxim admis se consideră zgomot şi valoarea pixelilor va fi înlocuită printr-o
valoare obţinută prin interpolare.
3. Variaţia în timp a luminii solare. Măsurătorile luate prin teledetecţie se
schimbă datorită variaţiei în timp a înălţimii Soarelui. Remedierea se face prin
înmulţirea valorii fiecărui pixel cu mărimea 1/cosh, unde h este înălţimea Soarelui.
4. Contribuţia atmosferei. Condiţiile atmosferice influenţează propagarea
semnalului EM atât în emisie cât şi în recepţie. Procesul dominant în reflexia solară
este împrăştierea. Aceasta este mai pronunţată în lungimile de undă scurte şi
neglijabilă în IR. Corecţiile se fac după algoritmi empirici.
Corecţii geometrice
Distorsiunile geometrice apar datorită sfericităţii Pământului precum şi a mişcării
relative a satelitului faţă de suprafaţa terestră.
1. Distorsiunea panoramică apare datorită neverticalităţii axei optice a staţiei.

Aceasta produce o distorsiune spre margini. Este necesară o corecţie astfel încât
distanţa să fie dată de
X=H tgθ
unde X este distanţa orizontală, H înălţimea de zbor, iar θ unghiul de rotaţie a

oglinzii. Această corecţie se face în special în imagini aeriene unde θ este mare.
2. Distorsiunea datorată rotaţiei Pamântului este foarte importantă la
imaginile satelitare (este maximă pentru orbitele polare) şi negijabilă în imaginile
aeriene. Cantitativ această distorsiune este dată de
tgφ=[2⋅Rcosθ)/(24⋅ 60⋅ 60)]⋅ [1/(v⋅sinα)]
unde φ este unghiul de distorsiune, θ este latitudinea centrului imaginii, R raza

Pământului (6367,5 km), v viteza liniară a satelitului calculată pe traseul survolat,
iar α este înclinarea planului orbitei faţă de planul ecuatorului.
10.2. Suprapunerea imaginilor

Suprapunerea este procesul care realizează corespondenţa dintre imagini luate pe o
aceiaşi suprafaţă, provenite de la senzori diferiţi. Această situaţie apare atunci când
avem imagini ale aceluiaşi areal luate la intervale de timp diferite (deci în alte
condiţii) sau imagini multitematice care trebuie tratate împreună (fiind cazul cel mai
frecvent). Această operaţiune este greu de rezolvat având în vedere necesitatea ca
imaginile să coincidă la nivel de pixel. Problema devine şi mai complicată când
arealul survolat prezintă variaţii între două treceri consecutive (cum ar fi de
exemplu culturile agricole).
În literatura de specialitate acest grup de operaţii se numeşte registration. Vom

deosebi două situaţii: image to image registration şi map to image registration.
Aceasta din urmă este specifică integrării imaginilor digitale în GIS, referindu-se la
suprapunerea unei imagini raster pe o altă hartă vectorială, fixându-se
corespondenţa primitivă grafică – pixel.
Procedura se defalcă în câteva etape:
1. Selectarea imaginii de bază. Se alege o imagine înregistrată într-o anumită
bandă spectrală care va constitui imaginea de referinţă. Această alegere este
arbitrară, dar de obicei se alege imaginea cu rezoluţia spaţială cea mai bună, iar din
punct de vedere geometric este cea mai aproape de realitate (contururile sunt precis
delimitate, anumite obiecte de tip punct ies cu uşurinţă în evidenţă).
Figura 8 Suprapunerea imaginilor
2. Alegerea punctelor de control. În mod obligatoriu se aleg câteva puncte (minim

4) care sunt precis localizate în ambele imagini. Acestea se aleg fie dintre obiectele
punct bine evidenţiate (vârfuri de munţi, încrucişări de drumuri), fie se cunosc din
măsurători GPS. Această din urmă metodă este de preferat, deoarece punctele pot fi
măsurate cu mare acurateţe.
3. Asocierea punctelor de control din cele două imagini. Aceasta se face în mod
interactiv: imaginile sunt afişate pe ecran, iar punctele sunt puse în corespondenţă
prin comenzi date de către utilizator. Se poate face şi automat, dar este mai riscant.
Deoarece acurateţea operaţiunii depinde de modul de alegere şi de corespondenţa
între puncte, trebuie să se dea o mare atenţie acestei operaţiuni. Menţionăm faptul
că asocierea punctelor de control este un proces iterativ, în sensul că, poziţiile
determinate vor fi reutilizate în verificarea poziţiilor punctelor determinate mai
înainte.
4. Calculul coeficienţilor proiecţiei. Poziţiile din imaginea a II-a se vor găsi cu
ajutorul transformării (Gupta, 1991).
x'= a0 + a1x + a2y + a3xy

y'= b0 + b1x + b2y + b3xy
unde x' şi y' sunt coordonatele punctelor în noua imagine, iar x şi y sunt
coordonatele punctelor în imaginea de bază. Cei 8 parametrii (coeficienţii) se
determină numai prin cunoaşterea a 4 puncte de control (fiecare punct generând
două relaţii: una pentru x' şi una pentru y'). Imaginile de mari dimensiuni se
descompun în dreptunghiuri, fiecare fiind tratat ca o imagine separată. În aceste
cazuri este nevoie de mai multe puncte de control.
5.Evaluarea valorilor pixelilor. Corespondenţa se realizează prin selectarea unui
punct din imaginea I, găsirea locaţiei corespondente în imaginea II cu ajutorul
transformării de mai sus şi evaluarea valorii pixelului. Astfel se obţine distribuţia
valorilor din imaginea II în conformitate cu geometria imaginii I. Acest proces
implică găsirea noilor valori pentru pixeli şi nu transferarea vechilor valori în noile
locaţii. Evaluarea valorilor pixelilor se face prin interpolare liniară sau biliniară.
Figura 9 Evaluarea imaginii II din imagineaI
10.3. Mărirea clarităţii sau ameliorarea imaginii

Scopul acestui grup de operaţii este de a face ca unele caracteristici din imagine să
fie mai uşor interpretabile în detrimentul altora. Trebuie subliniat faptul că înaintea
execuţiei acestei operaţii, imaginea trebuie să fie corectată din punct de vedere
radiometric, altminteri erorile pot fi accentuate.
Avem două situaţii diferite: când operăm asupra unei singure imagini şi
când procesăm mai multe imagini. În ambele cazuri pasul pregătitor pentru mărirea
clarităţii imaginii este cunoaşterea distribuţiei statistice a pixelilor. Aceasta se face
prin înfăţişarea histogramei în cazul unei singure imagini şi a scaterogramei (vezi
mai jos) pentru imagini multiple.
Prelucrarea asupra unei singure imagini

Metodele de prelucrare au fost dezvoltate iniţial în cadrul procesării semnalelor,
aplicându-se şi în procesarea imaginilor pe o singură bandă.
1. Crearea unei imagini booleene. Se utilizează pentru evidenţierea unei

anumite caracteristici dintr-o imagine alb-negru. Se fixează o valoare care va fi
aleasă de utilizator şi care va reprezenta pragul sub care toate valorile pixelilor mai
mici decât aceasta vor fi fixate la zero (negru) iar celelalte la valoarea maximă (255
pentru TM). Acest procedeu se mai numeşte clasificare binară.
2. Crearea unei imagini cu un număr fixat de caracteristici. Este vorba de

o tehnică cunoscută în literatură sub numele level slicing şi constă în împărţirea
valorilor distribuite pe axa OX în intervale definite de utilizator. Diferenţa faţă de o
imagine booleană este aceea că imaginea rezultată va conţine mai mult de două
caracteristici. Fiecare interval va avea o singură valoare pentru toţi pixelii. De
exemplu dacă valorile pixelilor le împărţim în 5 clase, imaginea rezultată va conţine
doar 5 caracteristici geografice, fiind înfăţişate în 5 nuanţe de gri sau 5 culori
diferite.
3. Extinderea contrastului. În teledetecţie acesta este de cele mai multe ori o

cerinţă deoarece mulţi senzori sunt reglaţi să colecteze date pe un domeniu extrem
de larg de condiţii, de la suprafeţe deşertice fierbinţi şi până la suprafeţe care
reflectă foarte slab cum ar fi oceanele polare. În consecinţă, doar o mică porţiune
din scara măsurătorilor este folosită pentru un anumit peisaj.
Execuţia propriu-zisă a operaţiei este precedată de afişarea histogramei

valorilor pixelilor, care oferă informaţii importante privitoare la distribuţia acestor
valori determinându-se tipul de contrast care trebuie ales. Adesea în practică, se
procedează la trunchierea extremităţilor histogramei cu 2 - 5%. Aceasta permite un
contrast mai bun al întregii imagini. Limita de trunchiere poate diferi de valoarea
dată mai sus, fixându-se în funcţie de cerinţe (ce se doreşte să se scoată în
evidenţă).
Există mai multe metode de realizarea a acestei operaţii, ce se bazează pe
interpolări sau pe procedee statistice.
Este o operaţie tipică care se execută asupra pixelului. După cum am mai spus, un
pixel din imagine are o gamă de valori până la 256. De cele mai multe ori nu este
utilizat întreg domeniu. În aceste situaţii detaliile sunt greu vizibile. O rescalare a
valorilor pixelilor va înbunătăţi într-o oarecare măsură imaginea. Pentru a înţelege
mai bine acest grup de operaţii să considerăm o imagine care are distribuţia
pixelilor dată de histograma din figura 10. Există mai multe metode de extindere a
contrastului, cea mai simplă fiind extinderea liniară. În această metodă valorile
pixelilor se calculează după formula
VALNOU = {(VAL-MIN) / (MAX-MIN)]⋅255
unde VAL sunt valorile din imaginea iniţială, MAX este valoarea maximă a
pixelilor din imagine, iar MIN valoarea minimă. Evident această formulă se va
aplica tuturor pixelilor din imagine. O schiţă a redistribuirii valorilor pixelilor este
dată în figura 10, iar alura funcţiei este dată în figura 11 a (Lillesand, Kiefer, 1994).
Pe lângă această metodă mai există şi altele, dintre care amintim: metoda
multiliniară, logaritmică, exponenţială, gaussiană şi egalizarea histogramei.
Extinderea multiliniară constă din împărţirea domeniului în câteva intervale, fiecare
având propria extindere liniară (ca şi cea descrisă mai sus). Extinderea după o
anumită funcţie (logaritmică, exponenţială sau legea normală a lui Gauss) constă în
redistribuirea valorilor după funcţia respectivă. În general, produsele soft conţin toţi
aceşti algoritmi, alegerea acestuia fiind condiţionată de cazul concret în care se
aplică.
Figura 10 Redistribuirea valorilor pixelilor pe întreg domeniu
Figura 11 Extinderea contrastului în conformitate cu diferite funcţii

În figura 11 am înfăţişat întiderea contrastului prin metoda multiliniară (b) şi

exponenţială (c).
4. Filtrarea spaţială. Spre deosebire de filtrele spectrale destinate să oprească

anumite lungimi de undă din spectrul EM, filtrele spaţiale accentuează sau
estompează diferite frecvenţe spaţiale. Frecvenţa spaţială se referă la numărul de
apariţii de valori ale pixelilor care, la o înfăţişare a imaginii şi a curbei care
reprezintă răspunsul spectral, pot produce “asperităţi” datorită variaţiilor tonale
(figura 12.15 a). O frecvenţă mare implică nuanţe de gri ce variază brusc pe un
număr relativ mic de pixeli. Din contră, dacă variaţiile sunt foarte mici, vom spune
că avem o frecvenţă mică şi în consecinţă o imagine mai netedă (nuanţele de gri
variază regulat pe o gamă mare de valori ale pixelilor. Variaţiile de frecvenţă înaltă
corespund schimbărilor locale (de la pixel la pixel), iar variaţiile de fercvenţă mică
schimbărilor regionale, de la un capăt la altul al imaginii. Aici vom studia
frecvenţele înalte, care conţin informaţii importante pentru separarea obiectelor
alăturate, având ca efect o accentuare a caracteristicilor locale din imagine. Ele sunt
influenţate de proprietăţile terenului, vegetaţie, înălţimea Soarelui etc. Filtrarea
spaţială oferă o îmbunătăţire a calităţii imaginii prin suprimarea unei anumite
frecvenţe. Este o operaţie tipic locală, în care valoarea unui pixel din ceea ce va
constitui noua imagine depinde de valorile învecinate ale pixelilor din vechea
imagine.
Metoda se bazează pe ceea ce se numeşte tehnica matricilor ponderate.
Imaginea materializată prin matrici de numere se descompune în matrici mai mici
(nuclee) de dimensiuni impare (3x3, 5x5, 7x7, 9x9), pixelul din mijloc fiind
recalculat, după un anumit algoritm, în funcţie de valoarea fixată pentru pondere şi
de vecinii săi. Nucleul este mutat succesiv peste toţi pixelii, calculându-se astfel o
nouă matrice de valori, generând imaginea. Depinzând de ponderea dată fiecărui
element dat în matricea filtru, imaginea poate fi netezită sau să aibă un contrast mai
mare.
Figura 12 Reevaluarea valorilor pixelilor prin filtrare

Să considerăm o porţiune dintr-o imagine (figura 12) cu un nucleu 3x3, şi

cu o pondere de 1/9. Valoarea poziţiei haşurate în figură va fi recalculată după
următorul algoritm: 56/9 + 48/9 + 52/9 + 49/9 + 42/9 + 50/9 + 48/9 + 51/9 + 45/9 =
441/9 = 49. Deci poziţia în cauză va avea în noua imagine valoare 49. Toate
valorile pixelilor se vor recalcula cu acest algoritm.
Procesarea imaginilor multiple

În multe situaţii practice suntem în situaţia de a prelucra imagini ale aceluiaşi areal
luate în diferite benzi spectrale. Acestea pot fi suprapuse obţinându-se o nouă
imagine. În cele ce urmează vom prezenta câteva noţiuni de bază privitoare la
tehnicile de procesare a imaginilor multiple.
Două seturi de imagini pot fi reprezentate statistic în plan, obţinându-se în
general o curbă numită caracteristică spaţială, axele fiind date de valorile pixelilor
în două canale spectrale diferite (cele cercetate). Dacă anumite obiecte au
proprietăţi unice din punct de vedere al răspunsului spectral, atunci ele formează
nori (clusters). Aceste reprezentări se mai numesc în literatura de specialitate
diagrame de împrăştiere sau scaterograme (din l. engleză scatterogram sau scatter-
diagram). Dacă cele două caracteristici sunt strâns corelate, scaterograma se
aproximează printr-o dreaptă, iar dacă sunt necorelate se produce o împrăştiere a
valorilor pixelilor în plan, de unde şi denumirea de diagramă de împrăştiere. Am
păstrat denumirea engleză pentru această noţiune datorită similitudinii metodelor ce
fac obiectul acestei operaţii cu cele din analiza de clusteri din statistică, care ete un
termen consacrat ca atare. Separarea clusterilor este decisivă în identificarea
obiectelor din imagine. Semnificaţia şi utilitatea diagramelor de clusteri va fi reluată
şi la grupul de operaţii privitoare la clasificarea imaginilor
În cele ce urmează vom prezenta principalele operaţii pe imagini multiple.
1. Adunarea şi scăderea imaginilor.

Cea mai simplă metodă de a combina imagini multispectrale este adunarea şi

scăderea. Rezultatul adunării produce un contrast ridicat dacă benzile sunt bine
corelate. Separat aceste benzi nu conduc la o ameliorare a imaginii. În principiu
operaţia este foarte simplă, deoarece se reduce la adunarea a două matrici de
numere. Dacă notăm cu aij valorile pixelilor dintr-o bandă şi cu bij valorile pixelilor
din altă bandă vom obţine
rij = aij + bij
După înfăţişarea imaginii se poate introduce un factor pondere cu care se va înmulţi
matricea rezultantă.
În general diferenţele spectrale pot duce la reducerea contrastului între
anumite categorii de obiecte. Diferenţa este utilă pentru a obţine informaţii
privitoare la puncte sau obiecte care nu sunt conforme din punct de vedere spectral
cu fondul de referinţă. Se utilizează de regulă pentru a deduce variaţii temporale din
date multitemporale.
Figura 13 Histogramele unei imagini în trei benzi
2. Raportul a două imagini.

Raportul spectral este o tehnică de ameliorare a imaginii în care se pun în

corespondenţă (prin împărţire) valorile imaginilor înregistrate în două benzi
diferite. Procedeul se aplică pentru a detecta variaţii spectrale pe un areal mascat de
variaţii în luminozitate în diferite benzi. Raportul înregistrărilor exprimă mai clar
variaţia curbei reflectante între cele două benzi decât valoarea absolută a
reflectanţei observate separat în cele două benzi. Aceste curbe sunt foarte diferite
pentru senzori în diferite benzi. De exemplu raportul IR apropiat / roşu este foarte
mare pentru o vegetaţie normală, iar pentru o vegetaţie atacată este mic.
3. Analiza componentelor principale.

Determinarea componentelor principale este o tehnică destinată să îndepărteze sau
să reducă redundanţa în imaginile multispectrale. Aceasta se aplică fie în vederea
interpretării vizuale, fie ca o fază premergătoare clasificării.
Analiza componentelor principale (ACP) transformă datele multivariate provenite
din diferite canale spectrale având un sistem de coordonate benzile spectrale, într-
un alt sistem de coordonate. Datele sunt transformate astfel încât să exprime aceeaşi
distribuţie a datelor, cu acelaşi număr de variabile, dar noile axe să aibă o mai mare
semnificaţie. Astfel prima axă va prelua cea mai mare parte din semnificaţie, a doua
axă va prelua cea mai mare parte din semnificaţia datelor care au mai rămas,
ş.a.m.d. De regulă procedura se opreşte doar la două axe.
În figura 14 am înfăţişat o distribuţie spaţială a valorilor pixelilor pe axele originale.
Tehnica de ACP determină noile axe (axa 1 şi axa 2), care vor fi deplasate prin
rotaţie şi translaţie) cu originea în mijlocul norului de puncte. Axa 1 defineşte
direcţia componentei principale, iar axa 2 defineşte a doua direcţie a componentei
principale. Relaţia de transformare din sistemul de coordonate banda A / banda B în
sistemul de coordonate axa 1 / axa2 se face prin formulele (Lillesand, Kiefer,
1994):
VI = a11VA + a12VB
VII = a21VA + a22VB ,
unde VI şi VII sunt numerele asociate pixelilor în noul sistem de coordonate, iar VA
şi VB valorile din vechiul sistem, iar numerele a11, a12, a21, a22 sunt coeficienţii
transformărilor care urmează a fi determinaţi.
Figura 14 Analiza componen-

telor principale pe două benzi
10.4. Segmentarea şi mozaicarea imaginilor digitale

Scopul segmentării este de a diviza imaginea în zone omogene în raport cu aspectul
general.
Mozaicarea este operaţia prin care se asamblează mai multe imagini de
acelaşi fel, rezultând o imagine mai mare. Scopul este de a reface o nouă imagine
din regiuni aparţinând iniţial la două sau mai multe imagini diferite. Deci se impune
ca acestea să aibă aceleaşi caracteristici (aceeaşi bandă, rezoluţie, scară etc) şi în
plus să aibă o zonă comună.
În cazul în care imaginile sunt contigue şi sunt obţinute de acelaşi satelit în aceeaşi
zi, zona comună este identică, iar imaginile se pot alipi fără a fi necesară o
preprocesare. În toate celelalte cazuri, două imagini contigue nu au exact aceeaşi
radiometrie în zona comună. Pentru realizarea procesului de mozaicare trebuie
definită, în cazul fiecărei benzi spectrale, o lege de transformare pentru egalizarea

radiometrică a celor două imagini. Aceasta se aplică pentru toate canalele spectrale.
Primul caz este cel mai simplu, iar procesul decurge după cum urmează.
Linia din zona comună de-a lungul căreia se va realiza joncţiunea celor două
imagini poate fi aleasă în mod interactiv pe ecran. În acest scop se aleg pixelii care
reprezintă aceeaşi poziţie relativă din fiecare imagine şi sunt bine evidenţiaţi
(vârfuri de munte sau orice altă entitate punct). Odată stabilită corespondenţa, restul
procesului este automat (se face prin program alegându-se comanda
corespunzătoare).
În cazul în care imaginile nu sunt captate în aceeaşi zi şi nu au nici aceeaşi
orientare, problema este mai complicată şi iese din cadrul acestei discuţii.
10.5. Clasificarea imaginilor digitale

