EN中文

地球信息科学学报 >

2016 , Vol. 18 >Issue 5: 664 - 672

DOI: https://doi.org/10.3724/SP.J.1047.2016.00664

遥感大数据协同计算方法

遥感大数据实时渲染与交互可视化研究

  • 周亚男 , 1 ,
  • 赵威 2 ,
  • 范亚男 3
展开
  • 1. 河海大学地球科学与工程学院,南京 211100
  • 2. 中国科学院遥感与数字地球研究所,北京 100101
  • 3. 天津市测绘院 天津 300381

作者简介：周亚男(1987-),男,博士,研究方向为高性能GIS。E-mail:

收稿日期: 2015-12-15

  要求修回日期: 2016-02-01

  网络出版日期: 2016-05-10

基金资助

国家自然科学基金项目(41501453、41301438)

中国博士后科学基金项目(2015M570138)

中国科学院重点部署项目(KZZD-EW-07-01)

中国科学院遥感与数字地球研究所“135”计划项目(Y3SG1500CX)

收起

Real-time Rendering and Interactive Visualization of Remote Sensing Big Data

  • ZHOU Ya'nan , 1 ,
  • ZHAO Wei 2 ,
  • FAN Ya'nan 3
Expand
  • 1. School of Earth Science and Engineering, Hohai University, Nanjing 211100, China
  • 2. Institute of Remote Sensing and Digital Earth, CAS, Beijing 100101, China
  • 3. Tianjin Institute of Surveying and Mapping, No.9 Changling Road, Tianjin 300381
*Corresponding author: ZHOU Ya'nan, E-mail:

Received date: 2015-12-15

  Request revised date: 2016-02-01

  Online published: 2016-05-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

数据可视化是遥感应用的重要服务出口。针对静态的预生成瓦片地图难以满足数据查看、地图配置、空间分析等专业应用问题,本文提出了一套面向遥感大数据的实时渲染与交互可视化的解决方案。在渲染节点构建影像的渲染瓦片结构,以提高数据的读取速度;在可视化服务上,提出“数据-计算”相一致的负载均衡策略,优化地图的渲染效率;在可视化服务方面,设计交互的地图服务接口。与传统技术的对比分析表明,该解决方案不但实现了遥感大数据的实时渲染与交互可视化,并且达到了与预生成瓦片地图服务相当的服务性能。基于这一解决方案,研发了遥感大数据的动态可视化原型,并在影像数据实时查看、可视化计算、可视化分析等方面开展了示范应用。

关键词： 遥感大数据; 地图瓦片服务; 实时渲染; 交互可视化

本文引用格式

周亚男 , 赵威 , 范亚男 . 遥感大数据实时渲染与交互可视化研究[J]. 地球信息科学学报, 2016 , 18(5) : 664 -672 . DOI: 10.3724/SP.J.1047.2016.00664

Abstract

Data visualization is an important service in remote sensing applications. To address the problems that it is difficult for the static pre-built map tile service to meet the requirements of professional data view, map configuration, spatial analysis and other applications, this paper presented a solution architecture for the real-time rendering and interactive visualization of remote sensing big data. Firstly, on the rendering nodes, a rendering-tile structure for image was constructed to improve the reading speed of remote sensing images. Secondly, on the visualization servers, a data-computing load balancing strategy was proposed to optimize the rendering efficiency of map tiles. Thirdly, a set of service interfaces for the interactive visualization was designed for the front ends of services. Compared with the traditional technology, this solution can not only achieve the real-time rendering and the interactive visualization of remote sensing data, but also obtain an equivalent service performance to the pre-built tile map service. Finally, based on the above solutions, an interactive visualization prototype system of remote sensing data was developed and was applied into the demonstrations of the real-time viewing of remote sensing images, the visualized computing and the visualized analysis.

