海量遥感影像管理与发布
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。
遥感影像处理技术的最新进展
遥感影像处理技术的最新进展遥感技术作为一种非接触式的对地观测手段，已经在众多领域得到了广泛应用，如国土资源调查、环境监测、城市规划等。
而遥感影像处理技术则是从海量的遥感数据中提取有用信息的关键环节。
近年来，随着计算机技术、传感器技术等的不断发展，遥感影像处理技术也取得了显著的进展。
一、高分辨率遥感影像的获取与处理随着卫星技术的不断进步，高分辨率遥感影像的获取变得越来越容易。
高分辨率意味着能够捕捉到更细微的地物特征，为更精确的分析和应用提供了可能。
然而，高分辨率影像也带来了数据量巨大、处理难度增加等问题。
在处理高分辨率遥感影像时，图像配准和融合技术显得尤为重要。
图像配准是将不同时间、不同传感器获取的影像进行精确对齐，以实现信息的综合利用。
而图像融合则是将多源影像的优势结合起来，生成一幅更具信息量和准确性的影像。
为了提高配准和融合的精度，研究人员提出了许多新的算法和模型，如基于特征点的配准方法、多尺度融合算法等。
二、多光谱和高光谱遥感影像分析多光谱遥感影像包含了多个波段的信息，能够反映地物在不同波长下的反射特性。
高光谱遥感影像则具有更高的光谱分辨率，可以提供更详细的地物光谱特征。
在多光谱和高光谱遥感影像分析中，光谱特征提取和分类是重要的研究方向。
传统的基于像素的分类方法往往忽略了地物的空间相关性，导致分类精度不高。
近年来，基于对象的分类方法逐渐兴起，它将影像分割成具有相似特征的对象，然后对对象进行分类，有效地提高了分类精度。
此外，深度学习技术也被应用于光谱特征提取和分类中，取得了较好的效果。
三、雷达遥感影像处理技术雷达遥感具有全天时、全天候的观测能力，在灾害监测、地形测绘等领域发挥着重要作用。
雷达遥感影像的处理面临着斑点噪声去除、几何校正、目标检测等挑战。
针对斑点噪声问题，研究人员提出了多种滤波算法，如均值滤波、中值滤波、小波滤波等。
在几何校正方面，精确的轨道模型和地面控制点的选取是提高校正精度的关键。
遥感影像在城市交通管理中的应用探索
遥感影像在城市交通管理中的应用探索在当今城市化进程不断加速的时代，城市交通管理面临着越来越多的挑战。
交通拥堵、交通事故、交通规划不合理等问题日益凸显，严重影响了城市的运行效率和居民的生活质量。
为了有效应对这些问题，提高城市交通管理的水平，遥感影像技术逐渐成为一种重要的手段。
遥感影像技术通过卫星、飞机等平台获取大范围、高分辨率的地表图像信息，能够为城市交通管理提供丰富的数据支持。
这些影像包含了道路网络、车辆分布、交通设施等多方面的信息，经过处理和分析，可以为交通规划、交通流量监测、交通事故分析等工作提供有力的依据。
在交通规划方面，遥感影像可以帮助规划者全面了解城市的土地利用情况、道路现状以及建筑物分布等。
通过对不同时期的遥感影像进行对比分析，能够清晰地看到城市的发展变化，从而预测未来的交通需求。
例如，新的居民区、商业区的建设会带来新的交通流量，利用遥感影像可以提前规划相应的道路和交通设施，避免出现交通拥堵的情况。
对于交通流量监测，遥感影像同样发挥着重要作用。
传统的交通流量监测方法往往局限于在道路上设置传感器或通过人工观测，这些方法不仅成本高，而且覆盖范围有限。
而遥感影像可以实现对大范围道路网络的同时监测，通过对影像中车辆的识别和跟踪，可以获取实时的交通流量信息。
此外，结合时间序列的遥感影像，还能够分析交通流量的变化规律，为交通信号灯的优化设置、道路拓宽等决策提供数据支持。
在交通事故分析中，遥感影像也能提供有价值的线索。
事故发生后，通过对事故现场及周边区域的遥感影像进行分析，可以了解事故发生地点的道路条件、交通标志标线设置情况以及周边环境因素。
这有助于找出事故发生的潜在原因，为制定预防措施和改进交通管理策略提供依据。
然而，要将遥感影像有效地应用于城市交通管理，还面临着一些技术和数据处理方面的挑战。
首先，遥感影像的分辨率和精度对于获取准确的交通信息至关重要。
高分辨率的影像虽然能够提供更详细的信息，但同时也增加了数据处理的难度和成本。
遥感影像的图像处理与分析技术
遥感影像的图像处理与分析技术在当今科技飞速发展的时代，遥感技术已成为获取地球表面信息的重要手段之一。
遥感影像作为遥感技术的主要产物，包含着丰富的地理、生态、环境等方面的信息。
