Projekt celowy nr 6 T 12 2005C/06552 Zagadnienia opracowane w ramach realizacji zadania 4 Generalizacja cyfrowego modelu krajobrazu w poszczególnych szeregach skalowych Warszawa, grudzień 2006 1
Wprowadzenie Współczesne rozumienie generalizacji kartograficznej różni się istotnie od klasycznej definicji tego pojęcia. Generalizacja danych przestrzennych powinna być utożsamiana nie tylko z procesem uogólnienia bazy danych gromadzącej dane georeferencyjne, lecz także z: opracowywaniem modelu pojęciowego baz danych referencyjnych gromadzących dane na wielu, wzajemnie powiązanych, poziomach uogólnienia (tzw. baz danych wielorozdzielczych), procesem generowania reprezentacji kartograficznej w postaci mapy analogowej lub cyfrowej w określonej skali na podstawie danych przestrzennych zgromadzonych w bazie danych o poziomie dokładności geometrycznej odpowiadającym opracowaniom w skalach większych. Tak rozumiana, wieloaspektowa generalizacja danych przestrzennych jest zagadnieniem złożonym i powiązanym wzajemnie z zagadnieniami modelowania pojęciowego i geometrycznego, reprezentacji graficznej, redakcji oraz standaryzacji. W ramach realizacji projektu celowego nr 6 T 12 2005C/06552 w 2006 r. wykonano szereg opracowań związanych z szeroko definiowanym pojęciem generalizacji: opracowanie podstawowych założeń koncepcji Wielorozdzielczej bazy danych referencyjnych (WTBD) dla Polski (w ramach realizacji zadania 1 Opracowanie koncepcji wielorozdzielczej bazy referencyjnej o poziomie szczegółowości 1: 10 000, 1: 50 000 i 1: 250 000. Harmonizacja modelu pojęciowego, koncepcja aktualizacji i zarządzania EGiB, TBD, VMAPL2 i BDO ), opracowanie koncepcji graficznej oraz technologii wykonywania mapy topograficznej w skali 1: 50 000 generowanej z bazy danych TBD o poziomie dokładności geometrycznej odpowiadającym skali 1: 10 000 (w ramach realizacji zadania 3 Reprezentacja kartograficzna WTBD w skali 1: 10 000 i 1: 50 000 oraz wielowariantowych modeli kartograficznych dla potrzeb map tematycznych WTBD, sozologicznych i hydrograficznych oraz BDO ), opracowanie koncepcji integracji danych przestrzennych zgromadzonych w bazie VMap L2 pierwszej edycji do tzw. uproszczonej struktury użytkowej oraz koncepcji resymbolizacji kartograficznej w środowisku narzędziowym ESRI, Intergraph i 2
MapInfo wraz z opracowaniem narzędzi informatycznych automatyzujących ten proces (w ramach realizacji zadania 1 Opracowanie koncepcji wielorozdzielczej bazy referencyjnej o poziomie szczegółowości 1: 10 000, 1: 50 000 i 1: 250 000. Harmonizacja modelu pojęciowego, koncepcja aktualizacji i zarządzania EGiB, TBD, VMAPL2 i BDO ), opracowanie koncepcji wykorzystania danych wysokościowych zgromadzonych w bazach danych LPIS, SMOK i TBD1 do budowy wieloskalowego numerycznego modelu terenu jako komponentu WTBD zintegrowanego z komponentem TOPO (w ramach realizacji zadania 1 Opracowanie koncepcji wielorozdzielczej bazy referencyjnej o poziomie szczegółowości 1: 10 000, 1: 50 000 i 1: 250 000. Harmonizacja modelu pojęciowego, koncepcja aktualizacji i zarządzania EGiB, TBD, VMAPL2 i BDO ). W 2006 r. w ramach realizacji projektu celowego wykonano także kilka opracowań związanych z klasycznym rozumianym pojęciem generalizacji danych przestrzennych: określenie roli procesów generalizacji danych przestrzennych w bazie danych topograficznych - synteza opracowań własnych autorów, opracowanie koncepcji generalizacji danych wysokościowych jako uogólnienie numerycznego modelu terenu w formacie TIN i GRID wraz z opracowaniem wstępnej wersji narzędzi informatycznych realizujących ten