栅格抽稀算法

‘壹’ 油气藏网格模型

油气藏网格模型是在平面上用等间距 （或不等间距） 网格，在垂向上用网格分成若干个地质层将油气藏离散化。油气藏网格模型再现了油藏的构造形态，为反映储层物性平面非均质性和层间非均质性奠定了基础。

（一） 层面网格化 （Horizon gridding）

平面离散化方法常用是三角剖分和矩形网格化。数值模拟常采用矩形网格，因此矩形网格化也是地质建模层面最常用的离散化方法。

网格是由均匀 （或不均匀） 的行列构成的矩形区域。行与列的交点是网格节点。每行包含的节点具有相同的列号；每列包含的节点具有相同的行号。通过网格化，可以把不规则间距的油气藏特征参数，利用插值或外推数值算法生成规则间距的油气藏特征参数。

1. 层面网格化过程中的技术难点

在地层层面在交叉网格剖分下，其几何形状由网格节点处的深度值表示。层面网格化过程就是将离散分布的地震数据点、钻井深度数据点换算到网格节点上，得到网格节点处的深度值。相比一般的平面插值，层面网格化具有如下两方面的难点：

（1） 地层层面作为连续曲面，应尽可能光滑，相邻节点处的深度值应保持协调一致。同时作为地层单元 （或油气层单元） 之间的分隔面，在井点处应保证严格的过点性。

（2） 断层的出现破坏了地层层面深度的连续性，生成的地层层面在断层的两侧应保证深度阶跃现象的出现。同时在断距渐小并最终消逝的点，断层两侧错开的地层层面应在这里得到衔接，避免人为延长断层。

实际研究表明，在层面网格化过程中，针对问题 （1） 选用曲面样条插值法；针对问题 （2） 首先引入断层处理规则，然后在此基础上进行补充和完善，就能较好地解决层面网格化的技术难题。

2. 断层处理技术

考虑到断层的存在对层面网格化的影响，有人提出了如下处理规则：在水平面内，将插值点与数据点之间连一条线段。若该线段与某条断层有奇数个交点，则认为插值点与数据点位于断层的异侧，因此在计算插值点的层面深度时，该数据点不用。若该线段与某条断层有偶数个交点，则认为插值点与数据点位于断层的同侧，因此在计算插值点的层面深度时，该数据点可用。在图6-3中，点P为插值点，P₁，P₂，P₃，P₄为数据点，折线分别代表两条断层。在计算P点深度时，数据P₂，P₄可用，而P₁，P₃则不可用。

图6-3 断层处理规则与数据点筛选

在生成层面时，该规则保证了断层两侧插值点深度分别由不同的两组数据点进行插值，所得到的层面深度在断层两侧出现跳跃。在层面网格化过程中，首先给定一个合适的检索半径R，选取该范围内有所有数据点作为备用点。然后用断层处理规则进行筛选 （图6-3右所示），用筛选出的可用数据点进行曲面样条插值。当该过程遍历所有的网格节点后，即完成了层面网格化过程。

应该说断层处理规则的引入基本解决了层面网格化技术难题。但在实际建模软件开发过程中，可能还会遇到异常情况。因此，提出如下补充规则：

图6-4 断层处理中的几类特殊情况

（1） 明确判断交点的性态。首先计算断层线和插值点与数据点连线的交点坐标，只有当交点纵、横坐标同时位于断层线和插值点与数据点的连线上，而不是位于它们的延长线上时，该交点才能成为判断的依据，使断层闭合点处的层面得以光滑连续。例如在图6-4中，插值点P与已知数据点P₁的连线并不与断层线相交，但与断层线的延长线相交。如果不加区别地认为P与P₁位于断层异侧，则必然使得在断层消失的地方两边的地层仍然不能光滑衔接。

（2） 不是简单地以是否存在实交点而是按实交点的个数来完成数据的筛选。当存在偶数个实交点时，说明由插值点至数据点跨越该条断层偶数次，经偶数次取反表明二者位于断层同侧，相对于插值点，该点可用。当存在奇数个实交点时，则插值点与数据点位于断层异侧。图6-4中，显然断层将整个建模区域大致分为了上下两个部分，位于下半部分的已知数据点P₂和待插值点P位于断层的同侧。因此，在计算节点P深度时，P₂是可用的数据点。

（3） 网格节点坐标值的随机偏移。在层面网格化生成过程中，曲面样条插值是对网格节点逐点实施的。当某节点无法赋值时，存在两种可能的原因。一是搜索半径R过小，搜索区域内不存在可用的数据点，此时应增大搜索半径R或增补控制点；二是由于断层的分隔作用，网格节点与所有的数据点被分割开来，最特殊的情形是断层线穿过网格节点，此时应给网格结点坐标以一个随机修正量来错开断层线的包围。如图6-4中网格节点P′，由于它正好在断层线上，因此按断层处理规则它与任何已知数据点都位于断层异侧，此时令该点的坐标为 （x＋△x，y＋△y），以避开这类特殊的情形。