Scopul este simplificarea imaginii prin reducerea domeniului total al numerelor şi al
entităţilor spaţiale în categorii mai restrânse de semnificaţie. Altfel spus, de a
construi imagini tematice în care fiecare pixel este asignat unei clase particulare de
obiecte, bazat pe răspunsul spectral.
Pentru anumite aplicaţii, cum ar fi cartarea suprafeţelor de apă este suficientă o
singură temă. În altele, de exemplu utilizarea terenului, este nevoie de mai multe
canale spectrale, poate chiar toate. Imaginea tematică rezultată este definită de
imaginile obţinute prin operaţiile menţionate până acum. Indiferent de metodă
clasificarea, sau extragerea temei, comportă doi paşi: (1) identificarea clusterilor şi
asocierea lor cu clase statistice, (2) clasificarea datelor din imagini multispectrale
conţinute într-un singur strat tematic.
Există două metode de bază: clasificarea supervizată sau recunoaşterea

supervizată a tiparelor şi clasificarea nesupervizată sau analiza de clusteri. În
clasificarea supervizată clasele de obiecte de pe suprafaţa Pămîntului se cunosc
dinainte pe anumite zone restrânse din imagine (se numesc zone de test sau situri).
Se încearcă încadrarea acestora în tipare urmată de elaborarea unor reguli care
urmează să fie extinse la porţiunile din imagine necunoscute. În termeni simpli,
utilizatorul identifică câteva areale pe imagine care sunt caracteristice fiecărei clase
în discuţie. De exemplu în încercarea de a deduce o hartă a vegetaţiei din ţinuturile
muntoase ale României, trebuie să se identifice arealele agricole cultivate, cele cu

păşuni şi cele împădurite care pot fi obţinute utilizând tehnicile de monitorizare a
terenului. Analiza de imagine încercă să clasifice fiecare pixel din imagine într-una
din aceste categorii. În clasificarea nesupervizată procesul este invers. Mai întâi
pixelii sunt constituiţi în clasele de clusteri, după care se verifică dacă clusterii au
semnificaţie sau nu. Cel mai bine este de a folosi cele două metode în combinaţie.
Mai întâi utilizându-se clasificarea nesupervizată se construiesc clusterii, iar apoi cu
clasificarea supervizată clusterii fără semnificaţie se ignoră şi sunt alipiţi la cei cu
semnificaţie. Astfel doar clusterii cu semnificaţăie se păstrează pentru formularea
deciziei de clasificare a restului peisajului.
În continuare vom da câteva detalii privitoare la cele două tipuri de
clasificare.
Clasificarea supervizată
Aşa cum am menţionat mai sus, clasificarea supervizată se bazează pe cunoaşterea
apriori a caracteristicilor suprafeţei unei porţiuni din imagine şi utilizarea acestora
ca factori de decizie în determinarea proprietăţilor celorlalte porţiuni. Depistarea
tiparelor este una din cele mai delicate operaţii, fiind mai importantă decât alegerea
unui anumit algoritm de clasificare. Zonele de test sunt deduse din măsurători şi nu
depăşesc 1% din suprafaţa totală a imaginii. Pentru ca scopul să fie atins, pe situri
trebuiesc executate măsurători complexe cu privire la conţinutul de informaţii.
Alegerea acestor situri se realizează de către specialiştii în domeniul pentru
care se face prelucarea imaginii. Acestea trebuie să satisfacă următoarele condiţii:
- să fie cele mai reprezentative, cu posibilităţi de măsurări cât mai precise;
- să fie accesibile;
- să fie omogene;
- să se stabilească tipurile de determinări şi frecvenţa acestora;
- din punct de vedere statistic, fiecare clasă trebuie să prezinte o distribuţie
normală;
Operaţiile statistice preliminarii care se fac pentru acest tip de clasificare
sunt:
- se verifică distribuţia normală;
- se calculează mediana şi devierea standard pentru fiecare categorie în

fiecare canal spectral;
- se calculează matricea de covarianţă pentru fiecare categorie (care
exprimă cantitativ relaţia dintre răspunsuri în canale spectrale diferite);
- se calculează o matrice care ne arată separabilitatea între fiecare canal
spectral pentru a verifica dacă oricare două categorii sunt disjuncte sau nu;
- se trasează diagrama de împrăştiere între diferite canale spectrale, pentru a
deduce relaţiile dintre răspunsurile spectrale în diferite canale, pentru toate
categoriile.
1. Selectarea caracteristicilor constă în selectarea informaţiei utile care se va
folosi pentru clasificarea restului de imagine din peisaj. Scopul principal este
reducerea dimensionalităţii măsurătorilor spaţiale, minimizând redundanţa datelor.
Astfel volumul datelor de prelucrat este mai mic. Dacă un punct era definit de n
valori în spaţiul măsurătorilor, acum este definit de m (m<<n) valori din spaţiul
caracteristicilor. Selectarea caracteristicilor include următoarele posibilităţi: (a)
alegerea caracteristicilor care sunt minime în cadrul clasei de variabilitate şi
maxime între clase, sau (b) selectarea caracteristicilor care sunt cât mai slab corelate
posibil.
2. Selectarea tipului de clasificare constă în descompunerea spaţiului

caracteristicilor în subspaţii disjuncte astfel încât orice pixel să aparţină uneia din
clase. În principal există trei tipuri de clasificare: geometrică (bazată pe distanţă),
paralelipipedică, probabilistică şi funcţională.
Clasificarea geometrică este bazată pe măsurarea dinstanţei între pixelul
necunoscut şi un vector median. Pixelul va fi asignat acelei clase pentru care
distanţa este minimă.
Figura 15 Clasificarea geometrică Figura 16 Clasificarea paralelipipedică

În figura 15 am prezentat în mod simplificat o distribuţie posibilă între două benzi

arbitrare. Litera aplicată în locul valorilor pixelilor sugerează categoria în care se
încadrează pixelii: u=urban, a=apă, n=nisip, p=pădure. În primul rând se determină
valoare medie a fiecărui nor (marcată cu + în figură). Un pixel necunoscut se
clasifică calculând distanţa dintre valoarea pixelului şi media fiecărei categorii.
Atragem atenţia că nu este vorba de o “distanţă spaţială”, ci de o îndepărtare a
valorii pixelului faţă de media valorilor evaluată a categoriei respective, iar valorile
reprezintă măsura cantitativă a răspunsului spectral în banda respectivă. Neajunsul
principal al acestei tehnici este acela că este greu de deosebit gradul de dispersie în
răspunsul spectral. Un al doilea neajuns este că nu se ia în calcul împrăştirea între
categorii.
Figura 17 Clasificarea probabilistă
Clasificarea paralelipipedică este asemănătoare cu cea prezentată anterior.

Se introduce o măsură a abaterilor în fiecare categorie de test, definindu-se un
domeniu de variabilitate. Acesta se poate defini ca fiind cea mai mare sau cea mai
mică valoare a pixelilor în fiecare bandă, materializându-se printr-un dreptunghi în
cazul bidimensional, aşa cum este înfăţişat în figura 16. Un pixel “necunoscut” se
clasifică după cum poate fi inclus în acest domeniu sau nu; în această ultimă situaţie
el nu va fi clasificat. În cazul multidimensional aceste dreptunghiuri devin

paralelipipede n dimensionale. Această metodă de clasificare este foarte eficientă
din punct de vedere computaţional.
Clasificarea probabilistă se bazează pe probabilitatea ca un pixel să

aparţină unei anumite clase, fixându-se un anumit prag care se determină empiric şi
de care depinde acurateţea metodei. Atunci când se clasifică un pixel necunoscut se
evaluează cantitativ atât varianţa cât şi covarianţa răspunsurilor spectrale. Metoda
presupune o distribuţie normală a punctelor care fac obiectul clasificării. Curbele
înfăţişate în figura 17 reprezintă zone echiprobabile. Această presupunere se
consideră rezonabilă pentru distribuţiile răspunsurilor spectrale obişnuite. Pentru
calculul probabilităţii ca un pixel să aparţină la o categorie se foloseşte funcţia
densitate de probabilitate. După evaluarea probabilităţii fiecărei categorii, pixelul se
va asigna acelei clase pentru care este cea mai mare. Dacă însă probabilitatea este
mai mică decât pragul fixat, pixelul se declară “necunoscut” şi nu va fi clasificat.
Clasificarea funcţională asociază o anumită funcţie la fiecare clasă şi asignează

pixelul acelei clase pentru care valoarea funcţiei este maximă. Forma acestei funcţii
se alege empiric iar experienţa în procesarea imaginilor precum şi alegerea siturilor
este decisivă.
Principalele caracteristici ale clasificării supervizate: (1) cunoaşterea a priori (prin

observaţii) a unei porţiuni din canalul care urmează a fi clasificat; (2) siturile pot să
nu fie în întregime reprezentative pentru o clasă şi astfel imaginea finală poate fi
lipsită de acurateţe; (3) deoarece semnificaţia claselor obţinute este cunoscută, nu
este necesară interpretarea fiecărei clase; (4) caracteristicile din imagine care
trebuie să fie separate şi nu sunt studiate dinainte, vor conduce la o clasificare
greşită; (5) procesul de clasificare se face în conformitate cu tema definită de
utilizator.
Clasificarea nesupervizată
Clasificarea nesupervizată este procesul de creare a grupelor de pixeli reprezentând
caracteristici geografice, fără a cunoaşte a priori ceea ce se clasifică. Este analizat
răspunsul spectral al tuturor pixelilor după metode statistice şi grupaţi în clusteri

similari. Este responsabilitatea utilizatorului să decidă semnificaţia acestor grupe.
O tehnică standard de clustering care se aplică în cazul clasificării
nesupervizate este iterative self-organizing data analysis (ISODATA). Aceasta
constă în împărţirea, iniţial, a imaginii în arii egale de dispersie a datelor bazată pe
un număr de clase fixate de utilizator. Fiecare pixel este evaluat pe baza distanţei
valorii sale la media clusterului şi asignat grupului celui mai apropiat. Distanţa
spectrală a fiecărui pixel este reevaluată după o ajustare a semnificaţiei clusterului.
Acest proces se repetă până ce un anumit procentaj important (definit de utilizator)
va aparţine unei clase. Clasele rezultante de signaturi spectrale sunt evaluate astfel
încât fiecare caracteristică geografică să fie cât mai bine reprezentată. Evaluarea se
bazează pe interpretarea utilizatorului a imaginii astfel rezultate.
Uneori anumite clase pot fi eliminate deoarece reprezintă prea multe
caracteristici diferite pe suprafeţe mici. Alteori clasele pot fi contopite deoarece,
practic acestea reprezintă aceleaşi clase de obiecte. Şi în fine o clasă mare care
prezintă o anumită neomogenitate poate fi împărţită în clase mai mici.
În rezumat, procedeul decurge după cum urmează: primul pixel este atribuit
clusterului 1. Se ia al doilea pixel şi se calculează distanţa la clusterul 1. Dacă
distanţa este mai mică decât un anumit prag (valoare dată de dinainte) atunci va fi
inclus în clusterul 1, iar în caz contrar va fi asignat clusterului 2. Se ia al treilea
pixel şi prin calcularea distanţei se ia decizia dacă aparţine unuia din clusterii 1 sau
2, dacă depăşeşte pragul va fi asignat clusterului 3, s.a.m.d.
Clasificarea nesupervizată se caracterizează prin: (1) nu cere o cunoaştere a
priori a arealului în studiu; (2) minimizează idile preconcepute, iar clasele pot să nu
aibă semnificaţia dorită de utilizator (de exemplu dacă se caută un studiu al
vegetaţiei într-o zonă aridă, rezultatul va fi imagine tematică privind solurile);
(3)interpretarea unor clase poate fi dificilă; (4) deoarece numărul de grupuri este
necunoscut, anumite clase se pretează la o prelucrare ulterioară, prin asamblarea
claselor cu aceeaşi semnificaţie sau prin despărţirea unei clase în clase mai mici.
Neajunsul metodei este că nu există o regulă precisă de determinare a
pragului, acesta fiind decisiv în clasificare. De cele mai multe ori, după ce s-a fixat
acest prag şi s-a obţinut o anumită clasificare care nu este corespunzătoare, se reia
procedeul fixându-se alt prag.
Aşa cum am menţinat mai sus, în practică se preferă o metodă combinată a

celor două tehnici.
11. Afişarea color

Forma şi conţinutul rezultatelor unor prelucrări BDS este de o mare importanţă
pentru lizibilitatea şi interpretarea acestora. În afişarea color se distinge o gamă
largă de informaţii comparativ cu o afişare alb/negru. În plus culoarea poate fi
folosită pentru a simboliza atât date cantitative cât şi date calitative. În fine o hartă
în culori este mult mai estetică decât una monocrom.
Afişarea color a imaginilor digitale este cel puţin la fel de importantă.
Pixelii sunt asociaţi cu valori cărora le corespund o culoare sau o anumită nuanţă.
Aşa cum am văzut la începutul acestui paragraf percepţia culorii de către
ochiul uman este legată de sensibilitatea acestuia la o anumită lungime de undă.
Spectrul vizibil se află în domeniul 0,38 – 0,75 μm, porţiuni din acesta fiind
asociate cu ceea ce noi numim culori spectrale: violet, indigo, verde, galben,
orange şi roşu. De remarcat faptul că, pentru ceea ce noi numim purpuriu (magenta)
sau azuriu (cyan) nu există nici o lungime de undă corespunzătoare; pe acestea le
vom numi culori nespectrale.
Fără o sursă de lumină senzaţia de culoare nu poate fi percepută. Diferite
surse emit diferite combinaţii de unde EM de lungimi diferite şi de intensităţi
diverse, percepţia culorii unui obiect depinzând de sursă. De exemplu, lumina albă
a unui tub fluorescent este sensibil diferită de lumina albă a unui tub incandescent.
Există două tehnologii fundamentale care produc culorile, total diferite:
mod iluminat (care produce lumină, cum ar fi monitorul) şi mod obiect (care
reflectă lumina provenită de la o sursă, cum ar fi o hartă listată la imprimantă).
Modul iluminat presupune existenţa unei surse de lumină şi un organ
receptor. Monitoarele utilizează tehnologia razelor catodice ca sursă de lumină, iar
ochiul uman este receptorul. Menţionăm că este vorba de monitoarele
calculatoarelor descktop şi nu laptop sau notebook care au o cu totul altă tehnologie
(bazată pe cristale lichide). Fondul monitorului este prevăzut cu o reţea de celule
aranjate în triade. Acestea sunt excitate de un spot de electroni fiind fiind capabile
să emită unde EM cu lungimi de undă corespunzătoare culorilor primare: roşu,
verde şi albastru (Read, Green, Blue – RGB). Aceste culori se numesc aditive
deoarece se porneşte de la negru (absenţa totală a culorii) şi se adaugă în mod

progresiv combinaţii din cele trei culori, generând o gamă extrem de largă de
nuanţe. Combinaţia celor trei culori la intensitatea maximă produce alb.
În figura 18 am înfăţişat cubul RGB care sugerează nivelul de strălucire a
fiecărei culori primare. Pentru o afişare de 8 biţi avem pentru fiecare componentă
256 de valori (nuanţe) distincte (de la 0 la 255). Numărul total al nuanţelor posibile
este de 2563 = 16777216 combinaţii diferite. Diagonala de la origine (negru) la
vârful opus (alb) este linia gri. Pe această diagonală vom avea combinaţii egale din
cele trei culori primare, în total 256 nuanţe de gri (inclusiv negru şi alb).
Figura 18 Cubul RGB
Modul obiect este o tehnologie diferită şi se utilizează la imprimarea pe

suport de hârtie. Aceasta presupune existenţa unei surse de lumină externă incidentă
la imagine şi apoi reflectată înspre receptor. Suprafaţa hărţii lucrează ca un filtru,
absorbind (sau extrăgând) anumite lungimi de undă, permiţând altor lungimi de
undă să ajungă la receptor. Culoarea percepută este determinată de combinarea
lungimilor de undă reflectate. Culorile primare, numite în literatură substractive
primaries, sunt cyan, magenta şi galben (CMY). Plecând de la absenţa culorilor,

care produce alb (şi s-a ales această tehnică pentru imprimante şi plottere deoarece
hârtia este albă), culorile primare sunt amestecate prin alegerea unei lungimi de
undă particulare.
Pornind de la o suprafaţă albă care reflectă toate lungimile de undă şi aplicăm
cerneala cyan, percepem senzaţia cyanului deoarece filtrează (absoarbe) lungimea
de undă roşu şi reflectă verde şi albastru care în fapt generează culoarea nespectrală
cyan. În modul iluminat amestecul de verde şi albastru produce cyan.
În figura 19 am înfăţişat cubul CMY, fiecare culoare având valorile între 0 şi 100.
Combinarea celor trei culori intensitatea maximă ar trebui să producă negru.
Deoarece cele trei culori nu sunt filtre perfecte, combinarea lor nu va produce negru
ci maro foarte închis. Astfel la acest sistem de reprezentare se mai adaugă negru,
obţinându-se astfel CMYK (K provine de la blacK, litera B neputându-se folosi
pentru a evita confuzia cu blue).
Figura 19 Cubul CMY

Alte tehnologii care se folosesc pentru redarea culorilor pe monitor sunt

HSV (hue, saturation, value) şi HLS (hue, lightness, saturation).
În cele ce urmează vom prezenta un tabel care conţine principalele
combinaţii de culori primare (Eastman, 1995):
ADITIVE PRIMARIES SUBSTRACTIVE PRIMARIES

Albastru + verde + roşu = alb magenta + cyan + galben ≅ negru
Albastru +verde = cyan cyan + galben = verde
Verde + roşu = galben galben + magenta = roşu
Albastru + roşu = magenta magenta + cyan = albastru
Prelucrarea în domeniul invizibil

În cazul unei imagini înregistrate în alte benzi decât cele vizibile, pentru a putea fi
înfăţişată pe ecran, benzile spectrale trebuie "traduse" în vizibil. Aceasta se
realizează fie direct (pe staţia care preia imaginea), fie ulterior, când aceasta este
introdusă în calculator. În orice caz idea este de a atribui o anumită culoare (din
cele 7 ale spectrului vizibil) unei anumite benzi sau porţiuni din bandă, de exemplu
IR apropiat îi atribuim albastru, IR mediu îi atribuim verde iar IR termal îi atribuim
roşu. În felul acesta imaginea poate fi vizualizată pe ecran. Această tehnică se mai
mumeşte "fals color".
În ceea ce privesc benzile din Landsat TM, în mod obişnuit se folosesc
canalele 1, 2 şi 3 pentru albastru, verde şi roşu. Pentru fals color se atribuie aceleaşi
culori (în această ordine) pentru canalele 2, 3 şi 4.
12. Integrarea imaginilor în GIS

Analiza geografică complexă a condus la necesitatea combinării imaginilor digitale
cu hărţi vectoriale. Datele satelitare rareori conţin toată informaţia necesară şi de
aceea este foarte utilă asocierea cu elemente tematice sau topografice, pentru a le
face mai uşor de analizat şi de interpretat.
După gradul de prelucrare a imaginilor digitale, distingem trei nivele

distincte: (1) nivelul “imagine”, care nu conţine date interpretabile direct; (2)
nivelul “imagine clasificată”, în care pixelii sunt asignaţi unor anumite clase de
semnificaţie (număr limitat de clase); (3) nivelul “hartă-imagine”, în care datele
satelitare interpretate sunt suplimentate cu date vectoriale (poligoane tematice).
În cazurile (1) şi (2), unde informaţia satelitară conservă caracterul de
“imagine” sub formă de pixeli, problemele cartografice apar într-o nouă abordare.
O suprapunere a unei hărţi vectoriale peste o imagine digitală va estompa gradul de
detaliere al acesteia, informaţia cartografică înlocuind-o pe cea dată de imagine.
Această problemă există deja la hărţi deduse din aerofotograme, dar în cazul
imaginilor satelitare efectul este amplificat de scara mai mică care accentuează
diferenţa dintre detaliile reale şi simbolurile artificiale (introduse de harta
topografică), între poziţia reală şi amplasamentul convenţional. Trebuie menţionat
faptul că o structură raster este greu de combinat cu elemente vectoriale.
Prin clasificare se creează în mod artificial categorii care reprezintă
elemente cu caracteristici radiometrice similare. Simplificarea sau generalizarea
este un proces care include selecţia, reducerea şi combinarea datelor în scopul
obţinerii unei hărţi-imagine.
În sistem tradiţional este un procedeu grafic de reprezentare a realităţii prin
puncte, linii, arii, simboluri, haşuri sau culori. Imaginea este o reprezentare raster
(bazată pe pixeli) alb/negru sau color. Pixelul ca unitate elementară de afişare nu
are importanţă ci doar grupurile de pixeli sau imaginea în ansamblu. Utilizatorul
este interesat în primul rând de asemănarea cu o fotografie şi de distribuţia
pixelilor, în care anumite caracteristici sunt uşor de recunoscut şi interpretat.
Hărţile-imagine sunt combinaţie între o imagine şi elemente cartografice
conţinute într-o hartă vectorială. Nu există o regulă pentru a defini o hartă-imagine
standard. Cu alte cuvinte nu există o convenţie prin care un anumit tip de date să fie
preponderent. Diferitele metode de combinare a elementelor grafice cu elemente din
imagine (tonuri, culori) depinde de aplicaţia practică care urmează să se intreprindă.
Imaginile prelucrate prin teledetecţie sunt o sursă vastă de date grafice cu
mari posibilităţi de analiză. Datele spaţiale integrate (hărţi vectoriale şi imagini) au
ca scop prelucrarea împreună a cestora în vederea obţinerii de informaţii pentru o
aplicaţie specifică. Sistemele “integrate” capabile să manipuleze şi să efectueze
analize simultan atât pe hărţi vectoriale cât şi pe imagini satelitare, la un nivel

ridicat, sunt destul de rare.
Datele preluate prin teledetecţie pot fi integrate în două feluri: fie ca
imagini preprocesate (nivelul 1), fie ca imagini clasificate (nivelul 2), urmând apoi
un proces de combinare cu o hartă vectorială, rezultând ceea ce se numeşte hartă-
imagine (nivelul 3).
Datele incluse în BDG sunt preponderent în sistem vectorial, or problemele
care implică modelarea complexă pot fi atât vectoriale cât şi raster. Pentru o
prelucrare combinată este nevoie de un sistem de reprezentare comun. Problema
care se pune este în ce format să se facă viitoarele prelucrări. Acest lucru este decis
de produsul GIS cu care se realizează proiectul. Dacă acesta lucrează in format
vectorial, toate datele spaţiale trebuie convertite în acest sistem, iar dacă
prelucrările sunt făcute în sistem raster, evident hărţile vectoriale trebuiesc
convertite în raster. Pentru realizarea acestor conversii utilizatorul trebuie să aleagă
comanda impusă de produsul GIS cu care se lucrează. Să prezentăm pe scurt
problemele care pot apărea la aceste conversii. Trebuie subliniat faptul că orice
conversie produce un rezultat mai slab decât harta sau imaginea iniţială.
În general datele vectoriale pot fi rasterizate fără a se pierde prea mult din
acurateţe. Însă vectorizarea imaginilor satelitare nu poate fi făcută, practic, pentru
întreaga suprafaţă, numai dacă este clasificată. În orice caz datele trebuie să aibă un
raster de coordonate comun. In principiu, conversia vector-raster presupune o
transformare într-un nou sistem de coordonate, care se face automat în cazul în care
s-ar fi identificat un număr minim de puncte care reprezintă aceeaşi poziţie relativă
atât în harta vectorială cât şi în imaginea digitală.
Transformarea raster-vector este mult mai complicată. Trebuie găsite un
număr de puncte (cărora li se atribuie coordonatele X,Y) care vor fi noduri în noul
sistem; aceasta presupune o netezire a caracteristicilor geografice care reprezintă
linii, pentru a găsi nodurile optime. Imaginea raster va fi reînregistrată în imagine
vectorială prin unirea nodurilor. Odată structura definită, atât datele satelit cât şi
cele vectoriale pot fi suprapuse, analizate şi sintetizate pentru scopul propus.
PARTEA A III-A
INTRODUCERE ÎN ARCVIEW
Întroducere în ArcView 180
1. Prezenare generală a produsului ArcView