proces, opracowanie i implementacja koncepcji generalizacji danych przestrzennych zgromadzonych w komponencie TOPO bazy TBD, opracowanie koncepcji zasilania Bazy Danych Ogólnogeograficznych (BDO250) danymi referencyjnymi VMap L2 nowej edycji oraz TBD wraz z określeniem funkcjonalności narzędzi informatycznych realizujących ten proces oraz zdefiniowaniem plików parametrycznych umożliwiających jego realizację. Wymienione zadania będą kontynuowane w 2007 r. W ramach realizacji projektu celowego przewiduje się pełną implementację omówionych zagadnień, a także pełne opracowanie koncepcji wielorozdzielczej bazy danych referencyjnych dla Polski integrującej w ramach spójnego modelu pojęciowego komponentu TOPO i NMT na dwóch poziomach uogólnienia, odpowiadających pod względem dokładności geometrycznej skalom 1: 10 000 i 1: 50 000. 3
Dariusz Gotlib Robert Olszewski OKREŚLENIE ROLI PROCESÓW GENERALIZACJI DANYCH PRZESTRZENNYCH W BAZIE DANYCH TOPOGRAFICZNYCH Wprowadzenie - cel budowy systemu informacji topograficznej Wśród podstawowych zadań stawianych przed bazą danych topograficznych, determinujących zarazem sposób tworzenia modelu bazy danych zawartych w systemie należy wymienić: zasilanie danymi topograficznymi lokalnych, regionalnych i krajowych systemów informacji geograficznej np. udostępnianie danych dla systemów wspomagana planowania przestrzennego, udostępnianie danych dla centrów reagowania kryzysowego, systemów monitoringu i ochrony środowiska itd. wspomaganie systemów produkcji map topograficznych, tematycznych, turystycznych, branżowych itd. udostępnianie danych do systemów nawigacyjnych (np. nawigacja samochodowa), lokalizacyjnych (LBS), systemów ochrony obiektów i pojazdów (monitoring, poszukiwanie pojazdów), systemów zarządzania flotami pojazdów (fleet management), udostępnianie danych do planowania bezprzewodowych sieci łączności np. radiowych, telefonii komórkowych itd. (symulacja propagacji fal, optymalizacja rozmieszczenia nadajników), udostępnianie danych do systemów obronności kraju. Realizacja tak określonych zadań wymaga aby w relatywnie zdefiniowane zadania wymagają aby w relatywnie krótkim czasie dla obszaru całego kraju dostępne były wiarygodne i aktualne dane topograficzne w postaci cyfrowej. Uwzględnienie realiów ekonomicznych 4
sprawia, iż realizacja tego zadania w tak krótkim czasie możliwa jest jedynie przy założeniu, że dane referencyjne gromadzone będą na dwóch lub więcej poziomach uogólnienia pojęciowego i/lub poziomach dokładności geometrycznej. Główną cechą systemu informacji topograficznej powinna być jego uniwersalność i elastyczność. Dlatego proponuje się uwzględnienie w modelu systemu idei baz wielorakiej rozdzielczości informacyjnej i wielorakiej reprezentacji geometrycznej (ang. MRDB multiresolution/multirepresentation data base). Baza danych oparta na tej koncepcji umożliwiałaby gromadzenie danych na różnych poziomach szczegółowości w różnych częściach kraju. Pozwoliłoby to, w etapie przejściowym, na szybkie wypełnienie bazy WTBD danymi o szczegółowości mniejszej niż docelowa do czasu pokrycia danymi o szczegółowości odpowiadającej skali 1:10 000. Z drugiej strony możliwe byłoby uzyskiwanie na tym samym obszarze różnych reprezentacji kształtów dla różnych potrzeb i opracowań zachowując nie redundantną strukturę obiektów. Realizacja tej idei wydaje się szczególnie łatwa obecnie w chwili, kiedy w skali całego kraju powstaje ortofotomapa cyfrowa dla potrzeb programu LPIS. Podejście takie pozwoliłoby z jednej strony na pełne wykorzystanie doskonałego materiału źródłowego, z drugiej natomiast strony dałoby możliwość uzyskania w ciągu 2-3 lat zdolności operacyjnej bazy danych i możliwości finansowania w wybranych obszarach bazy na pełnym poziomie szczegółowości. Generalizacja danych przestrzennych Według M.