CN112966134B - 一种遥感影像数据处理方法、系统和存储介质 - Google Patents

Abstract

本发明涉及一种遥感影像数据处理方法、系统和存储介质，方法包括将遥感影像数据投影到配置的Web墨卡托投影坐标；根据对遥感影像数据的重采样构建影像金字塔；为影像金字塔图层的图层级创建切片索引，切片索引包括切片位置、切片数量和切片的空间索引key；根据切片索引将每一图层级的遥感影像数据切割成规则大小的切片；将切片存储至分布式存储库中，分布式存储库包括存储有各切片的属性信息的元数据表和存储有切片的对象表；属性信息包括切片的行列号、缩放级别、边界范围和投影信息，行列号与空间索引key对应；切片存储在分布式存储库，满足了海量遥感影像的存储和扩展需求，且实现海量切片的快速读写。

Description

一种遥感影像数据处理方法、系统和存储介质

技术领域

本发明涉及数据处理技术领域，具体涉及一种遥感影像数据处理方法、系统和存储介质。

背景技术

随着空间信息科学的迅速发展，各种空间数据获取的手段和方式日趋快速和多样化，表现较为突出的是遥感影像数据。目前许多国家政府已将海量遥感影像数据应用于国防、国土、环境、资源等领域，为大众提供各种地图导航服务，而且逐渐的遥感影像数据成为空间信息科学重要的数据来源之一。

但是随着遥感事业的发展，遥感影像数据的类型及精度不断提高，导致遥感影像数据的急剧增长，传统的遥感影像数据一般是把影像数据放置到大型关系数据库中，因此数据的读取、传输、加工处理的时间都很长，这严重影响了操作系统的快捷易用性。

发明内容

本发明所要解决的技术问题是提供一种遥感影像数据处理方法、系统和存储介质，将切片存储在分布式存储库，满足了海量遥感影像的存储和扩展需求，且实现海量切片的快速读写及Web前端快速检索及展示的需求。

本发明解决上述技术问题的技术方案如下：一种遥感影像数据处理方法，所述遥感影像数据处理方法包括：

S1、配置Web墨卡托投影坐标，将遥感影像数据投影到所述Web墨卡托投影坐标；

S2、根据对所述遥感影像数据的重采样构建影像金字塔；

S3、遍历影像金字塔图层，根据每一图层遥感影像数据的边界信息为每个图层级创建切片索引；所述切片索引包括切片位置、切片数量和切片的空间索引key；

S4、根据所述切片索引将所述影像金字塔图层中每一图层级的遥感影像数据切割成规则大小的切片；

S5、将切片存储至分布式存储库中，所述分布式存储库包括存储有各切片的属性信息的元数据表和存储有所述切片的对象表；所述属性信息包括切片的行列号、缩放级别、边界范围和投影信息，所述行列号与所述空间索引key对应。

本发明的有益效果是：通过使用Web墨卡托投影坐标，便于Web客户端的快速请求和访问，根据对遥感影像数据的重采样构建影像金字塔，创建切片索引，完成切片处理，进而将切片存储在分布式存储库，满足了海量遥感影像的存储和扩展需求；且分布式存储库中包括元数据库，客户端进行请求时，服务器根据元数据库的属性信息能够快速对不同的切片进行索引，从而实现海量栅格切片的快速读写及Web前端快速检索及展示的需求。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步，所述S2包括：

S21、将所述遥感影像数据作为影像金字塔的最底层，所述最底层的缩放级别为0；

S22、按照预设重采样比例对上一图层的遥感影像数据采样，将重采样后的遥感影像数据作为影像金字塔的当前图层的数据；所述当前图层的缩放级别为上一图层的缩放级别加1；

S23、重复步骤S22，直到无法重新采样为止。

采用上述进一步方案的有益效果是：通过影像金字塔图层实现遥感影像数据的多分辨率组织，构建影像金字塔以后，在后续进行切片处理后，通过选择一个分辨率，只需进行少量的查询和少量的计算确定对应的切片，从而减少处理时间。

进一步，所述S3包括：

将Web墨卡托的右下角切片位置设为切图原点(0,0)；

根据当前图层遥感影像数据的边界信息计算所述当前图层遥感影像数据右下角所在的切片位置；

LDX_n为当前图层遥感影像数据相对于墨卡托投影的右下角X坐标上切片位置的所在行，LDY_n为当前图层遥感影像数据相对于墨卡托投影的右下角Y坐标切片位置的所在列，X_min、Y_min分别为当前图层遥感影像数据的最小X、Y坐标值，T_x、T_y分别为X、Y轴上的偏移系数，S为切片大小，