ArcView este un produs al firmei ESRI (Environmental Systems Research
Institute) leader mondial în domeniu, în special datorită produsului GIS
profesional Arc/Info. Arc/Info este unul dintre cele mai complexe produse soft
şi poate efectua aproape orice gen de analiză spaţială, dar necesită hard
pretenţios şi o instruire îndelungată. Inaccesibilitatea acestui produs pentru
publicul larg, a determinat firma ESRI să proiecteze un alt program, mai
accesibil şi mai ieftin.
ArcView este un GIS orientat “desktop”, care rulează pe microcalculatoare PC

standard. Are o mare varietate de funcţii, multe regăsindu-se în pachete
profesionale complete cum ar fi Arc/Info. Faţă de sistemele complete are,
totuşi, o limitare de funcţiuni, dar şi costul este 1/10 dintr-un sistem complet.
Simplitatea lui şi uşurinţa în utilizare îl face foarte productiv şi se obţin
rezultate în timp mai scurt decât sistemele complete. Principalele restricţii în
funcţionalitatea GIS-urilor orientate “desktop” se referă la editarea datelor
cartografice, care sunt mai puţin robuste şi nu au capacitatea de a genera
structuri de date complexe, cum ar fi de exemplu modelele de elevaţie. Un
produs GIS “desktop” tipic foloseşte topologia, dar nu este capabil să o creeze.
Astfel se poate spune că, un GIS “desktop” se utilizează pentru vizualizare şi
prezentare. Pentru prelucrări complexe începând de la versiunea 3.0, firma
ESRI pune la dispoziziţie (cu licenţe separate) extensii ale ArcView, cum ar fi
Spatial Analyst, Network Analyst, iar începând cu versiunea 3.1, 3D Analyst,
Image Analyst, Hydrological extension etc.
ArcView este proiectat şi dezvoltat într-o manieră de programare modernă

(orientată obiect), cu largi posibilităţi de extindere a facilităţilor de către
utilizator, utilizând limbajul de programere Avenue care însoţeşte licenţa.
Figura 1 Ecranul înfăţişat de ArcView
În cele ce urmează vom prezenta principalele caracteristici şi moduri de lucru

ale ArcView, urmând ca în secţiunea următoare să realizăm aplicaţii propriu-
zise.
Suprafaţa de afişare a lui ArcView (figura 1) este compusă din câteva părţi.
Sus, în fereastră, este bara de meniu principală. Dintre acestea, “File”,
“Window” şi “Help” sunt foarte familiare pentru utilizatorii de Windows, în
timp ce “Project” este un meniu propriu lui ArcView şi conţine opţiuni legate
de anumite aplicaţii specifice sau opţiuni legate de importul datelor
cartografice şi tabelare. Dacă se activează (clic) una dintre ele, va apărea o
listă de meniuri derulante, alegându-se o comandă pentru execuţia unei
sarcini.
Componentele unui proiect ArcView sunt:
• Views Afişează datele cartografice. Fiecare element particular

dintr-un View, drumuri sau râuri de exemplu, sunt referite
ca teme (Themes).
• Tables Afişează datele tabelare.
• Charts Permite crearea de diagrame simple, dacă se cer grafice mai

complexe este mai bine să se exporte fişierul în spreadsheet
cum ar fi Microsoft Excel, iar prelucrarea să se facă în
acesta.
• Layouts Pregăteşte o hartă pentru imprimare. Permite introdu-cerea

elementelor specifice hărţii (scară, titlu, orientarea Nord-
Sud, etc).
• Scripts Conţine programe scrise în ‘Avenue’, limbajul de

programare al ArcView, care permite adaptarea şi
dezvoltarea de programe create de utilizator, extinzând
astfel posibilităţile lui ArcView.
Un “proiect” este numele dat de ArcView unui fişier care stochează informaţia
privitoare la un anumit gen de prelucrări. Acesta nu conţine nici un fel de
date, ci doar un loc unde vor fi referite datele ce urmează a fi prelucrate.
Meniul “Project” ne permite să modificăm anumite aspecte ale modului de
utilizare ale lui ArcView (de exemplu culorile atribuitelor obiectelor
selectate). “Project” permite, de asemenea, să adăugăm date tabelare (în
format DBF) unei anumite aplicaţii. Extensia unui fişier “project” este apr.
Figura 2 Deschiderea (începerea) unui proiect
Când se deschide un proiect (se face clic pe”File” şi apoi pe “Open Project”)
veţi vedea pe ecran ceva similar cu figura 2. Numele proiectului va apărea în
bara de titlu din fereastra “Project”. Dacă se dă dublu clic pe numele
proiectului (Exercise) sau se alege OK, va apărea ceva similar cu fereastra din
figura 3). De asemenea, icoana “Views” este activată (bara luminoasă albastră
este pe View) şi vor apărea toate informaţiile disponibile. Dacă se dă dublu
clic pe numele unui “View” (de exemplu Exercise1), acesta se va deschide.
Rezultatul va fi cel din figura 4. Datele afişate într-un “View” sunt, de regulă
în format shape, dar ArcView acceptă şi alte foemate fie în sistem vector sau
raster. Acest lucru nu îl vom detalia aici.
Figura 3 După ce s-a deschis proiectul.
1.1 View-uri şi teme

După cum am spus mai sus, în fereastra View apar datele cartografice. Ea
permite să afişăm, să explorăm, să interogăm şi să analizăm date geografice
într-o manieră interactivă. Views, ca şi orice altă componentă a proiectului, nu
conţine date geografice, dar constă în “pointere” în care datele sunt stocate şi
reguli după care datele vor fi găsite şi afişate. Un “View” poate să aibă mai
multe componente: drumuri, ape, altitudini sau tipuri de sol. Fiecare dintre ele
se reprezintă un strat tematic. Aceste componente separate, pe care ArcView le
numeşte teme, alte pachete le numesc Coverage sau Layers. Principala raţiune
de a avea în mod separat aceste teme este facilitatea de a combina diferite
seturi de date pentru a le afişa, permiţându-ne să obţinem hărţi care altfel nu
pot fi obţinute. Această suprapunere se numeşte Overlay şi este una dintre

funcţiile cele mai importante GIS. Separarea datelor în straturi tematice face
ca întreţinerea întregii baze de date să se facă mai uşor.
Figura 4 Harta de bază
Figura 4 arată un View tipic, şi anume harta Irlandei. Aceasta este similară cu
ceea ce veţi vedea dacă deschideţi Exercise 1. În partea de sus a ecranului apar
diferite meniuri pentru controlul tuturor aspectelor dintr-un View. Sub bara de
meniuri apar pictograme (icoane). Ele sunt afişate în figura 5. În continuare
apare numele proiectului şi simbolurile specifice pentru Windows 95.
Porţiunea din stânga se numeşte Table of Contents şi conţine tema afişată

(numele fişierului corespunzător temei, în cazul nostru country.shp). Table of
Contents conţine un pătrat de validare şi un dreptunghi cu legenda. Dacă
pătratul de validare este activat (se dă clic pe acesta), efectul va fi apariţia

temei. Invalidarea de face dând din nou clic pe acesta, situaţie care produce
dispariţia temei. De reţinut faptul că şi în situaţia în care tema este încărcată,
pentru afişarea ei trebuie să activăm pătratul de validare.
Multe dintre aceste funcţii se regăsesc şi în meniuri. În View se arată doar o

singură temă, şi anume districtele din Irlanda. Un View poate conţine mai
multe teme. Ele pot fi afişate simultan sau nu după cum pătratul de validare
este cativ sau nu. O temă este propriu-zis o hartă tematică. Ea este
materializată printr-un fişier cu extensia shp.
Figura 5 Bara de butoane disponibile când este activ View
În figura 5 am înfăţişat bara de butoane când este activ View, cu explicaţia în

limba engleză. O parte din aceste butoane sunt invalidate în cazul în care
operaţia care o conţine nu poate fi executată (ca şi la produsele Microsoft).
1.2. Proiecţii de hărţi în ArcView

Aşa cum s-a menţionat în prima parte a lucrării, proiecţiile hărţilor sunt
folosite pentru a reprezenta suprafaţa curbată a Pământului într-o suprafaţă
plană. La fel ca şi o formulă matematică nici o proiecţie nu este perfectă, aşa
că, diferitele proiecţii reprezintă proprietăţi ca: suprafeţe, forme, distanţe sau
direcţii în diferite feluri. Nici o proiecţie nu poate păstra toate proprietăţile, dar
fiecare proiecţie conservă cel puţin una din aceste proprietăţi.
ArcView are o mare varietate de proiecţii locale sau globale. Acestea pot fi
accesate printr-o casetă de dialog. Pentru a folosi proiecţiile în ArcView,
datele trebuiesc stocate în grade şi zecimi de grade de latitudine şi longitudine
(decimal degree – cunoscută şi sub denumirea de “dd”). De exemplu 3º30’00”
este reprezentat ca fiind 3.5 exprimat în grade şi zecimi de grade. În acest
sistem cele 4 sferturi ale Pământului sunt reprezentate în grade întregi sau cu
zecimale pozitive sau negative. Latitudinile la sud de Ecuator sunt
reprezentate cu semnul “-“ (minus), iar longitudinile la est de 0º vor fi fără
semn (şi se va subînţelege plus), iar la vest de 180º sunt reprezentate tot cu “-
“.
Sistemul de proiecţie Mercator (Universal Transverse Mercator-UTM) împarte

Globul în 60 de zone, cuprinzând câte 6 grade de longitudine. Fiecare zonă are
propriul său meridian central. Proiecţiile UTM au următoarele proprietăţi:
Forma: păstrează forma (este conformă). Are acurateţe foarte bună pentru
areale de dimensiuni mici. Are distorsiuni minime pentru forme mari dintr-o
zonă.
Suprafaţa: distorsiune minimă a suprafeţelor în cadrul fiecărei zone UTM.
Direcţia: unghiurile locale sunt corecte.
Distanţa: scara este constantă de-a lungul meridianului central, dar se aplică o
corecţie de 0.996 pentru a reduce distorsiunea din porţiunile mai îndepărtate
ale fiecărei zone. Liniile care reprezintă 180 km la est şi la vest de meridian,
pe paralelă, au o scară de 1.
Odată fixată proiecţia unui View, următorul pas este adăugarea temelor la
View, aceasta făcându-se prin acţionarea icoanei Theme. Un proiect poate
conţine, în principiu, oricâte teme. Sigur că este de preferat ca numărul de
teme să fie atât cât este necesar pentru o aplicaţie dată. O aglomerare de teme
îngreuiază realizarea proiectului. ArcView permite o mare varietate de tipuri
de date care pot fi adăugate unui View, aici ne rezumăm însă doar la temele
corespunzătoare fişierelor proprii.
1.3. Formate de date în ArcView

Aşa cum am menţionat, formatul natural de date spaţiale în ArcView este
shapefile, care, din punct de vedere logic este considerat ca fiind o temă.
Temele pot fi de tip punct, arc sau poligon. Acestea pot reprezenta oraşe
(punct), reţele (arc) sau limite administrative (poligon). Din punct de vedere al
organizării BDG o temă este un strat. Un shapefile poate fi creat direct în
ArcView sau importat din alt produs. Metodele de creare în ArcView sunt:
digitizare cu ajutorul unui digitizor, digitizare ecran sau prin utilizarea
tabelelor de tip Event. Metoda se alege în funcţie de posibilităţile hard şi de
precizia cu care se doreşte realizarea hărţii tematice. Pentru a converti un
coverage în shapefile este necesar ca acesta să aibă extensia “.e00” şi trebuie
importat printr-un program numit “Import 7.1”. Programul este rezident pe
acelaşi director cu ArcView. Tot în acelaşi director se află şi programul
“MIFtoShape” care realizează importul de fişiere cu extensia “.mif”, realizat
de Mapinfo.
O temă este însoţită în mod obligatoriu de tabela de atribut care este în format
dbf. Dacă tema se crează în ArcView, tabela de atribut se creează în mod
automat şi va conţine un minim de informaţie privitoare la temă. Ulterior
aceasta poate fi completată după necesităţi. Dacă shapefile este creat prin
conversie dintr-un coverage, atunci tabela de atribut este creată automat. În
cazul altor importuri, lucrurile pot fi mai complicate, uneori fiind necesară
crearea încă o dată a tabelei de atribut.
Concluzionăm că, o temă are în componenţă două fişiere: un shapefile (cu

extensia shp şi care reprezintă datele spaţiale) şi o tabelă de atribut (cu
extensia dbf şi care reprezintă datele atribut), ambele având acelaşi nume, însă
extensii diferite, ca urmare a structurii lor diferite. Tema este un element al
BDG. Când se încarcă o temă într-un View se dă clic pe Add Theme care
provoacă deschiderea unei casete ce înfăţişează directorul implicit. Se alege
fişierul shape care se doreşte (clic pe nume apoi OK sau dublu clic pe nume).
În Table of Contents va apare numele fişierului shape iar dând clic pe pătratul
de validare vom obţine afişarea temei în fereastra de afişare. Tabela de atribut
este accesibilă în orice moment activând comanda Opens Theme’s Table, deci
ea nu trebuie încărcată separat.
Menţionăm faptul că în directoare pot exista şi alte fişiere cu extensia dbf, care
nu sunt fişiere atribut. Acestea, în anumite condiţii, vor purea fi alipite la
tabela de atribut, dând posibilitatea să se obţină hărţi clasificate după aceste
atribute.
Primul pas este căutarea fişierelor stocate în directoare. Va apărea o listă de

fişiere disponibile. Dacă examinaţi figura 6, puteţi observa că există două
tipuri diferite de icoane, în partea dreaptă. Primul tip de icoană este afişat cu
numele de “eel_site.shp”. Aceasta arată că, există doar una din trei posibile
tipuri de date cartografice (puncte, linii şi poligoane), într-un anumit fişier. Al
doilea tip de icoane este afişat cu titlul “geology” şi indică faptul că acest
fişier conţine geologia unui areal, format din mai multe tipuri de date
cartografice (fişiere). Dacă dăm clic pe al doilea tip de icoane va fi afişată o a
doua listă de fişiere disponibile. Ele pot fi văzute alături de fişierul “county”,
ultimul conţinând toate cele trei tipuri de date cartografice. Acestea sunt de
fapt teme care conţin un singur tip de date şi care trebuie alese în vederea
prelucrărilor. Odată ce aţi adăugat toate tipurile de date pe care le-aţi dorit
pentru a lucra cu ele într-un View, puteţi să începeţi cu definirile implicite
(legende sau clasificări), pe care le va executa ArcView pe datele existente.
Figura 6 Adăugarea unei teme
1.4. Controlul afişării datelor cartografice

ArcView afişează temele una după alta. Din acest motiv este mai bine să avem
teme organizate astfel încât toate să poată fi afişate. Cel mai bun aranjament
este de a avea mai întâi teme bazate pe poligoane, apoi bazate pe linii şi apoi
cele bazate pe puncte. Pentru a schimba ordinea în care ArcView afişează
temele, mai întâi este necesar ca tema să fie activă. Aceasta se face prin a da
clic pe numele temei din Table of Contents care are ca efect o schimbare a
luminozităţii acesteia. Dacă dorim să activăm mai multe teme, ţinem tasta
Shift apăsată atunci când dăm clic pe numele temei. Odată ce tema a fost
selectată poate fi deplasată într-o nouă poziţie (prin dragg and drop).
Ocazional, putem avea o temă care să arate toate elementele dintr-un set de
date urmând apoi să fie selectate şi afişate după dorinţă. Procedeul se
numeşte interogarea BDG. Pentru a selecta doar acest subset de elemente este
necesar să se schimbe definiţia temei. Aceasta se face deschizând meniul
Theme Properties şi dând clic pe butonul de definiţie ca în figura 7.
Figura 7 Schimbarea definirii unei teme.
Se va înfăţişa fereastra de interogare în care se vor tasta condiţiile de selectare

şi afişare. Se dă clic pe icoana ‘Definition’ şi va apare o nouă fereastră de
interogare (Query Builder). În caseta ‘Fields’ sunt date câmpurile aşa cum
sunt definite în Atribute Table şi care se selectează dând clic pe numele
respectiv. În centru se află operatorii relaţionari şi logici, iar în dreapta este
caseta Values care conţine valorile posibile ale câmpului selectat. În caseta de
jos va apare rezultatul selecţiei. Am ales ‘issea’, apoi operatorul ‘=’ (clic pe
acesta) şi respectiv valoarea 0 (clic pe aceasta). În mod automat în caseta de
jos apare conţinutul prezentat în figura 7. Astfel, din toate poligoanele din
setul de date iniţial, se obţine un subset care combină aceste condiţii. În cazul
nostru, tema va consta doar în acele poligoane care au valoarea 0 pentru
variabila ‘issea’. Odată ce tema este corect definită, următoarea posibilitate
este de a schimba legenda.
Editorul de legendă a temei (Theme Legend Editor) este o parte fundamentală

a produsului ArcView. Activarea lui Legend Editor se face dând dublu clic pe
numele temei din Table of Contents (care trebuie să fie activată), sau clic pe
Theme şi apoi se alege Edit Legend. Caseta de dialog Legend Editor, cu

funcţiile sale principale este dată în figura 8. Când o temă este adăugată la un
View aceasta nu este clasificată, iar Legend Editor permite selectarea
atributelor şi afişarea pe ecran. Există mai multe tipuri de legende, implicit se
foloseşte un singur simbol, care se utilizează atunci când tema nu este
clasificată. Pentru a clasifica o temă se alege un tip de legendă şi un câmp
după care se va face clasificarea. Dacă se clasifică date numerice, se poate
folosi o varietate de metode de clasificare dându-se un clic pe butonul
Clasification. Aceasta se poate folosi şi pentru a schimba numărul de clase
din modul de clasificare.
În caseta Legend Editor va apare numele temei, care în cazul nostru este Total
Population. În Classification Field se va alege câmpul după care se va face
clasificarea. Rezultatul poate fi în valori absolute sau normalizate. În primul
caz Normalized by va fi lăsată valoarea implicită şi anume <None> (adică
datele nu vor fi normalizate), iar în al doilea caz se va alege maniera de
normalizare. Color Ramp conţine gama de culori utilizată. În coloana Symbol
se înfăţişează nuanţa de culoare care are valori cuprinse în intervalul dat în
coloana următoare (Values). Câmpul următor (Labels) în mod implicit are
acelaşi conţinut ca şi Values, dar poate fi modificat după dorinţă, adică se pot
trece şiruri de caractere arbitrare (un fel de comentariu) privitor la clasa
respectivă. Pentru anumite detalii este preferabil să se consulte anexele de la
sfârşitul acestei părţi.
Cele arătate mai sus reprezintă minimum necesar pentru a înţelege modul în
care funcţionează Legend Editor. Evident mai sunt şi alte posibilităţi pe care le
vom aborda în secţiunile următoare.
Figura 8 Legend Editor
Este posibil să se afişeze date care reprezintă o temă punct, aflate într-o bază
de date externă (sau spreadsheet), aceste fişiere trebuind să conţină coordonate
X şi Y. Primul pas este convertirea unui fişier într-un format dbf. Conversia
poate fi executată de spreadsheet, apoi fişierul este importat într-un proiect
prin comanda ‘Add Table’ din meniul ‘Project’. Următorul pas este dechiderea
unui View care se doreşte a fi adăugat la datele spaţiale respective şi anume
‘Add Event Theme’ din meniu, apoi, selectând tabelul pe care tocmai l-am
importat va apare o casetă de dialog similară cu cea din figura 9. În această
casetă de dialog, câmpurile conţin coordonate care trebuie selectate dintre
toate câmpurile disponibile. Se dă OK şi astfel tema se va adăuga la View.
Figura 9 Adăugarea unei teme de tip Event
Acest fişier dbf pe care ArcView îl numeşte Event Table poate conţine atât
coordonate carteziene (X, Y) cât şi geografice (latitudine, longitudine).
Acestea trebuie însă să fie compatibile cu tema principală peste care se va
suprapune tema punct. Mai precis, dacă tema principală are un sistem propriu
de coordonate, atunci tot în acest sistem vor fi date şi punctele din Event
Table. La fel se întâmplă dacă este vorba de latitudine, longitudine. Această
manieră de afişare a unei teme se foloseşte în scopuri diverse: amplasarea unor
localităţi a căror coordonate se cunosc, asocierea de adrese pe o temă care
reprezintă străzile unui oraş etc. În cazul în care se folosesc coordonate
geografice, aceste teme pot fi utilizate în proiecte diferite combinate cu teme
diferite, singura cerinţă fiind aşa cum am amintit ca toate datele din aceste
teme să reprezinte coordonate în sistemul în care a fost construit tema
(shapefile) respectivă.
1. 5. Tabele şi date tabelare

Aşa cum comanda Views controlează datele cartografice dintr-un anumit
proiect, Tables controlează datele tabelare. În timp ce View permite
manipularea mai multor teme, Tables este mai puţin organizată şi are deci mai
puţine comenzi şi facilităţi decât un spreadsheet. Principalele comenzi (Tools)
folosite în Tables apar în figura 10. Multe din funcţiile din Tables se regăsesc
în spreadsheet, iar una din principalele diferenţe dintre acesta şi comanda
Tables din ArcView este că, Tables seamănă mai mult cu o bază de date care
poate executa operaţii de căutare sau interogare. Cea mai mare diferenţă dintre
un spreadsheet şi Tables este uşurinţa de a combina două tabele ale acestuia
din urmă.
Activarea comenzii Tables se face dând clic pe icoana acesteia. În cazul în

care temele din View acoperă total ecranul, vom deplasa fereastra View după
regulile lui Windows 95, astfel încât cele cinci icoane ale ArcView (View,
Tables, Chart, Layout şi Script) să fie vizibile (cum se vede în figura 1).
Orice dată tabelară care dorim să fie adăugată la un View, trebuie să aibă un
câmp comun cu tabela de atribut a temei din proiect. Procedeul de a executa
aceasta este mai complex. Condiţia este ca tabela externă să fie în format dbf.
Activăm tabela de atribut dând clic pe Opens Theme’s Table. În

momentul următor, în prim plan va apare tabela de atribut, iar bara de
butoane va avea înfăţişarea din figura 10. Activăm fişierul dbf care
dorim să-l adăugăm la tabela de atribut. Pentru aceasta, din meniul File
alegem Add Table, după care va fi înfăţişată o casetă de dialog cu
directoarele şi fişierele de lucru. Alegem fişierul dorit, în cazul nostru
cen91.dbf.
Figura 10 Bara de butoane când este activ Tables
Presupunând că tabelul pe care dorim să-l adăugăm îndeplineşte această

condiţie, următorul pas este de a adăuga un fişier de date extern la un proiect,
astfel: se selectează câmpul care este comun ambelor tabele dând un clic pe
numele său, apoi în fişierul dbf se face acelaşi lucru. Ultimul pas este activarea
butonului “Join Tables” din meniu, ca în figura 10. Câmpul selectat în ambele
fişiere va fi Ded. Tabelele sunt afişate în figura 11.
Figura 11 Joncţiunea de tabele
Menţionăm faptul că nu este necesar ca cele două câmpuri să aibă acelaşi

nume în ambele fişiere. Este important ca să conţină aceleaşi valori.
Pentru a executa şi alte funcţii asupra tabelelor trebuie mai întâi să dăm clic pe
opţiunea “Start Editing” din meniul “Table”, apoi se pot adăuga câmpuri
tabelei, sau să schimbăm numele sau valorile cămpurilor existente. Când se
setează atât datele tabelare cât şi cele cartografice, următorul pas este de a crea
un fişier de ieşire la imprimantă utilizând meniul “Layouts”. Acest lucru va fi
prezentat în secţiunea următoare.
1.6. Alte componente ale ArcView