-J. Kraaka i F. Ormelinga (1998) generalizacja wiąże się z nieodwracalną utratą pewnej ilości informacji źródłowej. A. Makowski (2001) uważa natomiast, iż generalizację należy utożsamiać z kartograficzną metodą modelowania rzeczywistości. Opracowanie mapy powinno uwzględniać w stopniu wystarczającym dane wzięte z obserwacji rzeczywistości, wynikające z jednoznacznego zdefiniowania celu i przeznaczenia mapy. Zgodnie z tą koncepcją generalizacji nie można utożsamiać z wytracaniem informacji na drodze uproszczeń geometrycznych. Generalizacja jest sposobem modelowego uogólnienia danych, służącym osiągnięciu zamierzonego celu. Najistotniejszą cechą procesu generalizacji jest zachowanie podstawowej struktury i charakteru danych geograficznych. Podobne stanowisko zajmuje W. Ostrowski (2001), 5
utożsamiając proces generalizacji kartograficznej z tworzeniem modelu kartograficznego, służącego poznaniu wybranego fragmentu przestrzeni geograficznej. Wobec złożoności tej przestrzeni niezbędnym warunkiem poznania jest dostosowanie tworzonego modelu do możliwości percepcyjnych i intelektualnych odbiorcy mapy na drodze celowego uogólnienia danych źródłowych. Według D.E Richardson (1999) generalizacja jest mechanizmem, który umożliwia abstrahowanie i kompresowanie danych rzeczywistych zarówno w sensie graficznym jak i znaczeniowym. Abstrahowanie jest przy tym rozumiane jako proces wyodrębniania istotnych cech przestrzeni geograficznej, oraz łączących ich relacji. M. Molenaar (1996) określa generalizację jako proces abstrahowania przedstawienia informacji geograficznej podczas zmiany skali mapy. Proces ten obejmuje dwie fazy: generalizację pojęciową, która obejmuje abstrahowanie informacji oraz ustalenie reguł, generalizację graficzną, tj. zastosowanie algorytmów geometrycznych upraszczania kształtów oraz symbolizację graficzną. Wyodrębnienie wielu różnych rodzajów generalizacji i odmienność definiowania procesu uogólniania danych przestrzennych związane jest z istotą definiowania pojęcia mapy (Ostrowski, 2003). Mapa może być rozpatrywana w kontekście modelu, systemu, obrazu, języka, przekazu informacji czy też bazy danych. Wynikiem tej wieloznaczności definicji jest brak zgodności w charakterystyce procesów składających się na generalizację. Generalizacji nie można traktować jako mechanicznej procedury sekwencyjnego stosowania deterministycznych reguł, lecz jako proces oparty na zrozumieniu (R. Weibel, 1995). Poznanie struktury generalizowanych obiektów wymaga przeprowadzenia analizy kartometrycznej ich kształtu, wzajemnych zależności i zróżnicowania przestrzennego. Rozwój technologii komputerowej w drugiej połowie XX wieku przyczynił się do podejmowania prób automatyzacji procesu generalizacji danych przestrzennych. Początki rozwoju generalizacji komputerowej sięgają połowy lat 60-tych (Tobler, 1966). Ze względu na złożoność problemu jakim jest proces generalizacji kartograficznej, większość prowadzonych badań dotyczy wyłącznie automatyzacji redukcji liczby punktów wyznaczających linię, poprzez zastosowanie operatorów upraszczania (Douglas, Peucker, 1973; Chrobak, 1999). Operatorem generalizacji nazywamy (Iwaniak, 1998) elementarne przekształcenie (transformację) treści mapy, które można wyrazić formułą matematyczną lub jednoznacznym opisem algorytmu. Proces automatycznej generalizacji kartograficznej można 6