Key words： RS big data; WMTS; real-time rendering; interactive visualization

1 引言

可视化是人通过视觉观察在头脑中形成客观事物印象的过程,以人类惯于接受的图形、图像为媒介,并辅以信息处理技术,将客观事物及其内在联系表现出来。其不仅是客观现实的形象再现,也是客观规律、知识和信息的有机融合,同时还提高了人对复杂事物的观察能力及整体概念的理解[1]。
可视化在空间数据分析和认知中起重要作用[2],其直观形象地展示了空间数据的结构特征和复杂关系,是对知识更高层次的抽象概括,被广泛应用于空间数据的分析和理解、信息的提取和表达、知识的发现和决策中[3]。
遥感数据是空间数据的重要来源与数据形式,遥感数据可视化是开展影像解译、空间分析、地图制图、导航定位等应用的基础。在大区域的影像可视化应用中,海量的遥感数据,由于其数据量过大、数据读取极其耗时,遥感大数据的渲染与可视化效率低下。对于上百GB甚至PB的影像数据,即使采用先进的分布式云计算技术,也难以实现遥感数据的实时渲染与交互可视化。因此,在当前海量遥感数据的可视化应用系统中,预生成图片和地图(快视图和瓦片地图)成为主流的技术方案。
影像数据服务平台（如USGS的Earth Explorer、国家综合地球观测数据共享平台等）均以预生成影像快视图的方式展现影像数据,然而快视图仅是影像的缩小（约1000像元×1000像元）显示、波段组合固定、缺少地理参考信息,无法表达影像的局部细节。影像地图服务（如Google Maps、百度地图、高德地图、天地图等）和数字地球系统（如中国数字海洋[4]、DEPS/CAS[5]等）以预生成地图瓦片的方式提供影像地图服务[6]（图1）,其预先将大规模的影像渲染成多级、多分辨率的图片,并依据某种规则切割生成地图瓦片,提供瓦片地图服务。这种影像可视化方法也局限于预制的波段组合、固定的数据表达形式、静态的地图内容等,难以实时表达地表的发展变化[7]。
Fig. 1 Pre-built map tile service

图1 基于预生成地图瓦片的地图服务

从上述分析来看,相对于动态的地理空间与(准)实时的遥感成像,当前海量遥感数据的可视化和应用还存在诸多问题。特别是在遥感大数据的应用服务中,如何实现数据的可视化管理、如何可视化地筛选应用所需的数据、如何查看数据的局部细节、如何实现数据的可视化计算、如何交互配置影像地图、如何进行交互可视化服务等,这些问题很难利用现有的遥感数据可视化模式进行解决[7]。
针对上述遥感大数据可视化和应用中的问题,本文提出了一套遥感大数据的实时渲染与交互可视化的解决方案。在渲染节点上,构建影像的渲染瓦片结构,提高数据的读取速度;在可视化服务上,提出“数据-计算”相一致的负载均衡策略,优化地图的渲染效率;在地图服务方面,设计交互的可视化服务接口。最后,在遥感大数据实时查看、可视化计算和可视化分析中开展了示范应用。

2 实时渲染与交互可视化服务

基于遥感大数据实时渲染的交互可视化的整体技术流程（图2）为：（1）用户对可视化视图的交互操作,改变遥感数据的可视化配置;（2）对每一个图层,视图都将生成新的瓦片请求,并发送到可视化服务器;（3）可视化服务器对每个瓦片任务,进行数据查询、压盖分析以及负载调度处理,并将瓦片任务发送到渲染节点;（4）渲染节点读取遥感数据块、渲染地图瓦片,并将渲染图片回复至可视化服务器;（5）可视化服务将地图瓦片返回给前端视图,并由视图完成地图显示。当然在可视化服务端、视图前端均可部署瓦片缓存,以提高可视化服务的响应效率。
Fig. 2 Flowchart of real-time rendering and interactive visualization

图2 实时渲染与交互可视化技术流程

与图1的可视化流程相比,图2既要实现地图瓦片的实时渲染,又要响应前端的可视化交互操 作[8]。针对实时渲染的效率问题,本文统计了地图瓦片从请求发起到结果返回整个流程中各个环节耗时所占的百分比（表1）,分析表明在渲染节点上数据块的检索、读取以及渲染是整个流程中最耗时的步骤。该问题的解决需从渲染节点和可视化服务2个方面着手：（1）设计和构建遥感数据的渲染瓦片存储结构,提高单节点的渲染效率;（2）优化服务器的渲染调度策略,整体提高地图瓦片的服务效率。针对可视化的交互操作,需要在实时渲染的基础上,设计和开放可视化服务的交互接口,并提供遥感数据的静态可视化与动态可视化服务,满足各行业的多层次应用需求。
Tab. 1 Timings of each step in the map tile service

表1 地图瓦片服务各环节耗时比例

接收请求 元数据查询 请求下发 数据块检索 数据块读取 瓦片渲染 结果返回
耗时比例/(%) 6~9 13~16 5~7 15~17 27~33 20~24 4~9

