仇林遙，王萌，朱慶，杜志強(1.武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北武漢430079；2.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川成都611756；3.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北武漢430079)

顧及時空語義的多主題瓦片數(shù)據(jù)優(yōu)化檢索方法*

仇林遙1，3，王萌1，3，朱慶2，3，杜志強1，3
(1.武漢大學(xué)測繪遙感信息工程國家重點實驗室，湖北武漢430079；2.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川成都611756；3.地球空間信息技術(shù)協(xié)同創(chuàng)新中心，湖北武漢430079)

針對虛擬地球可視化中多個邏輯圖層疊加產(chǎn)生大量同名瓦片索引重疊引起的數(shù)據(jù)無效訪問和內(nèi)存冗余等問題，提出顧及時空語義的瓦片數(shù)據(jù)優(yōu)化檢索方法。在客戶端實現(xiàn)顧及時空語義的自適應(yīng)瓦片優(yōu)選，將視點信息與數(shù)據(jù)集的時空范圍、分辨率和優(yōu)先級等語義信息自動匹配與自適應(yīng)篩選過濾，顯著提高目標(biāo)瓦片數(shù)據(jù)的命中率；在服務(wù)器端實現(xiàn)面向主題的內(nèi)存數(shù)據(jù)庫瓦片數(shù)據(jù)緩存，進(jìn)一步提高瓦片數(shù)據(jù)二次訪問的響應(yīng)速度。實驗表明，該方法不受邏輯圖層增量影響，保證目標(biāo)瓦片較高的命中率，緩存方法進(jìn)一步提升瓦片二次訪問效率，顯著提高面向多數(shù)據(jù)集的海量數(shù)據(jù)實時可視化性能。

瓦片金字塔；高分辨率遙感影像；自適應(yīng)匹配；瓦片優(yōu)選；內(nèi)存數(shù)據(jù)庫

通過航空航天遙感技術(shù)獲取全球高時空分辨率的遙感影像并建立覆蓋全球的數(shù)字地球已成為當(dāng)代地理信息技術(shù)的重要標(biāo)志［1-4］?；谌螂x散格網(wǎng)系統(tǒng)的空間數(shù)據(jù)組織方法實現(xiàn)了海量高分辨率遙感影像的網(wǎng)絡(luò)可視化服務(wù)［5］，并廣泛應(yīng)用于災(zāi)害管理、環(huán)境監(jiān)測、地籍管理、戰(zhàn)場環(huán)境仿真等領(lǐng)域。現(xiàn)有面向公眾服務(wù)的虛擬地球平臺大多管理一個邏輯圖層。邏輯圖層指包含一個完整或者局部連續(xù)的影像金字塔的數(shù)據(jù)集合，以Google Earth為例，金字塔層級上的影像來自QuickBird，LANDSAT，IKONOS等不同傳感器［6-7］，但所有影像經(jīng)過建庫后屬于同一個邏輯圖層。在相同的層級和位置僅存在唯一瓦片，因此根據(jù)層級與行列號即可快速檢索到目標(biāo)瓦片。由于高分辨率影像數(shù)據(jù)快速且容易獲取，僅一個邏輯圖層難以滿足多元遙感數(shù)據(jù)可視化應(yīng)用需求。例如應(yīng)急救災(zāi)過程，需要應(yīng)對多源數(shù)據(jù)記錄災(zāi)區(qū)不同時相不同尺度的受災(zāi)情況與災(zāi)區(qū)場景。數(shù)據(jù)臨時整合至同一邏輯圖層，一方面需要長時間的人機(jī)交互；另一方面，僅一個邏輯圖層難以滿足多主題圖層的對比分析、多時相展示等可視化需求。當(dāng)圖層不唯一時，以金字塔層級和行列號為索引的離散格網(wǎng)方法難以確定當(dāng)前視口所請求的瓦片屬于哪個圖層，傳統(tǒng)方法通過瓦片編號在所有數(shù)據(jù)集獲取目標(biāo)瓦片，導(dǎo)致以下兩個問題:①盲目遍歷所有數(shù)據(jù)集容易產(chǎn)生大量無效查詢，增加服務(wù)端的數(shù)據(jù)庫檢索時間以及降低傳輸層中有效瓦片的占有率；②如果多個數(shù)據(jù)集在空間上存在交集(如圖1所示)，不僅同名瓦片產(chǎn)生內(nèi)存冗余，而且繪制端難以準(zhǔn)確辨識特定數(shù)據(jù)源的瓦片將導(dǎo)致繪制混亂，影響可視化的流暢度和精確性。針對以上問題，本文提出顧及時空語義的瓦片檢索優(yōu)化方法。

