数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
服装研究
法律研究构建和利用空间数据仓库面临哪些挑战？
构建和利用空间数据仓库存在一些挑战性的问题。第一个挑战是从异构来源和系统中统一空间信息。空间数据通常存储在不同的行业公司和政府机构中，并使用各种数据格式。
数据格式不仅特定于结构（例如，基于栅格的与基于矢量的空间数据、面向对象的与关系模型、不同的空间存储和索引结构），而且特定于供应商（例如，ESRI、MapInfo、Intergraph）。在异构空间数据的统一和交换方面已经进行了大量的研究，这为空间数据集成和空间数据仓库的构建铺平了道路。
第二个挑战是在空间数据仓库中实现快速灵活的联机分析处理。星型模式是空间数据仓库建模的最佳选择，因为它支持简洁有序的仓库结构并支持OLAP服务。但是，在空间仓库中，维度和度量都可以包含空间元素。
空间数据立方体中有三种类型的维度，如下所示：
**非空间维度** - 非空间维度仅包含非空间数据。可以为仓库生成非空间维度温度和风暴。例如，因为每个维度都包含非空间数据，其泛化是非空间的（包括温度的“热”和降水的“湿”）。
**空间到非空间维度** - 空间到非空间维度是一个维度，其原始级别数据是空间的，但其泛化从某个较高的级别开始变为非空间的。
**空间到空间维度** - 空间到空间维度是一个维度，其原始级别及其所有高层次泛化数据都是空间的。例如，等温区维度包含空间数据，其所有泛化也包含空间数据，包括覆盖0-5度（摄氏度）、5-10度等的区域。
空间数据立方体中有两种类型的度量，如下所示：
**数值度量** - 数值度量仅包含数值数据。例如，空间数据仓库中的一个度量可以是某个区域的月收入，以便可以按年、按县等进行汇总以评估总收入。数值度量可以分为分布式、代数和整体式。
**空间度量** - 空间度量包含指向空间对象的指针集合。例如，在空间数据立方体中，具有相同温度和降水范围的区域将在同一单元格中分组，并且由此形成的度量包含指向这些区域的一组指针。
**非空间数据立方体** - 非空间数据立方体仅包含非空间维度和数值度量。如果空间数据立方体包含空间维度但不包含空间度量，则其OLAP操作（包括钻取或透视）可以以类似于非空间数据立方体的方式执行。
200 次浏览