2.1 影像渲染瓦片结构

影像金字塔技术为影像的快速显示提供了很好的技术方案。影像金字塔包含原始影像不同分辨率的缩略数据,能够避免对原始影像数据的实时读取和重采样简化,减少影像数据的读取时间,提高影像的显示效率。尽管如此,当要显示数据的分辨率位于两层金字塔之间时,数据的冗余读取与重采样仍然无法完全避免,难以满足海量遥感数据实时渲染需求。
针对海量遥感数据的实时渲染的需求,在借鉴传统影像金字塔优势的基础上,本文设计影像的渲染瓦片存储结构,提高瓦片数据块的读取速度,为实时渲染提供数据支持。
2.1.1 影像渲染瓦片模型
影像渲染瓦片结构的建立以全球地表剖分模型为基础[9]。为了不失一般性,以全球地表剖分模型为规则,先对具有不同空间参考的影像数据进行WGS84投影变换,再对变换后的影像进行数据剖分组织,如图3所示。假设在WGS84地理参考下的影像数据由图3中的多边形ABCDEF表示,其全部包含于Level=n层的一个划分格网（红色线条）中,重采样影像数据生成影像的n层级划分瓦片;然后对Level=n层级格网四等分划分（蓝色线条）,重采样影像生成影像n+1层级的划分瓦片;逐次划分直至生成影像的分辨率接近原始影像的空间分辨率,即得到影像数据的多层级空间剖分[10]。
Fig. 3 Spatial partition of an image

图3 影像数据空间划分示意

影像的四等分剖分模型[11]能够在空间上有效地划分单景影像,并建立影像的四叉树瓦片存储结 构[12],如图4所示。0层为四叉树的根节点,记录影像0层瓦片在全球剖分模型上的位置;向下依次是1层、2层、最小层、中间层、最大层,并且由于影像在空间分辨率和大小（像元）上的差异,影像的剖分数据将存储在最小层与最大层之间的树节点上[7]。
Fig. 4 Quad-tree structure of an image tile pyramid

图4 影像渲染瓦片的四叉树层次结构

2.1.2 影像渲染瓦片的存储结构
在影像渲染瓦片四叉树结构的基础上,设计渲染瓦片的物理存储结构（文件结构,如图5所示）。文件由文件头和多个数据块构成。
Fig. 5 Storage of image tile pyramid

图5 影像瓦片金字塔存储结构

文件头存储文件的基本描述信息,包括：（1）文件标示,渲染瓦片金字塔文件的标识符,且固定为RTP;（2）原始影像空间分辨率,所对应的原始影像的空间分辨率;（3）原始影像的地理范围,所对应的原始影像的空间地理范围;（4）最小瓦片层,保存文件中最小的瓦片层次;（5）最大瓦片层,文件中最大的瓦片层次;（6）瓦片的宽度和高度,文件中瓦片的宽度和高度（单位像元）;（7）原始影像的波段数,所对应的原始影像的波段数目;（8）原始影像的数据类型,所对应的原始影像的数据类型（像元的位深度）;（9）0层8个瓦片位置,文件中8个根节点瓦片的位置,当某一个根节点缺少瓦片及其子节点瓦片时,对应的位置为0。
数据块存储的瓦片信息,包括：（1）格网划分地理编码,该瓦片的唯一标识符,地理编码由经向编码X、纬向编码Y和深度编码D组成,分别记录瓦片的经度、纬度和比例尺;（2）瓦片数据的原始长度,该瓦片数据的固有长度,当该瓦片缺少瓦片数据时置为0;（3）瓦片数据的压缩长度,该瓦片数据压缩后的长度,当该瓦片缺少瓦片数据时置为0;（4）压缩瓦片数据,压缩后的瓦片数据,当该瓦片缺少瓦片数据时,略去该字段;（5）4个子瓦片的存储位置,其4个子节点瓦片的位置,当该瓦片的某一个子节点缺失时,对应的位置为0;（6）校验码,上述瓦片信息的校验位,用于检测瓦片的有效性,取上述各字段值的最小byte位相加,模256得到该校验码。