określić jako sekwencje takich przekształceń z zastosowaniem odpowiednich wartości parametrów danej metody. Proces generalizacji ze względu na swą złożoność kwantyfikowany jest często na elementy składowe. Efektem tego działania jest często powstawanie konfliktów graficznych między elementami obrazu wynikowego. Najtrudniejszym problemem do rozwiązania jest połączenie procesów cząstkowych i ustalenie relacji między nimi zachodzących. Zmniejszenie elementów wymusza nie tylko konieczność ich uproszczenia, ale często też ich przewiększenia, co z kolei pociąga za sobą konieczność ich przesuwania względem siebie z uwzględnieniem hierarchii ważności i zachowania zachodzących relacji oraz czytelności mapy. W dotychczasowych próbach automatyzacji procesu generalizacji kartograficznej osiągnięto zadowalające rezultaty w zakresie poszczególnych czynności, związanych z ilościowym aspektem generalizacji (Weibel, 1995), mimo iż wciąż nie są określone obiektywne prawa i reguły rządzące doborem elementów treści map i nadal poszukuje się metod ich definiowania w formie algorytmów. Zatem jedną z najważniejszych potrzeb dzisiejszej kartografii jest określenie obiektywnych reguł oraz próba skonstruowania w oparciu o nie całościowego modelu procesu generalizacji. Większość podejmowanych prób skonstruowania takiego modelu generalizacji danych przestrzennych oparta jest na wektorowym modelu danych źródłowych (McMaster, 1991). Metodyka generalizacji Najistotniejszą cechą procesu generalizacji kartograficznej jest zachowanie podstawowej struktury i charakteru danych geograficznych. Tak więc generalizacja jest procesem transformacji danych geograficznych do postaci ich graficznej reprezentacji właściwej dla danej skali i przeznaczenia tworzonej mapy. Modele generalizacji opisują proces generalizacji w sposób ogólny, wskazując na podstawowe elementy, składniki lub procesy, oraz określając relacje pomiędzy nimi (Iwaniak, 1998). Jednym z najbardziej znanych modeli procesu generalizacji kartograficznej jest opracowanie Meyera (1987), rozwinięte przez Grünreicha (1992; 1995). Opracowanie to zakłada rozdzielenie baz danych przestrzennych od opracowań kartograficznych, wyróżniając dwa odmienne modele danych przestrzennych: pierwszy obejmujący numeryczny model krajobrazu DLM (digital landscape model), i drugi obejmujący numeryczny model 7
kartograficzny DCM (digital cartographic model). Podstawowa baza danych DLM zawiera rzeczywiste położenie obiektów, zaś cyfrowy model kartograficzny DCM dane poddane procesowi redakcji kartograficznej. Z jednej bazy danych numerycznego modelu rzeczywistości można opracować wiele numerycznych modeli kartograficznych, zróżnicowanych pod względem przeznaczenia, skali i metod prezentacji. Istotą tego zróżnicowania jest odmienność przeznaczenia. Dane z modelu DLM zasilają systemy informacji geograficznej zorientowane na prowadzenia analiz przestrzennych, zaś dane z modelu DCM systemy produkcji map. Źródłowa baza DLM w tej koncepcji jest nie tylko podstawą do tworzenia pochodnych opracowań kartograficznych (w wersji analogowej lub cyfrowej), lecz przede wszystkim źródłem danych geometrycznych i opisowych dla systemów informacji przestrzennej (GIS) i prowadzenia analiz. Uogólnienie danych w tej koncepcji rozumiane jest jako generalizacja podstawowej bazy DLM (generalizacja modelu), nie zaś klasyczna generalizacja kartograficzna (generalizacja mapy). Rozróżnienie tych dwóch procesów (generalizacji modelu analysis-oriented i generalizacji kartograficznej display-oriented) zostało zaproponowane przez Brassela i Weibla (1988). Autorzy tej