一种大文件多版本遥感影像数据组织管理方法
海量遥感影像数据管理的独具匠心
态
影
像
技
术
２ ０ｌ ３年
第 ｌ期
维Ｇ Ｉ Ｓ ． ＿ 二维 与： 二 维相 比将 更为庞杂 ． 这对软件 管 和调度海量影像 数据 的能 力提 出了更高 的要求
海 量 数 据 是 怎 样 处 理 的
在地理 信息 产业 ． 影像 数据 就是价 值 ． 各Ｊ‘ 商 也
都 在 积极探 索寻 找最好 的方 法来 实现海 量影 像数 的管 理 、 处理 和共 享一 体化 ． ． 海量影像 数 据存储 管理 研究 最 可 以追 溯 剑２ （ ）
据． 向用户 提供 高分辨 率遥 感影 像公 众服 务 、
国 内在 该方 面的软件也 是异 军 突起 ． 如 遥 新 天地 的Ｅ Ｖ— Ｇ ｌ ｏ ｂ ｅ ． 灵 图的Ｖ Ｒ Ｍａ ｐ ．武 大 吉 奥 的
得要 管理 ． 使用 影像 数据 得要 处理 ． 影像 数据 服务得 要共 享 。 那 么如今 的海量 影像 数据 管理 、 处理 和共享
活跃 的影像 市场 ． 用户 对大 规模影 像 的管理 、 处理 和 共享是 普遍 的需 求 ．而Ａ ｒ ｃ Ｇ Ｉ Ｓ 最新 的影像 技 术 正好
具体 表 现在 ：
１ ． 新增 并改进 对数 据源 的支 持 支持 更多 栅格 数据 集格式 ．新 加 ｒ ｌ ６ 种栅 格数 据 格 式 的读 取 ，包 括 Ｃ Ｅ Ｏ Ｓ Ｓ Ａ Ｒ Ｉ ｍａ ｇ ｅ ， Ｅ Ｎ Ｖ Ｉ Ｓ Ａ Ｔ
世纪 ９ ０ 年代 ． 微软 开 发 的Ｍｉ ｃ ｒ ｏ ｓ ｏ ｆ ｔ Ｔ ｅ ｒ ｒ ａ Ｓ ｅ ｒ Ｖ ｅ ｒ 系统 ． 将 美 国 和 俄 罗 斯 数 十年 来 拍 摄 的 卫 晕 数 据 放 到
Ｉ ｎ ｔ ｅ ｍｅ ｔ ： 在 海 量影 像 数 据 管 理 和 处 理 方 而 ． 具 有 程碑 意 义 的是 Ｇ ｏ ｏ ｇ ｌ ｅ Ｅ ａ ｒ ｔ ｈ ． 它 可 以整 合 各类 影像 数
浅析遥感影像管理方法
浅析遥感影像管理方法陈云波;王健;王勤珍【摘要】This paper gives a detailed analysis of the current domestic remote sensing image management method,and expounds the key technology of remote sensing image database.Based on the analysis of the middleware technology（ArcSDE）and object-oriented relational database （Oracle10gGeoRaster）remote sensing image data organization and storage methods,combined with the characteristics of this unit and ArcSDE in a relational database management system（RDBMS）in the integration of spatial data,spatial,non spatial data operation to the database service advantages,proposed based on ArcSDE intermediate plug-in database technique is suitable for the remote sensing image management method.%详细分析了目前国内遥感影像管理方法,同时阐述了遥感影像建库的关键技术。
