Ⅰ 空间数据无缝镶嵌技术
空间地理数据的表示主要有栅格和矢量两种不同的形式。栅格形式是将地理表层空间划分为一系列网格，空间目标由这些网格的位置及其量化值来表示; 矢量形式则是将地理空间的一切事物、概念进行抽象，形成点、线、面，再由点、线、面来组成各类空间目标。由于数据获取、数据表达、地图投影等方面的原因，在计算机世界里，地理信息往往被表示成不连续的子空间，为了更好地模拟客观世界，人们需要处理成连续无缝的数据( 朱欣焰等，2002) 。
塔里木河流域地域广阔，地理坐标介于东经 73°10' ～94°05'，北纬 34°55' ～43°08'之间，东西跨越了 4 个六度带，而通过数据采集系统所采集的各种基础图件都是分幅的，采用平面直角坐标系统。如果将这些数据直接进行入库将在跨带处产生缝隙，不能形成逻辑意义上完整的河流表现，也无法完成基于整个流域的生态环境分析。因此，必须采用相应的数据处理与建库技术，实现塔河整个流域数据的无缝集成管理，使之形成统一的整体。
空间数据的无缝管理是一个建立在用户与空间数据库接口基础上的概念，它是空间数据库中空间数据集成的结果，即在用户的接口上实现对空间数据按空间、时间和专题的透明访问。空间透明或空间无缝是指对空间数据集按空间三维进行集成，形成地理空间上无缝连接的整体集成信息。时间透明是指对空间数据库中的数据按时间维进行集成，形成在时间上连续的整体集成信息。专题透明是指对空间数据库中的数据按属性维进行集成，形成在某一属性上连续的整体集成信息。空间数据无缝镶嵌技术主要应用在大范围、跨带区域数据的管理上。例如，在进行塔里木河整个流域范围内的水资源分析时，需要调用出整个流域的水系数据。每一条水系均要求有完整而统一的信息表示，而这些数据在采集时可能是分区域、分专题采集的，用户在分析时要求系统能够自动进行数据的镶嵌处理，形成无缝隙、统一坐标体系的数据。
要实现空间数据的无缝镶嵌，就需要从基础数据的获取开始，进行精心设计和组织，分离出数据物理层和数据逻辑层，在统一的空间框架之下，将物理层归化到逻辑层，以消除逻辑层的缝隙，从而实现用户级的逻辑无缝空间数据库。
本系统通过采集数据标准定义、空间数据框架设计等方面来实现空间无缝数据库的构建。
对采集的数据从投影、坐标系统、比例尺、数据精度等方面进行规范。对不同投影和坐标系统的空间数据在投影和坐标系统上统一采用相同的标准，例如，对矢量数据要求转换为无投影的地理坐标表示，栅格数据统一采用两套坐标表示，即平面直角坐标和地理坐标，以满足不同用户的管理需求和精度要求;规定了采用经纬度表示时数据的精度和表示方式。
建立无缝空间数据的关键，在于在合适的空间信息框架上实现多源异构空间数据的融合。框架是基础，融合是手段。空间信息框架的选择，需要满足多尺度和大区域表示两个方面。大区域的表示，系统采用大地线尺度空间表示，根据确定的空间框架在综合数据库中按对象建立了各种数据的存储表空间。多源异构空间数据的融合，可通过各类数据的元数据来实现。因此，系统也建立了相应的元数据库，并具有动态维护功能。
Ⅱ 数据库概念模型
一、航空物探数据库定位
数据库是信息系统的基础和核心，把大量的数据信息按一定的模型组织起来存储在数据库中，提供数据维护、数据检索等功能，使信息系统能方便、及时、准确地从数据库中获得所需的信息。因此，数据库结构设计是信息系统开发的重中之重。
经分析航空物探数据具有空间性、海量性、多源性和多尺度的特点，这说明航空物探数据具有典型的空间数据的特点，可以采用空间数据管理方式进行管理。
ESRI公司的Geodatabase（空间数据库）是采用标准关系数据库技术来表现地理信息的面向对象的高级GIS数据模型，是建立在DBMS之上的统一的、智能化的空间数据模型，是以一组相关联的表来表达地理要素之间关系、有效性规则和值域。对于多源、海量的航空物探数据，Geodatabase能在一个统一的模型框架下很好地解决多源数据一体化存储的问题，和采用标准关系数据库技术来表现海量航空物探数据的地理信息特性。Geodatabase引入了地理空间实体的行为、有效性规则和关系，在处理Geodatabase中对象时，对象的基本行为和必须满足的规则无需通过程序编码实现，只需根据需要扩展其有效性规则（Geodatabase面向对象的智能化特性），即可支持航空物探数据模型扩展的需要。
因此，航空物探数据库是空间数据库，在航空物探数据库建模过程中，以空间数据建模为主导，统领属性数据建模。
二、统一空间坐标框架
为了用数学语言描述地球，人们用规则的几何形体来替代地球表面，从地球自然表面、大地水准面、旋转椭球面直到用简单数学函数表达的参考椭球体，以便通过地图投影将三维曲面转化成二维平面。由于地球表面不同地区的地形起伏差异很大，采用单一椭球体势必会造成某地区的误差小而其他地区误差很大的结果。因此，在20世纪初不同国家或地区先后采用了逼近本国或本地区地球表面的椭球体，如中国的克拉索夫斯基椭球体，美国的海福特椭球体、英国的克拉克椭球体等。这又造成了目前世界各国的地理信息空间坐标框架不统一，空间数据信息难以共享被动局面。为此，在实现数字地球计划中，必须规范和统一世界上不同国家和地区的地球参考椭球体。
