基于多卫星数据中心架构的海量遥感数据集成技术研究

发布时间：2020-04-10 10:20

【摘要】：随着对地观测技术的发展,各式各样的卫星和传感器发射升空,遥感数据的体量迎来了爆发式的增长,造成了遥感数据的多源和异构。而且不同类型的卫星数据由多个地理位置分散的数据中心存储和管理,造成了遥感数据在组织标准和存储方式上的差异性。使得在多卫星数据中心场景下,海量、多源、异构的遥感数据一方面对数据的集成与存储管理、数据处理及产品生产带来了巨大挑战,另一方面又使得现有的数据集成系统的能力无法满足日益增长的数据服务需求。本文针对多卫星数据中心存储的海量遥感数据集成技术进行了研究,统一组织和集成多中心数据,促进科学数据管理和归档,提高各个独立的数据系统之间数据的互操作性,并提供高效、高质量的数据服务。首先,针对海量、多源、异构的遥感数据集成问题,通过引入地理信息元数据标准并构建统一的全局遥感元数据模型,屏蔽多源、异构遥感元数据差异,实现多源遥感元数据统一。通过构建中间件的方式实现了对分布式多卫星数据中心的海量异构数据的透明访问、数据清洗、数据感知和数据集成。其次,针对如何提供高效和高质量的遥感数据服务问题,通过建立分布式检索服务实现对海量遥感元数据的索引,通过空间索引优化实现遥感元数据的快速检索,通过快视图可视化技术实现良好的用户交互,通过日志分析实现热点数据缓存和个性化的主动数据服务。最后,基于上述研究对数据集成系统进行实现,并对数据集成系统对多卫星数据中心数据集成的效率进行研究,通过不断的优化和创新以提供更为高效和高质量的数据服务。
【图文】：

索引,分层结构,检索服务

一服务器并得以处理[40]。rCloud 为了降低单机处理数据的压力，需要搭建集群结构并由多台引和搜索任务。因此在 SolrCloud 集群中，对一个逻辑集合 Collec片，被分割为一个或多个分片 Shard，每个分片由多台服务器共同配置，每个集合的数据会均匀存储在各个数据节点上，当一个索时会分别从不同 Shard 的服务器操作索引。rCloud 基于 Zookeeper 实现配置文件的集中存储和管理、集群状举。Zookeeper 作为一个高可用和高性能的分布式协调服务，解决进程之间的同步控制，让他们有序的访问某种临街资源，防止出证分布式应用的信息一致性和可靠性。遥感元数据索引及存储作为数据集成检索服务的基础，对检索服务的功能性、性能、成响，检索服务的整个索引结构可以分解为以下几部分，如图 3-6 所

界面图,云门,遥感,界面

- 40 -图 5-3 遥感云门户界面5.3.1 遥感云数据检索服务实现遥感云数据检索服务，主要提供集成数据系统的可视化数据检索功能。此处的数据检索提供了包括普通检索、卫星组网检索和基于 GeoServer 的地图检索三种主要类型。普通检索方式，用户通过选择卫星、传感器、时间和经纬度信息来检索；卫星组网检索通过复合选择卫星、传感器来进行联合检索；基于 GeoServer 的地图检索是通过基于 GeoServer 服务发布 OpenLayer 构建了云平台系统的地图服务，，用户可以通过在地图画图，或者利用行政区划检索一定范围内的数据；时间范围条件可以选择两种，一种是连续时间范围，另一种是不连续时间范围。数据检索界面的地图服务由 GeoServer 地图服务器发布，地图界面操作采用OpenLayers 实现。GeoServer 可以容易的在云平台与用户共享空间地理信息，允许用
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237

【参考文献】