Session Géomatique et Systèmes d’Informations … · Modélisation UML Exercice TD ......
-
Upload
dinhkhuong -
Category
Documents
-
view
229 -
download
0
Transcript of Session Géomatique et Systèmes d’Informations … · Modélisation UML Exercice TD ......
Session Géomatique
et Systèmes d’Informations Géographique
Pierre Hallot & Roland Billen
Unité de Géomatique ULg
Modélisation UML ◦ Exercice TD
◦ Pause
Représentation géographique en mode image◦ Exercice TD
◦ Pause
TP4
Conclusion finale - références
Organisation
Serveur
Internet
Logiciel SIG
Firewall
Base de donnée
Spatial
Cours 1
Cours 1
Cours 2
Cours 2
TP1TP1
Cours 2
Cours 4
Cours 3
Cours 4
TP2
Cours 3
UML :◦ Unified Modelling Language
◦ Langage de modélisation objet unifié
◦ http://www.uml.org/
◦ Modéliser les vues statiques d’un système
La conception et les cas d’utilisation
Structurer ses modèles (paquetages, collaboration)
Les objets, les diagrammes d’objets et les classes
Le diagramme de classes
◦ Modéliser les vues dynamiques d’un système
Le diagramme de collaboration
Le diagramme de séquence
UML comporte 13 types de diagrammes : Diagrammes structurels ou statiques◦ Diagramme de classes◦ Diagramme d'objets◦ Diagramme de composants◦ Diagramme de déploiement◦ Diagramme des paquetages◦ Diagramme de structure composite
Diagrammes comportementaux◦ Diagramme des cas d'utilisation◦ Diagramme états-transitions◦ Diagramme d'activité
Diagrammes d'interaction ou dynamiques[modifier]◦ Diagramme de séquence◦ Diagramme de communication◦ Diagramme global d'interaction◦ Diagramme de temps
Modélise l’information statique d’un système◦ Représente / Décrit les principales entités du système
◦ Décrit les relations entre les entités du système
Facilite le dialogue entre les utilisateurs/concepteurs
d’un système◦ Lieu commun entre les informaticiens/demandeurs/utilisateurs
◦ Modèle « lisible » par tous
AGL◦ De nombreux outils permettent de passer « automatiquement »
du modèle UML à une définition (sql,…) de relations d’une BDD.
La classe représente la description abstraite d’un ensemble d’objets possédant les même caractéristiques. On peut également parler de type.
Un objet est une entité aux frontières bien définies, possédant une identité et encapsulant un état et un comportement. Un objet est une « instance » ou occurrence d’une classe.◦ Ex : Pierre Hallot est une instance de la classe PersonnelULg.
◦ Voiture, patient, commune, point, état, peuvent être des classes
Représentée par une boite divisée en 3 parties
Un attribut représente un type d’information contenu dans une classe.◦ Ex : vitesse courante, cylindrée, numéro de
parcelle, surface,… sont des attributs de classe.
Une opération représente un élément de comportement (un service) contenu dans une classe. Dans le cas d’une modélisation UML dédiée à la création d’une base de donnée, nous n’utiliserons pas les opérations.
Les attributs et les opérations sont représentées dans les 2 cases restantes de la classe.
Une association représente une relation sémantique durable entre deux classes.◦ Ex : Une personne peut posséder des voitures. La relation possède
est une association entre les classes Personne et Parcelle.
Attention : Même si un verbe qui nomme une association semble privilégier un sens de lecture, une association entre concepts dans un modèle du domaine est par défaut bidirectionnelle.
Représentation : Aux extrémités d’une association, on fait figurer une indication de multiplicité. Elle spécifie sous la forme d’un intervalle d’entiers positifs ou nuls le nombre d’objets qui peuvent participer à une relation avec un objet de l’autre classe dans le cadre d’une association.◦ Ex : Une personne peut posséder plusieurs parcelles ; une parcelle
est possédée par une seule personne (quoique…)
Une agrégation est un cas particulier d’association non symétrique exprimant une relation de contenance. Les agrégations n’ont pas besoin d’être nommées : implicitement elles signifient « contient », « est composé de ».
