空间数据仓库决策支持系统技术研究

本文讨论如何将各种应用系统的空间数据整合在一起,搭建空间数据仓库,对空间数据中存在的非显式知识、空间关系等进行挖掘提取。介绍了数据仓库的基本框架、模型的构建、空间数据知识。     

地学空间数据仓库的构建技术

为了将中国多源、异构、分散的地学数据集中到一起,为资源评价提供有效的数据供应,将地学空间数据仓库作为实现数据集成的解决方案。首次提出了符合中国国情的具有数据源、空间ETL、空间数据存储、基于SOA的应用服务和客户应用的5层地学空间数据仓库的体系结构。根据中国地质行业行政划分和数据的分布情况,设计了能够实现地学数据集成的国家、大区所、省三级管理的地学空间数据仓库系统的物理部署方案。这是一套符合中国地学实际情况且完整可行的地学数据集成方案。     

地学空间数据模型的研究

以美国、加拿大、澳大利亚等国家地质调查局建立的地学空间数据库为基础，阐述了建立地学空间数据模型的重要意义。归纳了地学空间数据模型的设计原则，认为图层与属性表的实体关系、图层及属性表多少为佳是着重要解决的问题。通过对地学空间数据模型概念设计的深入研究，可以使地学空间数据模型设计人员正确地理解地学专家领域的问题，而逻辑设计则是地学空间数据模型的核心。地学逻辑数据模型研究的主要任务有图层的划分、属性表定义及关联、空间图形数据图层与属性数据的关联等。     

地理信息系统的空间数据精度

地理信息系统（ＧＩＳ）涉及空间的采集管理，显示及分析。为了使用ＧＩＳ，就需要有合适的硬件，软件以及受过训练的人员。然而在一项自动化方案可用在这一部分花费与昂贵的数据采集部分比较起来要小。引外，不同的应用所需要的数据精度和质量通常是不相同的。本文对数据采集过程中遇到的各种误差进行了综合性概述，并对数据采集的主要和辅助方法中遇到的各种误差作了总体上的解释。此外，还对数据采集的主要方法所采用的不同标准和     

地理空间元数据库的研究与实现

随着地理空间数据剧增,其复杂性和差异性也明显增大,地理空间数据元数据信息变得更加重要.本文以安徽省资源环境空间数据库元数据库的建立为例,以面向需求为出发点,探讨地理空间元数据的分级和分类、内容的确立和生成、描述方式以及元数据库系统的结构和实现等一些问题,并初步建立了用户元和系统两类元数据库.     

中华人民共和国1：50万数字地质图和空间元数据

本文简要介绍了我国首次利用GIS计算机技术，编制并建成的基础性和公益性《中华人民共和国1：50万数字地质图空间数据库》及其“元数据库”。     

GIS空间数据的误差校正

主要介绍了图形输入过程中引起误差的原因,误差校正的原理及一和的误差校正方法,特别是在ＭＡＰＧＩＳ中应用的分块误差校正方法,实践表明效果很好,最后还简要地介绍了图形工的介。     

面向实体的空间数据模型

空间数据模型是地理信息系统(GIS) 研究的基础内容.为适应新一代大型GIS的数据量大, 拓扑关系复杂, 数据种类多等特点, 提出了一种新型GIS数据模型---面向地理实体的空间数据模型.它以实体为基本表达对象, 具有较强的空间和语义表现力, 支持语义表达和转换, 便于实现等优点.从空间数据管理, 概念数据模型等方面详细地介绍了该种数据模型.实践表明, 采用该数据模型, 系统对真实世界的实体表现力将大大增强, 数据组织更加合理.      

GIS空间数据的质量探讨

空间数据直接影响着GIS应用分析结果的可靠程度和应用目标的真正实现,因此,有效地控制空间数据的质量是非常必要的。该文结合山东省1：1万基础地理信息数据采集与建库实践,分析了空间数据质量问题的来源及影响,根据空间数据质量标准,采用软件检查和人机交互检查2种方法,制定各工序相应的检查方案,以减少误差,防止粗差。     

中国岩石圈三维结构数据库元数据的设计与管理

中国岩石圈三雏结构数据库基于ArcGIS平台。为进行项目的空间数据规范化管理，通过时FGDC标准和ESRI规范的元素项作了适当取舍和简化。制定了项目的空间数据元数据标准，该标准和FGDC标准兼容；用ArcObjects编程实现了专用的元数据编辑器；编制项目专用XSL样式表。使用ArcGIS系统的同步程序及定制的元数据编辑器实现了空间数据的元数据管理。     

基于GDW的空间数据融合

空间数据融合是目前地学信息领域面临的难题。通过介绍Oracle数据仓库系统架构和其在地学信息存储和分析方面的优点,深入分析ArcInfo中的Geodatabase的空间数据组织模型,重点研究了Oracle Spatial的空间数据存储模型、空间数据和空间索引组织模式,并给出了空间数据融合的具体实现过程。针对具体项目,结合GIS二次开发,能非常高效地实现空间数据的融合。     

面向水文数据共享的水文核心元数据模型研究及应用

研究了目前水文及相关元数据的研究和发展情况,分析了水文数据及元数据的特点,在此基础上研究设计了符合水文数据共享需求,同时具有简洁、适用性强的水文核心元数据模型。提出的水文核心元数据模型在水文水资源科学数据共享中得到了应用,并取得了较好的应用效果。     