分析了基于中间件技术（ArcSDE）和基于扩展的面向对象关系数据库（Oracle10gGeoRaster）的遥感影像数据组织与存储方式,结合本单位的特点和ArcSDE在关系型数据库管理系统（RDBMS）中融入空间数据后,对空间、非空间数据进行高效操作的数据库服务的优点,提出了基于ArcSDE中间插件的建库技术才是适合本单位的遥感影像管理方法。
遥感影像数据的管理与数据库建立
遥感影像数据的管理与数据库建立摘要：现代测绘的不断发展，遥感影像数据的海量出现，使生产管理难度加大，建立影像数据库势在必行。
关键词：空间信息服务；遥感影像数据；海量影像数据；几何级数；影像数据库Abstract: The continuous development of modern surveying and mapping, mass emergence of remote sensing image data, made the production management more difficult, it is the imperative to create an image database.Key words: spatial information services; remote sensing data; massive image data; geometric progression; Image Database随着数字城市建设的发展，测绘生产中影像数据日渐增多，分布式空间信息服务将发挥越来越大的作用。
空间数据包括遥感影像数据、电子地图数据等。
特别是遥感影像数据，由于具体丰富的纹理信息，同时具有获取方便、经济、快捷等特点，已成为空间数据的主要载体，在数字城市的建设中占有重要的地位。
随着各类遥感信息的社会需求日益增强，遥感信息应该能够被很好的管理和为社会生产和生活服务。
同时随着遥感技术的不断发展，采集的影像数据量正呈几何级数增长。
而现在有的地理信息系统大多是基于矢量的，具有比较成熟的管理和建立矢量数据库的能力，但对栅格数据的处理能力较弱，尤其难以组织、调度、存储与管理海量栅格数据，更没有考虑多数据源、多比例尺、多时想影像数据的统一管理、集成与服务问题。
目前测绘生产中有迫切需要高效、快捷地存储、管理与分发海量的影像数据。
以我们单位存档数据为例：沈阳地区就有四种原始影像资料，分别是1997年1:1万黑白航片、2000年1:3.5万黑白航片、2003年1：2.5万黑白航片、2004年1:8000彩色航片，以及该地区影像图成果数据、DLG 数据、DEM数据、衍生的其他影像数据。
modis数据格式及使用方法
modis数据格式及使用方法MODIS（Moderate Resolution Imaging Spectroradiometer）是美国国家航空航天局（NASA）和美国地质调查局（USGS）合作开发的一款卫星遥感仪器，用于获取地球表面的多光谱影像和辐射数据。
MODIS数据的格式和使用方法对于遥感研究和环境监测具有重要意义。
MODIS数据的格式主要有两种：HDF-EOS（Hierarchical Data Format-Earth Observing System）和GeoTIFF（Georeferenced Tagged Information File Format）。
HDF-EOS是一种用于大规模地球科学数据的格式，它将数据存储在层次结构中，并支持多种类型的数据。
MODIS数据以HDF-EOS格式存储，其中包含了各种地理、气象和环境数据，如表面温度、植被指数、云覆盖等。
使用HDF-EOS格式可以方便地提取、处理和分析MODIS数据。
另一种格式是GeoTIFF，它将遥感影像数据存储为带有地理信息的图像文件。
GeoTIFF文件包含了地理坐标信息、投影信息和其他元数据，使得数据可以在地理信息系统（GIS）软件中进行处理和展示。
可以通过将MODIS数据转换为GeoTIFF格式，实现与其他GIS数据的无缝集成和分析。
