基于GML的GIS数据互操作研究与设计

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:zhengji1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前网络上分布着海量的空间地理信息,这些信息以诸多的格式存储,由不同的个人和单位维护。信息之间的互操作性已成为近年来业内关注的热点问题。然而,传统的方法比如数据格式交换和数据直接存取等,无法有效的在地理信息之间实现共享,从而引发了许多严重的问题如错误的空间元素转换,耗时复杂的文件级转换过程等,特别是缺乏对不同层次地理对象的灵活支持。而目前Web GIS的兴起虽然增加了地理信息获取的灵活性,但其往往基于某一种特定的GIS数据平台(Mapinfo或ERSI)而设计,易导致所谓的“信息孤岛”的问题。由于同样缺乏共同遵循的GIS数据描述和互操作模型,异构数据之间的共享仍然是一个极大的挑战。ISO/TC 211和OGC(Open Geospatial Consortium)为国际上两个制定地理数据和地理信息系统标准的组织。参照相关标准,本文建立了GML数据模型与元数据相结合的地理数据描述模式,该模式以地理特征(Feature)为基础,包含单一特征与特征集(FeatureCollection)两种类型的数据描述,旨在为目前异构地理信息的传输和共享提供一种高效和灵活的数据描述方案。在地理数据描述基本模式的基础上,本文设计了异构地理数据互操作系统模型。该模型由客户端、服务端、数据源组成,我们重点探讨了其中的关键部分服务端的设计。该部分包含网络特征服务(WFS)、网络地图服务(WMS)、网络坐标转换服务(WCTS)、OGC Filter等模块协同处理符合GML地理特征描述模式的GIS数据。考虑到目前数据源既有的异构性,服务端还引入了GML Translator进行非GML数据源向GML文档的转换。这样客户端可通过浏览器,桌面GIS软件等方便的获取远程服务端所提供的GIS地图服务或GML特征数据服务,同时其特征数据仍将符合本文提出的地理数据描述基本模式以保证其规范性和完整性。
其他文献
随着虚拟技术的应用越来越广泛,虚拟集群成为云端一种主要执行环境。虚拟集群和传统的高性能计算平台相比,在可扩展,可配置,可维护等方面表现出了许多优越性。因此,虚拟集群
由于NAND Flash的低访问延迟和低能耗等优点,伴随着其容量的不断增长,越来越多的服务器采用闪存作为存储器。然而,不同存储服务器之间的I/O负载不均衡造成了各闪存服务器之间
人脸识别是生物识别技术中的一种。与其他生物识别技术不同,人脸识别具有使用者友好和可以被大量应用的显著优点,而这也使得它成为模式识别的一个具有挑战性的课题。人脸识别
DDoS攻击是目前网络违法行为中,不法分子使用的终极武器。由于攻击工具易于开发、攻击危害程度大、以及攻击数据包的源地址伪造而使得攻击者不易被发现,等等这些原因,使DDoS攻击
聚类是数据分析的重要工具,主要包括划分法、层次法、密度算法、图论方法、网格算法以及模型算法等方法,其中模糊C均值算法(FCM)是目前最常用的算法之一。如何提高聚类算法的
软件安全事件的频繁发生引起人们极大关注,对软件的安全性进行准确客观地分析与评估,是软件安全保障的前提和必要条件,本文正是基于此点展开论述与研究的。 为有效表示和检测
数据挖掘是从20世纪90年代以来迅速发展起来的一门新兴技术.其处理对象是大量的日常业务数据,目的是将隐含的、尚不为人知的,同时又是潜在有用的信息从数据中提取出来.机器学
当前数字信息技术和网络高速发展,嵌入式系统已经广泛地渗透到科学研究、工程设计、军事技术、各类产业和商业、文化、艺术以及人们日常生活等方方面面。随着嵌入式系统应用
数据流是一个按时间到来的有序的项集。和传统静态数据库中的数据不同的是,数据流是连续的、无限的、通常以很高的速度到来的并且数据分布随着时间而改变。由于数据流的特点使
随着存储容量和CPU的处理能力的快速增长,磁盘带宽能力却没有得到相应的提升,I/O已经成为影响计算机性能的瓶颈。并行文件系统和并行I/O成为解决磁盘数据处理能力和CPU计算能