陳昱行, 盛 輝, 劉善偉, 何亞文

基于COG的遙感影像地圖服務(wù)快速構(gòu)建方法

陳昱行, 盛 輝, 劉善偉, 何亞文

(中國石油大學(xué)(華東) 海洋與空間信息學(xué)院, 山東 青島 266580)

如今主流的地圖服務(wù)軟件中影像圖層的發(fā)布需要手動(dòng)指定參數(shù), 不利于影像圖層自動(dòng)化發(fā)布。本文搭建私有對(duì)象存儲(chǔ)服務(wù)管理遙感數(shù)據(jù), 利用COG(cloud optimized GeoTIFF)支持局部訪問的特性, 優(yōu)化影像瓦片動(dòng)態(tài)創(chuàng)建速度, 實(shí)現(xiàn)了影像自動(dòng)發(fā)布的瓦片地圖服務(wù), 改進(jìn)了瓦片唯一標(biāo)識(shí)碼生成算法, 提高了瓦片緩存的讀寫性能。在實(shí)例應(yīng)用中, 本文實(shí)現(xiàn)的遙感影像地圖服務(wù)與GeoServer相比, 在瓦片動(dòng)態(tài)創(chuàng)建中性能相近, 在處理已緩存瓦片時(shí)更有優(yōu)勢(shì), 具有應(yīng)用前景。

遙感影像; 地圖服務(wù); 瓦片金字塔

隨著遙感對(duì)地觀測(cè)技術(shù)的發(fā)展, 遙感數(shù)據(jù)在國土資源、海洋環(huán)境、氣象等各行業(yè)中被廣泛應(yīng)用, 成為時(shí)空分析的重要數(shù)據(jù)來源。為更好地管理、共享這些遙感數(shù)據(jù), 國內(nèi)研究者基于分布式技術(shù)做了大量的基礎(chǔ)研究[1-4], 同時(shí), 如何能夠在數(shù)據(jù)持續(xù)更新情況下, 為不同領(lǐng)域的用戶提供及時(shí)的、便捷的遙感數(shù)據(jù)共享服務(wù)[1], 成為遙感應(yīng)用領(lǐng)域的研究熱點(diǎn)。

遙感數(shù)據(jù)共享包括數(shù)據(jù)共享和數(shù)據(jù)預(yù)覽。Web端的數(shù)據(jù)在線預(yù)覽依賴于地圖瓦片服務(wù)[5], 分為預(yù)先渲染和動(dòng)態(tài)創(chuàng)建兩種方式: 預(yù)先渲染需要在瓦片生成完畢后才能提供服務(wù), 具有更快的響應(yīng)速度, 是構(gòu)建地圖瓦片服務(wù)的主要方式[6-8]; 動(dòng)態(tài)創(chuàng)建方式在節(jié)約計(jì)算資源方面更有優(yōu)勢(shì)[9], 適合在數(shù)據(jù)持續(xù)更新情況下使用。目前, 國際上知名的地圖服務(wù)商業(yè)化軟件ArcGIS Server支持使用鑲嵌數(shù)據(jù)集(mosaic dataset)插件實(shí)現(xiàn)影像瓦片的動(dòng)態(tài)創(chuàng)建[9]; 主流的開源地圖服務(wù)軟件GeoServer支持在不使用GWC(geowebcache)的情況下對(duì)遙感影像直接提供網(wǎng)絡(luò)地圖服務(wù)(web map service, WMS)服務(wù)。對(duì)于瓦片動(dòng)態(tài)創(chuàng)建速度優(yōu)化, 可以在原始數(shù)據(jù)內(nèi)部增加Tiling和Overview[10], 也可使用近年提出的云優(yōu)化GeoTIFF格式(cloud optimized GeoTIFF, COG), 它具有高效地提取GeoTIFF文件中的子區(qū)域的特性[11]。