2.2 “数据-计算”相一致的渲染调度

当前的影像地图服务（Google Maps、百度地图和高德地图）均采用瓦片缓存技术,其特点是预先渲染地图瓦片,规避掉频繁且复杂的数据读取与瓦片渲染,将地图服务转变为简单的图片服务。这类服务只需将预生成的瓦片依照规则（如空间位置）存储在分布式服务器上,简单的负载均衡方法(如代理服务器,DNS负载均衡)便能实现优化的瓦片服务[13-14]。可视化服务收到瓦片请求后,将请求转发给相对空闲的内部服务器即可。而在实时交互可视化服务中,瓦片实时渲染是地图服务中最频繁、最耗时的步骤。简单的DNS负载均衡、接入均衡远不能达到理想的服务均衡状态,并且这些负载均衡框架与策略大多源于小数据、小计算的应用,未能反映出遥感大数据的特点。因此,分析实时交互可视化服务的特点,设计适用于大数据、大计算的任务调度策略,实现“数据-计算”资源的优化配置,才能提升交互可视化的响应速度[15]。
在交互可视化中,地图瓦片被单独渲染。生成每个瓦片所需的遥感数据集不同、渲染所需的数据块也来源于多个影像文件,且很可能分布在不同的渲染节点上。这种情况下,数据在节点间的传输不但占用较多的网络带宽,也降低了渲染效率。因此,在瓦片渲染任务的分配和调度中,需要考虑数据的空间分布,将任务分配到低负载、多渲染数据的节点上,即“数据-计算”相一致的任务调度策略。
调度策略的制定,一方面,要考虑渲染节点实时的计算性能与负载参数,有队列中任务数、系统调用速率、CPU上下文切换率、空闲CPU时间百分比、空闲存储大小、单位时间的平均负载等,并假设渲染节点的计算性能取决于节点CPU核数C、剩余内存容量M、磁盘的I/O速率D和操作系统能力O等。则节点性能V(H)可简单表达为各项性能指标的加权和,如式（1）所示,其中W()为权重。另一方面,要考虑遥感数据在集群中的分布。假设数据部分冗余地存储在分布式集群中,某个地图瓦片渲染所需的数据(数据个数为V(C))在分布式集群中的分布为简单的二项分布,恰好位于渲染节点的数据比例为V(W),则位于其他节点的数据比例为1-V(W)。
V ( H ) = C ∙ W ( C ) + M ∙ W ( M ) + D ∙ W ( D ) + O ∙ W ( O ) W ( C ) + W ( M ) + W ( D ) + W ( O ) = 1 （1）
综合考虑计算节点负载V(T)、计算性能V(H)、数据分布状况V(C)和V(W)、网络通信性能V(N)等因素,选用文献[16]提出的基于免疫遗传算法的负载均衡策略进行任务分配。采用加权和计算方式描述每个渲染任务的计算负载V,如式（2）所示。
V = α × V ( C ) ∙ 1 - V ( W ) ) V ( N ) + β × V ( C ) + λ × V ( C ) V ( H ) + η × V ( T ) （2）
式中： α 、 β 、 λ 、 η 分别为权重因子;等式右边第1项为数据迁移的代价;右边第2项为数据读取的代价;右边第3项为数据渲染的代价;右边第4项为计算节点已有任务而需要排队的代价。
可视化服务器测算并统计将渲染任务分配到每个节点上的渲染负载,并将任务发送到具有最小计算负载V的渲染节点上,实现“数据-计算”一致的负载均衡。

2.3 动态交互地图服务的构建

在海量遥感数据实时渲染与交互可视化技术的基础上,构建完整的影像地图服务,包括交互地图服务和静态地图服务2类。交互地图提供交互式的地图创建、配置、管理等,以满足专业人员对海量数据实时查看、遥感交互解译、可视化分析的应用需求,也是本研究技术的核心体现。静态地图服务,通过缓存交互可视化服务生成的地图瓦片提供类似Google Maps与百度地图的影像地图服务,以满足社会大众的生活需求。
图6展示了动态交互地图服务的整体设计。地图服务的动态交互,是通过前端的RESTful服务接口与后台的地图配置列表（MySQL数据库）之间的HTTP联动实现;地图服务的静态展示,则是通过前端的RESTful地图瓦片服务接口与后台的实时可视化服务之间的HTTP访问实现。
Fig. 6 Design of the real-time interactive map server

图6 动态交互地图服务的整体设计

动态交互地图服务主要的交互接口包括新建地图、配置地图、保存地图、缓存地图瓦片、删除地图（表2）。地图添加影像图层、配置影像图层、删除影像图层、开启/关闭影像图层、调整图层顺序等。
Tab. 2 Server interfaces of the interactive maps

表2 交互地图的服务接口

名称 RESTful接口 描述
新建空白地图 POST：http://mapserver/rastermap/ 创建一个新的地图,并返回地图的唯一标示字符串
配置地图 PUT：http://mapserver/rastermap/{mapid} 将交互前端生成的地图配置集更新到服务后台实现地图配置
删除地图 DEL：http://mapserver/rastermap/{mapid} 删除已有的影像地图
缓存地图瓦片 POST：http://mapserver/tilecache/{mapid} 生成地图的瓦片缓存,以供静态地图服务用
载入地图 GET：http://mapserver/rastermap/{mapid} 载入已有的地图配置
静态地图是在动态地图及瓦片缓存的基础上,对外提供地图服务列表、地图服务元信息、地图瓦片服务（WMTS）等。这些服务已在文献[17]-[19]中进行详细介绍,这里不再赘述。

