空间数据库

面向对象的遥感影像分类技术综述

摘要：本文主要研究总结了面向对象的遥感影像分类的定义方法以及关键技术。该技术主要包括多尺度分割技术、特征选择与提取技术、面向对象分类技术三大关键技术，实验表明,面向对象的分类方法较传统基于像素分类法有较高的精度,具有很大的发展潜力。

关键词：面向对象的影像分类、图像分割、分类器、尺度

1概述

在遥感影像分析中,基于像元的信息提取技术是一种传统的经典方法。如最小距离法、最大似然法等,这些分析方法己经发展得相当成熟。但是这些方法是基于统计决策的,在信息提取过程中形成的分类器也有一定的缺陷,比如要事先获得一些先验知识。在控制分类过程事先须规定的参数等。为了克服上述的一些缺陷,许多学者进行了大量研究研究结果表明,提出的一些新算法在一定程度上能够提高分类精度从而获得较好分类效果,并且可以不依赖于光谱空间数据的先验知识而具有客观性,但是仍然还是不具有普遍性。传统的信息提取方法在大部分情况下是通过地物的波谱特征的相似程度来进行信息提取,这种基于像元的信息提取技术忽略了整个影像的纹理结构情况,从而使影像识别提取的准确性受到影响。近年来发展起来的方法虽然也附加了一些空间信息和语义信息,对遥感影像的信息提取也有一定的改进,但是还不能从根本上解决问题。

事实上，遥感影像中蕴含着丰富的光谱信息、空间信息、纹理信息，而传统的分类方法一般只利用了像元的光谱信息。无论是监督分类还是非监督分类均是基于像元级别的，像元间的天然内在联系被舍弃了，即使采用纹理等影像特征辅助分类，其目的也仅仅是为了提高像元级的识别精度与可靠性，而为顾及到遥感影像中丰富的空间信息。对当前遥感影像的分析中，基于像元的分类方法面临着如下问题：

（1）传统的方法较多的利用光谱信息，而几乎没有利用几何结构、纹理信

息等，所以这部分信息出现白白浪费。

（2）随着分辨率的提高，地物在影像上表现的更加的复杂，所以基于像元的传统分类技术已不能在满足分类的要求。

（3）传统方法得到的分类结果过于破碎(如椒盐现象等)，分类结果精度不高，需要人工改进分类结果，其工作量大。

（4）基本没有考虑多种遥感信息源的整合互补，没有充分利用同意地区的各种空间信息资源。

所以基于以上这些问题，面向对象的分类方法应运而生。面向对象的分类方法充分利用影像的光谱信息、空间几何信息、纹理信息来进行分类。采用多尺度分割算法，采用不同的分割尺度，能够较好的提取各种尺寸大小的地物。所以运用面向对象的分类方法提取地表信息是，能够细致的提取出地表所覆盖的地物种类，并且能够达到更高的提取精度，能够更加准确的为相关部门提供数据资料，为相关部门作出决策判断提供依据。

2面向对象的遥感图像分类方法

面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间，纹理和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。

Baatz M和schaPe A根据高分辨率遥感影像空间特征比光谱特征丰富的特点，提出了面向对象的遥感影像分类方法。这种分类方法进行信息提取时，处理的最小单元不再是像元，而是含有更多语义信息的多个相邻像元组成的对象，在分类时更多的是利用对象的几何信息及影像对象之间的语义信息、纹理信息和拓扑关系，而不仅仅是单个对象的光谱信息。面向对象的遥感影像的分类方法首先对遥感影像进行分割，得到同质对象，再根据遥感分类或目标地物提取的具体要求，检测和提取目标的多种特征（如光谱、形状、纹理、阴影、空间位置、相关布局等），利用模糊分类方法对遥感影像进行分类和地物目标的提取。面向对象方法具有两个重要的特点：一是利用对象的多特征，二是可用不同的分割尺度生成不同尺度的影像对象层，所有地物类别并不是在同一尺度的影像中进行提取，而是在其最适宜的尺度层中提取，充分利用遥感影像的蕴含信息。

图1 传统的基于像元分类方法的技术路线

图2 面向对象的分类流程图

2.1 面向对象遥感影像分类技术的国内外研究现状

近年来，国内外学者从影像分割单元或斑块的角度对遥感分类方法进行了探索性研究，取得一些进展，如Lobo 的每地块(Per-field)方法，APlin 等的每斑块(Per-Patch)分类方法，这些方法是面向对象分类方法的雏形。Baatz 和Schape 根据高分辨率的遥感影像的特点，提出了面向对象的遥感影像分类方法以来，面向对象影像分类方法发展迅速，越来越多地受到遥感应用研究者的青睐。Baatz 和Schape 运用基于异质性最小原则的区域合并分割算法实现了影像对象的构建。Hay 等指出可以将光谱信息类似的影像像元集合体理解为影像对象，其内部的像元存在均匀性与离散性,并对分形网络演化算法、线性尺度空间与块特征检测算法、多尺度对象细节分析算法做了比较并指出各自的优点。Ketting 和Landgrebe 提出了同质性对象提取的优点，并推出了一种分割算法称ECHO ；Olaf Hellwich 等人利用影像分割和知识辅助从高分辨率多源遥感影像数据中提取道路网络、农用地块和居民地等信息。Mauro 等通过相关的实验研究对面向对象的影像分类结果的精度和准确性进行了肯定。Benz

等认为面向对象分类方法在改进高分辨率

遥感影像自动提取方面有着巨大的潜力，是高分辨率影像自动分类的理想选择。R enaud Mathieu等利用面向对象分类方法对研究区IKONOS多光谱影像进行植被信息提取分类总精度达92%，Kappa系数达0.89。Gamanya等利用面向对象分类方法对津巴布韦中心区域进行分类，分类总精度超过90%。

面向对象影像分类研究在我国起步较迟，于近几年开始进行该技术的应用研究。曹雪等对深圳市QUICKBIRD数据进行对象级的分类结果表明精度相对于传统方法有了明显的提高。莫登奎等以高分辨率遥感影像数据IKONOS为主要数据源，以多尺度分割与基于模糊逻辑分类的面向对象影像分析方法为主要技术，自动提取株洲市城乡结合部的土地覆盖和土地利用信息，达到了提取郊区丘陵地带林地信息和城市建筑、道路等土地覆盖信息的目的，而且精度高，速度快。张宝雷等以三峡地区为例，运用面向对象技术自动提取方法完成了三峡地区主要土地利用类型的自动提取工作并取得了较高的验证精度，为在大面积的土地利用调查中应用遥感影像自动分类方法来获取土地利用信息的技术路线和方法方面作了一定探索。钱巧静等利用面向对象的方法成功提取了三峡库区奉节县中部的土地覆盖信息，得到了较为满意的结果，利用野外采样数据进行验证其精度达89.2%。孙晓霞等利用面向对象的分类方法从IKONOS全色影像中提取河流和道路，试验结果表明，面向对象的分类方法能够满足高分辨率或纹理影像的分类需要，具有很大的应用潜力。黄慧萍等以高分辨率遥感影像为数据源，以多尺度影像分割与面向对象影像分析方法为主要技术，利用样本多边形对象的成员函数建立训练区，自动提取大庆市城市绿地覆盖信息，达到清查城市绿地的目的。该方法信息获取周期短、精度高、成本低实现了城市绿地信息精确获取与快速更新。所有这些研究表明，在多数情况下，面向对象的分类方法比面向像元分类方法取得更好的效果，特别是对于中、高空间分辨率遥感影像的分析上。

3面向对象的遥感图像分类方法

传统的基于像元的影像分类方法是从影像中提取出一些地物的光谱特征，并根据这些光谱特征的相似性来划分地物类别。这种方法忽略了整幅影像各部分之间的内在联系，从而严重制约了分类信息提取的精度。基于面向对象影像分割的分类算法其最重要的特点就是分类的最小单元是由影像分割得到的同质影像对象(图斑),而不再是单个像素,可以实现较高层次的遥感图像分类和目标地物提

取。

图3像素级与对象级比较

图4基于图斑（对象）遥感分类示例

通过该方法对遥感图像进行分割,首先同质区域(或基元),再根据遥感图像分类或目标地物提取的具体要求,检测和提取目标地物的各种特征(如光谱、形状、大小、结构、纹理、阴影、空间位置、相关布局等),从而达到对遥感图像进行分类或目标地物提取的目的。面向对象的影像分类技术通过影像的多尺度分割来获得对象,分类时不仅依靠对象对应地物的光谱特征,更多的是要利用其几何信息和结构信息,后续的图像分析和处理也基于对象进行。