主流地圖服務(wù)軟件支持瓦片的動(dòng)態(tài)創(chuàng)建, 也有多種瓦片動(dòng)態(tài)創(chuàng)建優(yōu)化方法, 如今主流的地圖服務(wù)軟件中影像圖層的發(fā)布需要手動(dòng)指定參數(shù), 不利于影像圖層自動(dòng)化發(fā)布; 遙感影像數(shù)據(jù)具有多源性, 無法采用統(tǒng)一方法優(yōu)化瓦片動(dòng)態(tài)創(chuàng)建速度[12]。針對(duì)上述問題, 本文使用對(duì)象存儲(chǔ)的WebHooks服務(wù)實(shí)現(xiàn)遙感影像數(shù)據(jù)向COG格式的自動(dòng)轉(zhuǎn)化, 利用COG格式的特性優(yōu)化遙感影像瓦片動(dòng)態(tài)創(chuàng)建的性能, 設(shè)計(jì)實(shí)現(xiàn)遙感影像自動(dòng)發(fā)布的地圖瓦片服務(wù)。

1 遙感影像瓦片快速動(dòng)態(tài)創(chuàng)建基礎(chǔ)

1.1 COG內(nèi)部結(jié)構(gòu)

COG是標(biāo)準(zhǔn)GeoTIFF格式, 其對(duì)內(nèi)部結(jié)構(gòu)的改動(dòng)都服從于GeoTIFF標(biāo)準(zhǔn)中允許但非強(qiáng)制要求的部分, 具體結(jié)構(gòu)[13-14]如圖1所示。

頭文件區(qū)中, 標(biāo)準(zhǔn)TIFF簽名后有一個(gè)隱藏區(qū)(header ghost area), 包含自身的大小、圖像文件目錄(image file directory, IFD)的布局等描述信息[13]。頭文件區(qū)后面依次是全分辨率影像的IFD、略縮圖的IFD和影像數(shù)據(jù)存儲(chǔ)區(qū)域。

IFD是TIFF文件標(biāo)準(zhǔn)中一種文件頭的定義框架, 實(shí)質(zhì)上是一組靈活的標(biāo)簽, 包含影像數(shù)據(jù)在文件中的位置信息, 為文件讀取提供捷徑[8]。COG中, 前16 kb的數(shù)據(jù)中包含了所有IFD[14], 讀取這部分?jǐn)?shù)據(jù)就可以利用IFD訪問數(shù)據(jù)局部, 提取目標(biāo)信息。

圖1 云優(yōu)化GeoTIFF文件結(jié)構(gòu)(據(jù)文獻(xiàn)[13-14]繪制)

1.2 COG特性

使用HTTP協(xié)議請(qǐng)求影像數(shù)據(jù)時(shí), 可以在請(qǐng)求頭中使用accept-ranges字段指定所需數(shù)據(jù)的范圍, 這種方式稱為范圍請(qǐng)求(range requests)。利用范圍請(qǐng)求, 只需訪問COG部分?jǐn)?shù)據(jù), 就能從中提取頭文件、空間子集等數(shù)據(jù), COG中還為略縮圖瓦片金字塔設(shè)計(jì)了專門結(jié)構(gòu), 可以在不讀取完整數(shù)據(jù)的情況下預(yù)覽影像[7]。

為了分析COG部分讀取與標(biāo)準(zhǔn)GeoTIFF總體讀取的效率差異, 相關(guān)人員選用以下指標(biāo): (1) 單點(diǎn)的讀取: 選取稍微偏離中心點(diǎn)的點(diǎn), 讀取該點(diǎn)的值。(2) 區(qū)域平均: 取一個(gè)不規(guī)則的范圍做空間子集的模擬, 獲取該子集的平均值。(3) 多波段影像讀取: 取一個(gè)點(diǎn), 輸出該點(diǎn)在所有波段的值[12]。通過對(duì)COG格式影像執(zhí)行以上3種操作得到對(duì)比結(jié)果(如圖2), 在區(qū)域平均和單點(diǎn)讀取中, 讀取的字節(jié)數(shù)比率在5%～15%左右; 多波段影像訪問時(shí)的讀取比率較高, 但也只有25%左右, 相比總體訪問模式效率提升明顯。

