遥感海量数据管理系统研究与实现
基于OracleGeoRaster的对象关系型遥感影像库设计与实现
创 1 引言
新 遥感影像数据库自上个世纪七、八十年代发展至今,正进入 一个高分辨率的、快速发展的、及时提供多种对地观测遥感数 据的新阶段, 目前已经形成由系列卫星和多种传感器组合为主 体的对地观测网。同一地区,针对不同的观测手段、传感器分辨 率、光谱分辨率、时间等,提供了不同级别不同精度的海量遥感 影像数据。面对如此旁大的数据源,如何建立方便快捷的遥感影 像数据库系统来有效组织、存储和管理这海量的遥感数据也就 成为了遥感数据管理中的一个关键问题。 目前, 国内外对遥感影像数据管理的技术也不断的进行研 究,并取得一定的成果。例如由武汉大学研制的大型无缝影像数 据库管理系统 GeoImageDB,这是一个基于 COM 的全组件、控制 式、支持局域网范围内透明的异构存储与管理影像系统。采用 文件的形式来存储和管理国家级、省级的多尺度遥感影像数 据。解放军信息工程大学研发的遥感影像信息库 Image Map Library(IML),采用分布式多级海量数据存储体系,图像的检索策 略与方法、数据压缩与传输等等技术来实现影像的管理。谷歌 公司的 Google Earth 使用 Keyhole 提供的快鸟影像和其他卫星 数据,影像预先按照金字塔进行处理,以四又树方式对每一个瓦 片进行索引编码,同样也是以文件的形式存储影像数据,相关元 数据则存储在关系数据库中。传统的基于文件系统或者文件关系数据库混合系统的影像组织管理方式中, 影像数据都是以 文件的形式进行存储,元数据或以 XML 形式保存,或者存在关 系数据库中,元数据和影像数据的分离。这种分开存储导致了无 法进行完整的(影像和属性)事务处理,影像数据的文件化存储无 法保证影像数据的安全性, 缺少强大的影像数据备份和恢复机 制,并且不能很好的实现影像数据的多用户共享和访问,并发性
遥感图像数据库基于内容查询的研究
和发 展 ， 在 一 些 原 型 和 商 业 系 统 中 得 到 了成 功 的 并 ， 们 对 基 于 图 像 色 彩 、 理 、 状 等 特 征 人 纹 形
的查询作 了深 人的研 究， 取得 了大 量的研究成 果， 但 是针对遥感影 像的研 究相对较少 。本文首先讨论 图
（）与图像／ １ 视频 内容无关 ， 但通过 一定的方式
与之存在联系的数据 。也 即是所谓 的与内容无关 的 元数据 （ ｏｔ ｔｎｅｅｄ ｎ ｍ ｔ ａ ） 如格 式描 述、 ｃ ｅ ． ｄｐ ｎｅｔ ｅ ｄｔ ， ｎ ｎｉ ａ ａ 作者名称 、 日期、 地点 、 属关系等。 所 （）图像的视觉内容数据。包括 低级或 中级水 ２
平 的 视 觉 特 征 ， 色 彩 、 理 、 状 、 间 关 系 、 动 如型 ， 析普通关 系查 分
询和基于 图像 内容 查询 的区别 ， 并给 出基于 内容查 询的定义和代 数模 型， 然后 ， 具体讨论遥感图像数据
库 两 种 不 同途 径设 计 的查 询 系 统 的 原 理 和 方 法 。
维普资讯
第６ 第 １ 卷 期
２Ｏ 年 １ Ｏ２ 月
遥
感
学
报
Ｖｏ ．６．Ｎ １ １ ｏ
Ｊ ＯＵＲＮＡＬ ＯＦ ＲＥＭ ＯＴＥ ＥＮＳ ＮＧ Ｓ Ｉ
Ｊ ． ０２ 毗 ．２ Ｏ
文章编 号：１ ７４ １ ２ｏ ） １ ０ ４ ６ ０ －６９（ｏ２ ０ － ２－ ０ ０ ０
Ａ］ ｔ ｄ ｉ ｏ和 Ｒａ ｎｏＳｈｔｎ ９８年 在 意 ￣ｉ Ｄ Ｂｍｂ ｏ ｉ ｄ ｃｅｉｉ１９ ｍｏ ｔ
已经进行 了多年 的持续研 究
大利米兰召开的 视频和 图像数据 基于 内容查询研 究的进展” 国际会议上进 一步指出， 在一个可视化 的 信息查询系统中 ， 存在 以下不 同的信息 与图像和视
基于大数据的环境监测与预警系统研究
基于大数据的环境监测与预警系统研究在当今社会，环境保护已成为全球关注的焦点议题。
随着工业化和城市化进程的加速，环境污染问题日益严峻，对人类的生存和发展构成了严重威胁。
