空间数据仓库的基本特征

世界上第一个将数据仓库理论与技术引进GIS领域，并逐渐形成空间数据仓库理论与技术的贡献者是美国的Edwards教授和美国的ESRI(Environmental Systems Research Institute)公司。1996年，Edwards教授在澳大利亚Brisbane举办的Oracle亚太地区用户大会上，发表了一篇题为《什么是空间数据仓库》(Whatisspatialdatawarehouse)的论文。同年美国的ESRI公司发表了关于空间数据仓库的第一篇白皮书，题为《数据仓库中的数字制图》(Mappingforthe datawarehouse)。这两篇论文的发表引起了GIS从业者的极大兴趣，从此开创了空间数据仓库研究的新局面。

空间数据仓库是在数据仓库的基础上，引入空间维数据，增加对空间数据的存储、管理和分析能力;引入时间维的概念，可根据不同的需要划分不同的时间粒度等级，以便进行各种复杂的趋势分析，以支持管理部门的决策。空间数据仓库和一般的空间数据库在物理本质上均是对数据高效地存储。空间数据仓库是建立在传统的数据库管理系统之上，依靠它们管理数据的存储，而不管它们是集中式的、分布式的、松散耦合的，还是联邦式的。二者之间的差别在于它们面向的应用不同:空间数据(源数据库)负责原始数据的日常操作性应用，提供简单的空间查询和分析;空间数据仓库则根据主题通过专业模型对不同源数据库进行抽取，形成一个多维视角，为用户提供一个综合的面向分析的决策支持环境。主要具有以下几个方面的功能特征。

(1)空间数据仓库是面向主题的。传统的GIS数据库系统是面向应用的，只能回答很专门、很片面的问题，它的数据只是为处理某一具体应用而组织在一起的，数据结构只对单一的工作流程是最优的，对于高层次的决策分析未必是适合的。空间数据仓库为了给决策支持提供服务，信息的组织应以业务工作的主题内容为主线。主题是一个在较高层次将数据归类的标准，每一个主题基本对应一个宏观的分析领域。

(2)空间数据仓库是集成的。空间数据仓库的建立并不意味着要取代传统的GIS数据库系统。空间数据仓库是为制定决策提供支持服务的，它的数据应该是尽可能全面、及时、准确、传统的，GIS应用系统是其重要的数据源。为此空间数据仓库以各种面向应用的GIS系统为基础，通过元数据刻画的抽取和聚集规则将它们集成起来，从中得到各种有用的数据。提取的数据在空间数据仓库中采用一致的命名规则、一致的编码结构，消除原始数据的矛盾之处，数据结构从面向应用转为面向主题。空间数据仓库中数据必须以一定周期进行维护更新，以便与数据库中变化的源数据一致。

(3)数据的变换与增值。空间数据仓库的数据来自于不同的面向应用的GIS系统的日常操作数据，由于数据冗余及其标准和格式存在着差异等一系列原因，不能把这些数据原封不动地搬入空间数据仓库，而应该对这些数据进行增值与变换，提高数据的可用性，即根据主题的分析需要，对数据进行必要地抽取、清理和变换。最常见的操作有语义映射、获取瞬态数据、实施集合运算、坐标的统一、比例尺的变换、数据结构与格式的转换、提取样本值等。

(4)时间序列的历史数据。自然界是随着时间而演变的，事实上任何信息都具有相应的时间标志。为了满足趋势分析的需要，每一个数据必须具有时间的概念。空间数据仓库中包含了不同时间段的有关空间数据和专题数据的时间数据。

(5)空间序列的方位数据。自然界是一个立体的空间，任何事物都有自己的空间位置，彼此之间有着相互的空间关系，因此任何信息都应具有相应的空间标志。一般的数据仓库是没有空间维数据的，不能做空间分析，不能反映自然界的空间变化趋势。空间数据仓库具有空间维和空间度量，能做各种空间数据分析，这是空间数据仓库最基础、最本质的东西。

(6)空间数据仓库是综合的。数据库中积累了大量的细节数据，用户并不对细节数据进行决策分析。应按面向主题的要求将细节数据进行综合，再进到空间数据仓库中来。

(7)空间数据仓库是一个体系化环境。空间数据仓库会有比一般数据库更大的规模，如何管理这规模庞大的空间数据仓库，是实现空间数据仓库一个十分重要的环节。