采用上述进一步方案的有益效果是：通过根据每个图层的遥感影像数据的最小坐标值、Web墨卡托投影坐标的坐标范围，计算当前图层的切片位置，保证切片位置确定的准确性和可靠性。

进一步，所述S3还包括：

S_n＝X_n*Y_n

X_n为X轴上切片节点数量，Y_n为Y轴上切片节点数量，S_n为当前层级的最终切片数量，X_min、Y_min分别为当前图层遥感影像数据的最大X、Y坐标值；

根据所述切片位置和切片数量得到切片的索引范围S_xy；

将S_xy进行Hash处理，得到空间索引Key：S_spacekey＝Hash(S_xy&Z)，Z指当前图层的缩放级别。

采用上述进一步方案的有益效果是：计算每个层级的遥感影像数据的切片数量，进而结合切片位置计算空间索引Key，保证切片空间索引Key确定的准确性和可靠性。

进一步，所述切片索引还包括切片的时间序列；

S_spacetimekey＝Hash(S_xy&Z&Time)

Time为当前时间或为指定的时间。

采用上述进一步方案的有益效果是：通过结合时间结合空间索引Key进行检索，提高切片检索的准确性和可靠性。

进一步，所述S5之后还包括：

S6、接收客户端的请求信息，根据请求信息中切片的行列号确定切片的索引key；

S7、根据确定出的索引key从所述对象表查找所述客户端请求的切片，并从所述元数据表中查找所述切片的属性信息，将所述客户端请求的切片和属性信息发送给所述客户端。

为了解决上述问题，本发明还提供一种遥感影像数据处理方法，遥感影像数据处理方法包括：

S1、请求切片，根据切片的经度、纬度和缩放级别计算所述切片的行列号；

S2、将包括所述行列号的请求信息发送给服务器；

S3、接收所述服务器反馈的通过执行如上所述的遥感数据处理方法获得的切片和所述切片的属性信息。

进一步，所述S1包括：

根据所述缩放级别确定图层的分辨率；

将所述经度和纬度作为坐标点(x,y)；

Col为坐标点(x,y)所在行号，Row为(x,y)所在列号，S为切片大小，R为当前层级的分辨率，(x₀,y₀)为墨卡托投影的坐标原点。

采用上述进一步方案的有益效果是：配合遥感影像数据对应切片的索引方式，客户端根据不同缩放级别和经纬度进行请求，根据行列号的换算快速实现切片的获取。

为了解决上述问题，本发明还提供一种遥感影像数据处理系统，所述遥感影像数据处理系统包括服务器，所述服务器包括第一存储器和第一处理器；

第一存储器，用于存储计算机程序；

第一处理器，用于执行所述计算机程序，实现如上述由服务器实施的遥感影像数据处理方法的步骤；

客户端包括第二存储器和第二处理器；

第二存储器，用于存储计算机程序；

第二处理器，用于执行所述计算机程序，实现如上述由客户端实施的遥感影像数据处理方法的步骤。

为了解决上述问题，本发明还提供一种存储介质，存储介质存储一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，实现如上述由客户端实施的遥感影像数据处理方法的步骤，或实现如上述由服务器实施的遥感影像数据处理方法的步骤。

附图说明

图1为本发明一实施例提供的一种遥感影像数据处理方法的流程示意图；

图2为发明一实施例提供的一种影像金字塔结构示意图；

图3为本发明一实施例提供的一种Hbase任务调度的示意图；

图4为本发明一实施例提供的另一种遥感影像数据处理方法的流程示意图；

图5为本发明一实施例提供的再一种遥感影像数据处理方法的流程示意图；

图6为本发明一实施例提供的一种遥感影像数据处理系统的结构示意图。

具体实施方式

以下将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1所示，图1为本发明实施例提供的一种遥感影像数据处理方法的流程图，由服务器实现，该遥感影像数据处理方法包括：