Une composition est une agrégation plus forte impliquant que :◦ Un élément ne peut appartenir qu’à un seul agrégat composite
(agrégation non partagée);
◦ La destruction de l’agrégat composite entraine la destruction de tous ses éléments (le composite est responsable du cycle de vie des parties).
Une super-classe est une classe plus générale reliée à
une ou plusieurs autre classes plus spécialisée (sous-
classes) par une relation de généralisation. Les sous-
classes « héritent » des propriétés de leur super-classe
et peuvent comporter des propriétés spécifiques
supplémentaires.◦ Ex : les voitures, les bateaux et les avions sont des moyens de
transport. Ils possèdent tous une marque, un modèle,… par
contre, seuls les bateaux ont un tirant d’eau,…
Une classe abstraite est simplement une classe qui ne s’instancie pas directement mais qui représente une pure abstraction afin de factoriser des propriétés communes. Elle se note en italique.
Mécanisme de regroupement d’éléments en UML.
Regroupe des classes et des associations. Espace
thématique commun.
Une commune souhaite informatiser ses données géographiques et vous demande d’assister dans le développement de son SIG.
La commune dispose déjà de données. Il s’agit d’un plan communal représentant l’ensemble des habitations, leur numéro de police et le nombre de personnes domiciliées dans chaque habitation.
La commune gère également un réseau de voirie communal.Les voiries sont identifiées par un numéro unique, une dénomination usuelle (D3, D4) ainsi qu’un nom de rue.
Pour chaque voirie, est également conservée la dernière intervention routière qui a eu lieu sur l’endroit. Les interventions sont réalisées par une équipe du service des travaux. Le numéro de dossier est également conservé.
L’administration communale souhaite pouvoir sur base du SIG établir principalement la liste des personnes à contacter lors d’enquêtes publiques. Pour ce faire, elle souhaite pouvoir envoyer un courrier à toutes les personnes domiciliées à une certaine distance du futur dossiers d’urbanisme.
Le service du cadastre communal est également intéressé à pouvoir travailler avec les données du système.
Pierre Hallot & Roland Billen
Unité de Géomatique ULg
Le mode maillé◦ Discrétisation spatiale
Examen d’un phénomène géographique à travers une grille
d’analyse
La grille peut être considérée comme constituée d’un réseau régulier de
points, également espacés en ligne et en colonne (maille carrée)
La grille peut aussi être considérée comme un carroyage constitué de
carreaux identiques et jointifs
Dans les 2 cas, l’application de la grille provoque une discrétisation
régulière du phénomène géographique
La grille constitue une couche d’informations renseignant à la fois
sur l’aspect géométrique et l’aspect attributaire du phénomène
géographique
Mode maillé = Mode image ?
Réseau régulier de sommets
(sondage systématique à 2 dimensions)
Carroyage à mailles carrées
(valeur uniforme à la surface de la maille)
Aspect géométrique◦ Coordonnées – image et résolution
La grille d’analyse est de forme rectangulaire
Elle peut déborder ou être incluse au sein de la région d’intérêt de
l’utilisateur – dans tous les cas, toutes les positions de la grille – pixels de
l’image – sont prises en considération
Les positions des pixels (sommets / carreaux) au sein de la grille sont
fixées par des coordonnées – image
La résolution de la grille introduit l’unité de dimension du terrain dans la
grille
La résolution est la distance (constante) entre 2 sommets (en ligne ou en
colonne) ou la longueur des côtés des carreaux de la grille (exprimée
avec son unité planimétrique)
La résolution ne correspond pas exactement à une notion d’échelle, mais
correspond à la granularité de l’analyse
◦ Coordonnées - utilisateur
Les coordonnées – utilisateur font référence à une surface généralement plane (sinon la résolution ne peut être constante dans l’image)
Le calcul d’une position dans la grille en coordonnées – utilisateur suppose la connaissance de :
La résolution avec son unité planimétrique
Les numéros de ligne et de colonne de la position en coordonnées –image
La translation sur un coin de l’image (souvent inférieur gauche), en coordonnées – utilisateur, dans les deux dimensions du plan