Până acum nu au fost menţionate elementele Charts şi Scripts din ArcView.
Motivul pentru care Charts nu a fost discutat este acela că posibilităţile de
execuţie a graficelor în ArcView sunt foarte limitate. Dacă se cere executarea
unor astfel de grafice numai pe datele atribut este mai bine să se folosească un
pachet mult mai puternic ca Excel. Pentru a exporta date tabelare în vederea
utilizării lor în cadrul altor pachete de programe, tabelul trebuie deschis şi
aleasă funcţia de export din meniul File. Cel mai utilizat format de export este
dBase, iar alte pachete pot utiliza formate “txt”. Singurul avantaj real al
utilizării comenzii Charts este acela că, e relativ simplu să includem un grafic
într-un fişier tipăribil decât să fie inclus un View într-un Spreadsheet Chart.
Scripts este cea mai complexă parte al lui ArcView. Se foloseşte pentru a
adapta şi a dezvolta aplicaţiile în ArcView. Motivul pentru care se utilizează
limbajul Avenue în loc de limbajul Vizual Basic (ambele fiind orientate
obiect) este că, suportul natural al lui Avenue sunt datele spaţiale. Avenue
“înţelege” concepte spaţiale cum ar fi proiecţii sau coordonate, în timp ce
acest lucru pentru Visual Basic poate constitui o sarcină foarte dificilă.
Ocazional, utilizatorul trebuie să execute anumite sarcini nestandard cum ar fi

setarea în mod automat la “0” a lăţimii lui Table of Contents, iar un View la
“0”. Cum acest lucru nu poate fi executat prin funcţiile obişnuite trebuie să
scriem o secvenţă de linii de program şi apoi acestuia să i se ataşeze un cod şi
un buton separat. Dacă butonul se apasă (clic) se va executa programul din
Script şi în mod automat se va adăuga ca o funcţie suplimentară la ArcView.
Aceasta se realizează cu limbajul Avenue (limbaj de programere care însoţeşte

versiunea ArcView 3.0 şi 3.1), care nu va fi abordat în lucrarea de faţă.
2. Crearea unei hărţi

Acest exerciţiu va fi prima introducere propriu-zisă în ArcView. Vom
deschide un proiect ArcView, vom crea un View, vom adăuga şi vom edita o
temă. Se vor înfăţişa principalele obţiuni ale comenzilor utilizate (proprietăţile
proiectului, ale View-ului, ale tabelelor, scări şi proiecţii utilizate). Exerciţiul
va permite reprezentarea populaţiei totale a judeţelor din Romania, prin
metode de clasificare incorporate în ArcView. În plus vom pregăti harta
pentru imprimare, dându-se obţiunile în vederea obţinerii unei hărţi de bună
calitate.
Datele utilizate sunt conţinute în fişiere percepute de ArcView (shapefiles) şi

reprezintă judeţele României ale căror atribute asociate poligoanelor conţin
populaţia totală şi numărul de kilometri pătraţi ale fiecărui judeţ. Ele au fost
preluate prin Internet. La sfârşitul exerciţiului vom examina diferite metode de
reprezentare ale acestor date utilizând combinaţii de atribute. Se recomandă ca
în paralel cititorul să parcurgă şi anexele de la sfârşit. Aceasta îi va permite
obţinerea şi a altor tipuri de informaţii.
Se va inidica cu exactitate toţi paşii, specificându-se directoarele unde se află

fişierele, precum şi numele fişierelor care trebuiesc încărcate. Metodologia
abordată mai jos este valablilă pentru orice tip de date spaţiale.
2.1. Lansarea unui proiect ArcView

♦ De la butonul de start al Windows 95 vom alege Program, apoi ESRI şi
apoi ArcView GIS 3.0
Va apare următoare fereastră:
Freastra unui proiect

permite accesul la toate
componentele conţinute în
fişierul proiect.. Ecranul
unui proiect ArcView
constă într-o bară de
meniuri afişată în partea de
sus (Menu Bar), bara de
butoane (But-ton Bar) mai
jos şi caseta de proiecte
(Project Box).
2.2. Setarea proprietăţilor proiectului

Înainte de a începe reamintim că un proiect este un fişier ASCII cu extensia
apr, care nu conţine nici un fel de date, ci doar nişte pointere care va indica ce
fel de date se utilizează şi locul (directorul) unde se găsesc acestea (fişierele
shape şi dbf), pentru a le reuni într-un tot unitar. Facem observaţia importantă
că în cazul în care vom reorganiza fişierele în directoare, adică le mutăm dintr-
un director în altul, fişierele implicate în proiect nu vor mai fi găsite şi acesta
nu va mai putea fi deschis ulterior.
Se impune o nouă creare a proiectului respectiv. În cele ce urmează vom fixa

propeităţile proiectului pe care urmează să-l creem. Pentru aceasta vom urma
paşii:
♦ Din bara de meniuri alegem Project şi apoi Project Properties.
Pe ecran va apare fereastra:
♦ Alegem drept director de lucru “c:\course\data\romania” (se va tasta

aceasta în caseta Work Directory), apoi dăm OK.
Aceasta va perite ca, pe întreagă perioadă a sesiunii de lucru, ori de câte ori se
va încărca un fişier, ArcView va apela la acest director.
Se poate completa opţional şi casetele Creator (numele dvs.) şi Comments

(comentariu privitor la proiectul pe care îl creem acum).
2.3. Deschiderea unui View şi crearea unei teme
♦ Selectăm Views, iar în caseta Project alegem New; va apare fereastra

View; măriţi convenabil fereastra pe monitor (după regulile Windows
95).
Fereastra View constă din bara de meniuri ( Menu Bar) şi bara

de comenzi (Tool Bar) în partea de sus , la stânga legenda (Legend
Bar) iar în centru Graphics box. Cele mai multe instrucţiuni din
Menu Bar sunt aplicabile în View, inclusiv adăugarea de teme şi
grafice. Button Bar are funcţii Zoom şi alte funcţii pentru
modificarea unor caracteristici din View.
2.4. Adăugarea unei teme
♦ Din bara de meniuri alegem View şi apoi Add Theme.

♦ Va apare caseta de dialog şi alegem “c:\course\data\romania\romania.shp”
Fişierul ‘romania.shp’ este un fişier shape al ArcView, care

constă în poligoane reprezentând judeţele României cu date privind
populaţia. Când fişierul ‘romania.shp’ este selectat şi daţi OK,
acesta este adăugat la caseta Legend în partea dreaptă al View-
lui. Prin simpla apăsare pe un pătrat de validare, se va afişa harta
pe ecran. De altfel, pentru a afişa harta în mod corespunzător este
nevoie să activăm proprietăţile temei şi ale View-ului.
2.5. Setarea proprietăţilor pentru View
♦ În meniul View alegem View şi apoi View Properties.

♦ Setăm numele View-ului ca fiind ‘Total Population’ (optional).
♦ Fixăm unităţile de măsură (Map Units) în metri şi distanţa în kilometri
apăsând tastele cu săgeţi din partea dreaptă a casetelor.
♦ În final dăm clic pe caseta ‘Projection’ şi setăm proiecţia dorită după

cum urmează.
♦ Setăm category la ‘UTM’ iar pentru type alegem ‘Zone 34’
(zona în care se află România). Dăm OK.
Fereastra care conţine proprietăţile hărţii va avea următorul aspect:
După cum se observă, în această fereastră vom găsi mai multe informaţii
privitoare la proiecţii, pe care nu le vom detalia.
Proiecţii în ArcView
Proiecţiile sunt folosite pentru a reprezenta o suprafaţă de pe
Pământ pe o suprafaţă plană. Ca şi orice formulă matematică, nici
o proiecţie nu este perfectă, diferite proiecţii reprezentând în
diferite maniere suprafeţe, forme, distanţe şi direcţii. Nici o
proiecţie nu conservă toate patru proprietăţile dar fiecare proiecţie
conservă cel puţin una.
ArcView acceptă o largă varietate de proiecţii. Acestea pot fi
accesate prin intermediul căsuţei de dialog din View Properties.
Pentru a folosi orice proiecţie a lui ArcView, datele vor trebui
exprimate în grade întregi şi zecimi de grade de Longitudine şi
Latitudine (sub forma ‘dd’). Astfel 3o 30’ 00” se reprezintă ca
fiind 3.50. În acest sistem cele patru emisfere (pe de o parte
emisfera nordică şi sudică, iar pe de altă parte emisfera estică şi
vestică) sunt reprezentate utilizând valori pozitive şi negative.
Astfel latitudinile sudice vor avea valori negative, iar cele la vest
de meridianul 180o sunt de asemenea negative.
Sistemul Universal Transverse Mercator (UTM) împarte globul
în şase zone, fiecare acoperind şase grade de longitudine. Zona are
propriul meridian central. Hărţile care folosesc proiecţiile UTM
au următoarele proprietăţi:
Forma Conformală. Se reprezintă cu destul de bună
acuraeţe forme mici. Distorsiune minimă pentru forme mari dintr-
o zonă.
Suprafeţe Distorsiune minimă în fiecare zonă UTM.
Direcţie Unghiurile locale sunt adevărate (corecte).
Distanţa Scara este constantă de-a lungul meridianului
central, dar o scară dată de un factor de 0.9996 reduce
distorsiunea laterală din fiecare zonă. Cu acest factor liniile aflate
la 180 km est şi vest şi paralele cu meridianul central au un factor
de scară de 1.0.
Harta din fereastra View îşi va schimba forma reflectând schimbările datorate
proiecţiei. Dacă harta nu apare aşa cum este înfăţişată mai jos, verificaţi dacă
în Table of Contents tema este activată în caseta de validare.
Setarea scă-
rii pt. View
♦ Setăm scara la 1:5.000.000 şi fiţi sigur că fereastra alocată pentru

afişare este suficient de mare ca să încapă harta.
Până în acest punct nu am făcut altceva decât să înfăţişăm caracteristicile de

pe harta ce reprezintă contururile judeţelor. În următoarea fază vom afişa
populaţia totală a judeţelor şi le clasificăm într-un anumit număr de clase.
Aceasta se va face prin schimbarea proprietăţilor temei şi prin setarea
proprietăţilor legendei pentru tema respectivă.
2.6. Setarea proprietăţilor temei

♦ Accesaţi Theme din bara de meniuri şi activaţi Properties. În cutia de
dialog schimbaţi numele temei ca fiind ‘Total Population’ şi daţi OK.
Aceasta va schimba numele temei din caseta legendei.
♦ Pentru a schimba legenda temei, apăsaţi pe Theme din bara de meniuri
şi apoi pe Edit Legend. Va apare caseta de dialog a legendei.
Caseta de dialog Legend Editor
♦ Din Legend Type alegem Graduated Color

♦ Din Classification Field alegem Pop_admin
♦ Daţi clic pe Apply şi harta va fi actualizată. Daţi clic pe ‘x’ din fereastră
pentru a determina dispariţia ei.
Legend Editor
Caseta Theme din dialogul înfăţişat de Legend Editor este o parte
fundamentală a ArcView. Când se adaugă o temă la un View, aceasta poate
identifica rapid anumite tipare din date în conformitate cu datele asociate
dintr-un shapefile. Vezi anexa 2 pentru descrierea unei legende adecvate.
Explicaţiile privind Legend Editor constau în:
Am obţinut 5 clase după metoda împărţirii naturale (Natural Breaks), aşa cum
apare în partea stângă din figura de mai jos. În continuare vom reseta numărul
de clase la 6, aşa cum apare în partea dreaptă.
Resetaţi clasele astfel
Pentru aceasta vom utiliza butonul Classification.

♦ Fixăm numărul claselor la 6
♦ Setăm Round Values de la d.ddd la dd,ddd, mai precis nu vom avea
cifre zecimale iar rotunjirile se vor face la 1000
♦ Daţi OK şi apoi Apply pe Edit Legend Dialogue Box, alegţi caseta Edit
Legend Dialogue.
Clasificarea este un instrument foarte puternic şi poate fi utilizat

pentru a analiza date într-o manieră foarte rapidă. Tipul de
clasificate (Type) modifică modul în care sunt împărţite datele.
Aceasta include Natural Breaks (classificare naturală), Quantiles,
Equal Area (arii egale), Equal Interval (intervale egale) şi
Standard Deviation (abaterea standard). A se vedea anexa 1
pentru alegerea unei metode de clasificare adecvată.
2.7. Etichetarea judeţelor

Pentru a obţine elemente distincte (într-o manieră clară) în View vom plasa
numele judeţelor în View. Aceasta se poate face automat prin opţiunea Auto-
Label.
♦ Alegeţi Theme din bara de meniuri şi apăsaţi pe Auto-Label

♦ Asiguraţi-vă că eticheta câmpului este fixată la ‘Admin_name’
(numele judeţelor)
♦ Setaţi ‘Find Best Label Placement’ pe ON
♦ Setaţi Scale Label pe ON
♦ Daţi OK
2.8. Salvarea proiectului
Ca să putem rechema ceea ce am făcut până acum trebuie să salvăm proiectul.

Vom salva în directorul “c:\course\projects’ .
♦ Pentru salvarea proiectului alegem File din bara de meniuri şi apoi
Save Project.
♦ Va apare o casetă de dialog, daţi clic pe “c:\course\projects” şi
completaţi caseta File Name cu numele excercise1.apr. Apoi daţi OK
Notă: toate proiectele ArcView au extensia “.apr”
Mai târziu vom reveni asupra meniurilor Views şi Themes şi vom examina
diferite tipuri de formate pentru prezentare. De altfel, pentru a completa
exerciţiul 1, vom specifica scara şi vom pregăti harta pentru imprimare.
2. 9. Activarea comenzii Layout şi crearea unei hărţi
De pe bara de meniuri alegeţi View şi apoi Layout

Va apare caseta de dialog Layout, alegeţi Portrait-Neatlines
Daţi OK
Fereastra Layout va apare cu harta etalonată în mod automat. Această hartă

poate fi tipărită direct sau i se pot aduce modificări în vederea tipăririi.
♦ Alegeţi Layout din bara de meniuri şi apoi Properties

♦ Daţi numele hărţii ‘Total Population Map 1’
Layout este destinat tipăririi hărţilor în ArcView. Are

caracteristici similare cu software tradiţionale specializate pe
grafică. Caracteristicile geografice sunt plasate într-o pagină
grafică. Aceasta include View, bara de scară, săgeata nord etc.
Fereastra Layout constă din bara de meniuri (Menu Bar), bara de
instrumente (Tool Bar) şi afişarea pe monitor (Graphics Screen).
Suprafaţa punctată din Layout reprezintă pagina care urmează a fi
tipărită. Această pagină poate fi redimensionată în conformitate cu
echipamentul utilizat (imprimantă, plotter) iar orientarea poate fi
fixată ca fiind Portrait sau Landscape.
ArcView permite şi crearea de tipare (Layout Templates).
Acestea joacă rolul unei hărţi de bază, find prestabilite poziţia şi
mărimea unui View care va fi plasat automat în Layout..
Când pagina a fost setată corespunzător puteţi începe adăugarea elementelor

carto-grafice pe ea. Vi se permite să adăugaţi automat elemente pe hartă.
Aceasta se face alegând elementul cerut şi trasând un cadru ce va indica unde
să plasaţi elementul precum şi mărimea lui în pagină. Această procedură
simplă vă va lua un timp până o înţelegeţi, dar după ce veţi vedea cum
operează veţi constata cât de uşor se pot face hărţi prezentabile într-o manieră
rapidă. Elementele disponibile sunt următoarele:
View Frame Permite adăugarea şi plasarea unuia sau mai multor View-
uri pe o pagină. Sunt câteva opţiuni disponibile când
adăugăm un View la un Layout, iar acestea sunt arătate în
figura 16. Cele mai importante dintre aceste opţiuni este
‘Live Link’ care permite ca în Layout să se reflecte automat,
în mod dinamic, orice schimbare în View; de exemplu dacă
schimbaţi culorile într-o temă dintr-un View, acest lucru se
va reflecta automat în Layout. De asemenea este importantă
opţiunea View Scale care permite să setăm scara la care este

tipărtit View în pagină.
Legend Frame Permite adăugarea legendelor pe pagină. Legenda se
bazează pe Table of Contents utilizată în View.
Scale Bar Aveţi alternative pentru stilul de bară, dar dacă scara nu este
Frame setată corect în View, bara de scară nu va apare. Numărul
unităţilor afişate trebuie să fie setate cu grijă dacă scara nu
se cere să fie ‘rotunjită’.
North Arrow Există un număr de tipuri de săgeţi nord disponibile şi puteţi
Frame de aseme-nea să specificaţi unghiul de rotaţie dacă nordul
nu este în partea de sus a paginii.
Chart Frame Permite să înserăm o diagramă (Chart) pe pagină. Există

mai multe tipuri de diagrame: Pie, Bar şi Flow. De subliniat
faptul că acestea trebuiesc să fie suficient de mici ca să
încapă pe pagină.
Table Frame Adăugarea unei tabele pe o hartă, înfăţişând datele

relevante, poate fi foarte utilă. Tabelul este în forma
acceptată de ArcView. De subliniat faptul că acesta trebuie
să fie suficient de mic ca să încapă pe pagină.
Picture Frame Imaginile care pot fi adăugate pe pagină trebie să fie într-
un format recunoscut de ArcView.
Având setată pagina de Layout, următoarele instrucţiuni vă sunt utile pentru a

crea o hartă de calitate, precum şi adăugarea de alte elemente pe hartă.
♦ Plasaţi View-ul ‘Total Population’ în Layout utilizând instrumentul

‘Add Elements’.
♦ Urmăriţi instrucţiunile implicite de pe scara hărţii.
♦ Plasaţi ‘Săgeata nord’ şi legenda în Layout utilizând ‘Add Elements’.
Este de asemenea posibil ca să adăugăm elemente grafice la pagină utilizând

‘Add Graphics Tool’, care ne permite adăugarea unei varietăţi de elemente
cum ar fi linii, casete şi puncte. După adăugarea tuturor elementelor
cartografice în pagină ea poate fi tipărită. Alegând comanda Export din meniul
File, puteţi exporta harta pregătită pentru tipărit într-unul din formatele
grafice, cum ar fi EPS (Encapsulated Postscript) care poate fi deschis în alte
produse grafice cum ar fi Freehand sau Illustrator. Astfel puteţi face o simplă
hartă în ArcView care să poată fi inclusă într-o pagină grafică complexă creată
de produsul respectiv.
Sigur că ArcView are mult mai multe funcţii de analiză spaţială decât cele
expuse mai sus, inclusiv de afişare a datelor spaţiale de bună calitate. În plus,
aşa cum am amintit, ArcView are în compunenţă un limbaj de programare
(Avenue), care dă posibilitatea creării de aplicaţii specifice unui domeniu
precizat. Intenţia noastră a fost doar de a iniţia cititorul într-un produs din ce
în ce mai răspândit în lume, şi credem că scopul a fost atins. Proiecte de tip
amenajarea teritoriului nu mai sunt de conceput fără a utiliza un produs GIS.
Figura 12 Adăugarea unui View la Layout

Anexe 217
ANEXA1
METODE DE CLASIFICARE
Clasificarea este procedeul de grupare sistematică a datelor după una sau mai
multe caracteristici. Acest proces are ca rezultat o imagine mai clară asupra
hărţii. Pentru o clasificare eficientă este necesar să se ştie ce fel de tipuri de
date sunt disponibile. Putem avea fenomene discrete (populaţii pe judeţe) sau
continue (precipitaţii). Caracteristicile obiectelor şi mai puţin obiectele însele,
vor fi cuantificate în conformitate cu o scală specifică de măsurare. Numărul
claselor trebuie să fie limitat. Cercetările au arătat că, ochiul uman poate
distinge dintr-o singură privire până la 7 clase. Numărul exact de clase este
influenţat de tipul de simboluri alese şi bineînţeles de scopul pentru care se
editează harta. Procesul de clasificare este executat în funcţie de natura
datelor. Datele neprelucrabile (asupra cărora nu se face o prelucrare numerică
obişnuită) se clasifică în conformitate cu anumiţi algoritmi de taxonomie din
disciplina implicată, cum ar fi: tipul de soluri, zone climatice sau perioade
geologice. Alte tipuri de date cum ar fi cele meteo (temperatură: cald,
moderat, rece) sau din ştiinţa mediului (o pădure poate fi afectată de poluarea
aerului şi deci putem avea situaţiile: bolnavă, medie, sănătoasă) se preteză la
clasificare. Intervalele sunt legate de date cantitative.
Pentru a obţine cea mai bună clasificare posibilă trebuiesc respectate câteva
condiţii întrucât nu orice metodă de clasificare este potrivită pentru toate
situaţiile:
- harta finală trebuie să afişeze acele structuri care sunt caracteristice pentru
fenomenele înfăţişate pe hartă; valorile extreme nu trebuie să dispară
indiferent de metoda de clasificare aleasă;
- fiecare clasă trebuie să conţină propriile valori de observaţie; dacă se
respectă aceste condiţii harta rezultată va înfăţişa foarte clar fenomenul
urmărit şi va fi posibil să se determine valorile pentru fiecare locaţie de pe
hartă.
Anexe 218
O metodă care conduce la respectarea condiţiilor de mai sus este dată de Jenks
şi Coulson şi se rezumă la următorii paşi:
1. Se alege tipul de hartă. Când avem date cantitative vom alege fie o hartă de
izolinii, fie una choropleth. Cuvântul choropleth provine din ansamblarea a
două cuvinte din limba greacă: choros care înseamnă arie (suprafaţă ) şi
plethos care înseamnă valoare. Deci este vorba de valori atribuite unor arii.
Valorile sunt calculate în serie discretă şi vor apare pe hartă în simboluri color
sau nuanţe de gri. În exemplele date în această carte avem doar hărţi
choropleth.
2. Se limitează numărul de clase. Dacă nu vom folosi culori, numărul maxim

de clase este opt, altminteri nuanţa de pe hartă nu poate fi asociată cu legenda.
3. Se definesc limitele unei clase. Este cel mai greu pas în procesul de
clasificare. Pentru a înţelege dintr-o singură privire fenomenele de pe hartă,
numărul de clase trebuie să fie redus. Există mai multe metode, însă
majoritatea pachetelor soft oferă doar două opţiuni. Acestea sunt: fie se
împarte numărul de valori observate în mod egal în toate clasele pentru a avea
o mărime egală de clase în raport cu domeniul valorilor observate, fie ca
utilizatorul să-şi definescă propria metodă de clasificare. Acestă ultimă
opţiune permite ca utilizatorul să aleagă (aplice) oricare din metodele
existente.
Datele se pot prelucra folosind diferitele tehnici de clasificare aflate în