面向对象的信息提取技术主要包括影像分割特征提取、分类规则和信息提取几个部分。分类流程图如下：

图5：面向对象的分类流程图

3.1 影像分割

面向对象方法最基本的特点就是以图像分割获得的图像对象为基本的操作单元，而不是像传统的面向像素方法那样，基于单个像素操作。通过图像分割获得的图像对象具有一定的属性，不仅包含了光谱信息，还包括纹理、大小、形状紧致性、上下文等从图像中提取出的附加信息，在不增加外来信息的情况下增加了分类的依据，从而提高分类的精度，使分类结果更加接近目视判别的结果。当遥感影像被分割为地物对象后，还可以建立对象之间的拓扑关系，从而有可能实现地理信息系统中的空间分析。目前图像分割研究已成为国内外研究的热点,目前较常用的分割算法主要有基于纹理特征分割、基于知识影像分割、分形网络演化(FNEA)分割等算法,考虑到分割后对象特征异质性最小,采用分形网络演化方法进行影像分割。

3.1.1基于边界的分割算法

基于边界的分割算法可以分为两类:一类是先检测目标的边缘点,然后组成目标的边界来实现分割,如:微分算子、Hough变换等;另一类是先确定边界的起始点,然后根据某种策略进行顺序搜索,确定目标的边界来实现分割,如:边界跟踪、曲线拟合等。这种分割方法适合处理区域内部异质性小而且边界变化明显的情况,尤其适合对特定目标的提取。但对于遥感影像信息提取而言,自然环境复杂

多样,各环境要素之间的变化大部分是渐变的,这种方法很难对整景遥感影像进行合理的分割,因此不适宜采用基于边界的方法对遥感影像进行分割。

3.1.2基于区域的分割方法

基于区域的分割方法是利用区域内特征的相似性把影像划分为一系列有意义区域的处理方法。

(1)区域生长法。区域生长方法是根据同一地物区域内像元的相似性来聚集像元的方法,从初第二章面向对象信息提取方法可技术面向对象高分辨遥感影像信息提取始区域(如小区域甚至是单个像元)开始,将相邻的具有同样性质的像元或其它区域归并到目前的区域中从而逐步生长区域,直至没有可以归并的像元或其它小区域为止。区域内像元的相似性度量可以包括光谱平均值、纹理、形状、位置等信息。

区域增长方法是一种比较普遍的方法,在没有先验知识可以利用时,可以取得最佳的性能,可以用来分割比较复杂的影像,如自然景物。但是,区域增长方法是一种迭代的方法,空间和时间的开销都比较大。这种分割方法对种子点的选择有很大依赖,不同的种子点设置一般会有不同的分割结果,而且在不同地物之间过渡平缓的情况下会把不同类型的区域合并到一个区域。

(2)分裂、合并混合法。这种分割思想是先从整幅影像开始通过不断分割得到各个区域。实际应用中常常把影像分割成任意大小且不重叠的区域,然后再合并或者分裂这些区域以满足分割的要求。通常用的是一种利用四叉树表达的简单分裂合并算法。

3.2多尺度分割技术

不同目标在影像上具有的尺度是不同的,因此不同的分析目的所关注的尺度也会不同,1m分辨率的遥感影像可以用来分析房屋,而1000m分辨率的可能只能用来分析大区域植被覆盏,特定的目标分析要在特定的尺度上来进行。

多尺度分割在生成影像对象的过程中压缩高分辨率影像,但把高分辨率像元的信息保留到低分辨率的影像(分割后的影像)上,在影像信息损失最小的前提下将影像成功的分割成为有意义的影像多边形。影像分析的不同主题都有其特定的空间尺度,每一个主题都需要分割所生成的影像对象用最恰当的尺度来描述与传递影像的最佳信息,因此在影像分析中总是希望在适宜的尺度上进行。多尺度分

割中采用不同的分割尺度生成不同尺度影像对象层,使得具有固定分辨率的影像数据可以有不同尺度的数据结构组成,从而构成了一个与地表实体相似的层次网络结构。实现了原始像元信息在不同空间尺度间的传递,以适应特定的应用需求。

3.2.1基于异质性最小原则的区域合并算法

多尺度影像分割采用异质性最小的区域合并算法,影像分割中像元的合并开始于影像中任意一个像元,先将单个像元合并为较小的影像对象,再将较小的影像对象合并成较大的多边形对象,分割过程中多边形对象不断增长的异质性最小,实现整幅影像在给定分割尺度阈值的情况下所有影像对象的平均异质性最小。它是一个从下到上、逐级合并的过程。区域合并方法的基本思想是将具有相似性质的像元集合起来构成区域多边形,先对每个需要分割的区域找一个种子像元作为生长的起点,然后将种子像元周围邻域中与种子像元有相同或相似性质的像元合并到种子像元所在的区域中,将这些新的像元当作新的种子像元继续进行上面的过程,直到没有满足条件的像元,这样一个区域就生成了。

为了保证影像分割生成的多边形对象内部的同质性与相邻多边形对象的异质性的适宜程度,在区域合并的分割过程中需要考虑两个标准:设置类似像元合并的准则与确定停止像元合并的条件,这两个标准在分割过程中控制像元的归属,因此标准设置的合理与否将直接影响分割后影像对象有效性。

3.3 多尺度分割参数的选择

多尺度分割是给影像对象一个特定的尺度,根据指定的光谱和形状的同质准则,使整幅影像的同质分割达到高度优化的程度。要得到满意的结果,在多尺度分割过程中,各个参数的选择是非常重要的。主要的分割参数有:各波段权重、分割尺度、光谱因子和形状因子(其中,形状因子又包括紧密度和光滑度)。

3.3.1波段权重选择

遥感影像在进行尺度分割中可以根据专题应用任务中感兴趣信息的特征来设置参与分割波段的权重。如果需提取的信息在某一个波段影像中特别明显,易于识别,则此波段的权重就越高。那些对特定类别信息提取没有很大贡献的影像波段层,则赋予较小的权重或权重为0。例如在彩红外数据中近红外波段对于植被信息的提取作用很大,绿波段其次,红波段与蓝波段的贡献最小,因此分割前设置波段分割权重就不一样,近红外的权重最大为1,其它波段的权重就可以相应

小一点。

3.3.2尺度选择

影像分割时尺度的选择是很重要的,它直接决定影像对象的大小以及信息提取的精度。对于一种确定的地物类型,最优分割尺度值是分割后的多边形能将这种地物类型的边界显示十分清楚,并且能用一个对象或几个对象表示出这种地物,既不能太破碎,也不能边界模糊。尽管对于每种类型都有它最佳的尺度,但因为进行分割层之间的叠加所需的时间较长,所以选择的分割层要尽可能少,根据情况权衡时间和质量。

3.3.3均值因子选择

分割后影像的质量不仅与分割尺度、波段权重有关,还取决于两个分割属性因子:色彩与形状(光滑度、紧密度)。通常情况下色彩最重要,然而形状因子的参与有助于避免影像对象形状的不完整,从而提高分类精度,其中光滑度用于完善具有光滑边界的影像,紧密度因子用于根据较小的差别把紧凑的目标和不紧凑的目标区分开。例如对雷达影像进行分割时,应该考虑使用光滑度因子,目标的破损边界才能不丢失;房顶和道路的光谱信息十分相似,分割时形状因子的参与则有利于类别对象的识别。光谱信息是影像数据中所包含的主要数据,形状因子权重太高会导致光谱均质性的损失,因此在进行影像分割的过程中要遵循两条原则:一是尽可能的将颜色因子的权重值设的较大;二是对于那些边界不很光滑但聚集度较高的影像对象使用尽可能必要的形状因子。

3.4影像对象分类技术

影像分割与信息提取这两个影像处理过程是相互影响的循环过程,影像分割完成后,利用影像对象的属性信息建立样本训练区,实现类别信息的提取,反过来,在类别信息提取后,通过成果分析可促进影像分割运算处理法则的改进。在许多应用中,需要的几何信息与感兴趣的对象是通过类别提取与影像分割这一相作用的循环一步步提取出来的。

3.4.1标准最邻近分类方法

最邻近分类方法利用给定类别的样本在特征空间中对影像对象进行分类。每一个类都定义样本和特征空间，特征空间可以组合任意的特征。初始的时候，选用较少的样本，进行分类，如果出现错分的情况，就增加错分类别的样本，再次

进行分类，不断优化分类结果，直至分类结束。最邻近运算法则为：对于每一个影像对象，在特征空间中寻找最近的样本对象，比如一个影像对象最近的样本对象是属于A类，那么这个影像对象将会被划分为A类

3.4.2 模糊数学分类方法

这种分类方法运用继承机制、模糊逻辑概念和方法以及语义模型，建立用于分类的决策知识库。首先建立不同尺度的分类层次，在每一层次上分别定义对象的光谱特性（包括均值、方差、灰度比值）、形状特征（包括面积、长度、宽度、边界长度、长宽比、形状因子、密度、主方向、对称性、位置）、纹理特征（包括对象方差、面积、密度、对称性、主方向的均值和方差等）和相邻关系特征，通过定义多种特征并指定不同权重，给出每个对象隶属于某一类的概率，建立分类标准，并按照最大概率原则，先在大尺度上分出“父类”，再根据实际需要对感兴趣的地物在小尺度上定义特征，分出“子类”，最终产生确定分类结果。

