Un concepto central de SIG es responder preguntas sobre conjuntos de datos. Desde el punto de vista de una base de datos; SQL con extensiones espaciales es una forma de hacer tales preguntas. ¿De qué otras maneras se pueden expresar las preguntas en un formato basado en texto legible por máquina? ¿Cuáles son los beneficios de los diferentes enfoques?
geoprocessing
analysis
Matthew Snape
fuente
fuente
Respuestas:
Solo puedo pensar en 3 tipos de consultas espaciales, ignorando cualquier atributo o consultas basadas en hash.
Consultas espaciales basadas en la geometría, y se utilizan para encontrar las relaciones entre entidades vectoriales. Las consultas espaciales de SQL son realmente solo un algoritmo de API de bajo nivel como Bentley-Ottmann , utilizado en OpenLayers para verificar si dos líneas se cruzan.
Como Kirk mencionó, los tipos de relación entre características se han estandarizado en el modelo de nueve intersecciones dimensionalmente extendido :
Se puede argumentar que las consultas espaciales basadas en índices son una forma simplificada de consultas de geometría. La mayoría de las consultas de geometría usan un índice espacial como una consulta de primer paso para filtrar características irrelevantes antes de comparar geometrías individuales, lo que consume más tiempo. Estos también se implementan en bases de datos NoSQL como MongoDB .
Hay algunas implementaciones que combinan lo anterior, como StarSpan que combina consultas de ráster y de vectores, aunque realmente oculta un paso de preprocesamiento.
Existen numerosas API que implementan este tipo de consultas que son legibles tanto por máquina como por texto. Hay una buena discusión sobre las distintas aplicaciones y sus problemas aquí .
El documento Towards a 3d Spatial Query Language divide los operadores espaciales en 4 tipos, en función de la consulta en lugar del tipo de datos (lo que quizás tenga más sentido):
También trae terminología para tratar con características 3D (cuerpo y superficie), que no están incluidas en DE-I9M.
fuente
1 - Hay algunos estudios con este software: http://nlp.uned.es/MLQA06/papers/ferres.pdf
A pesar de que está más relacionado con las búsquedas en Internet, podría proporcionar alguna orientación sobre cómo traducir el lenguaje humano al lenguaje de computadora.
Buscar en Google 'GeoTALP-Q' también proporciona más artículos sobre el tema.
2- GeoDjango proporciona una API para consultas espaciales, es una traducción de SQL a un lenguaje orientado a objetos que puede acelerar mucho trabajo tedioso como escribir funciones PL / python para consultas espaciales complejas. Está limitado por la base de datos que usa.
fuente