在小区域表达地球表面时，通常采用平面的方式，即投影坐标系统。如何科学地选择投影坐标，一般要根据具体的地学应用、地理区域和范围、比例尺条件等因素来确定，不同的国家有着不同的规定。
通过对航空物探数据的坐标系统进行分析可知，航空物探图件的坐标框架与国家对基本比例尺制图的规定相一致，即小比例尺编图采用Lambert双标准纬线等角圆锥投影；中比例尺采用Gauss 6°带的分带投影；大比例尺采用Gauss 3°带的分带投影（表2-1）；对于低纬度的海上作业区通常采用Mecator等角圆柱投影。地球椭球体分别采用1954北京坐标系的Krassovsky椭球参数、WGS84椭球参数和未来的国家2000坐标系的椭球参数。
表2-1 航空物探地理坐标数据的投影方式
传统的航空物探数据是按测区管理的，根据测区的测量比例尺来确定相应的坐标框架；因此，勘探目标不同的测区测量比例尺是不一致的，地坐标框架也不同。航空物探数据库要将不同测区、不同比例尺、不同坐标框架的数据集中管理和可视表达，若没有统一的空间坐标框架，就不可能正确地表达全国航空物探数据。所以，面对如此复杂的多坐标框架的航空物探数据，如何确定科学合理的空间坐标框架，将全国的航空物探数据整合到统一的空间参考框架下，实现数据的统一存储和数据间无缝拼接，是航空物探数据库建设的关键所在，是组织和管理多维、多格式、大跨度、跨平台的航空物探数据和多目标数字制图的数学基础。
统一的空间坐标框架必须支持我国领土覆盖的海域和陆域航空物探数据的存储和表达。我国领土东西跨度达70°，南北达55°，显然采用任何投影坐标系都是不合适的。Gauss 6°投影适合6°带内空间数据表达，若全国航物探数据采用6°分带表达，在高纬度地区会造成6°带间数据裂缝问题；Lambert投影可满足数据的无缝表达，但对大比例尺数据变形较大，无法满足数据制图的精度要求；Mecator投影也可满足数据的无缝表达，低纬度地区也能满足大比例尺数据制图的精度要求，但在我国中高纬度区存在着严重变形问题。所以，航空物探数据模型采用地理坐标（无投影，图2-1）格式存放，可根据实际应用的需要将航空物探数据变换到任何方式的投影坐标系统。
航空物探数据库模型采用Beijing_1954地理坐标系，相关参数如下：
角度单位：°（0.017453292519943299rad）
零经线：格林尼治（0.000000000000000000）
基准：D_Beijing_1954
椭球：Krasovsky_1940
长轴半径：6378245.000 m
短轴半径：6356863.019 m
建立统一坐标框架是空间数据库建设的一项基础性工作，采用Beijing_1954 地理坐标系作为航空物探数据库统一空间坐标框架具有以下优点。
图2-1 统一空间坐标框架示意图
（一）无缝空间数据存储
统一空间坐标框架解决了复杂的航空物探数据的坐标系统、投影、比例尺等不统一的问题，实现同一性质的物探数据在同一个主题中进行管理。如全国的航磁异常数据可放在一个图层上进行管理。
（二）适合多尺度表达
按测区管理的多尺度、多框架的航空物探数据是处于一个相对坐标系统中，各个测区间相对位置关系会发生错位。采用统一的Beijing_1954地理坐标框架，恢复了各测区间正确的位置关系，实现不同尺度数据的集成和正确表达，易于多源异构空间数据的融合。
（三）大区域数据集成
我国海陆面积近1300×104km2，地域跨度较大。在进行小比例尺的航空物探编图时，需要选用与之相适应的投影坐标；在陆地和海域进行大比例尺制图时，同样需要选用合适投影系统。航空物探制图的实践也证明了这一点。1995 年6 月由中国、加拿大、美国、爱尔兰和俄罗斯等国科学家共同编制的1∶1000万欧亚东北地区磁异常与大地构造图，采用横轴Mercator投影。中心编制的1∶500 万全国航磁图采用Lambert投影。2008 年，由中国和吉尔吉斯斯坦科学家编制的1∶100万中吉天山金属矿产成矿规律图，采用Lambert投影，将两个国家不同时期、不同尺度的数据进行了有效的集成，是地质、地球物理等综合应用的典范。
随着航空物探数据应用领域的不断扩展，陆地、海域，甚至于洲际和全球航空物探数据的整体表达都需对坐标投影提出要求。采用统一的地理坐标框架的航空物探数据非常容易变换到指定的投影坐标框架，满足多样化的制图要求。
三、要素类和对象类的划分