面向对象影像分析中的分类体系实际上就是一棵决策树，不同尺度的分割影像对应决策树的不同层次。分类体系是针对某一分类任务建立的信息库，它包含分类任务中的所有模型，并将这些类型组织在一个层次结构中。分类体系中的每一种类型都有各自的特征描述，特征描述由若干个特征的隶属函数根据一定的逻辑关系组成。依据这样的分类体系组织类别的专家知识，然后根据决策树进行分类。

类别特征的描述是通过隶属函数（又称为成员函数）来实现的。隶属函数是一个模糊表达式，实现任意特征值转换为统一的范围[0,1],形式上表现为一条曲线，横坐标为类别特征值（光谱、形状等），纵坐标为属于某一类别的隶属度。

图6隶属函数

每一个多边形的各个属性值与样本函数曲线比较，若该属性值位于曲线范围之内，则获得一个隶属度，多个隶属度加权和大于其中一种类别的预设值，则该

多边形确定为该类类别。每一个对象对应于一个特定类别的隶属度，隶属度越高，属于该地类的概率越大。

4 面向对象的影像信息提取

易康（eCognition）是德国Definiens公司开发的全球第一个面向对象的影像分析软件，它模拟人类大脑的认知过程。易康（eCognition）首先将同质像素组成有意义的影像对象，通过多尺度分割技术实现不同的尺度同时把握认知对象，是计算机高速处理和人类认知原理的完美结合，兼顾了速度和精度。

德国易康eCognition软件面向对象的遥感影像解译思想朝更接近人类思维模式的方向又迈进了一步；虽然其影像分割与人类视觉的理想模式还相去甚远，但是相对于以往遥感影像解译软件的解译质量已有突破性改善，操作的灵活性和效率亦有重大改进，特别是用于对大比例尺影像的解译，可以在一定程度上解决当前急需的遥感影像解译问题，对于遥感影像在城市规划及农业、林业等领域的应用将有很大的促进作用；分类后的结果，可以以多种方式输出，可以输出分类对象的各种属性（如面积、周长等）进行各种分析。还可以以矢量的格式输出分类的结果。

易康软件分类的精度较传统的分类软件提供的分类方法有了很大的提高，并且分类的结果可以消除由于光谱细小的差异或混合像元造成的细小的碎斑；方便的手动分类，针对部分在影像上目视解译区分不出来的地物信息，可以通过外业进行调查，然后在软件上用手动的方法，把难区分的地物归并到确定的地类。软件提供了处理规则集记录的功能，对于大区域的、同时相的数据，选择训练区域，调整好各种处理参数、保存，然后对整个区域的数据，利用保存的规则集合，进行统一的处理；可以充分利用对象之间的相关信息，对地物特征进行更详细的划分。例如：利用对象之间的距离特征，区分出水体和房屋的阴影。

易康软件支持基于样本的监督分类和基于知识的模糊分类以及二者结合的分类。（1）基于样本的监督分类:使用最邻近分类器。最邻近分类器Nearest Neighbor(NN)利用给定类别的样本在特征空间中对影像对象进行分类。利用最邻近分类器,可以利用好几种对象特征进行类描述,并且可以评价对象特征之间的关联性,非常易于快速处理类层次关系"在利用最邻近分类器分类时,对于每一个影像对象,在特征空间中必须寻找最近的样本对象,比如一个影像对象最近的样

本对象是属于A类,那么这个影像对象将会被划分为A类"在使用时,我们需要对每一个类都定义样本和特征空间,且此特征空间可以组合任意的特征。在开始的时候对每个类选择少量的样本,因为当分类结果出现错分现象时,可以反复增加错分类别的样本,然后再次进行,从而不断优化分类结果。(2)基于知识的模糊分类:使用模糊逻辑函数进行分类。模糊逻辑支持某一类通过不同种类的逻辑运算组合不同种的特征来描述。模糊分类不是仅仅把一个影像对象赋予一个类,它可以提供这个对象对所有可以考虑类的隶属度。使用隶属度函数分类赋值的策略是透明的,且隶属度函数可以利用对象特征和类间相关特征。所以就可以利用隶属度函数定义一系列的模糊对象特征,精确定义对象属于某一类的标准,从而建立用于分类的知识库。这两种方法都可以在基于知识库的继承上结合定义类的描述,获得最合适的类策略。发展一个对特定分类任务的知识库意味着编辑细化每个类的类描述。

本文选取的遥感影像显示了城市用地,林地分布,这一地区有河流经过。对该数据进行预处理,进行假彩色合成。本次实验在综合分析了数据所包含的信息和地物类型的基础上,综合运用了多尺度分割、基于分类的分割技术、手工分割和对象融合技术、掩膜技术等高级面向对象分类技术。由于只有3个波段,各波段以相同的权重参与分割和分类全过程。不同的类别可以使用不同的分割参数进行最佳分割。通过特征观察,河流在绿波段的光谱均值小于1,同时形状指数大于3,根据这一特征可以很好的将河流提取出来。其他地类尽量选取较好的分类规则,根据分类策略在eCognition中通过多尺度分割一步一步的不断细分类。对于波谱信息差别大或者几何、纹理信息差别明显的地物类别可以通过隶属度函数来分类。有林地、灌木林地、疏林地等波谱和纹理信息差别较小,需要多个特征才能区分,这样可以通过最临近分类器通过选择合理的样本进行分类。最临近分类的样本需要通过“选择样本-分类”这样一个不断循环迭代的过程进行样本优化,最终得到的分类结果精度达到了85%以上,可以得到很好的分类结果,如图所示

图7原图像与面向对象遥感图像分类后图像对比

总结

本文通过对面向对象的遥感图像分类进行系统的介绍，了解了面向对象的遥感图像分类的提出、发展以及其关键技术的选择，并且通过实验，指出面向对象的遥感图像分类大大提高了精度与效率。通过本文的研究,可以得出以下结论:

1)面向对象遥感影像分类的基础是影像分割。影像分割的结果直接影响信息提取的准确性和可靠性。分割阈值的设定是关键,阈值的大小需要进行多次试验,才能获得较好的结果,然后根据研究区地物的分布特点及研究人员的实践经验来确定。

2)面向对象分类方法不仅利用地物本身的光谱信息,而且充分利用地物的空间信息,包括形状、纹理、面积、大小等要素。影像的信息量得到了提高,信息提取的可靠度随之提高。

3)面向对象遥感影像分类的过程中,特征空间的构建是难点,关系到分类结果的精度。这一不断循环迭代的过程大大提高了遥感影像信息提取的精度。

从面向对象遥感影像分类方法的实验结果来看，该方法也存在一些局限性，导致目标的错分与遗漏，主要是因为:基于对象的分类实际上是在分割的基础上分配每个对象的类别归属，分类的效果依赖于分割结果的质量。但是，在分割过程中还有许多不确定的因素，使得分割尺度的选择存在一定的困难，例如:由于周围地物类型的影响，一些建筑物的形状提取不够完整，尤其是边角形状无法保持原有的直线、直角状态；道路的两侧分布着房屋，而房屋和道路在灰度上表现差别较小，高层建筑物产生的阴影遮蔽了部分道路，使得分割尺度难于选择，影响提取的准确性。此外，由于遥感信息的获取过程是一个复杂的过程，各种因素

的影响造成许多像素之间的相似性很难用某个数学定义就可以简单区分开来，因此计算机分割的结果中不同地物的边界很难与目视解译效果对应起来，因而导致目标的错分与遗漏。因此，如何选择更合适的分割尺度需要进一步深入研究。参考文献

[1]李双成,郑度.人工神经网络模型在地学研究中的应用进展[J].地球科学展,2003,18(1):68-69.

[2]周成虎,孙战利,谢一春.地理元胞自动机研究.北京:科学出版社,1999.1-163.

[3]曾建航,魏萌,王靳辉,尚怡君,基于知识的遥感影像模糊分类方法[J].测绘科学技术学报,2008,25(3):172-175

[4]杜凤兰,田庆久,夏学齐,等.面向对象的地物分类法分析与评[J].遥感技术与应用,2004,19(1):20～23.

[5]尹作霞,杜培军.面向对象的高光谱遥感影像分类方法研究.遥感应用,2007,4(1):29-33.

[6] 章毓晋.图象分割[M].北京:科学出版社,2000.1-4.

[7]苏理宏,李小文,黄裕霞.遥感尺度问题研究进展[J].地球科学进展,16(4):544-548.

[8]王培法,王丽,冯学智,肖鹏峰.遥感图像道路信息提取方法研究进展[J].遥感技术与应用,2009(3).

[9]孙晓霞,等.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006(1):62-63.