而如何对这些海量的遥感影像进行有效的图像处理和分析，以提取有价值的信息，成为了众多领域关注的焦点。
遥感影像的获取通常通过卫星、飞机等平台搭载的传感器完成。
这些传感器接收到的原始影像数据可能存在多种问题，如噪声干扰、几何畸变、辐射误差等。
因此，在进行后续的分析之前，必须对这些影像进行预处理，以提高数据的质量和可用性。
图像增强是遥感影像预处理中的一项重要技术。
它的目的是通过调整影像的对比度、亮度等参数，突出影像中的有用信息，增强图像的视觉效果，便于后续的分析和判读。
常见的图像增强方法包括直方图均衡化、线性拉伸、非线性拉伸等。
例如，直方图均衡化可以使影像的灰度分布更加均匀，从而增强图像的整体对比度；线性拉伸则可以根据用户设定的灰度范围，对影像进行有针对性的增强。
几何校正也是不可或缺的一步。
由于传感器的姿态、地球的曲率等因素，获取的遥感影像可能会存在几何变形。
通过选取地面控制点，建立影像与实际地理坐标之间的数学关系，可以对影像进行几何校正，使其能够准确地与地理信息系统中的其他数据进行匹配和叠加。
在完成预处理后，接下来就是对遥感影像进行分类。
分类的目的是将影像中的像元按照其特征划分为不同的类别，例如土地利用类型（如耕地、林地、建设用地等）、植被类型（如森林、草原、荒漠等）等。
传统的分类方法有基于像元的分类和基于对象的分类。
基于像元的分类方法，如最大似然分类法，是根据像元的光谱特征，计算其属于各个类别的概率，然后将像元划分到概率最大的类别中。
然而，这种方法往往忽略了像元之间的空间关系，在处理复杂的地物类型时可能会出现误分。
基于对象的分类方法则是先对影像进行分割，将具有相似特征的像元组合成一个对象，然后再对这些对象进行分类。
这种方法充分考虑了地物的空间特征和纹理信息，能够提高分类的准确性。
高分辨率遥感影像的处理与分析
高分辨率遥感影像的处理与分析在当今科技飞速发展的时代，高分辨率遥感影像已经成为了获取地球表面信息的重要手段。
它就像我们观察地球的“超级眼睛”，能够以极高的清晰度和精度呈现出地球上的各种地貌、植被、建筑物等。
然而，要想从这些海量的影像数据中提取出有价值的信息，就需要进行一系列复杂的处理和分析工作。
高分辨率遥感影像的特点十分显著。
首先，它具有极高的空间分辨率，这意味着我们能够看到更加精细的地物细节，比如建筑物的门窗、道路上的标线等。
其次，它包含丰富的光谱信息，能够让我们更好地区分不同类型的地物。
但与此同时，高分辨率遥感影像也带来了一些挑战。
比如，数据量巨大，处理起来需要耗费大量的时间和计算资源；由于成像条件的影响，可能存在几何变形、噪声等问题。
在对高分辨率遥感影像进行处理时，几何校正至关重要。
由于卫星在拍摄过程中可能会受到各种因素的影响，导致影像存在几何变形，使得影像中的地物位置与实际位置产生偏差。
为了纠正这种偏差，我们需要通过选取地面控制点，并利用相应的数学模型来进行几何校正，从而使影像能够准确地反映地物的真实位置和形状。
辐射校正也是必不可少的一步。
由于传感器的性能差异、大气散射等原因，影像的辐射亮度值可能会存在偏差。
通过辐射校正，我们可以消除这些偏差，使得不同时间、不同传感器获取的影像具有可比性，从而更准确地进行地物信息的提取和分析。
图像增强是为了突出影像中的有用信息，提高影像的可读性和可解译性。
常见的图像增强方法包括对比度拉伸、直方图均衡化等。
对比度拉伸可以加大影像中灰度值的差异，使得地物的轮廓更加清晰；直方图均衡化则是通过重新分布影像的灰度值，来增强影像的整体对比度。
影像融合则是将不同分辨率、不同光谱特性的影像进行整合，以获取更全面、更准确的信息。
例如，将高分辨率的全色影像与低分辨率的多光谱影像融合，可以在保持高空间分辨率的同时，又具有丰富的光谱信息。
在完成了影像的处理之后，接下来就是对其进行分析。
遥感影像数据发布流程-概述说明以及解释
遥感影像数据发布流程-概述说明以及解释1.引言1.1 概述概述部分的内容可以介绍遥感影像数据发布流程的背景和概念。
以下是一个可能的内容：遥感影像数据是指通过卫星、无人机等遥感技术获取的地球表面的图像数据。
这些数据可以提供丰富的地理信息，并广泛应用于农业、城市规划、自然资源管理等领域。
遥感影像数据发布流程是指将获取到的遥感影像数据经过一系列的处理和整理，然后以适当的方式发布和共享给相关用户和利益相关者。
这个流程涉及到数据的获取、处理、存储、传输和发布等环节。
