GIS 공간 데이터 모델(래스터 데이터 모델 vs 벡터 데이터 모델)(ft. 이희연 교수님의 GIS 공간지리학)

안녕하세요! 매일매일 성장을 추구하는 지리쨈입니다..!

오늘도 역시 대학원 시험 준비 공부를 하다 정리한 내용을 포스팅합니다. GIS 공간 데이터 모델에 대해 궁금해하셨던 분들 좋은 정보 찾고 가시길 바랍니다:-) 오늘도 행복한 하루 보내세요😊

 

공간 데이터 모델(이희연, GIS 지리정보학, p.155~184)

1) 공간 데이터 모델의 유형(p.160)

- GIS에서 대표적으로 가장 많이 사용되는 모델은 벡터 모델과 래스터 모델임. 연속적인 필드로 나타나는 현상들 가운데 지형의 고도를 나타내기 위해 TIN 모델이나 DEM 모델이 사용된다. 또한 최근에는 객체지향모델도 시설물 관리를 위한 데이터베이스 구축 시에 많이 사용되고 있다.

- 래스터 데이터 모델의 경우 그리드 셀이 객체의 이미지를 나타내는 블록쌓기의 기본 단위가 된다. 즉, 점, 선, 면적으로 표현되는 객체들은 셀들의 집합으로 그 형상을 표현하게 되며, 따라서 객체들이 어떤 모양으로 어떻게 나타나는가는 그리드 셀의 크기에 따라 달라질 수 있다. 고도를 나타내어야 하는 경우 높이에 따라서 명암으로 구분하여 표현할 수 있다.

- 벡터 데이터 모델의 경우 2차원상에 점(x, y)이 객체의 형상을 나타내는 블록쌓기의 기본 단위가 된다. 즉, 선과 면적은 점들의 집합체로 표현되며, 점들이 체인을 이루면서 객체의 형상을 표현하게 된다.

 

2) 벡터 데이터 모델

(1) 벡터 데이터 구조

- 벡터 데이터 모델은 실세계에서 나타나는 다양한 대상물이나 현상을 점, 선, 다각형을 사용하여 표현하는 것으로, 벡터 데이터의 구조는 객체들의 지리적 위치를 방향성과 크기로 나타낸다. 각 객체들은 그들의 지리적 위치와 속성에 의해서 데이터 구조가 설계된다.

- 객체의 경우 하나의 (x, y) 좌표에 의해 위치가 정해지는 그래픽 실체와 더불어, 점의 종류를 명시하기 위한 정보가 저장된다. 선으로 나타내는 객체의 경우 둘 또는 그 이상의 좌표와 선분으로 구성된다. 직선으로 나타나는 객체의 경우 시작과 끝나는 점(두 개의 X, Y 좌표쌍)으로 구축된다. 그러나 연속적인 복잡한 선으로 나타내어야 하는 객체의 경우 노드(node)와 버틱스(vertex)를 통해 나타내며, 굴곡이 심한 경우 더 짧은 선들의 집합으로 더 많은 체인을 통해 표현된다.

- 벡터 데이터 모델에서 폴리곤은 다양한 방법으로 구조화된다. 모든 폴리곤은 각각 독특한 모양, 둘레, 면적을 가지며, 대부분의 경우 폴리곤은 하나의 독립된 객체로 나타나는 것이 아니라 다른 폴리곤과 이웃하고 있는 경우가 많다. 또한 폴리곤 내에 마치 섬이나 호수와 같이 또 다른 폴리곤을 포함하는 경우도 발생한다. 따라서 이러한 경우 폴리곤에 대한 데이터 구조화는 매우 중요하며 이러한 데이터 구조를 토대로 하여 객체들 간의 공간관계에 대한 정보를 알 수 있다.

 

(2) 벡터 데이터 구조에서 위상관계 구축

① 스파게티 데이터 구조

- 스파게티 데이터 구조는 구조화되지 않은 그래픽 모형으로, 객체가 단지 일련의 (X, Y) 좌표에 의한 그래픽 형태(점, 선, 면적)로 저장된다. 즉, 점, 선, 다각형이 구조화되지 못한 채 단순히 일련의 좌표들의 목록으로 저장되기 때문에 객체들 간의 공간 관계에 대한 정보를 갖지 못하고 마치 국수 가락처럼 좌표들이 길게 연결되어 있다는 의미에서 스파게티 데이터 구조라고 불리운다.

- 스파게티 데이터 구조는 기하학적 특징을 나타낼 수는 있지만 객체들 간의 공간관계에 대한 정보는 입력되지 않으므로, 공간관계를 파악하기 위해서는 계산에 의해 정보를 생성하여야 하므로, 공간분석 시에는 비효율적이다. 그러나 스파게티 데이터 구조는 매우 간단하고 이해하기 쉬우며, 수치화 과정에서 위상구조를 구축하기 위한 정보가 저장되지 않기 때문에 간단한 수치지도를 제작하고 갱신하는 경우에는 오히려 효율적이다.