3 交互可视化应用与效果分析

3.1 交互可视化应用

在实时渲染与交互可视化方案的基础上,研制动态可视化的系统原型,并在遥感大数据的可视化管理、遥感数据的实时查看、遥感可视化计算、遥感数据可视化分析、影像地图的配置等方面开展示范应用。
3.1.1 遥感数据实时查看
目前主流的遥感数据共享平台仅提供快视图作为影像场景与内容的参考,而无法实现影像细节、波段组合、数值拉伸等详细查看。而基于实时渲染与交互可视化技术,能够交互地、快速地渲染单景影像,查看数据的细节;调整数据的叠加顺序,可视化地挑选应用所需的数据。图7展示了数据实时查看的效果。
Fig. 7 Demonstration of the data real-time viewing

图7 数据实时查看示范

3.1.2 遥感数据可视化计算
基于实时渲染技术,可以实现遥感数据的可视化计算,即实时地查看遥感计算的每个步骤、步骤的中间结果。图8以云影提取为例展示遥感数据的可视化计算过程。
Fig. 8 Demonstration of the visual computing of remote sensing

图8 遥感数据可视化计算——云影提取

3.1.3 遥感数据可视化分析
基于交互可视化技术,实现遥感数据的可视化分析。调整遥感数据集的波段组合,分别突出水体特征、植被特征、农作物特征、地质特征、波段特征等;调整遥感数据的拉伸方式,设置遥感数据的时相范围,以辅助遥感目视解译。
图9示意调整遥感数据的波段组合以辅助遥感解译。图9（a)是影像的真彩色模式,图9（b)是影像标准假彩色模式,用于植被、湿地的检测分析,图9（c)是影像的蓝波段模式,突出影像中云的特征。
Fig. 9 Demonstration of the visual analysis of remote sensing

图9 遥感数据可视化分析——波段组合

3.2 交互可视化效果分析

本文针对实时渲染与交互可视化服务中的遥感数据实时读取、瓦片渲染任务调度和动态交互地图服务接口等问题进行了研究,并研制了一套原型系统。为进一步检验方案的可行性与高效性,将进一步对比分析关键技术的实际性能。
3.2.1 影像数据读取效率分析
本文将与传统的影像金字塔结构对比,来检验影像渲染瓦片结构的数据块读取优势。在个人计算机（CPU：Intel Core2,2.66GHz;内存：4 GB;操作系统：Windows 7×64）上,以Landsat TM5多光谱影像为例,随机读取130个瓦片数据块,并测算读取各个瓦片数据块的时间（ms）,其读取时间如图10所示。图10中横轴表示选择的130多个对比样本,纵轴表示读取瓦片数据块的时间消耗。图10（a）中样本点指从传统金字塔结构中读取单个瓦片数据块的时间;图10（b）中样本点指从渲染瓦片结构中读取单个瓦片数据块的时间。统计分析表明：“传统金字塔”样本的平均数据读取时间为300 ms,而“渲染瓦片”样本的平均数据读取时间为12 ms,读取性能显著提高。
Fig. 10 Efficiency analysis of the data block reading from the rendering-tile structures

图10 渲染瓦片结构数据块读取效率分析

3.2.2 瓦片渲染效率分析
为评估“数据-计算”相一致的任务调度的性能,测算并对比可视化服务（服务器硬件环境为CPU：Intel Xeon,2.30 GHz;内存：32 GB;操作系统：Windows Server 2008×64）同时响应多个客户端瓦片请求的时间消耗。试验分2组：一组采用“数据-计算”相一致的任务调度策略,另一组采用基于节点性能的任务调度策略。在每组实验中,依次用2、4、6个等多客户端同时向可视化服务器请求瓦片,其中每个客户端请求的瓦片数大约为30~40个,然后记录从服务器收到瓦片请求到完成响应的时间,结果如图11所示。
Fig. 11 Performance analysis of the storage-computing task schedule