Graduated Color şi în Graduated Symbol din Legend Editor, sau alese de
utilizator. Scopul acestei clasificări este dublu: de a face mai uşor procesul de
citire-înţelegere a hărţilor şi de a explica porţiuni din hartă care fără aceasta ar
fi mai puţin relevante. Încercaţi fiecare din aceste tipuri de clasificare şi
observaţi toate modelele spaţiale apărute. ArcView oferă şase metode de
clasificare de a prezenta datele, pe care le vom expune după cum urmează.
Anexe 219
Împărţirea naturală
Este metoda de clasificare implicită în ArcView. Acestă metodă identifică
punctele de repartiţie dintre clase folosind o formulă statistică (optimizarea
Jenk). Această metodă este destul de complexă dar, în esenţă, metoda Jenk
minimizează suma variaţiilor în cadrul fiecărei clase. Repartiţia naturală
găseşte grupuri şi modele esenţiale în date. În mare procesul este următorul.
Dacă datele sunt ordonate crescător acestea vor fi înfăţişate sub formă de
diagramă punându-se în evidenţă discontinuităţile mai pronunţate. Acest tip
de diagramă care de fapt este o histogramă, e cunoscută şi sub denumirea de
serii de observaţii. Discontinuităţile, cunoscute în limba engleză sub numele
de break points, pot fi privite ca şi clase de descompunere a seriei respective,
întrucât aceste discontinuităţi apar în mod natural în seria de observaţii. Este
evident că, nu toate seriile de date prezintă astfel de discontinuităţi pronunţate
sau în număr suficient. În astfel de situaţii împărţirea în clase este incertă,
nesemnificativă şi trebuie aleasă o altă metodă.
Quantile
În metoda de clasificare quantile, fiecare clasă conţine un număr egal de
caracteristici. Se poate afirma că, clasele quantile sunt cel mai uşor de înţeles,
dar ele ne pot induce în eroare. În ce priveşte numărul populaţiilor (spre
deosebire de procentaj şi densitate), de exemplu, nu este potrivită clasificarea
quantile pentru că doar câteva locuri sunt foarte populate. Acest neajuns se
poate înlătura prin creşterea numărului de clase. Se poate vedea diferenţa dacă,
spre exemplu folosim în tabel cinci clase în loc de trei. Metoda este
convenabilă pentru datele distribuite liniar, cu alte cuvinte date ce nu au un
număr disproporţionat de caracteristici cu valori similare.
Arii egale
Această metodă clasifică poligoanele găsind punctele de repartiţie astfel încât
aria poligoanelor să fie aproximativ egală (ArcView determină aria totală din
datele existente). Clasele determinate cu metoda ariilor egale, sunt de obicei
asemănătoare cu clasele quantile când mărimea tuturor poligoanelor este
Anexe 220
aproximativ egală. Această metodă va diferi de quantile dacă poligoanele au

arii foarte diferite.
Intervale egale
Metoda intervalelor egale divide domeniul valorilor atribut în subdomenii
egale, iar caracteristicile geografice se clasifică având la bază acele
subdomenii. Se foloseşte atunci când se doreşte evidenţierea unei valori atribut
relativ la celelalte. Este foarte potrivită pentru a înfăţişa procente de
temperatură, dar mai puţin potrivită pentru distribuţii de populaţie.
Abateri standard
Abaterea standard (standard deviation) ne arată măsura în care valorile atribut
diferă de la valoarea medie. Când se clasifică datele folosind metoda abaterii
standard, ArcView evaluează valoarea medie, apoi aşează repartiţia claselor
deasupra şi dedesuptul valorii medii la unul din intervalele de 1, 1/2, 1/4
abateri standard, până ce valorile datelor sunt conţinute în cadrul claselor.
ArcView va asambla orice valoare care depăşeşte cele trei forme de abatere
standard, de la cel mediu în două clase, mai mari decât trei abateri standard
deasupra mediei (“>3Std.Dev”), mai mici de trei abateri standard sub medie
(“<-3 Std. Dev.”)
Anexe 221
ANEXA 2
ALEGEREA UNEI LEGENDE POTRIVITE
Legend Editor ne ajută la crearea unei hărţi lizibile, corecte, urmărindu-se
scopul propus. Sunt necesare doar câteva cunoştinţe sumare despre datele ce
urmează a fi reprezentate.
Se folosesc date absolute, cum ar fi denumiri de aşezări sau tipuri de

drumuri?
În acest caz se foloseşte opţiunea Unique Values din Legend Editor.
Datele sunt ordonate, cum ar fi cele mai valoroase terenuri la cele mai
proaste?
Se poate folosi Graduated Symbols sau Graduated Colors şi aceste tipuri de
legendă care se potrivesc cel mai bine pentru a arăta o progresie valorică a
datelor. Cu toate acestea, dacă datele sunt în general cantitative, cea mai bună
opţiune va fi Unique Values.
Datele sunt în stare brută (neprelucrate), cum ar fi numărul populaţiei

sau barili de ţiţei?
Pentru date de tip poligon, prima alegere din legendă trebuie să fie Dot
Density. Pentru linii sau puncte folosiţi Graduated Symbol Legend. Dacă
folosiţi Graduated Symbol sau o legendă de tip diagramă (Chart), datele se
pot normaliza, rezultatele putându-se citi mai uşor.
Sunt datele normalizate, cum ar fi procentaje de populaţie pe unitate de

areal ?
Pentru poligoane prima dată se alege Graduated Colors. Dacă se folosesc
puncte sau linii atunci se utilizează Graduated Symbol. Dacă se doreşte
înfăţişarea câtorva atribute normalizate, se foloseşte Chart Legend.
Anexe 222
ANEXA 3
OPŢIUNI ÎN SIMBOLIZAREA CARACTERISTICILOR

GEOGRAFICE
În cele ce urmează vom prezenta, pe scurt, opţiunile în simbolizarea
caracteristicilor geografice, pornind de data aceasta, de la comenzile
încorporate în Legend Editor.
1. Unique values
În cadrul acestei opţiuni sunt utilizate culori diferite pentru fiecare valoare din
tabela de atribut. De exemplu, pe o hartă a utilzării terenului se folosesc culori
diferite pentru a indica fiecare mod de utilizare al acestuia. În general Unique
Values se foloseşte pentru trei tipuri de atribute:
a) atribute care descriu nume, tipuri, condiţii sau categorii de caracteristici
geografice;
b) atribute care conţin măsurători sau cantităţi care sunt deja clasificate;
c) atribute care identifică în mod unic o anumită caracteristică (atributul
reprezentat de numele unei regiuni poate fi utilizat la crearea unei hărţi în care
fiecare regiune este înfăţişată într-o altă culoare).
2. Graduated color
Această opţiune conţine o serie de simboluri a căror culoare se schimbă în
conformitate cu valoarea unui atribut anume. Ea se utilizează mai des pentru a
înfăţişa repartiţia datelor între anumite categorii sau un atribut de tip progresie.
3. Graduated symbol
Opţiunea Graduated Symbol este asemănătoare cu precedenta (Graduated
Color) cu deosebirea că, variaţia unei caracteristici este redată prin
dimensiunea unui punct sau prin lăţimea unei linii. De asemenea ea este
folosită pentru a arăta raţia unei progresii.
Anexe 223
4. Dot density
O hartă care utilizează ca opţiune de clasificare Dot Density simbolizează
caracteristici de tip poligon utilizând puncte în cadrul fiecărui poligon pentru a
reprezenta valoarea unui atribut. Hărţile de tip Dot Density sunt utile când se
doreşte comunicarea densităţii de apariţie a unei caracteristici în analogie cu
cantitatea. ArcView distribuie punctele în mod aleator în cadrul fiecărui
poligon. Când se creează o astfel de hartă problema principală este aceea ca
punctele să nu fie nici prea dense, nici prea împrăştiate, astfel încât să se
observe clar modul de distribuţie.
5. Chart
Hărţile în care pentru clasificare sunt utilizate grafice folosesc pentru
simbolizarea datelor fie un grafic cu coloane (column chart), fie un grafic sub
formă circulară (pie chart). Acest tip de hărţi este util pentru că, permite
simbolizarea unor atribute multiple pe o hartă, precum şi identificarea
relaţiilor dintre diferite atribute. Deoarece acest tip de hartă coţine o mare
cantitate de informaţie, analizele vizuale necesită un studiu îndelungat.
Anexe 224
ANEXA 4
NORMALIZAREA
Prin normalizarea sau ajustarea datelor într-o clasificare se poate arăta modul
în care datele respective sunt legate de valorile din alt domeniu şi se pot face
mai uşor de citit şi de înţeles. În procesul de normalizare a unui atribut se
împarte fiecare valoare printr-un număr, harta fiind clasificată după acest
raport. În ArcView normalizarea se face în două feluri:
- Prin împărţirea la suma totală a valorilor atributelor rezultând valori care
reprezintă procente din total. Rezultatul va exprima mărimea relativă a unui
atribut faţă de celelalte, sau importanţa fenomenului.
- Prin împărţirea la valoarea unui alt atribut. Prin aceasta se ia în considerare
variaţia spaţială produsă de acel câmp în clasificare.
Normalizarea se face în Legend Editor, activând în meniul derulant

‘Normalize by’, care ne dă posibilitatea să alegem din <Percent Of Total> şi
numele unui câmp.
Când ar trebui normalizate valorile datelor?

Atunci când datele se prezintă pe şiruri, adică în valori absolute, şi sunt
exprimate în numere foarte mari. În cazul populaţiilor ţărilor Africii din
proiectul qstart conţinut în tutorial, citirea hărţii ar putea avea dificultăţi în
înfăţişarea a 7, 8 sau 9 cifre pentru fiecare clasă. Această legendă ar putea fi
citită mult mai uşor prin normalizarea valorilor domeniului populaţiei prin
intermediul valorilor câmpului “Area” pentru a produce o hartă a densităţilor.
Numărul de persoane pe unitatea de suprafaţă va avea cel mult cinci cifre.
Când nu ar trebui normalizate valorile datelor?

Atunci când ele sunt deja normalizate. Normalizarea datelor care sunt deja
normalizate poate duce la un rezultat eronat. Dacă valorile sau numele
câmpului indică faptul că datele sunt exprimate în procente sau densităţi
înseamnă că datele sunt normalizate.
Glosar 225
GLOSAR DE TERMENI GIS
Acuracy / Acurateţe
O măsură a diferenţei între valorile observate şi cele calculate pe o hartă. Se
deosebeşte de precizie care este o măsură a exactităţii. În GIS acurateţea este
legată de poziţia spaţială a entităţilor grafice.
Address Event / Adresa unei locaţii geografice

Adress Event reprezintă o adresă (unică) a unei caracteristici geografice.
ArcView suportă mai multe tipuri de adrese cum ar fi adrese de străzi (cel mai
des utilizat), de puncte (zip coduri) şi de poligoane (număr de parcelă).
Address Matching
1. Geocodificare. Procedura prin care se asociază (“leagă”) datele de tip
alfanumerice (atribut) la date tip spaţial (fişier vector sau raster). Procesul se
poate realiza şi între cele două BD (BDS şi BDA) obţinându-se ceea ce se
numeşte BDG.
2. Asignarea adresei. În ArcView este procesul de asociere a unei
caracteristici geografice identificată prin coordonatele (x,y), cu adresele aflate
în Event Table. Acesta se realizează prin interpolarea adreselor în cadrul
procesului de geocodificare, în care o temă care reprezintă străzi este
codificată pe întreg domeniul definit în Event Table.
Adjacency / Adiacenţă
Partajarea unui contur a două poligoane sau regiuni. Este o proprietate
topologică similară cu contiguitatea.
Aggregation / Agregare
Gruparea unui set de entităţi în vederea formării unei noi entităţi. Se referă în
special la gruparea arealelor adiacente, pentru a forma un nou areal mai mare,
datele atribut fiind de asemenea grupate, pentru a se realiza atributul noului
areal.
Glosar 226
Algorithm / Algoritm
O succesiune de operaţii cunoscute, care se execută într-o ordine prestabilită,
astfel încât, pornind de la un set de date (de intrare), obţinem într-un interval
de timp finit un set de valori (soluţia problemei).
AM/FM Automated Mapping/Facilities Management // Cartografie

automată/ Management teritorial
Aplicaţii specifice GIS pentru producţia de hărţi şi management teritorial (cum
ar fi gestiunea reţelelor apă/canal, electricitate etc). Sunt dintre cele mai
răspândite aplicaţii în domeniul serviciilor publice (administraţie locală).
AML Arc Macro Language

Limbaj de programare pentru generarea de aplicaţii dezvoltat de firma ESRI
pentru Arc/Info, implementate pe staţii Windows NT şi UNIX. Include
posibilităţi privind crearea macrouri şi meniuri utilizator.
Analogue / Analogic
O reprezentare a variaţiei unui semnal în funcţie de o anumită coordonată
(spaţială sau timp). Termenul este folosit de asemenea pentru a descrie hărţile
în formă tradiţională şi aerofotogramele.
Annotation / Adnotare sau etichetare

Adnotarea reprezintă un text asociat unei caracteristici geografice. În Arc/Info
adnotările fac parte din coverage. Ele conţin nu numai şiruri de caractere, ci şi
proprietăţile fonturilor, culorile sau unghiul de înclinare. Adnotările dintr-un
coverage poate fi adăugat ca o clasă separată de caracteristici geografice la un
View din ArcView.
Arc
Linie descrisă de o secvenţă de puncte între care se fac joncţiuni. De cele mai
multe ori joncţiunea este un segment de dreaptă. Fiecare extremitate este
marcată de un nod. Se face deosebire între nodul de start şi cel de sfârşit.
Glosar 227
Intersecţia dintre două arce generează de asemenea un nod. Este un concept

fundamental în modelele vectoriale topologice.
ASCII American Standard Code for Information Interchange / Codul

Standard American pentru Schimb de Informaţii – un set de coduri care
se reprezintă intern pe 1 byte. Datorită naturii simple a acestei codificări se
consideră cea mai facilă cale de a executa transferuri între produse
informatice. Aproape orice produs soft percepe acest sistem de codificare. În
general la transferuri se pot pierde informaţii.
Attribute Data/Table // Tabela de atribut

Datele atribut sau tabela de atribut reprezintă un tabel asociat cu o hartă
digitală tematică. Când se creează un shapefile, în ArcView, sau un coverage
în Arc/Info, se creează automat şi tabele de atribut asociate lor. Ele conţin
informaţii geografice referitoare la temă (zip coduri, proprietăţi ale solului,
etc). Există o relaţie unu-la-unu între caracteristicile geografice din shapefile
(sau coverage) şi înregistrările din tabela temei. Tabela conţine minimum un
câmp. Tabela de atribut care provine din conversia unui coverage conţine un
câmp suplimentar care reprezintă identificatorul primitivei grafice. Acesta este
unic. Se pot adăuga câmpuri la tabelă, în principiu oricâte, dar se preferă o
structură simplă, deoarece ArcView permite adăugarea unei alte tabele externe
la tabela de atribut, temporar sau definitiv.
Avenue
Limbaj de programare propriu lui ArcView, orientat obiect, care se utilizează
pentru dezvoltarea de aplicaţii în ArcView.
Buffer / Zonă tampon

Zonă specificată de utilizator care stabileşte distanţa din jurul unui punct, linie
sau poligon. Generarea de buffere pentru a stabili proximitatea unei primitive
grafice este una din cele mai răspândite forme de analiză în GIS. De exemplu
trebuie să găsim toate suprafeţele industriale care sunt la o distanţă mai mică
de 5 km de un rezervor de apă.
Glosar 228
CAD Computing Aided Design / Proiectare asistată de calculator .

Un produs soft utilizat în inginerie şi destinat desenării şi manipulării
graficelor. Se utilizează şi în trasarea de plane topografice. Arc/Info posedă un
modul de conversie din AutoCAD (produs CAD al firmei Autodesk) în
coverage, numit ArcCAD.
CAD Drawing / Desene de tip CAD

Un fişier creat de produsele CAD care conţin elemente grafice. Aceste fişiere
conţin linii, polilinii, text şi alte elemente. O temă din ArcView versiunea 3.0
poate fi creată direct din fişiere AutoCAD(.dwg) şi Microstation (.dng).
Cadastre / Cadastru
Set de date ce conţin informaţii relative la proprietatea terenului şi drepturi. În
mod normal aceste informaţii se prezintă sub formă de hărţi şi descrieri ale
parcelelor unic identificate. Pentru fiecare parcelă se înregistrează informaţii
cum ar fi proprietatea, modul de utilizare a terenului etc.
CCD Coupled Charge Device

Chip electronic utilizat în teledetecţia satelitară, capabil să preia un singur
pixel din imagine. Principiul se bazează pe încărcarea magnetică a chipului
când unda EM interceptează detectorul. Încărcarea magnetică este
proporţională cu strălucirea peisajului.
Cell / Celulă
Elementul fundamental în reprezentarea raster sau grid. Are suprafaţă, iar
dimensiunea este variabilă. În dimensiunea sa cea mai mică, se identifică pe
ecran cu un pixel.
Centroid
Punct ataşat unui poligon în modelul topologic de suprafaţă. Trebuie plasat
întotdeauna în interiorul lui. El poate fi dedus matematic (cum ar fi centrul de
Glosar 229
greutate) sau definit de utilizator. De centroid se ataşează datele atribut

asociate poligonului
Chart / Diagramă
Este o reprezentare grafică a unui tabel fie atribut fie alt fişier tabelar.
ArcView permite astfel de operaţii pe fişiere de tip dbf. Este asemănător cu
Excel, însă nu are aceleaşi performanţe.
Choroplet Map / Hartă coroplet

O hartă tematică în care datele spaţiale cantitative sunt folosite pentru a
înfăţişa harta sub formă de haşuri sau culori. În general clasificările generează
hărţi choroplet.
Classification / Clasificare
A clasifica înseamnă a asigna caracteristicile geografice dintr-o temă, cu clase
bazate pe date conţinute în atribut. Fiecărei clase i se asociază simboluri (sau
culori) astfel că informaţia atribut poate fi vizualizată pe hartă. Metodele de
clasificare din ArcView conţin: împărţirea naturală, quantile, arii egale,
intervale egale, abaterea standard şi densitate de puncte. Alegerea tipului de
clasificare se face în funcţie de natura datelor. ArcView mai permite clasificări
date de utilizator.
COGO Coordinate Geometry

Set de algoritmi care convertesc datele de observaţie (sau de măsurare) într-un
sistem de coordonate. Maniera de introducere în acest sistem este următoarea:
se porneşte dintr-un punct, apoi se trasează o linie de-a lungul relevmentului
pentru o distanţă fixată, continuându-se în această manieră până când
primitiva grafică (linie sau poligon) este complet trasată. Acurateţea acestei
metode este mult mai mare decât cea dată de un digitizor.
Conectivity / Conectivitate
Proprietate topologică care exprimă modul în care sunt corelate primitivele
grafice. Identificarea topologică a arcelor sunt stabilite prin înregistrarea
nodului de start şi a celui de sfârşit pentru fiecare arc. Arcele care partajează
Glosar 230
acelaşi nod (au în comun acelaşi nod) se spune că sunt legate topologic.
Conectivitatea este folosită în analiza reţelelor.
Contiguity / Contiguitate
Termen care descrie vecinătatea între entităţile spaţiale, în special între
poligoane. Este similar cu adjacency.
Coordinate System / Sistem de coordonate

Este un sistem de referinţă asociat cu o pereche de numere (x,y) în cazul
bidimensional sau cu un triplet (x,y,z) în cazul tridimensional, exprimând
poziţia sa faţă de un punct fixat ca o origine. Există mai multe sisteme de
coordonate dintre care în GIS se utilizează cu predilecţie: carteziene (cu axe
perpendiculare, în ambele cazuri bi şi tridimensionale), geografice (latitudine
şi longitudine) şi în proiecţie.
Coverage
În contextul acestei lucrări, noţiunea de coverage este acceptată în sensul
definit de Arc/Info, adică reprezintă un set de date spaţiale şi tabelare stocate
în fişiere. Sistemul de reprezentare este vectorial şi conţine topologie. Un
coverage Arc/Info poate servi drept sursă de date spaţiale pentru o temă în
ArcView. Cu alte cuvinte prin conversie un coverage va deveni un shapefile.
Database / Bază de date

Un ansamblu de date organizate în vederea utilizării lor prin programe
corespunzătoare aplicaţiilor distincte şi de manieră a facilita evoluţia
independentă a datelor şi a programelor.
Database Theme / Temă de tip bază de date

O temă bază de date este o temă acceptată de ArcView. Începând cu versiunea
3.0, ArcView acceptă baze de date spaţiale gestionate de un SGBD relaţionar
cum ar fi Oracle sau Informix, prin intermediul modulului Spatial Database
Engine (SDE). Este o facilitate prin care utilizatorii ArcView accesează o
bază de date spaţială distribuită (acces simultan a mai multor utilizatori). Se
Glosar 231
pot afişa şi interoga BD cu o mare diversitate şi cu conţinut mare de obiecte

geografice (sute de mii).
Data model / Model de date

O reprezentare abstractă şi generalizată a lumii reale din punct de vedere al
utilizatorului. Modele de date spaţiale: modele vectoriale (spagheti,
topologice), modelul raster, DEM.
DBMS DataBase Management System / Sistem de Gestiune de Baze de