地理空間數(shù)據(jù)抽象庫(geospatial data abstraction library, GDAL)的虛擬文件系統(tǒng)(virtual file systems)支持使用/vsicurl前綴指向在線數(shù)據(jù), 這種訪問同樣支持范圍請(qǐng)求, 在此基礎(chǔ)上, 地圖瓦片服務(wù)的數(shù)據(jù)源將不再局限于自身文件系統(tǒng)中的數(shù)據(jù), 還可以是局域網(wǎng)或互聯(lián)網(wǎng)中的任意支持HTTP協(xié)議訪問的數(shù)據(jù)。

圖2 訪問數(shù)據(jù)的百分比(據(jù)文獻(xiàn)[12]修改)

2 遙感影像地圖服務(wù)快速構(gòu)建方法

2.1 影像數(shù)據(jù)存儲(chǔ)

目前, 遙感影像存儲(chǔ)方式大致分為三種: 關(guān)系數(shù)據(jù)庫(空間數(shù)據(jù)中間件)、網(wǎng)絡(luò)存儲(chǔ)和分布式存儲(chǔ)[3]。其中對(duì)象存儲(chǔ)是網(wǎng)絡(luò)存儲(chǔ)的一種, 使用REST和SOAP協(xié)議訪問對(duì)象[15], 架構(gòu)簡(jiǎn)單、部署容易, 可以更好地發(fā)揮COG的特性, 本文設(shè)計(jì)的遙感影像地圖服務(wù)中使用對(duì)象存儲(chǔ)服務(wù)管理遙感影像數(shù)據(jù)。

對(duì)象存儲(chǔ)中, 數(shù)據(jù)存儲(chǔ)在桶(bucket)中, 桶中對(duì)象狀態(tài)的變化可以通過事件廣播監(jiān)聽, 利用事件廣播的WebHooks接口, 設(shè)計(jì)遙感影像上傳、更新時(shí)的觸發(fā)器, 構(gòu)建WebHooks監(jiān)聽服務(wù), 流程如圖3所示。

圖3 MinIO WebHooks服務(wù)流程

WebHooks監(jiān)聽的觸發(fā)事件采用S3中事件定義, S3是AWS(亞馬遜云服務(wù))的對(duì)象存儲(chǔ)服務(wù)[15], 其接口設(shè)計(jì)是目前行業(yè)事實(shí)標(biāo)準(zhǔn)[16-17], 監(jiān)聽事件與觸發(fā)事件的對(duì)應(yīng)關(guān)系如表1所示。

表1 監(jiān)聽事件與觸發(fā)事件

通過監(jiān)聽表1中的事件, 完成遙感影像數(shù)據(jù)的格式轉(zhuǎn)化和管理, 數(shù)據(jù)存儲(chǔ)服務(wù)提供傳統(tǒng)地圖服務(wù)中圖層管理的功能, 依據(jù)當(dāng)前數(shù)據(jù)存儲(chǔ)情況給客戶端提供當(dāng)前可用的圖層信息。

2.2 影像地圖發(fā)布

依據(jù)OGC的WMTS服務(wù)標(biāo)準(zhǔn), 一次瓦片請(qǐng)求必須出現(xiàn)的參數(shù)如表2所示。

表2 WMTS必要請(qǐng)求參數(shù)

在傳統(tǒng)地圖服務(wù)中, Layer參數(shù)指向的是一組配置, 這組配置包括原始數(shù)據(jù)地址、合成波段、空間范圍等信息。除原始數(shù)據(jù)地址、合成波段外, 其余信息都可從原始數(shù)據(jù)頭文件獲取。本文利用Layer參數(shù)指定原始數(shù)據(jù)地址, 添加參數(shù)Indexes指定合成波段, 替代之前Layer參數(shù)的功能。