图11 “数据-计算”一致的任务调度策略的性能分析

图11中,蓝线表示采用“数据-计算”相一致的任务调度策略的服务响应时间,红线表示采用基于服务器性能策略的服务响应时间。其中,蓝线的趋势线的斜率大约为1.5,而红线的趋势线的斜率大约为2.2,即采用“数据-计算”相一致的任务调度策略,能够有效地提高服务的渲染效率,减少瓦片服务的响应时间。
3.2.3 交互可视化服务效果分析
为评估交互可视化服务的整体响应性能,利用个人电脑（CPU：Intel Core2,2.66 GHz;内存：4 GB;操作系统：Windows 7）统计请求单个地图瓦片的时间消耗,并与Google Maps和百度地图进行横向对比。首先,利用PING命令统计本机到Google Maps、百度地图和实时交互可视化服务的路由时间RoutineTime;然后,利用HTTP协议向Google Maps、百度地图和交互可视化服务请求单个地图瓦片（随机选取的有效地图瓦片）,并记录从请求发出到瓦片返回的时长HttpTime;最后,由HttpTime减去路由时间RoutineTime,即得到单个地图瓦片的响应时间,如图12所示。
Fig. 12 Response performance of the real-time interactive visualization

图12 实时交互可视化的服务响应效率分析

图中蓝线、红线、绿线分别表示交互可视化、Google Maps、百度地图服务响应单个地图瓦片请求的时间消耗。其中交互可视化的平均时间为40.7 ms,Google Maps的平均时间为39.8 ms,百度地图的平均时间为64.6 ms。即交互可视化取得了与Google Maps相近的服务响应效率,并优于百度地图。交互可视化在实现实时动态特性的同时,获得了较好的服务效率。

4 结论

遥感大数据急剧膨胀,基于海量遥感数据的大区域应用也愈加广泛,而静态的预生成瓦片地图服务难以满足专业的数据实时浏览、数据可视化计算、地图交互配置、数据可视化分析与解译的应用需求。为此本文提出一套遥感大数据实时渲染与交互可视化的解决方案。就实现动态可视化的关键问题——遥感影像数据块的实时抽取、地图瓦片渲染的任务调度、交互可视化服务接口的设计等进行讨论,并提出对应的解决方法。基于这套解决方案,研发交互可视化的原型系统,并在大规模遥感数据实时查看、数据可视化计算、数据可视化分析等方面开展示范应用。与传统技术方案的分析对比表明,本文的遥感大数据可视化方案不但实现了数据的实时渲染与地图的交互服务,而且达到了与预生成瓦片地图相当的服务性能,并且在示范应用中也取得了良好的使用效果。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Wood M, Brodlie K.Visc and GIS: some fundamental considerations[C]. Visualization in Geographical Information System, 1994:3-8.

[2]
Gershon N, Eick S G, Card S.Information visualization[J]. ACM Interactions, 1998,5(2):9-15.

[3]
吴加敏,孙连英,张德政.空间数据可视化的研究与发展[J].计算机工程与应用,2002,38(10):85-88.随着3S技术的融合和空间信息 处理技术的发展和广泛应用,空间数据的可视化以及基于可视化技术的空间分析、空间数据挖掘和知识发现已经发展成为空间信息处理的重要手段和关键技术。可视 化方法已由数据的空间展现逐步发展成为可以表现数据的内在复杂结构、关系和规律的技术。由静态空间关系的可视化发展到表示系统演变过程的可视化。可视化方 法不仅用于数据的理解,而且用于空间知识的呈现。可视化技术充分利用了人对于色彩和空间的敏锐的感知能力使人机有机地融合,在空间信息和知识的发现过程中 发挥着重要作用。该文总结了空间分析中可视化技术的研究成果,分析了可视化技术的发展现状,给出了可视化方法的分类。从认知和空间数据所表征的客观对象的 复杂性及非线性动力学特征分析了其发展演化规律的可视化方法,并对空间数据可视化技术的现状及发展趋势进行探讨。

DOI

[ Wu J M, Sun L Y, Zhang D Z.Research and development of spatial data visualiztion[J]. Computer Engineering and Applications, 2002,38(10):85-88. ]

[4]
Zhang X, Dong W, Li S, et al.China digital ocean prototype system[J]. International Journal of Digital Earth, 2011,4(3):211-222.Digital Ocean is a new research domain of Digital Earth. Because of the spatio-temporal, three-dimensional (3D) and intrinsically dynamic nature of ocean data, it is more difficult to make a breakthrough in this domain. The construction of the China Digital Ocean Prototype System (CDOPS) pushes Digital Ocean a step forward from its operation as a mere concept to its achievement as a realistic system. In this paper, the technical framework of the CDOPS is discussed, including its data, function, and application layers. Then, two key technologies are studied in detail that will enable the construction of the 3D ocean environment and the visualization of the ocean model output data. Practical demonstrations show that the CDOPS provides a technical reference for the development of Digital Ocean. This paper is based on an ongoing research project of the development of CDOPS that aims at the facilitation, integration, sharing, accessing, visualization, and use of the ocean data and model computing data from the Digital Earth perspective.