圖1 多圖層疊加示意圖Fig.1 Overlap ofmultiple logic layers

1 全球離散格網(wǎng)瓦片數(shù)組組織模式

全球離散格網(wǎng)的基本思想是采用倍率方法形成多分辨率層次，每層細(xì)分為大小相等的矩形瓦片，瓦片包含固定數(shù)據(jù)的采樣點。通過Plate Carree等投影方式將地理坐標(biāo)經(jīng)緯度［-180°，180°］和［-90°，90°］范圍內(nèi)的地球表面投影成一個長寬比為2∶1的規(guī)則矩形平面，以此為底面構(gòu)建離散多分辨率影像瓦片金字塔，然后對各層進(jìn)行均勻剖分［8］。若影像瓦片像素大小為s×t，函數(shù)f(l)定義為第l層的空間分辨率，則瓦片的空間分辨率為(以x方向的分辨率為例):

任意分辨率正射影像可以映射至金字塔中一段連續(xù)的層級。假設(shè)其空間范圍為A，由左下角坐標(biāo)(xt，yt)和右上角坐標(biāo)(xh，yh)表示，像素大小為m×n，定義r為影像的空間分辨率，則(以x方向分辨率為例):

因此，可根據(jù)式(1)和式(2)可推算影像映射在金字塔中的最大層級［8］:

由此可見，利用金字塔層級和行列號作為索引可檢索唯一瓦片，即給定經(jīng)緯度(x，y)，可在金字塔任意層定位到唯一的行號X和列號Y:

2 顧及時空語義的自適應(yīng)瓦片優(yōu)選算法

面向唯一圖層，根據(jù)視點位置能夠檢索和定位任意瓦片。然而，隨著數(shù)據(jù)集的增加，當(dāng)前方法缺乏對數(shù)據(jù)集的有效甄選手段，針對這一問題，提出了時空語義標(biāo)注方法，從多個維度對數(shù)據(jù)集的可視范圍進(jìn)行約束，實現(xiàn)瓦片自適應(yīng)匹配算法。

2.1 時空語義標(biāo)注方法

2.1.1 語義描述

根據(jù)《ISO/TC-211 19115元數(shù)據(jù)規(guī)范》對遙感數(shù)據(jù)語義的描述［9］，建立針對影像瓦片數(shù)據(jù)的語義描述集合，作為瓦片過濾的基本依據(jù)。語義描述包括以下內(nèi)容:

1)主題語義。針對數(shù)據(jù)來源、傳感器類型、關(guān)聯(lián)事件等方面的差異，建立主題約束。例如在災(zāi)區(qū)影像數(shù)據(jù)可視化任務(wù)中，不同災(zāi)害類型對數(shù)據(jù)分辨率、傳感器偏好不同。主題語義有效增加不同數(shù)據(jù)集的關(guān)聯(lián)約束，支持用戶從應(yīng)用層面對數(shù)據(jù)進(jìn)行批量取舍。

2)分辨率語義。描述數(shù)據(jù)集在三維空間垂直維度(垂直于XY平面)的“可視范圍”，指導(dǎo)視點在瓦片選擇過程中自動剔除可視深度以外的數(shù)據(jù)集。例如在視點接近地表時，用戶關(guān)心的是高分辨率影像數(shù)據(jù)集表達(dá)的地物細(xì)節(jié)特點，而非全球背景數(shù)據(jù)集的低分辨率紋理。

3)優(yōu)先級語義。描述數(shù)據(jù)集調(diào)度流程的邏輯順序，對數(shù)據(jù)集的深度可視范圍做進(jìn)一步約束。通過建立優(yōu)先等級與金字塔的局部連續(xù)層級的映射關(guān)系，實現(xiàn)視點位置與數(shù)據(jù)集的實時關(guān)聯(lián)分析，分辨率語義和優(yōu)先級語義是在垂直維度實現(xiàn)瓦片自適應(yīng)匹配的關(guān)鍵。

