空间数据结构与数据库数据模型范文.docx
《空间数据结构与数据库数据模型范文.docx》由会员分享，可在线阅读，更多相关《空间数据结构与数据库数据模型范文.docx（39页珍藏版）》请在冰豆网上搜索。
空间数据结构与数据库数据模型范文
三、空间数据结构与GIS数据模型
地理信息系统所处理的数据与一般事务性信息系统如银行管理系统、图书检索系统不同。
GIS的数据处理不仅包括所研究对象的属性关系，还包括研究对象的空间位置以及空间拓扑关系等信息，数据量大，结构复杂。
因此，人们对GIS中的数据结构和数据模型进行了大量的研究，并发展了一整套空间数据处理的算法。
一、空间数据结构的概念
数据结构是指数据的组织形式，可以分为抽象数据结构（或称逻辑结构）和数据存贮结构（或称物理结构）来进行研究。
所谓抽象数据结构是指人们仅从概念上描绘数据之间的排列和联系，而并不涉及数据和具体程序管理细节。
数据存贮结构则是为实现某一抽象数据结构而具体设计的数据存贮管理方式.是依照任务的不同，软件系统和设计者的不同而改变的，具有一定的特殊性，是前者的一个具体实现。
地理空间数据在GIS中的流向可以认为经历了四个阶段。
用户认知的数据结构输入GIS系统后转换成为GIS空间数据结构，然后，为有效地进行数据管理，将其转化为数据库结构，最后按某种特定程式以硬件结构写入存贮介质。
上述流程即为数据的输入过程。
地理空间实体可以抽象为点、线、面三种基本地形要素来表示它的位置、形状、大小、高低等。
---点（零维）：
又称为元素或像元，是一个数据点，具有一对（x，y）坐标相至少—个属性，逻辑上不能再分。
这里所谓逻辑上不能再分是指抽象的点而不是几何点，因为事实上抽象的点可以是实体线段或面块，对某个比例尺或图像分辨率而言，它们可以被抽象为以一对坐标表示的数据点。
---线：
是由一个（x,y）坐标对序列表示的具有相同属性的点的轨迹。
线的形状决定坐标对序列的排列顺序，线上每个点有不多于二个邻点。
地理实体，如河流、道路、地形线、公共设施走廊、区域边界、地质界线等均属线状地物，其特点是线上各点有相同的公共属性并至少存在一个属性。
---面：
是以（x,y）坐标对的集合表示的具有相同属性的点的轨迹。
面的形状不受各点坐标对排列顺序的影响。
凡是面的内部点可以有多于三个的邻点，面内每个点应至少具有一个相同属性。
土壤、植被、行政区划、岩石分类等地理实体属面状地物。
如果顾及平面位置与高程位置结合起来所构成的空间数据模型则还应考虑三维的体元素，作为点、线、面三个基本地形要素的—个外延。
总之，从几何上讲，人们正是通过上述这些基本要素构成了对各种地理实体的认识结构。
地理信息系统空间数据结构就是指空间数据的编排方式和组织关系。
空间数据编码是空间数据结构的实现。
目的是将图形数据、影像数据、统计数据等资料，按一定的数据结构转换为适用于计算机存储和处理的过程，不同的数据源，其数据结构相差很大，同一数据源，也可以用许多方式来组织数据，按不同的数据结构去处理，得到的截然不同的内容。
如下图所示为用这两种数据结构来表示同一块由不同土壤结构构成的土地。
图中（a）的土壤结构是由一组具有起终点坐标的线段和必要的连接指针构成。
因为表示物件的线段有方向性，所以称之为矢量结构。
线段端点的指针表明了这些线段应如何连接在一起才能形成相应地块。
这种结构可以表述为:
地块矢量组连通性
图中（b）的土壤结构是由格网中某一部分的像元或称栅格集合所构成，所以称之为栅格结构。
在同一集合中的像元都具有同样的编码“a”或“b”或“c”等。
实际上这些值本身并不一定显示出来，通常它们可能只代表某一符弓或是某种颜色或是影像灰度,这种结构可以表述为：
地块符号／颜色像元
图:
用矢量结构或栅格结构表示同一地块的例子