虽然改进后的断层处理规则较好地解决了由于断层存在给层面网格化带来的困难，但它同样存在两个明显的缺陷：

（1） 算法效率过低，难以达到人机交互的理想效果。当油气藏的断层分布复杂和已知数据点过多时，按网格节点去逐一挑选用于插值计算的已知点时，整个计算过程需要大量时间，有时需要长达几十分钟，这对人机交互式的操作而言是难以容忍的。

（2） 搜索半径R的选择处于两难的境地。如果没有搜索半径的限制，对每个网格节点都使用整个建模区域内所有已知点作为备选点，这样就完全能够保证被断层所分割的每个小区域内的网格节点都是使用一组相同的已知点插值计算得到的结果，因而自然也就能够保证该小区域内的曲面是连续光滑的。但问题在于当已知点数据多达几千个时，曲面样条插值算法几乎难以求解。如果使用搜索半径R，用于插值的数据点仅限于插值点周围的有限个已知数据点。这样自然就限制了方程组的阶数，给求解带来了方便。但随之而来的问题是每个插值节点使用的数据点可能都是不同的，这就难以保证网格曲面的连续性和光滑性。从实际应用效果来看，只要搜索半径取值适当，如 （△x为X轴方向的间距，△y为Y轴方向的间距） 基本能够保证整张网格化曲面在没有断层的地方不发生突变。但从插值理论上看，这样得到的曲面其光滑性和连续性是无法保证的。

3. 层面网格化中的特殊处理方法

当层面深度数据直接来源于地震解释成果时，数据点的密度可能很大，如达到156个/m²。如果层面网格化采用平面网格间距为50m，那么有可能在一个网格区域内存在几个己知数据点。为了提高计算效率，进行网格抽稀是必需的。其具体过程是：

（1） 利用距离加权平均法计算网格中心点处的函数值。如果平面区域共有Nx×Ny个网格，则初步计算后只保留了Nx×Ny个数据点。在进行距离加权时取 范围内的数据点。

（2） 在数据点筛选过程中，同样需要考虑断层的影响。为了提高筛选的效率，首先根据断层线标定出与之相关的网格节点。这样对绝大多数的网格不需要考虑断层的影响，只有那些断层线经过的网格节点才需要特别处理。

（3） 利用网格中心的数据点由曲面样条插值计算各网格节点的深度值。

（二） 剖面网格化 （Profile gridding）

通常，建模对象是开发层系。一个开发层系内往往包含若干个小层或单层。为了详细地反映物性参数垂向上的变化，体现层内非均质性，需要在更小的网格单元内研究储层性态。这就意味着必须将小层或单层继续细分成若干个 “微层”。实质上该过程是将油气藏在垂向上继续离散化，最终形成三维油气藏网格模型 （图6-5）。

图6-5 油气藏网格模型

实质上，油气藏垂向剖分是用更多的网格化层面来细分出更小地层单元 （或叫 “微层”，这个名称只是建模所用的术语，并非通用的地质术语），并用两个网格化层面来替代具有实际厚度的微层。

细分微层同样要遵循等时性的原则。具体的技术细节如下：

1. 微层层数

油气藏网格模型建立过程中首先应该确定微层层数或者微层厚度。测井的分辨率大约0.5 m，这就意味着对于厚度为h的小层或单层，其微层数目最多只能是200个。对于实际油气藏，经过油气层单元划分与对比已经将其分成了若干彼此独立的小层或单层。在每个小层或单层内无论微层的数目还是划分方式同样也是彼此独立而互不影响的。微层的具体细分数目是由需要达到的建模精度、实际资料的丰富程度、每个微层的厚度及油气藏的地质特征共同决定的。微层厚度的大小或者油气藏网格模型的网格单元总数Nx×Ny×Nz并不是衡量地质模型优劣和精度的定量指标。它只是表明在多大的尺寸上能反映油气藏的地质特征。

2. 微层间的对应关系微层划分是在更小尺度上对油气层划分和对比，是利用井点资料来完成。在不同井点处同一小层的微层数目可以是不同的 （这在地层和油气单元划分和对比中经常所遇到的问题）。因此，采用虚拟编号的手段来建立微层间的对应关系。例如在图6-6中，A井处划分了3个微层，B井处只有两个微层。在网格模型的建立过程中默认井B处也有3个微层，只是其中一个微层的厚度为零。至于究竟是哪一个微层厚度是零，是由微层的划分方式决定的。

图6-6 不同井点处微层划分数目不同

3. 网格模型的计算机存储

现代地质建模的整个工作都是在计算机上完成的，整个油气藏是以网格模型的虚拟形式 （不是真实的油气藏实体） 被计算机接受。为了存储整个网格模型，通常采用的数据结构是一个四维数组Array ［Nx］ ［Ny］ ［Layer＿num］ ［Micro＿1ayer＿num］ （Nx为X方向划分的网格总数，Ny为Y方向划分的网格总数，Layer＿num为小层总数 （单层总数），Micro＿1ayer＿num为微层总数）。当该数组表示油气藏埋深时，就确定了实际油气藏的形态。正是这种存储方式要求在整个建模区域内小层数和每个小层的微层数是固定的，否则，某些数组元素将失去明确的物理意义。