Ces informations figurent toujours avec l’image (entête du fichier image ou fichier séparé)
Pour un carreau (centre) ou un sommet, les coordonnées – utilisateur sont données par :
X = translation x + (n° de colonne * résolution) + ½ résolution
Y = translation y + (n° de ligne * résolution) + ½ résolution
x’ = xmin + C.R + R / 2
y’ = ymin + (NL - 1 - L).R + R / 2
0 1 2 3 4
43
21
0
RésolutionC
L
L
x min x max
y min
y max
x’
y’
y’
x min x max
y min
y max
Coordonnées – image Coordonnées – utilisateur
Image = carroyage
Image = réseau de sommets
NL : nombre de lignes
NC : nombre de colonnes
L : n° de ligne (de 0 à NL-1)
C : n° de colonne (de 0 à NC-1)
R : résolution
La notion de distance dans l’image◦ La distance entre deux pixels voisins (entre leurs centres
respectifs) varie selon que l’on considère des pixels
Voisins par un côté (4-connexes) distance = résolution
Voisins par un coin (8-connexes) distance = résolution * 1.412
◦ Lorsque le voisinage n’est pas immédiat la distance peut être calculée de plusieurs manières
Euclidienne : distance en coord.-utilisateur ou en coord.-image (* résolution) entre centres de pixels origine et destination
Incrémentale (Bresenham) : somme des distances entre pixels voisins 2 à 2 (résolution ou résolution * 1.412) entre l’origine et la destination
Manhattan : différence de lignes + différence de colonnes entre l’origine et la destination, multipliée par la résolution (plus rare)
Distance euclidienne =
distance incrémentale
Distance euclidienne
Distance incrémentale
(Bresenham)
La distance euclidienne entre les centres
de pixels peut présenter une erreur
allant jusqu’à environ la diagonale d’un pixel
Distance de Manhattan
Aspect attributaire◦ Échelles de mesure
Chaque localisation dans la grille (sommet ou carreau) est porteuse de la valeur du phénomène géographique analysé en cet endroit
La valeur est toujours codée sous forme numérique, mais selon la nature du phénomène étudié, la valeur peut être codée sur différentes échelles
Échelle qualitative (nominale ou ordinale)
Binaire (présence / absence…) : bit, octet ou entier (0 – 1)
N-aire (modalités, ordres) : octet (0 – 255) ou entier généralement positif ou nul (intervalle variable)
Accompagnée d’un légende (une modalité / valeur)
Échelle quantitative (d’intervalle ou de rapport)
Réels ou entiers signés (intervalles variables)
Accompagnée d’une unité de mesure de l’attribut
MNT
Représentation
du relief –
phénomène quantitatif
spatialement continu
– codé en réels
Occupation du sol –
phénomène qualitatif (nominal)
spatialement discret (zonal contigu)
– codé en octets
Bassin hydrographique –
phénomène qualitatif (binaire)
spatialement discret (zonal)
– codé en bits / octets
Absence de données
Tous les pixels de l’image ont une valeur numérique sur une échelle
identique pour toute l’image (binaire, nominale, ordonnée,
quantitative)
La valeur 0 appartient à ces échelles
L’absence de données ou l’exclusion (spatiale) de certains pixels de
l’image dans une opération devrait correspondre à des valeurs de
pixels particulières (ex. NODATA, -9999, etc.)
Unités des données
Les valeurs des pixels ont une unité thématique qui peut être
Nécessaire si l’échelle des valeurs est quantitative – ex. altitude pour
calcul de pente
Déterminante pour certaines opérations – ex. pas de moyenne sur des
valeurs nominales
Image obtenue par rasterisation
d'éléments vectoriels linéaires
(image codée en entiers)
Image d'une surface engendrée
par interpolation entre points cotés
(image codée en réels)
Structure du fichier image◦ Partie « image »
Le fichier enregistre les codes numériques des pixels sous la forme d’une liste continue, dans l’ordre de la structure séquentielle par rang, et à raison d’un nombre par pixel (format « bitmap »).
À partir du pixel origine de coordonnées – image (0,0).
Colonne après colonne, et rangée après rangée.
Image enregistrée brute panchromatique
Une seule image, codée en nombres entiers sur un ou plusieurs octets.
Entiers nul et positifs [0..255] : 1 octet.
Image enregistrée brute RVB
Format BSQ (Band Sequential) : 3 images successives (R, V et B) chacune codée en nombres entiers.
