摘  要： 为满足对水土流失相关数据高效存储与管理的需求以及支撑水土流失评价业务，需要建立高效的水土流失评价空间数据库。首先介绍了建立水土流失评价空间数据库的关键技术（ArcGIS空间数据库引擎（ArcSDE）和Oracle），接着从数据内容、系统架构、建设原则、数据存储等方面详细阐述了该空间数据库的设计与实现，最后介绍了数据的检查及入库工作。实践表明，建立的数据库实现了对水土流失评价相关数据的高效存储与管理，可满足实用需求。

　　关键词： 空间数据库引擎；空间数据库；水土流失评价；数据库设计

0 引言

　　水土保持是生态环境建设的核心内容，是实现经济和社会可持续发展的重要保障。水土流失预防与治理是水土保持的基本措施，分别针对尚未发生和已经存在水土流失的地域，水土流失评价是其中的先导性工作，对提升水土流失防治的决策水平具有重要意义[1]。与水土流失有关的数据是水土流失评价的依据，数据库建设与管理的水平直接决定这项工作的可靠性与效率。

　　本文依托国家十二五科技支撑计划课题“南方红壤水土保持评价与决策”（2013BAC08B02），以福建省长汀县为实证研究区域，针对水土流失评价数据的特点，集成ArcGIS空间数据库引擎（ArcSDE）和Oracle数据库技术，设计与建立了支撑水土流失评价的大型专题数据库，实现了针对多源、海量地理空间数据和实地调查数据的统一、高效管理。

1 空间数据库构建的关键技术

　　1.1 空间数据库引擎

　　ArcSDE是ESRI公司推出的针对国际上各主要大型数据库平台的空间数据库引擎，是目前使用最广泛、性能最稳定的空间数据库引擎之一。它是借助关系数据库管理系统（RDBMS）管理空间数据的中间件，也是一种空间数据库管理系统的实现方法，其本身并不存储数据[2]。ArcSDE位于GIS应用程序和数据库管理系统之间，是各种格式的空间数据出入大型关系型数据库管理系统的通道和桥梁。利用ArcSDE，用户既可以将不同形式的空间数据提交给数据库管理系统进行统一管理，也可以从数据库中获取各种类型的空间数据以满足客户端操作需求。

　　1.2 Oracle数据库

　　Oracle数据库是Oracle公司于20世纪70年代后期推出的一款RDBMS的高端产品，目前最新的版本为Oracle 11g，它具有良好的体系结构、强大的数据处理能力、丰富实用的功能和许多创新特性，高可靠性、高安全性、高性能[3]（包括出色的数据管理能力以及对数据仓库、在线分析与数据挖掘功能的支持）是其相对优势。

2 数据库总体设计

　　2.1 数据内容分析

　　水土流失评价涉及基础地理数据、水土流失评价业务数据和相关调查统计数据，其中水土流失评价（采用RUSLE模型[4-5]）业务数据又包括评估测算水土流失强度的降雨侵蚀力、土壤可蚀性、坡度、坡长、植被覆盖和水保措施6个因子方面的数据。表1列出了本文所设计和建立的水土流失评价数据库包含的具体数据内容。

　　2.2 系统架构设计

　　数据库系统的体系结构是数据库总体框架结构的核心部分，它决定数据库的运行效率和稳定性[6]。水土流失评价数据库采用标准的3层结构设计，如图1所示。

　　（1）数据层。数据层用来存储水土流失评价业务的各种相关数据，采用ArcSDE和Oracle技术对空间数据和属性数据进行高效的存储和管理，支持数据库的基本操作。

　　（2）逻辑层。在VS2010开发环境下，采用C#编程语言开发水土流失评价应用系统的各个功能模块，为系统应用提供逻辑支持。

　　（3）应用层。应用层专门实现业务表现，专注于与用户的交互功能，使各个功能的操作简单、明了，且应最大限度降低应用层的数据处理工作。

　　2.3 系统建设原则

　　水土流失评价数据库建设是一项系统工程，其建设过程复杂、繁琐。为了提高数据库的建设效率和使用性能，本数据库设计与建设过程中遵循下列原则：

　　（1）空间数据库设计与应用系统设计相结合的原则。

　　（2）共享度高、冗余度低的原则。

　　（3）系统可靠性、安全性与完整性原则。

　　（4）系统具有可修改、可扩充性原则。

　　2.4 数据库逻辑设计

　　空间数据库逻辑设计包括空间数据逻辑设计和属性数据逻辑设计。空间数据逻辑设计的主要任务是将空间数据进行分类、组织，从用户的观点描述空间数据库的逻辑结构，其过程分为横向的图块划分设计和纵向的图层划分设计。本数据库中针对空间数据主要进行图层划分，前述影响水土流失的6个因子分别划分为6个相应的图层。图层划分是将具有相同几何特征和相同属性特征的数据分为一层，表示地理特征以及描述这些特征的属性的逻辑意义上的集合，有利于提高各个地理要素的灵活性和显示的速度。

