[发明专利]一种遥感影像数据存储方法和系统

说明书

本发明公开了一种遥感影像数据存储方法，包括：获取遥感影像数据，并利用MapReduce并行模型构建遥感影像金字塔；其中，所述遥感影像金字塔包括若干个不同分辨率的层级结构；对每一层级结构中的所述遥感影像数据根据Geohash编码进行分块，以计算索引值；利用空间填充曲线对每一所述遥感影像数据的栅格进行降维处理；以Key‑Value键值对的形式将降维处理后的所述栅格进行分布式存储。本发明还公开一种遥感影像数据存储系统。采用本发明实施例，能有效将海量的遥感影像数据存储到分布式数据存储数据库中，提高入库效率，且能够根据不同分辨率的请求调取不同层级的瓦片数据，提供高效的索引来读取、查询这些瓦片数据。

技术领域

本发明涉及遥感技术领域，尤其涉及一种遥感影像数据存储方法和系统。

背景技术

随着遥感技术的快速发展，多传感器、多时相、高空间分辨率、高光谱分辨率的遥感数据量也越来越多、数据类型也越来越复杂，包含非成像高光谱反射率数据、卫星遥感影像数据、研究区属性数据等。由于遥感数据周期性全方位积累，每天都有大量的遥感影像被获取，遥感数据体量十分庞大，若对某一地区多个时期不同类型遥感数据综合分析、融合处理，其数据量将成几何倍数增长。现有的遥感数据存储与管理方式主要可以分为两类：集中式的文件系统存储管理、基于传统关系数据库的分布式存储管理。

(1)基于卫星条带的集中式文件存储管理，把海量遥感数据存储到中央服务器上，通过操作系统的文件对遥感数据进行组织和管理比较典型的有Windows的NTFS文件系统、Linux的Ext文件系统等。但是，遥感数据冗余度高、造成存储占用空间极大；跨网传输时，受限于网络宽带的影响，共享效率低；当存放影像过多时，存放混乱，检索难度大，对海量数据的快速访问和查找能力存在明显不足。

(2)依托传统关系型数据库构建的海量遥感影像数据存储管理系统，这种方式有两种实现途径：第一种对关系型数据库管理系统进行空间扩展使其具备管理栅格类型数据的能力，但这些软件对于RSID(Romote Sensing Image Data，遥感影像数据)的管理能力相对较弱；第二种在关系型数据库管理系统基础上添加空间数据引擎中间件，实现对RSID的管理，这条路线主要由各大GIS厂商推动实现。但是，随着海量数据的要求及其相关应用的发展，在应对大量写入、表结构不固定、字段不固定的非结构化数据时，传统关系型数据库难以满足所有影像的存储要求，造成信息一定程度的丢失。

发明内容

本发明实施例的目的是提供一种遥感影像数据存储方法和系统，能有效将海量的遥感影像数据存储到分布式数据存储数据库中，提高入库效率，且能够根据不同分辨率的请求调取不同层级的瓦片数据，提供高效的索引来读取、查询这些瓦片数据。

为实现上述目的，本发明实施例提供了一种遥感影像数据存储方法，包括：

获取遥感影像数据，并利用MapReduce并行模型构建遥感影像金字塔；其中，所述遥感影像金字塔包括若干个不同分辨率的层级结构；

对每一层级结构中的所述遥感影像数据根据Geohash编码进行分块，以计算索引值；

利用空间填充曲线对每一所述遥感影像数据的栅格进行降维处理；

以Key-Value键值对的形式将降维处理后的所述栅格进行分布式存储。

作为上述方案的改进，所述利用MapReduce并行模型构建遥感影像金字塔，具体包括：

利用重采样技术根据所述MapReduce并行模型构建遥感影像金字塔；其中，所述重采样技术包括双线性插值法、最临近像元法和三次卷积法中的至少一种。

作为上述方案的改进，所述对每一层级结构中的所述遥感影像数据根据Geohash编码进行分块，具体包括：

获取所述遥感影像数据的空间范围以及分辨率；