使用MODIS数据进行遥感研究和环境监测时，可以遵循以下步骤：1. 数据获取：MODIS数据可以从美国地质调查局（USGS）的官方网站或其他遥感数据分发机构获取。
根据研究需求选择需要的产品和时间范围。
2. 数据预处理：根据研究目的对MODIS数据进行预处理，包括数据格式转换、数据解压缩和数据重投影等。
这些预处理步骤可以使用专业的遥感软件（如ENVI、ArcGIS）或编程语言（如Python）实现。
3. 数据提取：根据研究需求，从MODIS数据中提取出感兴趣的地理、气象或环境参数，比如植被指数、着火点数据等。
Mapgis多源遥感数据管理方案
Mapgis多源遥感数据管理方案概述多源遥感数据管理解决方案采用面向服务的设计思想、多层体系结构，实现了面向空间实体及其关系的数据组织、高效海量空间数据的存储与索引、大尺度多维动态空间信息数据库，具有PB级空间数据管理能力，支持局域和广域网络环境下空间数据的分布式计算、支持分布式空间信息分发与共享、网络化空间信息服务，能够支持海量、分布式的国家空间基础设施建设。
主要特点●流程化建成方式，快速实现影像及其辅助数据的数据库入库管理。
●元数据索引管理，实现多源异构遥感数据与辅助数据的一致性。
●良好的可视化效果，高效的查询检索以及便捷的输出。
●集矢量专题分析、栅格专题分析和三维专题分析于一体。
●便捷的制图输出，提供多种比例尺的制图模版，实现影像及其矢量数据的快速制图。
主要功能●数据入库：通过入库工作流，快速实现影像、矢量以及元数据的入库。
●元数据索引：根据所管理的影像及其辅助数据快速建立索引，并且快速实现所管理数据的扩充。
●影像数据查询：提供元数据索引、空间信息以及自定义的查询方式，快速检索定位。
●三维地形展示：地形图与遥感影像叠加生成三维实景，可从任意角度和方向更直观的展示细节信息。
●三维专题分析：提供坡度、坡向、日照、填挖方以及洪水淹没分析等三维专题分析。
●遥感专题产品：基于所管理的数据，提供变化检测、影像分类、地表温度等专题产品。
●信息发布：提供多源遥感数据的信息发布，方便用户通过IE访问数据，实现查询、统计等功能。
三维渲染视图地图视图典型案例●国家基础测绘成果数据库集成管理系统●中南馆藏地质资料数据管理系统●国家地质数据库一体化管理系统●……。
遥感影像解译样本数据一体化整理方法
遥感影像解译样本数据一体化整理方法发布时间：2022-09-25T05:07:16.464Z 来源：《建筑创作》2022年第4期（2月）作者：王刚[导读] 遥感影像解译样本数据收集的时候，要求对地面照片、影像案例、样本数据库做到结构化整合，构成数据格式统一、保存结构比较规范、逻辑关系比较严谨。
王刚江苏省地质测绘院江苏南京 211100摘要：遥感影像解译样本数据收集的时候，要求对地面照片、影像案例、样本数据库做到结构化整合，构成数据格式统一、保存结构比较规范、逻辑关系比较严谨。
在建立策略模型中，提供一系列整理策略，运用Bresenham图形制定算法，和栅格、矢量、数据库数据编程接口，处理了每个部分自动化解决问题，完成影像案例收集、地面照片视野范畴图形栅格化、数据库信息收集和记录、结构组织和结构化输出等自主控制，进而完成一体化自动处理。
关键词：遥感影像；解译样本数据；一体化整理方法遥感影像解译样本数据收集就是为了运用典型光谱、纹理、形状、空间部位等特点，建立地面覆盖分类样本库，为解释人员准确认识每种元素提供关键参照，同时在解释结果质量控制层面展现重要的作用。
在首次我国地理国情调查中，遥感影像解译样本数据收集属于一种关键内容，收集的流程就是在外收集完成地面照以后，让有关人员通过正射处理影像数据源中裁切和地面照片拍摄范畴与内容相同的航空航天遥感影像；同时通过结构调整，构成十分完善的成果内容。