[10]田金苓，易正晖．土地利用遥感分类技术探讨[J]．科技创新导报，2010，9：17．

[11]刘镇．遥感影像瓦片金字塔模型[J]．科技创新导报，2008，6：199．

[12]杜凤兰,田庆久,夏学齐,慧风鸣.面向对象的地物分类法分析与评[J].遥感技术与应用,2004,19(l):20一24

[13]曹雪,柯长青.基于对象级的高分辨率遥感影像分类研究[J].遥感信息,2006(5):27一30

[14]钱巧静,谢瑞,张磊等.面向对象的土地覆盖信息提取方法研究[J].遥感技术与应用,2005,20(3):338一342

[15]黄慧萍.面向对象影像分析中的尺度问题研究[D].中国科学院遥感应用研究所，博士学位论文

空间数据库期末复习重点总结

一、数据管理的发展阶段 1、人工管理阶段 2、文件系统阶段 3、数据库管理阶段 注意了解各阶段的背景和特点 二、数据库系统的特点 1、面向全组织的复杂的数据结构 2、数据的冗余度小，易扩充 3、具有较高的数据和程序的独立性：数据独立性 数据的物理独立性 数据的逻辑独立性 三、数据结构模型三要素 1、数据结构 2、数据操作 3、数据的约束性条件 四、数据模型反映实体间的关系 1、一对一的联系(1：1) 2、一对多的联系(1：N) 3、多对多的联系(M：N) 五、数据模型： 是数据库系统中用于提供信息表示和操作手段的形式构架。 数据库结构的基础就是数据模型。数据模型是描述数据(数据结构)、数据之间的联系、数据语义即数据操作，以及一致性(完整性)约束的概念工具的集合。 概念数据模型：按用户的观点来对数据和信息建模。ER模型 结构数据模型：从计算机实现的观点来对数据建模。层次、网状模型、关系 六、数据模型的类型和特点 1、层次模型： 优点：结构简单，易于实现 缺点：支持的联系种类太少，只支持二元一对多联系 数据操纵不方便，子结点的存取只能通过父结点来进行 2、网状模型： 优点：能够更为直接的描述世界，结点之间可以有很多联系 具有良好的性能，存取效率高 缺点：结构比较复杂 网状模型的DDL、DML复杂，并且嵌入某一种高级语言，不易掌握，不易使用

3、关系模型： 特点：关系模型的概念单一；（定义、运算） 关系必须是规范化关系； 在关系模型中，用户对数据的检索操作不过是从原来的表中得到一张新的表。 优点：简单，表的概念直观，用户易理解。 非过程化的数据请求，数据请求可以不指明路径。 数据独立性，用户只需提出“做什么”，无须说明“怎么做”。 坚实的理论基础。 缺点：由于存储路径对用户透明，存储效率往往不如非关系数据模型 4、面向对象模型 5、对象关系模型 七、三个模式和二级映像 1、外模式(Sub-Schema)：用户的数据视图。是数据的局部逻辑结构，模式的子集。 2、模式(Schema)：所有用户的公共数据视图。是数据库中全体数据的全局逻辑结构和特性的描述。 3、内模式(Storage Schema)：又称存储模式。数据的物理结构及存储方式。 4、外模式/模式映象：定义某一个外模式和模式之间的对应关系，映象定义通常包含在各外模式中。当模式改变时，修改此映象，使外模式保持不变，从而应用程序可以保持不变，称为逻辑独立性。 5、模式/内模式映象：定义数据逻辑结构与存储结构之间的对应关系。存储结构改变时，修改此映象，使模式保持不变，从而应用程序可以保持不变，称为物理独立性。 八、数据视图 数据库管理系统的一个主要作用就是隐藏关于数据存储和维护的某些细节，而为用户提供数据在不同层次上的抽象视图，即不同的使用者从不同的角度去观察数据库中的数据所得到的结果—数据抽象。 九、规范化 1、几个概念 候选码（候选关键字）：如果一个属性（组）能惟一标识元组，且又不含有其余的属性，那么这个属性（组）称为关系的一个候选码(候选关键字)。 码（主码、主键、主关键字）：从候选码中选择一个唯一地标识一个元组候选码作为码 主属性：任何一个候选码中的属性（字段） 非主属性：除了候选码中的属性 外码：关系模式R中属性或属性组X并非R的码，但X是另一个关系模式的码，则称X是R的外部码，简称外码。 2、函数依赖 （1）设R(U)是一个属性集U上的关系模式，X和Y是U的子集。若对于R(U)的任意一个可能的关系r，r中不可能存在两个元组在X上的属性值相等，而在Y上的属性值不等，则称“X函数确定Y”或“Y函数依赖于X”，记作X→Y。X称为这个函数依赖的决定属性集(Determinant)。Y=f(x)

校园基础地理空间数据库建设设计方案

校园基础地理空间数据库建设设计方案 遥感1503班第10组 （杨森泉张晨欣杨剑钢熊倩倩） 测绘地理信息技术专业 昆明冶金高等专科学校测绘学院 2017年5月

一．数据来源 二. 目的 三 .任务 四. 任务范围 五 .任务分配与计划六．小组任务分配七. E-R模型设计八．关系模式九．属性结构表十．编码方案

一．数据来源 原始数据为大二上学期期末实训数字测图成果（即DWG格式的校园地形图） 导入GIS 软件数据则为修改过的校园地形图 二．目的 把现实世界中有一定范围内存在着的应用数据抽象成一个数据库的具体结构的过程。空间数据库设计要满足用户需求，具有良好的数据库性能，准确模拟现实世界，能够被某个数据库管理系统接受。

三．任务 任务包括三个方面：数据结构、数据操作、完整性约束 具体为： ①静态特征设计——结构特性，包括概念结构设计和逻辑结构设计； ②动态特性设计——数据库的行为特性，设计查询、静态事务处理等应用程序； ③物理设计，设计数据库的存储模式和存储方式。 主要步骤：需求分析→概念设计→逻辑设计→物理设计 原则：①尽量减少空间数据存储冗余；②提供稳定的空间数据结构，在用户的需要改变时，数据结构能够做出相应的变化；③满足用户对空间数据及时访问的需求，高校提供用户所需的空间数据查询结果；④在空间元素间为耻复杂的联系，反应空间数据的复杂性；⑤支持多种决策需要，具有较强的应用适应性。 四、任务范围 空间数据库实现的步骤、建库的前期准备工作内容、建库流程 步骤：①建立实际的空间数据库结构；②装入试验性数据测试应用程序；③装入实际空间数据，建立实际运行的空间数据库。 前期准备工作内容：①数据源的选择；②数据采集存储原则；③建库的数据准备；④数据库入库的组织管理。 建库流程：①首先必须确定数字化的方法及工具；②准备数字化原图，并掌握该图的投影、比例尺、网格等空间信息；③按照分层要求进行

实验空间数据库管理及属性编辑实验报告

实验报告 一、实验名称 二、实验目的 三、实验准备 四、实验内容及步骤 五、实验后思考题 班级：资工（基）10901 姓名：魏文风 序号：28 实验二、空间数据库管理及属性编辑 一、实验目的 1.利用ArcCatalog管理地理空间数据库，理解Personal Geodatabse空间数据库模型的有关概念。 2.掌握在ArcMap中编辑属性数据的基本操作。 3.掌握根据GPS数据文件生成矢量图层的方法和过程。 4.理解图层属性表间的连接(Join)或关联(Link)关系。 二、实验准备 预备知识： ArcCatalog 用于组织和管理所有GIS 数据。它包含一组工具用于浏览和查找地理数据、记录和浏览元数据、快速显示数据集及为地理数据定义数据结构。 ArcCatalog 应用模块帮助你组织和管理你所有的GIS 信息，比如地图，数据集，模型，元数据，服务等。它包括了下面的工具： ●浏览和查找地理信息。 ●记录、查看和管理元数据。 ●创建、编辑图层和数据库 ●导入和导出geodatabase 结构和设计。 ●在局域网和广域网上搜索和查找的GIS 数据。

管理ArcGIS Server。 ArcGIS 具有表达要素、栅格等空间信息的高级地理数据模型，ArcGIS支持基于文件和DBMS(数据库管理系统)的两种数据模型。基于文件的数据模型包括Coverage、Shape文件、Grids、影像、不规则三角网(TIN)等GIS数据集。 Geodatabase 数据模型实现矢量数据和栅格数据的一体化存储，有两种格式，一种是基于Access文件的格式－称为Personal Geodatabase，另一种是基于Oracle或SQL Server等RDBMS关系数据库管理系统的数据模型。 GeoDatabase是geographic database 的简写，Geodatabase 是一种采用标准关系数据库技术来表现地理信息的数据模型。Geodatabase是ArcGIS软件中最主要的数据库模型。 Geodatabase 支持在标准的数据库管理系统（DBMS）表中存储和管理地理信息。 在Geodatabase数据库模型中，可以将图形数据和属性数据同时存储在一个数据表中，每一个图层对应这样一个数据表。 Geodatabase可以表达复杂的地理要素（如，河流网络、电线杆等）。比如：水系可以同时表示线状和面状的水系。 基本概念：要素数据集、要素类 数据准备： 数据文件：National.mdb ，GPS.txt （GPS野外采集数据）。 软件准备： ArcGIS Desktop 9.x ---ArcCatalog 三、实验内容及步骤 第1步启动ArcCatalog打开一个地理数据库 当ArcCatalog打开后，点击, 按钮（连接到文件夹）. 建立到包含练习数据的连接（比如 “E:\ARCGIS\EXEC2”）, 在ArcCatalog窗口左边的目录树中, 点击上面创建的文件夹的连接图标旁的(+)号，双击个人空间数据库－National.mdb。打开它。. 在National.mdb中包含有2个要素数据集、1个关系类和1个属性表第2步预览地理数据库中的要素类 在ArcCatalog窗口右边的数据显示区内，点击“预览”选项页切换到“预览”视图界面。在目录树中，双击数据集要素集－“WorldContainer”，点击要素类－“Countries94”激活它。 在此窗口的下方，“预览”下拉列表中，选择“表格”。现在，你可以看到Countries94的属性表。查看它的属性字段信息。 花几分钟，以同样的方法查看一下National.mdb地理数据库中的其它数据。

