地理空间数据集成方法在农作物空间数据服务中心系统中的应用

刘兵　梅新　田文俊

【摘 要】地理空间数据是农业决策系统的数据基础，能够准确、及时的反映种植区域的农作物时空动态变化信息，而这些变化信息随着时间的推移，会构成海量的数据集，且这些数据具有多源、多时空、多尺度以及结构多样等特点。针对地理空间数据具有海量、实时、多源的特点，提出利用组件式中间件的方法，开展数据集成方面的工作。

【关键词】农情决策；地理空间数据；多源异构数据集成

0 引言

数据是农情决策空间信息系统的血液，也是整个系统的基石。而对于数据方面，由于涉及到多个机关及企事业单位，数据来源十分复杂，使用的平台，数据的种类，格式，都有较大差异。而且由于各单位基于自身情况，对数据的侧重点也不一样，造成数据的格式、表达内容、精度、空间坐标系统等都存在较大差别。要想使整个农情决策空间信息系统正常高效运行，如何对这些多源异构的数据进行科学有效的集成化管理，成为一项重要的研究课题。

1 主要集成的地理空间数据类型

系统所要集成的数据可大致分为五类大类：影像数据，基础地理数据，产品数据、物联网监测数据、系统管理数据。

1.1 集成所需的主要核心技术

在充分了解了数据集成功能需求后，需设计一种数据集成框架，能够将影像数据、矢量数据、物联网监测数据等进行统一管理，为农情决策空间信息系统提供方便快捷的数据访问功能，实现数据层与业务逻辑层的交互，并有机的融为一体，提高数据的利用效率，减少数据重复采集带来的成本。

1.1.1 组件式数据集成技术

受组件式GIS将GIS功能分而治之思路的启发，本文将农情决策空间信息系统所涉及到的数据集成功能分解开来，形成单独的数据处理中间组件，这些组件相互独立，但为了将这些组件集成起来统一管理，考虑设计一种数据处理组件管理引擎和数据解析引擎，用来规范不同的数据访问接口，包括空间数据和非空间数据。客户端的不同数据访问请求在经过数据集成技术解析后，访问相应的数据源。客户端不需要知道数据的具体来源具体结构，只需要知道怎么使用。

1.1.2 数据解析组件

在整个数据集成技术中，各个数据集成组件是基础功能单位，用来完成不同格式不同来源的数据的解析工作，从而暴露出数据的访问接口，供业务层访问。以矢量数据的解析为例，在农情决策信息系统中，矢量数据的来源大体上包括信息中心提供的SHP数据，市农业局提供的SuperMap生产的SDB行政区划数据，中科院遥感所提供的部分MapInfo的.MIF格式数据等，不同的软件厂商都提供了相应的二次开发接口，可以通过相应的数据访问接口实现对空间数据的解析。

1.1.3 地理空间数据与物联网数据的集成

空间数据与物联网数据的集成也是本文需要研究的重要内容。主要是通过建立中间关联表的方式，赋予物联网数据空间位置信息。这里以温度检测站点实时采集的温度数据为例。温度检测仪采集的数据通常包括摄氏温度、时间、仪器属性、经纬度坐标等信息，通过建立一个中间关联表，该表主要用于关联检测站点与空间数据如行政区划图，通过经纬度坐标进行关联。这样每个站点就具有了空间位置属性，并可展示到地图上。

1.1.4 无人机数据预处理技术

目前无人机数据处理软件众多，如PIX4D mapper、APS、DPGrid等。本文利用DPGrid提供的基于C++的无人机数据处理组件，通过调用其影像数据访问接口、傅里叶滤波畸变换方法、影像拼接方法以及畸变处理方法等完成无人机数据的简单预处理，为数据集成做好准备。最后采用嵌入式开发技术，将C++编写的无人机预处理程序编译成OCX组件，然后将OCX集成到用C#开发的组件式数据集成模块中，来处理客户端对无人机数据预处理的请求。

2 数据集成技术实现与应用：农作物空间数据服务中心分系统

2.1 系统设计

2.1.1 系统软件环境

2.1.2 系统功能设计

系统根据农情决策空间信息系统对数据集成的要求，设计了如下几个功能：遥感影像数据、基础地理数据、产品数据、监测数据、地图服务、系统管理几大功能模块。

1）影像数据

主要包括遥感影像和无人机数据，用户登陆系统后，可以查看数据库中存储的最新的遥感影像数据产品，如LANDSAT系列数据、MODIS系列数据等。通过预选影像数据后进行下载至本地或发送到邮箱，还可查看数据的属性信息。

2）基础地理数据

基础地理数据主要指矢量数据，包括行政区划数据和土地利用数据等。和遥感影像一样，用户可以查看数据库中存储的行政区划数据和土地利用数据，及其属性信息。通过预选数据列表进行下载至本地或发送到邮箱。

3）产品数据

产品数据主要包括预处理影像、植被指数、地表参数、专题图、监测报告等。这些数据大多是通过专业的应用程序软件处理后生成，如ArcGIS、Excel等，用户可以对数据中心存储的这些数据进行增删查改等操作，也可以上传自己的数据到服务器端，还可以下载感兴趣的数据。

4）物联网数据

物联网数据主要包括作物监测数据、土壤监测数据、气象监测数据、原始气象数据等，通过监测设备实时采集获得。大多以视频、图片、文本或其他特有数据格式存储。

2.1.3 系统框架设计

本系统采用B/S架构，系统前端采用AJAX的GET/POST方法向服务端发送数据服务请求，对于文件的传输采用FTP文件传输协议，利用arcgisapi进行地图的渲染和展示。后端数据集成部分，采用组件式开发技术，设计一套通用数据集成组件，用于实现对数据的集成和对数据库的访问。数据库部分，为提高数据的稳定性，采用了一些比较成熟稳定的空间数据库引擎。

2.1.4 集成数据库设计

系统数据库按数据库类型分可分为地理空间数据库和非空间数据库，按数据种类分可分为遥感影像数据、基础地理数据、基础地理数据、产品数据、地面监测数据和系统管理数据五大类。根据这些数据具有来源不一，结构不一，数据量大等特点可设计一种空间数据库与非空间数据库混合组成的数据库结构。

3 结论与展望

3.1 结论

本文重点在于数据集成，且提出了利用组件式数据集成中间件来调用相应的数据访问接口。通过第四章对农作物空间数据服务中心系统的分析与应用，可以发现，这种数据集成方式至少满足了如下几点要求：数据信息完整、屏蔽数据的差异性、保证系统的（下转第175页）（上接第145页）可扩展性。

3.2 展望

OGC标准将会成为空间数据互操作规范的趋势，即使现今这种标准还没有在个GIS软件厂商内普及开来，相信在不久的将来，也会在GIS领域内逐步普及，这对于多源异构数据的集成来说意义重大，这也是今后的一个重要研究方。

【参考文献】

[1]王利民，刘佳，杨玲波，等.基于无人机影像的农情遥感监测应用[J].农业工程学报，2013，29（18）：136-145.

[2]朱冰.多源空间数据集成技术及应用[J].测绘与空间地理信息，2011，34（6）：138-139.

[3]周顺平，魏利萍，万波，等.多源异构空间数据集成的研究[J].测绘通报，2008（5）：25-27.

[4]于金莹，张卫.基于物联网的农情决策诊断综合平台的研究[J].中国农机化学报，2013（2）：225-227.

[责任编辑：杨玉洁]