一、遥感影像解译样本数据的种类遥感影像解译样本数据包括不同种类、不同格式、满足不同准确的数据，这之中，地面照片运用JPG格式，满足EXIF准则；遥感影像案例运用非压缩的TIFF格式；影像数据源运用的是非压缩的TIFF、ERDAS或者IMG格式；影像坐标信息运用TIFF WORLD文档格式；影像投影信息运用XML格式，满足OGC规格；影像要素数据运用XML格式；遥感影像解译样本数据库。
当前不存在任何一种合适的策略可以一体化做好遥感影像解译样本数据整合这种工作。
一种基于文件系统的海量遥感影像存储组织结构
Ｏ ｌ
率 的 提高呈 几 何级 递增 ， 到上百 吉 字节 （ Ｂ 甚 至 数 达 Ｇ ） 十太字 节 （Ｂ） 而且 这 个数 字 随着 时 间 的推 移和 卫 星 ， Ｉ 技术 、 航测 技术 的发 展 还将持 续 快速增 加下 去 。因此 。
如 何存 储 、 织 、 组 管理 和发 布 这 些海 量 的遥 感 数据 ， 使 遥感 影像 数据 能够更 好 地为 实 际应用 服务 ．就成 了一 个很 迫切 的问题 。
１Ｏ ｌ
福
建
电
脑
２ １ 年第 １ ０１ 期
一
种基 于文件 系统的海量遥感影像存储组织结构（１ 河 南大学计 算机 与信 息工程 学 院 河 南 开封 ４ ５ ０ ． ７０ １ ２ 中 国联合 网络通 信有 限公 司开封 市 分公 司 河 南 开封 ４ ５ ０ ． ７０１１
ａ ｂ Ｃ
目前 ， 通常采用数据库技术来管理遥感影像数据。 使用 数据 库技术 可 以保证 数 据 的完整性 ．也 有利 于保
表 一 １ １ ５级 切 分 标 准 证数 据 和程 序 的独 立 性 ． 以 目前 大 多单 位 采用 Ｏ ａ 所 ｒ－ 比如 ．分辨 率 为 １ 米 的影像 数 据按 照 表 １中的 千 ｃ Ｄｔ ｌ 据 库 或 者 通 过 Ａ ｃ Ｄ 中间 件 来 存 储 管 ｌ ｓ ａｉ 数 ｅ ａ ｒＳ Ｅ 切 分 标 准 ， 级 为 ３ ｌｖｌ ０ 切 分 成 ｌ ｘ ０度 的 等 ， ｅ为 ， ｅ Ｏ度 ｌ 理遥 感数 据 。 是 。 但 存储 在数 据库 的数据虽 然有着 比较 经过 预切 分后 的数据称 为标 准数据 。 这样 做 的 目 高 的共享 性 。 却不 可避 免存在 冗余性 。 但 当遥感数 据量 范 围 。 的一是 为 了给文件 的标 准命 名做 准备 工作 。而 是按 照 特别 大时 ， 据 的 检索 速 度 就成 了瓶 颈 ， 时 ， 用数 数 此 采 这个 标 准切 分 的影像构 造 的金字塔 模 型可 以很 方便 的 据库 技术来 管理 遥感 影像 的方 式就不 占优势 了。
常用的遥感卫星影像数据处理方法
北京揽宇方圆信息技术有限公司常用的遥感卫星影像数据处理方法1、常用遥感图像处理软件⏹ENVI:美国Exelis Visual Information Solutions公司的旗舰产品⏹PCI GEOMATICA：加拿大PCI公司旗下的四个主要产品系列之一⏹EDRAS imagine2、白色的光可以分解为系列单色的可见光；三种原色：红、绿、蓝；三种补色：黄、品、青黄=红+绿品=红+蓝青=绿+蓝任何一种颜色都可以用3原色或者3补色来组合3、常用的波段组合特点红绿蓝321真彩色：可见光组成，符合人眼对自然物体的观察习惯。
对于水体和人工地物表现突出。
432假彩色：城市地区，植被种类。
543假彩色：增强对植被的识别743假彩色：增强对植被的识别，以及矿物、岩石类别的区分。
4、共15个主功能模块，其中一般的遥感数字图像处理经常用到的是Viewer、Import、DataPrep、Interpreter、Classifier、Modeler等。
5、功能模块介绍：①该模块主要实现图形图像的显示，是人机对话的关键。
②数据输入输出模块，主要实现外部数据的导入、外部数据与ERDAS支持数据的转换及ERDAS内部数据的导出。