Geodatabase空间数据库模型结构（图2-2）分为空间数据库、要素数据集（Feature dataset）、要素类（Feature classes）、要素（Feature）4个层次。为了建立航空物探Geodatabase空间数据模型，我们依据Geodatabase模型关于要素类和对象类的划分原则，结合相关的国家标准和地球物理行业标准，制定了《航空物探数据要素类和对象类划分标准》，对航空物探数据进行数据分类。
图2-2 空间数据库模型结构
1）按照航空物探数据的空间特征，将其划分为5个要素数据集，即勘查项目概况要素数据集、基础数据要素数据集、异常要素数据集、解释要素数据集和评价要素数据集。
2）根据航空物探测量方法、数据处理过程以及推断解释方法和过程，进一步把航空物探数据划分为若干要素类和对象类，定义了要素类的主题特征和表达方式，确定子类和属性域；定义对象类的结构和联接字段，建立了关系类。
3）定义要素类的内容、字段名称和存储结构。在航空物探数据采集过程中，不同类型的数据采样率不同，坐标数据采样2次/s，重力场数据采样2次/s，磁场数据采样10次/s，这就造成了场值数据与坐标数据无法一一对应问题。若按场值数据采样率内插坐标数据，将导致数据量成倍增长；若按坐标数据采样率抽稀场值数据，将降低航空物探测量对地质体的分辨能力，影响测量效果。在综合分析航空物探数据应用基础上，提出了采用要素数据与属性数据分置的方式，将测线坐标数据与地球物理场数据分离，分别建立独立共享的航迹线数据要素类模型，磁场、重力场等数据对象类模型（图2-3），很好地解决了航空物探数据的存储问题。
图2-3 要素数据与属性数据分置示意图
采用要素数据与属性数据分置方式，不仅是基于航空物探数据属性数据的多源性、不同采样频率等特点的考虑，还考虑到数据的综合查询和检索的速度，特别是通过ArcSDE访问空间数据库的效率的问题。再者，对于大部分用户来说，需求是属性数据的综合应用，因此在数据库建模过程中，将属性数据采用对象类的方式进行管理，不但提高了空间数据的操作能力，同时在ArcSDE的配置上采用直接访问数据库（对象类）方式，并且加快了数据查询和统计的速度。
四、数据库概念模型
用户需求是数据库建设的约束条件之一。航空物探数据的空间特性决定航空物探数据库必须是空间数据库，采用数据库管理数据，利用GIS技术提供可视化服务，这是各个层次用户的一致要求。因此，我们从现实世界出发，对航空物探数据的多源性、多尺度和不同采样等问题进行了描述，提出了解决方案。此方案是不依赖于任何具体的硬件环境和数据库管理系统（DBMS），建立了客观反映现实世界的航空物探数据库概念模型，把用户需要管理的信息统一到整体概念结构中，表达了用户需要。
在全面分析航空物探业务流程和数据流程，以及航空物探数据特性的基础上，按照《航空物探数据要素类和对象类划分标准》，以及空间实体点、线、面要素特征的基本原则，对航空物探数据库所涉及的实体进行归类，划分成12个主题。根据空间数据分主题表达的特点和航空物探空间数据坐标框架的定义，确定航空物探数据库空间数据概念模型，明确各个主题的用途、数据来源、表达方式、空间参考、比例尺和精度等内容，按照ArcGIS定义空间数据库的数据分层表达方式（图2-4），完成航空物探数据库概念模型设计（图2-5）。
图2-4 航空物探数据库空间数据分层模型
图2-5 航空物探数据库空间数据概念模型
Ⅲ 什么是邦联数据库啊
邦联数据库（Federated DataBase）的概念有别于分布式数据库和数据仓库。分布式数据库和数据仓库一般是指同种同类数据的组织管理。这里的邦联数据库除了包含分布式的概念以外，它还指异构数据库和空间数据的多比例尺数据库。异构数据有两个概念，一个是同一种类型的数据，使用不同数据库管理系统管理，如矢量图形数据或属性数据，不同的部门采用不同的系统管理，它们的数据类型相同，只是数据的物理存贮结构不同，形成异构数据；另一个概念是数据的类型也不相同，如DEM数据和影像数据，它们与矢量图形数据的类型不同。
Ⅳ 无缝空间数据库设计与构建
(一)问题的提出
塔里木河流域生态环境动态监测系统的运转需要大量的空间数据支持。在空间数据库构建前期，采集了塔里木河流域的各尺度基础地形图、生态环境专题图以及遥感影像资料等图形、图像数据，这些数据都是以分幅的成果进行收集和提交的，需要进入综合数据库中，以实现数据的共享。
我国国土版图大，而且大部分位于中、低纬度地区，因此我国现行的大于1∶50万比例尺的各种地形图都采用高斯－克里格投影即横切椭圆柱正形投影。经过高斯－克里格投影后的平面直角坐标系是以相切的经线(中央经线)的投影为X轴，以赤道的投影为Y轴。高斯－克里格投影具有以下特点:
(1)中央经线投影为直线，而且是投影的对称轴(也是投影平面的X轴);
(2)高斯－克里格投影是等角投影，投影后具有角度不变、伸长固定的特点(即同一地点各个方向的长度比不变)，满足等角的要求;