生成相同數(shù)據(jù)的不同瓦片時(shí), 一些信息被重復(fù)計(jì)算, 如數(shù)據(jù)的值域范圍等, 本文設(shè)計(jì)影像數(shù)據(jù)統(tǒng)計(jì)信息服務(wù), 通過數(shù)據(jù)地址返回一個(gè)包含統(tǒng)計(jì)信息的JSON文本, 在正式請(qǐng)求瓦片之前, 先通過該服務(wù)獲取影像數(shù)據(jù)的統(tǒng)計(jì)信息, 流程如圖4所示。

圖4 客戶端請(qǐng)求流程

由圖4, 客戶端從數(shù)據(jù)存儲(chǔ)服務(wù)中獲取可用的影像數(shù)據(jù)(圖層)列表, 通過數(shù)據(jù)地址從統(tǒng)計(jì)信息服務(wù)中獲取該數(shù)據(jù)統(tǒng)計(jì)信息, 之后將這些信息整合進(jìn)請(qǐng)求參數(shù)中完成瓦片請(qǐng)求。

2.3 影像瓦片動(dòng)態(tài)創(chuàng)建

在接到瓦片的動(dòng)態(tài)創(chuàng)建指令后, 進(jìn)入影像瓦片動(dòng)態(tài)創(chuàng)建流程, 整個(gè)流程如圖5所示。

圖5 瓦片生成流程圖

由圖5, 流程依次執(zhí)行: 1) 解析參數(shù), 計(jì)算虛擬變換參數(shù)與空間子集: 解析波段索引(Indexes), 獲取合成波段; 解析瓦片矩陣(TileMatrix), 行號(hào)(TileRow)和列號(hào)(TileCol), 得出投影坐標(biāo)系下的瓦片的空間范圍, 最終計(jì)算出虛擬變換參數(shù)、瓦片空間子集。2) 讀取瓦片數(shù)據(jù): 依據(jù)虛擬變換參數(shù), 從源數(shù)據(jù)創(chuàng)建虛擬變形數(shù)據(jù)集(warped virtual dataset), 根據(jù)波段順序和空間子集讀取瓦片數(shù)據(jù)。3) 線性拉伸: 依據(jù)該波段數(shù)據(jù)的值域范圍對(duì)瓦片數(shù)據(jù)做線性拉伸, 提升顯示效果。4) 無值區(qū)掩膜(mask)提取: 若存在alpha波段, 則將該波段作為無值區(qū)掩膜, 否則計(jì)算得到無值區(qū)掩膜。5) 圖片渲染: 將處理后的瓦片數(shù)據(jù)與掩膜數(shù)據(jù)疊加, 渲染為圖片。

2.4 影像瓦片緩存處理

為避免瓦片緩存對(duì)地圖服務(wù)主進(jìn)程的影響, 使用外置NoSQL數(shù)據(jù)庫實(shí)現(xiàn)瓦片緩存, 設(shè)計(jì)瓦片緩存機(jī)制如圖6所示。

圖6 瓦片緩存機(jī)制

本文中瓦片唯一標(biāo)識(shí)碼的生成方法與GeoServer類似, 不同的是, 在GeoServer中, 為了兼顧WMS協(xié)議, 生成標(biāo)識(shí)瓦片的唯一標(biāo)識(shí)碼時(shí)使用瓦片的外包矩形作為參數(shù), 計(jì)算Hash值時(shí)為了保證外包矩形各坐標(biāo)中浮點(diǎn)型精度, 增加計(jì)算量。本文生成方法使用原始數(shù)據(jù)地址、瓦片所在縮放等級(jí)和行列號(hào)以及其他參數(shù)計(jì)算出唯一標(biāo)識(shí), 其中縮放等級(jí)和行列號(hào)均為整數(shù), 減少計(jì)算量, 過程如下: 1) 將請(qǐng)求參數(shù)按照特定方法排序, 并將請(qǐng)求參數(shù)統(tǒng)一轉(zhuǎn)換為大寫字符。2) 遍歷排序后的請(qǐng)求參數(shù)序列, 將其拼接成以&字符連接的字符串。3) 計(jì)算字符串Hash值得到瓦片的唯一標(biāo)識(shí)碼。