DOI

[5]
Guo H, Fan X, Wang C.A digital earth prototype system: DEPS/CAS[J]. International Journal of Digital Earth, 2009,2(1):3-15.Not Available

DOI

[6]
黄祥志,刘南,刘仁义,等.适用于可编辑WebGIS的动态缓存策略[J].计算机工程,2011,37(5):285-287.针对WebGIS显示效率低，而现有瓦片式地图缓存技术又难以有效应用于可编辑WebGIS的问题，设计一种动态缓存策略。该策略从缓存更新的角度对传统瓦片式地图缓存技术进行改进，实现地图缓存的实时动态更新，使网络地图缓存技术能够应用于可编辑WebGIS。通过系统应用实例和性能对比实验，证明该缓存策略能够在不影响系统编辑操作的前提下，提高系统效率，且符合实际行业 需要。

[ Huang X Z, Liu N, Liu R Y, et al.Dynamic caching strategy for editable WebGIS[J]. Computer Engineering, 2011,37(5):285-287. ]

[7]
周亚男. 遥感云环境下影像数据产品生成与可视化服务研究[D].北京:中国科学院大学,2014.

[ Zhou Y N.Study on data production and visualization for big-data images on cloud RS[D]. Beijing: University of Chinese Academy of Sciences, 2014. ]

[8]
Tang X M, Xie J F, et al.Overview of the key technologies for high-resolution satellite mapping[J]. International Journal of Digital Earth, 2012,5(3):228-240.Not Available Not Available

DOI

[9]
宋树华,程承旗,关丽,等.全球空间数据剖分模型分析[J].地理与地理信息科学,2008,24(4):11-15.随着数字地球发展，全球空间信息多尺度表达和管理使得传统平面格网系统的局限性越来越明显，建立全球数据多尺度剖分模型已成为国内外学者关注的热点。该文介绍并分析全球剖分系统，根据剖分单元的形状和最终投影曲面的性质对球面剖分系统进行分类。总结出球面剖分系统具有连续性、稳定性、层次性和近似均匀性等优点，既有效避免了传统平面格网表达全球数据时存在的数据冗余问题，又克服了不规则球面剖分系统无法进行层次关联的缺陷，在管理全球、多层次和海量的空间数据时具有优势。

[ Song S H, Cheng C Q, Guan L, et al.Analysis on global geodata partitioning models[J]. Geography and Geo-Information Science, 2008,24(4):11-15. ]

[10]
马维峰,王晓蕊,高松峰,等.基于服务器动态缓存和Ajax技术的WebGIS开发[J].测绘科学,2008(5):204-205.可以基于服务器动态缓存技术，在WebGIS开发中应用Ajax和地图切片技术，有效减轻WebGIS服务器的负荷，提高服务器并发效率和客户端用户体验。本文介绍了基于ArcIMS，结合服务器端动态缓存技术，开发Ajax风格的WebGIS系统的基本原理、系统架构、关键技术和应用实例，具有重要的实用价值和现实意义。

DOI

[ Ma W F, Wang X R, GAO S F, et al.The development of WebGIS based on Ajax and server-based dynamic cache technology[J]. Science of Surveying and Mapping, 2008,5:204-205. ]

[11]
Renato P.Overview of quadtree-based terrain triangulation and visualization[R]. UCI-ICS Technical Report No.02-01,2002.

[12]
Fekete G.Rendering and managing spherical data with sphere quadtrees[C]. Proceedings of the First IEEE Conference on Visualization, 1990:176-186.

[13]
Yang C, Wong D W, Yang R, et al.Performance-improving techniques in web-based GIS[J]. International Journal of Geographical Information Science, 2005,19(3):319-342.WebGIS (also known as web-based GIS and Internet GIS) denotes a type of Geographic Information System (GIS), whose client is implemented in a Web browser. WebGISs have been developed and used extensively in real-world applications. However, when such a complex web-based system involves the dissemination of large volumes of data and/or massive user interactions, its performance can become an issue. In this paper, we first identify several major potential performance problems with WebGIS. Then, we discuss several possible techniques to improve the performance. These techniques include the use of pyramids and hash indices on the server side to handle large images. To resolve server-side conflicts originating from concurrent massive access and user interactions, we suggest clustering and multithreading techniques. Multithreading is also used to break down the long sequential, layer-based data access to concurrent data access on the client side. Caching is suggested as a means to enhance concurrent data access for the same datasets on both the server and the client sides. The technique of client-side dynamic data requests is used to improve data transmission. Compressed binary representation is implemented on both sides to reduce transmission volume. We also compare the performance of a prototype WebGIS with and without these techniques.