S1、配置Web墨卡托投影坐标，将遥感影像数据投影到所述Web墨卡托投影坐标；

S2、根据对所述遥感影像数据的重采样构建影像金字塔；

S3、遍历所述影像金字塔图层，根据每一图层遥感影像数据的边界信息为每个图层级创建切片索引；所述切片索引包括切片位置、切片数量和切片的空间索引key；

S4、根据所述切片索引将所述影像金字塔图层中每一图层级的遥感影像数据切割成规则大小的切片；

S5、将切片存储至分布式存储库中，所述分布式存储库包括存储有各切片的属性信息的元数据表和存储有所述切片的对象表；所述属性信息包括各切片的行列号、缩放级别、边界范围和投影信息，所述行列号与所述空间索引key对应。

在本实施例中，通过使用Web墨卡托投影坐标，便于Web客户端的快速请求和访问，根据对遥感影像数据的重采样构建影像金字塔，创建切片索引，完成切片处理，进而将切片存储在分布式存储库，满足了海量遥感影像的存储和扩展需求；且分布式存储库中包括元数据库，客户端端进行请求时，服务器根据元数据库的属性信息能够快速对不同的切片进行索引，从而实现海量栅格切片的快速读写及Web前端快速检索及展示的需求。

在本实施例中，Web墨卡托投影坐标以整个世界为范围，赤道作为标准纬线，本初子午线作为中央经线，两者交点为坐标原点，向东向北为正，向西向南为负；X轴：赤道半径取值为6378137米，则赤道周长为2*PI*r，以坐标原点为中心，东西南北各方向为其值一半，即PI*r＝20037508.3427892，因此X轴的取值范围：[-20037508.3427892,20037508.3427892]。Y轴：由墨卡托投影的公式可知，当纬度接近两极，即90°时，墨卡托投影的公式的y值趋向于无穷。为了使用方便，就把Y轴的取值范围也限定在[-20037508.3427892,20037508.3427892]之间，形成一个正方形。其坐标系(米)下的坐标范围为：

MX_min＝-20037508.3427892

MY_min＝-20037508.3427892

MX_max＝20037508.3427892

MY_max＝20037508.3427892

在其他实施例中，将遥感影像数据投影到所述Web墨卡托投影坐标后，可以根据中国矢量边界的矩形范围实现裁剪，只保留中国范围内的数据，以减少遥感影像数据的存储量。

在本实施例中，影像金字塔图层用于实现遥感影像数据的多分辨率组织。具体的，S2包括：S21、将所述遥感影像数据作为影像金字塔的最底层，所述最底层的缩放级别为0；S22、按照预设重采样比例对上一图层的遥感影像数据采样，将重采样后的遥感影像数据作为影像金字塔的当前图层的数据；所述当前图层的缩放级别为上一图层的缩放级别加1；S23、重复步骤S22，直到无法重新采样为止。也即影像金字塔就是由原始遥感影像数据开始，对原始遥感影像数据按一定规则重新采样，建立起一系列不同分辨率的遥感影像数据，不同分辨率的遥感影像数据对应不同的金字塔级，可选的，按照4：1的采样比例进行采样，或按照3:1或2:1的采样比例进行采样；可选的，按照1km、500m、250m或30m的分辨率要求进行重采样；每向上一层，分辨率和数据量都会随之减少，直到无法重新采样为止；如图2所示，图2为按照4：1的采样比例构建的影像金字塔。构建影像金字塔以后，在后续进行切片处理后，通过选择一个与显示区域相似的分辨率，只需进行少量的查询和少量的计算确定对应的切片，从而减少处理时间。

在本实施例中，在S3中，逐个遍历影像金字塔图层，为每个图层完成切片索引的创建，具体的，将Web墨卡托的右下角切片位置设为切图原点(0,0)；根据当前图层遥感影像数据的边界信息Extent计算所述当前图层遥感影像数据右下角所在的切片位置；

LDX_n为当前图层遥感影像数据相对于墨卡托投影的右下角X坐标上切片位置的所在行，LDY_n为当前图层遥感影像数据相对于墨卡托投影的右下角Y坐标切片位置的所在列，X_min、Y_min分别为当前图层遥感影像数据的最小X、Y坐标值，T_x、T_y分别为X、Y轴上的偏移系数，S为切片大小，n为当前图层的缩放级别；MX_min＝-20037508.3427892；MY_min＝-20037508.3427892。通过该当前图层遥感影像数据右下角所在的切片位置可以确定切片在当前图层的行号和列号；其中边界信息Extent中包括当前图层遥感影像数据的最小X、Y坐标值，该X、Y坐标值分别为遥感影像数据的经度、纬度；X、Y轴上的偏移系数在计算过程中可以根据自动调整；S默认为256像素。