4. 微层划分模式

网格模型是储层物性参数模型建立的基础，因为三维储层物性模型的形成是按微层来充填物性参数值而并非真正意义上的三维空间插值。因此，微层划分方式不仅决定了网格模型的形成，而且直接影响到三维储层物性模型的建立。由于根据地震解释层面生成的网格化层面不仅是岩石物理界面，而且是地层沉积的等时界面，因此微层划分的基本原则应保证等时性。根据地质体的成因，微层的划分方式可以综合成5种典型的模式（图6-7）。

图6-7 微层划分模式

◎独立模式：适用于均匀升降的广阔台地和湖盆内稳定沉积的水平层状地层。其特点是可以等厚度地剖分地层，即任意两口井钻遇同等厚度的微层。

◎比例模式：典型代表是三角洲或冲积扇前积作用形成的地层。地层的加积或剥蚀具有按比例的特点，因此微层也要按比例划分。独立模式可视为其中的特例。

◎平行下移模式：该模式是对地质超覆现象的特殊处理。为了满足微层划分的等时性原则，将地层顶面等厚度平行下移得到每个微层层面。该模式对微层的划分是由上往下的。

◎断层模式：该模式是将断层面当做一种地层层面来处理。在微层划分时，将地层底面按等断距平行上移。

◎截断模式：该模式用于处理地层层面被剥蚀而形成角度不整合的地质现象。其做法是将地层底面等厚度平行上移，从而得到若干个被不整合面所截的微层层面。该模式与平行下移模式相反，是自下而上划分微层。

除断层模式外，独立模式、比例模式、平行下移模式及截断模式是地层沉积和接触关系的直接反映。微层划分能处理地层超覆、不整合及地层尖灭等地质现象，为陆相复杂油气藏的地质建模提供了思路。

（三） 建立网格模型

在确定了微层的划分模式后，就唯一确定了油气藏网格模型。按照网格模型的存储方式，也确定了H［nx，ny，i，j］，即三维空间中第［nx，ny，i，j］个网格节点上的深度值。

5种微层模式的H［nx，ny，i，j］的计算公式列如下。

（1） 独立模式

H[nx,ny,i,j]=H₁[nx,ny,i]+j·△h[nx,ny,i]

（2） 等比例模式

H[nx,ny,i,j]=H₁[nx,ny,i]+j·△h[nx,ny,i]

（3） 平行下移模式

H[nx,ny,i,j]=min{H₁[nx,ny,i]+j·△h[nx,ny,i],H₂[nx,ny,i]}

（4） 断层模式

H[nx,ny,i,j]=max{H₂[nx,ny,i]-[N[i]+1-j]·△h[nx,ny,i],H₁[nx,ny,i]}

（5） 截断模式

H［nx，ny，i，j］＝max｛H₂［nx，ny，i］-［N［i］＋1-j］·△h［nx，ny，i］，H₁［nx，ny，i］｝

各式中：nx——在平面网格上沿X方向的节点编号，1≤nx≤Nx＋1，Nx为X方向网格总数；ny——在平面网格上沿Y方向的节点编号，1≤ny≤Ny＋1，Ny为Y方向网格总数；i——小层编号，表示第i小层，1≤i≤Layer＿Num；j——第i小层中的微层编号 （依照由顶至底的先后次序），j＝1，2，…，N［i］，表示第i小层中的第j个微层；N［i］——第i小层中的微层总数；H₁ ［nx，ny，i］——第i小层中平面网格节点［nx，ny］处的顶面深度；H₂［nx，ny，i］——第i小层中平面网格节点［nx，ny］处的底面深度；△h［nx，ny，i］——第i小层中平面网格节点［nx，ny］处的每个微层厚度；H［nx，ny，i，j］——第i小层中第j微层网格节点［nx，ny］处的深度值。

显然，H［nx，ny，i，0］＝H₁［nx，ny，i］，H［nx，ny，i，N［i］＋1］＝H₂［nx，ny，i］。

不同的网格节点有不同的△h［nx，ny，i］，但同在同一小层网格点［nx，ny］处的△h却是不论在何种划分模式下都是相同的，即与微层面无关。因此，△h［nx，ny，i］中不包含标号j。其具体的计算公式为：

油气田开发地质学

‘贰’ 路径规划格栅法概念

自动驾驶的整个工作环境分为两种网格：自由栅格和障碍栅格。自由栅格指的是某一栅格范围内不含有任何障碍物。障碍栅格指的是这个栅格范围内存在障碍物，有的时候可能整个栅格内都布满障碍物。

