空间数据库与传统数据库之间的最大区别在于空间数据是带有地理空间位置信息的。要素是空间数据的基本操作单元, 由几何实体和属性字段组成, 通常把具有相同属性结构和操作方法的要素对象归纳为一个要素类, 把地理参考系一致的要素类按照某方面的共性归纳为要素数据集。空间数据库核心是由要素数据集、要素类、属性数据集、属性表、属性项、属性值域、栅格要素集、坐标参照系及它们之间的关系等多个对象组成^[8]。

地图图件与空间数据一般是分开存储的。在数据制作阶段, 往往采用一图一库, 即每一幅图件都对应着单独的空间数据库; 在数据集成阶段, 将若干个库进行汇总入库集中管理, 可以提取库中的部分内容形成多个图件, 称为多图一库。在综合分析和应用中, 也有一图多库的形式, 这与不同的系统体系架构有关。

空间数据库设计的核心在于确定领域数据内容的逻辑模型, 即明确项目应用中图件、要素类及要素之间的关系。工作量最大的是确定各要素类的空间类型和众多的属性字段项, 有时还需确定属性值域。随着领域模型的不断发展和项目的推进, 这部分内容经常出现变动, 需要对逻辑模型进行修补, 并反馈到空间数据库物理模型中。结构模型常以文档描述, 例如某行政区要素类属性结构描述如表1。

表1

Tab.1

表1(Tab.1)

表1 行政区属性结构描述 Tab.1 Attribute schema of administrative regions 序号 字段名称 字段代码 字段 类型 字段 长度 小数 位数 值域 约束② 条件 1 标识码 BSM Int 10 0 > 0 M 2 要素代码 YSDM Char 10 M 3 行政区代码① XZQDM Char 9 M 4 行政区名称 XZQMC Char 40 M 5 总人口/万人 ZRK Int 10 2 > 0 O 6 总面积/hm ZMJ Float 15 2 > 0 O ① 行政区代码在现有行政区代码的基础上扩展到行政乡级, 即: 县以上行政区代码+乡级代码, 县及县以上行政区代码采用GB/T 2260中的6位数字码, 乡镇级码为3位数字码; ② “ M” 和“ O” 分别表示“ 必选” 及“ 可选” 。

表1 行政区属性结构描述 Tab.1 Attribute schema of administrative regions

原始的空间数据库物理上采用文件形式进行存储, 例如MapGIS6.7的点线面文件和ArcGIS Shapefile数据文件。随着对象-关系型数据库技术的发展, 现代意义上的空间数据库开始广泛利用成熟的关系数据库技术, 实现海量空间数据的查询、存储及处理, 这大大提高了空间数据的集成能力和使用效率^{[9, 10]}。GIS平台厂商在不同空间数据库具体实现形式之上提供一层空间数据引擎(spatial data engine, SDE)接口, 通过中间件技术以屏蔽底层数据库实现的差异性。

数据字典(data dictionary, DD)是关于数据库系统中各类数据描述的集合。当今多数数据库管理系统均将数据字典作为定义数据库中各类数据对象及其相互关系的准则^[11]。空间数据库中的数据字典实质也是关系数据库中的数据表, 其中记录的是空间数据模型结构的各项参数信息。描述一个数据模型时, 要包括哪些子模式, 子模式的结构以及各个子模式之间的关系和存在的约束规则等^[12]。对子模式的描述一般包括模式名、属性名、属性域的类型和长度, 关键字信息等。对于不同领域的空间数据库结构模型, 虽然各参数字典表中存储的数据不同, 但由于各字典本身的结构是相同的, 因而基于数据字典开发的应用程序是通用的, 可以应用于不同的空间数据库模型管理。

数据字典以Access数据库的形式存放, 各参数字典即是数据库中的数据表, 其中最主要的参数字典有图件字典(mapmenu)、要素类字典(mapdict)、数据项字典(tablereport)及下属词字典(zxdict)。图件字典主要记录地图图件的图件编码、中文标题、说明及空间划分等信息; 要素类字典记录模型中各要素类编码、名称、空间类型及所属图件等信息; 数据项字典最为庞杂, 其记录各要素类属性表的字段名、类型、大小、所属要素类及约束信息; 下属词可以理解为确定数据项, 其值能够代码化的枚举值^[13], 其记录标准化的名词术语项, 例如行政区域代码, 其通过下属词编码与数据项字典中的数据项进行连接。