4)時間語義。描述數(shù)據(jù)集在時間維度的排列順序和生命周期，以時間戳形式定義數(shù)據(jù)集的時間有效范圍，為數(shù)據(jù)集的序列分析和多時相展示提供支持。

5)空間語義。描述數(shù)據(jù)集在XY平面的空間范圍，利用最小外接包圍盒表達(dá)。結(jié)合分辨率語義信息，將數(shù)據(jù)集的空間范圍映射至分辨率可見的各個金字塔層級，將經(jīng)緯度信息轉(zhuǎn)換為金字塔各級的行列ID，有助于瓦片的快速確定與剔除。

2.1.2 描述方法

采用資源描述框架(Resource Description Framework，RDF)對數(shù)據(jù)集的語義標(biāo)注進(jìn)行表達(dá)。RDF文件對每個數(shù)據(jù)集的時空語義進(jìn)行有效的結(jié)構(gòu)化組織，并轉(zhuǎn)變成計算機(jī)易于識別和解析的資源信息，實現(xiàn)數(shù)據(jù)集的自適應(yīng)匹配與瓦片自動檢索。

表1展示了RDF文件的描述片段:在RDF文件中瓦片數(shù)據(jù)集作為一個類進(jìn)行描述，時空語義作為類的屬性進(jìn)行表達(dá)，包括名稱(Name)、主題(Theme)、最小外接包圍盒(Box)、影像分辨率(Resolution)、優(yōu)先級(Priority)、起始日期(Start Time)、終止日期(End Time)和數(shù)據(jù)源(Data Source)等，每個數(shù)據(jù)集屬于類的一個實例。

2.2 瓦片自適應(yīng)匹配過程

傳統(tǒng)基于視點位置的瓦片檢索方法無法辨別多個邏輯圖層中同名瓦片的差異，采用遍歷數(shù)據(jù)集的方法查詢。本文的改進(jìn)之處在于通過RDF文件描述數(shù)據(jù)集的時空語義特點，在瓦片檢索過程中結(jié)合當(dāng)前視點位置信息對瓦片進(jìn)行自適應(yīng)匹配和篩選。圖2展示了瓦片自適應(yīng)匹配流程。

表1 RDF文件描述片段Tab.1 Snippets of a RDF file

圖2 瓦片自適應(yīng)匹配流程Fig.2 Self-adaptivematch process

首先遍歷并結(jié)構(gòu)化存儲所有數(shù)據(jù)集的時空語義信息，從多個層次對其語義特點進(jìn)行量化描述:數(shù)據(jù)集的名稱、主題和數(shù)據(jù)源作為粗粒度的標(biāo)識信息進(jìn)行存儲。起始、終止日期記錄時間維度的可視范圍。影像分辨率與優(yōu)先級控制垂直維度的可視范圍。根據(jù)式(3)推算當(dāng)前數(shù)據(jù)集分辨率對應(yīng)的最大金字塔層級Level，確定0至Level的可視范圍Range1；根據(jù)優(yōu)先級Priority與局部連續(xù)金字塔層級建立的映射關(guān)系得到可視范圍Range2，進(jìn)一步對Range1和Range2求交集，確定數(shù)據(jù)集在垂直維度的范圍內(nèi)。最小外接包圍盒控制數(shù)據(jù)集在水平二維平面的可視域。根據(jù)式(4)計算數(shù)據(jù)集在Range1∩Range2的各金字塔層級上處于包圍盒左下和右上位置的瓦片ID，作為范圍邊界標(biāo)識。由此，語義信息量化轉(zhuǎn)換后存儲，準(zhǔn)備自適應(yīng)匹配。