空间数据库简答题

Geo-relational model地理关系数据模型 空间数据被抽象成一系列独立定义的层。 每层代表了一个相关空间要素的集合。所有图层都必须占用或者至少在一些空间重合区，低于甚至高于地球表面，在相同的地理空间建模。ADT的特点 1) ADT的属性定义和行类型的属性定义类同。2) 在创建ADT的语句中，通过用户定义的函数比较对象的值。3) ADT的行为通过方法(methods)、函数(functions)实现。4) SQL3要求抽象数据类型是封装的，而行类型则不要求封装。5) ADT有3个通用的系统内置函数6) ADT可以参与类型继承Cell树索引：划分空间时采用凸多边形作为划分基本单位，子空间不相互覆盖。Cell树的磁盘访问次数比R树和R+树少，性能好。Cell树是比较优秀的空间索引方法 OGIS 操作：·用于所有几何类型的基本操作如SpatialReference，返回所定义对象几何体的基础坐标系统；·用于空间对象间拓扑关系的测试如Overlap判断两个对象内部是否有一个非空的交集；·用于空间分析的一般操作如distance，返回两对象间最短距离 局限性：·仅限于空间的对象模型，即使在对象模型中，OGIS的操作也有局限性 ·OGIS标准过于关注基本拓扑和空间度量的关系，忽略了对整个操作度量的支持，不支持基于方位谓词的操作 ·不支持动态的、基于形状的及基于可见性的操作 SDE 空间数据管理途径：1寄生在关系数据库管理系统之上的空间数据引擎——GIS厂商开发的空间数据管理模块。优点：支持通用的关系数据库管理系统，空间数据按BLOB存，可跨数据库平台，与特定GIS平台结合紧密；缺点：空间操作和处理无法在数据库内核中实现，数据模型较为复杂，扩展SQL比较困难，不易实现数据共享与互操作。2直接扩展通用数据库的空间数据库系统。优点：空间数据的管理和通用数据库系统融为一体，空间数据按对象存取，可在数据库内核中实现空间操作和处理，扩展SQL比较方便，较易实现数据共享与互操作；缺点：实现难度大，压缩数据比较困难； ArcSDE和geodatabase的主要角色：即实现GIS和DBMS的完美结合。ArcSDE能够访问多种DBMS，使用每种DBMS所支持的标准SQL类型来管理数据，并且支持所有的空间数据类型(包括要素、栅格、拓扑、网

数字航道空间数据库管理系统

长江空间数据库管理系统 1、项目介绍 建设长江航道数据库管理软件，包括元数据管理、数据预处理、数据管理、空间分析、测绘成果管理、区域局空间数据发布、空间数据应用接口等模块，同时接合各区域局业务需求，定制相关业务功能处理模块。要满足6个区域局和长江航道局、长江航道测量中心、长江规划研究院9个用户的需求。 2、系统功能模块 系统分为数据入库、数据管理、业务应用、系统设置、数据交换及建库工具等功能模块。 数据入库模块：包括数据质检检查、数据预处理和数据入库三大模块；主要用于数据入库及入库数据的准备工作。

数据入库：完成全要素数据、水深、DEM、DRG、DOM数据的入库工作。 数据质检：对入库数据进行质量检查，并将检查结果与清华山维进行对接，以在清华山维中显质检结果。 数据处理工具：对入库前数据进行相应处理，如果坐标转换、格式转换、DEM生成等。

数据编辑:对ESRI格式的数据进行简单的图形和属性编辑。 数据管理模块：包括数据数据浏览、基础数据管理、测绘成果管理、查询分析、制图与输出、测绘成果管理、DEM基础分析、工具箱等模块，主要完成对入库数据的管理和浏览工作，是数据管理系统的的核心。 数据制图输出:对当前分析结果进行制图成图，并打印输出等，以及对数据库中进行数据输出。

工具箱:提供数据处理的常用工具。 查询分析：查询统计模块主要是针对图层数据属性的查询与统计，这是对数据信息展示，方便用户随时了解数据成果的详细详细，整个“查询统计”功能模块包含以下功能点。 测绘成果管理：对工程测图成果、维护性测图成果、专项测图成果、ENC测图成果及整治建筑物测量成果等专题测绘成果进行管理，包括测量项目信息、成果入果、成果管理等。

Oracle数据库的空间数据类型

Oracle数据库中空间数据类型随着GIS、CAD/CAM的广泛应用，对数据库系统提出了更高的要求，不仅要存储大量空间几何数据，且以事物的空间关系作为查询或处理的主要内容。Oracle数据库从9i开始对空间数据提供了较为完备的支持，增加了空间数据类型和相关的操作，以及提供了空间索引功能。 Oracle的空间数据库提供了一组关于如何存储，修改和查询空间数据集的SQL schema与函数。通过MDSYS schema规定了所支持的地理数据类型的存储、语法和语义，提供了R-tree空间数据索引机制，定义了关于空间的相交查询、联合查询和其他分析操作的操作符、函数和过程，并提供了处理点，边和面的拓扑数据模型及表现网络的点线的网络数据模型。 Oracle中各种关于空间数据库功能主要是通过Spatial组件来实现。从9i版本开始，Oracle Spatial空间数据库组件对存储和管理空间数据提供了较为完备的支持。其主要通过元数据表、空间数据字段（即SDO_GEOMETRY字段）和空间索引来管理空间数据，并在此基础上提供一系列空间查询和空间分析的函数，让用户进行更深层次的GIS应用开发。Oracle Spatial使用空间字段SDO_GEOMETRY存储空间数据，用元数据表来管理具有SDO_GEOMETRY字段的空间数据表，并采用R树索引和四叉树索引技术来提高空间查询和空间分析的速度。 1、元数据表说明。 Oracle Spatial的元数据表存储了有空间数据的数据表名称、空间字段名称、空间数据的坐标范围、坐标参考信息以及坐标维数说明等信息。用户必须通过元数据表才能知道ORACLE数据库中是否有Oracle Spatial的空间数据信息。一般可以通过元数据视图（USER_SDO_GEOM_METADATA）访问元数据表。元数据视图的基本定义为： ( TABLE_NAME V ARCHAR2(32), COLUMN_NAME V ARCHAR2(32), DIMINFO MDSYS.SDO_DIM_ARRAY, SRID NUMBER

无锡市基础空间数据库SHP格式方案(大比例尺)

无锡市基础空间数据SHP格式设计方案 （大比例尺） 1、综述 1.1目的 为无锡市规划局基础空间数据建库提供标准。 1.2适用范围 1：500、1：1000、1：2000基础地形图数据 1.3制定原则 ●保证按本方案生产的数据可以实现同SHP数据的高效互转； ●保证按本方案生产的数据在转入数据库后可以实现标准图的输出； ●操作方便。 1.4类型约定 ● ●

1.5引用标准 《GB/T 14804-93 1：500 1：1000 1：2000 地形图要素分类与代码》（1994-08-01）《GB/T 7929-1995 1：500 1：1000 1：2000 地形图图式》（1996-05-01） 《GB 1：500 1：1000 1：2000 地形图数字化规范》（1998-08-01） 《GB/T14804-93 1：500 1：1000 1：2000 地形图要素分类与代码》（1994-08-01）《GT地籍数据库标准》 《GB/T 13923-92 国土基础信息数据分类与代码》（1993-07-01） 2、实体的划分 数据在SDE的服务器里是按照点、线、面和注记划分的，每一个SDE图层（FEATURECLASS）只能存储上述的一种空间对象。由于这种存储模型的限制，势必造成很多国标中的复杂地物被拆分到不同的SDE图层。为了在编码中体现设计的合理性、对实体的物理存储进行统一的管理，特在数据库的设计中在对空间实体做逻辑的划分。 2.1简单点 ●简单点实体只记录插入点的位置和相关属性，所有的简单点实体都必须以插入符号 的形式采集。 ●简单点状实体对应ARCOBJECT体系的IPOINT对象。 ●采集单位在使用点符号的时候要保证简单点的符号要和本方案提供的符号描述一 致，符号的插入点一致。 2.2简单无向线 ●简单线需要作业单位针对每一种实体制作线符号，这里所指的线符号必须是采集系 统提供的线符号库，不能用程序绘制。