在遥感影像数据的获取阶段，需要使用遥感传感器来采集地球表面的图像。
遥感传感器可以是卫星上的遥感仪器，也可以是无人机等飞行器上的相机。
这些传感器会收集到大量的图像数据，包括不同波段的光谱数据、高分辨率图像等。
在遥感影像数据处理阶段，需要对获取的图像数据进行一系列的处理和分析。
这包括图像预处理、几何校正、辐射校正、数据融合等过程，以及特定的遥感算法和技术的应用，从而得到更加精确和可用性高的影像数据。
遥感影像数据的发布是为了让用户和利益相关者能够方便地获取和使用这些数据。
发布的方式可以是通过在线地图服务、数据共享平台、数据库等形式。
同时，为了方便用户的查询和使用，还需要对数据进行元数据描述和标准化，以及制定相应的数据访问和使用政策。
总而言之，遥感影像数据发布流程是一个涉及到数据获取、处理、存储和发布等环节的复杂过程。
通过合理的流程和方法，可以保证数据的准确性和可用性，进一步提升遥感影像数据的应用价值。
在接下来的文章中，我们将详细介绍遥感影像数据发布流程的各个环节和关键技术。
1.2 文章结构本文将按照以下结构来进行描述和解释遥感影像数据发布流程：1. 引言：首先介绍本文的概述，即遥感影像数据发布流程的基本概念和重要性。
同时，说明本文的章节安排和内容目的。
2. 正文：2.1 遥感影像数据获取：详细介绍遥感影像数据获取的方法和技术，包括遥感卫星、航空摄影和无人机遥感等。
Web-GIS技术原理与应用开发
Web GIS技术原理与应用开发第一章绪论WebGIS是Internet和www技术应用于GIS开发的产物，是利用Web技术来扩展和完善地理信息系统的一项新技术，是实现GIS互操作的一条最佳解决途径。
WebGIS的基本特点：（1）.WebGIS是全球化的客户/服务器网络系统；（2）. WebGIS是交互式系统；（3）. WebGIS是分布式系统；（4）. WebGIS是动态系统；（5）. WebGIS是跨平台系统；（6）. WebGIS能访问Internet异构环境；（7）. WebGIS是图形化的超媒体信息系统；WebGIS的基础技术：空间数据库管理技术、面向对象方法、客户/服务器模式、组件技术、分布计算平台。
>webGIS的几个应用层面：空间数据发布、空间查询检索、空间模型服务、Web资源的组织。
webGIS与GIS的不同之处：（1）它必须是基于网络的客户机/服务器系统（C/S），而传统的GIS大多数为独立的单机系统；（2）它利用Internet来进行客户端和服务器之间的信息交换，这就意味着信息的传递是全球性的；（3）它是一个分布式系统，用户和服务器可以分布在不同地点和不同的计算机平台上。
第二章计算机网络的基本原理计算机网络：凡是将地理位置不同、并具有独立功能的多个计算机系统通过通信设备和线路连接起来、以功能完善的网络软件实现网络中资源共享的系统，称之为计算机网络系统。
计算机网络的发展：a.远程联机系统阶段;b.计算机互连阶段;c.标准化系统的阶段,开放系统互联基本参考模型(OSI)；<d.网络互连与高速网络系统阶段.计算机网络分类: 1.按覆盖范围分类:局域网、城域网、广域网；2.按通信媒体分类：有线网、无线网、无线有线混合网；3.按数据交换方式分类：线路交换方式、报文交换方式、分组交换方式。
4. 按使用范围分类：公用网、专用网。
几种基本的联网设备：根据网络互连所在的层次，通常的联网设备有以下几类：①物理层互连设备，即中继器（repeater）；②数据链路层互连设备，即网桥（bridge）；③网络层互连设备，即路由器（router）；④网络层以上的互连设备，通称为网关（gateway）或应用网关。
- 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)。
分享地理价值
重采样方法Pixel
• 创建影像金字塔和显示采样
Resampling
Nearest neighbor：最近邻插值
For Discrete Data 取最邻近的像素值 不创建新的像素值 速度最快
Bilinear interpolation：双线性
取邻近四个像素值的平均 For Continuous Data 平滑大多数图像 对连续数据较快的重采样方法
Applies to:
All data types
Amount of compression:
Low Higher for more homogeneous data Data analyzed by computer Data with sharp edges