瓦片自適應(yīng)匹配流程隨可視化流程啟動，首先根據(jù)用戶輸入信息獲取可視化主題和時相。前者體現(xiàn)了操作者的興趣對象，通過信息主題與數(shù)據(jù)集的相關(guān)屬性進(jìn)行匹配，過濾后形成相關(guān)數(shù)據(jù)集列表List1。進(jìn)一步與時間信息進(jìn)行比對，剔除列表內(nèi)輸入時間區(qū)間以外的數(shù)據(jù)集，得到列表List2，縮小后續(xù)自動匹配和檢索的范圍。隨著視點位置的移動，實時獲取視點信息，包括視點的高程和經(jīng)緯度位置，根據(jù)視點高程與金字塔層級劃分的映射關(guān)系計算視點當(dāng)前所處的層級Lod，結(jié)合式(4)計算視點可見瓦片的行列號。然后遍歷數(shù)據(jù)集列表List2，將Lod與數(shù)據(jù)集的可見深度進(jìn)行匹配，選擇垂直維度可見范圍包含Lod的數(shù)據(jù)集，進(jìn)一步查詢該數(shù)據(jù)集的金字塔數(shù)組，找到Lod層級的瓦片邊界，將待請求瓦片的行列號與之進(jìn)行匹配，包含瓦片的數(shù)據(jù)集構(gòu)成列表List3，由此確定最終需要檢索的數(shù)據(jù)集對象。

上述過程能夠保證場景瀏覽時瓦片僅在唯一或極少數(shù)數(shù)據(jù)集中請求。但少量特殊情況下可能出現(xiàn)匹配錯誤。比如，當(dāng)數(shù)據(jù)集的實際邊界與外接最小包圍盒重疊度較低時，少數(shù)不在數(shù)據(jù)集內(nèi)的瓦片可能被請求。選擇內(nèi)存數(shù)據(jù)庫作為服務(wù)器緩存用以提高客戶端二次訪問速度和正確率。

3 面向主題的內(nèi)存數(shù)據(jù)庫緩存方法

隨著數(shù)據(jù)集的不斷增加，瓦片總量隨之增加。面對海量瓦片，調(diào)度過程中磁盤I/O負(fù)載較高，使用將所有數(shù)據(jù)放在磁盤上進(jìn)行管理的傳統(tǒng)數(shù)據(jù)庫應(yīng)用方式很難滿足高并發(fā)、高時效的訪問需求，在服務(wù)器端構(gòu)建內(nèi)存數(shù)據(jù)庫作為瓦片緩存數(shù)據(jù)庫，可以有效提高瓦片調(diào)度效率和系統(tǒng)性能。

3.1 內(nèi)存數(shù)據(jù)庫特點

由于存儲介質(zhì)的特性不同，相對于常規(guī)的磁盤數(shù)據(jù)庫，內(nèi)存數(shù)據(jù)庫具有更高的訪問速度和更低的系統(tǒng)延遲，并且不受磁盤I/O瓶頸限制［10］。近十幾年來，內(nèi)存的發(fā)展一直遵循摩爾定律，成本不斷降低，數(shù)據(jù)庫管理系統(tǒng)將工作數(shù)據(jù)集放入內(nèi)存變得可行。另外，采用分布式內(nèi)存數(shù)據(jù)架構(gòu)容易突破單臺普通服務(wù)器內(nèi)存容量低的限制，最大程度發(fā)揮緩存的作用。

3.2 面向主題的內(nèi)存數(shù)據(jù)庫結(jié)構(gòu)

在瓦片調(diào)度過程中，較多瓦片會不止一次地被訪問，形成“熱點數(shù)據(jù)”，而每次從磁盤調(diào)度瓦片容易增加檢索時耗和磁盤I/O負(fù)載。將數(shù)據(jù)緩存至內(nèi)存數(shù)據(jù)庫，可以明顯提高瓦片二次訪問的效率。

結(jié)合瓦片調(diào)度過程，海量瓦片結(jié)構(gòu)單一、文件大小均衡、操作頻率較高的特點，適合采用Key-Value模型的內(nèi)存數(shù)據(jù)庫，常見的此類內(nèi)存數(shù)據(jù)庫包括Redis，Memcached和Riak等。它支持基于鍵值對的操作和讀取，數(shù)據(jù)的寫入和讀取效率較高［11-12］。

