空间数据库知识点总结

为什么与统计数据相比空间数据更复杂，那空间数据该如何组织与管理
·数据类型多（几何数据、关系数据、辅助数据）
·数据操纵复杂（一般数据检索、增加、删除等，空间数据定位检索、拓扑关系检索等）·数据输出多样（数据、报表、图形）
·数据量大，空间数据种类多（测量、统计数据、文字；地图、影像等）
空间数据的非结构化特征
·事务数据库：数据记录一般是结构化的。

每一个记录有相同的结构和固定的长度，记录中每个字段表达的只能是原子数据，内部无结构，不允许嵌套记录
·空间数据：这种结构化不能满足要求。

需要存储地理实体的空间坐标：实体位置、大小形状；拓扑关系等
文件与数据库混合管理。

基本思想：属性数据存储在常规的RDBMS中；几何数据存储在空间数据管理系统中；两个子系统间用标识符联系起来（即通过关键字联系）。

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。

全关系型空间数据库管理系统。

基本思想：采用同一DBMS存储空间数据和属性数据，即在标准的关系数据库上增加空间数据管理层;利用该层将结构查询语言（GeoSQL）转化成标准的SQL查询，借助索引数据的辅助关系实施空间索引操作。

优点：省去了空间数据库和属性数据库间的繁琐连接，空间数据存取速度快。

缺点：由于是存取、效率上总是低于DBMS 中所用的直接操作过程，且查询过程复杂。

对象关系数据库管理系统。

关系型数据库+空间数据引擎。

思想：用户将自己的空间数据交给独立于数据库之外的空间数据引擎，由空间数据引擎来组织空间数据在关系型数据库中的存储；用户需要访问数据的时候，再通过空间数据引擎，由引擎从关系型数据库中去除数据并转化为客户可以使用的方式。

优点：访问速度快，支持通用的关系数据库管理系统，空间数据按BLOB存取，可跨数据库平台与特定GIS平台结合紧密，应用灵活。

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。

对象关系数据库管理系统。

扩展对象关系型数据库管理系统。

思想：对关系数据库关系系统进行扩展，使之能管理非结构化的空间数据，用户利用这种能力增加空间数据类型及相关函数，从而将空间数据类型与函数从空间数据引擎转移到数据库管理系统中。

优点：空间数据的管理与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比较方便容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，目前功能与性能还较差。

·扩展的关系数据类型：1大对象类型LOB 2 BOOLEAN 3集合类型ARRAY 4用户定义的类型5面向对象的数据类型·扩展的对象类型：1行对象与行类型[第①步定义行类型②创建行类型③创建基于行类型的表2列对象与对象类型①创建列对象②创建表，定义其中属性是对象类型3抽象数据类型（ADT）·参照类型：REF类型，值是OID①创建两个行类型②创建两个基于行类型的表③描述这两个表的参照关系
地理空间建模的方法（二分法）
地理空间建模是对空间实体的数据抽象后对实体对象或场的描述。

·基于实体的描述。

主要描述不连续的个体现象，适合表示有固定形状的空间实体，强调个体现象，对象之间的空间位置关系通过拓扑关系进行连接。

核心思想：将地理实体和现象作为独立的对象，以独立的方式存在，主要描述不连续的地理现象，任何现象都是一个对象，
实体由不同的对象组成。

零维对象：点；一维对象：polyline线段、边界、链、弧段、网络(特性：长度，弯曲度，方向性)；二维对象：polygon简单多边形、非简单多边形、凸多边形、单调多边形、有洞多边形、区域(区域为一组多边形)（特性：面积、周长、独立性或与其他地物相邻、内岛屿或锯齿状外形、重叠性与非重叠性。

·基于场的描述。

核心思想：把地理空间的事物和现象作为连续的变量来看待，如空气中污染物的集中程度、地表的温度。

在空间中任何点上都有一个表达这一现象的值。

·场模型和实体模型在计算机中实现共存。

地理空间表达模式
曲面细分模式（镶嵌）。

规则镶嵌和不规则镶嵌。

用镶嵌模式表达基于实体的模型：二维空间中的空间实体被表示为包含它的有限像素子集。

点实体被描述为一个像元，用像元的地址。

多线多边形和区域实体：用有限个像元构成的像元集来表达。

用镶嵌模式表达基于场的模型：基于场的数据被定义为空间上的连续函数，在镶嵌模型中，不再是点的连续函数，而是像素的连续函数，每个单元通过一定的数值表达方式表达诸如环境污染程度。