對(duì)于每一次瓦片請(qǐng)求, 首先通過中間件根據(jù)計(jì)算出的唯一標(biāo)識(shí)碼確認(rèn)是否有對(duì)應(yīng)的緩存, 若已有緩存, 則直接返回緩存數(shù)據(jù), 否則進(jìn)入下個(gè)流程: 將該標(biāo)識(shí)碼與處理池已有的標(biāo)識(shí)碼比對(duì), 若未找到相同的標(biāo)識(shí)碼, 進(jìn)入生產(chǎn)流程; 若有相同值, 則線程進(jìn)入等待狀態(tài), 直到該瓦片生產(chǎn)流程結(jié)束, 在一張瓦片生產(chǎn)流程結(jié)束后, 持有相同標(biāo)識(shí)碼的等待線程同步做出響應(yīng), 刪除處理池中的該標(biāo)識(shí)碼, 通過異步的方式將瓦片緩存至瓦片緩存數(shù)據(jù)庫。

3 應(yīng)用實(shí)例與分析

3.1 應(yīng)用環(huán)境與服務(wù)構(gòu)建

實(shí)驗(yàn)選取主流開源地圖服務(wù)器軟件GeoServer作為對(duì)照, 應(yīng)用環(huán)境配置如表3所示。

表3 應(yīng)用環(huán)境配置表

GeoServer使用跨平臺(tái)二進(jìn)制2.16版本, 使用startup啟動(dòng)腳本運(yùn)行。影像發(fā)布步驟為: 1) 手動(dòng)執(zhí)行格式轉(zhuǎn)化命令, 將GeoTIFF影像轉(zhuǎn)化為COG格式。2) 建立GeoTIFF格式的數(shù)據(jù)存儲(chǔ)(datastore): 為數(shù)據(jù)存儲(chǔ)命名, 指定源數(shù)據(jù)地址。3) 通過數(shù)據(jù)存儲(chǔ)發(fā)布圖層: 為圖層命名, 選擇坐標(biāo)參考系統(tǒng)(CRS), 指定空間范圍和合成波段順序。

本文設(shè)計(jì)的遙感影像地圖服務(wù)實(shí)現(xiàn)過程如下: 數(shù)據(jù)存儲(chǔ)端, 考慮到易部署性和易拓展性, 選用MinIO(一款基于云原生技術(shù)的對(duì)象存儲(chǔ)服務(wù)軟件)構(gòu)建服務(wù), 編寫Python腳本結(jié)合MinIO的WebHooks接口實(shí)現(xiàn)監(jiān)聽服務(wù), 包括文件格式轉(zhuǎn)化和緩存清理功能; 地圖瓦片服務(wù)端, 使用rasterio(GDAL的Python綁定庫)讀取COG數(shù)據(jù), 完成瓦片的提取, 使用aiohttp和asynio優(yōu)化并發(fā)訪問性能。瓦片緩存端, 選用高性能、支持?jǐn)?shù)據(jù)持久化的Redis數(shù)據(jù)庫配合本文設(shè)計(jì)的瓦片唯一標(biāo)識(shí)碼生成方法緩存瓦片數(shù)據(jù)。影像發(fā)布流程為使用MinIO管理工具將數(shù)據(jù)上傳至對(duì)象存儲(chǔ)服務(wù)。

3.2 數(shù)據(jù)與實(shí)驗(yàn)設(shè)計(jì)

數(shù)據(jù)使用無人機(jī)多波段DOM影像, 圖7為影像局部, 影像詳細(xì)信息如表4所示。

實(shí)驗(yàn)分兩組對(duì)照, 一組使用GeoServer對(duì)同個(gè)數(shù)據(jù)兩種格式(GeoTIFF和COG)分別提供地圖瓦片服務(wù), 通過響應(yīng)速度驗(yàn)證COG在瓦片動(dòng)態(tài)創(chuàng)建中的速度優(yōu)勢(shì)。另一組使用相同的COG數(shù)據(jù), 使用GeoServer和本文設(shè)計(jì)實(shí)現(xiàn)的遙感影像地圖服務(wù)分別提供地圖瓦片服務(wù), 通過響應(yīng)時(shí)間測(cè)試兩者在瓦片動(dòng)態(tài)創(chuàng)建和處理緩存瓦片兩個(gè)方面的性能差異。