从上所述,空间数据的结构有矢量数据结构和栅格数据结构两种形式。
目前大多数GIS软件均结合了这两种数据结构，或采用混合数据结构或采用矢栅一体化结构。
GIS的空间数据结构在计算机系统中的实现通常是通过空间数据编码的方法进行的。
由于GIS数据量极大,一般需要采用压缩数据的编码方式以减少数据冗余。
一些常用的编码方式有:
矢量数据结构编码方式:
坐标系列编码、层次索引编码、拓扑结构编码等
栅格数据结构编码方式：
链码、直接栅格编码、游程长度编码、块码、四叉树码等
计算机存储和处理数据的效率，在很大程度上取决于数据组织方式的优劣。
数据结构在GIS中对于数据采集、存储、查询、检索和应用分析等操作方式有着重要的影响。
一种高效率的数据结构，应具备几方面的要求：
1组织的数据能够表示要素之间的层次关系，便于不同数据联接和覆盖。
2正确反映地理实体的空间排列方式和各实体间相互关系。
3便于存取和检索。
4节省存贮空间，减少数据冗余。
5存取速度快，在运算速度较慢的微机上要达到快速响应。
6足够灵活性，数据组织应具有插入新的数据、删除或修改部分数据的基本功能。
空间数据结构选择对于GIS设计和建立起着十分关键的作用，只有充分理解了GIS的特定的数据结构，才能正确有效地使用系统。
A栅格数据结构
一、栅格数据的基本概念
栅格数据是最简单、最直观的一种空间数据结构，它是将地面按一定分辨率划分为均匀的网格，每个网格作为一个像元，像元的位置由所在行、列号确定，像元所含有的代码表示其属性类型或仅是与其属性记录相联系的指针。
在地理信息系统中，扫描数字化数据、遥感数据、数字地面高程数据（DTM）网格化后的物化探数据以及矢量－栅格转换数据等都属于栅格数据。
在栅格结构中：
●点用一个像元来表示；
●线状地物用沿线走向的一组相邻像元来表示。
由线的定义可知，每个线上的像元最多只有两个相邻像元在线上。
●面状地物或区域则用具有相同属性的相邻像元集合表示。
由面的定义可知，每个像元可以有两个以上的相邻像元属于同一区域。
来自遥感、数字摄影测量的数据屑于典型的栅格结构。
如遥感影像像元的数值表示该影像的灰度等级。
因为在栅格结构中，是将地面分划成相互邻接的大小均匀格网方块，然后使每—地块与一个栅格像元相对应。
因此，由栅格结构所表示的地表数据是不连续的，是经过量化的离散值，而每一个像元大小与它所代表的实地地块大小之比就是栅格数据的比例尺。
这样，在使用栅格数据计算面积、长度、距离、形状等空间指标时，若像元所代表的实地地块尺寸较大，则会造成较大的计算误差，误差随像元的增大而增加。
二、栅格数据层的概念
地理信息系统对现实世界的描述可以以地理空间位置为基础，按道路、行政区域、土地使用、土壤、房屋、地下管线、自然地形等不同专题属性来组织地理信息。
地理数据在栅格数据结构中必须分层组织存储：
在栅格数据结构中，物体的空间位置就用其在笛卡尔平面网格中的行号和列号坐标表示，物体的属性用像元的取值表示，每个象元在一个网格中只能取值一次，同一像元要表示多重属性的事物就要用多个笛卡尔平面网格，每个笛卡尔平面网格表示一种属性或同一属性的不同特征，这种平面称为层。
每一层构成单一的属性数据层或专题信息层：
例如同样以线性特征表示的地理要素，河流可以组织为一个层，道路可以作为另一层，同样以多边形特征表示的地理要素，湖泊可以作为一个层，房屋可以作为另一层，根据使用目的不同，可以确定需要建立哪些层及需要建立哪些描述性属性。
在下图中，左边是现实世界按专题内容的分层表示，第三层为植被，第二层为土壤，第一层为地形，中间是现实世界各专题层所对应的栅格数据层。
右图是对不同栅格数据层进行叠加分析，并得出分析结论。
图:
栅格数据的分层与叠合分析
三、栅格数据取值
栅格数据通常有下述几种途径的得到