‘叁’ 栅格化的基本实现方法

最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。多边形由三角形的集合表示，三角形由三维空间中的三个顶点表示。在最简单的实现形式中，栅格化工具将顶点数据映射到观察者显示器上对应的二维坐标点，然后对变换出的二维三角形进行合适的填充。 一旦三角形顶点转换到正确的二维位置之后，这些位置可能位于观察窗口之外，也可能位于屏幕之内。裁剪就是对三角形进行处理以适合显示区域的过程。
最常用的技术是Sutherland-Hodgeman裁剪算法。在这种方法中，每次测试每个图像平面的四条边，对于每个边测试每个待渲染的点。如果该点位于边界之外，就剔除该点。对于与图像平的面边相交的三角形边，即边的一个顶点位于图像内部一个位于外部，那么就在交叉点插入一个点并且移除外部的点。 传统的栅格化过程的最后一步就是填充图像平面中的二维三角形，这个过程就是扫描变换。
第一个需要考虑的问题就是是否需要绘制给定的像素。一个需要渲染的像素必须位于三角形内部、必须未被裁掉，并且必须未被其它像素遮挡。有许多算法可以用于在三角形内进行填充，其中最流行的方法是扫描线算法。
由于很难确定栅格化引擎是否会从前到后绘制所有像素，因此必须要有一些方法来确保离观察者较近的像素不会被较远的像素所覆盖。最为常用的一种方法是深度缓存，深度缓存是一个与图像平面对应的保存每个像素深度的二维数组。每个像素进行绘制的时候都要更新深度缓存中的深度值，每个新像素在绘制之前都要检查深度缓存中的深度值，距离观察者较近的像素就会绘制，而距离较远的都被舍弃。
为了确定像素颜色，需要进行纹理或者浓淡效果计算。纹理图是用于定义三角形显示外观的位图。每个三角形顶点除了位置坐标之外都与纹理以及二维纹理坐标 (u,v) 发生关联。每次渲染三角形中的像素的时候，都必须在纹理中找到对应的纹素，这是根据在屏幕上像素与顶点的距离在与纹理坐标相关联的三角形顶点之间插值完成的。在透视投影中，插值是在根据顶点深度分开的纹理坐标上进行的，这样做就可以避免透视缩减（perspective foreshortening）问题。
在确定像素最终颜色之前，必须根据场景中的所有光源计算像素上的光照。在场景中通常有三种类型的光源。定向光是在场景中按照一个固定方向传输并且强度保持不变的光。在现实生活中，由于太阳距离遥远所以在地球上的观察者看来是平行光线并且其衰减微乎其微，所以太阳光可以看作是定向光。点光源是从空间中明确位置向所有方向发射光线的光源。在远距离的物体上的入射光线会有衰减。最后一种是聚光灯，如同现实生活中的聚光灯一样，它有一个明确的空间位置、方向以及光锥的角度。另外，经常在光照计算完成之后添加一个环境光值以补偿光栅化无法正确计算的全局照明效果。
有许多可以用于光栅化的浓淡算法。所有的浓淡处理算法都必须考虑与光源的距离以及遮蔽物体法向量与光照入射角。最快的算法让三角形中的所有像素使用同样的亮度，但是这种方法无法生成平滑效果的表面。另外也可以单独计算顶点的亮度，然后绘制内部像素的时候对顶点亮度进行插值。速度最慢也最为真实的实现方法是单独计算每点的亮度。常用的浓淡模型有 Gouraud shading 和 Phong shading。

‘肆’ 栅格扩散计算中有一种算法是D8算法，但是小弟不知道具体的实现方法

水文分析就是按照D8算法来的

‘伍’ 栅格化是什么意思

栅格化是将矢量图形格式表示的图像转换成位图以用于显示器或者打印机输出的过程。

栅（shan）格化，是 Photoshop 中的一个专业术语，栅格即像素，栅格化即将矢量图形转化为位图（栅格图像）。最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。

基本实现方法

最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。多边形由三角形的集合表示，三角形由三维空间中的三个顶点表示。在最简单的实现形式中，栅格化工具将顶点数据映射到观察者显示器上对应的二维坐标点，然后对变换出的二维三角形进行合适的填充。

变换

通常使用矩阵运算进行变换，另外也可以用四元数运算但那不是本文讨论的范围。在三维顶点中添加一个齐次变量成为四维定点然后左乘一个 4 x 4 的变换矩阵，通过这种方法就可以对三维顶点进行变换。主要的变换有平移、缩放、旋转以及投射 。