图1为数据字典中各参数字典关系图, 从中可以看出, 这些字典基本上可以表达空间数据库中各种对象结构及关系, 而且其本身也是结构化的数据表, 易于修改和使用。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 数据字典中各参数字典关系Fig.1 Relationship of parameters dictionaries in data dictionary

将类似表1中文本化的逻辑模型映射为数据字典的形式, 实际上就是将文本表格中的各项记录输入到数据库对应的表中。有2种方法: 一是人工逐条对照输入, 二是利用工具软件批量处理。

批量处理的核心是以Excel为媒介, 首先, 在Excel中建立4个空Sheet页, 对应于图件、要素类、数据项和下属词; 然后, 将文档中的表格按分类复制粘贴到对应Sheet表格中, 并补充隐含的内容参数, 如要素类隶属的图件代码, 数据项隶属的要素类编码等; 最后, 利用Access的数据导入功能, 将上一步整理好的Excel表格Sheet页导入到对应的参数字典表中。这一过程相对简单, 无需对模型结构和关系的重新描述和其他额外的复杂处理流程。

空间数据库的物理实现是多种多样的, 与使用的GIS基础平台软件相关, 既可以基于关系数据库, 也可以基于文件系统; 即使是同样的GIS平台, 也可以有不同的实现方式, 例如ArcGIS软件就提供了File Geodatabase, Personal Geodatabase和SDE三种方式。不同的空间数据库物理实现方式有不同的优缺点, 需要结合项目实际需求进行选择, 有时还需同时建立采用多种实现方式进行综合对比, 以适应复杂架构的系统项目, 例如在多级用户系统中, 低级用户数据量少, 采用文件型数据库比较方便, 高级用户则需要采用大型关系数据库进行海量数据的综合管理。

无论空间数据库物理上采用何种方式, GIS平台软件厂商都会提供相应的二次开发接口函数或组件。利用这些程序接口和SDE技术, 应用系统开发人员可以开发对应的软件工具, 利用上述固化到数据字典中的数据模型, 快速地创建空间数据库, 其过程往往大同小异, 可以归纳为如图2的一套流程。空间数据库建库的核心在于要素类、属性项的创建和属性值规则的限定。在一图一库的建库过程中, 需要借助图件字典, 创建地图、图层并关联要素类; 在图库无关的建库中, 则可以省略该部分。访问要素类字典得到要素类相关参数并创建对应要素类, 访问属性项字典得到属性项相关参数并创建对应属性项, 访问属性项字典和下属词字典得到相关参数并关联下属词, 通过该流程, 就可以实现数据字典到空间数据库物理模型的映射。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 基于数据字典的空间数据库建库流程Fig.2 Flowchart of geo-spatial database-construction based on data dictionary

引入数据字典作为空间数据库结构模型的载体, 是将数据模型实体化参数化的过程。这可以将建库过程中的2大步骤— — 逻辑模型的确定和物理模型的创建清晰地分开, 提高建库工作的效率。借助软件工具, 可以很方便地实现结构模型、数据字典、物理模型的映射, 减少建库过程中的人工干预, 提高空间数据库的建库质量和自动化程度, 降低建库过程的复杂度。当数据模型有变动时, 例如属性项名称更改、增加要素类等, 只需对数据字典中的相关记录做对应修改, 然后利用建库工具更新或重建数据库即可, 而无需在庞大的空间数据库中做手动修改。

通过对数据字典进行扩展, 可以很方便地增加现有系统的功能, 例如通过增加空间划分方式字典以实现图件按不同区域、不同专业、不同比例尺的分类, 通过在数据项字典中增加数据检查字段以实现对属性数据的规范化处理^[14]。

软件重用, 是指在两次或多次不同的软件开发过程中重复使用相同或相似软件元素的过程。由于数据字典中各个参数表本身是结构化的, 对于不同项目而言只是表中数据的不同, 因而开发出来的建库工具是可以重用的, 这不同于传统软件开发中的部分数据的重用、程序代码段的重用和功能组件的重用, 可以称之为模型的重用。数据字典技术作为模型的体现, 不仅在建库阶段, 而且在数据入库、数据管理和综合应用等方面也可以发挥作用^{[7, 12, 13, 14]}。