为了有效地保护环境、预防环境污染事故的发生，基于大数据的环境监测与预警系统应运而生。
这一系统借助先进的技术手段，能够实时收集、分析和处理大量的环境数据，为环境管理和决策提供科学依据。
一、大数据在环境监测与预警中的应用背景随着科技的不断进步，环境监测手段也日益丰富多样。
从传统的人工采样、实验室分析，到现在的自动化监测设备、卫星遥感技术等，环境数据的获取量呈指数级增长。
这些海量的数据包含了丰富的环境信息，如空气质量、水质状况、土壤污染、噪声水平等。
然而，如何从这些海量的数据中提取有价值的信息，实现对环境状况的准确监测和预测，成为了摆在我们面前的一个巨大挑战。
大数据技术的出现为解决这一问题提供了有力的手段。
大数据具有数据量大、数据类型多样、处理速度快、价值密度低等特点。
通过运用大数据技术，我们可以对海量的环境数据进行快速处理和分析，挖掘出隐藏在数据背后的规律和趋势，从而为环境监测与预警提供更加准确、及时的支持。
二、基于大数据的环境监测与预警系统的架构一个完善的基于大数据的环境监测与预警系统通常由数据采集层、数据存储层、数据分析层和应用层组成。
数据采集层负责收集各种环境数据，包括来自传感器、监测站点、卫星遥感等的数据。
这些数据通过网络传输到数据存储层。
数据存储层采用分布式存储技术，如 Hadoop 生态系统中的 HDFS （Hadoop 分布式文件系统）或云存储服务，来存储海量的环境数据。
同时，为了提高数据的查询和处理效率，还会使用数据库管理系统，如 MySQL、Oracle 等。
数据分析层是整个系统的核心部分，运用数据挖掘、机器学习、统计分析等技术对存储的数据进行处理和分析。
例如，通过建立预测模型，预测未来一段时间内的环境质量变化趋势；通过异常检测算法，及时发现环境数据中的异常值，从而发出预警信号。
基于遥感的水资源分布研究
基于遥感的水资源分布研究一、引言水是生命之源，对于人类的生存和发展至关重要。
然而，由于地理、气候和人类活动等多种因素的影响，水资源在地球上的分布并不均匀。
准确了解水资源的分布情况对于水资源的合理开发、利用和保护具有重要意义。
传统的水资源调查方法往往费时费力，且难以获取大面积、高精度的数据。
随着遥感技术的迅速发展，为水资源分布的研究提供了新的途径和手段。
二、遥感技术原理及特点遥感技术是一种通过非接触式的传感器获取目标物体信息的技术。
其工作原理是利用不同物体对电磁波的反射、吸收和发射特性的差异，来识别和区分不同的地物。
在水资源分布研究中，常用的遥感数据包括可见光、红外、微波等波段。
遥感技术具有许多显著的优点。
首先，它能够实现大面积同步观测，快速获取大范围的地表信息。
其次，遥感数据具有较高的空间分辨率和时间分辨率，可以动态监测水资源的变化情况。
此外，遥感技术还具有成本相对较低、不受地面条件限制等优势。
三、基于遥感的水资源分布研究方法（一）水体提取通过遥感影像的光谱特征，如水体在可见光和近红外波段的反射特性，采用阈值法、决策树法、监督分类法等方法，将水体从其他地物中分离出来。
（二）地表水资源量估算利用遥感数据反演地表参数，如土壤湿度、植被覆盖度等，结合水文模型估算地表水资源量。
（三）地下水资源评估基于重力卫星数据，监测地下水储量的变化，进而评估地下水资源的分布情况。
（四）水资源动态监测通过多时相遥感影像的对比分析，监测水资源的季节变化、年际变化以及人类活动对水资源的影响。
四、遥感技术在水资源分布研究中的应用案例（一）大型河流流域水资源调查以长江流域为例，利用遥感技术获取了流域内的土地利用类型、水体分布、植被覆盖等信息，为水资源的综合管理提供了数据支持。
（二）干旱地区水资源监测在我国西北干旱地区，通过遥感监测地下水的变化，为当地的农业灌溉和生态保护提供了科学依据。
（三）城市水资源管理在城市地区，遥感技术可用于监测城市内涝、评估城市供水水源地的水质和水量等。
基于Web的海量数据库系统研究与应用
目前 的数据库 系统 可以高效地实现数据 的录入 、 查询 、 统