(3)中央经线上长度没有变形，离中央经线越远变形越大。为了限制投影变形，必须进行分带投影。所谓分带就是按照一定的经度差，将椭球体按经线划分成若干个狭窄的区域，各个区域分别按高斯投影的规律进行投影，每一个区域就称为一个投影带。在每一个投影带内，位于各带中央的子午线就是轴子午线，各带相邻的子午线叫边缘子午线。分带之后，各带均有自己的坐标轴和原点，形成各自独立但又相同的坐标系统。根据国际通用方法，我国投影分带主要有两种:在我国1∶2.5万到1∶50万地形图均采用6°分带投影，1∶1万及更大比例尺的地形图采用3°分带投影，以保证投影变形误差满足地图的精度要求(王密等，2001)。
本系统所采集到的数据产品的空间参考大都是以高斯投影后的平面坐标为基础的分幅数据。塔里木河流域地域广阔，地理坐标介于东经73°10'～94°05'，北纬34°55'～43°08'之间，以1∶10万基础地形图数据为例，按照高斯投影后的坐标分成了13°、14°、15°、16°四个6°高斯投影带，每个带的坐标都是以本带的坐标原点为参考点，空间基准不统一，如果将这些数据直接进行入库，将在跨带处产生缝隙，不能形成逻辑意义上完整的河流表现，也无法完成基于整个流域的生态环境分析，因此，必须采用相应的数据处理与建库技术，实现塔河整个流域数据的无缝集成管理，使之形成统一的整体。从基础数据的获取开始，进行精心设计和组织，分离出数据物理层和数据逻辑层，在统一的空间框架之下，将物理层归化到逻辑层，以消除逻辑层的缝隙，从而实现用户级的逻辑无缝空间数据库。
(二)无缝数据库
随着GIS数据发布与共享技术的发展，无缝空间数据库逐渐分化出两个层次的含义:一是GIS系统内部的数据无缝，一是不同GIS实现互操作时的数据无缝。前者是通常意义的无缝，后者主要通过数据标准化与操作标准化来实现。无缝空间数据库的最终含义体现在逻辑无缝数据库。无论是多源还是单源、同构还是异构，跨越数据层呈现在用户面前的GIS空间数据库必须是逻辑无缝的。
空间数据的无缝连接是一个建立在用户与数据库接口基础上的概念，意味着GIS管理的数据不再是单一、被硬性割裂的图幅，而是范围更加广阔的区域，这个区域小可到一个城市，大可到一个国家甚至整个地球(王卉、王家耀，2004)。由于硬软件条件的限制，计算机系统尚不能同时处理海量的空间数据，因此从具体技术的实施上，可采用将空间数据分块存储于数据库中，数据库提供相应的图块拼接信息。物理上空间数据是有缝隙的，但空间数据库提供图块之间的接图信息及相应的拼接访问手段，保障了空间数据在使用上的空间连贯性，即数据在逻辑使用上是无缝的(王密等，2001)。
(三)缝隙产生原因
在现实世界中，地理空间是由地貌、地物组成的连续的表层空间，地理信息则是有关地理空间的一切有用的知识。在计算机世界中，地理信息通过抽象、建模形成数字化的表示形式，通过空间数据库来进行表达、存储和管理(朱欣焰等，2002)。空间地理数据缝隙是在数据的获取、表示与处理过程中产生的数据不连续现象。
1.数据源
由于历史和现实的原因，地图是绝大多数GIS系统直接的数据源。地图是地球三维椭球面的二维平面表达，本身对真实世界有扭曲;地图是对连续空间的割裂表达，实体被分割到不同的地图空间中去;高斯投影是基本比例尺地形图经常选用的投影，也是绝大多数GIS系统的数学基础，由于分带的原因，使得投影后带有高斯投影平面坐标的地图无法实现无缝拼接。
2.数据表达与组织方式
空间地理几何数据的表示主要有栅格和矢量两种不同的形式。栅格形式是将地理表层空间划分为一系列网格，空间目标由这些网格的位置及其量化值来表示，这些网格本身就是连续空间信息的离散表达。矢量形式则是将地理空间的一切事物、概念进行抽象，形成点、线、面，由点、线、面来组成各类空间目标。按点、线、面来分类和按分层的思想来组织空间数据，也割裂了实体之间内在的联系。
在空间数据库组织与管理上，目前主要有文件型、文件与关系数据库混合型、全关系型以及对象关系型。传统的文件型空间数据库、文件与关系混合型空间数据库，按图幅或一定的区域范围以文件的形式来组织与存储空间几何数据，不同的图幅或区域之间存在缝隙。在文件与关系数据库混合型的空间数据库中，空间几何数据贮存在文件中，属性数据贮存在关系数据库中，属性数据和几何数据之间通过内部标识来链接，空间几何数据和属性数据之间存在缝隙。
3.数据处理
数据处理的过程中也会引入缝隙，产生这种缝隙的原因有:①数据处理过程的顺序不一致;②选择的处理参数不一致;③数字化的精度不一致。
4.多源异构数据共享
数据属性(数学基础、比例尺、用途、时间、精度等)的不同，导致了数据的差异，这些差异是多层次和多方面的，它们集中体现了数据的异构。数据异构和多源往往是一体的，多源异构是系统内部和系统之间数据裂隙的主要原因(刘仁峰，2005)。
(四)数据缝隙类别和表现