1）格网法取值
2）矢量结构转化为栅格数据
3）扫描法
4）遥感影象数据
格网法是是在专题地图上均匀地划分网格，每一网格覆盖部分的属性数据，即为该网格栅格数据的取值。
但是常常会遇到一些特殊的情况，同一网格可能对应地图上多种专题属性，而每一个单元只允许取一个值，目前对于这种多重属性的网格，有不同的取值方法：
图:
栅格数据取值方法
●中心归属法：
每个栅格单元的值以网格中心点对应的面域属性值来确定，如图中（a）所示。
●长度占优法：
每个栅格单元的值以网格中线（水平或垂直）的大部分长度所对应的面域的属性值来确定，如图中（b）所示。
●面积占优法：
每个栅格单元的值以在该网格单元中占据最大面积的属性值来确定，如图中（c）所示．
●重要性法：
根据栅格内不同地物的重要性程度，选取特别重要的空间实体决定对应的栅格单元值，如稀有金属矿产区，其所在区域尽管面积很小或不位于中心，也应采取保留的原则，如图中（d）所示。
四、栅格数据文件的组织方法
假定基于笛卡尔坐标系上的一系列叠置层的栅格地图文件已建立起来，那么如何在计算机内组织这些数据才能达到最优数据存取、最少的存储空间、最短处理过程呢？
如果每一层中每一个象元在数据库中都是独立单元即数据值、象元和位置之间存在着一对一的关系，按上述要求组织数据的可能方式有三种:
●l）以象元为记录的序列。
不同层上同一象元位置上的各属性值表示为一个列数组（图a）。
●2）以层为基础。
每一层又以象元为序记录它的坐标和属性值，一层记录完后再记录第二层（图b）。
这种方法较为简单，但需要的存储空间最大。
●3）以层为基础，但每一层内则以多边形（也称制图单元）为序记录多边形的属性值和充满多边形的各象元的坐标（图C）。
三种方式的优缺点：
方法
（1）节省了许多存储空间，因为N层中实际只存储了一层的象元坐标：
方法（3）则节省了许多用于存储属性的空间，同一属性的制图单元的n个像元只记录一次属性值。
它实际上是地图分析软件包中所使用的分级结构。
这种多像元对应一种属性值的多对一的关系，相当于把相同属性的像元排列在一起，使地图分析和制图处理较为方便；这种方法很适合应用压缩编码的方法来存贮数据，通常多采用链码、行程编码、块码和四叉树码等方法。
方法
（2）则是每层每个像元一一记录，它的形式最为简单。
图:
栅格数据文件的组织方式
五、栅格数据存储的压缩编码
1．直接栅格编码
直接栅格编码是最简单最直观而又非常重要的一种栅格结构编码方法，通常称这种编码的图像文件或栅格文件。
直接编码就是将栅格数据看作一个数据矩阵，逐行（或逐列）逐个记录代码，可以每行都从左到右逐象元记录，也可奇数据行从左到右，而偶数行由右向左记录，为了特定目的还可采用其它特殊的顺序。
如右图所示的栅格结构就可以记录成：
7，7，7，6，6，6，6，6，7，7，7，7，7，6，6，6，7，7，7，7，7，7，6，6，4，4，4，7．6，6，6，6，4，4，4，4，4，6，6，6，4，4，4，6，5，5，6，6，0，O，4，4，6，6，6，6，0，0，1，0，6，6，0，0。
2．链式编码
链式编码又称为弗里曼链码（Freeman，1961）或边界链码。
它用一个起点和一系列在基本方向上的单位矢量描述出线状地物或区域边界。
所采用的基本方向可以事先定义。
例如．我们可以定义基本方向为：
东＝0，北＝1，西＝2，南＝3，则如右图所示的属性代码为6的线状地物，其位置可以表示为：
1，4，3，2，3，2，32，02，3，0，3，03。
其中前二个数字1和4表示起点为第1行第4列，从第3个数字起每个数字表示单位矢量的方向。
数字的上标表示单位矢量的前进量。
这里将单位矢量的长度默认为一个栅格像元。
当然,我们也可以采用8个基本方向码进行编码.