计等功能 ， 但是当数据量达到一定程度 时 ， 这些数据库系统 的 性能就会 下降 ， 数据组织和管理能力大 大减弱 ， 数据量再大时
中图分类 号 ： Ｐ １ ３ Ｔ ３ １１８ 文 献标识 码 ： Ａ
Ｗｉｄｗ ００Ｓ ｒ ｒ ｎ ｏ ２ ０ ｅ ｅ 是先进的网络服务器操作系统建立 ｓ ｖ
０ 引 言
一
在 Ｗｉｄｗ Ｔ４ ０操作 系统的 良好 基础之上 ， ｎ ｏ ｓＮ ． 实现 了操作 系 统与 Ｗｅ 、 用程序 、 ｂ应 网络 、 通讯 和基础设施服务之 间的 良好
Ｖ ． ｅ 是一个 很庞大的软件开 发系统 ， Ｓｎｔ 它建立在公 共语 言运行环境基 础之上 ， 成了 Ｖ ． ｅ， Ｃ ｎ ｔ Ｃ ． ｅ， Ｓ ． 集 Ｂ ｎｔＶ ． ｅ， ＃ ｎｔＡ Ｐ Ｖ ｎｔ Ｃ ｓ ｅ ｏ ｓ ｅ 和 ｒ ｔ Ｒ ｐａ ９等软件 系统 。Ｎ Ｔ框 架成功地糅 合了 ｙ ａ ｌ ．Ｅ 各种编程 语言 ， 是创建 、 署和运行 Ｗｅ 部 ｂ服务及其他应 用程
序 的一个 良好环境 ， 简单 、 、 于标 准的模型 ， 提供 灵活 基 允许开 发人员从新的和现有的代码汇编应用程序 ， 而与平台 、 编程语
Ｏ ａｌ９ 是 目前业 内伸 缩性 最 好 、 ｒｃ ｉ ｅ 功能 最齐 全 的大 型关 系型数据 库。无论是用 于驱 动网站 、 打包应用程序、 数据仓 库 或者 是 Ｏ Ｔ Ｌ Ｐ应用程序 ，ｒｃｅｉ Ｏ ａｌ 数据库都是任何专业计算 环 ９ 境的技术基 础。Ｏ ａｌ ｉ ｒｃｅ 数据 库对多用 户数据访 问提供 了高 ９ 度的安全性保护 ， 有高 可靠 性 、 具 安全 性 和可兼 容性 ， ｒ ｌ Ｏａ ｅ ｃ 是海量数据库系统设计与实现的较佳选择。 海量数据库 系统 采 用 Ｏ ａｌ ｉ 据库 来作 为后 端数 据 ｒ ｅ 数 ｃｇ 库， 虽然 Ｏ ａｌ ｉ ｒ ｅ 也提供 了开发环境 ， ｃ９ 但是这对开发 Ｗｅ ｂ网络 数 据 库 应 用 程 序 还 是 不 够 的 ， 此 还 必 须 采 用 Ｍｉ ｏｏ 因 ｃ ｓｆ ｒ ｔ Ｖｓａ Ｓｕ ｉ． Ｅ ｉ ｌ ｔ ｏ Ｎ Ｔ来开发其 前 端应用程 序 ， ｕ ｄ 前端 和后端 之 间 的连接通过数据库 中间件来实现 。 数据库 中间件可 以将 数据库 和应用 系统 连接起来 ， 它提 供的 Ａ ＩＡ ｐ ｃｔ ｎＰｏｒｍ Ｉｔｆｃ ） 口可 以很方便地使 Ｐ （ ｐ Ｈａｉ ｒｇａ ｅ ａｅ 接 ｏ ｎｒ 应用系统调用数据库 ， 而实现操 作数据 库的 目的 。常用 的 从 数据库 中间件有 Ｏ Ｂ Ｏ ｅ ａ Ｂ ｓ ｏｎｃｉｔ） Ｊ Ｂ Ｄ Ｃ（ ｐｎＤ ｔ ａｅＣ ｎ ｅｔ ｙ 和 Ｄ Ｃ ａ ￣ （ａａＤ ｔ ａｅＣ ｎ ｅｔｉ ） Ｊｖ ａ ｓ ｏｎｃ ｖｙ 两种 ， Ｂ ａ ｉｔ 它们 在结构上都非常类似 ， 所实现 的功能也基本上一样 。在本系统 中所采用的数据库中 间件是 Ｏ Ｂ 。 Ｄ Ｃ 应用程序要访 问一 个数据 库 ， 先必 须用 Ｏ Ｂ 首 Ｄ Ｃ管理 器 注册一个与 Ｏａｌ ｒｃ ｅ中某个数据 库用 户相关联 的数 据源 ， 管理
遥感卫星数据处理知识详解
北京揽宇方圆信息技术有限公司遥感卫星数据处理知识详解遥感技术自20世纪60年代兴起以来，被应用于各种传感仪器对电磁辐射信息的收集、处理，并最后成像。
遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。
那对遥感图像处理可以达到什么目的呢？①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的K 分和判释；③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。
遥感信息处理分为模拟处理和数字处理两类（见数据釆集和处理）。
遥感数据处理过程多谱段遥感信息的处理过程是：①数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。