在本实施例中，S3还包括：

S_n＝X_n*Y_n

X_n为X轴上切片节点数量，Y_n为Y轴上切片节点数量，X_max、Y_max分别为当前图层遥感影像数据的最大X、Y坐标值，S_n为当前图层的最终切片数量；

根据所述切片位置和切片数量得到切片的索引范围S_xy；该索引范围S_xy是影像金字塔所有图层的索引范围；

将S_xy进行哈希Hash处理，得到空间索引Key：S_spacekey＝Hash(S_xy&Z)，Z指当前图层的缩放级别，进而可以根据该空间索引Key查找到对应的切片。

在本实施例，若要实现带有时间序列的切片检索，还可以添加时间信息，具体的，

S_spacetimekey＝Hash(S_xy&Z&Time)

Time为当前时间或为指定的时间。

可以理解的是，每一个切片对应的时间不同，进而可通过结合时间结合空间索引Key进行检索，提高切片检索的准确性和可靠性。

在本实施例中，根据影像金字塔图层和切片索引完成切片处理，具体根据切片位置和切片数量将每一图层级的遥感影像数据切割成规则大小的切片。其中，切片处理过程可以采用本地化并行方实现；也可以采用分布式计算方式实现，例如读取每一层级的遥感影像数据，并转换为可供Spark分布式并行处理的弹性数据集(RDD)，这里每个RDD代表一个独立的影像块，创建索引计算接口，并且将计算接口分发至不同节点，驱动节点将每个RDD推送至执行节点，根据索引计算接口完成RDD的切片处理；对切片过程使用分布式计算技术，可以更见快速的处理连续时间和空间序列，如近30年的遥感监测数据的分布式处理，有效节省了数据处理的时间，提供了工作效率。

在本实施例中，采用Hbase作为分布式存储库，Hbase的数据通常存储在HDFS(分布式文件系统)上；HDFS为HBase提供了高可靠性的底层存储支持；Hbase具备高可用、高稳定及高扩展的特色，同时满足大量栅格切片小文件存储的需求。Hbase包括元数据表和对象表，元数据表用于存在每个切片的属性信息，该属性信息包括切片的行列号，缩放级别，边界范围和投影信息，其中切片的行列号与空间索引key一一对应；对象表用于存在切片对象。

在本实施例中，步骤S5之后还包括：

S6、接收客户端的请求信息，根据请求信息中切片的行列号确定切片的索引key；

S7、根据确定出的索引key从所述对象表查找所述客户端请求的切片，并从所述元数据表中查找所述切片的属性信息，将所述客户端请求的切片和属性信息发送给所述客户端。

值得注意的是，当客户端请求切片时，服务器会接收客户端的请求信息，根据请求信息中切片的行列号确定切片的索引key，由于切片的行列号与空间索引key一一对应，通过确定出的索引key从所述对象表查找所述客户端请求的切片，并从所述元数据表中查找所述切片的属性信息，属性信息包括切片的行列号、缩放级别、边界范围和投影信息，将所述客户端请求的切片和属性信息发送给所述客户端。可以理解的是，由于所有切片都存储在Hbase的分布式库，当存在多个客户端请求切片时，可通过分布式的方式响应对应客户端的请求；如图3所示，Hbase进行任务调度时，通过异步方式分别调度和分布式响应，能够满足更高的并发访问。

本实施例还提供一种遥感影像数据处理方法，由客户端实现，如图4所示，该遥感影像数据处理方法包括：

S41、请求切片，根据切片的经度、纬度和缩放级别计算所述切片的行列号；

S42、将包括所述行列号的请求信息发送给服务器；

S43、接收所述服务器反馈的通过执行服务器实施的遥感数据处理方法获得的切片和所述切片的属性信息。

在本实施例中，客户端在请求时需要完成请求切片的行列号换算，计算坐标点所在切片的行列号；具体的，S31包括：根据所述缩放级别确定图层的分辨率；将所述经度和纬度作为坐标点(x,y)；