链码可以有效地压缩栅格数据，尤其是对于计算面积或长度或转折方向的凸凹度等运算较为方便，比较适合存贮图形数据。
缺点是在进行叠加操作时，对边界的合并和插入等修改编辑工作比较困难。
对局部的修改要涉及改变整体结构。
因此效率较低。
另外，由于链码是以每个区域为单位存贮边界，所以相邻边界将被存贮两次而产生数据冗余，这些问题使链码的应用受到一定限制。
3．行程编码
我们知道,在同一面元区域内，相邻像元的属性代码值是相同的，这样就非常适合于用压缩的编码方式.将相邻等值的像元合并，记录下行程长度和代码值，这种方法称为行程编码。
通常有两种行程编码方案可实现对数据的压缩:
一种编码方案是行程长度编码，即在进行行列扫描过程中只在各行（或列）数据的代码发生变化时依次记录该代码以相同代码出现的个数（长度），从而实现数据的压缩。
例如对右图所示的栅格数据，可进行如下行程编码：
（7，3），（6，5）,（7，5），（6，3），（7，6），（6，2），（4，3），（7，1），（6，4），（4，5），（6，3），（4，3），（6，5），（0，2），（4，2），（6，4），（0，4），（6，2），（0，2）。
这些只用了38个整数就可以表示右图所示的栅格数据．而前述的栅格矩阵法中直接编码记录需要64个整数表示，可见行程编码压缩数据是十分有效且简便的。
实际上，栅格图像的复杂程度直接影响到行程编码的压缩比，图形变化少．则行程数就少，压缩效率就高，反之压缩比就低。
另一种编码方案是行程起始编码（或行程终止编码）,即在逐行（或列）记录属性代码时，仅记录下发生变化的位置和相应代码，可得到行程起始编码为：
（1，7），（4，6），（1，7），（6，6），（1，7），（7，6），（1，4），（4，7），（5，6），（1，4），（6，6），（1，4），（6，6），（1，4），（4，6），（1，0），（3，4），（5，6），（1，0），（5，6），（7，0）。
行程编码具有压缩效率高、易于检索、运算简单等优点，区域越大、数据相关性越强则该法节省存贮空间越多。
这适用于计算机存贮容量小，且数据需大量压缩，而又要避免复杂的编码解码运算增加处理和操作时间的情况。
这种编码方法减少了栅格数据库的数据输入量，但计算期间的处理和制图输出处理工作量都有所增加。
4．块式编码
块式编码是将行程编码扩大到二维的情况，把多边形范围划分成由象元组成的正方形，然后以正方形为单元对各个正方形进行编码。
图右图所示对多边形进行分块和编码。
块式编码的数据结构中包括3个数字：
块的原点坐标（可以是块的中心或块的左下角象元的行、列号）和块的大小（块包括的象元数或块的半径），再加上记录单元的代码组成。
这种变换过程称为中轴变换。
（1，1，3，7），（1，4，1，6），（1，5，1，6），（1，6，2，6），（1，8，l，6）；（2，4，2，7），（2，8，l，6）,（3，6，1，7），……
一个多边形所能包含的正方形越大，多边形的边界越简单，块式编码的效果就越好。
行程和块式编码都对大而简单的多边形更有效，而对那些碎部仅比象元大几倍的复杂多边形效果并不好。
块式编码即中轴变换的优点是多边形之间求并及求交都方便；探测多边形的延伸特征也较容易。
但对某些运算不适应，必须再转换成简单栅格数据形式才能顺利进行。
5．四叉树编码
四叉树编码是以栅格数据二维空间分布的特点，将整个图像区域按照四个象限进行递归分割（2nX2n）最后逐步分解为一系列被单一类型区域内含的方形区域，所分解的最小方形区域为一个栅格像元。
按照象限递归分割的原则，所分图像区域的栅格阵列应为2nX2n（n为分割的层次数n＞1）的形式，无论分割到哪一层的象限，只要子象限上仅含一种属性代码或符合既定要求的少数几种属性时，则停止继续分割，否则就一直分割到单个像元为止。
这样最后可得到一棵四分叉的倒向树。
四叉树编码正是通过这种树状结构来记录和压缩栅格数据，并通过这种结构实现查询、修改和量算等操作。
因此，四叉树编码法不仅能压缩数据，还可提高图形操作的效率。
右图是对前述栅格数据经过四叉树编码得到的四叉树。
