22. Точность атрибутивных данных в гис. Оценка точности атрибутивных данных

Определяется как близость их к истинным показателям (на данный момент времени). Точность атрибутов может быть проанализирована в зависимости от природы данных.

Для непрерывных атрибутов (модель поверхности, например ЦМР) точность определяется как погрешность измерений по этой модели.

Для атрибутов объектов, выделяемых в результате классификации, точность выражается в оценках соответствия, определенности или правдоподобия.

Для оценки точности атрибутов полезно составить матрицу ошибок классификации. Для нужно взять несколько случайных точек, определить их категорию на базе данных, затем на местности определить истинный класс и заполнить матрицу классификации (соответствия).

Матрица классификации

Местность	Класс в БД
	A	B	C	D	Всего
A	12	7	3	3	25
B	3	10	3	2	18
C	3	5	15	1	24
D	4	4	4	21	33
Всего	22	26	25	27	100

В идеале все точки должны совпадать, т.е. располагаться по диагонали матрицы, что означает, что на местности и в базе данных зафиксирован один класс. Может быть зафиксирован класс, которого нет на местности (ложный класс). Для обобщения матрицы соответствия используют такой показатель достоверности классификации, как количество правильно классифицированных точек, расположенных по диагонали матрицы (в процентах). В данной таблице это 58% – показатель соответствия.

Для социальных данных основной источник неточности в атрибутах – недоучет данных. Например, при проведении переписи населения.

Логическая непротиворечивость, полнота, происхождение. Эти элементы качества относятся к базе данных в целом, а не к объектам, атрибутам или координатам. Логическая непротиворечивость связана с внутренней непротиворечивостью структуры данных, с топологическим представлением данных, что означает наличие исчерпывающего списка взаимоотношений между связными геометрическим представлениями данных без измерения хранимых координат пространственных объектов (замкнуты ли полигоны? Нет ли полигонов без меток или с несколькими метками? Есть ли узлы на всех пересечениях дуг?).

Логические противоречия могут быть связаны с проблемами согласования информации и географических границ при совмещении данных из разных источниках.

Полнота связана со степенью охвата данными множества объектов, необходимых для представления реальности или отображения на результирующей карте (все ли необходимые объекты включены в БД?). Она зависит от установленных правил отбора объектов или явлений, генерализации и масштаба.

Происхождение включает сведения об источниках данных, времени сбора данных, точности источников и цифровых данных, организации, которая их собирала, об операциях по созданию БД (как кодировались данные, исходный материал, как происходила обработка). Обычно эта информация содержится в файлах метаданных (данные о данных).

Существует проблема интеграции разнотипных данных. Это могут быть слои проблемно-ориентированных ГИС, результаты компьютерного дешифрирования снимков, цифрового моделирования. Часто информация об их происхождении, методах создания, точности, достоверности недоступна. На картах, созданных по данным ДЗ, «пиксельное» разрешение и генерализация могут не соответствовать картографической точности и генерализации для выбранного масштаба и проекции. Сложна интеграция данных, представляемых на карте условными знаками, из-за внемасштабности и уникальности.

Решение проблемы интеграции данных лежит в области разработки так называемой инфраструктуры пространственных данных (на национальном и межгосударственном уровнях). Это подразумевает разработку механизма их обмена и накопления (доступность, стоимость, стандарты на данные, метаданные), а также определение базовой пространственной информации, к которой относятся геодезическая основа, рельеф, гидрография, транспортная сеть, административные границы.