Date
Sistem complex de programe aflate în interacţiune care asigură desfăşurarea
corectă a tuturor prelucrărilor: descrierea, memorarea, modificarea,
interogarea, tratarea şi îtreţinerea datelor care constiuie o bază.
DEM Digital Elevation Model / Model digital de elevaţie

Model de date utilizate pentru a reprezenta suprafaţa topografică bazată pe
grid (reţea dreptunghiulară) cu valori de elevaţie (înălţime) pentru fiecare
celulă, curbe de nivel, sau un set de triunghiuri neregulate (vezi TIN).
Digitizing / Digitizare
Conversia sau codificarea unei hărţi existente pe suport de hârtie din format
analogic (linii continue) în format digital utilizând un sistem de coordonate
carteziene. Aceasta se face cu o tabletă de digitizare (vectorial) sau pe ecran
(cu mouse). Digitizarea ecran este precedată de o scanare.
DTM Digital Terrain Model / Model digital al terenului

Termen alternativ folosit pentru DEM.
DXF Drawing eXchange Format

Este un format care conţine obiecte grafice utilizate pentru transferuri. Pot fi în
format intern ASCII sau binar. În general un produs CAD exportă fişiere
DXF, iar produsele GIS importă (şi exportă). De menţionat că la un import de
fişier DXF într-un coverage, acesta din urmă nu va conţine informaţia tabelară
Glosar 232
şi deci trebuie creată. În plus fişierele DXF nu conţin topologie. ArcView

poate afişa fişiere DXF fie singulare, fie în combinaţie cu shapefile.
Entity / Entitate
Termen general care desemnează un obiect sau fenomen din lumea reală
reprezentat digital. Exemple o casă (punct), un drum (arc), o suprafaţă
cultivată (poligon). Entităţile pot fi grupate în clase, cum ar fi reţeaua de căi
ferate. Descrierea relaţiilor dintre entităţile lumii reale este primul pas în
proiectarea BDS.
Error /Eroare
Gradul de precizie cu care este reprezentat un element al BDS sau BDA.
Datorită faptului că reprezentarea internă se face pe locaţii finite (deci au un
număr maxim de cifre semnificative) operaţiile produc trunchieri ale
rezultatelor intermediare, adică o îndepărtare de rezultatul “adevărat”.
Propagrea erorilor poate fi cauzată şi de metodele de analiză (algoritmi)
folosite. Uneori eroarea se foloseşte şi în sensul de greşală.
Event Table / Tabel Event

Conţine locaţii geografice ("event"). În ArcView este numit event table.
Tabelul nu este într-un format spaţial, ci doar conţine informaţii spaţiale. Poate
avea locaţii geografice absolute (de ex. latitudine şi longitudine) sau relative
(de ex. adrese de străzi). Tabelul va conţine una din următoarele trei tipuri de
date: coordonate x,y; route şi adrese.
Event Theme / Temă Event

Este o temă asociată cu un tabel event. Conţine coordonate (x,y) sau adrese.
Dacă locaţiile geografice sunt absolute, punctele sunt create direct din valorile
coordonatelor (x,y). Când locaţiile geografice sunt relative, acestea sunt
translatate din cele absolute şi sunt stocate în format shapefile. O temă care
face referirea la un astfel de shapefile este adăugat la View-ul activ.
Export
Glosar 233
Termenul se referă la conversia unui fişier din format propriu unui produs
GIS, într-un alt format perceput de un alt pachet de programe. De asemenea
EXPORT este un modul Arc/Info care realizează importul/exportul din
Arc/Info în alte produse. Extensia acestui fişier este de enn (unde nn este un
număr între 00 şi 99, succesiv pentru fiecare volum creat). Menţionăm faptul
că un coverage creat cu PC Arc/Info diferă de un coverage Arc/Info sub
UNIX, şi deci el trebuie convertit întotdeauna când se foloseşte în alt soft
decât în acela în care a fost creat.
Feature / Obiect grafic

Termen folosit pentru a reprezenta un element spaţial cum ar fi punct, linie,
poligon. Se mai foloseşte şi termenul de object (obiect), care este însă este
evidat datorită confuziei ce poate apare între elementele grafice şi noţiunea de
obiect utilizată în programarea obiect. În cartea de faţă am utilizat noţiunea de
primitivă grafică.
Field / Câmp
Este un element dintr-un articol conţinut într-un fişier-bază de date. Se
materializează prin coloane. Poate fi: numeric, şir de caractere, boolean sau
dată calendaristică.
Geocoding / Geocodificare
1. În viziunea acceptată de ArcView, geocodificarea este procesul de asignare
a unei locaţii în coordonate absolute (x,y) la o caracteristică geografică sau la
o locaţie relativă, cum ar fi adrese de străzi sau zip coduri.
2. Asocierea datelor spaţiale cu cele atribut.
Geodetic Control / Puncte de control geodezice

O reţea corelată de puncte cărora li s-au determinat cu mare acurateţe
coordonatele (în trei dimensiuni). Orice suprafaţă de reprezentat face referire
la aceste puncte.
Geodetic Datum / Dată geodezică

Glosar 234
Un ansamblu de date ce definesc un sistem de coordonate pentru toată

suprafaţa Pământului. Aceste date au fost revizuite şi îmbunătăţite de-a lungul
timpului. Câteva exemple: NAD 27 Nord American Datum corespunzător
anului 1927; ED 50 European Datum 1950 şi WGS 84 – World Geodetic
System pentru 1984. Atenţie! Datele sunt utilizate să producă o aproximare
locală pe sferoid.
Geographic Coordinates / Coordonate geografice

Este un sistem de referinţă bidimensional (latitudini şi longitudini) în care
Pământul este considerat o sferă, care este împărţită în 360 de părţi egale
(grade). Această diviziune este efectuată de-a lungul a două axe: una de la est
la vest de-a lungul ecuatorului şi cealaltă de la nord la sud de-a lungul
meridianului Greenwich. Utilizând acest sistem de coordonate orice punct de
pe suprafaţa Pământului va fi identificat printr-o pereche unică (λ,θ). De
obicei se măsoară în grade, minute şi secunde, dar şi în grade întregi şi zecimi
de grade, în unele produse soft cum ar fi de exemplu şi ArcView.
Geographic Database / Bază de date geografică

Ansamblul format de baza de date spaţială şi baza de date atribut.
Geomatics / Geomatică
Termen apărut în Canada care descrie o varietate de activităţi privitoare la
achiziţionarea şi managementul datelor spaţiale pentru activităţi ştiinţifice şi
administrative.
GIS - Geographic Information System / Sistem Informatic Geografic

GIS este un geosistem de BD geografice. Cu alte cuvinte GIS trateaza toate
caracteristicile geografice (spaţiale) ca şi înregistrări într-o BD, şi nu ca simple
grafice. Aproape toate conceptele dintr-o baza de date relaţionară sunt
percepute de GIS, dar adăugând dimensiunea geografică. GIS face legătura
dintre informaţia geografică şi cea descriptivă printr-un model georelaţionar.
Acest model se bazează pe o relaţie unu-la-unu între datele spaţiale şi tabelele
atribut. Anumite câmpuri din baza de date sunt predefinite în tabelele atribut,
Glosar 235
dar opţional se pot adăuga şi alte câmpuri. Modelul georelaţionar permite, de

asemenea, conectarea cu alte baze de date tabelare, interne sau externe
produsului soft GIS.
GPS Global Positionning System / Sistem de poziţionare globală

Sistem de determinare a poziţiei unui punct prin intermediul semnalelor radio
utilizând 4 sau mai mulţi sateliţi aflaţi pe orbită (24 ore), prin calcularea
coordonatelor WGS. Acurateţea depinde de performanţele staţiei mobile şi de
timpul alocat pentru determinare. În timp real (pentru navigare: apă, aer)
poziţia se determină cu o precizie de sub 100 m (instantaneu). Efectuând
măsurători suplimentare (perioade mai lungi de timp) se poate obţine o
acurateţe a poziţiei de câţiva mm.
Grid Data / Date raster

O structură compusă dintr-o matrice de celule referite pe linie şi pe coloană.
Fiecărei celule i se atribuie o valoare care îi corespunde o culoare la afişarea
pe ecran.
GUI Graphical User Interface / Interfaţă grafică utilizator

Interacţiune cu calculatorul bazată pe activarea cu ajutorul mouse-ului a unor
pictograme sau imagini grafice. Se consideră o manieră mai simplă
(comparativ cu comenzile de tip text) şi mai eficace. Windows înglobează o
astfel de interfaţă.
Helmert Transformation / Transformarea Helmert

După digitizare este necesar ca datele spaţiale înregistrate în coordonate
digitizor să fie transformate în coordonate carteziene. Transformarea Helmert
realizează o astfel de conversie.
Image data / Imagine digitală

Imaginea digitală este un tip de date raster în care obiectele de pe suprafaţa
înregistrată sunt convertite într-o matrice de celule cărora li se atribuie valori
de către un dispozitiv optic sau electronic. Imaginile digitale manipulate de
Glosar 236
produsele GIS sunt de regulă, imagini satelit sau imagini aeriene scanate, în
care fiecare celulă reprezintă o valoare corespunzătoare răspunsului spectral.
Imaginile pot fi într-o singură bandă sau în mai multe benzi (multispectrale).
ArcView permite afişarea ambelor tipuri de imagini.
Import
Termenul este folosit atât în sens general cât şi specific. În sens general,
reprezintă procesul prin care se încarcă date create cu alt produs, în programul
propriu. De exemplu, încărcarea în ArcView a unui fişier sau tabel dbf sau de
tip CSV create cu alte produse soft (dBase, Fox şi respectiv NORTON
COMMANDER, fişier secvenţial BASIC). În sens specific, IMPORT este un
utilitar al Arc/Info care permite conversia unui coverage sau a datelor tabelare
în alte produse (cum ar fi ArcView).
Join / Alipire
Comandă ArcView prin care două sau mai mlte tabele sunt alipite într-un tabel
virtual, prin intermediul unui câmp comun. Se foloseşte când între
înregistrările din tabelul sursă şi cele din tabelul de destinaţie există o relaţie
unu-la-unu sau unu-la-mai multe. În cazul relaţiei mai multe-la-unu se va
utiliza comanda Link.
Kriging
O tehnică de interpolare bazată pe evaluări numerice ale unor puncte
cunoscute. Se foloseşte în GIS pentru a obţine o suprafaţă de elevaţie pornind
de la un set de puncte cunoscute.
Layer / Strat
O subdiviziune a unei hărţi înfăţişând o anumită temă. Este sinonim cu hartă
tematică în format digital.
Layout
Este rezultatul unei compoziţii de hărţi pregătit pentru imprimare (poate fi
considerat ca un document) în ArcView. Permite definirea pe pagină a poziţiei
hărţii, a diagramelor şi a tabelelor pe suportul de imprimat. Are o structură
Glosar 237
dinamică, în sensul că dacă s-a formatat pagina pentru tipărire şi apoi s-au
efectuat modificări în teme, diagrame sau tabele, acestea se vor reflecta în
pagină.
Line Features / Linia privită ca o primitivă grafică

Sunt folosite pentru a reprezenta entităţi liniare, cum ar fi reţea hidrografică
sau drumuri. Liniile sunt localizate şi definite prin serii unice de perechi de
coordonate (x,y). Liniile (cunoscute şi sub numele de arcuri în cazul
modelelor topologice) sunt alcătuite din şiruri de segmente de dreaptă
conectate. Fiecare segment este delimitat de un vertex (adică punct).
Linear Events / Locaţie geografică de tip linear

Caracteristici geografice localizate de-a lungul unui arc care reprezintă o rută
din cadrul unui coverage ce conţine o reţea de drumuri.
Link / Legare
În cazul în care relaţia între tabelul sursă şi cel destinaţie este de tipul mai
multe-la-unu, pentru asamblarea celor două tabele se foloseşte comanda Link.
Spre deosebire de Join, Link nu formează un tabel virtual. Link afişează toate
înregistrările candidate din tabelul sursă care sunt asociate cu o valoare unică
în tabelul destinaţie.
LIS Land Information System / Sistem Informatic Teritorial

Este un sistem informatic implementat cu un GIS, având ca scop principal
managementul şi analiza datelor refeitoare la organizarea teritoriului (inclusiv
cadastru).
Live Link / Legare reală, sau alipire în mod real

O legare de tip dinamic între un cadru fix în Layout şi elementele sau
documentele corespunzătoare în ArcView. Diagramele şi tabelele sunt
întotdeauna legate în mod real. View-ul, legenda şi bara de scară sunt legate
fie dinamic, fie static.
Glosar 238
Look-up Table / Tabelă suplimentară asociată cu cea atribut

Un Look-up table este un tabel secundar care conţine informaţii adiţionale
despre caracteristicile geografice identificate într-un câmp specificat din tabela
de atribut (tabelul primar). Relaţiile care există între imaginile (articolele) din
tabelul primar şi înregistrările din tabelul secundar pot fi de tipul unu-la-unu
sau mai multe-la-unu. În ArcView comanda Join poate fi folosită pentru a crea
o tabelă virtuală în care înregistrările din tabela Look-up sunt asociate cu
înregistrările din tabelul primar, bazate pe valorile unui câmp comun.
Macro
O serie de instrucţiuni care împreună execută o anumită acţiune şi care se
poate activa cu o singură comandă.
Manhattan Distance / Distanţa Manhattan

Sistem de măsură a distanţei bazat pe grid. Distanţa dintre două puncte se
defineşte ca fiind dată în termeni ai distanţei rectangulare adică a numărului de
celule în fiecare direcţie.
Map Extent / Limitele hărţii

Limitele rectangulare a hărţii, îaccepţiunea monitorului sau a imprimantei.
Map Projection / Proiecţie cartografică

Model matematic de reprezentare cartografică a unei suprafeţe 3D în 2D
ţinându-se cont de distorsiunile suprafeţei Pământului. Fiecare tip de proiecţie
are o anumită particularitate de conservare a unei mărimi, cum ar fi forma,
distanţa, direcţia. Deoarece nici o transformare nu conservă toate elementele
menţionate simultan, trebuie aleasă proiecţia care să conserve proprietatea pe
care o cere aplicaţia.
Map Scale / Scara hărţii

O măsură de reprezentare redusă a realităţii, fie că este vorba de o hartă pe
suport de hârtie, fie de o hartă digitală. În mod uzual este reprezentată ca
fracţie în care numărătorul indică măsura pe hârtie (sau în reprezenatrea
internă din fişierul conţinut în baza de date), iar numitorul măsura în teren. În
Glosar 239
ceea ce priveşte baza de date spaţială, noţiunea de scară îşi pierde sensul pe
care îl are o hartă în formă tradiţională, deoarece programele încorporate în
GIS oferă posibilitatea măririi/ micşorării hărţii sau a unei porţiuni din ea. De
asemenea o hartă afişată pe un format A4 diferă total de aceeaşi hartă
imprimată pe A1, deşi este vorba de acelaşi fişier. Problema acurateţei şi a
preciziei se pune atunci când harta înfăţişată este la o scară mai mare decât cea
digitizată.
Map Units / Unităţi de măsură cartografice

Unităţile de măsură cartografice sunt unităţile în care sunt stocate datele
spaţiale prin coordonatele lor. În ArcView unităţile cartografice sunt folosite
pentru fixarea scării unui View. Implicit sunt setate ca necunoscute
(Unknown). Acestea se setează din fereastra de dialog View Properties, care e
accesată din meniul View.
Matchable Theme / Temă asociabilă

O temă devine asociabilă după ce au fost construiţi indicii pentru
geocodificare în conformitate cu stilul de adrese suportat de ArcView. Se
foloseşte pentru a crea Adress Event Theme prin asocierea cu un tabel de
adrese.
Multispectral Bands / Benzi multispectrale

Captarea unei imagini luate prin teledetecţie utilizând două sau mai multe
benzi sperctrale.
NDVI Normalized Difference Vegetation Index / Indicele de vegetaţie

normalizat
O tehnică a procesării de imagini care indică prezenţa sau absenţa vegetaţiei.
Se calculează prin împărţirea diferenţei dintre valorile reflexiei în IR apropiat
şi roşu, la suma celor două benzi.
Glosar 240
Network / Reţea
1. Model vectorial bazat numai pe arce şi noduri. Ca exemplu cităm: reţeaua
de drumuri, reţeaua de înaltă tensiune, reţeaua apă/canal. ArcView are o
extensie specializată pentru gestiunea reţelelor, nunită Network Analyst.
2. O structură a unei baze de date (bază de date reticulară).
3. Mai multe calculatoare care partajează resursele.
Normalize / Normalizare
Se aplică la o clasificare tematică şi reprezintă exprimarea valorilor unui câmp
relativ la valorile altui câmp. Anumite date cum ar fi procentaje pot fi
considerate deja normalizate.
Pixel (Picture Element) / Pixel

Cel mai mic element grafic de afişare pe ecran căruia i se asociază o culoare
sau o intensitate luminoasă.
Point Events / Punct de tip Events, sau punct care reprezintă o locaţie
geografică
Un punct de tip events este asociat cu un punct specific de-a lungul unei rute.
Dacă o rută este o autostradă codificată din km în km (post), un punct events
poate fi un accident localizat la un anumit post.
Point Features / Punct ca şi primitivă grafică

Este o entitate spaţială care reprezintă un element geografic punctiform. În
sistemul vector el exprimă poziţia într-un sistem de coordonate. Unui punct i
se poate ataşa o tabelă de atribut.
Polygon Features / Poligonul ca primitivă grafică

O reprezentare plană a unui areal format dintr-o linie frântă închisă. Este
definit de un punct numit centroid, care se află în interiorul său şi la care se
face referire prin tabela de atribut. Poligonul este definit de o serie de
coordonate (x,y) care identifică perimetrul său. Poligoanele se folosesc pentru
Glosar 241
a reprezenta entităţi cu o anumită suprafaţă cum ar fi o parcelă, un judeţ sau o

insulă.
Project / Proiect
Este o structură utilizată în ArcView pentru a organiza componentele unui
View, Tables, Chart, Layout şi Script. Întreţine starea tuturor componentelor
din ArcView ca şi configurarea interfeţei grafice utilizator. Informaţia este
stocată într-un fişier ASCII cu extensia apr. Acest fişier nu conţine date
spaţiale sau atribut, ci doar pointere care indică locul unde sunt înregistrate şi
de unde să le ia pentru a executa o anumită operaţiune.
Primary Colors / Culori primare

Culori care atunci când sunt amestecate în diferite proporţii generează toate
celelalte culori. Principiul care stă la baza redării culorilor generate în tuburi
catodice (monitoare) utilizează aditive primeries (Roşu, Verde şi Albastru).
Ele se numesc aditive deoarece se porneşte de la negru (absenţa totală a
luminii) şi în mod progresiv se adaugă diferite combinaţii ale celor trei culori.
În sistemul aditive, roşu şi albastru generează magenta (purpuriu), albastru şi
verde va rezulta cyan (azuriu), iar roşu şi verde produce galben. Toate cele trei
adunate (aditive) generează alb. Imprimantele utilizează substractive
primaries (Magenta, Cyan, Galben). Se numesc substractive deoarece
cernelurile acţionează ca filtre ce extrag (substract) o anumită lungime de
undă. Astfel plecând cu toate lungimile de undă combinate (alb) culorile
primare sunt amestecate prin extragerea unei lungimi de undă particulare. În
sistemul substractive magenta şi cyan generează albastru, magenta şi galben
rezultă roşu, cyan şi galben produce verde, iar toate culorile amestecate
generează negru (aproximativ).
Raster Data / Date în sistem raster

Raster este un sistem de reprezentare a datelor spaşiale bazat pe o matrice de
celule de suprafaţă egală, cărora li s-au atribuit o valoare corespunzătoare unei
culori. Datele raster nu au coordonate. Referirea la entităţile geografice
reprezentate în acest sistem se face după numărul de linie şi numărul de
Glosar 242
coloană, începând cu celula stânga sus care are valoarea (0,0). La o rezoluţie
maximă o celulă se confundă cu un pixel. Valorile egale, vizualizate cu
aceeaşi culoare pe monitor, corespund unei aceleiaşi entităţi geografice.
Exemplu: păşune în verde, lac în albastru.
Record / Articol
Articolul este unitatea elementară care constituie un fişier – bază de date. Într-
o bază de date relaţionară un articol reprezintă un rând.
Relational Database / Bază de date relaţionară

O bază de date cu o structură sub formă de tabele. Fiecare tabel conţine
informaţii relative la o caracteristică geografică particulară şi este legată cu
alte tabele printr-un câmp comun.
Relational Join / Asamblare relaţionară

Asamblarea a două baze de date relaţionare este alipirea acestora după un
câmp comun, rezultând o altă bază de date mai extinsă. Datele din noua bază
de date pot fi reprezentate spaţial, ca atribute a entităţilor grafice. În ArcView,
rezultatul unei asamblări a două tabele, unul atribut şi unul fişier dbf, ambele
având un câmp comun, rezultă un singur tabel virtual în cadrul unui proiect.
Cele două tabele sunt gestionate separat pe disc.
Remote Sensing / Teledetecţie

Un complex de activităţi ce are drept scop obţinerea de la distanţă, pe baza
interacţiunii dintre obiectele de pe suprafaţa Pământului şi nişte senzori
sensibili la radiaţia electromagnetică, de informaţii sub formă de iamagini
fotografice convenţionale (în format analogic) sau de imagini raster (în format
digital).
Resolution / Rezoluţie
În sistemul vector, rezoluţia reprezintă cel mai mic increment care este
perceput de un echipament de intrare (digitizor). În sistemul raster (ca şi în
imaginile digitale), rezoluţia este suprafaţa maximă de pe Pământ căreia îi
Glosar 243
corespunde un pixel. De exemplu o rezoluţie de 10x10 înseamnă că unui pixel