数据缝隙基本可以分为物理缝隙和逻辑缝隙两类。物理缝隙是地理空间的分离存储，本来连续的实体空间被分离到不同的存储空间和存储单元中去，例如空间数据的分幅、分层存储。逻辑缝隙是指逻辑上本身连续的信息不能以逻辑连续的方式呈现，例如跨越多幅图的一条河流，在图幅内查询河流属性(如长度)时只能获取其在本图幅内的相关信息而不是实体整体的信息。显然，由于空间信息本身的海量特性，要完全意义上的实现物理无缝的空间数据库目前还是不可能的，也没有必要。GIS用户关心的不是空间数据是物理无缝，因为GIS呈现给用户的是数据逻辑层，只需要保证用户看到的数据是逻辑无缝的。
物理有缝的数据库向逻辑无缝数据库的转换是无缝空间数据库构建的重要一环。
(五)无缝镶嵌技术
数据的无缝连接包含以下几个问题:投影、坐标系统、比例尺、数据精度等。对不同投影和坐标系统的空间数据在投影和坐标系统上统一采用相同的标准，当空间数据具有多尺度时，无缝连接寻找数据集之间连续的表达方式，它表现为不同尺度数据之间的集成。建立无缝空间数据的关键在于在合适的空间信息框架上实现多源异构空间数据的融合，框架是基础，融合是手段。
1.合适的空间框架选择
(1)适合多尺度信息表达。地球是一个开放的非常复杂的巨大系统，随着观察视角的变化，我们希望空间地理信息比例尺也自动增减。由于地图的自动综合受诸多因素的影响，目前比较可行的是采用多尺度空间数据支持来达到目的。所谓多尺度就是指系统内包含几种不同比例尺(或分辨率)的空间数据，其目的是为了适度地反映系统所关心区域的空间地理信息，以避免地物信息的过粗、失真或地物信息的负载量过大而无法使用。无缝空间数据库也应该符合多尺度空间数据库要求。
(2)适合大区域表达。各种自然和人文现象的空间分布，有其内在的原因和规律，这些原因和规律的获得，往往需要研究大区域多因素的综合作用;另一方面，对于全球范围的环境变异和气候变迁的研究需要基于数字地球的空间框架。大区域的表达，还涉及空间尺度问题，不应继续采用欧氏空间尺度，而应该采用大地线尺度空间。
2.多源异构空间数据的融合
(1)GIS的迅速发展和广泛应用导致了多源空间数据的产生。如何实现不同的GIS软件共享并操作不同来源的地理数据，即GIS多源空间数据的集成，成为GIS发展的关键。目前GIS多源空间数据的集成主要朝着三个方向发展，一是通过建立统一的数据交换标准来约束并规范已有的各类地理信息系统，采用数据交换标准来进行空间数据交换;二是建立开放式地理数据互操作规范，进行地理信息系统互操作;三是GIS数据中间件技术。
(2)统一数据交换标准存在很多实现上的困难。互操作是一个重要发展趋势，是在异构分布式数据库中实现信息共享的途径，它需要将GIS技术、分布处理技术、面向对象方法、数据库设计及实时信息获取方法更有效地结合起来。所谓GIS数据中间件技术是指能够嵌入各类GIS系统的软件，GIS开发者通过中间件开发商提供的接口，访问和操作特定的数据源。
(3)在多源异构数据集成技术尚未成熟的时候，人们再次把目光投向数据本身，如果可以提供关于数据的详细描述，是否可以提高融合数据的能力呢?于是，对于“关于数据的数据”的研究，即对于元数据的研究便普遍展开。从DublinCore到CSDGM与OGC，都提出了相应的元数据标准体系，有了完整而完善的元数据描述，必将提高数据的效能，从而最终促进多源异构数据库向无缝空间数据库的归化。
为实现塔河整个流域数据的无缝集成管理，使之形成统一的整体，设计从缝隙产生的地方开始，分离出数据物理层和数据逻辑层，在统一的空间框架之下，将物理层归化到逻辑层，以消除逻辑层的缝隙，从而实现用户级的逻辑无缝空间数据库;同时制定统一的数据提交规范，如所有矢量数据在入库前统一采用经纬度坐标，栅格数据统一提供两套数据，即高斯坐标和经纬度坐标，以满足不同用户的管理需求和精度要求。
Ⅳ 地理信息系统功能的空间查询与分析
对地理空间的查询与分析功能，是GIS得以广泛应用的重要原因之一。通过GIS提供的空间数据查询与分析功能，用户可以从已知的地理数据中得出隐含的重要结论，这对于许多应用领域（例如商业选址、抢险救灾等）是至关重要的。 空间查询是地理信息系统以及许多其他自动化地理数据处理系统应具备的最基本的分析功能，即可把满足一定条件的空间对象查出，并将其按空间位置绘出，同时列出它们的相关属性等。空间查询是支持综合图形与文字的多种查询的主要方法，它支持由图查图、由图查文和由文查图，并给出新图和有关数据。
GIS通常使用空间数据引擎存储和查询空间数据库。空间数据引擎在用户和异构空间数据库的数据之间提供一个开放的接口，它是一种处于应用程序和数据管理系统之间的中间件技术，空间数据引擎是开放且基于标准的，这些规范和标准包括OGC的Sample Feature sql Specification、IOS/IEC的SQL3以及SQL多媒体与应用程序包（SQL/MM）等。市场上主要的空间数据引擎产品都是与上述规范高度兼容的。 空间模型分析是在地理信息系统支持下，分析和解决现实世界中与空间相关的问题，它是地理信息系统应用深化的重要标志。空间分析是地理信息系统的核心功能，也是地理信息系统与其他计算机系统的根本区别，它以空间数据和属性数据为基础，回答真实地理客观世界的有关问题。地理信息系统的空间分析可分为：拓扑分析、方位分析、度量分析、混合分析、栅格分析和地形分析等。