圖7 無人機(jī)DOM影像瓦片

表4 數(shù)據(jù)詳細(xì)信息

實(shí)驗(yàn)過程中, 向地圖服務(wù)發(fā)送若干并發(fā)請(qǐng)求, 記錄各請(qǐng)求的響應(yīng)時(shí)間, 為避免各瓦片包含的數(shù)據(jù)量不同影響結(jié)果, 測(cè)試用的瓦片(由縮放等級(jí)和行列號(hào)描述)集, 通過如下流程生成: 1) 讀取影像的空間范圍、有效縮放等級(jí)范圍, 轉(zhuǎn)換到投影坐標(biāo)系。2) 對(duì)每個(gè)縮放等級(jí), 計(jì)算空間范圍左上和右下兩個(gè)坐標(biāo)所在的瓦片的行列號(hào), 得到該縮放等級(jí)下所有瓦片, 形成瓦片集。3) 將瓦片集中的各瓦片的范圍與空間范圍做疊加分析, 移除未完全包含于空間范圍的瓦片。4) 將瓦片集打亂順序, 按照10、50和100的長(zhǎng)度切片, 得到瓦片測(cè)試集。

為了避免客戶端與服務(wù)端之間網(wǎng)絡(luò)波動(dòng)對(duì)結(jié)果的影響, 執(zhí)行并發(fā)請(qǐng)求和結(jié)果統(tǒng)計(jì)的Python腳本在服務(wù)端運(yùn)行, 結(jié)果中的響應(yīng)時(shí)間不包含網(wǎng)絡(luò)延遲。

3.3 結(jié)果分析

本文設(shè)計(jì)的遙感影像地圖服務(wù)稱為簡(jiǎn)化地圖服務(wù), 標(biāo)準(zhǔn)GeoTIFF格式稱為非COG。

瓦片動(dòng)態(tài)創(chuàng)建時(shí), COG與非COG之間、兩種服務(wù)之間性能對(duì)比如圖8所示。

圖8 響應(yīng)時(shí)間對(duì)比

由圖8可知, 使用非COG數(shù)據(jù)動(dòng)態(tài)創(chuàng)建瓦片時(shí), 響應(yīng)時(shí)間顯著增長(zhǎng), 由圖8c, 在處理100次并發(fā)請(qǐng)求中最后一個(gè)響應(yīng)時(shí), 使用COG與非COG之間響應(yīng)時(shí)間相差超過2 min, COG有明顯優(yōu)勢(shì)。

在同樣使用COG格式時(shí), 簡(jiǎn)化地圖服務(wù)與GeoServer對(duì)比, 由圖8a, 在處理10次并發(fā)請(qǐng)求時(shí), 平均響應(yīng)速度更快; 由圖8b和圖8c, 在處理50次和100次并發(fā)請(qǐng)求時(shí), 簡(jiǎn)化地圖服務(wù)在處理前部少量請(qǐng)求時(shí)有速度優(yōu)勢(shì), GeoServer總體響應(yīng)時(shí)間更優(yōu)。

處理已緩存瓦片時(shí), 兩種服務(wù)對(duì)比情況如圖9所示。

圖9 緩存后響應(yīng)時(shí)間對(duì)比

圖9結(jié)果表明, 簡(jiǎn)化地圖服務(wù)在上述3組測(cè)試中, 響應(yīng)速度保持在0.15 s之內(nèi), 而GeoServer的響應(yīng)速度隨著并發(fā)請(qǐng)求個(gè)數(shù)的增加顯著增長(zhǎng), 依據(jù)圖9c, 在100次并發(fā)請(qǐng)求的測(cè)試中, 完成最后請(qǐng)求所用的時(shí)間超過0.4 s。

