地面测量光谱数据的存储

地面测量光谱数据主要是指针时地面单个对象采用地面光谱仅进行光谱测量所获取的数据，其主要特点是每一条数据都可以被理解为一维数组，并都对应一套测量参数及相关应用参数。

在针对地面测量光谱数据的数据库系统中，采用了顺列式存储光谱数据，这是因为在系统需求中不但需要为用户返回光谱曲线，而且需要有光谱分析的功能。该功能可能会需要在找任意一个对象的任意一个波段的数据。采用这种存储方式，每个波段设定为一条记录，具有读取速度快、易于查我、结构简单、扩展性强、不受仪器变化及波段总数变化的影响等优点，对于数据分析、处理时提取数据十分有利。但这种存储方式也有自身的缺点，例如记录条数众多,如果系统中存放100天的数据，则会有一千万条数据，只有Oracle这种大型数据库才可以满足处理的需要;Sampleno + Sampledata两个字段做的联合主关键字存储的冗余度比较大，占据了一定的存储空间。但是对于当前日益便宜的存储空间而言,占据较大存储空间是可以接受的，而且这种冗余可以通过在数据表上加索引(index)、进行分区等数据库性能调整操作来进一步提高查询检索的效率。

综上所述，系统采用顺列式结构利大于弊。绘制曲线只要简单根据查询条件在普通属性表中得到主关键字，再到光谱数据表中读取相应各字段，即各波段数据及其反射率数据,存入pixel,计算下来总共1×90000×80=720万条记录。如果本系统录入100幅图片,记录数就会暴增到7200000×100=7.2×10⁸条记录,即7亿2千万条记录。如果该库中存入我国的OMIS高光谱成像仪,128个波段，乃至更多的如USGS的HYDICE有210个波段,那么记录数就会达到10亿条量级了，即便对于ORACLE这样大型的数据库,这依然是一个很可怕的数字。所以在图像光谱数据库系统中,采用了第二种波段集中整合式来存储光谱数据。这种模式相比第一种模式在数据处理时开发难度有所增加，相应的程序运行会影响整体效率。