在图（a）中各子象限的大小不同，它们是由组成该子象限的具有相同代码的栅格像元构成的子块而决定的。
图（b）中最上面的结点称作根结点。
它对应于整个图形区域。
在这个例子中，总共划分出四层结点。
每层结点对应于不同尺寸的子象限。
如第二层的4个结点对应于整个图形区域的四个象限:
西北（NW）象限＝2
东北（NE）象限=3
西南（SW）象限＝0
东南（SE）象限＝1
若某子象限仅含一种属性代码时，就不冉继续划分，即被记为叶结点或终止结点。
叶结点可以落在任意层上,它表示的区域仅具有某一类型的地物或符合既定要求的少数几种地物。
图（b）所示的四叉树结构中，共有43个叶结点．这说明原栅格数据图被划分
为43个大小不等的子象限。
每个叶结点下的数字表尔该子象限代表区域的属性代码。
每个结点上方的数字表示该子象限的地址编号。
上图中,共分割层次数n＝3．所得到四叉树的最大层数为n十l＝4。
也就是说，若象限递归分割层次数为n，则可得到结点的最大层次数为n十1。
从对上述图形的四叉树编码过程中可见，位于结点层次较高的子象限尺寸也较大，说明其分解深度小，也即分割次数少；而低层次上的象限尺寸就较小，反映其分解深度大即分割次数多。
这样编码后，可反映出整个图形区域的空间地物分布情况，在某些位置上单一地物分布较广，则采用较少的分割次数；在地物较复杂，变化较大的区域，则用加深分解深度，增加分割次数的方式编码。
所以，采用四叉树编码方法能够自动地依照实际图形区域的地物分布情况而调整象限分割的尺寸和疏密，从而产生较高的数据压缩效率。
一种四叉树编码的方式被称为指针四叉树（或常规四叉树），即通过在子结点和父结点之间设立指针的方式建立起整个结构。
按这种方式,四叉树的每个结点通常存储6个量．即四个子结点指针、一个父结点指针相该结点的属性代码。
这种方法除了要记录叶结点外．还要记录中间结点，一般要占用较大存储空间。
但是另一方面，指针四叉树虽然增加了—些存储量，却换取了处理上的简便和灵活，例如，要将相邻的四块四叉树合并成一棵新树，对指针四叉树来说就十分容易，只要将这四块四叉树作为新树的子树，使它们的根结点指针指向一个共同的根结点就行了。
因此，指针四叉树对于数据检索、多要素叠置分析和求实体间的空间关系等操作都很方便。
在GIS中．还经常采用一种能以较小数据冗余存贮图形图像，而且又能方便地完成各种图形图像操作的编码方式,即所谓线性四又树方法，该方法记录从根结点至叶结点的路径以及叶结点的属性代码，即仅记录每个结点的地址、深度和属性代码三个量。
这种方法较指针四叉树节省存储量，并且由于记录了结点地址,就能够直接找到其在四叉树中的走向路径，也可以换算出栅格区域中的行列位置。
通常定义从根结点到叶结点的路径可以按照象限递归分割的顺序编号进行。
无论分割到哪一层，总是用0、1、2、3分别表示SW、SE、NW、NE四个象限的编号，只是每个子象限子结点编号的前缀必须为其父象限（父结点）的编号，如右图所示。
通常每个叶结点的地址编号在计算机中是用二进制数来表示的，在每一层上的象限位置（0、1、2、3）均可用两位二进制数写出。
例如，0记作二进制数00，1记作二进制数01,2和3分别记作二进制10和11。
则编号为213的子象限（叶结占）的地址可用二进制表示为；
编号213—
这样，记录了各个叶结点的地址，再记上各自相应的属性代码值就记录了整个图像,并可在此基础上进行多种图像操作。
实际上，为了得到四叉树叶结点的地址码还可以来用一种被称为Morton码的方法直接得到。
四叉树编码法有许多有趣的优点：
1容易而有效地计算多边形的数量特征：
2阵列各部分的分辨率是可变的，边界复杂部分四叉树较高，即分级多，分辨率也高，而不需要表示许多细节的部分则分级少，分辨率低，因而既可精确表示图形结构又可减少存储量；
3栅格到四叉树及到四叉树到简单栅格结构的转换比其他压缩方法容易；
4多边形中嵌套异类多边形的表示较方便。
四叉树编码的不足之处是转换的不定性，同一形状和大小的多边形可能得出多种不同的四叉树结构，故不利于形状分析和模式识别。
但因它允许多边形中嵌套多边形即所谓“洞”的结构存在，使越来越多的GIS工作者对四叉树结构很感兴趣。
