地理数据表达方式学习—

地理数据表达方式学习——KML与SHP

一、KML-Keyhole Markup Language

Keyhole Markup Language (KML)是一种XML符号，用于浏览器中二维地图和三维地球的地理注释和地理可视化（地理数据包括点、线、面、多边形、多面体以及模型等）。KML是伴随着Google Earth的使用而开发的，Google Earth是第一个能够查看和图形化编辑KML文件的程序。KML于2008年成为开放地理空间联盟的国际标准，其逐渐成为很多GIS相关企业进行地理数据交换的格式[1]。

二、SHP-Shapefile

ESRI Shapefile（shp），或简称shapefile，是美国环境系统研究所（ESRI）开发的空间数据开放格式，是能够在ESRI与其他公司的产品之间进行数据互操作的交换格式。目前，该文件格式已经成为了地理信息软件界的开放标准。Shapefile属于一种矢量图形格式，它能够保存几何图形的位置及相关属性，但没法存储地理数据的拓扑信息[2]。

Shapefile文件指的是一种文件存储的方法，实际上该种文件格式是由多个文件组成的。其中，要组成一个Shapefile，有三个文件是必不可少的，它们分别是".shp", ".shx"与 ".dbf"文件（表示同一数据的一组文件其文件名前缀应该相同）。除了这三个必须的文件以外，还有八个可选的文件，使用它们可以增强空间数据的表达能力。值得注意的是，Shapefile的所有文件都必须位于同一个目录之中[2]。

Shapefile图形格式（.shp）是Shapefile的主文件，其包含了地理参照数据。该文件由一个定长的文件头和一个或若干个变长的记录数据组成。每一条变长数据记录包含一个记录头和一些记录内容。主文件头包含17个字段，共100个字节，其中包含九个4字节（32位有符号整数，int32）整数字段，紧接着是八个8字节（双精度浮点数）有符号浮点数字段[2]。

二、三维线矢量数据结构分析

本实验基于ArcGIS软件（ArcScene）对三维线矢量数据结构进行了查看并尝试基于GeoPandas库进行三维线矢量的模拟生成且利用CloudCompare开源软件进行模拟三维线矢量数据可视化，其旨在探索三维线矢量生成方法并针对三维线矢量进行结构分析。

（一）获取三维曲线矢量数据并可视化

（二）查询三维曲线矢量数据的数据结构表达

由图六及图四图形类型表可知，该三维曲线矢量数据的几何图形类型为LINESTRING Z，其存储序列为位于计算曲线上的多个XYZ三维点坐标。熟悉GIS矢量数据结构的学者都应该知道，线是由点构成的，其在数据结构上表现的就是一连串有序排列的点[4]。

（三）基于GeoPandas生成模拟曲线数据的矢量化文件

详细代码详见参考资料[4]，此处仅作为简单实验以验证操作可行性。

import geopandas
import numpy as np
from shapely.geometry import LineString

# 制造模拟直线数据
LineDataX = np.array([i*3 for i in range(10)])
LineDataY = np.array([i*3 for i in range(10)])
LineDataZ = np.array([i*3 for i in range(10)])
LineDataXYZ = np.vstack((np.vstack((LineDataX,LineDataY)),LineDataZ)).T
# 创建并保存三维直线矢量数据
# 无论矢量线条的数量为多少，均需要将每一条LINESTRING Z存于一个列表之中
line = [LineString(LineDataXYZ)]
geoDataFrame = geopandas.GeoDataFrame(geometry = line)
geoDataFrame.to_file("test.shp")