koncepcji proponowali początkowo, by generalizację zorientowaną na uogólnianie modelu DLM określać mianem generalizacji statystycznej. Nazwa generalizacja modelu została wprowadzona przez Grünreicha (1992). Hake, Grünreich i Meng (2002) określają proces uogólnienia modelu mianem generalizacji obiektowej, dzieląc go (podobnie jak generalizację kartograficzną) na trzy rodzaje: generalizację geometryczną, semantyczna i temporalną. Bazy danych wieloreprezentacyjnych Bazę danych wieloreprezentacyjnych (multiresolution/multirepresentation data base MRDB) można określić jako bazę danych przestrzennych umożliwiającą przechowywanie reprezentacji rzeczywistych obiektów geograficznych na różnym poziomie uogólnienia (dokładności, precyzji, skali lub rozdzielczości). Istotą tego podejścia jest zdefiniowanie relacji pomiędzy obiektami reprezentującymi w bazie MRDB rzeczywisty obiekt topograficzny na różnych poziomach generalizacyjnych. Korzyści wynikające z utworzenia bazy MRDB: możliwość wieloskalowej analizy danych przestrzennych, 8
możliwość automatycznego zasilania (propagacji) bazy danych na wielu poziomach skalowych na podstawie aktualizacji modelu podstawowego, automatyzacja procesu zasilania danymi przestrzennymi systemów produkcji map na różnym poziomie skalowym. Przy konstruowaniu bazy danych MRDB najistotniejszym zagadnieniem jest utworzenie powiązań (ang. links) pomiędzy obiektami na różnych poziomach uogólnienia. Istnieją dwa potencjalne sposoby rozwiązania tego problemu: 1. utworzenie połączeń pomiędzy obiektami reprezentującymi obiekt topograficzny, 2. opracowanie nowego poziomu generalizacyjnego bazy na podstawie modelu podstawowego DLM. Zastosowanie drugiego z omawianych podejść jest relatywnie proste, pozostawia bowiem znaczną swobodę w konstruowaniu modelu pojęciowego bazy dla danych uogólnionych. Utworzenie połączeń pomiędzy obiektami bazodanowymi reprezentującymi rzeczywisty obiekt w dwóch różnych, predefiniowanych bazach danych przestrzennych z reguły wiąże się z szeregiem poważnych problemów zarówno natury koncepcyjnej jak i technologicznej. Szczególnie problematyczne może być zbudowanie jednoznacznych relacji pomiędzy bazami danych topograficznych o zróżnicowanym modelu pojęciowym i przeznaczeniu (np. bazy cywilne i wojskowe). Istnieje kilka metod wzajemnej identyfikacji obiektów na różnych poziomach bazy MRDB: wariant atrybutowy zakłada, że wszystkie obiekty przechowywane są w jednym zbiorze danych, różnicowanie poziomu uogólnienia (Level of Details LoD) realizowane jest przez określenie specyficznych, właściwych dla danego poziomu atrybutów geometrycznych i opisowych, wariant z dołu do góry (bottom - up) zakłada istnienie dwóch lub więcej zbiorów danych, połączonych atrybutem określającym LoD na danym poziomie uogólnienia, wariant z góry na dół (top - down) umożliwia budowanie połączeń od obiektu uogólnionego do elementów źródłowych (np. od terenu zabudowy zwartej do poszczególnych budynków). Analiza możliwości opracowania Bazy Danych Topograficznych w Polsce jako bazy typu MRDB 9
W prowadzonych uprzednio badaniach i pracach eksperymentalnych (Gotlib, Olszewski, 2005) poddano analizie cztery warianty podejścia do procesu generalizacji danych przestrzennych: Rys. 1. Koncepcja klasyczna generalizacja mapy a nie bazy danych. Rys. 2. Koncepcja baz pochodnych oddzielne bazy danych dla poszczególnych poziomów dokładności i szczegółowości opracowywane w procesie generalizacji modelu. Rys. 3. Koncepcja bazy wielorakiej reprezentacji skalowej przechowywane w jednej bazie danych obiekty właściwe różnym skalom, o różnym poziomie dokładności. 10