②预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。
③精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。
④信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增强、密度分割等。
⑤信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编辑，并绘制成各种专题图。
遥感信息处理方法和模型越来越科学，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。
统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。
多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。
不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。
多源遥感数据融合遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。
基于ArcSDE的航空摄影档案资料数据库建立及管理研究
- 54 -信 息 技 术为满足航空摄影过程中影像的存储需求，有关单位进行研究后提出了GIS 系统。
随着GIS 技术持续更新与完善，航空摄影数据库所需功能越来越多。
根据工作要求，GIS 不仅应存储属性数据，还应具备存储空间数据的能力[1]。
空间数据库不仅要保存空间对象的地理位置信息，还要保存对象之间的拓扑关系信息。
因此，如何规划、开发空间数据库引擎成为一项重要工作。
而在空间数据方面，遥感图像数据是一种重要的数据形态，也是今后数据库数字化应用的重要研究方向[2]。
随着遥感技术快速发展，市场现有的遥感数据数量呈几何级数增加，传统的基于“图幅”“影像文件”的数据管理方式已无法适应“数字化”时代的发展需求。
数字航摄影像同时具备地图的几何特性和影像特性，具有直观易读、信息量丰富和获取快速等优点，在国内、外都获得了高度认同，成为一种使用越来越多的基础地理数据资源。
然而，从海量数字影像数据的管理与分发服务的角度看，数字航摄影像仍很难推广使用。
为此，本文将基于ArcSDE ，进行如下研究。
1 基于ArcSDE 的航空摄影档案资料数据库建立1.1 航空摄影影像数据库模型建立构建航空摄影影像数据库前，需要通过高斯正反算公式计算航空摄影的定位信息，将其转变为数据库可以识别的数据信息[3]。
利用高斯投影正算公式，假定椭球面上一点的地球坐标为（B ，L ），同时（B ，L ）也可表示该点的经纬度，求解其高斯平面上的坐标（x ，y ），该过程即为高斯投影正算。
其数学关系如公式（1）、公式（2）所示。
x =F 1（B ，L ） （1）y =F 2（B ，L ）（2）式中：F 1和F 2代表转换系数。
高斯投影逆变换以一个点在高斯平面上的坐标为基础，来确定一个点的位置为x 、y ，求出该点的地球坐标B 、L ，其数学关系如公式（3）、公式（4）所示。
B =φ1（x ，±y ）（3）±L =φ2（x ，±y ）（4）式中：φ1和φ2代表逆转换系数。
海洋环境监测系统中的数据存储技术研究
45一、海洋环境监测系统的数据存储技术1.数据存储管理集群。
海洋环境监测数据需要在开源云计算管理平台集群的各个计算节点当中，收集获得并传输至资源管理器，在集群的虚拟机与浮标及遥感之间，建立数据传输模式，将原始的环境数据映射至管理模块，其具体情况如图1所示。
图中实线表示数据流。
图 1 海洋环境监测管理可以看出，海洋环境数据监测系统主要包括2个核心模块。
按照环境数据的要求标准，利用数据模块间的传输机制，建立远程通信通道，便于将数据库当中的数据资源，输送至应用层，完成数据整合管理，并在此基础上处理海洋环境监测数据。