植被覆盖类型等空间地理现象。

TIN就是镶嵌模型的一种类型，基于对2D空间的三角剖分
矢量模式。

对象被表达为由点和边组成。

用矢量模式表达基于实体的模型：point : [x: real, y: real] polyline : < point > polygon : < point > region : { polygon } 。

用矢量模式表达基于场的模型-图斑模型，等值线模型，选样模型。

数字高程模型DEM。

它是用一组有序数值阵列形式表示地面高程的一种实体地面模型
实体集合的表达方式
面条模型。

特点：独立地描述实体集中任意实体的几何信息；面条模型不存储拓扑关系，所有的拓扑关系在需要的时候进行计算。

优点:独立地描述实体集中任意实体的几何信息.面条模型不存储拓扑关系，所有的拓扑关系在需要的时候进行计算。

缺点1缺乏空间对象之间的拓扑关系的明确信息,如邻接或包容2由于没有共享信息,数据存储冗余，例如,两个多边形之间的公共边界表示两次。

网络模型。

用于在基于网络（图）的应用中对网络进行表达。

点node弧arc。

特点：planar 每个边的交点记录为一个节点（node）,即使这个节点不对应于任何地理实体。

优点：是对网络拓扑的本质描述。

缺点：二维对象之间的关系的信息没有存储在这个模型。

拓扑模型。

特点：Noplanar, 边的交叉不产生交点。

优点：几何是共享不重复。

数据模型代表相邻的多边形,因此他们不需要计算的需求。

有助于更新一致,只有一个边界更新即可。

可以促进网络和共享。

缺点：比面条模型更复杂, 可能处理更慢.一些结构信息没有实际的语义含义.增加一个新的对象需要对平面图进行重新计算.
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。

空间数据的基本特征：空间特征，时间特征，属性特征
空间数据库指以特定的信息结构（如国土、规划、环境、交通等）和数据模型（如关系模型、面向对象模型等）表达、存储和管理从地理空间中获取的某类空间信息，以满足不同用户对空间信息需求的数据库。

空间数据库系统：数字栅格地图数据库（DRG），数字高程模型数据库（DEM），数字正射影像数据库（DOM）矢量地形要素数据库（DLG）专题数据库（TD）元数据库（MD）
数字高程模型数据库(DEM)是定义在平面X，Y上规则格网点上高程数据集构成的数据库
影像数据库由各种航空航天遥感数据或经过扫描处理的影像数据构成的数字正射影像数据库
数字栅格地形图：纸质地形图扫描后经几何纠正，并进行内容更新和数据压缩处理得到数字数字栅格地图
分布式数据库：逻辑上是一个统一的数据库系统，物理上分散在不同的场地（节点），各场地通过计算机网络连接在一起，统一由一个分布式数据库管理系统( DDBMS )管理
分布数据库特点：地方自治性，相互协作性；位置透明性；副本透明性；
分布式数据库；演绎数据库；时态数据库；实时数据库。

空间实体：地理空间中的物体，通常包括两个组成部分：实体描述：实体由属性集来描述；空间描述：包括几何和拓扑
地图：依据一定的数学法则，运用地图语言（地图符号）对现实世界的科学抽象和概括。

地图对空间尸体的属性表示：符号与标记；定位表示：点状要素、线状要素、面状要素。

欧氏空间：许多地理现象模型建立的基础是嵌入在一个坐标空间中，在这种坐标空间中，根据常用的公式可以测量点之间的距离与方位，这个带坐标的空间模型叫欧氏空间
不规则三角网TIN模型：按照一定的规则将离散点连接成覆盖整个区域且互不重叠、结构最佳的三角形。

