mongodb适合存储遥感数据吗?

太伯爵 2019-01-03 02:46:49
老师让做毕业设计(高分遥感数据管理系统)mongodb适合存储遥感数据吗?
...全文
701 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
太伯爵 2019-04-09
  • 打赏
  • 举报
回复
现在已经了解到了,mongodb是可以直接存储矢量数据,但是栅格数据是无法支持的。当然你要存储文件mongodb也是支持的;总的来说还是postgresql数据库支持遥感数据比较好,不管是栅格数据还是矢量数据都有很很好的支持。因为本人偏向前端所以使用nodejs和mongodb(以前学习的时候这两个老是连载一起学习,所以选择了这个技术端),如果推荐还是java和postgresql数据库的支持比较好。
spdata 2019-03-28
  • 打赏
  • 举报
回复
遥感数据 最好用tsdb来存储,加入你的测点数量少于1万,那用mongodb来存,性能上是可以满足的,但占用磁盘比较多。如果用tsdb来存的话,磁盘占用能降低到1/10以内(相对用mongodb存储而言)。
浅析GIS大数据 作者:尤文辰 徐跃通 高尚 来源:《电脑知识与技术》2013年第24期 摘要:随着地理信息数据的迅速增加,GIS数据呈现出数据量大、数据种类多和 数据结构复杂的特点。该文从大数据的角度对GIS数据呈现的三个特征进行了具体的分析 ,并在此基础上提出GIS大数据存储和处理的新的要求。最后介绍了MongoDB这一NoSQL数 据库的特性,简要分析了利用MongoDB数据库的特性来解决GIS大数据问题的方法,并简 单地借助于python语言用mongoDB对ESRI Shapefiles进行了存储。 关键词:GIS;大数据mongoDB;python;开源GIS 中图分类号:TP208;TP392 文献标识码:A 文章编号:1009- 3044(2013)24-5399-04 1 概述 随着人类对客观世界认知的提高与技术水平的不断进步,所获取的描述客观世 界的数据呈爆炸式增长,大数据已经成为了Google、亚马逊等大公司的竞争资本,通过 大数据的有效利用和深入分析,可以挖掘巨大的商业价值和社会价值。根据维基百科[1 ]的定义,大数据是由巨大且复杂的数据集组成的集合,且这些数据集因其巨大和复杂而 难以用现有的数据库管理工具和传统的数据处理程序来进行处理。近些年我国开展的土 地调查、数字城市建设等项目,取得了丰硕的成果,收集了大量的测绘数据和自然、人 文数据,在今后大力开展的测绘工作中,还将获得更加丰富的地理信息数据,与此同时 ,如何有效地存储、管理和利用这些地理信息数据成为需要解决的问题。 2 GIS的定义 GIS(Geographic Information System)是地理信息系统的简称。陈述彭认为地理信息系统是以定位数据库为基础,具 有多层次数据结构,多功能分析能力的空间型信息系统[2],李德仁从多级格网理论[3] 的角度出发,认为GIS数据存储的形式为不同尺度的空间数据库[4]。综上所述,GIS是以 计算机软硬件为基础,结合地理学、测绘学、地图学、计算机科学、运筹学等多门学科 的,以获取、存储、管理、展示、分析地理空间数据为主的计算机系统,可以用于区域 规划、决策分析等。 3 GIS数据的特征 从定义可看出,数据是GIS的血液。从通过图件扫描、格式转换、实地测绘等方 法的数据获取,到采用各种先进数据库技术对数据进行存储、管理,再到利用计算机图 形学、地图学等综合可视化技术对数据进行展示,以及最终以数据为基础的借助于计量 地理学、拓扑学、图论等学科的决策分析等,这些过程都是以数据为核心的。随着GIS的 发展,其数据呈现出数量大、种类多和结构复杂的特征。 3.1 数量大 GIS的数据量大具有两层含义,第一层含义是指数据占用的字节数多,这主要是 针对栅格数据及多媒体数据而言的。比如"天地图"在2011年正式上线的时候,集成了海 量的基础地理信息资源数据[5],总数据量约有30TB,处理后的瓦片数近30亿。资源三号 测绘卫星是中国第一颗民用高分辨率光学传输型测绘卫星[6],截止到2013年6月底,在 运行的不到一年半的时间中,总共存档卫星影像37万多景,数据量达到249TB。