2.数据预处理。
节点的内存大小，读写速度以及处理器性能都对数据的存储有一定的影响。
其中磁盘的读写速度，会影响到存储任务的执行时长，具体情况如下：其中，α为更新频率，write W 为磁盘的写速度，read W 为磁盘的读速度。
对于任务型的数据而言，在监测后期需要完成大量的计算，在数据存储过程中需要选择具有计算能力的数据节点，其计算公式如下：1321=++ννν其中，321ννν，，表示各参数的权重系数，，且为了能够使监测过程中的数据统计更加直观便捷，将节点的存储性能标准化，假设集群当中的节点存储性能最小值为min _task Q ，则能够得到该节点的相对存储性能为：由上述计算能够得到各监测节点的存储性能，海洋环境的监测数据对相关部门来说十分重要，为此需要为其设置较高程度的信任度阈值，以保障数据存储的安全性。
在结束监测数据的预处理后，进一步实现海洋环境的监测。
3.实现监测系统数据存储。
海洋环境的监测系统，需要存储海量数据，其主要通过监测终端读取所采集到的数据，利用主节点所提供的数据块位置信息，将数据节点所读取到的有效信息返回给用户。
采用shell接口，将数据文件读取至本地，并将节点根据读取代价排序，当读取失败或数据块发生异常时，更换数据节点重新尝试，直至读取成功，其操作过程如图2所示。
图 2 数据读取操作过程图在完成上述操作后，沿监测数据节点，传递请求消息，并同时调用远程接口，获取有效信息，利用数据管道，反向回复数据包确认数据信息，其具体流程如图3所示。
- 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)。
遥感海量数据管理系统研究与实现
摘要 遥感影像在社会经济发展中所发挥的作用也更加重要，它能够真实记
录地表形态、植被覆盖、自然景观和环境状况，可广泛应用于城市环境整治、旧
城改造、市政建设、城市管理等众多领域。随着遥感影像数据的不断获取，多源、
多尺度、多时相影像的数据量迅速增长。同时，影像数据分析和信息提取技术迅
速发展，遥感影像也逐渐在多个领域得以广泛应用。如何存储、管理和应用这些
海量数据，已成为遥感科学发展中的一个重要问题。
关键词 遥感；海量数据管理系统；系统研究；系统实现
前言
随着影像应用领域的快速扩展，用户需求激增，影像覆盖面积呈逐年增加态
势，多光谱、多分辨率、多时相、高精度的遥感影像数据日益丰富，获取的影像
数据量也越来越大。如此海量数据，在管理和使用方面都存在着一些较为突出的
问题，主要表现为：①数据格式类型多、命名不规范；②数据管理、检索不方便；
③数据保密安全性差；④数据利用率低。目前，常用的影像数据管理方式主要有
三种，一是基于文件方式，二是基于文件和数据库混合的方式，三是基于数据库
方式，这三种管理方式针对不同要求各有特点。如何更有序，更高效地存储与管
理海量遥感数据，形成统一的存储组织标准（基准，尺度，时态，语义），实现
遥感信息的快速共享与分发，已经成为空间信息科学领域研究，业务应用部门和
机构重点关心的问题之一。
1 技术路线
遥感影像数据管理与分析系统开发采用B/S（浏览器/服务器）架构，使用表
示层、业务逻辑层和数据层三层结构。这种结构统一了客户端，用户界面在Web
浏览器中实现，而将系统功能实现的核心部分集中到服务器上，用户通过浏览器
来实现客户端与服务器之间的信息交换，简化了系统的开发、维护和使用。系统
开发工作在微软.NET框架下使用Mi-crosoft Visual Studio和Silverlight为开发工
具，以Arc-GIS API for Silverlight作为应用程序编程接口，实现影像数据管理与
分析功能。
1.1 表示层
用户通过终端的界面可以访问和使用系统所提供的空间信息服务。对遥感影
像数据进行操作，包括浏览、检索、资料查询、影像保存等功能。通过不同的权
限对数据库数据进行管理和维护。
1.2 业务层
中间业务层包括以下模块[1]：
（1）多线程数据调度模块，将动态分块数据返回至用户表示层的客户端程