存储方式：1按三角形来存储；2点和它们的邻居
伪空间数据：一些形式的空间数据不能被直接用于空间应用。

这样的空间数据被称为伪空间数据
拓扑：当图形形状在弯曲、拉伸、收缩或其他方式扭曲下几何形状保持不变的属性。

几何：“Geometry”通常被理解为数学的一个分支，用来处理零维和高维空间的点、线、角、面和表面的属性及关系。

在几何对象模型中，“Geometry”用来表达在数据库中至少有一个几何属性“对象”的空间要素。

拓扑关系：指满足拓扑几何学原理的各空间数据间的相互关系。

即用结点、弧段和多边形所表示的实体之间的相邻、连通和包含等关系。

Coverage：矢量数据的基本存储单元，存储指定区域内地理要素的位置，拓扑关系及其专题属性。

主要特点：空间数据与文件数据相结合，能够存储矢量要素之间的拓扑关系。

缺陷：1Coverage模型的某些可取之处没有必要了（拓扑关系——面向对象技术解决；存储空间；计算机运行能力提高——实时计算）2空间数据不能很好的与其行为相对应3以文件方式保存空间数据，属性数据存放在另外DBMS中；对数据一致性有影响4Coverage模型的拓扑结构不够灵活5不同的Coverage之间无法建立拓扑关系
TIN：根据区域有限个点集，将区域划分成相等的三角面网络，数字高程由连续的三角面组成，三角面的形状和大小取决于不规则分布的测点的密度和位置。

八叉树：八叉树是一种用于描述三维空间的树状数据结构。

过程：假设要表示的形体V可以放在一个充分大的正方体C内，八叉树的每个节点与C的一个子立方体对应，树根与C 本身相对应，如果V＝C，那么V的八叉树仅有树根，如果V≠C，则将C等分为八个子立方体，每个子立方体与树根的一个子节点相对应。

只要某个子立方体不是完全空白或完全为V所占据，就要被八等分，从而对应的节点也就有了八个子节点。

这样递归判断、分割一直进行到节点所对应的立方体或是完全空白，或是完全为V占据，或是其大小已是预先定义的体素大小。

八叉树节点有灰节点，白节点，黑节点。

数据存储机制：二级存储(1主存：数据索引2外存：数据）[寻找时间>延迟时间>传输时间] 物理存储介质：速度：高—低，容量：小—大。

1基本存储（寄存器、高速缓冲存储器、主存储器）2联机存储（快闪存储器、磁盘存储器）3脱机存储（光盘存储器、磁带存储器）磁盘：1磁道：圆形磁盘片上向边缘延伸的许多同心圆环
2扇区：磁道被划分为扇区，扇区大小由驱动器的厂商设定
3磁盘块：（页面）是磁盘与主存之间的最小传输单元
域：关系或实体的一个特征或属性
记录：关系中的一行，是属性域的集合
文件：记录的集合
文件结构：文件组织其记录的方法
常用的文件结构：
1堆Heap文件：记录没有特定的顺序。

插入：把记录插入扇区的最后。

平均来说，需要检索一半的磁盘页面。

插入记录和记录文件很有效，但查询，查询下一个较慢
2散列Hashed文件：散列函数将事先选择一个主码域（如name）的值映射到一个散列单元中；采用很简单的计算。

散列函数：可取之处在于它能够把数量大致相同的记录放入每个散列单元中，但并不适合范围查询。

查询、插入、删除很有效
3顺序Ordered文件：根据给定的主码域对记录进行组织。

不能直接应用在空间领域，还可以根据对空间数据集的文件组织方式而概括成空间聚类。

4聚类Clustered文件：目的就是降低常见大查询的寻道时间(ts)和等待时间(t1)。

空间上相邻的和有关联的对象在物理上应当存储在一起。

内部聚类：一个对象的全部表示都存放在同一个磁盘页面中；本地聚类：一组空间对象(或者近似)被分组到同一页面；全局聚类：一组空间邻接的对象并不存储在一个而是多个物理上邻接的页面中，这些页面可以由一条单独的读命令访问。

索引：用于记录磁盘数据的位置信息，加快检索速度。

1二维空间映射到一维空间:①Z曲线②Hilbert曲线
2对空间逐级划分，把查询空间划分为若干区域(通常为矩形或多边形),这些区域或单元包含空间资料并可唯一标识。

（规则分割：将地理空间按照规则或半规则方式分割,分割单元间与地理对象相关联,地理要素的几何部分可能被分割到几个相邻的单元中——地理对象的描述保持完整、而空间索引单元只存储对象的位置参考信息。

基于对象的分割：分割直接由地理对象来确定,索引单元包括地理对象的最小外接矩形）
①格网索引：思想：工作区按一定规则分成大小相等或不等的格网，记录每一个格网所包含的空间对象；将空间格网按Morton码(Peano键)编码，建立Peano键与空间对象的关系空间查询时，先计算出用户查询对象所在的格网；然后在格网中快速查询所选空间实体。