DOI

[14]
Wang P, Yang C, Yu Z, et al.A load balance algorithm for WMS [web map service][C]. Proceedings of the IEEE International Conference on Geoscience and Remote Sensing Symposium, 2004,5:2920-2922.

[15]
Zhou Y, Hu X, Li J.Real-time dynamic visualization techniques for massive geospatial data[C]. IEEE International Conference on Data Mining Workshop, 2015:1143-1149.

[16]
苏日娜,王宇.基于免疫遗传算法的负载均衡策略[J].计算机应用,2010,30(10):2595-2597.针对基于遗传算法的负载均衡策略(SGALB)搜索效率不高、局部寻优性能不佳、容易产生退化的问题，提出一种基于免疫遗传算法的负载均衡策略(IGALB)。通过在SGALB基础上对种群进行亲和力和浓度计算，增加基于浓度的调节概率因子，确保种群的多样性，克服了SGALB早熟收敛；同时在一定条件下引入免疫算子，进行接种疫苗和免疫选择，有效缓解了SGALB的退化现象。仿真实验表明，该算法的寻优能力高于SGALB，并有效提高了集群系统的性能。

[ Guo R N, Wang Y.Load balancing strategy based on immune genetic algorithm[J]. Journal of Computer Applications, 2010,30(10):2595-2597. ]

[17]
韦胜. ArcEngine环境下实现瓦片地图的访问与拼接[J].武汉大学学报· 信息科学版,2012,37(6):737-740.在C/S模式下,针对瓦片地图的数据组织特点,提出采用 ArcEngine的自定义图层实现瓦片地图的动态绘制与投影,利用线程池、异步访问技术、缓存及.Net内存管理机制来提高程序的执行效率和用户互操作 性。将基于Win32类库的和基于开源库GDAL的两种瓦片拼接方式结合起来实现瓦片拼接,避免单纯使用GDAL方式的低效率。以城市规划信息查询系统为 例证明了此方法的可行性。

[ Wei S.Implementation of access to and Mosaicing tile map based on ArcEngine[J]. Geomatics and Information Science of Wuhan University, 2012,37(6):737-740. ]

[18]
许虎,聂云峰,舒坚.基于中间件的瓦片地图服务设计与实现[J].地球信息科学学报,2010,12(4):562-567.为了对WebGIS遗留系统进行平滑升级,提高传统WebGIS服务器的响应速度和改善用户体验,设计并实现了一个瓦片地图服务中间件(Tile Map Service,TMS,又译为缓存服务)。通过分析其工作原理和体系结构,从瓦片空间索引、瓦片切图策略及系统部署等三个方面,给出了优化对策,并与传统WMS进行了性能对比。实验测试数据采用世界地图的第8缩放级别,在该缩放级别下地图瓦片总数为32768个,随机生成21000个包含3×3个瓦片的地图请求窗口,将随机生成的测试数据分成20组,每组依次包含100-2000个请求窗口。实验分别采用WMS请求和TMS请求两种请求方式,其中,WMS请求直接向GeoServer发送WMS数据请求,TMS请求采用多线程同时向瓦片地图服务中间件发送9个WMS瓦片请求。实验结果表明,该瓦片地图服务中间件比WMS的平均响应时间减少约46%,并具有很高的瓦片动态切图效率,对提高传统WebGIS的响应速度和平滑升级现有遗留系统具有重要的应用价值。

[ Xu H, Nie Y F, Shu J.Design and Implementation of a tile map service based on the middleware[J]. Journal of Geo-information Science, 2010,12(4):562-567. ]

[19]
孙伟,李治庆,焦孟凯,等. 瓦片地图动态缓存中间件的优化设计及实现[J].测绘通报,2014(1):37-40.<p>针对现有瓦片地图服务虽然能够实现地理信息快速显示和响应，但实时更新能力仍然不足的现状，参考现有国际流行的瓦片缓存中间件GeoWebCache的结构，优化设计并实现了动态缓存中间件DCM，弥补GeoWebCache在服务接口固定、版本信息缺乏和网络传输协议单一等方面的不足。测试结果显示,DCM能够有效满足地图显示在快速响应能力和实时更新效率上的双重要求。</p>

[ Sun W, Li Z Q, Jiao M K, et al.Optimized design and implementation of the tile map dynamic caching middleware[J]. Bulletin of Surveying and Mapping, 2014,1:37-40. ]

Options
文章导航

/

〈 〉