空间数据管理平台解决方案

空间数据管理平台解决方案

1.引言 1.1方案概述 空间数据管理平台解决方案主要是针对我国各级测绘院、信息中心建设区域地理信息基础框架的迫切需求，开发的一套专业性强、具有高可扩展性的基础地理信息数据库管理平台。 整个方案从管理多源、多尺度、多类型的基础地理信息数据的角度出发，开发了一些列软件系统，包括空间数据入库更新子系统、空间数据质量检查子系统以及空间数据管理平台等，可以实现对现有基础地理信息数据的整合、转换与集成管理，为政府、企业、公众等提供空间信息服务。 1.2系统特点 ●“多源、多尺度、多时相”基础地理数据的集成管理 由于基础地理数据具有多源、多尺度、多时相的特点，基础地理数据管理平台必须具有集成不同数据类型、不同比例尺、不同时间的各种基础地理数据的能力。 ●多比例尺数据集成 对于不同尺度的基础地理数据，其集成通过统一空间参考系（WGS84、西安80、北京54）或动态投影技术来实现。不同比例尺的

基础地理数据可以叠加一起显示，通过控制其显示比例实现地图的逐层显示效果。 ●多类型数据集成 对于不同类型的数据（如DLG与DRG）的集成采用按空间坐标范围或图幅索引实现。 ●多时序数据集成 对于不同时间段的基础地理数据，采用历史数据库来实现。根据数据更新周期的不同，采用按数据集、图幅、对象级别的历史数据库机制。 ●基础地理数据管理全过程支持 SuperMap D-Manager特别针对我国各级测绘院、信息中心设计开发，系统支持数据加工、数据入库管理、数据共享、数据发布的整个业务过程，可以快速为用户打造完备的基础地理数据中心，满足各种用户对基础地理信息的需求，为数字城市建设服务。 ●基础性与平台性 SuperMap D-Manager从设计到实现，充分考虑了其作为基础性、平台性等支撑性要求。SuperMap D-Manager在设计思路、软件开发实现上都具有高可扩展性的特点。

空间数据库报告

空间数据库实验报告 中国地质大学（武汉） 实验名称：空间数据查询与访问 实验环境：win7 64位系统,内存为2G,Oracle11g数据库实验者： 实验时间：2013.12.09

实验目的： (1)了解掌握Oracle Spatial中空间数据查询与访问的原理与方法； (2)掌握用PL/SQL访问Oracle Spatial数据库中几何数据，以及调 用相关的空间分析函数对几何数据进行分析。 实验内容： 将数据文件mvdemo.dmp导入到创建的用户中去，然后根据要求利用SQL语言进行编程实现相应的功能。需要实现的功能如下：（1）输出数据库中所有州的多边形，采用WKT格式输出； （2）输出数据库中所有的城市的几何对象信息，采用GML格式输出； （3）给定点的经纬度坐标（40°43′N，74°00′W），查询该点是位于美国的哪个州？ （4）给定一个矩形区域（35-45°N，90-100°W ），查询有哪些城市位于该区域内？哪些州与该区域相交？ 实验步骤及结果展示： （1）将mvdemo.dmp数据集导入到创建好的用户mvdemo中 由于表空间和用户的创建过程我们已经展示过很多次，并且也尝试过很多次了，这里我们就直接跳过表空间和用户的创建过程，直接将数据集导入到创建好的用户中去，导入数据的具体过程如下： 在C:\app\oracle\product\11.2.0\dbhome_1\BIN文件夹中打开imp.exe 文件，这个文件是用来将数据导入到数据库中的，因此我们利用这个文件将mvdemo.dmp文件导入到数据库中，进入后输入用户名和密码，在此之前我们已经创建建好了一个名为mvdemo的表空间和用户，密码也设置为mvdemo，输入后显示连接成功，然后按照提示进行数据的导入工作，如下图所示：

浅议地理信息系统与空间数据库建设

浅议地理信息系统与空间数据库建设 发表时间：2019-05-06T16:38:47.200Z 来源：《防护工程》2019年第1期作者：蔡云霞 [导读] 对于城市范畴中的所有空间数据，赶着全方位的管理作用，通过对地图的数据化处理，进而实现对各种信息的系统化储存。 内蒙古自治区第七地质矿产勘查开发院内蒙古呼和浩特 010020 摘要：该文阐述了在地理信息系统建设过程中,地图数据库、空间数据库的作用与差别。针对我国现阶段地理信息系统建设的现状,分析了现阶段同时建立与维护空间数据库与地图数据库的必要性。指出了随着空间数据库技术的发展,空间数据库最终将取代地图数据库,同时提供多比例尺地图服务及各种时空尺度的地理信息服务。 一、地理信息系统与空间数据库的相关简介 地理信息系统又称“地学信息系统”，是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下，对整个或部分地球表层空间中的有关地理分布数据进行加工处理的技术系统。而所谓的空间数据库，正是以空间数据为基础，力辅这以计算机硬件力量的支撑和扶持，实现对相关数据的处理活动，以实现提供空间动态层面的多元化，从根本上提升城市服务的质量的一种技术操作手段。空间数据库是地理信息系统中的基础与核心元素，对于城市范畴中的所有空间数据，赶着全方位的管理作用，通过对地图的数据化处理，进而实现对各种信息的系统化储存。 二、空间数据库的特点 GIS空间数据库与普通的数据库在模型及功能上有很大的差别,总的来说,空间数据有以下特征。空间特征:每一个空间对象具有空间坐标。除了通用数据库管理系统或文件系统关键字索引和辅关键字索引以外,一般都需要建立空间索引。非结构化特征:空间数据不满足结构化的要求。将一条记录表达一个空间对象时,它的数据项有可能是变长的。例如,一条弧段的坐标,其长度将是不可预料的;此外,一个对象也可能包含另外的一个或多个对象。空间关系的特征:空间数据中记录的拓扑信息表达了多种的空间关系。该种拓扑数据结构一方面既方便了空间数据的查询和空间分析,另一方面也给空间数据的一致性和完整性维护增加了复杂性。海量数据特征:空间数据库是海量数据。由于空间数据量大,需要在二维空间上划分出块或者图幅,垂直方向上分层来组织。由于空间数据的如上几个特征,当前通用的关系数据库系统难以满足要求。而大部分GIS软件将采用混合管理的模式――即用文件系统来管理几何图形数据,用商用的关系数据库管理属性数据。但是存在的问题是,文件管理系统的功能较弱,特别在数据的安全性、以及一致性、完整性、并发控制、数据损坏后的恢复方面都缺乏基本的功能。所以GIS 开发商一直在寻找商用数据库管理系统来同时管理图形和属性数据。 三、空间数据库构建中的数据分析 空间数据库在实际构建前需对设计的用途以及应用对象进行确认，确保空间数据分析能够为数据库的构建奠定良好的基础。具体数据分析过程中主要体现在三方面，即：首先，做好数据库应用对象的调查工作。通过对应用对象的调查了解信息的需求以及信息处理内容，以此为依据确定空间数据库的构建目标。其次，对数据研究范围进行确定，主要包括区域边界与地理控制点两方面。最后，保证源数据的准确性。为使空间数据库中的数据具有参考价值，需注意综合考虑调查资料与其数学精度，如地物间是否在逻辑上保持一致或图面的相关表示是否准确等。尤其要求在构建前应使各坐标系统进行统一，避免出现数据不统一的情况。 四、空间数据库分类 空间数据可分为矢量数据和栅格数据两大类。矢量数据用点、线、面等来描述现实世界,表达地表信息,通过坐标值来定义,是数学的表达方式。栅格数据用一定的空间分解力来解析地表的信息,通过灰度、色调来定义。以前矢量数据以其数据结构严密,拓扑关系完善、数学分析方便、图形输出精美、数据记录量小等诸多的优点而为广大GIS用户青睐,但随着计算机硬件的发展,制约栅格数据的硬件问题得到解决。国民经济的快速发展,对制图周期和更新周期提出了更高的要求,矢量数据复杂的内容、漫长的采集期,不便快速更新的缺点反而越来越突出。现在栅格数据和矢量数据相互相成,互相转化,使矢量图的内容相对数字地形而言,内容大为减少,缩短了矢量数据生产和更新的周期。 五、我国的空间数据库建设问题与改进策略 5.1我国现行基础空间数据库的建设过程 我国在建设地理信息系统的初期，很多人由于对数据库这一概念理解不透彻，导致把地理数据库和空间数据库弄混淆，所以在两个数据库中分别含义对方的数据信息。还有一些空间数据库在设计初期不合理，无法满足地图数据库的要求。为此，在以后的建设过程中采用直接对已有地形图进行数字化，或者在进行地形图生产的同时，利用同一数据源，采用与地形图相同的地理要素建立空间数据库。 5.2现有空间数据库建设存在的问题 由于人们对两个数据库理解的不够透彻，所以在空间数据库后期制作方面也出现了诸多问题。常常出现在同一个区域利用逻辑关系把相关的地理信息分隔开来；在数据库中记录信息不全面，设计结构不合理；在数据库中存在大量人工处理过的地理信息。这样不仅给数据空间带来很大的负担，而且还降低了提供地理信息系统的应用能力。 5.3未来空间数据库建设思路 在充分了解地图数据库和空间数据库之后，知道它们是两种完全不同的数据库。为此，在以后的建设中要集中到这两个方面：其一，对空间数据库的更新和改造。从不同角度出发，提高提取地理信息的速度，数据的精度和准确度；加强管理，对每一条信息进行有效操作；加强对信息的安全把控，防止数据泄露，并进行有效分类，统一标准。其二，对地图数据库的建立和更新。明确地图的符号化，统一标准，提高对数据的挖掘能力，加强地图制图综合能力。当这些问题都得到解决时，就证明了地理信息系统在技术方面有了很大的提高，在信息储存方面也可以及时的更新，不用在大量积攒无用的信息。 六、我国发展地理信息系统与空间数据库建设的基本途径 虽然我国在地理信息系统与空间数据库建设的发展历程中，已经存在了20多年的研究历程，但如令人欲改变停滞不前的初级阶段，仍然需要基本途径的转换和更新。第一，要在新兴的空间数据库的工作上，夯实其更新创造的基础。更新空间数据库，主要包括实现对地理信息速度和精确度的增长，自动化程度的增强，同时也要促进数据系统的人为管理。第二，对于传统通用的地图数据库，也要进行适度的改造，对于地图数据库中的系统功能的优化，主要包括三个方面：图形的符号化动作，以便解决地理信息的合理表示问题；地图制图综