綜上得出, 簡(jiǎn)化地圖服務(wù)在動(dòng)態(tài)創(chuàng)建瓦片的場(chǎng)景下, 性能與GeoServer各有優(yōu)劣; 在瓦片已緩存的場(chǎng)景下比GeoServer表現(xiàn)更好。

4 結(jié)語

本文設(shè)計(jì)實(shí)現(xiàn)一種自動(dòng)發(fā)布的地圖影像瓦片服務(wù), 相比傳統(tǒng)方法構(gòu)建的地圖服務(wù), 有以下優(yōu)點(diǎn):

1) 構(gòu)建了自動(dòng)處理工作流, 將源數(shù)據(jù)轉(zhuǎn)化為COG格式, 加速瓦片動(dòng)態(tài)創(chuàng)建。

2) 源數(shù)據(jù)在地圖服務(wù)外部管理, 影像數(shù)據(jù)上傳、更新時(shí)自動(dòng)發(fā)布地圖服務(wù)。

該方法構(gòu)建的遙感影像地圖服務(wù)依然存在不足, 源數(shù)據(jù)壓縮后會(huì)影響瓦片動(dòng)態(tài)創(chuàng)建的速度, 而存儲(chǔ)未壓縮的數(shù)據(jù)占用更多存儲(chǔ)空間, 如何尋找兩者間的平衡點(diǎn)還需進(jìn)一步研究。

[1] YAN J, MA Y, WANG L, et al. A cloud-based remote sensing data production system[J]. Future Generation Computer Systems, 2018, 86: 1154-1166.

[2] MA Y, WU H, WANG L, et al. Remote sensing big data computing: Challenges and opportunities[J]. Future Generation Computer Systems, 2015, 51: 47-60.

[3] 季艷, 魯克文, 張英慧. 海量遙感數(shù)據(jù)分布式集群化存儲(chǔ)技術(shù)研究[J]. 計(jì)算機(jī)科學(xué)與探索, 2017, 11(9): 1398-1404.

JI Yan, LU Kewen, ZHANG Yinghui. Research on distributed clustering storage technology for massive remote sensing data[J]. Journal of Frontiers of Computer Science and Technology, 2017, 11(9): 1398-1404.

[4] 戴芹, 劉建波, 劉士彬. 海量衛(wèi)星遙感數(shù)據(jù)共享的關(guān)鍵技術(shù)[J]. 計(jì)算機(jī)工程, 2008(6): 283-285.

DAI Qin, LIU Jianbo, LIU Shibin. Key techniques of massive remote sensing data sharing[J]. Computer Engineering, 2008(6): 283-285.

[5] 廖芳芳, 裴春營, 李永峰. 基于最高層級(jí)的影像分布式切片技術(shù)研究[J]. 計(jì)算機(jī)產(chǎn)品與流通, 2020(10): 38-39.

LIAO Fangfang, PEI Chunying, LI Yongfeng. Research on distributed slicing technology of image based on the highest Level[J]. Computer Products and Circulation, 2020(10): 38-39.

[6] 史玉龍, 侯傳燕. Hilbert索引的柵格瓦片金字塔數(shù)據(jù)存儲(chǔ)方案[J]. 新疆師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 39(2): 13-16.

SHI Yulong, HOU Chuanyan. Raster tile pyramid data storage solution using Hilbert index[J]. Journal of Xinjiang Normal University(Natural Sciences Edition), 2020, 39(2): 13-16.

[7] 李瑞清, 熊偉, 吳燁, 等. 一種基于MBTiles的地圖瓦片存儲(chǔ)技術(shù)[J]. 地理空間信息, 2019, 17(12): 58-62.

LI Ruiqing, XIONG Wei, WU Ye, et al. A map expansion storage technology based on MBTiles[J]. Journal of Geomatics, 2019, 17(12): 58-62.

[8] 王冬至, 林東銓. 一種適用于移動(dòng)端國土調(diào)查應(yīng)用的瓦片地圖存儲(chǔ)方法[J]. 測(cè)繪地理信息, 2020, 45(5): 94-96.