Rys. 4. Koncepcja Źródłowej Bazy Danych przechowywane w jednej bazie obiekty właściwe różnym skalom, o tym samym poziomie dokładności geometrycznej. W pierwszym wariancie tworzona jest baza danych topograficznych na poziomie 1:10 000 a następnie w procesie redakcji kartograficznej opracowywana jest mapa topograficzna 1:10 000. Następnie w procesie generalizacji pojęciowej i graficznej oraz dalszej redakcji opracowywane są mapy topograficzne w skalach mniejszych. W drugim wariancie tworzone są oddzielne bazy danych dla poszczególnych wyodrębnionych poziomów dokładności i szczegółowości (1:10 000, 1:50 000, 1:100 000, 1:200 000. Wyjściową bazą danych jest baza na poziomie skalowym 1:10 000. Kolejne bazy danych tworzone są w procesie generalizacji pojęciowej. Mapy topograficzne opracowywane są w procesie generalizacji graficznej i w procesie redakcji z baz danych o odpowiadającym im poziomie skalowym. Trzeci wariant zakłada podejście zbliżone do koncepcji budowy baz typu MRDB. W podejściu tym tworzona jest bazę danych topograficznych umożliwiającą przechowywanie reprezentacji rzeczywistych obiektów geograficznych na różnym poziomie generalizacji (dokładności, precyzji, skali lub rozdzielczości) w jednej w sensie logicznego wydzielenia bazie danych. Fizycznie może to być kilka spójnych baz danych przechowujących wzajemne powiązania między obiektami przedstawionymi na różnych poziomach generalizacyjnych Ostatni z przedstawionych wariantów przedstawia podejście, które wydaje się najbardziej interesujące z punktu widzenia tworzenia systemu informacji topograficznej. Można je uznać również za podejście analogiczne do koncepcji baz typu MRDB. Cechą charakterystyczną tego podejścia jest jednak przechowywanie danych właściwych różnym poziomom skalowym w jednej bazie danych na jednym poziomie dokładności. W podejściu 11
tym zakłada sięiż tworzona jest jedna Źródłowa Baza Danych dla całego obszaru opracowania. Baza taka charakteryzuje się: jednakowym poziomem dokładności położenia dla wszystkich obiektów przechowywanych w bazie danych, poziomem informacyjnym obejmującym wszystkie obiekty uwidaczniane w bazach i mapach topograficznych w całym ciągu skalowym (możliwe jest na pewnych obszarach zrezygnowanie z obiektów właściwych skali większej, tam gdzie nie są wymagane opracowania szczegółowe). Baza taka zawiera wszystkie klasy obiektów niezbędne do opracowania map w skalach mniejszych od bazy źródłowej. Proces tworzenia map polega w tym przypadku w dużej mierze jedynie na wykonaniu generalizacji kształtu, położenia, eliminacji obiektów niespełniających kryteriów wielkościowych oraz na wykonaniu redakcji mapy (wygenerowanie i ustawienie opisów, odsunięcia obiektów, nadanie symboliki itp.). Koncepcja zakłada więc opracowanie jednorodnej w sensie modelu pojęciowego bazy źródłowych danych topograficznych a tym samym dość wyraźne rozdzielenie procesu generalizacji pojęciowej od procesu generalizacji graficznej. Zaproponowane podejście dotyczy również koncepcji i generalizacji numerycznego modelu rzeźby terenu. Wdrożenie jednej z omawianych koncepcji wymaga podjęcia działań mających na celu pełne uspójnienie pomiędzy cywilnymi i wojskowymi bazami danych referencyjnych: TBD i VMap L2 nowej edycji. Zaproponowana w 2006 r. koncepcja częściowej harmonizacji modelu pojęciowego baz TBD i VMap (Gotlib, Iwaniak, Olszewski) pozwala na relatywnie prostą częściową automatyzację procesu zasilania bazy danych topograficznych danymi VMap L2+, jednakże rozwiązanie to należy uznać za połowiczne. Opracowanie jednej, spójnej w