Spatial data is type of data which

Spatial data is type of data which related and associated to an
especial situation or a restricted location. For obtaining
successful decisions which are related to environmental and
geographical factors, existence of precise and update spatial
data and their optimal management, is necessary.
There are two types of models for presentation and storage of
spatial data which are vector and raster models. In vector model
the smallest element is a point and in order to show real world;
points, lines and polygons are used. In raster model, the
smallest element is referred to a unit cell which presents as a
pixel. Each pixel has a value. Set of pixel that lay in matrix
form chronologically exhibits the spatial features. Satellite
photos, scanned maps and etc, are some sample of raster model.
Sometimes in the real world, the boundary between phenomena
and features is not absolute; therefore there is some uncertainty
and vagueness in drawing and depicting features.
In vector model, the polygonal feature border is stored and
shown categorically in an absolute way, in other words
Membership or non-membership of a point in each polygon is
known which can be 0 or 1. In most of real state, the border
between polygons is not precise (figure 1); hence determination
of the exact border in order to expression the membership or
non-membership in a polygon is impractical and impossible ( R.
Sunila, 2004).
Polygonal features are made from lines and linear feature are
made from points. For showing and storage of linear and
pointed features and their factorial maps, the amount of
membership or non-membership of every point of map
according to the nearest distance from linear and pointed
features is also uncertain. Usually at these cases, the amount of
membership or non-membership of each point according to the
distance from linear and pointed feature is recognized by a
membership function. For instance, the possibility of
mineralization according to its distance from linear features
(Fault) and point features (Mineralization indicator) are
mentioned.

Kết quả (Việt) 1:

Dữ liệu không gian là kiểu dữ liệu liên quan và liên quan đến mộtđặc biệt là tình hình hoặc vị trí bị giới hạn. Cho việc thu thậpquyết định thành công có liên quan đến môi trường vàyếu tố địa lý, sự tồn tại của chính xác và Cập Nhật không giandữ liệu và quản lý của họ tối ưu, là cần thiết.Có hai loại của các mô hình cho trình bày và lưu trữdữ liệu không gian đó là mô hình vector và raster. Trong mô hình véc tơCác yếu tố nhỏ nhất là một điểm và để hiển thị thế giới thực;điểm, đường và đa giác được sử dụng. Trong mô hình raster, cácnguyên tố nhỏ nhất đề cập đến một tế bào đơn vị đó trình bày như là mộtđiểm ảnh. Mỗi điểm ảnh có giá trị. Tập hợp các điểm ảnh nằm trong ma trậnhình thức thứ tự thời gian trưng bày các tính năng không gian. Vệ tinhhình ảnh, quét bản đồ và vv, là một số mẫu mô hình raster.Đôi khi trong thế giới thực, ranh giới giữa hiện tượngvà tính năng không phải là tuyệt đối; do đó có là một số sự không chắc chắnvà vagueness trong bản vẽ và mô tả các tính năng.Trong mô hình véc tơ, biên giới tính năng đa giác được lưu trữ vàHiển thị categorically một cách tuyệt đối, nói cách khácThành viên hoặc không thành viên của một điểm trong mỗi đa giác làđược biết đến có thể là 0 hoặc 1. Trong hầu hết các nhà nước thực sự, biên giớigiữa đa giác không phải là chính xác (hình 1); do đó xác địnhcủa chính xác biên giới để biểu hiện các thành viên hoặcPhòng Không thành viên trong một đa giác là không thực tế và không thể (R.Công, năm 2004).Các tính năng đa giác được làm từ đường và tính năng tuyến tínhlàm từ điểm. Đang hiện và lưu trữ của tuyến tính vàchỉ tính năng và của bản đồ giai thừa, số lượngthành viên hoặc không thành viên của mỗi điểm của bản đồtheo khoảng cách gần nhất từ tuyến tính và chỉtính năng cũng là không chắc chắn. Thường là ở những trường hợp này, số lượngthành viên hoặc không thành viên của mỗi điểm theo cáckhoảng cách từ tính năng tuyến tính và chỉ được công nhận bởi mộtchức năng thành viên. Ví dụ, khả năng củamineralization theo khoảng cách từ tính năng tuyến tính(Lỗi) và điểm tính năng (Mineralization chỉ số)đề cập đến.

Kết quả (Việt) 2:

Dữ liệu không gian là loại dữ liệu mà liên quan và liên quan đến một
tình huống đặc biệt hoặc một địa điểm hạn chế. Để có được
quyết định thành công có liên quan đến môi trường và
các yếu tố địa lý, sự tồn tại của không gian chính xác và cập nhật
dữ liệu và quản lý tối ưu của họ, là cần thiết.
Có hai loại mô hình để trình bày và lưu trữ các
dữ liệu không gian mà là vector và raster mô hình. Trong mô hình vector
nguyên tố nhỏ nhất là một điểm và để cho thế giới thực,
điểm, đường và đa giác được sử dụng. Trong mô hình raster, các
phần tử nhỏ nhất được gọi là một tế bào đơn vị trong đó trình bày như là một
pixel. Mỗi điểm ảnh có giá trị. Tập hợp các pixel nằm trong ma trận
dạng theo thời gian trưng bày các đặc điểm không gian. Vệ tinh
hình ảnh, quét bản đồ và vv, là một số mẫu của mô hình raster.
Đôi khi trong thế giới thực, ranh giới giữa các hiện tượng
và các tính năng không phải là tuyệt đối; do đó có một số không chắc chắn
và thiếu rõ ràng trong bản vẽ và tính năng mô tả.
Trong mô hình vector, biên giới năng đa giác được lưu giữ và
thể hiện khoát một cách tuyệt đối, nói cách khác
Membership hoặc không thành viên của một điểm trong mỗi đa giác được
biết đến có thể được 0 hoặc 1. Trong hầu hết thực trạng, biên giới
giữa các đa giác là không chính xác (hình 1); do đó việc xác định
biên giới chính xác để biểu hiện các thành viên hay
không vào các đa giác là không thực tế và không thể (R.
Sunila, 2004).
Ðối tượng dạng vùng được làm từ đường dây và tính năng tuyến tính được
làm từ điểm. Để hiển thị và lưu trữ tuyến tính và
tính năng nhọn và bản đồ thừa của họ, số lượng
thành viên hoặc không thành viên của tất cả các điểm của bản đồ
tùy theo khoảng cách gần nhất từ tuyến tính và nhọn
tính năng cũng chưa chắc chắn. Thông thường ở những trường hợp này, số lượng
thành viên hoặc không thành viên của mỗi điểm theo
khoảng cách từ năng tuyến tính và trỏ tới sẽ được công nhận bởi một
hàm thành viên. Ví dụ, khả năng
khoáng hóa theo khoảng cách của nó từ các tính năng tuyến tính
(Fault) và các tính năng điểm (chỉ số khoáng) được
đề cập.