WANG Dongzhi, LIN Dongquan. A storing method of tile data for land survey applications on mobile ends[J]. Journal of Geomatics, 2020, 45(5): 94-96.

[9] 楊會(huì)元, 馮鐘葵, 李山山. 基于Web的遙感影像在線分類實(shí)現(xiàn)技術(shù)研究[J]. 遙感信息, 2015, 30(1): 101-106.

YANG Huiyuan, FENG Zhongkui, LI Shanshan. Implementation of online remote sensing image classification[J]. Remote Sensing Information, 2015, 30(1): 101-106.

[10] Data Considerations - GeoServer User Manual: [EB/OL]. [2020-10-16]. https://docs.geoserver.org/stable/en/user/ production/data.html.

[11] LEHTO L, K?HK?NEN J, OKSANEN J, et al. Supporting wide user-base in raster analysis – GeoCubes Finland[J]. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2018, XLII-4: 329-334.

[12] CHAN Y, CHRIS D, PATRICK Q, et al. Cloud-optimized format study[EB/OL]. [2020-01-01]. https://ntrs. nasa.gov/citations/20200001178.

[13] EVEN R, ELI L A, CHEN Y. COG – Cloud optimized GeoTIFF generator[EB/OL]. [2020-10-12]. https://gdal. org/drivers/raster/cog.html.

[14] EVEN R, DAN B, MARKUS N. Cloud optimized GeoTIFF - GDAL[EB/OL]. [2018-08-01]. https://trac. osgeo.org/gdal/wiki/CloudOptimizedGeoTIFF.

[15] KHAJA R, KOTA V. Hybrid cloud framework for object storage based geo spatial remote sensing data proces-sing[J]. International Journal of Engineering Sciences & Research Technology, 2014, 3(12): 449-454.

[16] 曹守欣, 趙琉濤, 金翊. 基于對(duì)象存儲(chǔ)的云存儲(chǔ)系統(tǒng)研究[J]. Computer Science and Application, 2014, 4(12): 333-343.

CAO Shouxin, ZHAO Liutao, JIN Yi. The study of cloud storage system based on object-based storage[J]. Computer Science and Application, 2014, 4(12): 333-343.

[17] 陳陽, 王丹. Ceph RadosGW對(duì)象存儲(chǔ)集群的部署與優(yōu)化[J]. 現(xiàn)代計(jì)算機(jī), 2020(14): 17-20.

CHEN Yang, WANG Dan. Ceph RadosGW object stora-ge cluster deployment and optimization. Journal of Fron-tiers of Computer Science and Technology, 2020(14): 17-20.

A rapid construction method of remote sensing image map services based on COG

CHEN Yu-hang, SHENG Hui, LIU Shan-wei, HE Ya-wen

(College of Oceanography and Space Informatics, China University of Petroleum (East China), Qingdao 266580, China)

The existing image publishing process of a map tile server is complicated because it is not conducive to the construction of an automated process. This paper builds a private object storage service to manage the remote sensing of data. Cloud optimized GeoTIFF (COG) is used to support local access. The dynamic creation speed of image tiles is optimized, and a tile map service that automatically publishes images is realized. In the example application, the remote sensing image map services that are implemented in this paper are similar to those of the GeoServer in the dynamic creation of the COG data tile.

remote sensing imagery; map services; tile pyramid

Feb. 8, 2021

TP751.1

A

1000-3096(2021)05-0047-07

10.11759/hykx20210208002

2021-02-08;

2021-02-08

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2017YFC1405600); 國家自然科學(xué)基金(41976184)

[National Key R & D Plan, No. 2017YFC1405600; National Natural Science Fundation, No. 41976184]

陳昱行(1995—), 男, 山東菏澤人, 碩士研究生, 主要從事WebGIS相關(guān)研究, E-mail: chyuhang@qq.com; 劉善偉(1982—),通信作者, 副教授, E-mail: shanweiliu@163.com

(本文編輯: 楊 悅)