Col为坐标点(x,y)所在行号，Row为(x,y)所在列号，S为切片大小，R为当前层级的分辨率，(x₀,y₀)为墨卡托投影的坐标原点。可以理解的是，由于影像金字塔图层是实现遥感影像数据的多分辨率组织，且最底层的分辨率最高，缩放级别为0，每上一层分辨率随之减少，且缩放级别加1，则根据缩放级别可从影像金字塔图层中确定图层的分辨率；由于服务器采用Web墨卡托投影坐标以赤道作为标准纬线，本初子午线作为中央经线，两者交点为坐标原点，因此可根据请求的切片的经纬度确定切片的坐标点，进而换算出行列号。

客户端发送请求信息给服务器，请求信息中包含行列号，进而服务器根据行列号确定空间索引key，快速实现切片的获取。

实施例2

为了便于理解，本实施例以一个较为具体的场景对遥感影像数据处理方法进行说明，由服务器和客户端构成的系统实现，如图5所示，该遥感影像数据处理方法包括：

S51、服务器配置Web墨卡托投影坐标，读取遥感影像数据；

S52、服务器将遥感影像数据投影到Web墨卡托投影坐标；

S53、服务器按照4：1的采样比例对遥感影像数据进行重采样并根据重采样的结果分层构建影像金字塔；

将原始遥感影像数据像定义为影像金字塔的最底层，每向上一层，分辨率和数据量都会随之减少，直到无法重新采样为止，影像金字塔图层的层级从0级开始，每向上一级级别加1。

S54、服务器为影像金字塔的每一图层创建切片索引；

切片索引包括切片位置、切片数量和切片空间索引key，其具体创建过程如上述实施例，在此不再一一赘述。

S55、服务器基于分布式计算方式，根据切片索引逐层切片；

S56、服务器将切片分布式存储在Hbase；

使用Hbase创建遥感影像切片的元数据表，用来存储每个切片的行列号、缩放级别、边界范围、投影等属性信息。切割后的每个切片行列号和索引的Key对应，并将切片以对象方式存储至Hbase，元数据表用来存储切片的基础信息，对象表用来存储切片对象。

S57、客户端根据切片的经度、纬度和缩放级别计算切片的行列号；

行列号的换算过程如上实施例，在此不再一一赘述。

S58、客户端发送请求信息，请求信息包括行列号；

在本实施例中，可以是多个客户端同时发送请求信息。

S59、服务器解析请求信息，并确定切片对应的空间索引key；

S510、服务器从Hbase查找切片和对应的属性信息，并发送给客户端。

由于所有切片都存储在Hbase的分布式库中，服务器通过分布式的方式响应各客户端的切片请求。

为了满足大量栅格切片的存储及扩展，本实施例采用Hbase作为分布式存储库，Hbase具备高可用、高稳定及高扩展的特色，同时满足大量切片小文件存储的需求；解决了大量切片的存储，也需要解决切片的快速读写问题，本实施例根据Hbase对象存储的方式及数据的切片特征进行索引，从而实现海量切片的快速读写及Web前端快速检索及展示的需求。

实施例3

本发明实施例提供一种遥感影像数据处理系统，如图6所示，所述遥感影像数据处理系统包括服务器和客户端，服务器包括第一存储器和第一处理器；

第一存储器，用于存储计算机程序；

第一处理器，用于执行所述计算机程序，实现上述实施例中服务器执行所述的遥感影像数据处理方法的步骤；在此不再一一赘述。

客户端包括第二存储器和第二处理器；

第二存储器，用于存储计算机程序；

第二处理器，用于执行所述计算机程序，实现上述实施例中客户端执行所述的遥感影像数据处理方法的步骤，在此不再一一赘述。

本实施例还提供一种存储介质，该存储介质存储一个或者多个计算机程序，一个或者多个计算机程序可被一个或者多个处理器执行，以实现上述实施例中由服务器实现的遥感影像数据处理方法的步骤，或以实现上述实施例中由客户端实现的遥感影像数据处理方法，在此不再一一赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本发明实施例所提供的技术方案进行了详细介绍，本专利中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种遥感影像数据处理方法，其特征在于，所述遥感影像数据处理方法包括：