步骤：划分行列；计算网格大小及每个格网的矩形范围；开辟目标空间（记录目标穿过的网格）和格网空间（记录网格内的目标），注册点线面注记等目标并记录；提取窗口所覆盖的目标关键字；提取目标所涉及的网格。

②四叉树索引：递归地对地理空间进行四分，直到自行设定的终止条件（比如每个节点关联图元的个数不超过3个，超过3个，就再四分），最终形成一颗有层次的四叉树。

线性四叉树空间索引和层次四叉树空间索引
③R-Tree Family思路：使用层次矩形结构组织空间数据。

R树（最小外接矩形）：兄弟节点对应空间区域可重叠。

易进行插入和删除操作；重叠使空间搜索的效率低。

R+：不可重叠。

空间索引搜索的效率提高、插入和删除效率低
数据库=主文件+索引文件
索引文件：利用索引法得到一个键值K与其对应记录的磁盘地址的索引表。

索引表：基本构件是索引项。

一个索引项中有关键词值和指针，通过指针可找到含有此关键词值的记录，即一个索引项为：（关键词值，指针）。

多个索引项构成了一个索引（表）
空间索引（SpIdx）：依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构
静态索引：建立空间数据库中逻辑记录与物理记录之间的静态索引表，使用各种查找算法查找表结构，从而实现对数据文件的索引；
动态索引：在数据操作过程中动态生成索引结构
查询：用户向数据库提出的一个问题或任务
查询语言：表达与数据有关问题的语言
SQL ：关系和对象关系数据库的标准查询语言。

DDL 数据定义语言，DML 数据操纵语言，DCL 数据控制语言。

空间查询：利用一个或多个空间操作算子构成，包括表达空间关系的谓词。

过滤：由于典型空间数据库的海量性和空间操作的复杂性，空间查询通常不直接应用于数据库。

而是将一个或多个过滤方法用于加速数据库的访问过程以减少第二阶段密集的计算量 二次过滤-空间操作空间查询的结果
初步过滤-空间索引大量待确认
的数据源减少的待确认的数据源
Step1过滤步骤 : 找到与查询有关的对象的超集 S
Step2精化步骤 : 用GIS 处理S 找到查询Q 的答案
扩展SQL 的动机：1.SQL 仅支持简单原子数据类型，如，integer, dates and string 2.不支持空间数据和空间查询 3.空间数据结构复杂(e.g. polygons) 4.空间查询需要支持空间操作: topological, euclidean, directional, metric.
空间SQL 语言特点：1.SQL 概念的保持2.空间对象的高级处理3.空间操作和关系的合并 SQL 与空间数据管理：
1．关系数据库管理空间数据。

扩展空间数据类型，SDBMS 是一种扩展的DBMS
2.SQL 用于空间数据查询。

扩展SQL 支持空间数据，支持对象功能，加入空间算子
阶段：外部设计→概念设计→逻辑设计→物理设计，分别的成果为数据字典、数据对象图、数据模型、数据库实体。

1.数据流图：以图形的方法描绘数据在系统中流动和处理的过程
数据字典：定义数据流图中的各个成分的具体含义，是数据信息的集合
用ER 模型表达空间概念的不足？ER 模型的设计是基于对象模型的，场模型无法用ER 图进行自然的映射；传统ER 图中，实体之间的关系由应用导出，而在空间建模中，空间对象之间总会有内在的联系；建模空间对象所使用的实体类型和“地图”的比例尺有关； 空间数据库设计
·需求分析阶段：理解客户需求；了解企业业务；重视输入输出；创建数据字典；定义标准的对象命名规范
·数据库概念设计：构建数据模型表达数据对象的结构特征和相互关系，分析和表达数据对象的空间时间属性特征，用建模UML 用例图或实体联系模型ER 图
·数据库逻辑设计。

空间数据的完整性约束：拓扑完整性约束，关于空间要素间空间关系（如，邻接，包含和连接）的几何属性.语义完整性约束，控制数据库中对象空间行为的数据库规则（例如，地块不能位于水体中）.用户定义约束，类似于那些在非空间数据建模中确定的业务规则（例如，沿湖岸200米的缓冲区内禁止树木采伐）数据模型：Geo-relational 模型和object-relational 模型
·物理设计。

