GIS复习资料（简答题）
Ch1
1、定义地理空间数据。
答：描述地球表面空间要素的位置和特征的数据。
2、阐释空间数据和属性数据是GIS数据的重要组成部分。
答：
3、解释矢量数据和栅格数据之间的不同。
答：（1）定义不同：
矢量数据模型：采用点及其x、y坐标来构建点、线和面空间要素的一种空间数据模型。
栅格数据模型：一种用格网和像元来表示要素空间变化的空间数据模型。它用格网中的像元表示点要素。
（2）矢量数据模型用来表示具有清晰空间位置和边界的具体要素，适用于表示离散要素，而栅格数据模型用来表示如高程、降水等连续要素。
（3）对于栅格数据，每个像元有一个数值对应于该位置的空间要素属性。像元与像元值紧密捆绑在一起。
对于矢量数据，与空间要素有关联的属性数据数量可能明显不同。一个路段可以只有长度和限速的属性，而一个土壤多边形可能有数十个理化性质、解释和性能数据。
（4）与矢量数据模型不同，栅格数据模型从GIS出现以来一直保持相同的概念和数据结构，但存储和压缩栅格数据的方法在过去30年中不断变化。
（4）优缺点不同
优点缺点
1）数据量小1）数据结构复杂
矢量数据2）便于网络分析2）数学模拟和空间分析极困难
3）图形显示质量好精度高3）不易同RS结合
4）便于面向对象的数据表示4）硬软件技术要求高
5）投影转换容易
1）数据结构简单1）数据量大
栅格数据2）便于空间分析和数学模拟2）投影转换复杂
3）易同RS结合3）图形质量差
4）输出快、成本低4）现象识别效果差
5）难以进行网络分析
4、解释地理相关数据模型和基于对象数据模型之间的不同。
答：地理相关数据模型：一种矢量数据模型，将空间要素的空间数据和属性数据分别存储，两者通过要素ID连接起来。
基于对象数据模型：一种用对象来组织空间数据的数据模型，它将空间数据和属性数
据存储在同一个系统内。并将空间要素看作具有相关属性和方法的对象。
Ch2
1、解释地图投影的重要性。
答：投影过程就是从球形的地球表面到平面的转换。这个转换过程的结果是地图投影，即以经纬线在平面上系统排列来代表地理坐标系统。
1）地图投影可用二维的纸质或数字地图代替地球仪；
2）地图投影可用平面坐标或投影坐标，而不是经纬度值。用地理坐标计算距离会增加复杂，还会降低距离测量的精度。
3）GIS的一个基本原则是用在一起的图层必须在空间上相匹配，否则就会发生明显错误。所以为了能够使用来源不同、空间参照系统不同的各种数据，就必须通过地图投影将它们转换成相同的空间参照系统。
2、根据所保留性质描述地图投影的四种类型。
答：通常根据地图投影所保留的性质将其分为四类：
正形投影：保留了局部角度及其形状
等积投影：以正确的相对大小显示面积
等距投影：保持沿确定路线的比例尺不变
等方位投影：保持确定的准确方向
3、通过投影或可展曲面描述地图投影的三种类型。
答：1）方位投影：以平面为投影面的投影。2）圆柱投影：以圆柱面为投影面的投影
3）圆锥投影：以圆锥面为投影面的投影。
4、解释标准线和中央线的差异。
答：1）标准线：投影面与参考椭球相切的线，标准线没有投影变形，其上的比例尺与参考椭球比例尺一致。对于圆柱和圆锥投影，相切时只有一条标准线，而相割时则有两条标准线。如果标准线沿经线方向则称为标准纬线，如果沿经线方向则称为标准经线。
中心线（中央线）：包括中央经线和中央纬线，它们共同确定了地图投影的中心或原点。
2）标准线指明投影变形分布的模式，而中心线定义了地图投影的中心和原点。中央纬线不同于标准纬线，同样的，中央经线也不同于标准经线，比如横轴墨卡托投影。
5、比例系数如何和主比例尺建立联系？
答：主比例尺：与参考椭球的比例尺相同的比例尺，是指球体半径和地球半径（6378 km）的比值。
比例系数：标准局部比例尺，即局部比例尺与主比例尺的比值。
比例系数通过局部比例尺与主比例尺建立联系，即比例系数=局部比例尺/主比例尺。
6、说出两种基于横轴墨卡托投影的常用投影坐标系统。
答：通用横向墨卡托格网系统（UTM）；南北方向延伸的带（如爱达荷州的SPC带）适用于横轴墨卡托投影。注：国家平面坐标系统（SPC）
7、解释一个UTM分带如何以其中央经线、标准纬线和比例系数来定义。
答：
C h3
1、说出三种GIS中的简单要素及其几何属性。
答：1）点：
定义：由一对坐标表示的，且仅有位置几何性质的空间要素，也称结点。
几何属性：点的维数为0，只有位置性质。
举例：点要素由一个点或一系列独立的点组成，例如水井、水准点或采石场等。
2）线：
定义：由一系列的点来表示且具有位置和长度等几何特性的空间要素，也称弧或边。
几何属性：线是一维的，除了位置还有长度的特征。
举例：例如，道路、河流和等高线等。
3）面：
定义：由一系列连接弧段组成，具有位置、面积、周长性质的空间要素。
几何属性：面是二维的，除了位置外，还有面积和周长性质。
举例：面由连接的、闭合的、不相交的线段组成，可以是单独边界或与其他面共享边界。例如，伐木场、地块和水体等。
2、阐述拓扑在GIS中的重要性。