Ⅵ 大数据数据库有哪些
问题一：大数据技术有哪些 非常多的，问答不能发link，不然我给你link了。有譬如Hadoop等开源大数据项目的，编程语言的，以下就大数据底层技术说下。
简单以永洪科技的技术说下，有四方面，其实也代表了部分通用大数据底层技术：
Z-Suite具有高性能的大数据分析能力，她完全摒弃了向上升级(Scale-Up)，全面支持横向扩展(Scale-Out)。Z-Suite主要通过以下核心技术来支撑PB级的大数据：
跨粒度计算(In-Databaseputing)
Z-Suite支持各种常见的汇总，还支持几乎全部的专业统计函数。得益于跨粒度计算技术，Z-Suite数据分析引擎将找寻出最优化的计算方案，继而把所有开销较大的、昂贵的计算都移动到数据存储的地方直接计算，我们称之为库内计算(In-Database)。这一技术大大减少了数据移动，降低了通讯负担，保证了高性能数据分析。
并行计算(MPP puting)
Z-Suite是基于MPP架构的商业智能平台，她能够把计算分布到多个计算节点，再在指定节点将计算结果汇总输出。Z-Suite能够充分利用各种计算和存储资源，不管是服务器还是普通的PC，她对网络条件也没有严苛的要求。作为横向扩展的大数据平台，Z-Suite能够充分发挥各个节点的计算能力，轻松实现针对TB/PB级数据分析的秒级响应。
列存储 (Column-Based)
Z-Suite是列存储的。基于列存储的数据集市，不读取无关数据，能降低读写开销，同时提高I/O 的效率，从而大大提高查询性能。另外，列存储能够更好地压缩数据，一般压缩比在5 -10倍之间，这样一来，数据占有空间降低到传统存储的1/5到1/10 。良好的数据压缩技术，节省了存储设备和内存的开销，却大大了提升计算性能。
内存计算
得益于列存储技术和并行计算技术，Z-Suite能够大大压缩数据，并同时利用多个节点的计算能力和内存容量。一般地，内存访问速度比磁盘访问速度要快几百倍甚至上千倍。通过内存计算，CPU直接从内存而非磁盘上读取数据并对数据进行计算。内存计算是对传统数据处理方式的一种加速，是实现大数据分析的关键应用技术。
问题二：大数据使用的数据库是什么数据库 ORACLE、DB2、SQL SERVER都可以，关键不是选什么数据库，而是数据库如何优化！ 需要看你日常如何操作，以查询为主或是以存储为主或2者，还要看你的数据结构，都要因地制宜的去优化！所以不是一句话说的清的！
问题三：什么是大数据和大数据平台 大数据技术是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
大数据平台是为了计算，现今社会所产生的越来越大的数据量。以存储、运算、展现作为目的的平台。
问题四：常用大型数据库有哪些 FOXBASE
MYSQL
这俩可算不上大型数据库管理系统
PB 是数据库应用程序开发用的ide，根本就不是数据库管理系统
Foxbase是dos时代的产品了，进入windows时代改叫foxpro，属于桌面单机级别的小型数据库系统，mysql是个中轻量级的，但是开源，大量使用于小型网站，真正重量级的是Oracle和DB2，银行之类的关键行业用的多是这两个，微软的MS SQLServer相对DB2和Oracle规模小一些，多见于中小型企业单位使用，Sybase可以说是日薄西山，不行了
问题五：几大数据库的区别 最商业的是ORACLE,做的最专业,然后是微软的SQL server,做的也很好,当然还有DB2等做得也不错,这些都是大型的数据库,,,如果掌握的全面的话,可以保证数据的安全. 然后就是些小的数据库access,mysql等,适合于中小企业的数据库100万数据一下的数据.如有帮助请采纳,谢!
问题六：全球最大的数据库是什么 应该是Oracle，第一，Oracle为商业界所广泛采用。因为它规范、严谨而且服务到位，且安全性非常高。第二，如果你学习使用Oracle不是商用，也可以免费使用。这就为它的广泛传播奠定了在技术人员中的基础。第三，Linux/Unix系统常常作为服务器，服务器对Oracle的使用简直可以说极其多啊。建议楼梗多学习下这个强大的数据库
问题七：什么是大数据？ 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法[2]）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