以上内容参考网络-栅格化

‘陆’ 栅格数据结构有哪几种，并分析各自优缺点

一、矢量、栅格数据结构的优缺点
矢量数据结构可具体分为点、线、面，可以构成现实世界中各种复杂的实体，当问题可描述成线或边界时，特别有效。矢量数据的结构紧凑，冗余度低，并具有空间实体的拓扑信息，容易定义和操作单个空间实体，便于网络分析。矢量数据的输出质量好、精度高。 矢量数据结构的复杂性，导致了操作和算法的复杂化，作为一种基于线和边界的编码方法，不能有效地支持影像代数运算，如不能有效地进行点集的集合运算(如叠加)，运算效率低而复杂。由于矢量数据结构的存贮比较复杂，导致空间实体的查询十分费时，需要逐点、逐线、逐面地查询。矢量数据和栅格表示的影像数据不能直接运算(如联合查询和空间分析)，交互时必须进行矢量和栅格转换。矢量数据与dem(数字高程模型)的交互是通过等高线来实现的，不能与DEM直接进行联合空间分析。 栅格数据结构是通过空间点的密集而规则的排列表示整体的空间现象的。其数据结构简单，定位存取性能好，可以与影像和DEM数据进行联合空间分析，数据共享容易实现，对栅格数据的操作比较容易。 栅格数据的数据量与格网间距的平方成反比，较高的几何精度的代价是数据量的极大增加。因为只使用行和列来作为空间实体的位置标识，故难以获取空间实体的拓扑信息，难以进行网络分析等操作。栅格数据结构不是面向实体的，各种实体往往是叠加在一起反映出来的，因而难以识别和分离。对点实体的识别需要采用匹配技术，对线实体的识别需采用边缘检测技术，对面实体的识别则需采用影像分类技术，这些技术不仅费时，而且不能保证完全正确。 通过以上的分析可以看出，矢量数据结构和栅格数据结构的优缺点是互补的（图2-4-1），为了有效地实现gis中的各项功能(如与遥感数据的结合，有效的空间分析等)需要同时使用两种数据结构，并在GIS中实现两种数据结构的高效转换。 在GIS建立过程中，应根据应用目的和应用特点、可能获得的数据精度以及地理信息系统软件和硬件配置情况，选择合适的数据结构。一般来讲，栅格结构可用于大范围小比例尺的自然资源、环境、农林业等区域问题的研究。矢量结构用于城市分区或详细规划、土地管理、公用事业管理等方面的应用。

‘柒’ 简述面的两种栅格化算法的实现原理

你这打击面实在太大了真的没法和你说算法这东西本质上就是数学想要提供算法能力方法只有一个就是提高自己的数学能力其他就是假的

‘捌’ 数据库物理模型

数据库物理模型设计的目标是根据选定的Oracle数据库系统特点和航空物探数据管理与服务的业务处理需求，确定航空物探数据库最优的物理环境、存取方法和存储结构。即通过数据库物理设计，以便达到物理数据库结构的优化，使得在数据库上运行的各种事务响应时间少、存储空间利用率高、事务吞吐率大。

一、数据库布局

航空物探信息系统的维护数据（部门、岗位、人员、人员权限、数据入库检查规则及数据字典等）相对比较稳定。入库前数据需经过各种检查校对，确认数据正确后才能归档，存入航空物探资料数据库，所以存入资料库前的数据可能经常需要修改和删除，相对变化较大；而存入资料数据库中的数据一般不允许修改和删除，以免误操作破坏资料库数据造成损失。

图2-12 航空物探数据库逻辑模型

图2-13 航空物探数据库布局与数据采集流程图

据此，我们采用图2-13所示的数据库数据采集流程，并将航空物探数据库分为资料采集数据库、资料数据库、系统维护数据库分别进行存储和管理，实现数据的统一管理和统一使用，便于数据入库和易于维护等。

航空物探资料数据库是航空物探所有数据最终存储的场所。资料采集数据库是数据归档存入资料数据库前的临时“集散地”，在此接收各项检查，在确认数据无误后归档到资料数据库，然后删除资料采集数据库中已归档的数据。此外，资料采集数据库中还保存数据入库、维护、检查日志及归档记录。

系统维护数据库，存储系统维护信息（如系统功能、数据库表清单等）、安全信息（如信息系统用户的角色、权限、授权的系统功能等），数据字典、入库数据检查规则等。将其与航空物探数据分开，有利于系统维护和管理。

二、数据库空间设置

数据库空间设置包括磁盘空间设置、应用系统表空间设置、撤销表空间、临时表空间、日志空间和索引空间设置。

（一）磁盘空间设置

磁盘空间设置的目标：磁盘性能不能阻碍实现数据库性能，数据库磁盘必须专用于数据库文件，否则非数据库将会影响到数据库性能，且磁盘空间必须满足恢复和性能的要求。

航空物探数据库服务器为IBM P620小型机，8块硬盘，每块硬盘36GB空间，每块物理磁盘建立一个文件系统。为了提高磁盘的反应时间和寻道时间，提高I/O的存取效率，除了一块硬盘用于UNIX操作系统外，其余7块磁盘分别存放资料采集数据库、系统维护数据库-日志文件，资料数据库及资料数据库的大字段数据、索引、回滚段和数据日志文件。