构造物理数据模型，包含所有物理实施细节
·系统实施。

建立实际的数据库结构；装入实验数据对应用程序进行测试，装入实际数据建立实际数据看
·系统维护
第七章 商用空间数据库
1.Oracle Spatial 一系列函数和过程的集合，提供了SQL 模式和函数来实现Feature Collection 的存储、检索、更新和查询。

主要通过元数据表、空间数据字段（即SDO_GEOMETRY 字段）和空间索引管理空间数据，并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。

索引类型：
R-tree Quad-tree
几何形的近似形不可调节，采用最小包围盒可以通过设定分片级别和数量来调节几何形
的近似形
索引的创建和调整容易调整较复杂，会显著影响性能
相对较少的存储空间相对较大
对最近邻居SDO_NN查询较快对最近邻居查询较慢
更新数据的效率较低频繁更新数据不会影响索引性能
可以多到四维空间索引只能在二维空间索引
查询策略主过滤次过滤（Spatial在次过滤中实现几何形之间的空间关系运算）
空间数据库引擎(SDE)基于特定的空间数据模型，在特定的数据存储、管理系统的基础上，提供对空间数据的存储、检索等操作，以提供在此基础上二次开发的程序功能集合；特点：1. 对地理数据的开放式系统访问，使地理数据更易于获得、更易于管理；2. 对用户需求的充分回应；3. 支持大型数据库4.进行高效空间查询分析，提供几何处理与空间分析功能,可反复应用于各种应用5.理想的空间对象模型。

SDE在描述这些对象时采用了明晰的特征(属性)和行为(方法)，使表达执行具备灵活性6.快速实现过程7. 网络访问，SDE 支持对TCP/IP 网络环境的访问8. 平台支持9. ARC/INFO 和ArcView。

由于以上特色,数据库管理人员、应用开发人员,以及终端用户都可以用SDE实现地理数据的管理和应用软件的开发。

ArcSDE是ArcGIS与关系数据库之间的GIS通道，是多用户ArcGIS系统的一个关键部件。

为DBMS提供了一个开放的接口，允许ArcGIS在多种数据库平台上管理地理信息。

ArcGIS 通过ArcSDE使用数据库中的数据。

ArcSDE适用于一个可以被大量用户同步访问并编辑的大型数据库。

ArcGIS通过ArcSDE在DBMS中管理一个共享的、多用户的空间数据库。

C/S结构下的ArcSDE工作流程。

客户端：向数据服务器提出数据申请服务器：根据客户端传来的参数在Oracle数据库中执行相应的空间搜索和数据提取工作，将满足搜索条件的目标数据存入数据缓冲池并发给应用服务器(SDE)或直接回传给客户端(视数据是否需要经由应用服务器进行预处理而定)；服务器和客户端异步协同工作
B/S结构下的ArcSDE工作流程。

浏览器端：提出数据申请或者发出交换数据的请求；服务器端：对数据申请，则数据服务器(SDE)在Oracle数据库中执行检索及数据提取工作，并将目标数据经由数据缓冲池返回给浏览器端；对交换数据的请求，服务器在综合数据库相应子库中开辟新的空间，将浏览器端传来的数据经由缓冲池存入，完成数据接收工作。

3.Geodatabase 是ArcGIS的核心数据模型（面向对象，表达和管理GIS数据）是地理数据统一存储的仓库（要素类；关系类；支持不同平台；可伸缩性）是事务模型（Transaction Model）（管理GIS数据工作流）
特点：具有面向对象的特点（多态性——不同的存储方式、相同的要素操作方式；继承性——子类（SubType）；封装性——标准化的编程接口）；空间数据与属性数据的统一存储；可创建“智能化”的要素；支持不同数据格式间的转换；可移植；数据输入和编辑更加准确；可伸缩的存储解决方案；海量数据高性能
三种类型个人地理数据库(.mdb) ;文件地理数据库(.gdb)以文件夹的形式表现/以二进制文件格式存储/每个表存储上限为1TB;ArcSDE地理数据库，支持多用户并发编辑/存储于RDBMS中/伸缩性。

存储相同的数据所用空间shapefile＞Personal GDB＞File GDB
第八章
1.影像数据管理方式：基于文件/关系数据库的影像数据库管理系统
2.海量影像数据组织管理的相关技术：1影像金字塔技术2影像分块技术：遥感影像按照行列值分割为相同大小的数据块（tile），并以tile 作为影像存储的基本单元。

3影像块的空。