说起大数据，就要说到商业智能：
商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。
商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。
商务智能的产生发展
商业智能的概念经由Howard Dresner(1989年)的通俗化而被人们广泛了解。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。
商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。
目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。
为了将数据转化为知识，需要利用数据仓库、线上分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。
把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
企业导入BI的优点
1.随机查询动态报表
2.掌握指标管理
3.随时线上分析处理
4.视觉化之企业仪表版
5.协助预测规划
导入BI的目的
1.促进企业决策流程(Facilitate the Business Decision-Making Process)：BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。
......>>
问题八：数据库有哪几种？ 常用的数据库：oracle、sqlserver、mysql、access、sybase 2、特点。 -oracle： 1.数据库安全性很高，很适合做大型数据库。支持多种系统平台（HPUX、SUNOS、OSF/1、VMS、 WINDOWS、WINDOWS/NT、OS/2）。 2.支持客户机/服务器体系结构及混合的体系结构（集中式、分布式、 客户机/服务器）。 -sqlserver: 1.真正的客户机/服务器体系结构。 2.图形化用户界面，使系统管理和数据库管理更加直观、简单。 3.具有很好的伸缩性，可跨越从运行Windows 95/98的膝上型电脑到运行Windows 2000的大型多处理器等多种平台使用。 -mysql: MySQL是一个开放源码的小型关系型数据库管理系统，开发者为瑞典MySQL AB公司，92HeZu网免费赠送MySQL。目前MySQL被广泛地应用在Internet上的中小型网站中。提供由于其体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，许多中小型网站为了降低网站总体拥有成本而选择了MySQL作为网站数据库。 -access Access是一种桌面数据库，只适合数据量少的应用，在处理少量数据和单机访问的数据库时是很好的，效率也很高。 但是它的同时访问客户端不能多于4个。 -
问题九：什么是大数据 大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 大数据首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。
数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
数据存取：关系数据库、NOSQL、SQL等。
基础架构：云存储、分布式文件存储等。
数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机理解自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(putational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。
统计分析：假设检验、显着性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。
数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)
模型预测：预测模型、机器学习、建模仿真。
结果呈现：云计算、标签云、关系图等。
要理解大数据这一概念，首先要从大入手，大是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。
第一，数据体量巨大。从TB级别，跃升到PB级别。
第二，数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。
第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。