（二）应用系统表空间设置

信息系统数据采集过程对数据的事务操作比较频繁，经常进行数据插入（新数据入库）、修改（入库数据有误）和删除操作（数据重新导入或归档入库），因此航空物探资料采集数据库所在的表空间会很活跃。为了不影响其他I/O的竞争，同时也可以提高数据入库的操作效率（50多年的历史数据需要集中入库），分配一个磁盘空间（36GB）为采集库的表空间。由于采集数据归档入资料库后被删除，同时进行数据入库的项目也不是很多，虽仍保留所有的采集日志数据，一个磁盘空间也足够使用。

航空物探资料数据库的二维表和Oracle大字段（BLOB）分别存放在不同的物理磁盘（每个磁盘36GB）上，对同时存在有表格数据和大字段数据的数据库表（如航迹线数据）时，可以提高磁盘I/O效率。随着数据入库的项目越来越多，需要增加相应的物理磁盘或磁盘阵列。

系统维护数据库相对稳定，占用磁盘空间约500 M左右。由于系统磁盘有限，把日志文件存放该磁盘中。

（三）撤销表和临时表空间的设置

在Oracle数据库中，撤销的目的是确保事务的回退和恢复。撤销参数有UNDO_MANAGEMENT、UNDO_TABLESPACE和UNDO_RETENTION。

UNDO_MANAGEMENT参数用于数据库中管理撤销数据的方式，航空物探数据库设置为自动模式（auto）。

UNDO_TABLESPACE参数用于指定数据库中保存撤销数据的撤销表空间名称，航空物探数据库撤销表空间名称为UNDO_ARGS_TBSPACE，空间大小设置为20GB，以确保在保留时间内进行恢复。

UNDO_RETENTION参数用于指定已经提交事务的撤销数据在能够覆盖之前应该保留多长时间，本数据库系统设置为60 min。

临时表空间是用以存储大量的排序，与撤销表空间存放在一个物理磁盘上，本数据库系统临时表空间设置为500 M。

（四）日志空间设置

日志的主要功能是记录对数据库已做过的全部操作。在系统出现故障时，如果不能将修改数据永久地写入数据文件，则可利用日志得到该修改，所以不会丢失已有操作结果。

日志文件主要是保护数据库以防止故障。为了防止日志文件本身的故障，航空物探数据库系统分别在一个独立磁盘和系统维护库磁盘中存放日志文件。若系统出现故障，在下次打开数据库时Oracle数据库系统自动用日志文件中的信息来恢复数据库文件。

根据航空物探数据库信息系统同时登录的用户数及使用的功能，将日志文件大小设置为10GB。

（五）索引表空间设置

为了提高航空物探信息系统的查询和统计速度，把所有索引空间与应用表空间完全分开，从而提高I/O存取效率。航空物探索引表空间大小设置为10GB。

聚集是表的一种存储方法，一般每个基本表是单独组织的，但对逻辑上经常在一起查询的表，在物理上也邻近存放，这样可减少数据的搜索时间，提高性能。

当几个关系（表）以聚集方式组织时，是通过公共属性的值为表聚集的依据。航空物探数据库系统是以项目标识（PROJ_ID）建立聚集的，所有涉及项目标识的数据库表直接引用项目标识聚集。航空物探聚集表空间与索引表空间相同。

三、数据库参数设置

在数据库创建前需要对如下数据库参数进行设置，航空物探参数文件名为Initoraargs.ora，各种参数设置如下：

航空物探信息系统建设

四、内存设置

航空物探数据库服务器物理内存为4GB，除部分用于系统开销外，其余全部用于数据库。

Oracle使用共享系统全局区（System Global Area，SGA）内存来管理内存和文件结构，包含DB_block_Buffers、DB_cache_size、Shared_pool_size、Log_Buffer参数。航空物探数据库系统的全局区内存参数设置如下。

DB_block_Buffers参数为SGA中存储区高速缓存的缓冲区数目，每个缓冲区的大小等于参数DB_block_size的大小，DB_block_Buffers=19200（约300 MB）。

Shared_pool_size参数为分配给共享SQL区的字节数，是SGA大小的主要影响者，Shared_pool_size=1228800000（1.2GB）。

DB_cache_size参数是SGA大小和数据库性能的最重要的决定因素。该值较高，可以提高系统的命中率，减少I/O，DB_cache_size=1024000000（1GB）。

Log_Buffer参数为重做日志高速缓存大小，主要进行插入、删除和修改回退操作，Log_buffer=5120000（5MB）。

五、优化设置

由于航空物探信息系统的采集软件和应用软件是采用MS.NET C＃进行开发的，应用程序与数据库之间的连接有传统的ODBC和OLE DB两种方式。为了支持ODBC在OLE DB技术上建立了相应的OLE DB到ODBC的调用转换，而使用直接的OLE DB方式则不需转换，从而提高处理速度。

在建立数据库表时，参数Pctfree和Pctused设置不正确可能会导致数据出现行链接和行迁移现象，即同一行的数据被保存在不同的数据块中。在进行数据查询时，为了读出这些数据，磁头必须重新定位，这样势必会大大降低数据库的执行速度。因此，在创建表时应充分估计到将来可能出现的数据变化，正确地设置这两个参数，尽量减少数据库中出现的行链接和行迁移现象。

