向量資料結構 (vector data structure) 向量資料結構以點、線、面三種圖徵所構成 線圖徵記載各個轉折點的坐標 面圖徵記載各邊轉角的坐標 向量資料會使用位相關係來儲存各圖徵的位置與相對關係 位相關係是指空間終點線面彼此的相交、相離、相鄰等關係 向量模式類型： 麵條式資料模式 (Spaghetti) 弧-節點資料模式 (Arc-Node) 關連式結構(Rational)

麵條式資料模式 (Spaghetti structure) 為向量式資料發展的起源 所有資料均存放為一列一列的坐標值串列 麵條式資料記錄所有空間物件的位置，容易瞭解各個點、線、面是由哪些點組成，方便進行空間物件的運算 計算某條道路的長度、計算某個湖泊的面積 麵條式資料並未記錄物件之間的關連性，因此進行空間分析時，往往需要尋找過所有資料，才能完成空間分析的功能

麵條式資料模式 圖徵 編號 位置 點 11 XY 線 12 X1Y1 X2Y2 … 13 X1Y1 X2Y2 X3Y3 … 面 14 11

弧-節點資料模式 (arc-node structure) 弧，為一系列起於某一節點，終止於某一節點的多重折線(Polyline) 節點，為弧的端點，或是二或多個弧的交叉點 弧不一定為直線段，除了兩個端點為節點外，中間可能還包括數個轉折點，轉折點僅在定義該弧的形狀 多邊形為一連串相連的弧所圍成的封閉區域；點則可視為沒有面積的多邊形 點(包括節點與轉折點)、線(即弧)、面三者即構成了一個階層性的資料結構 圖徵以階層式的方式建構，避免資料重複的情況

弧-節點資料模式 A 節點 I II III IV 弧 多邊形 編號 東距 北距 其他屬性 1 3210 1230 … 2 3215 3 1220 4 1 2 3 4 I II III IV A 弧 編號 起點 終點 其他屬性 I 4 1 … II 2 III 3 IV 多邊形 編號 線段 其他屬性 A I、II、III、IV …

關連式結構 (rational structure) 在關連式結構中，空間資料與屬性資料為獨立存放，與其他結構有明顯區隔 關連式結構與弧-節點結構十分相近 空間資料與弧-節點結構類似 屬性資料則以關連表格進行存放 由於屬性另外存放，因此可以利用現成的關連式資料庫進行管理，以利用其強大的功能與彈性 目前有許多的GIS系統均採用此一結構

關連式結構 A I II III IV 編號 東距 北距 1 3210 1230 2 3215 3 1220 4 編號 號誌 其他 1 點：空間 點：屬性 編號 東距 北距 1 3210 1230 2 3215 3 1220 4 編號 號誌 其他 1 紅綠燈 … 2 閃黃燈 3 4 閃紅燈 1 2 3 4 I II III IV A 線：空間 線：屬性 編號 起點 終點 I 4 1 II 2 III 3 IV 編號 長度 線道 其他 I 100.5 4 … II 25.3 III 69.8 IV 21.5 2 面：空間 面：屬性 編號 線段 A I、II、III、IV 編號 所有人 面積 其他 A 市政府 210.8 …

向量資料優點 能精確表達位置，具備較高空間解析度，適合精確度要求較高的業務運作 適合儲存具備明確界線區域的資料 可記錄位相資料，有效表達圖徵間複雜的空間關係 初始儲存空間小 適合資料庫管理

向量資料缺點 無法有效表示連續變化現象 資料結構較為複雜，建立資料需較高的技術與費用 由於包含點、線、面幾何關係，系統分析建置與使用較為複雜 平滑而連續變化的地理資料難以表達、例如地表高度、大氣壓力、氣溫變化…等，權宜的方是是利用等值線或等值面表示方式 資料結構較為複雜，建立資料需較高的技術與費用 由於包含點、線、面幾何關係，系統分析建置與使用較為複雜 空間分析演算較為複雜 空間交會模擬較為困難 儲存空間差異大

網格資料結構 (raster data structure) B C D 將真實世界的空間資料，以大小相等的網格，包括矩形、三角形、六角形…等形狀表示 每個網格中儲存所要呈現表達的數值或屬性值 資料儲存類型： 波段循序法 (BSQ) 波段像元交錯法 (BIP) 波段循列交錯法 (BIL) I II 1 2 檔案1：A B C D 檔案2：I II III IV 檔案3：1 2 3 4 A I 1 B II 2 C III 3 D IV 4 A B I II 1 2 C D III IV 3 4