 

② 위상적 데이터 구조

- 위상구조(topology)는 GIS에서 매우 유용한 데이터 구조로, 위상구조를 통해 점, 선, 폴리곤으로 나타난 객체들 간의 공간관계를 파악할 수 있다. 즉 점, 선, 폴리곤으로 나타난 객체들이 위상구조를 갖게 되면 객체의 위치뿐만 아니라 주변 객체들과의 공간상에서의 관계를 인식할 수 있다.

- 위상관계란 객체들의 공간관계를 명시적으로 정의하는 것으로 객체들이 위상관계에 대한 정보를 갖고 있는 경우 유사한 성격을 갖는 다각형을 결합할 수도 있고, 중첩을 비롯한 다양한 공간분석 기능을 수행할 수 있다.

- 벡터 데이터의 위상구조가 구축되고 나면 객체들간의 인접성, 연결성, 포함성에 대한 정보를 파악하기 매우 쉽다. 인접성의 경우, 방향성과 인접에 대한 정보를 제공해준다. 연결성에 대한 개념을 보면 노드로 연결된 모든 체인들이 각각 어떻게 다른 체인들과 연결되어 있는가에 대한 정보를 갖게 된다. 포함성은 표현하기 다소 어려운 데이터 구조이나, 위상구조가 구축되고 나면 주어진 특정 폴리곤 내부에 무엇이 포함되어 있는가에 대한 정보를 알 수 있다.

- 위상구조의 특성은 공간분석에 매우 유용하다. 네트워크 분석에서 최단 경로를 찾거나 효율적인 경로를 구축하는 경우에도 유용하다. 네트워크의 위상구조는 각 교차점에 결절점이 있고, 결절점들 사이는 체인으로 연결되어 있기 때문에 경로를 찾는 것은 상대적으로 쉽다.

- 벡터 데이터에서 위상구조가 구축되면 다양한 공간분석 기능을 수행할 수 있다. 노드와 아크의 위상구조를 통해 항시 그들의 주변에 대한 공간정보를 파악할 수 있으며, 객체들 간의 공간관계가 좌표 값의 연산을 통하지 않고도 자동으로 인식되므로 빠르고 쉽게 다양한 공간분석이 이루어질 수 있다.

- 그러나 위상구조를 구축하기 위해 많은 속성 테이블이 생성되기 때문에 데이터가 갱신될 때마다 새로운 위상구조가 구축된다. 반복적인 작업에 많은 시간이 소요되므로 공간분석을 요구하지 않는 단순한 수치지도 제작 시에는 위상관계를 구축하는 것은 비효율적이다. 위상구조를 구축할 수 있는 소프트웨어의 가격은 비교적 고가이며 객체들의 관계가 위상구조를 구축하기 매우 복잡한 경우 상당한 시간이 소요된다.

 

3) 래스터 데이터 모델

(1) 래스터 데이터 구조

- 실세계의 객체를 흔히 그리드, 셀 또는 픽셀이라고 불리우는 ‘최소지도화단위’들의 집합으로 나타내는 것

- 래스터 데이터 구조의 경우 셀이 객체의 형상을 나타내는 최소 크기임. 규칙적인 공간배열로 표현되는 래스터데이터는 전체 면을 일정크기의 단위 셀로 분할하고 각 셀에 속성값을 입력하고 저장하여 연산하는 구조이다. 래스터 데이터 구조는 도면 자료를 스캐닝하거나 인공위성을 통해 수신하여 얻은 위성영상자료들이 대표적이다.

- 래스터 데이터 구조는 매우 간단하여 GIS 발달 초기부터 주로 활용되어왔다. 각 셀별로 정보의 유무에 따라 ‘1’ 또는 ‘0’으로 주어진 객체의 이미지를 저장하며, 위치정보는 행과 열에 의해 자동적으로 결정되는 매우 단순한 구조라고 볼 수 있다. 래스터 데이터의 구조는 실세계를 규칙적인 모양으로 공간분할하여 나타내는 것으로, 모든 객체는 분할된 한 픽셀에 의해 표현되기 때문에 공간분할 방식이 매우 중요하다.

- 공간분할방식에는 사각형, 육각형, 삼각형 등이 있으나 사각형의 공간분할이 가장 보편적으로 사용된다. 이는 그리드 방식의 사각형 구조의 경우 데이터의 저장형태가 행렬방식이므로 좌표체계를 정의하기 쉽고, 각 픽셀을 세분할 경우 동일한 형태와 크기로 나눌 수 있기 때문이다. 그러나 사각형 구조의 경우 이웃하는 픽셀과의 거리가 대각선 방향과 가로, 세로 방향과 차이가 난다는 문제점을 안고 있다.