skali kraju wielorozdzielczej bazy danych referencyjnych o relatywnie prostym modelu pojęciowym pozwoliłoby na zaspokojenie potrzeb zarówno cywilnej, jak i wojskowej służby geodezyjno-kartograficznej i szerokiego kręgu użytkowników instytucjonalnych i indywidualnych. Dlatego też, aby zapewnić szybki rozwój baz danych referencyjnych i ograniczyć koszty powstałe na skutek powielania prac należy rozważyć koncepcję produkcji map i baz danych powstających na bazie jednej bazy źródłowej. Źródłowej Baza Danych zawierałaby wszystkie elementy niezbędne do łatwej generalizacji do skal mniejszych. Inaczej mówiąc w sensie pojęciowym zawierałaby wszystkie obiekty przedstawiane na mapach topograficznych. 12
Już na etapie tworzenia Źródłowej Bazy Danych definiowane byłyby wszystkie elementy charakterystyczne opisu geometrycznego obiektów niezbędne do prezentacji obiektu w skalach mniejszych (np. granicy miasta i punktu reprezentatywnego). Posiadając najbardziej dokładne dane dla obszaru opracowania, realizacja tej koncepcji jest stosunkowo łatwa. W ten sposób można opracować bazę danych, która zawiera wszelkie niezbędne informacje do wykonania opracowań pochodnych. Uzyskujemy tym samym dość wyraźne oddzielenie procesu generalizacji pojęciowej od generalizacji graficznej. Rozwiązanie to umożliwia połączenie wysiłków budowy cywilnych baz danych topograficznych i map z wojskowymi bazami i mapami topograficznymi, ponieważ obie służby mogłyby oprzeć się na jednej wspólnej Źródłowej Bazie Danych, na podstawie której opracowywane byłyby bazy i mapy pochodne. Literatura: Bobzien, M., Morgenstern, D.. 2003, Abstracting Model Generalization: A Comprehensive Approach Towards Automated Generalization, Materiały Międzynarodowej Konferencji Kartograficznej ICA, Durban Brassel K., Weibel R., 1988, A review and conceptual framework of automated map generalization, International Journal of Geographical Information Systems, 2 (3) Burrough P., 1993, Fractals and geostatistical methods in landscape studies, w: Fractals in geography, Prentice Hall, Englewood Cliffs, NJ. Buttenfield B., 1989, Scale-dependence and self-similarity in cartographic lines, Cartographica, vol. 26 (1), Monograph 40 Chrobak T., 1999, Badanie przydatności trójkąta elementarnego w komputerowej generalizacji kartograficznej, praca habilitacyjna, AGH Dutton G., 1999, Scale, sinuosity, and point selection in digital line generalization, Cartography and GIS, vol. 26, no. 1 Gotlib D., Iwaniak A., Olszewski R., 2005, Jedna baza danych referencyjnych. Czy to możliwe?, Magazyn Geoinformacyjny Geodeta, nr 1, Warszawa Gotlib D., Iwaniak A., Olszewski R., 2006, Budowa krajowej infrastruktury danych przestrzennych w Polsce harmonizacja baz danych referencyjnych, Wydawnictwo AR, Wrocław D. Gotlib, R. Olszewski, Procesy generalizacji w ramach systemu informacji topograficznej zarys koncepcji, w: A. Makowski (red.), System informacji topograficznej kraju. Teoretyczne 13
i metodyczne opracowanie koncepcyjne, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2005 D. Gotlib, Olszewski R., Możliwość wymiany danych między bazą SITop a bazami VMap, w: A. Makowski (red.), System informacji topograficznej kraju. Teoretyczne i metodyczne opracowanie koncepcyjne, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2005 Grünreich D., 1995, Development of Computer-Assisted Generalization on the Basis of Cartographic Model Theory, In: GIS and Generalization - Methodology and Practice, pages 47-55, London, Great Britain, Taylor & Francis Grünreich D., Powitz B. M., Schmidt C., 1992, Research and Development