③数据预处理模块，主要实现图像拼接、校正、投影变换、分幅裁剪、重采样等功能。
④专题制图模块，主要实现专题地图的制作。
⑤启动图像解译模块，主要实现图像增强、傅里叶变换、地形分析及地理信息系统分析等功能。
⑥图像库管理模块，实现入库图像的统一管理，可方便地进行图像的存档与恢复。
⑦图像分类模块，实现监督分类、非监督分类及专家分类等功能。
⑧空间建模模块，主要是通过一组可以自行编制的指令集来实现地理信息和图像处理的操作功能。
⑨矢量功能模块，主要包括内置矢量模块及扩展矢量模块，该模块是基于ESRI的数据模型开发的，所以它直接支持coverage、shapfile、vector layer等格式数据。
⑩雷达图像处理模块，主要针对雷达影像进行图像处理、图像校正等操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种大文件多版本遥感影像数据组织管理方法1 引言近年来，遥感技术[1]的飞速发展为我们提供了丰富的高质量、高清晰影像数据，使“海量”成为遥感影像数据的重要特征，遥感影像在网络上的传输与服务已经成为遥感应用的重要手段，而这也对遥感数据的存储与管理提出了很高的要求。
目前遥感影像数据的管理主要采用数据库管理和文件管理两种方式。
使用数据库技术[1] [2]可以保证数据的完整性和较高的共享性，一般多采用Oracle 数据库，但在关系型数据库高并发读写情况下，硬盘I/O无法应付，性能较差。
当遥感数据量特别大时，数据的检索速度以及I/O效率就成为了瓶颈，而且受网络带宽的限制，数据量大时传输效率太低。
为了提高遥感影像的网络传输效率，许多学者提出了基于文件管理方式的金字塔技术，将一个大数据文件切成许多不同分辨率的瓦片，每个瓦片以一个文件的形式存放在特定的目录下，该目录名包含空间或分辨率信息，以便于检索，NASA World Wind、GeoGlobe 等多采用这种方式[3] [4]。
但此方法的缺点在于文件的个数太多，不便于组织管理，文件调用时I/O频繁操作，读写速度慢，而且数据文件的安全性差。
另一方面，随着遥感技术的发展，遥感影像数据的更新越来越快，如何存储以及更新这些多时相遥感影像数据，显得越来越重要。
在此背景下，本文提出基于金字塔结构的大文件存储方法，用来存储管理海量影像数据，针对于多时相影像数据提出了基于版本机制的影像数据管理模式。
2 基于大文件的遥感影像数据组织2.1遥感影像数据的大文件存储管理2.1.1大文件数据结构遥感影像数据量非常庞大[5]，难以满足实时处理和网络传输的要求。
但用户每次在浏览时，也只是浏览一个小的矩形区域，并不需要传送整个影像。
所以在对影像数据进行组织存储之前需要对其建立影像金字塔，即对影像分块组织。
但传统的文件都是以一块影像一个小文件的形式存在的，造成文件的数据量很大，I/O 操作频繁，读写速度慢，不便于组织管理[6] [7]。
针对传统遥感影像存储管理方式存在的问题，本文提出一种混合模式对海量遥感影像进行组织管理。
与传统金字塔分块方法一样，对一个全球或者区域的遥感影像按照一定的规则进行分块，切成许多小瓦片，并按照Morton码等编码方法对分块后的影像数据进行重新组织，并将这些小瓦片影像数据有机地组织整合为一个“大文件”，有效的减少I/O操作，提高检索效率。
考虑到影像数据的海量特征和实际影像数据库规模的差异性，将所有的瓦片影像都存储到一个大文件中显然也是不合适的。
因此，在基于大文件存储结构的数据库中，将包含若干个大文件，而其具体文件个数和单个文件的大小可以在实际部署时，根据数据量的大小、服务器性能、网络状况等进行配置。
大文件存储结构如图2.1所示：图2.1 大文件存储结构Fig.2.1 The storage structure of big file在大文件数据结构中，瓦片是按行存储的，按分辨率由低到高依次进行存储。
大文件名后缀为dle的文件用来存储瓦片数据，包括文件头和数据体两部分。