- 육각형 구조와 삼각형 구조는 모든 인접한 픽셀과의 거리가 일정하다는 장점은 있으나 각 픽셀을 세분할 경우 동일한 형태와 크기로 하위 픽셀을 구축하기 힘들고, 좌표체계를 정의하는 것도 상당히 어려워 파일 구조가 매우 복잡해진다는 문제점이 있다. 따라서 특별한 경우가 아니면 사각형의 그리드 공간분할 방식이 주로 사용되고 있다.

- 래스터 데이터 구조의 가장 큰 문제점은 객체의 형상이 인위적인 셀 형태로 표현되기 때문에, 객체의 형상이 사각형이나 각이 진 모양인 경우를 제외하고는 대부분의 객체의 형상과 크기가 부정확하게 나타나게 된다는 점이다. 기존 지도가 래스터 데이터 모델로 구축되면서 공간적 정확성이 얼마나 떨어지는가를 알 수 있다.

- 선 모양의 객체는 래스터 데이터로 변환되면서 공간적 부정확성에 더욱 노출된다. 선형의 도로가 래스터 데이터 구조로 변환되면서 모양의 변화와 최소단위 셀 크기로 인해 선의 굵기가 증가되었고, 경로는 계단형식으로 변화되었음을 알 수 있다. 래스터 데이터 구조는 객체의 형상을 일반화시키고 공간적 부정확성과 분류의 부정확성을 가져온다. 이러한 오차는 데이터의 사용목적에 따라 상당히 심각할 수도 있다. 이러한 오차를 줄이는 해결방법은 공간 해상도를 높여서 셀의 수를 증가시키는 것이다.

- 상대적으로 작은 수의 셀을 이용하는 장점은 데이터 처리 시간이 빠르며 분석이 쉽게 수행됨. 공간해상도가 높을 경우 객체의 형상을 보다 정확하게 나타낼 수 있으므로 지도화와 공간분석 시에 선호되고 있음. 그러나 많은 수의 셀을 처리하는데 드는 시간과 큰 저장 용량을 필요로 하게 됨.

- 일반적으로 래스터 데이터 구조에서 각 셀은 지리적 위치를 나타내는 속성값을 갖게 됨. 그러나 경우에 따라서는 특정한 객체가 갖고 있는 속성을 나타낼 필요가 있음. 이러한 경우 객체에 대한 비위치적 속성값을 입력하기 위해서는 객체의 특성을 나타내는 다양한 속성값을 서로 다른 레이어로 구축하여 각 레이어의 셀에 특성을 나타내는 속성값을 입력하여야 한다. 이렇게 입력된 데이터를 토대로 하여 명암, 패턴, 색상으로 래스터 주제도를 만들 수 있다.

- 래스터 데이터 구조의 경우 셀 위치 자체가 지리적 위치에 대한 정보를 가지고 있다. 일반적으로 좌상점과 우하점이 지리적 위치를 나타내는 기준점이 된다. 래스터 데이터 구조에서 모델링이나 중첩과 같은 공간분석이 용이하게 이루어지는 것은 바로 동일하게 공간분할된 구조 하에서 각 셀은 동일한 좌표계를 가지게 되며, 주제별로 구축된 레이어는 정확하게 중첩될 수 있기 때문이다.

 

(2) 래스터 데이터의 압축 방법

- 래스터 데이터 구조의 경우 공간해상도가 높을 경우 셀의 수가 엄청나게 많기 때문에 파일이 차지하는 용량은 상당히 크다. 하나의 레이어 내에 동일한 속성값을 갖는 셀의 수가 상당히 많은 부분을 차지하는 사례가 많다. 따라서 같은 속성값을 갖는 셀들을 적절한 표현방법을 통해 압축함으로써 파일의 저장용량을 크게 줄일 수 있다.

- 래스터 데이터를 압축시키는 방법들: 런-랭스 코드, 쿼드트리, Chain codes, Block codes

 

4) 벡터 데이터와 래스터 데이터의 호환

(1) 벡터 데이터 모델과 래스터 데이터 모델의 장·단점

① 래스터 데이터 모델의 장·단점

장점
㉠ 상대적으로 데이터 구조가 단순하다. 각 셀에 하나의 숫자(코드로 기록됨)를 가진 그리드 셀로 표현
㉡ 각 셀에 속성값이 코드화되었기 때문에 지도 중첩이나 근접 등의 공간분석을 쉽고 빠르게 처리 가능
㉢ 인공위성 영상 자료와 연계가 용이하며 GIS로 쉽게 통합됨
㉣ 다양한 모델링 작업을 쉽게 수행할 수 있음. 래스터 데이터의 셀 값은 다양한 공식의 입력자료로 사용

단점
㉠ 시각적 효과도 떨어지며 공간적으로 부정확함
㉡ 일반화에 의해 발생한 공간적 부정확성이 발생함.
㉢ 벡터 데이터 모델과 비교해볼 때 상대적으로 해상도가 낮음
㉣ 아무것도 존재하지 않더라도 각 셀이 모두 코드화되어 많은 컴퓨터 저장용량을 필요로 함. 특히 고해상도의 그리드의 경우에 더욱 많은 용량을 필요로 함.