而GIS空 间数据产生的商业价值每年正以15.5%的速度增加,是GIS软件和服务的两倍[7]。GIS数 据量大的第二层含义是指数据单位个数多。比如"天地图"各类地名和POI(Point of Interest,兴趣点)有1100多万条, 2011年8月竣工的国家西部1 50000地形图空白区测图工程和国家1 50000基础地理信息数 据库更新工程两个国家级重大测绘工程[8],成果有20多万航片和8000多景卫星遥感影像 ,地名近600万条,描绘了1.4亿个地理要素。另外,其他专业领域比如土壤数据、气象 数据在全数据模式下[9]数量也是非常可观的。 3.2 数据种类多 GIS的数据种类多样,从大的方面看,具有矢量数据、栅格数据、属性数据,以 及与地理位置相关的音频、视频等多媒体数据等;而从小的角度看,主要是因为数据来 源广泛和不同应用的需求而体现为数据格式多样,这里我们主要从数据格式多样来看GI S数据种类多。比如测绘方式产生的dxf数据,经常需要导入到GIS系统中,其他的还有扫 描得到的tiff或jpeg图像,具有空间坐标信息的GeoTIFF文件,数字制图中数字化后的E SRI shapefiles数据或MapInfo的TAB数据,格式转换后用于web的png、SVG或GeoJson数据等 。资源三号卫星TLC(三线阵相机)标准产品中的1A级产品(预处理级辐射校正影像产品 )包括的文件格式就有tiff、rpb、xml、jpeg等四种格式的15个文件。GDAL/OGR是地理 空间数据转换的类库,多用来读取地理空间数据,根据GDAL官方网站的资料
基于时间序列分析的大气污染预测软件是一个使用Python和Django框架开发的Web应用程序,旨在通过分析历史大气数据来预测未来的污染水平。该系统利用统计学方法如ARIMA(自回归积分滑动平均模型)或SARIMA(季节性自回归积分滑动平均模型),结合机器学习技术进行准确的时间序列预测。 主要特性和功能可能包括: 1. **数据收集与处理**:自动从环境监测站等来源收集大气污染数据,并进行预处理以供建模使用。 2. **预测模型构建**:根据历史数据构建并训练时间序列预测模型。 3. **多污染物支持**:能够分析和预测多种污染物(如PM2.5、PM10、NO2、SO2等)的浓度变化。 4. **动态预测**:提供未来短期和中长期的大气污染预测结果。 5. **用户界面**:允许用户查看历史数据、预测结果以及调整预测参数。 6. **报警系统**:当预测到污染水平将超过安全阈值时,系统会发出警告。 7. **报告生成**:自动产生包含分析和预测结果的报告,供专业人员进一步研究或公众参考。 8. **模型评估与优化**:通过对比实际数据和预测结果,评估模型性能并根据需要进行调整。 技术栈通常涉及: - Python编程语言:作为后端逻辑和数据处理的主要开发语言。 - Django框架:用于搭建稳定的Web服务和API接口。 - 前端技术:HTML, CSS, JavaScript以及可能的框架(如Bootstrap),用于构建用户界面。 - 数据库技术:如MySQL、PostgreSQL或MongoDB,用于存储历史大气数据和预测结果。 - 统计和机器学习库:如Pandas、NumPy、Statsmodels、Scikit-learn等,用于数据分析和模型构建。 部署方式可能包括: - 本地部署:在环境监测机构或个人研究者的计算机上配置环境运行系统。 - 云服务部署:如果需要为更广泛的用户提供服务,可以将系统部署到云平台,如AWS、Azure或Google Cloud。 该系统对于环境保护部门、气象服务机构、公共卫生组织以及关注空气质量的普通民众都具有重要的应用价值。它可以帮助这些组织和个人更好地理解空气污染的趋势,制定应对措施,减少污染对健康和环境的影响。随着技术的发展,未来这个系统还可以整合更多的数据源(如卫星遥感数据)、采用更先进的预测模型(如深度学习模型),并扩展至移动端应用,以提供更全面、便捷的服务。

1,746

社区成员

发帖
与我相关
我的任务
社区描述
MongoDB相关内容讨论区
社区管理员
  • MongoDB社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