文件头存储瓦片的大小，偏移位置，数据体存储具体的瓦片数据。
其数据结构如图2.2所示：图2.2 dle文件数据结构Fig.2.2 Data structure of DLE files为了加快影像数据的检索速度，快速定位影像服务请求到具体的文件，我们利用dlx 文件记录各个文件的元信息，包含原始影像分辨率、经纬度范围、金字塔层数等。
其主要数据结构如图2.3所示：图2.3 dlx文件数据结构Fig.2.3 Data structure of DLX files2.1.2遥感影像数据检索遥感影像数据经过标准化处理，经过分块、命名，并基于大文件存储结构存储在硬盘上，需要根据用户的检索条件快速的获得相应的遥感影像数据。
遥感影像数据具体的检索流程如图2.4所示：图2.4 遥感影像数据检索流程图Fig.2.4 The flowchart of searching for remote sense images根据请求经纬度范围快速检索大文件中对应的瓦片影像数据，首先需要遥感影像数据的地理坐标(经纬度)转换为对应的瓦片坐标。
假设利用MimLatitude、MaxLatitude、MinLongitude和MaxLongitude表示原始影像数据的最低纬度、最高纬度、最小经度以及最大经度，利用tileSize表示单个瓦片影像的尺寸大小。
遥感影像数据的经纬度坐标转换对应瓦片坐标的算法如图2.5所示：图2.5 遥感影像数据经纬度坐标转瓦片坐标算法Fig.2.5 The algorithm of transferring latitude and longitude coordinates for tile coordinates of remote sensing image data其次根据dlx文件中原始影像分块后的总行数MaxRow、总列数MaxColumn以及金字塔最大层级MaxLevel可计算每层金字塔中的影像行数RowCount和列数ColumnCount。
再根据当前请求瓦片的等级level、瓦片坐标中所在行row、所在列column以及单个大文件中的瓦片个数N，计算出的Num值可定位出瓦片所属的dle文件，并通过R值获取dle文件头中的偏移位置。
快速定位到dle文件的偏移位置处，读取瓦片的大小，并快速读取文件中的瓦片影像数据。
3 基于版本机制的多时相遥感影像数据管理3.1基于版本机制的影像管理为了存储管理多时相遥感影像数据，需要考虑遥感影像的多版本存储机制问题。
利用新获取的影像数据去构建新的金字塔模型，可以实现金字塔中影像数据的替换。
这种方法实现简单，但全部更新意味着大量遥感影像数据将会被重复处理，浪费时间。
一般来说，新获取的影像数据只是极少的区域，更新的只是发生变化的局部区域。
因此，本文针对待更新的影像数据提出了一种基于版本机制的多时相影像数据管理模式。
3.2基于版本机制的影像数据管理实现所谓版本，即同一类事物在不同载体上所表现出来的样式。
基于版本机制的影像数据管理模式针对不同时间获取的影像数据赋予不同的标识，即给同一时间获取到的影像区域都赋予唯一标识的版本号，不同时间获取的影像赋予不同的版本号。
每一个版本有一个标识符予以标识，版本号从0开始，针对于下次获取到的影像，版本号依次递增。
版本号越高表示是最新获取的遥感影像数据。
基于版本机制的影像数据管理逻辑结构图如图3.1所示：图3.1 基于版本机制的影像数据管理逻辑结构图Fig.3.1 The logical structure of image data management based on versionmechanism基于版本机制的影像数据管理中主要涉及以下内容：Ø 版本：版本与版本之间是相互独立的，分别对应不同时相获取的遥感影像数据，具有唯一标识。
Ø 数据集：同一地理区域的遥感影像数据形成一个数据集，不同数据集的地理区域可能会存在相交的部分。