Format BIL (Band InterLeaved) : une image enregistrée en nombres entiers, où chaque pixel est répété 3 fois (valeur R, valeur V et valeur B).
Images calculées et images enregistrées traitées
Les nombres peuvent être codés sur des entiers ou des réels signés.
◦ Partie « documentation »
En-tête ou header :
Placé dans le fichier avant la partie « image » ou dans un fichier séparé.
Instructions indispensables à la lecture et à l’interprétation de l’image
Nombre de lignes et de colonnes.
Type d'enregistrement des nombres (octet, entier, réel, ...).
Le format de l’image (BIL, BSQ, etc.).
Instructions optionnelles (facilitant le traitement de l’image)
Statistiques de l'image.
Ex. fréquence des valeurs présentes dans l'image.
Table des couleurs (RVB) associée à l'image.
Type de compactage des valeurs dans l’image.
Cette partie est toujours présente (mais organisée de façon différente et non éditable par l’utilisateur) dans tous les formats commerciaux des images.
Ex. BMP, TIFF, GIF, JPEG, etc.
Doc ImgFichier image = documentation + données
Données en format binaire :
Données codées sur 1 octet :
Nombre de colonnes = 5 et nombre de lignes = 10 :
18 18 9 27 9 18 9 9 27 9 9 9 9 27 9 9 9 9 27 9 18 9 9 9 27 18 9 9 9 27 ...
00010010 0001001000001001000110110000100100010010000010010000100100011011 ...
18 18 9 27 9
18 9 9 27 9
9 9 9 27 9
9 9 9 27 9
18 9 9 9 27
18 9 9 9 27
18 9 9 ... ...
Exploitation de la documentation
d'un fichier image
◦ Paramètres propres aux images géographiques
Relatifs à la géo-référenciation
Surface de référence (plan, sphère, ellipsoïde).
Coordonnées extrêmes de l'image et unité des coordonnées.
Résolution des pixels en unités de coordonnées.
Relatifs aux codes numériques des pixels (images calculées) :
Unité des valeurs de pixels.
Légende éventuelle associée aux valeurs présentes dans l'image.
Paramètres souvent éditables par l’utilisateur dans divers formats
Logiciels : Idrisi, Erdas, Envi, etc.
Standard de fait : Geo-TIFF.
Standard d’organismes publics :SDTS, DEM…
Fournisseurs d’images satellite :Landsat, SPOT, etc.
Vue partielle de
la documentation
d’un fichier image
Idrisi
Visualisation d’une image◦ Visualisation alphanumérique
(écran ou imprimante) :
Sélection d'une partie d'image :
interactive (fenêtre)
indices de lignes et colonnes
Spécification de la largeur fixe des
champs :
espace entre colonnes, signe,
nombre maximum, point/virgule,
décimales
Visualisation alphanumérique
d'une partie de fichier image
Principes de la visualisation graphique à l'écran Caractéristiques du dispositif d’affichage :
Résolution d'affichage :
VGA (640 x 480 pixels), 8514 ou Super VGA (1024 x 768 pixels), etc.
Nombre de couleurs affichables simultanément :
4 bits / pixel = 16 couleurs simultanées
8 bits / pixel = 256 couleurs simultanées
3 x 8 bits / pixel = 16777216 (2563 = 256R x 256V x 256B) couleurs simultanées
Mémoire graphique = résolution x nombre de bits/pixel de couleurs simultanées
Paramètres de l’image :
Le nombre de pixels (nombres de colonnes et rangées).
Le type de données (taille habituelle sans compactage) :
Binaires (1 bit / pixel – rare).
Demi-teintes (1 octet / pixel).
RVB (3 octets / pixel).
Images calculées ou construites : plusieurs codifications possibles – ex. nombres réels en 4 octets / pixel
18 18 9 27 918 9 9 27 99 9 9 27 99 9 9 27 9
18 9 9 9 2718 9 9 9 2718 18 9 9 918 18 18 9 918 18 18 9 918 18 18 9 9
Extrait d'image en couleurs indexées
Palette de couleurs
(codification de chaque
couleur primaire sur
256 niveaux)
Visualisation sur écran
Utilisation d'une palette avec
une image en couleurs indexées n = nombre de couleurs
affichables simultanément
R V B
0 240 0
255 255 0
9
18
27 255 30 40
#
0
n-1
Palette de 16 couleurs
(mémoire graphique de
4 bits / pixel) dont les
intensités RVB sont
développées sur 64
niveaux, compris dans
l’intervalle [0..63].