文献综述-空间数据库

高级数据库（结课）文献综述 题目：空间数据库 姓名：张广元 学号：Y151021422 学院：计算机与信息工程学院 专业：计算机技术（专业硕士）年级：2015级 任课教师：葛利 2015 年12 月15 日

【前言】 空间数据库是近年来数据库技术研究的热点之一。空间数据库指的是地理信息系统在计算机物理存储介质上存储的与应用相关的地理空间数据的总和，一般是以一系列特定结构的文件的形式组织在存储介质之上的。所谓空间数据是指与空间位置和空间关系相联系的数据。归纳起来它具有以下5个基本特征： 1、空间特征 每个空间对象都具有空间坐标,即空间对象隐含了空间分布特征。这意味着在空间数据组织方面,要考虑它的空间分布特征。除了通用性数据库管理系统或文件系统关键字的索引和辅关键字索引以外,一般需要建立空间索引。 2、非结构化特征 在当前通用的关系数据库管理系统中,数据记录一般是结构化的。即它满足关系数据模型的第一范式要求,每一条记录是定长的,数据项表达的只能是原子数据,不允许嵌套记录。而空间数据则不能满足这种结构化要求。若将一条记录表达一个空间对象,它的数据项可能是变长的,例如, 1条弧段的坐标,其长度是不可限定的,它可能是2对坐标,也可能是10万对坐标; 其二, 1个对象可能包含另外的1个或多个对象, 例如, 1个多边形,它可能含有多条弧段。若1条记录表示1条弧段,在这种情况下, 1条多边形的记录就可能嵌套多条弧段的记录,所以它不满足关系数据模型的范式要求,这也就是为什么空间图形数据难以直接采用通用的关系数据管理系统的主要原因。 3、空间关系特征 空间数据除了前面所述的空间坐标隐含了空间分布关系外。空间数据中记录的拓扑信息表达了多种空间关系。这种拓扑数据结构一方面方便了空间数据的查询和空间分析,另一方面也给空间数据的一致性和完整性维护增加了复杂性。特别是有些几何对象,没有直接记录空间坐标的信息,如拓扑的面状目标,仅记录组成它的弧段的标识,因而进行查找、显示和分析操作时都要操纵和检索多个数据文件方能得以实现。 4、分类编码特征 一般而言,每一个空间对象都有一个分类编码,而这种分类编码往往属于国家标准,或行业标准,或地区标准,每一种地物的类型在某个GIS中的属性项个数是相同的。因而在许多情况下,一种地物类型对应于一个属性数据表文件。当然,如果几种地物类型的属性项相同,也可以多种地物类型共用一个属性数据表文件。 5、海量数据特征 空间数据量是巨大的,通常称海量数据。之所以称为海量数据,是指它的数据量比一般的通用数据库要大得多。一个城市地理信息系统的数据量可能达几十GB,如果考虑影像数据的存贮,可能达几百个GB。这样的数据量在城市管理的其他数据库中是很少见的。正因为空间数据量大,所以需要在二维空间上划分块或者图幅,在垂直方向上划分层来进行组织。

空间数据库管理模式

空间数据管理模式 1．文件管理——ArcInfo中Coverage文件管理 ARC/INFO7.X以前版本以Coverage作为矢量数据的基本存储单元。一个Coverage存储指定区域内地理要素的位置、拓扑关系及其专题属性。每个Coverage一般只描述一种类型的地理要素（一个专题Theme）。位置信息用X,Y表示，相互关系用拓扑结构表示，属性信息用二维关系表存储。 ?Coverage的优点 空间数据与属性数据关联 空间数据放在建立了索引的二进制文件中，属性数据则放在DBMS表（TABLES）里面，二者以公共的标识编码关连。 矢量数据间的拓扑关系得以保存 由此拓扑关系信息，我们可以得知多边形是哪些弧段（线）组成、弧段（线）由哪些点组成、两条弧段（线）是否相连以及一条弧段（线）的左 或右多边形是谁？这就是通常所说的“平面拓扑”。 ?新技术条件下Coverage的缺陷 Coverage模型可取的方面，有的已经可以不再继续作为强调的因素； 拓扑关系的建立可以由面向对象技术解决（记录在对象中） 硬件的发展，不再将存储空间的节省与否作为考虑问题的重心 计算机运算能力的提高，已经可以实时地通过计算直接获得分析结果。 空间数据不能很好地与其行为相对应； 以文件方式保存空间数据，而将属性数据放在另外的DBMS系统中。这种方式对于日益趋向企业级和社会级的GIS应用而言，已很难适应（如海量数据、 并发等） Coverage模型拓扑结构不够灵活，局部的变动必须对全局的拓扑关系重新建立（Build） “牵一发而动全身”，且费时 在不同的Coverage之间无法建立拓扑关系； 河流与国界 人井与管道 2．文件-关系数据库混合型管理——ArcInfo、ArcView GIS的Shape文件和Mapinfo中的Tab文件管理 用文件系统管理几何图形数据，用商用关系型数据库管理属性数据，两者之间通过目标标识或内部连接码进行连接。在这一管理模式中，除通过OID(object，ID)连接之外，图形数据和属性数据几乎是完全独立组织、管理与检索的。当前GIS ODBC(Open Database Consortium，开放性数据库连接协议)

基于CityGML的城市三维空间数据库设计研究

基于CityGML的城市三维空间数据库设计研究 目前，全国正积极开展智慧化和数字化城市建设，若想构建智慧化、数字化的城市就必须建立三维信息化管理数据库，但是三维模型数据通常较难共享，所以必须建立CityGML模型共享标准。为了进一步明确在CityGML基础之上的城市三维空间数据库的应用价值，本文对其设计进行了相关研究，望对该模型和数据库的建立提供新思路，并为日后应用提供帮助。 标签：CityGML城市三维空间数据库；设计研究 国家自从提出测绘地理信息“十二五”发展规划之后，全国各地均积极开始构建完善的数字城市建设，传统的数字城市三维景观模型具有一定的缺陷，很多大数据格式难以兼容和共享，为了有效的完善该模型建设，为此，本文深入分析了CityGML技术的标准，并为空间数据存储建立了相关解决方案，最终实现了CityGML技术在模型中的应用价值。现将研究内容论述如下。 一、CityGML技术和模型概述 1.概念概述 CityGML技术和模型也就是通常所说的城市地理标记语言技术和模型，该模型下的数据较为开放，属于GML3的一种应用模式，其交换格式是在虚拟3D 城市模型和XML的存储基础上得以实现的，可以对城市中的三维对象建立相关的信息模型，可以显示多种地理对象之间的空间和数据关系，经由该模型建立的区域模型的语义、拓扑、几何关系明显。使用这种技术和模型不仅可以有效的显示城市模型的外观，还可以建立其系统的语义属性，可以更加直观的表现城市植被、交通设施以及地面情况等。目前，较为先进的版本为CityGML2.0版本。该版本中内含11个扩展模式和1个核心模式。 2.关键技术说明 为了深入应用该模型，必须对其关键技术进行认知和理解，其模型中主要的模型和技术包含两点，一是LOD细节层次模型，二是语义/几何一体化表达模型。在该模型中一共有五个连贯细节层次，只有提高这些细节层次才可以更加高效的收集各种细节。而细节层次联合地域建立的LOD0-地域模型多指2.5维度的数字地形模型，属于一种较为粗糙的层次模型。其中，该模型中的LODl模型缺少屋顶的模型结构；而LOD2模型则为屋顶和纹理的粗模，期间涵盖了植被等物体；LOD3则是在此基础上建立的建筑物模型，该模型的分辨率更高，细节层次呈现也较多，其中的交通设施和植被模型显示更为精细；而LOD4模型则是在所有模型基础上增设了细致的3D物体结构，其层次也更加详细。 在CityGML中，语义，几何一体化表达模型是其主要的设计内容。在该模型中可以建立语义机制，语义内容中将窗户、墙壁和建筑物等真实物体采用一定