 

② 벡터 데이터 모델의 장·단점

일반적으로 래스터 모델이 지닌 장점은 벡터 데이터 모델이 안고 있는 단점이 되는 반면에, 래스터 데이터 모델이 갖고 있는 단점은 벡터 데이터 모델이 지닌 장점이 됨.

장점
㉠ 좀 더 지도와 비슷함. 시각적 효과가 높으며, 실세계의 묘사가 가능함
㉡ 고해상력을 지원하기 떄문에 결과물을 보다 상세하게 표현할 수 있으며 높은 공간적 정확성 제공
㉢ 위상관계를 나타낼 수 있음. 래스터 데이터 모델이 제공하지 못하는 고유한 장점
㉣ 저장 공간을 적게 차지하며 저장 능력이 우수함. 벡터 데이터가 노드와 버틱스로 정의되기 때문.
㉤ 공간 객체에 대한 속성정보의 추출, 일반화, 갱신이 매우 용이함.
⇒ 벡터 데이터 모델은 GIS 사용자들에게 보다 더 선호되고 있으며 특히 데이터의 공간적 정확성이 요구되는 프로젝트에서는 더욱 선호되는 데이터 모델임.

단점
㉠ 벡터 데이터 구조는 복잡하며 래스터 데이터 구조보다 관리가 어려움
㉡ 데이터를 수정하는 경우, 좌표값과 연결성 등을 수정하여야 함. 보다 기술적인 지식을 요구함.(노드와 버틱스 좌표의 긴 배열로 저장되어 있기 때문)
㉢ 벡터 데이터 모델 기반의 GIS는 보다 값비싼 하드웨어와 소프트웨어가 요구되기 때문에 초기 비용이 많이 드는 편임
㉣ 중첩을 비롯한 다양한 공간분석 기능을 수행하는 경우 공간연산이 상대적으로 어렵고 시간이 많이 소요

 

(2) 벡터 데이터와 래스터 데이터간의 호환(p.182)

- 호환할 수 있으며 필요에 따라 통합해서 사용할 수도 있다. 일례로 래스터 데이터를 배경으로 하여 그 위에 벡터 데이터를 중첩시켜 사용할 수 있다.

- 래스터 데이터를 벡터 데이터 구조로 변환하는 것을 벡터화라고 하며, 반대로 벡터 데이터를 래스터 데이터 구조로 변환하는 것을 래스터화라고 함. 일반적으로 벡터 데이터를 래스터 데이터로 변환하는 것은 상대적으로 간단하지만 이러한 변환으로 인해 데이터의 손실이 발생하고 무엇보다 공간적 정확성이 떨어지게 된다. 반면에 래스터 데이터를 벡터 데이터 구조로 변환하는 경우 데이터의 손실이나 정확도가 크게 떨어지지는 않지만, 변환과정이 훨씬 복잡하고 시간도 많이 걸리며 정교한 작업이 요구된다. 뿐만 아니라 변환 알고리즘 유형에 따라 결과물이 다르게 나타나는 경우도 발생한다.

- 래스터화하는 방법은 먼저 벡터 데이터를 동일한 격자로 분할한 후에 각 셀의 중심점에 벡터 데이터의 속성 값을 부여하면 래스터 데이터 구조로 변환된다. 벡터화하는 방법은 각 셀이 가지고 있는 속성을 토대로 하여 동일한 속성을 갖는 셀들을 합하여 동일한 벡터 형상을 구축한 후에 각각의 형상에 부합되는 속성 값을 부여하면 된다.

- 문제점들에도 불구하고 래스터 데이터는 종종 벡터 데이터로 변환하여 사용하는 경우가 많다. 특히 지도를 플롯터를 이용하여 출력하는 경우에는 반드시 벡터화하고 있다. 이는 플롯터 자체가 벡터 데이터를 지원하기 때문이며, 플롯터는 프린트보다 빠르고 쉽고 선명하게 벡터화된 그래픽 데이터를 출력해내기 때문이다.

- 래스터 데이터를 벡터화하는 또 다른 이유는 벡터 데이터는 객체들이 마치 지도와 유사하게 보이기 때문에 일반인들이 쉽게 지도를 이해할 수 있으며, 시각적 효과가 매우 높기 때문이다. 경우에 따라서는 객체들 간의 위상관계를 구축하기 위하여 벡터화하기도 한다.