網格資料壓縮 (compression of raster data) 網格式資料每個格子僅能指定一個值，不同屬性需存放於不同格子中 網格式資料必須的網格數與需求的解析度的平方成正比 往往有許多格子存放為重複的資料，因此可透過資料壓縮方式減輕系統的負擔 完全網格編碼法(Cell-by-cell Encoding Method) 區段長度編碼法(Run Length Encoding Method) 鍊碼法(Chain Code Method) 區域碼法(Block Code Method) 區域四元樹法(Regional Quad Tree Method)

完全網格編碼法 (Cell-by-cell Encoding Method) 大多數的數值影像處理系統採用完全網格編碼法；一個網格資料層只儲存網格的一種屬性，且其值在0~255之間 像元順序一般依照列(Row)為順序，以左上角為起點 在網格模型中，若像元值連續改變，則非常適合採用此種方法 例如數值高程模型(Digital Elevation Model， DEM)、衛星影像…

區段長度編碼法 (Run Length Encoding Method) 隨著要求精度的提高，像元尺寸的減小，完全網格編碼影像的儲存空間呈幾何級數增加，因此資料必須經過壓縮，以節省儲存空間，區段長度編碼法是最簡單有效的方法 有相同屬性值的鄰近像元被合併在一起，稱為一個區段，區段用一對數字表示；第一個值表示區段長度，第二個值代表區段的屬性值；每一個新的列都以一個新的區段開始 區段長度的位數取決於影像每一掃描線的取樣數，區段屬性值則取決於影像的最大類別數

區段長度編碼法 1 2 3 4 5 6 7 8 9 10 A B (4,A), (3,B), (3,A) C (3,A), (3,B), (3,A), (1,C) (2,A), (3,B), (3,A), (2,C) (1,A), (3,B), (2,A), (4,C) (6,A), (4,C)

鍊碼法 (Chain Code Method) 透過一系列主方向(Principle Direction)與網格數來紀錄一區域的邊界 例如，N1是指向北移動1個網格，S4則是向南移動4個網格 由左下方網格開始，以主方向與網格數紀錄邊界 N1 E1 N3 E1 N1 E1 N1 E1 S2 E1 S4 W5

區域碼法 (Block Code Method) (0,0) (0,9) 採用方形區域(Square Block)來表達一個範圍 單位區域(Unit Square)由單一網格組成，四方區域(4-Square Block)則由2x2網格組成，九方區域由9x9網格組成 (9,0) (9,9) 一個25方區域：(8,3) 一個4方區域：(3,5) 三個單位區域：(8,2; 7,2; 3,4) 坐標原點在網格的左上方

區域四元樹法 (Regional Quad Tree Method) 屬於階層式資料結構 將像元區塊連續等分成四個區塊，直到每個區塊內都具有相同屬性 當區塊無法再劃分時，該區塊稱為葉節點(Leaf node) 各區域之編號可採 Morton順序法 空間索引(Spatial indexing)法 1 2 3 4 22 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 B D F Morton順序法

區域四元樹法 E D F G C B 根節點 第三層 內節點 第二層 第一層 葉節點 第零層 13 14 15 21 22 11 12 18 19 9 10 20 16 17 6 C 7 8 4 5 B 1 根節點 2 3 第三層 A 內節點 第二層 1 B D F 第一層 2 3 C 8 9 10 E 15 G 20 21 22 葉節點 第零層 4 5 6 7 11 12 13 14 16 17 18 19

網格資料優點 資料結構單純，概念容易瞭解 僅需填入資料至網格，資料製作非常簡單 儲存空間固定，與空間資料複雜程度無關 適於表達覆蓋全地表的資料，有效表示空間變動性 易與其他網格資料的影像、點陣圖結合，處理資料類似結構速度會更快速 空間結構單純，運算速度快，建置成本較便宜

網格資料缺點 資料概略化問題，空間解析度低，不適合較高精確的運作 網格精確度與資料解低度平方成正比 初始儲存空間大 需求高精確度時，資料量會很龐大 初始儲存空間大 無論空間資料複雜與否，儲存的空間均為固定 難以表現如行政區人口、收入統計值等類型資料 區域不易界定 網格該填入統計總值或是平均值 難以表示位相關係