航空物探资料采集数据库表的插入、修改和删除的频率较高，Pctfree设置为20，Pctused设置为40；系统维护数据库表相对稳定，Pctfree设置为10，Pctused设置为15；资料数据库表除了增加数据外基本不进行修改和删除操作，Pctfree设置为10，Pctused设置为5。

六、扩展性设置

多CPU和并行查询PQO（Parallel Query Option）方式的利用：CPU的快速发展使得Oracle越来越重视对多CPU的并行技术的应用，一个数据库的访问工作可以用多个CPU相互配合来完成。对于多CPU系统尽量采用并行查询选项方式进行数据库操作。航空物探数据库服务器为2个CPU，在程序查询中采用了并行查询的方式。

在航空物探工作量统计、飞行小时统计、测量面积统计和岩石物性统计中，为了加快统计效率，在相应的查询语句中增加了并行查询语句。

随着航空物探高精度测量程度的不断提高，测量数据将越来越大。为了满足航空物探查询效率及发展，将航磁测量数据与校正后航磁测量数据按比例尺分1∶20 万以下、20万～50万、1∶50万以上分别存放3张不同的数据库表。

七、创建数据库

在完成数据库布局、空间设置、内存设置、数据库参数设置、扩展性设置和优化设置后，进行航空物探数据库物理模型设计，即航空物探数据库实体创建。由于航空物探空间数据库逻辑模型是采用ESRI提供的ArcGIS UML构建的Geodatabase模型，因此，使用ESRI公司提供的CaseTools将航空物探数据UML模型图转成空间数据库（Geodatabase）实体（图2-14）。

航空物探属性数据库表（二维表）是采用Power Designer数据库设计平台直接把数据库关系模型生成数据库脚本来创建的。

经过数据库的概念设计、逻辑设计和物理设计，最终生成航空物探数据库。

图2-14 航空物探数据库物理模型实现

八、空间数据的索引机制

对于海量的空间数据库而言，数据库的操作效率是关系到数据库成败的关键问题。为了提高数据的访问、检索和显示速度，数据在加载到数据库时，要素类数据建立了空间索引，栅格数据构建了金字塔结构，对象类数据采用与数据库直接联接的访问机制。

（一）空间索引

为了提高要素类数据的查询性能，在建立航空物探空间数据库时，创建了空间索引机制。常用的空间索引有格网索引、R树索引、四叉树索引等。Geodatabase采用格网索引方式。所谓格网索引是将空间区域划分成适合大小的正方形格网，记录每一个格网内所包含的空间实体（对象）以及每一个实体的封装边界范围，即包围空间实体的左下角和右上角坐标。当用户进行空间查询时，首先计算出用户查询对象所在格网，然后通过格网编号，就可以快速检索到所需的空间实体。

确定适合的格网级数、单元大小是建立空间格网索引的关键。格网太大，在一个格网内有多个空间实体，查询检索的准确度降低。格网太小，则索引数据量成倍增长和冗余，检索的速度和效率较低。数据库的每一数据层采用不同大小、不同级数的空间索引格网单元，但每层最多级数不能超过三级。格网单元的大小不是一个确定性的值，需要根据对象的大小确定。空间索引格网的大小与检索准确度之间的关系如图2-15所示。

选择格网单元的大小遵循下列基本原则：

1）对于简单要素的数据层，尽可能选择单级索引格网。减少RDBMS搜索格网单元索引的级数，缩短空间索引搜索的过程，例如航迹线要素类。

图2-15 索引格网大小与检索准确度的关系

2）如果数据层中的要素封装边界大小变化比较大，应选择2或3级索引格网。Geodatabase最多提供三级格网单元。每一要素封装边界在适合的级内，减少了每一封装边界有多个格网的可能性。在空间索引搜索过程中，RDBMS则必须搜索所有3个格网单元级，这将消耗大量的时间。

3）若用户经常对图层执行相同的查询，最佳格网的大小应是平均查寻空间范围的1.5倍。

4）格网的大小不能小于要素封装边界的平均大小，为了减少每个格网单元有多个要素封装边界的可能性，格网单元的大小应取平均格网单元的3倍。最佳格网单元的大小可能受图层平均查询的影响。

空间域是按照要素数据集定义的，空间索引格网是按照要素类设置的。它们都是在创建Geodatabase数据库时设置，并一经设置，中间不许改变；所以一定要在充分分析数据的情况下确定它们的值。航空物探数据主要是简单要素类，空间跨度为70°。根据上述原则，航空物探数据选择单级索引格网，格网大小为20°。