Best for:
分享地理价值
基于数据库的影像管理模式
• 基于成熟的商用数据库，在数据库中统一存储影像 和元数据。 • 优点
– – – – 安全 多用户访问、并发控制 数据库恢复机制 支持复杂数据类型
• 缺点
– 数据量越来越大，入库时间长 – 难以支撑PB级海量空间数据管理
分享地理价值
Microsoft TerraServer
• 栅格属性 Raster Attribute
– 栅格类型的属性字段 – 基于库中存储的RasterDataset – 和其他属性字段同样使用
分享地理价值
栅格数据集 Raster dataset
• • • 栅格数据管理的基本单元 提供所有比例尺下的快速浏览 具有栅格数据集的所有属性：
– Pyramids, images statistics, spatial reference …
分享地理价值
北京一号小卫星 4米黑白
分享地理价值
福卫2号
2米
分享地理价值
KOMPSAT-II 1米
分享地理价值
IKONOS 1米
分享地理价值
GeoEye-1
0.41米
分享地理价值
遥感未来发展趋势
• “三多”
– 多平台 – 多传感器 – 多角度
• “三高”
– 高空间分辨率 – 高光谱分辨率 – 高时相分辨率
分享地理价值
方案选择（续）
• 多幅影像统一存储在Raster Catalog中
– 范围存在部分或全部重叠影像数据管理 – 全部重叠的多时相的影像数据管理 – 多分辨率的影像数据集管理 – 同一区域的不同类型的多源影像数据管理 – 保持原始影像数据的元数据 – 保存不同影像数据集的颜色表
适用于
分享地理价值
方案选择（续）
• 根据建库应用需求，选择不同的数据库管理方案。
– C/S,还是 B/S应用 – 分析影像数据，综合使用各种方案
• 25m分辨率，底图可镶嵌管理等
– 设置合适的属性：金字塔，分块，压缩，重采样等 – 等等
分享地理价值
发展趋势
• 企业级的影像建库，开始从对C/S应用的支持，向 B/S应用转变 • 局域网的多用户的并发访问，从传统的直接访问数 据库，向使用服务进行转变 • 随着影像数据量越来越大，入库迁移困难，人们更 倾向于文件与数据库结合的管理模式。 • ArcGIS9.4推出新的数据模型，支持面向B/S架构的 海量影像数据管理
– – – – – raster dataset raster dataset layer >> Image Service *.ISCDef MXD & MSD >> Map Service 3dd >> Globe Service
– Geodatabase 影像管理模型 – Geodatabase 影像管理方案
• 基于服务的遥感影像数据发布
– ArcGIS Server – ArcGIS Server和ArcGIS Image Server扩展 – ArcGIS Image Server独立程序
分享地理价值
Geodatabase 遥感影像管理方案
文件与数据库结合管理 数据库管理
分享地理价值
方案选择
• 单幅影像独立存储方案
– – – –
适用于
空间不相邻，且不在同一项目中使用的遥感影像管理 元数据独立存储，支持基于元数据的影像查询 支持独立的颜色表存储 不支持元数据扩展，需数据库支持
适用于
• 多幅影像镶嵌存储
– 支持多幅影像的无缝漫游，任意区域范围影像裁切 – 元数据统一存储，不查询和不调用单幅影像 – 分辨率一致的影像数据
无损压缩
Pixels: Type:
有损压缩
All original values maintained in the result LZ77
Pixel values are changed by the algorithm JPEG Wavelet: JPEG 2000, MrSID, ECW JPEG: 8-bit data Wavelet: 8- and 16-bit data High User controls compression/quality ratio Data analyzed visually Smooth, continuous images
Cubic convolution：三次卷积
16个邻近像素的加权值 通常重采样效果最好
分享地理价值
颜色表 Colormaps
• 与颜色相关的一系列值(RGB).