序。
（2）空间数据可视化缓冲模块，实现客户端请求的遥感图像信息的缓冲，
减少业务层中请求接收层与请求处理层的交互，提高访问效率。
（3）交互功能实现模块，包括了空间数据可视化组件、数据生成下载组件、
数据查询组件、权限及数据过滤组件、图形图像操作组件、管理员系统维护组件。
（4）数据库连接池模块，通过构建数据服务层连接池提供高效的业务层与
数据服务层的交互。
1.3 数据服务层
数据服务层主要包括：
（1）空间数据库基于大型关系数据库Oracle，实现海量遥感影像数据与元
数据的一体化存储，屏蔽了数据的不同来源和分辨率，为中间业务层提供透明的
数据服务。
（2）数据自动批量入库模块实现定时将最新获取到的遥感数据存储在系统
空间数据库中。
（3）数据自动远程分发模块实现定时将指定的遥感数据分发至对数据需求
量较大的用户。
2 系统功能
系统主要功能模块如图1所示。
2.1 用户管理
①用户登录：用户需凭用户名和密码登录系统，确保系统和用户安全。②角
色设置：设定用户角色（管理员，普通用户），管理员可为其他用户设置系统使
用权限。③权限管理：根据用户需求，管理员为用户设置不同的使用权限。
2.2 影像浏览
①基本操作：实现影像无缝浏览以及放大，缩小、平移等功能。②量测功能：
在影像地图中实现距离、面积量测功能。③图层叠加：在影像地图上叠加道路、
地名、結合表等矢量图层。④影像比对：可以使用分屏或卷帘方式比对不同时期
影像，实现同步缩放和平移。
2.3 信息查询
①空间查询：系统能根据用户指定的空间查询范围检索出该范围内的影像数
据。②属性查询：系统根据用户选择的条件或输入的关键字进行属性查询，检索
出符合查询条件的影像数据。
2.4 影像分发
①影像裁切：根据需要设定空间范围，对当前浏览的影像进行裁切下载。②
影像下载：选择比例尺，设置范围或输入影像编号，下载正射影像数据。
2.5 分析处理[2]
①立体显示：利用航摄立体像对动态构建红蓝立体影像，并可以实时调整立
体视差。②波段调整：通过设置R、G、B各波段参数来调整影像亮度和色彩。
③彩色合成：设置三个波段的任意组合排列来合成真彩色影像或各种假彩色影
像。④NDVI计算：在线计算影像NDVI（NormalizedDifference Vegetation Index，
归一化植被指数），反映植被覆盖程度。⑤信息提取：通过鼠标点击能够实时获
取NDVI的数值，为影像分析提供参考。⑥影像分析：利用NDVI影像数据，设
置取值区间，系统自动计算和分析，将符合条件的区域范围标示出来。⑦结果输
出：用户可以对影像分析结果进行编辑，并输出为shp格式文件。
3 遥感影像数据的实时调度与显示技术
由于计算机屏幕大小的限制，每次容纳的信息量是有限的.客户端一次调度
和显示的数据只是影像数据库中的一部分.海量影像数据可视化实质上是根据用
户的需求将其感兴趣的区域映射到计算机屏幕上的过程。由于影像数据在数据库
中是按照地理编码来进行存储的，因此在影像可视化时需要将地理坐标转换为屏
幕坐标.如图2所示。
图中表示当前索引窗口中需要调度的数据块，以及这些数据块对应在数据库
中的存储位置.如果图中索引窗口大小为M×N，而影像数据库影像数据块大小为
K×L，当影像数据显示时索引窗口所跨越的最大数据块和最小数据块数，其计算
公式如下：
4 结束语
遥感影像数据管理与分析系统综合运用遥感、地理信息、数据库、计算机及
网络技术，对不同时相、不同分辨率和不同类型的海量影像数据及其元数据进行
存储、管理和共享，满足摄影测量、影像图制作、影像分析和应用等工作的需要。
此外，系统还能够进行影像动态处理和在线分析，可为“数字城管”、“数字园林”、
“智能交通”等提供相应的技术支持。
参考文献
[1] 李德仁，张良培，夏桂松.遥感大数据自动分析与数据挖掘[J].测绘学报，
2014，43（12）：1211-1216.
[2] 王旭东.面向海量遥感影像数据的分布式文件系统管理技术研究[D].兰
州：兰州交通大学，2012.