îi revine 10 mp. Cu alte cuvinte nu se pot percepe entităţi geografice sub 10 m.
RMS Rout Mean Square Error / Eroarea celor mai mici pătrate
O măsură a abaterii de la valorile adevărate. Se estimează luând nişte
măsurători care se compară cu valorile lor adevărate. Aceste diferenţe sunt
ridicate la pătrat şi însumate. Suma se împarte la numărul de măsurători
obţinându-se o abatere medie pătratică. Se extrage radical din aceasta pentru a
obţine o caracteristică a erorii în aceleaşi unităţi ca şi măsurările originale.
RMS este comparabil direct cu cu conceptul de abatere standard (standard
deviation).
Route Events / Rută de tip event

Reprezintă locaţii relative ale obiectelor (caracteristicilor geografice) de-a
lungul unei rute, cum ar fi de exemplu o reţea de înaltă tensiune. În acest caz
locaţiile fac referire la o distanţă faţă de un punct de început, cum ar fi 3 km
de la staţia X. Se prezintă în trei formate: punctual, liniar şi continuu.
Scanning / Scanare
Procedeul prin care o hartă pe suport de hârtie este transformată în formă
digitală, utilizându-se un echipament numit scanner, care conţine un sistem
optic fotosensibil. Harta este înregistrată sub forma unei imagini (matrice de
pixeli). Fiecărui pixel i se atribuie un număr, care este asociat cu o anumită
culoare. Imaginea poate fi reprodusă în forma ei iniţială, georeferenţiată, sau
supusă unui proces numit vectorizare în vederea transformării ei într-o hartă
vectorială.
Script
Este un macro ArcView scris în limbajul Avenue (propriu lui ArcView) pentru
a particulariza mediul ArcView. Se execută în cadrul unui proiect.
Glosar 244
Shapefile
Este formatul propriu de reprezentare a datelor spaţiale în ArcView. Spre
deosebire de coverage din Arc/Info, shapefile este un format simplu, fără
topologie care oferă avantajele unei afişări rapide, precum şi avantajul de a fi
creat sau editat într-o manieră facilă. Poate fi exportat în Arc/Info şi în alte
produse.
Spatial Analysis / Analiză spaţială

Complex de prograne care înglobează tehnici aplicabile datelor cu referinţă
spaţială în vederea extragerii datelor sau a generării unei informaţii geografice.
Se poate folosi pentru modelarea interacţiunilor geografice complexe.
Spatial Model / Model spaţial

O reprezentare simbolică a unui proces sau fenomen precum şi a
interacţiunilor dintre variabilele care caracterizează acesta. În cadrul GIS,
acesta se materializează printr-un set de reguli şi proceduri aparţinând analizei
spaţiale asociat cu un fenomen spaţial.
SQL Structured Query Language / Limbaj structurat de interogare

Un limbaj dezvoltat de firma IBM în anii ’70 pentru definirea şi manipularea
datelor dintr-o bază de date relaţionară. A devenit un standard. Este folosit de
unele firme care livrează produse GIS pentru interogarea BDG.
Statik Link / Legătură statică

La reprezentarea unui document cu Layout anumite obiecte rămân statice
(cum ar fi bara de scară) în sensul că, dacă se modifică în datele iniţial din
cadrul unui proiect ArcView, acestea nu se vor reflecta în afişarea la
imprimantă (plotter).
Street Net / Reţeaua de străzi

Reprezintă un set de date spaţiale compuse dintr-o serie de segmente. Fiecare
segment este codificat cu un domeniu de adrese ( de la…până la…) permiţând
ca tema rezultată să fie geocodificată.
Glosar 245
Table / Tabel
Tabelul este unitatea de bază de stocare a bazei de date atribut. Este compus
din câm-puri (coloane), fiecare având un nume şi articole (linii) fiecare având
acelaşi număr de coloane, deci aceeaşi structură. ArcView acceptă două feluri
de tabele: un tabel atribut care este “legat” de temă (shapefile) şi se creează
odată cu aceasta, şi un tabel de provenienţă extremă (creat cu dBASE, INFO
sau un editor ASCII în format CSV). Acesta din urmă, în mod obligatoriu
trebuie să iniţieze în structura sa un câmp comun. Prin comanda Join poate fi
alipit la tabela atribut rezultând ceea ce se numeşte în ArcView un tabel
virtual. În felul acesta datele conţinute în fişierele create extern pot fi
vizualizate pe hartă. Cu alte cuvinte, o tabelă alipită la atribut poate fi integrată
spaţial. În principiu tabelele suportă orice aplicaţii ale unui SGBD relaţionar.
Tesselation / Teselaţie
O diviziune a unui areal în 2D sau 3D, în elemente spaţiale contigue care
acoperă complet suprafaţa. În cazul teselaţiei regulate, elementele trebuie să
aibă aceeaşi mărime sau formă (triunghiuri, hexagoane etc). Un grid sau un
raster este un exemplu de teselaţie regulată. În cazul neregulat avem poligoane
de diferite forme şi dimensiuni. TIN este un exemplu de teselaţie neregulată.
Thematic Classification / Clasificare tematică
O clasificare tematică reprezintă o asignare de simboluri unor obiecte
geografice pe baza unor valori din tabela de atribut a temei, inclusiv tabele
externe care au fost alipite (prin Join) la atribut. O clasificare poate fi aplicată
unei teme bazate fie pe un domeniu de valori, fie pe valori unice atribuite unui
câmp. În ArcView numărul maxim de clase în ceea ce priveşte tipul de
clasificare este 64. De obicei se folosesc până la 6 clase.
Thematic Map / Hartă tematică

O hartă tematică este o hartă digitală care înfăţişează un set de caracteristici
geografice de aceeaşi natură. Exemple: harta bazinelor hidrografice, harta
administrativă clasificată după populaţie, harta solurilor, utilizarea terenurilor
etc.
Glosar 246
TIN Triangulated Irregular Network / Reţea triunghiulară neregulată

O metodă de creare a suprafeţelor în 3D, utilizându-se valori date pe puncte, în
sistemul vector. Este creat dintr-un număr de puncte distribuite în spaţiu care
se unesc între ele formând triunghiuri. Fiecare punct are cordonate (x,y) plus
unul sau mai multe atribute (cum ar fi înălţimea). Valorile de atribut pentru
situaţiile în care nu se cunosc sunt calculate prin interpolare.
Topological Propreties / Proprietăţi topologice

Proprietăţi care definesc relaţia relativă între elemente spaţiale a unei hărţi
vectoriale. Astfel localizarea este independentă de sistemul de coordonate.
Proprietăţile topologice sunt conectivitatea, adiacenţa şi poziţia relativă.
Topology / Topologie
Strict la obiect topologia este studiul proprietăţilor figurilor geometrice care
sunt invariante la deformări continue. În GIS proprietăţile topologice cum ar fi
conectivitatea, adiacenţa şi poziţia relativă sunt în mod uzual exprimări ale
relaţiilor dintre noduri, joncţiuni şi poligoane. Cu alte cuvinte este vorba de
relaţii spaţiale între obiectele cartografice conectate sau adiacente, proprie
sistemului vectorial.
Theme / Temă
O temă este un sistem de date spaţiale similare asociate cu atributele
respective. Este un concept ArcView. O hartă este compusă din una sau mai
multe teme suprapuse. Exemple de teme: harta demografică, reţeaua de
drumuri, reţeaua hidrografică. Dintr-un alt punct de vedere acestea sunt
considerate straturi. Clasele de obiecte spaţiale sunt: puncte, arce, poligoane,
rute, etichete, adnotaţii, regiuni. Rutele şi regiunile (concepte Arc/Info) sunt
clase complexe de obiecte geografice formate din puncte, arce, noduri, şi
poligoane dar tratate ca o singură entitate. În ArcView avem trei tipuri de
obiecte geografiec de bază: puncte, linii şi poligoane. În principiu pot exista
mai mult decât un singur obiect spaţial într-o temă. De exemplu o reprezentare
a recensământului unui teritoriu poate conţine atât linii, reprezentând străzi,
cât şi poligoane reprezentând areale rezidenţiale. Trebuie menţionat faptul că,
în unele produse GIS nu se permite existenţa mai multor tipuri de entităţi
Glosar 247
grafice. De exemplu, în Arc/Info într-un coverage nu pot exista puncte şi

poligoane, celelalte combinaţii fiind permise.
Vector Data / Date vectoriale

Model de date pentru reprezentarea obiectelor cartografice utilizând un sistem
de coordonate carteziene. Se bazează pe primitive grafice (punct, arc, nod,
poligon).
Vrtex / Punct
Vertex este un punct intermediar care direcţionează un arc şi este localizat prin
coordonate (x,y). În cazul modelului topologic de reţea, un arc este format
dintr-o succesiune de segmente puse cap la cap (linie frântă) şi începe şi se
sfârşeşte cu un nod. Trebuie să deosebim un vertex de un punct ca primitivă
grafică. Termenul de vertex se foloseşte pentru direcţionarea unui arc. Un
capăt de linie se mai numeşte nod (în cazul modelelor topologice).
View
Este fereastra cadru al ArcView în care se lucrează. Poate fi privită ca o
colecţie organizată de teme. Se compune dintr-o suprafaţă de afişare
cartografică şi o zonă numită Table of Contents, care conţine numele temelor
prezentate în View precum şi legenda. Selectarea temei se răsfrânge asupra
afişării. View este principalul instrument de lucru al ArcView. Tables, Chart şi
Layaout sunt legate de temele conţinute în View. Un View impune o structură
de organizare a temelor şi furnizează mijloacele pentru afişare, interogare şi
analiza datelor. Aceasta se realizează prin interacţiunea a trei componente
primare: afişarea hărţii, Table of Contents şi interfaţa grafică al View.
X,Y Coordinate / Coordonate (X,Y)

Coordonatele (X,Y) sunt folosite pentru a putea referi o locaţie geografică.
Toate datele spaţiale sunt asociate, într-un fel sau altul cu coordonate (X,Y).
Cel mai des utilizat sistem de coordonate în geografie este sistemul de
coordonate geografice (latitudinea, longitudinea).
Glosar 248
X,Y Events
În GIS, X,Y Events reprezintă locaţii exacte ale obiectelor poziţionate pe hartă
prin coordonate (X,Y). În mod normal sistemul de coordonate este cel
geografic, dar poate fi folosit şi cel cartezian.
Zoom
Comandă care produce mărirea sau micşorarea unei porţiuni din hartă.
Summary 249
Summary:
Initiating in GIS and Remote Sensing
Remote Sensing (RS) and Geographical Information Systems (GIS)

are two of the leading technologies answering questions about spatial and
temporal dimensions of landscape and natural resources. Processed and
analysed images, combined with other data and visualisation techniques, and
being employed in GIS by a wide variety of resource planner and managers,
private sector entrepreneurs, scientists and public policy decision makers.
Basically, the two technologies are linked at the most fundamental levels of
measurement, mapping, monitoring modelling and management.
The intention of this book is to help people who manage spatial data
understand and apply principles of GIS and RS. It focuses on the basic
concepts of GIS, RS and finally accomplishing an ArcView project.
In Part One we attempted to show how various data gathering,
analysing and presentational techniques can enhance geographical work, and
how these techniques could be integrated within the emerging concept of
Geographic Information System. In short, GIS is a computer-based system
that can deal with any type of information about features that can be
referenced by geographical location. These systems are capable of handling
both locational data and attribute data about such features.
The real world can be described only in terms of models which
delineate the concepts and procedures needed to translate observations and
measurements into meaningful data in GIS. Objects in a GIS data model are
basically described in terms of identity type, geometric elements, attributes,
relations and qualities.
Spatial data is presented in two ways: as vector data in the form of
points, lines and areas or as grid or raster data in the form of uniform
organised cells. Every point from a map and its real corespondent may be
uniquely located using two or three numbers in a co-ordinate system.
Mathematically a vector is a straight line, having both magnitude and
direction. Therefore a straight line between two data co-ordinate points on a
digital map is a vector. In the vector model, points, lines and polygons are the
homogeneous units which carry information. These three types of objects may
be graphically represented using co-ordinate data. The objects may also carry
attributes which can be digitised, and all digital information can be stored.
The storage of cartographic data involves standardisation trough
conversion reference systems and uniform formats. Cartographic data from
various sources can, with some limitations, be combined. Standardised storage
Summary 250
makes the presentation of data compiled from dissimilar sources much easier.
Digital map data are stored in databases (Spatial Data Base)
There are two types of vector models: the spaghetti model and the
topological spatial data model. The Spaghetti model is a collection of points
with line segments having no real connections. There are no specific points
that designate where lines might cross, nor are there any details of logical
relationships between objects. Polygons are represented by their
circumscribing boundary, as a string of co-ordinates, so that correspondent
boundaries between adjacent polygons are registered twice, often with slightly
differing co-ordinates.
Topology is the branch of mathematics that deals with geometric
properties which remain invariant under certain transformations such as
stretching or bending. In topology models the connections between objects are
described independently of their co-ordinates: their topology remains fixed as
geometry is stretched and bent. The topology models employs nodes and
links. A node is a start point or an endpoint of an arc. A link is a segment of a
line between two nodes. Links connect to each other only at nodes. Unique
identifiers are assigned to all links and nodes, and attribute data describing
connections are associated with all identifiers. Topology can therefore be
described in three tables: the polygon topology table lists the links comprising
all polygons, each being identified by a number; the node topology table lists
the links that meet at each node; the link topology table lists the start and end
nodes of each link and the polygons situated on the left and right of each link
(left and right being defined in the direction from a designated start node to a
end node. Topological coding includes spatial relationships (connectivity and
adjacency) among features of the data structure.
The raster model represents reality through selected surfaces arranged
in regular cells which are usually rectangular or square. The cells of a model
are given in a sequence determined by a hierarchy of rows and columns in a
matrix, with numbering starting from the upper left corner. The cells are often
called pixels, a term borrowed from the video screen technology. The
geometric location of a cell, and hence of the object it represents, is stated in
terms of its row and column numbers. This identification corresponds to the
directional co-ordinates of the vector model. Raster models are created by
assigning real-world values to pixels. The assigned values comprise the
attributes of the objects that the cells represent. Values should be assigned to
all the pixels in a raster, one value to one pixel. The cells of a thematic layer
may be coded so that their values correspond to identifiers in a given attribute
table.
One of the basic decision in GIS design involves the choice between
vector and raster models, each of which has advantages and disadvantages.
Vector data formats have the advantage of relatively lower data volumes,
Summary 251
better spatial resolution and the preservation of topological data relationships.

Certain operations, like overlay analysing are more complex computationally
in a vector data format than in raster formats. Raster systems have simpler data
structures. They have greater computational efficiency, and they represent
features having high spatial variability. On the other hand raster data volumes
are relatively greater, and the spatial resolution is limited to the size of the
cells comprising the raster. The vector model has been dominant in
commercial GIS implementation. The raster model has been used more
frequently in natural resource planning and management and in teaching
because it is more easily explained and used.
Before dissimilar cartographical data may be used in GIS, they must
be referenced in a common system. This process is called georeferencing.
Attribute date are most easily stored in tabular form. Each line in a
table represents an object, each column an attribute (alphanumeric data).
Attribute data are therefore often called tabular data and are normally stored in
a relational database. Common identifiers in map and attribute permit moving
from map data to attribute data and vice versa. The link between the two
databases is called geocoding.
There are five methods of producing digital map data: digitising
existing maps with a digitizer; scanning existing maps; digital photogrametric
map production; manual entry of measured and computed co-ordinates and
importing from other digital sources.
Digitising is the process of conversion of analogue maps into a computer-
readable form. There are different methods, for example: automated digitising,
point digitising or stream digitising. Digitizers have their own internal co-
ordinate system which may be related to terrain co-ordinates by cross-
registering four to six or more co-ordinates with known terrain co-ordinates.
These ground control points permit the computation of transformation
parameters in user system of co-ordinates. Some programs convert co-
ordinates continuously during digitising, while others convert it in the editing
phase. This phase includes the tasks: error correction, entering missing data
and construct topology. Forming topology also reveals many errors. Typically,
the same polygon number will be assured to both sides of an unconnected line
in a polygon structure.
Scanning is a conversion of a map from analogue format to a digital
image comprising a regular grid of pixels. Scanners can register colour using
magenta, cyan and blue filters. Maps are scanned in order to use digital image
data as bases for other map information and convert scanned data to vector
format for use in a vector GIS. Some scanners convert raster data to vector
data in the scanning process itself, and simultaneously present the results on
the screen. Scanning senses everything on a map, including maps labels and
other unwanted information. Data may be improved by structuring binary
Summary 252
information in three categories: shapes, potential symbols and noise. Noise

designates such information as stains and extraneous lines that are registered
but not require. The noise can filtered out together with the potential symbols.
Therefore, extensive editing is almost always is necessary. There are two ways
to obtain a vector format: automatic line tracer and manual tracing. Co-
ordinates are computed continuously for all points on a line, as they are by a
digitizer.
Global Positioning System (GPS) is a constellation of radio-emitting
satellites and a mobile receiver, developed by the U.S. Department of
Defence, used to determine location on the Earth’s surface. It is possible
accurately to determine one’s location at or near surface of the Earth without
the need for any reference marks. Accuracy can be increased further by
simultaneously using data from two receivers, provided that the position of
one of them is known accuracy. This system is called differential GPS. GPS is
based on the WGS84 geocentric co-ordinate system may be transformed to
other co-ordinate systems. GPS has been integrated directly with several GIS.
In general, GPS data may be regarded in the same way as other digital map
data. Coding of GPS data in GIS may be performed in the field to determine
accurately the positions of roads intersections, wells and the like.
CAD – generating drawing may be integrated into GIS in the same
way as text, via tables with pointers to CAD file addresses. They also may be
entered directly as, with map data, via a common transfer format. Many
people prefer to digitise in CAD format and than the file will be imported (as
DXF file) in GIS. DXF files have no topology.
Maps provide an effective representation of spatial distribution
because the human eye is adept at detecting spatial patterns. But maps alone
are often not sufficient for analysis of spatial order and spatial association.
The interpretation of spatial relationship patterns by visual examination of a
map is subjective, perception of any map pattern may vary from person to
person. Recent advances in GIS technology have created a new area for spatial
analysis. The most important contribution is the establishment of a link
between map-based analysis of spatial patterns and rigorous quantitative
analytical methods. With appropriate measurement of map features,
interpretation of spatial patterns is no longer subjective. Because spatial
patterns can be objectively assessed, hypotheses can be formulated and
verified. The scope of spatial analysis in GIS range from a simple query about
the spatial phenomenon to combinations of attribute queries and complex
generation of new data sets from the existent database.
Spatial analysis is the most important uses of GIS. GIS operational
procedures and analytical tasks that are particularly useful for analysis
include: single layer operations, multiple layer operations, point pattern
analysis, network analysis, surface analysis, grid analysis and spatial
Summary 253
modelling. Single layer operations provide the most fundamental tools of data
preparation for spatial analysis. Operational procedures for manipulating map
features on a single layer include boundary operations, proximity analysis,
feature identification and selection, and feature classification. Single layer
operations are essential for data preparation. In most cases, spatial data must
be manipulated to generate appropriate data sets for coverage of a specific
geographical area or to meet certain selection criteria.
Multiple layer operations provide the most fundamental tools for
spatial analysis because they allow for the manipulation of data organised on
separate layers and the examination of relationship among different features.
These operations can be classified into the following three categories: overlay,
proximity and spatial correlation analysis. Overlay analysis involves the
logical connection and manipulation of spatial data on separate layers.
Proximity analysis deals with procedures that are based on distance
measurement between features on different layers. Spatial correlation analysis
is used for revealing the relationships between features of difference types.
Point patterns is defined as the spatial pattern of the distribution of a
set of point feature. Because points are zero-dimensional features, the only
valid measurement of points distributions are the number of occurrences in the
pattern and respective geographic locations. Area is not a valid measure, even
though in most cases point features on a map occupy space. Point features
represent the simplest form of spatial units; distance is the only significant
spatial relationship among point features. The distribution of point features
can be described by frequency, density, geometric centre, spatial dispersion
and spatial arrangement. In general, common point pattern analysis procedures
include the observation of distributions based on descriptive statistics,
examination of spatial arrangement among point features, and further
investigation of spatial patterns through evaluating spatial autocorrelation
statistics.
Network analysis deals with two types of problems: the structure of
connection among the line feature and the movement in the system through
the connected lines. This analysis deals with physical lines such streets, roads,
pipe lines, and the like. Virtual lines, like political administrative boundaries
do not affect the mobility of structure. A network consists of a number of line
segments that are interconnected in some way. Each line is defined by start
and end nodes. A segment may contain intermediate points of known locations
called vertices. The difference between vertices and nodes is that nodes carry
information about topology. Topological relationship defined by the nodes
determine the connectivity of the network. Each segment is associated with
impedance factor, which represent the length or distance from one end to the
other. This entity may be defined according to the nature of problem (time,
costs). If a segment is directly connected to another, then the two segment
Summary 254
share a common node. If two segments are indirectly connected, then you
should be able to traverse through connected segments between these two
segments.
Traditionally network analysis is a subdiscipline of transportation
research. Topics related to network analysis are covered in transportation
geography, planning, civil engineering an the like. Analysis of a transportation
system or a communication network starts with an evaluation of network
structure. This evaluation allows to understand the potential and limitation of
the system under consideration. The most critical element of information
about spatial relationships among a set of line feature is connectivity. For
instance, calculating the cost effectiveness of new construction versus
expansion of the existing street network can only be evaluated by means of a
though investigation of the impact of each alternative proposal.
The distribution of any spatial phenomenon can be most effectively
represented by three-dimensional perspective diagram showing the surface of
variations. Surface analysis entails analysing the distribution of a variable
which can be represented in the third dimension (3D). Conventionally, the 3D
attribute is called the z variable and can be organised in a GIS in different
ways. The z variable can be anything from a physical attribute to socio-
economic variable. Usually the z variable representing elevation. There are
three main model for representation elevation: point model (irregularly spaced
points), line model (digitised contours) and surface (Triangulated Irregular
Network – TIN). In its simplest form, surface data can be organised in a set of
irregularly points. In this case each record represents a point on the map. The
point’s co-ordinate (x,y) represent location and z variable specifies its
volumetric attribute. This type of data organisation is commonly used by land
surveyors. Surface information can also be organised in a series of digitised
contours. Contours are two-dimensional representation of a three-dimensional
surface. However, digitised contours are not suitable for surface analysis and
most GISs covert this format in grid/lattice format or as a set of triangulated
irregular network. In TIN case the surface is converted into a set of triangular
facets, and the data are stored in the form of polygons that have degenerated
into triangle. The z variable can be organised at the vertices of triangular
facets such that both the slope and aspect of facet are computable. The TIN
structure incorporate the advantage of irregularly spaced points in that the
density of the points is dependent on terrain. In other words, areas of great
variation in terrain require a higher density of points to more accurately
represent the topography, while areas of simple terrain can be more efficiently
represented by fewer data points.
Spatial interpolation is the key process in surface analysis and
involves the conversion of a set of discrete data points into a continuous
distribution, based on the assumption that the change on the surface is gradual
Summary 255
and consistent. The surface generated from different methods of interpolation