　　本数据库的属性数据包括要素层属性数据和项目属性数据。其中，要素层属性数据包括土壤类型数据、土地利用类型数据、监测站点数据、调查样区数据、调查样点数据等；项目属性数据主要包括用户数据。由于文章篇幅限制，这里仅列出土壤类型数据的逻辑结构表，如表2所示。

　　2.5 数据存储设计

　　根据前面数据内容的分析，本数据库中的数据包含空间数据、属性数据和文件数据，不同类型的数据其存储方式不同。空间数据采用Geodatabase数据模型[7]（ArcGIS8中引入的、建立在关系型DBMS之上的、统一的、智能化的、全新的空间数据模型）通过ArcSDE存储到Oracle关系数据库中，其中矢量数据采用要素数据集结构存储，栅格数据采用栅格数据集结构和Tin数据集结构存储。属性数据直接存储在关系数据库的属性表中。文件数据（其大小是可变的）上传到关系数据库的变长字段中，便于共享和管理。

　　2.6 数据库功能设计

　　（1）数据管理。该模块实现数据添加、数据删除、数据转换以及元数据管理等功能。

　　（2）基本地图操作。该模块实现针对各种地理空间数据的浏览、放大、缩小、漫游、全图、图和属性互查、属性显示等功能。

　　（3）水土流失评价。水土流失评价功能是整个数据库系统的核心功能，主要包括水土流失敏感性评价功能和风险评估功能。

　　（4）用户管理。该模块实现各类用户的添加、删除、更新、查询等功能。本系统的用户分为政府机构人员、研究人员和普通大众三类，不同类型的用户拥有不同的权限。

　　2.7 元数据设计

　　元数据是关于数据的数据，用于描述数据的内容、质量、表示方式、空间参照、管理方式、数据的所有者、提供方式以及数据集的其他特征[8]。空间元数据是实现地理空间信息共享的核心标准之一，它可以帮助人们有效地定位、评价、获取和使用地理相关数据，实现地理空间数据的集成与共享。本数据库的元数据采用关系表在Oracle数据库中单独存储，并与对应的空间数据进行关联。元数据的内容参考美国联邦地理数据委员会的元数据标准设计，如图2所示。

3 数据检查与入库

　　3.1 数据检查

　　矢量数据包括长汀县区划数据、降雨数据、土壤类型数据和土地利用类型数据，主要对其位置、属性信息和拓扑关系的合理性、准确性和完整性进行检查，并依据长汀县区划图进行图层配准和范围裁剪。栅格数据包括长汀县DEM数据、坡度数据、坡长数据和植被覆盖数据，主要检查其坐标系、分辨率、像素值等的合理性、准确性和完整性，并建立栅格金字塔。属性数据包括实地调查与统计数据，主要检查数据的完整性和逻辑一致性。

　　3.2 数据入库

　　经过反复的数据检查和数据处理，在确保数据质量符合要求后，可以进行数据入库。入库工作在ArcCatalog中完成，利用ArcCatalog的“添加空间数据库连接”选项连接已经建立的Oracle数据库，通过ArcSDE通道实现各类数据的入库和查询等工作。

4 结论

　　空间数据库是支撑GIS应用的基础，空间数据的多源和海量特性增加了建立和维护空间数据库的难度。本文集成ArcSDE空间数据库引擎与Oracle数据库技术，构建的水土流失评价数据库实现了空间数据和属性数据的统一、高效管理，能够满足水土流失评价的需求，所使用的策略对同类数据库的设计与建设具有一定的参考价值。

参考文献

　　[1] 张志国.区域水土流失生态风险评价研究[D].北京：中国科学院教育部水土保持与生态环境研究中心，2007.

　　[2] 董玲燕，马瑞，杨春花.基于ArcSDE的数字流域模型系统数据库构建方式研究[J].长江科学院院报，2011，28（12）：103-106.

　　[3] 秦靖，刘存勇.Oracle从入门到精通[M].北京：机械工业出版社，2010.

　　[4] 周正朝，上官周平.土壤侵蚀模型研究综述[J].中国水土保持科学，2004，2（1）：52-56．

　　[5] 姚妤.基于RUSLE和最小累积阻力模型的水土流失格局分析[D].杭州：浙江大学，2011．

　　[6] 喻冰春，姜琦刚.基于ArcSDE技术的省级基础空间数据库设计与建立[J].长春工程学院学报（自然科学版），2006，7（1）：72-74．

　　[7] 秦琳.基于ArcSDE和Geodatabase的森林空间数据库构建研究[J].林业调查规划，2010，35（2）：85-88．

　　[8] 吴信才.空间数据库[M].北京：科学出版社，2009.