in Computer- Assisted Generalization of Topographic Information at the Institute of Cartography, Hanover University, Materiały Konferencji GIS, vol. 1, Monachium Hake G., Grünreich D., Meng L., 2002, Kartographie, Walter de Gruyter, Berlin-New York Hampe, M., Anders, K. and Sester, M., 2003, MRDB Applications For Data Revision And Real-Time Generalisation, Materiały Międzynarodowej Konferencji Kartograficznej ICA, Durban Iwaniak A., Paluszyński W., Żyszkowska W., 1998, Generalizacja map numerycznych - koncepcje i narzędzia, Polski Przegląd Kartograficzny Krak M-J., Ormeling F., 1998, Kartografia. Wizualizacja danych przestrzennych, Wydawnictwo Naukowe PWN, Warszawa Makowski A., 2001, Na obrzeżach cybernetyki, w: Mapa w systemach komputerowych, Materiały XXVIII Ogólnopolskiej Konferencji Kartograficznej, Szczecin McMaster R. B., 1989, The integration of simplification and smoothing algorithms in line generalization, Cartographica, vol. 26 (1), Monograph 40 McMaster R. B., 1991, Conceptual frameworks for geographical knowledge, In: Map generalization: Making rules for knowledge representation, Red. B. Buttenfield, R. B. McMaster. London, Longman Meng L., 1998, Project report on "Strategies on Automatic Generalization of Geographic Data" - Stage 2: Cognitive modeling of cartographic generalization, http://www.lrzmuenchen.de/~t583101/www/content/aboutus/meng.htm Meyer U., 1987, Computer assisted generalization of buildings for digital landscape models by classification methods, Proceedings ICA Conference, Morelia Molenaar M., 1993, Object hierarchies and uncertainty in GIS or why is standardization so difficult, Geo-Informations-Systems, 6 (3) Muller J. C., 1990, The removal of spatial conflicts in line generalization, Cartography and Geographic Information Systems, Vol.17 (2) Ostrowski W., 2001, Typy generalizacji kartograficznej z punktu widzenia semiotyki, w: Metody kartograficzne a możliwości systemów komputerowych, Uniwersytet Warszawski Ostrowski W., 2003, Rodzaje generalizacji treści map topograficznych na przykładzie mapy 1: 50 000, Polski Przegląd Kartograficzny, t. 35, nr 4 Ratajski L., 1989, Metodyka kartografii społeczno-gospodarczej, PPWK, Warszawa Wrocław 14
Richardson D. E., Mackaness A., 1999, Computational processes for map generalization, Cartography and GIS, vol. 26, no. 1 Saliszczew K. A., 1998, Kartografia ogólna, Wydawnictwo naukowe PWN, Warszawa Sester M., 2001, Kohonen Feature Nets for Typification, Fourth Workshop on Progress in Automated Map Generalization, ICA Commission on Map Generalization, Beijing Shea K. S, McMaster, R. B., 1989, Cartographic generalization in a digital environment: When and How to generalize, Proceedings Auto Carto 9, Ninth International Symposium on Computer-Assisted Cartography, Baltimore, Maryland Sheeren, D., 2003, Spatial Databases Integration: Interpretation Of Multiple Representations By Using Machine Learning Techniques, Materiały Międzynarodowej Konferencji Kartograficznej ICA, Durban Tobler W., 1966, Numerical map generalization, In: Michigan Inter-University Community of Mathematical Geographers, Red. J. Nystuen, Ann Arbor, University of Michigan Topfer F., Pillewizer W., 1966, The principles of selection: a means of cartographic generalization, The Cartographic Journal, 3 (1) Weibel R., 1991, Amplified intelligence and rule-base systems, In: Map generalization: making rules for knowledge representation, Red.: B. Buttenfield, R. McMaster, Longman, London Weibel R., 1995, Map generalization in the context of digital systems, Cartography and GIS, vol. 22, no. 4 15