在數(shù)據(jù)密集的服務(wù)器端構(gòu)建面向主題的內(nèi)存數(shù)據(jù)庫(如圖3所示)，系統(tǒng)架構(gòu)主要包括以下層次:代理服務(wù)器、邏輯控制腳本、內(nèi)存數(shù)據(jù)庫集群和磁盤數(shù)據(jù)庫。其中代理服務(wù)器接收客戶端請求，發(fā)揮負(fù)載均衡和請求分發(fā)的作用；邏輯控制腳本在服務(wù)器端負(fù)責(zé)實時生成RDF文件、解析代理服務(wù)器請求并向內(nèi)存數(shù)據(jù)庫寫入標(biāo)識符、控制請求響應(yīng)的優(yōu)先級。內(nèi)存數(shù)據(jù)庫集群接到請求時，優(yōu)先請求集群中的數(shù)據(jù)，有效地降低二次請求的時間消耗，提升數(shù)據(jù)傳輸速度；瓦片數(shù)據(jù)庫負(fù)責(zé)海量影像的磁盤存儲管理。

客戶端根據(jù)邏輯控制腳本生產(chǎn)的RDF文件，組合包含名稱、主題和影像分辨率信息的數(shù)據(jù)請求并發(fā)送至服務(wù)器；服務(wù)器接到請求之后，邏輯控制腳本將請求解析組合形成“名稱:主題:影像分辨率”的唯一標(biāo)識符作為進(jìn)行瓦片檢索的標(biāo)識符Key；邏輯控制腳本利用標(biāo)志符優(yōu)先對內(nèi)存數(shù)據(jù)庫進(jìn)行檢索，通過哈希函數(shù)H(x)，確定Key在內(nèi)存中的位置Addr=H(Key)；如果數(shù)據(jù)存在，則返回數(shù)據(jù)給服務(wù)器；如果對無效記錄標(biāo)識列表進(jìn)行檢索，確保目標(biāo)瓦片號有效后對磁盤數(shù)據(jù)庫進(jìn)行檢索。如果磁盤中數(shù)據(jù)存在，將數(shù)據(jù)返回給客戶端并將此條數(shù)據(jù)緩存到內(nèi)存數(shù)據(jù)庫中，否則，返回數(shù)據(jù)為空的消息給客戶端，同時向緩存發(fā)送無效記錄標(biāo)識。

4 實驗與分析

4.1 實驗環(huán)境與數(shù)據(jù)

實驗設(shè)備為6臺戴爾Edge Power R710服務(wù)器，磁盤陣列共有5TB容量，服務(wù)器操作系統(tǒng)為CentOS 6.4。實驗數(shù)據(jù)包括全國各省10m分辨率遙感影像、魯?shù)榈卣?2014)和尼泊爾地震(2015)等災(zāi)區(qū)鄉(xiāng)鎮(zhèn)高分辨率衛(wèi)星、航空遙感影像，數(shù)據(jù)集超過30個，數(shù)據(jù)總量達(dá)到3TB。瓦片數(shù)據(jù)庫選擇MongoDB作為磁盤數(shù)據(jù)庫，內(nèi)存數(shù)據(jù)庫選擇Redis作為服務(wù)器緩存。其中，6臺服務(wù)器分別部署Redis節(jié)點(每臺分配內(nèi)存16GB)搭建分布式內(nèi)存數(shù)據(jù)庫(共96GB)。

4.2 實驗結(jié)果與分析

實驗一：瓦片請求效率對比

實現(xiàn)瓦片檢索優(yōu)化前后的數(shù)據(jù)訪問效率對比實驗。為了保證不同數(shù)據(jù)環(huán)境下有效瓦片的請求數(shù)量一致，設(shè)置統(tǒng)一的三維視點飛行路徑。測試不同數(shù)據(jù)集條件下，優(yōu)化前后有效瓦片數(shù)量的訪問效率。測試結(jié)果顯示:

相同三維場景操作狀態(tài)下，一般瓦片檢索和訪問總量與數(shù)據(jù)集數(shù)量呈正相關(guān)，然而有效瓦片的訪問量與有效訪問比率隨數(shù)據(jù)集的增加而明顯降低。相比之下，優(yōu)化后的檢索方法不受數(shù)據(jù)集數(shù)量的影響，始終保證瓦片總訪問量和有效瓦片訪問量的穩(wěn)定性(如圖4(a)和圖4(b)所示)，同時保證有效訪問百分比維持在98%以上(如圖4 (c)所示)。由于傳統(tǒng)方法缺乏無效瓦片的自動辨識與過濾方法，導(dǎo)致網(wǎng)絡(luò)帶寬大部分被此類瓦片占據(jù)，嚴(yán)重影響客戶端實時獲取目標(biāo)瓦片，場景刷新速率隨數(shù)據(jù)集的增加明顯下降。經(jīng)測試，優(yōu)化方法能夠?qū)⒕钟蚓W(wǎng)下平均有效訪問速度從600KB/s提升至20MB/s，保證較高的帶寬占用率，在多數(shù)據(jù)集環(huán)境下顯著提高海量數(shù)據(jù)訪問與可視化性能。

圖3 服務(wù)器端數(shù)據(jù)請求解析和響應(yīng)流程Fig.3 Data request analysis and response on the servers

圖4 自適應(yīng)瓦片匹配效率對比Fig.4 Contrast of self-adaptive tilematch efficiency

實驗二：緩存訪問效率對比

設(shè)置10臺客戶端同時對覆蓋多數(shù)據(jù)集的同一地區(qū)進(jìn)行場景瀏覽，包括平移、縮放、漫游和路徑飛行，并發(fā)訪問服務(wù)器。測試增加內(nèi)存數(shù)據(jù)庫前后，代理服務(wù)器接收來自數(shù)據(jù)庫響應(yīng)的時間差異。如圖5所示，隨著操作時間增加，直接從磁盤數(shù)據(jù)庫中獲取瓦片的請求響應(yīng)速率無明顯變化，而增加緩存設(shè)計的數(shù)據(jù)庫響應(yīng)時間逐漸降低。此外，緩存容量和響應(yīng)速率的變化趨勢相反，說明本文面向主題的“鍵—值”設(shè)計充分發(fā)揮分布式內(nèi)存數(shù)據(jù)庫的檢索能力，能夠滿足多用戶并發(fā)條件下海量影像可視化的性能需求。

圖5 緩存訪問效率對比Fig.5 Contrast of cache access efficiency

5 結(jié)論

本文針對虛擬地球可視化中多個邏輯圖層疊加產(chǎn)生同名瓦片數(shù)據(jù)重疊引起的數(shù)據(jù)無效訪問和內(nèi)存冗余等問題，提出顧及時空語義的瓦片數(shù)據(jù)優(yōu)化檢索方法。在客戶端設(shè)計顧及時空語義的自適應(yīng)瓦片優(yōu)選算法，實現(xiàn)瓦片的自動匹配與過濾，顯著提高目標(biāo)瓦片的命中率，有效解決傳統(tǒng)方法瓦片檢索低效的問題；在服務(wù)器端構(gòu)建面向主題的分布式內(nèi)存數(shù)據(jù)庫緩存，利用多字段混合鍵實現(xiàn)內(nèi)存數(shù)據(jù)的高效檢索，有效提升瓦片二次數(shù)據(jù)的訪問效率。方法不受邏輯圖層個數(shù)和數(shù)據(jù)量影響，滿足海量影像數(shù)據(jù)三維可視化的高性能需求。

References)

［1］龔健雅.3維虛擬地球技術(shù)發(fā)展與應(yīng)用［J］.地理信息世界，2011，9(2):15-17.GONG Jianya.The developmentand application of3-D virtual Earth technology［J］.Geomatics World，2011，9(2):15-17.(in Chinese)

［2］郭華東，王力哲，陳方，等.科學(xué)大數(shù)據(jù)與數(shù)字地球［J］.科學(xué)通報，2014，12:1047-1054.GUO Huadong，WANG Lizhe，CHEN Fang，et al.Scientific big data and digital Earth［J］.Chinese Science Bulletin，2014，12:1047-1054.(in Chinese)

［3］Grossner K E，Goodchild M F，Clarke K C.Defining a digital Earth system［J］.Transactions in GIS，2008，12(1):145-160.

［4］Guo H D.China's Earth observing satellites for building a digital Earth［J］.International Journal of Digital Earth，2012，5(3):185-188.