数据库基础知识试题(含答案)

数据库基础知识试题 部门____________ __________ 日期_________ 得分__________ 一、不定项选择题（每题1.5分，共30分） 1.DELETE语句用来删除表中的数据,一次可以删除( )。D A .一行 B.多行 C.一行和多行 D.多行 2.数据库文件中主数据文件扩展名和次数据库文件扩展名分别为( )。C A. .mdf .ldf B. .ldf .mdf C. .mdf .ndf D. .ndf .mdf 3.视图是从一个或多个表中或视图中导出的（）。A A 表 B 查询 C 报表 D 数据 4.下列运算符中表示任意字符的是( )。B A. * B. % C. LIKE D._ 5.（）是SQL Server中最重要的管理工具。A A．企业管理器 B.查询分析器 C.服务管理器 D.事件探察器 6.（）不是用来查询、添加、修改和删除数据库中数据的语句。D A、SELECT B、INSERT C、UPDATE D、DROP 7.在oracle中下列哪个表名是不允许的（）。D A、abc$ B、abc C、abc_ D、_abc 8.使用SQL命令将教师表teacher中工资salary字段的值增加500，应该使用的命令 是（）。D A、Replace salary with salary+500 B、Update teacher salary with salary+500 C、Update set salary with salary+500 D、Update teacher set salary=salary+500 9.表的两种相关约束是（）。C

空间数据库复习重点答案完整)

1、举例说明什么是空间数据、非空间数据？如何理解空间查询和非空间查询的区别？常用的空间数据库管理方式有哪几种及其各自特点。 数据：是指客观事务的属性、数量、位置及其相互关系等的符号描述。空间数据：是对现实世界中空间对象（事物）的描述，其实质是指以地球表面空间位置为参照，用来描述空间实体的位置、形状、大小及其分布特征等诸多方面信息的数据。河流的泛洪区，卫星影像数据、气象气候数据等都可以是空间数据书店名称店员人数，去年的销售量，电话号码等是非空间数据 空间查询是对空间数据的查询或命令 人工管理阶段 文件管理阶段缺点： 1）程序依赖于数据文件的存储结构，数据文件修改时，应用程序也随之改变。 2）以文件形式共享，当多个程序共享一数据文件时，文件的修改，需得到所有应用的许可。不能达到真正的共享，即数据项、记录项的共享。 常用： 文件与数据库系统混合管理阶段优点：由于一部分建立在标准的RDBMS上，存储和检索数据比较有效、可靠。 缺点：1）由于使用了两个子系统，它们各自有自己的规则，查询操作难以优化，存储在RDBMS外的数据有时会丢失数据项的语义。 2）数据完整性的约束条件可能遭破坏，如在几何空间数据系统中目标实体仍存在，但在RDBMS中却已删除。 3）几何数据采用图形文件管理，功能较弱，特别是在数据的安全性、一致性、完整性、并发控制方面，比商用数据库要逊色得多 全关系型空间数据库管理系统 ◆属性数据、几何数据同时采用关系式数据库进行管理 ◆空间数据和属性数据不必进行烦琐的连接，数据存取较快 ◆属性间接存取，效率比DBMS的直接存取慢，特别是涉及空间查询、对象嵌套等复杂的空间操作 ◆GIS软件：System9，Small World、GeoView等 本质：GIS软件商在标准DBMS顶层开发一个能容纳、管理空间数据的系统功能。 对象关系数据库管理系统 优点：在核心DBMS中进行数据类型的直接操作很方便、有效，并且用户还可以开发自己的空间存取算法。缺点：用户须在DBMS环境中实施自己的数据类型，对有些应用相当困难。 面向对象的数据库系统。 采用面向对象方法建立的数据库系统； 对问题领域进行自然的分割，以更接近人类通常思维的方式建立问题领域的模型。 目前面向对象数据库管理系统还不够成熟，价格昂贵，在空间数据管理领域还不太适用； 基于对象关系的空间数据库管理系统可能成为空间数据管理的主流 2、什么是GIS，什么是SDBMS？请阐述二者的区别和联系。 GIS是一个利用空间分析功能进行可视化和空间数据分析的软件。它的主要功能有：搜索、定位分析、地形分析、流分析、分布、空间分析/统计、度量GIS 可以利用SDBMS来存储、搜索、查询、分享大量的空间数据集 改：地理信息系统是以地理空间数据库为基础，在计算机软硬件的支持下，运用系统工 科学管理和综合分析具有空间内涵的地理数据，以提供管理、决策等所需信息的技术系统。简单的说，地理信息系统就是综合处理和分析地理空间数据的一种技术系统。

面向空间数据库建设的插件式开发与应用_宋碧波

收稿日期：2014-09-19。项目来源：矿山空间信息技术国家测绘地理信息局重点实验室开放基金资助项目（KLM201411）。 面向空间数据库建设的插件式开发与应用 宋碧波1，张立朝1，石?晶1，郭秀丽1 （1.河南省基础地理信息中心，河南 郑州 450000） 摘?要：针对传统基础地理信息数据库建设过程中工作效率低下、数据质量不易控制等问题，提出数据库建设的插件式开发方式。通过采用ArcGIS Add-In 桌面定制开发技术，实现了数据格式批量转换、智能编辑和专项质检等功能，利用已有成熟商业软件的功能接口，有效避免功能的重复开发。研究成果对实际生产过程中的批量入库和质量控制起到重要的作用。关键词：ArcGIS Add-In ；数据库建设；插件式开发 中图分类号：P208 文献标志码：B 文章编号：1672-4623（2015）05-0086-03 国家测绘地理信息局于2013年在全国范围内实施1∶10 000数据库整合升级项目[1]，在对DLG 数据建库的过程中，主要涉及坐标转换、格式转换、分类代码转换、要素编辑、属性项编辑、数据结构重组等一系列数据编辑、转换与质检工作。常规作业方式主要采用手工处理，从而导致数据量大、效率低、数据结构不统一、数据质量难以控制等问题[2]。采用程序建库的方式能够有效解决上述问题。借助程序读入数据可有效避免手工入库效率低下的问题。然而，目前采用程序入库方式主要基于组件式开发，不仅开发周期长，并且不能有效利用已有程序的接口，从而造成已有程序功能的浪费，重复开发的现象普遍存在[3]。 鉴于上述情况，本文提出一种地理信息数据库建设的插件式开发方式。采用ArcGIS Add-In 桌面扩展功能开发，实现数据格式转换、编辑、质量检查等功能，解决数据库建设中效率低下、结构不统一、质量难以控制等问题。 1?ArcGIS?DeskTop?Add-In 早期ArcGIS（8.0之前版本）通过使用ArcInfo Workstation 提供的宏语言AML 来进行单纯的二次开发，ArcGIS10.1及以后版本中不再支持Workstation 环境。基于ArcObject 组件进行C/S 开发主要分为基于ArcGIS Desktop 进行自定义应用扩展和利用ArcGIS Engine 建立自己的应用等。ArcGIS Desktop 桌面应用扩展开发分为客户定制开发、VBA 开发和使用编程语言进行嵌入式开发。客户定制开发只需对已有工具进行重新组合即可；基于VBA 开发可以实现大部分功能的定制，ArcGIS10.0以后版本中将不再包含该模块；基于ArcObject 的开发方式，利用支持COM 的 编程语言进行系统功能开发，通过对编译后的DLL 进行注册，从而将该功能添加到系统中。另外，为了满足用户在数据批处理及功能定制方面的需求，ArcGIS ToolBox 提供了模型制作、编写脚本工具等方式，通过对已有工具进行重组合实现数据的流程化处理，或利用Python 语言编写脚本工具实现数据的批处理，这从一定程度上减少了用户处理数据的负担。 ArcGIS Add-In 是ArcGIS 10.0以后提供的一种全新的桌面定制开发方式，它能够根据用户需求快速扩展桌面功能，与VBA、Engine 等开发方式相比具有易创建、易共享、更安全、易安装管理等突出特点[4]。在ArcGIS Desktop 原有功能基础上根据实际需求进行特殊功能的定制开发，扩展桌面上现有功能，最大程度满足用户的操作需求。基于Add-In 的开发模式使程序开发周期大大缩短，能够直接享用已有功能，并且使界面交互功能的开发更加简单，开发过程、呈现形式更加灵活。考虑到Add-In 的以上优势及实际生产任务在时间上的紧迫性，最终采用该方法对ArcMap 桌面功能进行扩展以解决实际生产问题。 2?总体设计与功能实现 1∶10 000基础地理信息数据库建库项目中存在大量数据的格式转换、坐标转换、投影信息编辑、要素几何及属性信息编辑、几何及属性精度控制、图层结构与拓扑关系检查等工作，是项目实施过程中的主要工作内容，占用时间较多。以上归纳起来可以分为数据转换、数据编辑、质量检查3类。2.1?数据转换 数据转换主要包括常用数据格式间的转换和同一椭球基准下坐标系统间的转换。不同数据采集系统间或同一软件系统中都涉及到数据存储格式转换的问