答：1）能确保数据质量和完整性。拓扑关系在数字地图的查错上很有用。拓扑关系也可用于发觉未正确接合的线、未正确闭合的多边形，以及数字地图上的其它数字化错误；
2）可强化GIS分析。例如交通容量分析、栖息地分析等。
3、使用Shapefile有哪些主要优点？
答：Shapefile是在ESRI产品中采用的标准非拓扑矢量数据格式，它有两个主要优势：1）比拓扑数据更快速的在计算机屏幕上显示出来；
2）具有非专有性和互操作性，可以在不同软件包之间通用。
另外，Shapefile可转换为Coverage，反之亦然。
4、说明地理关系数据模型和基于对象数据模型的区别。
答：1）地理关系数据模型用两个独立的系统分别存储空间和属性数据，两者通过ID要素连接。基于对象数据模型把空间数据和属性数据存储在一个系统中；
2）基于对象数据模型将地理空间数据作为对象，允许一个空间要素（对象）与一系列属性和方法相联系。属性描述其对象的性质和特征，方法执行特定的操作。
3）地理关系数据模型：Shapefile、Coverage；基于对象数据模型：Geodatabase
Ch4
1、栅格数据模型的基本要素是什么？
答：栅格数据用单个像元代表点，用一系列相邻像元代表线，用连续像元的集合代表面。
2、请解释栅格数据模型与矢量数据模型相比有哪些优缺点。
答：优缺点不同
优点缺点
1）数据量小1）数据结构复杂
矢量数据2）便于网络分析2）数学模拟和空间分析极困难
3）图形显示质量好精度高3）不易同RS结合
4）便于面向对象的数据表示4）硬软件技术要求高
5）投影转换容易
1）数据结构简单1）数据量大
栅格数据2）便于空间分析和数学模拟2）投影转换复杂
3）易同RS结合3）图形质量差
4）输出快、成本低4）现象识别效果差
5）难以进行网络分析
补：栅格数据模型表示连续变化的现象比矢量数据模型效果好。
3、请分别举出整型栅格数据和浮点型栅格数据的例子。
答：1）代表类别的数据通常选择整型。例如，土地覆盖模型可用1代表城市用地、2代表林地、3代表水域等。
2）表示连续的数值型数据通常选择浮点型。例如，代表降水量数值的选择浮点型的数据类型。（降水量栅格数据可能具有20.15、12.23等降水量数值。
4、请解释像元大小、栅格数据分辨率和空间要素三者之间的关系。
答：1）像元大小决定栅格数据模型的分辨率。30m（10m）的像元大小意味着每个像元为900m2（100m2），即像元越小，栅格数据模型的分辨率越大。.
2）栅格数据用单个像元代表点要素，像元很大则无法表示空间要素的精确位置。但小像元又增加了数据量和数据处理时间。
5、已知以下关于30mDEM的信息：
（1）左下角坐标：560635、4816399（2）右上角坐标：570595,4830380
该DEM有多少行？多少列？以及位于（1行、1列）像元中心的UTM坐标是多少？
答：行数=（4830380—4816399）/30=466；列数=（570595—560635）/30=332
（2）像元中心坐标：560635+15=560650, 4830380—15=4830365
对象模型是什么
6、参照下图，画出四叉树并为阴影（空间）要素编上空间索引码。（P77）
Ch5
1、解释差分纠正的工作原理。
答：差分校正：用数据校正GPS数据噪声误差的方法
Ch6
1、 仿射变换可以旋转、平移、倾斜和不均匀缩放。请描述各种变换。
答：仿射变换：允许矩形角度改变，但保留线的平行；
2、 从操作上讲，仿射变换有那三个步骤？
第一步：更新所选控制点的x 、y 坐标到真实世界坐标。如果不能更新到真实世界坐标，可通过投影控制点的经纬度值获得；
第二步：在控制点上运行仿射变换，并检验RMS 误差。如果RMS 误差高于期望值，则选择另一系列的控制点并再次运行仿射变换。如果可接受，那么从控制点估算得出的六个仿射变换系数将会应用于下一
步；
第三步：用估算系数和变换方程，计算数字化地图的要素或影像的像元的x 、y 坐标。这一步也叫影像分析纠正，其输出结果是一幅全新的基于一个自定义投影坐标系的地图或图像。
3、 解释控制点在仿射变换中的作用、
答：1）控制点在确定仿射变换精度中起关键作用。
2）地图到地图的仿射变换至少需要3个控制点，才能估算6个变换系数，通常用4个以上的控制点，来减少测量误差的错误。
3）影像到地图变换的控制点通常也称为地面控制点（GCPs ）：从图像到地图变换时使用的控制点。
4）GCPs 直接从卫星影像选取，以明显的像元显示出来的要素，对一景TM 影像进行地理坐标匹配需要20个以上的控制点。
4、 试述栅格数据重采样的三种常用方法。
答：1）邻近点插值法（Nearest neighbor ）：采用原始图像邻近点像元值估算新像元值的重采样方法。
2）双线性插值法（Bilinear interpolation ）：通过4个原始图像相邻像元的距离加权平均值估算新像元值的重采样方法。
3）三次卷积插值法（Cubic convolution ）：通过16个相邻像元的距离加权平均值估算新像元值的重采样方法。
平移 旋转 不均匀缩放 倾斜 y
x
y x
y x  y x