上述这些压缩数据的方法应视图形的复杂情况合理选用，同时应在系统中备有相应的程序。
另外，用户的分析目的和分析方法也决定着压缩方法的选取．
前面讨论了5种栅格数据编码方法。
一般说来，对数据的压缩是以增加运算时间为代价的。
在这里时间与空间是一对矛盾。
为了更有效地利用空间资源，减少数据冗余，有时不得不多费一些机器运算时间进行编码以及进行较为复杂的图形运算。
一个好的压缩编码方法就是要在尽可能减少运算时间的基础上达到最大的数据压缩效率，并且使算法适应性强，易于实现。
栅格矩阵法简单明了可直观地反映栅格图像数据，但是数据冗余太大；链
码的压缩放率较高，已接近矢量结构，对边界的运算比较方便，但是不具备区域的性质，区域运算较困难；行程编码既可在很大程度上压缩数据，又可较大限度地保留原始栅格结构、而且编码解码也较为容易；块码和四叉树编码部具有区域性质，而且有可变的分辨率，压缩效率比较高。
四叉树编码可以直接进行大量的图形图像运算，效率高，使用也日益广泛。
当前，在四叉树编码的基础上，对三维栅格数据己开始发展所谓八叉树编码方法。
B矢量数据结构
一、矢量数据结构
矢量数据结构是通过记录坐标的方式，用点、线、面等基本要素尽可能精确地来表示各种地理实体。
矢量数据表示的坐标空间是连续的，因此可以精确定义地理实体的任意位置、长度、面积等。
如前所述，其显示精度较栅格结构高。
事实上，它主要受数字化设备的精度和数值记录字长的限制。
在矢量结构中．对于点实体只是记录其在某特定坐标系下的坐标和属性代码,可以将其空间数据和属性数据结合在一起，将点的坐标直接作为点实体的两个属性值对待。
在对线实体进行数字化时，就是用一系列足够短的直线段首尾相接表示一条曲线，当曲线被分割成多而短的线段后,这些小线段可以近似地看成直线段，而这条曲线也可以足够精确地由这些小直线段序列表示。
在矢量结构中，只记录这些小线段的端点坐标，将曲线表示为一个坐标序列，坐标之间认为是以直线段相接，在某一精度范围内可以逼真地表示出各种形状的线状地物。
对于面实体而言，在GIS中常用所谓“多边形”的概念来表述一个任意形状，并且边界完全闭合的空间区域。
该闭合区域的边界线同前面介绍的线实体一样,也可以被看作是由一系列多而短的直线段组成，每个小线段作为这个区域的一条边，因此该区域也可看成是由这些边组成的多边形了。
矢量数据结构直接以几何空间坐标为基础，记录取样点坐标，可以将目标表示得精确无误。
对于一个数字制图系统而言，按照这种简单的记录方式，再适当增加目标的注记名称、输出的线型和符号等，在矢量绘图仪上就可以得到精美的地图。
另外，该结构还可以对复杂数据以最小的数据冗余进行存贮，相对于栅格结构来说，它还具有数据精度高，存贮空间小等特点，是一种高效的图形数据结构。
因为矢量结构的空间定位是根据坐标直接存贮的，而属性数据现在通常是建立表结构文件，用关系数据库管理。
因此，矢量数据结构具有定位明显、属性隐含的特点。
由于这一特点点使其在某些方面有便利和独到之处，例如在计算长度、面积、形状和图形编辑、几何变换操作中，矢量结构有很高的效率和精度。
但是同样由于这一特点，也使其图形运算的算法要较栅格结构复杂；在涉及叠加运算、邻域搜索等操作方面也不及栅格结构简单.
二、矢量数据结构编码的基本内容
1．点实体
点实体包括由单独一对x，y坐标定位的一切地理或制图实体。
在矢量数据结构中，除点实体的x，y坐标外还应存储其它一些与点实体有关的数据来描述点实体的类型、制图符号和显示要求等。
点是空间上不可再分的地理实体，可以是具体的,也可以是抽象的，如地物点、文本位置点或线段网络的结点等，如果点是一个与其它信息无关的符号，则记录时应包括符号类型、大小、方向等到有关信息；如果点是文本实体，记录的数据应包括字符大小、字体、排列方式、比例、方向以及与其它非图形属性的联系方式等信息。
对其它类型的点实体也应做相应的处理。
右图说明点实体的矢量数据结构的一种组织方式。
2．线实体
线实体可以定义为直线元素组成的各种线性要素，直线元素由两对x，y坐标定义。
最简单的线实体只存储它的起止点坐标、属性、显示等有关数据。
例如，线实体输出时
升级会员 