S1、配置Web墨卡托投影坐标，将遥感影像数据投影到所述Web墨卡托投影坐标；

S2、根据对所述遥感影像数据的重采样构建影像金字塔；

S3、遍历影像金字塔图层，根据每一图层遥感影像数据的边界信息为每个图层级创建切片索引；所述切片索引包括切片位置、切片数量和切片的空间索引key；

S4、根据所述切片索引将所述影像金字塔图层中每一图层级的遥感影像数据切割成规则大小的切片；

S5、将切片存储至分布式存储库中，所述分布式存储库包括存储有各切片的属性信息的元数据表和存储有所述切片的对象表；所述属性信息包括切片的行列号、缩放级别、边界范围和投影信息，所述行列号与所述空间索引key对应；

所述S3包括：

将Web墨卡托的右下角切片位置设为切图原点(0,0)；

根据当前图层遥感影像数据的边界信息计算所述当前图层遥感影像数据右下角所在的切片位置；

LDX_n为当前图层遥感影像数据相对于墨卡托投影的右下角X坐标上切片位置的所在行，LDY_n为当前图层遥感影像数据相对于墨卡托投影的右下角Y坐标切片位置的所在列，X_min、Y_min分别为当前图层遥感影像数据的最小X、Y坐标值，T_x、T_y分别为X、Y轴上的偏移系数，S为切片大小，MX_min＝-20037508.3427892；MY_min＝-20037508.3427892；

所述S3还包括：

S_n＝X_n*Y_n

X_n为X轴上切片节点数量，Y_n为Y轴上切片节点数量，S_n为当前层级的最终切片数量，X_max、Y_max分别为当前图层遥感影像数据的最大X、Y坐标值；

根据所述切片位置和切片数量得到切片的索引范围S_xy；

将S_xy进行哈希Hash处理，得到空间索引Key：S_spacekey＝Hash(S_xy&Z)，Z指当前图层的缩放级别。

2.根据权利要求1所述的遥感影像数据处理方法，其特征在于，所述S2包括：

S21、将所述遥感影像数据作为影像金字塔的最底层，所述最底层的缩放级别为0；

S22、按照预设重采样比例对上一图层的遥感影像数据采样，将重采样后的遥感影像数据作为影像金字塔的当前图层的数据；所述当前图层的缩放级别为上一图层的缩放级别加1；

S23、重复步骤S22，直到无法重新采样为止。

3.根据权利要求1所述的遥感影像数据处理方法，其特征在于，所述切片索引还包括切片的时间序列；

S_spacetimekey＝Hash(S_xy&Z&Time)

Time为当前时间或为指定的时间。

4.根据权利要求1至3任一项所述的遥感影像数据处理方法，其特征在于，所述S5之后还包括：

S6、接收客户端的请求信息，根据请求信息中切片的行列号确定切片的索引key；

S7、根据确定出的索引key从所述对象表查找所述客户端请求的切片，并从所述元数据表中查找所述切片的属性信息，将所述客户端请求的切片和属性信息发送给所述客户端。

5.一种遥感影像数据处理方法，其特征在于，所述遥感影像数据处理方法包括：

S1、请求切片，根据切片的经度、纬度和缩放级别计算所述切片的行列号；

S2、将包括所述行列号的请求信息发送给服务器；

S3、接收所述服务器反馈的通过执行权利要求1所述的遥感影像数据处理方法获得的切片和所述切片的属性信息。

6.根据权利要求5所述的遥感影像数据处理方法，其特征在于，所述S1包括：

根据所述缩放级别确定图层的分辨率；

将所述经度和纬度作为坐标点(x，y)；

Col为坐标点(x，y)所在行号，Row为(x，y)所在列号，S为切片大小，R为层级的分辨率，(x₀，y₀)为墨卡托投影的坐标原点。

7.一种遥感影像数据处理系统，所述遥感影像数据处理系统包括服务器和客户端；所述服务器包括第一存储器和第一处理器；

第一存储器，用于存储计算机程序；

第一处理器，用于执行所述计算机程序，实现如权利要求1所述的遥感影像数据处理方法的步骤；

所述客户端包括第二存储器和第二处理器；

第二存储器，用于存储计算机程序；

第二处理器，用于执行所述计算机程序，实现如权利要求5至6中任一项所述的遥感影像数据处理方法的步骤。

8.一种存储介质，其特征在于，所述存储介质包括存储有一个或者多个计算机程序，所述一个或者多个计算机程序可被一个或者多个处理器执行，以实现如权利要求1至4中任一项所述的遥感影像数据处理方法的步骤，或以实现如权利要求5至6中任一项所述的遥感影像数据处理方法的步骤。

Images