（二）金字塔结构

金字塔结构的核心是将栅格数据逐级进行抽稀，形成多级分辨率的重采样数据，并将其分割成块，按一定的文件格式（金字塔文件格式）存储成磁盘文件；在以后进行图像显示处理时，只需将要显示的部分所覆盖的块从磁盘文件直接读进内存缓冲区显示即可。从金字塔的所有层中寻找与所要求显示的比例相近或匹配的一层，并将该层的从某一点起的一定范围的图像所覆盖的所有块加载到内存缓冲区，提取所需部分并形成图像。

金字塔算法（图2-16）是通过获取显示时所需要的一定分辨率的数据来提高显示速度。使用金字塔数据格式后，在显示全图时仅需要显示一个较低分辨率的数据，这样既能加快显示速度，又不会影响显示效果。放大图像，尽管显示图像分辨率提高，由于显示区域减小，所以显示速度不会下降。如果没有为栅格数据建立金字塔数据，则每次显示都会读取整个数据，然后进行重采样得到显示所需要的分辨率，明显地降低了显示速度。

图2-16 金字塔压缩示意图

金字塔数据重采样方式有：最近邻法、双线性内插和立方卷积。其中最近邻法适用于离散数据，而双线性内插法和立方卷积法适合于连续数据。

在ArcGIS Engine中提供了IRasterPyramid和IRasterPyramid2接口来实现金字塔数据的建立，而建立的数据保存在*.rrd格式的文件中。

（三）空间域定义

空间域是指数据的有效空间范围，即Geodatabase数据库的最大等效坐标的值域范围，其定义主要是指比例系数和Min X、Min Y的计算。

因为使用整数比浮点数有更高的压缩率，并且对整数进行二进制搜索比较快，所以多用户Geodatabase以4字节正整数存储坐标，其最大值为32位正整数所能表示的范围是21.4亿（2147483647），整数的范围称为空间域。在创建Geodatabase数据库时需要定义合适的比例系数。大的整数值将消耗大量的计算机物理内存，所以选定的比例系数最好不要大于必须的比例系数。空间域随坐标系的单位变化而变化。

比例系数和空间域之间成反比例关系，比例系数越大（存储单位越小），表达的空间域也越小。为了使目标数据都存储在系统中，需要谨慎地设置比例系数。将目标数据的宽度和高度较适中的数值乘以比例系数，如果结果小于21.4亿，则比例系数是合适的。

航空物探数据模型是为我国的航空物探行业数据建库设计的，它支持的空间数据的坐标范围为我国领土覆盖的海陆空间，最低纬度为赤道。根据概念设计的分析，航空物探数据模型采用的是地理坐标系，坐标系单位是度，基准是Beijing_1954，要求存储的坐标数据精度达到0.01 m。在赤道处，赤道圆周长为40075694.6 m，则每度弧长=40075694.6×100/360 cm=11132137.389 cm，即1 cm对应8.983000883E-8°。所以，航空物探数据模型的比例系数取为8.98E-8，即存储单位为8.98E-8°，可满足1 cm精度要求。

将空间域移动到目标数据范围之前，首先找到空间域在存储单位的中心位置，目的是在必要时向各个方向扩展。4字节正整数可表示的坐标范围：2147483647×8.98E-8=192.84°。我国的领土范围是东经70°～140°，北纬0°～60°。所以，选取的比例系数是合适的。把空间域坐标系中心定为90°，然后，计算空间域的Min X、Min Y。

航空物探信息系统建设

航空物探信息系统建设

所以坐标的存储数据是：

航空物探信息系统建设

航空物探信息系统建设

‘玖’ 遗传算法的二维栅格地图路径规划的C或matlab的程序源代码,跪求啊，高人在哪里呢只需要一个这样的例子即

1um基本上没什么问题,0.5um估计要实际做起来国内的钢材和工艺技术还达不到

‘拾’ 请问PHOTOSHOP里的栅格化是啥意思

栅格化为将向量图形格式表示的图像转换成位图以用于显示器或者打印机输出的过程。栅（shan）格化，PS中的一个专业术语，栅格即像素，栅格化即将矢量图形转化为位图（栅格图像）。最基础的栅格化算法将多边形表示的三维场景渲染到二维表面。

PHOTOSHOP中，用文字工具生成的文字未栅格化前，优点是可以重新编辑，如更改内容、字体、字号等。而缺点是无法使用PS中的滤镜，因此使用栅格化命令将文字栅格化，可以制作更加丰富的效果。方法是图层——栅格化，这样就可以制作出样式多样、漂亮的文字。

(10)栅格抽稀算法扩展阅读

总体上来说，栅格化这个术语可以用于任何将向量图形转换成位图的过程。

在通常的应用中，这个术语用来表示在计算机上显示三维形状的流行渲染算法。栅格化是生成实时三维计算机图形最流行的算法。实时应用需要立即响应用户输入，并且通常需要至少每秒 24 帧的速率。

与辐射着色、光线跟踪等其它渲染技术不同，栅格化的速度非常快，但是由于它不是根据光传输的物理规律进行处理的，所以无法正确模拟许多复杂真实光照环境，只能达到足够欺骗人类眼睛的程度。