第四，处理速度快。1秒定律。最后这一点也是和传统的......>>
问题十：国内真正的大数据分析产品有哪些 国内的大数据公司还是做前端可视化展现的偏多，BAT算是真正做了大数据的，行业有硬性需求，别的行业跟不上也没办法，需求决定市场。
说说更通用的数据分析吧。
大数据分析也属于数据分析的一块，在实际应用中可以把数据分析工具分成两个维度：
第一维度：数据存储层――数据报表层――数据分析层――数据展现层
第二维度：用户级――部门级――企业级――BI级
1、数据存储层
数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。
Access2003、Access07等，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力。
SQL Server2005或更高版本，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了。
DB2，Oracle数据库都是大型数据库了，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台。
BI级别，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现！BI级别的数据仓库结合BI产品也是近几年的大趋势。
2、报表层
企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。传统报表解决的是展现问题，目前国内的帆软报表FineReport已经算在业内做到顶尖，是带着数据分析思想的报表，因其优异的接口开放功能、填报、表单功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。
Tableau、FineBI之类，可分在报表层也可分为数据展现层。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，我常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份――商业智能，所以在大数据处理方面的能力更胜一筹。
3、数据分析层
这个层其实有很多分析工具，当然我们最常用的就是Excel，我经常用的就是统计分析和数据挖掘工具；
Excel软件，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；
SPSS软件：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；
SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！
JMP分析：SAS的一个分析分支
XLstat：Excel的插件，可以完......>>
Ⅶ ogc是什么意思 ogc到底是什么意思
1、ogc是什么意思：OGC 全称是开放地理空间信息联盟(Open Geospatial Consortium),是一个非盈利的国际标准组织，它制定了数据和服务的一系列标准，GIS厂商按照这个标准进行开发可保证空间数据的互操作。
2、OGC是一个非盈利的志愿的国际标准化组织，引领着空间地理信息标准及定位基本服务的发展。在空间数据互操作领域，基于公共接口访问模式的互操作方法是一种基本的操作方法。通过国际标准化组织（ISO/TC211）或技术联盟（如OGC）制定空间数据互操作的接口规范，GIS软件商开发遵循这一接口规范的空间数据的读写函数，可以实现异构空间数据库的互操作。
Ⅷ 什么是多源异构数据
化学上,同分异构是一种有相同化学式,有同样的化学键而有不同的原子排列的化合物的现象.它分为构造异构和立体异构2类.而立体异构又分为顺反异构(Z)(E)、光学异构、构象异构3种：
⒈结构异构：结构不同引起异构,如正丁烷&异丁烷、乙醇&甲醚化学性质也截然不同。
2、立体异构：结构相似,但由于微小偏差导致结构不同。
(8)异构空间数据库扩展阅读：
数据表达与组织方式：
空间地理几何数据的表示主要有栅格和矢量两种不同的形式。栅格形式是将地理表层空间划分为一系列网格，空间目标由这些网格的位置及其量化值来表示，这些格网本身就是连续空间信息的离散表达。
矢量形式则是将地理空间的一切事物、概念进行抽象，形成点、线、面，由点、线、面来组成各类空间目标。按点、线、面来分类和按分层的思想来组织空间数据，也割裂了实体之间内在的联系。
在空间数据库组织与管理上，目前主要有文件型、文件与关系数据库混合型、全关系型以及对象关系型。传统的文件型空间数据库、文件与关系混合型空间数据库，按图幅或一定的区域范围以文件的形式来组织与存储空间几何数据，不同的图幅或区域之间存在缝隙。