# R V
B
Image dont les valeurs des pixels sont codées
sur des nombres réels
(altitudes dans un modèle numérique de terrain)
20
127
180
-1.3 0.8 1.0 1.2 1.3-1.1 0.7 0.9 1 .8 1.9-0.9 0.9 0.9 2.1 2.4-0.4 0.8 1.7 2.0 2.1-0.1 1.2 2.0 1.9 2.70.2 1.7 2.5 2.7 2.70.6 1.8 2.9 3.4 4.11.0 1.6 2.2 2.9 3.80.8 1.2 2.7 3.0 3.10.7 1.0 2.1 2.1 1.9
Extrait d'image dont les valeurs sont
hors de l'intervalle d'entiers [0..n-1]
Palette de couleurs
(ex. en niveaux de gris)
Visualisation sur écran
Classification automatique
des valeurs avant affichage
n = nombre de couleurs
affichables simultanément
R V B
20 20
127 127
6
32
180 180
#
0
n-1 255 255 255
0 0 0
47
(n-1) [(Valeur - minimum) / (Maximum - minimum)]
où : n = nombre d'entrées dans la palette
minimum et Maximum sont lus a priori
dans l'image
Fonction de classification
Géo-référentiation d’une image◦ Principe du ré-échantillonnage (resampling)
Objectif : corriger une image pour la caler sur une référence géométrique
Référence = système cartésien de coordonnées
Carte : coordonnées rectangulaires dans le plan de projection (x, y)
Image déjà corrigée : coordonnées rectangulaires de l'image (rangées -colonnes)
Résultat : une nouvelle image
Rectangulaire : système de coordonnées rectangulaires rangées - colonnes, différent du système de coordonnées image original et vis-à-vis duquel il faut trouver les équations de transformation
Champ quelconque : couvrant tout ou partie de l'image originale
Résolution quelconque : identique ou différente de la résolution originale
Codes numériques : à trouver par interpolation dans l'image originale
Deux opérations :
Transformation entre les système de coordonnées
Interpolation pour fixer les codes numériques dans la nouvelle image
x’’
y’’
Image originaleNouvelle image corrigée
x
y
Pixel P Pixel V
Nouvelle image corrigéeImage originale
Rasterisation (transformation V2R)
Construction d'une
image booléenne
(présence / absence)
Comptage du nombre
de points par pixel
1 2 0
1 1 3
1 2 1
1 1 0
1 1 1
1 1 1
2 2 0
5 4 9
4 6 1
2 1 0
5 4 2
4 3 1
2
4 3
3
1
1
54
1
2
5 2
Mode des valeurs d’un attribut
qualitatif
Somme des valeurs
d’un attribut quantitatif
Rasterisation de polylignes avec report des attributs(illustration Arc/Info)
Rasterisation de polygones avec remplissage du contenu selon l'attribut(illustration Arc/Info)
Pierre Hallot & Roland Billen
Unité de Géomatique ULg
Merci à tous pour votre attention et votre participation.
Questions restantes ?◦ N’hésitez pas à me contacter par e-mail pour des
problématiques spécifiques…
Souhait d’aller plus loin ?◦ Qui serait prêt à suivre une certificat universitaire en
géomatique ?
Organisation
Serveur
Internet
Logiciel SIG
Firewall
Base de donnée
Spatial
SIG
◦ La conception de SIG, méthode et formalismes :
http://www.lavoisier.fr/livre/notice.asp?id=3SXWXOARAL2OWM
◦ SIG: concepts, outils et données
http://www.amazon.fr/gp/search?index=books&linkCode=qs&keywords
=2746205548
◦ Les Sig Mise en Oeuvre et Applications
http://www.amazon.fr/gp/search?index=books&linkCode=qs&keywords
=2866013190
◦ Cours de SIG avancés – JP Donnay
UML
◦ De UML à SQL
http://www.editions-eyrolles.com/Livre/9782212110982/de-uml-a-sql
http://isi.developpez.com/DeUMLaSQL/