Ø 金字塔：一个金字塔模型对应一个数据集，金字塔模型包括多个影像瓦片集。
Ø 版本与数据集是一对多的关系，即一个版本可同时对应多个数据集。
Ø 数据集与金字塔是一对一的关系，与影像数据属于一对多的关系。
基于版本机制的遥感影像数据管理的具体实现如下：1)影像数据标准化处理首先需要对数据进行预处理。
按照影像金字塔建立的思想，对仅需要更新区域的影像数据建立金字塔，并进行影像数据的标准化处理，即进行分块处理和影像编码。
这样仅需处理更新部分的影像。
2)影像数据组织存储如果将获取到的新的影像文件立即写入大文件存储结构中，对大文件同时进行读写可能会造成冲突，而且每次影像数据发生变化都需要重写大文件系统，效率太低。
可以考虑将每次获取的新的影像文件暂存起来，需要更新的影像在影像服务器停机维护的时候重新写入大数据文件中。
遥感影像数据更新的区域每次都是变化的，多次更新的区域可能有相交，为了保证客户端总是先得到最新的影像数据，本文提出利用分布式键/值对缓存系统来存储新的瓦片影像数据。
瓦片影像的键以“X_Y_L”命名的(其中X对应瓦片所在列坐标，Y对应瓦片所在行坐标，L对应影像金字塔的等级)。
分布式缓存系统不提供冗余，瓦片影像唯一的key值可唯一标识一个瓦片文件。
数据集对应的金字塔模型的影像数据写入中，即使存在相交的区域，最新写入的影像数据将会覆盖旧的影像数据，永远存储该相交区域最新的瓦片影像数据。
影像数据写入分布式缓存系统中，同时将对应的更新区域以及赋予的唯一的版本号写入服务器端的信息文件中。
上一次的更新区域可能与下一次的更新区域有相交的地方，并不需要每次都进行影像的更新，只需在更新遥感影像时获取所有需要更新区域的交集。
基于版本机制的影像数据管理主要用于服务器端针对于不同时间获取的遥感影像数据的存储管理，解决在线提供最新时态的影像数据的问题。
将不同时相获取的遥感影像数据按照版本划分，利用版本机制可实现对其高效管理。
利用版本机制实现了影像数据在线更新后，在不停服务的情况下，向用户提供最新的影像数据。
4 遥感影像服务原型系统与实验按照前面所述的方法研究开发了一个遥感影像网络服务原型系统。
遥感影像服务原型系统的开发环境是使用Windows XP和Visual Studio 2008，开发语言采用C#并基于.NET 框架，并在此开发环境下安装分布式缓存系统Memcached，Web服务器采用IIS。
原型系统中的测试数据来源于Google Earth，如图4.1所示。
图4.1基于大文件的遥感影像数据服务原型系统Fig4.1 The prototype system of remote sensing data services based on big file首先按照256*256影像块大小对遥感影像数据进行分块，并进行金字塔组织，然后将数千个甚至几万个数据块合并为一个数据文件，并考虑多时相的版本问题。
将组织的“大文件”进行存储管理。
影像浏览时，若涉及某个数据块，系统将直接将该文件映射到内存，然后通过索引调度该块数据。
当系统漫游时，同一文件中的周边数据，将直接从内存调度到屏幕显示。
由于减少了I/O操作，大大提高了显示速度。
一个数据块的调度速度提高到毫秒以内，数据调度的时间可以忽略不计。
原型系统同时考虑了多时相遥感数据管理问题。
通过在每个数据块中嵌入版本信息，实现多版本遥感影像的管理与调度显示。
图4.2所示为同一地区两个不同时相的遥感影像。
图4.2 同一地区两个不同时相的遥感影像Fig.4.2 Remote sensing images of the same area at two different time5 结束语本文针对目前遥感影像服务系统分块数据文件太多，影响调度效率的问题，提出了一种改进的存储管理方式，即利用“大文件”对分块的遥感影像数据进行组织管理。