could be quite different.
In grid analysis, geographical units are regularly spaced, and the
location of each units are regularly spaced, and the location of each unit is
referenced by row and column position. The referencing of rows and columns
is different from the typical structure of Cartesian co-ordinate system. In a co-
ordinate system, the value of x along the orizontal axis increases to the right
an the value of y along the vertical axis increases upward. The columns in a
grid also increase to the right, and the rows increase downward. Analysis of
gridded data is an important area of GIS – based spatial analysis due to the
existence of large volumes of geographic information organised in a grid
format. The regularity in the arrangement of geographic units allows for the
underlying spatial relationships to be efficiently formulated.
Like any format of data, grid format have advantages and
disadvantages. The advantages are: efficient processing (because the cells are
regularly spaced with identical spatial properties multiple layers operations
can be processed very efficiently; the operations are like the operations on
matrix numbers); numerous existing sources (satellite imagery, scanned aerial
photos etc); different feature types organised in the same layer (the same grid
may consist of point features, line features and area features, as long as
different features are assigned different values). The mains disadvantages of
grid format are: data redundancy (when data elements are organised in a
regularly spaced system, there is a data point at the location of every grid
cells, regardless of whether the data element is needed or not); resolution
confusion (gridded data give an unnatural look and unrealistic presentation
unless the resolution is sufficiently high).
The major difference between vector and raster processing lies in the
organisation of geographic units, that is polygons and cells. In GIS
applications these different data types are processed differently. The
assignment of the data values (attributes) can follow different methods, each
of which may result in a different grid definition. The grid data operations and
analytical methods may not be directly applicable to vector based data.
Common operations in grid analysis consists in the following groups:
single layer operations, multiple layer operations, statistical analysis, and
surface analysis. In the first group the elementary operations are: distance
between cells, multiplication of the values with a scalar, filter and the like. In
the second group there are the follow elementary mains operations: add,
subtract, multiplication, division, normalising. The statistical operations on the
grid structures are almost the same like the operations on satellite imagery.
GISs are designed to assembling, integrating and analysing spatial
information in a decision-making context. These systems help in modelling
complex geospatial phenomena and their output serves to better manage
Summary 256
global resources. A spatial model simulates real-world processes. There are

two reasons for constructing such a model. From a pragmatic point of view
decisions need to be made and actions taken about spatial phenomena. From a
philosophical point of view a process model may be the only way of
evaluating our understanding of the complex behaviour of spatial systems.
There are several types of spatial model, don’t we mention:
conceptual models and mathematical models. Conceptual models are usually
expressed in verbal or graphical form, and attempt to describe in words or
pictures quantitative and qualitative interaction between real-world features.
The most common conceptual model is a system diagram. Which uses
symbols to describe the main components and linkages of the model.
Mathematical models use a range of techniques including deterministic,
stochastic and optimisation methods. In deterministic models, there is only
one possible answer for a given set of inputs. Stochastic models recognise that
there could be a range of possible outcomes for a given set of inputs, and
express the likelihood of each one happening as a probability. Optimisation
models are constructed to maximise or minimise some aspect of the model’s
impute (so called scope function). In GIS both approaches are used to model
spatial processes. Unfortunately, proprietary GIS software provides few
procedures (with some exception) for spatial modelling. In many ways this is
understandable since the process models are heavily adapted to meet the
requirement of particular applications. In most of situations it is desirable to
use an specific modelling software in combination with GIS.
Remote Sensing is a technology used to gather data from a distance,

with sensors recording reflected or emitted energy. All kind of natural or
artificial features emit and reflect energy differently throughout the
Electromagnetic (EM) spectrum. These differences make it possible to
measure, map, and employ imagery collected through time. The data are
available in two formats: analogue (photo) and electronic (digital).
For Earth observations, the EM spectrum typically spans wavelengths
from ultraviolet (UV) to microwave (MW). UV wavelength are shorter than
visible and are mainly use in fluorescence studies for mineral exploration, oil
spill detection and other applications where electron shifts result in photos of
radiated light. The visible region records pigments resulting from particular
chemical and molecular structures. Reflective infrared (RIR) radiation is used
mainly as a means for distinguishing vigorous and stressed vegetation. The
short wavelength infrared is useful in atmospheric studies, to distinguish snow
from clouds.
Most satellite remote sensing data are currently acquired by
multispectral scanners and linear array device and they collect data in a few
broad spectral regions similar to the green, red and RIR. The digital raster data
Summary 257
received at ground stations comes in a continuous stream as long as the

satellite is within line-of-site of the receiver. The rate of transmission is about
some megabytes per second. Incoming reflected radiation is recorded in
analogue form as a voltage measured in microwats per square centimetre per
steradian. This analogue reflectance curve must be converted into its digital
equivalent.
Resolution is a complex function involving several design trade-offs.
In its simple form, ground resolution is the smallest area on the ground from
which reflectance measurement can be made by a given sensor at a given
altitude having a specific width. Usually is measured in metres. Radiometric
resolution refers essentially to how finely the spectral response of each ground
point is devised. The voltage representing the range of response from zero to
saturation can be scaled to provide coarse or fine detail, but the finer the
detail, the larger the amount of telemetered or recorded raw data. Spectral
resolution, like ground resolution, depends on interrelated design trade-offs.
The most important task is to select spectral channels required to detect
desired ground phenomena. It is necessary to understand the spectral
properties of surface materials and processes well enough to select the most
appropriate channels. Having located where data are required in the spectrum,
the next task is to narrow the spectral bandwidth to detect specific attributes of
interest. Temporal resolution is the frequency of revisits a specific area.
There are several satellite sensor systems currently providing
operational raster data. The characteristics of these systems vary according to
the designed goals.
Image processing is achieved through a variety of mathematical
operations on the digital numbers (DN) values to improve feature delectability
and interpretability. The image processing techniques used depend on the
desired results. Digital image processing is generally divided into five groups,
based on the objective: image correction (correction of the digital image in
respect of various geometric and radiometric distortions); image registration
(superimposing of images by different sensors from different platforms and /
or at different times, over one other or on to a standard map projection); image
enhancement (enhance certain features of interest); image segmentation and
fusion (subdivide an image and merge several images); image classification
(classification of pixels of a scene into various thematic groups, based on
multispectral responses).
The purpose of image correction, also called image restoration, is to
rectify the recorded data for various radiometric and geometric distortions.
The main radiometric corrections are: destripping, noise removal, the
correction due of solar illumination variations, atmospheric contribution. The
geometric corrections are: panoramic distortion, skewing due to the Earth’s
rotation. Registration is the process of superimposing images, maps or data-
Summary 258
sets over one another with geometric precision, data derived from the dame
ground element in different sensor. In many situations, we have multisensor,
multitemporal, multiplatform or even multidisciplinary data which can
collectively be processed of an area. For integrated study the multi-images
must be registered over each other. Digital image registration basically uses
technique of co-ordinate transformation. Some control points in the two
images define transformation parameters. The steps in image registration are
follow: selection of basic image, selection of control points, matching of
control points, computing the co-ordinate transformation, and interpolating of
data. The purpose of image enhancement is to render the images more
interpretable, i.e. some features should become better discernible (important),
and other features undiscernible (unimportant), in a specific context. It must
be necessarily that the digital image be corrected for radiometric distortions,
prior image enhancement, otherwise the errors also become enhanced. As a
first preparatory step for image enhancement, it is pertinent that statistical data
distribution in a image be known. A histogram describes data distribution in a
single image an scatterogram provide an idea of relative data distribution in
multiple images. Image enhancements can be broadly grouped into two main
types: single image enhancement and multiple image enhancement. First
group contain: contrast stretching, edge enhancement, image smoothing. The
second group contain: addition and subtraction, principal components
transformation and rationing.
If the image does not completely cover the image domain it is
necessary to use several images; in the case of contiguous images obtained
from the same satellite ground track on the same day, the raw images are
rigorously identical over their common zone and one can edge-match before
any other processing. In all other cases, two contiguous scenes never have
exactly the same radiometry in their overlapping zone. For each channel one
has to define an image-radiometry transformation law for equalising the
radiometry of the image with those of the image selected as the reference one
over their common zone. If the interactive image display system is available,
the join-line in the common zone of the two images can be defined by
interactive plotting on the screen. In this case one should be careful to use
“natural” break points, e.g. edges or breaks in the landscape. Once the join-
line has been defined, mosaiking becomes a simple I/O procedure. When the
side-lap between images is small or when the orbits are not parallel and far
from in accordance with map Nord-South direction, a special method must be
used.
The purpose of digital image classification is to construct thematic
maps where each pixel in the scene is assuaged to particular class of object by
name, based on spectral response. The methods of image classification are
based on the principles of digital pattern recognition. Each DN value is a class
Summary 259
representing separate user-designed surface feature categories. Every class

carries a list of attributes and is generally colour-coded for quick visual
identification. The two main steps in theme extraction are clustering and
gathering class statistics, and classification of the continuous multispectral
image data into a single thematic layer. The clustering process can be further
divided into two different methods: unsupervised and supervised.
Unsupervised classification is a way of creating groups of similar surface
features without a priori knowledge of the items to be classified. The total
spectral response of all pixels is inspected for statistical relationships and
clustered into similar groupings. It is the interpreter’s responsibility to assign
names to the grouping. Some classes may be eliminated because they
represent to many different features, or classes may need to be merged
because they represent redundant information. Supervised classification
allows the user to define which groups are based on a priori knowledge of
area. One of the several methods is to draw polygons on the screen defining
known features. Another method is to statistically seed similar areas based on
a known point. Because a principal assumption is that the training area is
typical of the whole category, great care must be taken to select the training
area. As with unsupervised classification, supervised classification produces a
signature file that should be evaluated and possibly modified or refined. An
unbiased assessment of the accuracy of classification results is often obtained
by sampling to determine the proportion of pixels correctly classified. An
estimate of overall classification accuracy of a thematic map made from
satellite data can be obtained as well as accuracies for individual map
categories.
Visual Image interpretation is often a practical and cost-effective
means for extracting useful thematic information from satellite imagery. It is
important to understand both the procedures used by a skilled image analyst
when performing an image-interpretation task and the concepts on which
those procedures are based.
Colour display (on the screen and on the plotter) is one of most
important problem in digital image processing and finally image-
interpretation. The detailed psychophysical mechanism by which we see
colour a still not fully understood. The human brain receives colour impulse
from the eye via three separate light receptors in the retina. These receptors
respond to blue, green and red light, respectively. What colour we associate
with a particular objects depends on the particular amount of blue, green and
red it reflects. We mix impulses from the retina’s blue receptor with those
from the green and red receptors. Added together, these three impulses result
in the perception of a single colour for any given object. A change in the
relative quantity of blue, green or red light coming from the object changes the
colour we associate with it. In short, we perceive all colours by synthesising
Summary 260
relative amounts of just three. Digital image are typically displayed (on the
screen) these three colours (RGB), named additive primaries. In varying
combinations and intensities, RGB can produces an extremely wide range of
colours. A combination of red and green produces yellow; red and blue
produces magenta (a purplish-red), and blue and green produces cyan (a
greenish-blue). Red, blue and green light together produces white, while
absence of any light is perceived as black. The second important mode uses
reflected light. The surface of the map acts as a filter, absorbing or subtracting
out certain wavelengths of light and allowing other wavelengths to reach a
person’s eyes. The colour which is perceived at any point of the map is
determined by combination and intensities of wavelengths that are finally
reflected. The primary colours of this mode called subtractive primaries are
cyan, magenta and yellow (CMY). cyan, magenta and yellow inks are three
filters which, when are applied to a surface in different amounts and
combinations, can produce a very wide range of colours. The absence of
filtering pigments produces the sensation of white, while the combination of
cyan, magenta and yellow produces a dark colour approaching black. A
mixture of cyan and magenta produces sensation of blue, cyan and yellow
produce green and magenta and yellow produce red.
Integrated system, managing both traditional geographic data (most
often in vector format) and remote sensing image are still in development.
This integration can be used for simultaneous processing within same system.
If the images are stored in rectified form once they have been processed allow
direct registration with other geographical data (so called geo-coded system).
The RS data can be integrated in two ways: either as pre-processed data (as an
image) or as classified results (as a map). Whether the former or the latter
form is selected depends on the intended use (and GIS software used).
Bibliografie 261
Bibliografie
1. Baros S.Lopez, Neville P.R.H., Messina J. (1996) Image Display and

Processing for GIS, în Raster Imagery in Geographical Information Systems,
Morain S. and Baros S.L. (eds.), OnWord Press, Santa Fe, USA.
2. Bernhardsen, T. (1992), Geographic Information Systems, Viak IT,
Arendal, Norway.
3. Berry J.K. (1995) Spatial Reasonning for Effective GIS, GIS World Inc.,
Fort Collins, USA.
4. Burrough, P.A. (1986), Principles of Geographical for Land Resources
Assessement, Oxford University Press, New York.
5. Berry, J.K. (1995), Spatial Reasoning for Effective GIS, Fort Collins,
Colorado.
6. Brachen, I. Webster, C. (1990), Information Technology in Geography and
Planning, Routledge, London, New York.
7. Budge A., Morain S. (1996) Data Collection Systems, Formats and
Products, în Raster Imagery in Geographical Information Systems, Morain
S. and Baros S.L. (eds.), OnWord Press, Santa Fe, USA.
8. Chou Y-H. (1997) Exploring Spatial Analysis in Geographical Information
Systems, OnWord Press, Santa Fe, USA.
9. Donisă V., Donisă I. (1998) Dicţionar explicativ de teledetecţie şi sisteme
informaţionale geografice, Ed. Junimea, Iaşi.
10. Dureau, F. (1995) Introduction à la télédétection spatiale, în
Télédétection et systèmes d’information urbaines, Dureau, F., Weber C.
(eds.), Collection Villes Antrophos, Paris.
11. Eastman R.J. (1995) Idrisi for Windows, Clark University, Worcester,
Mass, USA.
12. Gupta R.P. (1991) Remote Sensing Geology, Springer-Verlag, Heidelberg.
13. Haidu I., Haidu C. (1998) S.I.G. Analiză spaţială, Ed. *H*G*A*,
Bucureşti.
14. Heywood I., Cornelius S., Carver S. (1995) An Introduction to
Geographical Information Systems, Longman, Harlow, England
Bibliografie 262
15. Hurn J. (1993) GPS. A Guide to Next Utilities, Trimble Navigation,

Sunnyvale, CA, USA.
16. Hutchinson S., Daniel L. (1997) Inside ArcView GIS, OnWord Press,
Santa Fe, USA.
17. Imbroane A. M. (1996) Geoinformatică. Partea I-a. Universitatea “Babeş-
Bolyai”, Cluj-Napa, Lito.
18. Imbroane A.M. (1997) G.I.S – un instrument eficient în luarea deciziilor,
în Geography within the Context of Contemporary Development, Cluj-
Napoca, 6-7 june 1997 (in press).
19. Imbroane A. M. (1999) Modèles mathématiques – instrument efficient
d’investigation des phénomènes naturels, în Studia Univ. “Babes-Bolyai”
Geographia (in press).
20. Imbroane A. M., Haidu I. (1994), Surse şi tipuri de erori în procesarea
datelor geografice, în Studia Univ. “Babes-Bolyai” Geographia, No. 1, p. 23-
31.
21. Kirkby M.J., Noden P.S., Burt T.P., Butcher D.P., 1987 – Computer
Simulation in Physical Geography, John Wiley & Sons, New York.
22. Lillesand T.M., Kiefer R.W. (1994) Remote Sensing and Image
Interpretation, John Wiley & Sons, Inc., New York.
23. Lortic B. (1995) Faut-il poser la question: que faire par télédétection?, în
Télédétection et systèmes d’information urbaines, Dureau, F., Weber C.
(eds.), Collection Villes Antrophos, Paris.
24. Maguire D.J., (1989) Computers in Geography, Longman, Harlow, England.
25. McDonnell R., Kemp K., (1995) International GIS Dictionary,
Geoinformation International, Cambridge, England.
26. Moore D. (1999) Developing Strategies for GIS in Regional Development,
în EUROGISE – GIS Challenges in Spatial Planning, International
Conference N.U.I. Galway, March 26 th 1999.
27. Morain S. , Estes J., Foresman T., Separr J. (1996) Image Formation and
Raster Characteristics, în Raster Imagery in Geographical Information
Systems, Morain S. and Baros S.L. (eds.), OnWord Press, Santa Fe, USA.
28. Openshaw S. (1996) Developing GIS-relevant zone-based Spatial Analysis
Methods, în Spatial Analysis Modelling in GIS Environment, Longley P.,
Batty M. (eds), Geoinformation International, Cambridge, England.
Bibliografie 263
29. Parry R.B., Perkins C.R. (1991), World Mapping Today, Butterworths,
London
30. Verbyla D.L., Chang K, (1997) Processing Digital Images in GIS,
OnWord Press, Santa Fe, USA.
31. Rouet P., (1991), Les données dans les systèmes d’information
géographique, Edition Hermes, Paris.
32. Verbyla D.L., Chang K. (1997) Processing Digital Images in GIS,
OnWord Press, Santa Fe, USA.
33. *** (199*) Understanding GIS. The ARC/INFO Method, ESRI, Redland,
USA.
34. *** (1996) ArcView GIS, ESRI, Redland, USA.
35. *** (199*) ARC/INFO Data Management, ESRI, Redland, USA.
36. *** (199*) Map Projections, ESRI, Redland, USA.

Introducere in Gis Si Teledetectie PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Introducere in Gis Si Teledetectie PDF

Încărcat de

Drepturi de autor:

Formate disponibile

ALEXANDRU MIRCEA DAVID MOORE

Iniţiere în GIS şi Teledetecţie

PRESA UNIVERSITARĂ CLUJEANĂ

Program S_JEP 11070/96

Partea a II-a debutează cu noţiunile de bază din teledetecţie, cu accentul pus pe

Catrea se adresează, în primul rând studenţilor facultăţile de Geografie, Geologie,

Această lucrare este rezultatul colaborării dintre Facultatea de Geografie din

1. Prezentarea generală a produsului ArcView

ANEXA 1: Metode de clasificare

GLOSAR DE TERMENI GIS

2. GIS – an interdisciplinary environment

1. The objectives of remote sensing

1. An overview of the software

APENDIX 1: Classification methods

SISTEME INFORMATICE GEOGRAFICE

Noţiunea de Sistem Informaţional, cel puţin în literatura ştiinţifică românească,

Primul Sistem Informatic Geografic recunoscut ca atare, a fost elaborat în Canada

1.2. Domeniile de aplicabilitate ale GIS

vederea obţinerii de producţii maxime. Inventarierea pădurilor, a zonelor

Cadastru. Inventarierea şi întreţinerea datelor spaţiale şi atribut a tuturor

2. GIS un domeniu interdisciplinar

Menţionăm că aceste discipline, cu ramurile amintite sunt implicate atât în

3.1. Sisteme de reprezentare a datelor spaţiale

Figura 1 Reprezentarea vector şi raster a aceluiaşi areal

3.2. Sistemul vector

1) PUNCTUL este unitatea elementară în geometrie sau în captarea fotogrametrică. Nu

2) ARCUL este o succesiune de joncţiuni (legături) între o succesiune de puncte. Este

Figura 3 Reprezentarea grafică şi tabelară a arcelor fără

3) NODUL este definit ca o extremitate de arc şi nu trebuie confundat cu conceptul de

Figura 4 Reprezentarea grafică şi tabelară a arcelor cu specificarea

4) POLIGONUL este delimitat de un parcurs de arce, ele însele fiind conectate de

5) VOLUMELE, ca şi primitive grafice, sunt tratate mai puţin de produsele soft, de

Figura 5 Reprezentarea grafică şi tabelară a poligoanelor

3.3. Modele vectoriale

Modelul topologic de volum (topologic în 3D), actualmente în curs de dezvoltare, nu

Modelul spagheti este un model relativ simplu privitor la gestiunea geometriei

utilizează primele două primitive menţionate: PUNCTUL şi ARCUL. Aşa cum am

Figura 6 Model vectorial de tip spagheti

Următoarele două modele se numesc modele topologice. Termenul a fost împrumutat

Se utilizează cu precădere în hărţile ce reprezintă distribuţii într-o reţea (cabluri

În figura 7 avem un exemplu de codificare topologică de reţea. Reprezintă o hartă

3) Modelul topologic de suprafaţă este cel mai complet. El adaugă modelului

Figura 7 Modelul topologic de reţea

Figura 8 Modelul topologic de suprafaţă

Apariţia suprafeţei induce două asociaţii suplimentare: un arc are obligatoriu un

Modelul topologic de suprafaţă formează o acoperire, adică reuniunea tuturor

Figura 9 O hartă reală în care s-au pus în evidenţă arcele, nodurile şi

3.4. Sistemul raster

Reprezentarea unui număr pe un byte implică 8 biţi şi deci 256 de posibilităţi;

Figura 10 Modelul raster înfăţişat ca o matrice de numere

Figura 11 Structura quad-tree Figura 12 Împărţirea în

anumite prelucrări asupra hărţilor conduce la necesitatea reprezentării în numere reale.

Figura 13 Structura arborescentă quad-

O mulţime de pixeli învecinaţi formează linii şi arii poligonale. În acest sistem

3.5. Caracteristici ale hărţilor digitale

această situaţie drumurile vor reprezenta caracteristici geografice reale (şi nu

Acurateţea este distanţa la care o valoare estimată diferă de valoarea reală.

3.6. Sisteme de coordonate şi proiecţii cartografice

Figura 14 Sisteme de coordonate carteziene în două şi trei dimensiuni

1. Coordonatele carteziene în plan sunt definite de proiecţiile razei vectoare pe cele

unde ρ = (x2+y2)1/2, 0≤ θ ≤ 2π.

Formulele de trensformare din coordonate cartziene în coordonate sferice sunt:

Unde ρ = (x2+y2+z2)1/2, 0≤ φ ≤ 2π, 0≤ θ ≤π/2.