［5］童曉沖.空間信息剖分組織的全球離散格網(wǎng)理論與方法［J］.測繪學(xué)報，2011，40(4):536.TONG Xiaochong.The principles and methods of discrete global grid systems for geospatial information subdivision organization［J］.Acta Geodaetica et Cartographica Sinica，2011，40(4):536.(in Chinese)

［6］Potere D.Horizontal positional accuracy of Google Earth’s high-resolution imagery archive［J］.Sensors，2008，8(12): 7973-7981.

［7］Yu L，Gong P.Google Earth as a virtual globe tool for Earth science applications at the global scale:progress and perspectives［J］.International Journal of Remote Sensing，2012，33(12):3966-3986.

［8］劉義，陳犖，景寧，等.利用MapReduce進(jìn)行批量遙感影像瓦片金字塔構(gòu)建［J］.武漢大學(xué)學(xué)報(信息科學(xué)版)，2013，38(3):278-282.LIU Yi，CHEN Luo，JING Ning，et al.Parallel batch-building remote sensing images tile pyramid with MapReduce［J］.Geomatics and Information Science of Wuhan University，2013，38(3):278-282.(in Chinese)

［9］朱慶，李海峰，楊曉霞.遙感信息聚焦服務(wù)的多層次語義約束模型［J］.武漢大學(xué)學(xué)報(信息科學(xué)版)，2009，34 (12):1454-1457.ZHU Qing，LI Haifeng，YANG Xiaoxia.Hierarchical semantic constraint model for focused remote sensing information services［J］.Geomatics and Information Science ofWuhan University，2009，34(12):1454-1457.(in Chinese)

［10］Yue P，Jiang L C.BigGIS:how big data can shape nextgeneration GIS［C］//Proceedings of the 3rd International Conference on Agro-geoinformatics，IEEE，2014:1-6.

［11］Hecht R，Jablonski S.NoSQL evaluation:a use case oriented survey［C］//Proceedingsof International Conference on Cloud and Service Computing，2011:336-341.

［12］Han J，Haihong E，Le G，etal.Survey on NoSQL database［C］// Proceedings of the 6th International Conference on Pervasive Computing and Applications(ICPCA)，IEEE，2011:363-366.

An optimal retrievalmethod ofmulti-theme image tiles considering the spatio-tem poral semantics

QIU Linyao1，3，WANGMeng1，3，ZHU Qing2，3，DU Zhiqiang1，3
(1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China；2.Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 611756，China；3.Collaborative Innovation Center of Geospatial Technology，Wuhan 430079，China)

Aiming at the invalid accesses and memory redundancies caused by data overlap ofmore than one logic map tile in the visualization process of virtual earth，an optimal retrievalmethod ofmulti-theme tiles considering the spatio-temporal semantics was proposed.On the client side，the self-adoptive retrieval of tiles considering spatio-temporal semantics automatically matches the viewpoint information with semantics of datasets like space-time range，resolution and priority，then the invalid selection was filtered and the efficiency of target tiles data hit ratio was improved.On the server side，the theme oriented data cache based onmemory databasewasachieved to prompt the response speed of server in the second access of tiles.Finally，the experiments prove that thismethod can prevent stable and high hit-rate of target tile affected by amount of datasets and the cachemethod can further improve the efficiency of tiles access.The real-time visualization performance ofmassive image data is significantly improved.

tile pyramid；high resolution remote sensing images；self-adoption；optimal retrieval of tiles；memory database

TN95

A

1001-2486(2015)05-015-06

10.11887/j.cn.201505003

http://journal.nudt.edu.cn

2015-07-06

國家自然科學(xué)基金資助項目(41171311，41471320)；國家高分辨率對地觀測系統(tǒng)應(yīng)用系統(tǒng)(民用部分)建設(shè)資助項目(03-Y30B06-9001-13/15)；四川省科技計劃資助項目(2014SZ0106)

仇林遙(1988—)，男，河南安陽人，博士研究生，E-mail:qiu_linyao@163.com；杜志強(通信作者)，男，副教授，博士，碩士生導(dǎo)師，E-mail:duzhiqiang@whu.edu.cn