– 存储在栅格数据集中 – 定义像素的渲染方式
分享地理价值
35
Geodatabase 遥感影像管理方案
——Geodatabase 影像管理方案
——Geodatabase 影像管理模型
Geodatabase影像管理模型
• 栅格数据集 Raster dataset
– 装载时镶嵌的完整实体
• 栅格目录 Raster catalog
– – – – – 存储在表中的栅格数据集的集合 可作为一个实体访问 每个组成可作为raster Dataset 访问 每个组成都有独立的存储属性 Personal/File GDB：支持托管Managed/非托管 Unmanaged模式 – 企业 GDB: Embedded or referenced
分享地理价值
典型案例-Microsoft TerraServer
分享地理价值
典型案例-Microsoft Bing Map
分享地理价值
典型案例-ArcGIS Online
分享地理价值
3. ESRI遥感影像管理与发布解决方案
ESRI遥感影像管理与发布解决方案
• ESRI一体化遥感影像管理与发布解决方案 • Geodatabase 遥感影像管理
• 1998年6月， Microsoft借助网络化的商用数据库 SQL Server和Windows NT S e r v e r软件。 • 在Internet上建立了面向全球城市地区的地理信息 网站——TerraServer • 展示SQL Server的海量管理能力和IIS(Internet Information S e r v e r)的海量信息发布能力 • 美国和俄罗斯数十年由高精度卫星拍摄的卫星照片
海量遥感影像管理与发布
董 平
分享地理价值
内 容
1. 为什么管理和发布遥感影像 2. 海量遥感影像管理与发布模式 3. ESRI海量遥感影像管理与发布解决方案 4. ArcGIS 9.4 展望
分享地理价值
1. 为什么管理和发布遥感影像
飞机 ADS40 5cm~100cm
分享地理价值
飞艇 Canon EOS 5D 20cm
分享地理价值
海量遥感影像管理需求日益迫切
• “海量影像数据”概念深化 • 如何管理组织“海量影像数据”引发关注 • 基于文件的影像管理模式？还是 • 基于数据库的影像管理模式？还是 • 基于文件与数据库结合的影像管理模式？还是 • 其他？
分享地理价值
快速发布海量影像数据具有现实意义
• 基于Web的影像快速发布共享提升海量影像数据应用水 平，提供最新的影像用作：
分享地理价值
金字塔 Pyramids
• 分辨率逐级递减 • 大大提高显示性能：
– 客户端请求数据的分辨率匹配 客户端的分辨率 – 用户每次缩放获取的像素数量 是不变的
3rd (8 m)
2x2 pixel block
• 每一级都被分块存储 • 局部构建和更新
2nd (4 m)
1st (2 m)
1 meter
OBJECTID 16473 16474 16475 NAME 3198401a_sid 3198402a_sid 3198403a_sid 3198404a_sid RASTER 10289 10290 10291 10292 FOOTPRINT 10289 10290 10291 10292 METADATA ……
Geodatabase 影像管理方案
• 单幅影像独立存储为Raster Dataset • 多幅影像镶嵌存储为Raster Dataset • 多幅影像统一存储在Raster Catalog中
– File/ArcSDE Geodatabase 托管 – Personal Geodatabase 托管 – Personal/File Geodatabase 非托管
– GIS应用的背景图 – 地物判读的参照 – 统计和分析数据
• 统计（例如归一化植被指数NDVI）
– 矢量地图制作/检验/更新
分享地理价值
基于Web的海量影像数据发布
• ArcGIS Online Service • Microsoft Bing Map（virtual Earth） • Google Earth