Development of Geological Data Warehouse

Data warehouse (DW), a new technology invented in 1990s, is more useful for integrating and analyzing massive data than traditional database. Its application in geology field can be divided into 3 phrases: 1992-1996, commercial data warehouse (CDW) appeared; 1996-1999, geological data warehouse (GDW) appeared and the geologists or geographers realized the importance of DW and began the studies on it, but the practical DW still followed the framework of DB; 2000 to present, geological data warehouse grows, and the theory of geo-spatial data warehouse (GSDW) has been developed but the research in geological area is still deficient except that in geography. Although some developments of GDW have been made, its core still follows the CDW-organizing data by time and brings about 3 problems: difficult to integrate the geological data, for the data feature more space than time; hard to store the massive data in fifferent levels due to the same reason; hardly support the spatial analysis if the data are organized by time as CDW does. So the GDW should be redesigned by organizing data by scale in order to store mass data in different levels and synthesize the data in different granularities, and choosing space control points to replace the former time control points so as to integrate different types of data by the method of storing one type data as one layer and then to superpose the layers. In addition, data cube, a wide used technology in CDW, will be no use in GDW, for the causality among the geological data is not so obvious as commercial data, as the data are the mixed result of many complex rules, and their analysis needs the special geological methods and software; on the other hand, data cube for mass and complex geo-data will devour too much store space to be practical. On this point, the main purpose of GDW may be fit for data integration unlike CDW for data analysis.     

非标准化地质数据存储模式研究

地质数据中存在大量非标准化的数据,此类数据主要以MapGIS的数据格式存储.针对此类数据管理难、复用水平较低的现状,建立了以元数据服务器(MDS)为核心的数据存储模式,提出了弹性的迁移机制完成数据的重构,使用了动态数据驱动生成索引元数据框架,同时实现数据访问安全机制,用户授权等功能.此模式利用MDS (Metadata Server)实现对数据的管理、检索和调阅,这使散落在单机上的地质数据能够自主迁入空间数据仓库,实现统一管理,增强了数据的可复用性,     

对建设水文数据仓库的初步研究

本文根据目前对水文信息的应用需求,提出了建设水文数据仓库的必要性。对数据仓库及相关技术作了简要介绍,结合水文数据实际状况和应用主题,提出了建设水文数据仓库的数据组织、基本体系结构和建设步骤等相关内容。     

分布式异构多级空间数据中心的研究与设计

多年来作为国土管理工作重要依据的空间数据不能进行及时有效地更新交换, 上下级之间数据不能同步, 以至各级审批节点只能进行费时、费力的“定性”审批.通过对国土资源数据现状的分析, 提出了树状层次结构数据中心部署模型, 详细分析了数据中心体系模型和数据中心交换模型; 在模型的基础上, 提出了表文件级更新和地理实体全球唯一编码的记录级数据更新方式, 完成了异构数据更新和传输子模块的设计, 实现了多级分布式数据中心之间的数据更新机制.实践表明, 在湖南省国土资源多级数据交换体系中成功应用后, 省厅与长沙市局之间能够远程动态实时交换空间数据, 实现了政务审批工作从定性粗放到定量精细的飞跃.      

浅析GIS空间数据不确定性概念模型

对空间数据不确定性的研究，大多数都是针对数据本身进行的，很少针对地理空间数据实际应用的不确定性展开研究，由于各种不确定性之间也常常是相互联系、相互影响，各种不确定性之间也存在很大的相关性。对地理空间数据的应用范围，以及在规定的应用范围内将产生怎样的应用结果进行不确定性评定，远比只研究地理空间数据本身的不确定性更为复杂。从目前GIS的空间数据不确定性所存在的问题出发．在介绍空间数据不确定性概念、形成的原因及一般的空间数据流程的基础上，对空间数据不确定性概念模型的建立及其模型进行了阐述，可以对空间数据不确定性的研究起到一定的借鉴作用。     

空间数据挖掘技术

近年来，伴随着空间信息获取技术的快速发展，不同类型的空间数据库以及数据库中的数据量正在不断增长，如何从这些海量数据中提取出隐含的信息和知识已成为人们研究的热点。空间数据挖掘就是为了解决这一科学问题而提出的。该文在回顾已有空间数据挖掘规则的基础上。指出了空间数据挖掘过程中存在的主要问题，进而探讨了未来空间数据挖掘的主要研究方向。     

嵌入式空间索引策略

嵌入式GIS的移动终端设备被有限的资源所束缚.使得需要使用合适的策略去解决这些问题如有限存储与大数据量之间的矛盾以及适应实时的需求.分别总结了移动终端和GIS空间数据的特点, 如移动终端的效率性和空间数据的复杂性等.将嵌入式GIS应用划分为3类: 电子地图浏览、导航系统和野外数据采集.综合描述已有的索引算法: R树、四叉树、Buddy树, 同时提出了基于主题导向的空间索引策略.实践证明, 该索引策略对已有的索引算法扬长避短, 大大提高嵌入式GIS数据存取、内存使用和CPU性能方面的效率.