面向地理实体数据的多维组织方法和分布式异构数据库存储

张政^1,2，张江水¹，曹一冰¹，陈敏颉¹，崔鹏雨¹

1. 信息工程大学 地理空间信息学院，郑州 450001；
 2. 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京 100101

摘  要：在新型基础测绘和实景三维中国建设的推动下，地理实体已成为近年来的研究热点。针对地理实体缺乏有效的数据组织方式的问题，本文根据地理实体数据结构的特点，提出一种嵌套、层次、网状和线性的地理实体数据多维组织方法；针对单一结构化查询语言（structured query language，SQL）数据库难以满足地理实体数据存储管理的问题，综合关系型、文件型、图型、列式数据库各自优势，提出分布式异构数据库混搭架构；为验证方法的可行性，设计四组功能实验。结果表明：①本文方法能够实现不同时空域、实体类、关系类和生命周期地理实体数据的存储、组织与显示控制。②相较于传统组织方法，本文数据组织方法更好地保持了地理实体的语义完整性，实现了不同尺度、时空和类型地理实体数据的灵活组织与控制；相较于传统存储方法，本文混搭架构扩展了对不同类型地理实体数据的管理能力，实现了以地理实体为核心的多源异构数据一体化融合汇聚和存储管理。

关键词：地理实体；实景三维；新型基础测绘；异构数据库；地理实体数据建模

引用格式：张政, 张江水, 曹一冰, 陈敏颉, 崔鹏雨. 2025. 面向地理实体数据的多维组织方法和分布式异构数据库存储. 时空信息学报, 32(1): 40-51

Zhang Z, Zhang J S, Cao Y B, Chen M J, Cui P Y. 2025. Multidimensional organization method for geo-entity data and distributed heterogeneous database storage. Journal of Spatio-temporal Information, 32(1): 40-51, doi: 10.20117/j.jsti.202501001

1  引  言

随着我国社会经济的发展及自然资源管理国家战略、城市精细化管理快速推进，各领域对地理信息数据组织与管理提出了更高的要求。2019年，自然资源部提出要逐步推动现有国家基础地理信息数据库向地理实体数据库的转型，发展以地理实体为主要表现形式的公共产品（曹全龙等，2023）。此外，地理实体也是实景三维中国建设与应用的核心产品（陈军等，2022，2023，2024）。

国内外开展了许多地理实体相关的研究。例如，Friis-Christensen等（2002）通过多重表达管理技术实现了不同自治数据库中同一地理实体的一致性维护；但其本质上是通过建立关联实现地理实体数据的逻辑整合，并未对不同数据库的同一地理实体进行数据融合。Couclelis（2010）提出了地理信息本体论的概念，对地理实体的空间、语义和关系数据进行建模和组织。Tambassi（2019）研究了地理实体的定义、类型、尺度、边界等，形成了地理实体的概念模型。上述研究为地理实体奠定了良好的理论基础。Shi等（2024）提出了一种基于有向超图理论的地理实体多重分类体系，对某城市土地利用数据进行了管理，减少了数据冗余，提高了查询效率；然而，其仅在矢量类型的地理实体数据集上进行了验证，并未涉及其他类型的地理实体数据。此外，关于地理实体的研究还主要集中在编码、模型、构建、数据管理等方面。

（1）编码方面。“一码多态”已经成为地理实体赋码的基本准则，许多研究从不同角度给出了地理实体的多种编码方案（闾国年等，2019；王琳等，2022；周思凡等，2024；张向军等，2024）。“一码多态”虽然可以实现多源异构数据的一体化关联，但并未解决地理实体数据的逻辑组织问题，导致地理实体数据检索和应用的效率较低。

（2）模型方面。例如，林木棵等（2021）、曹全龙等（2023）提出了基于图元的地理实体数据模型，实现了地理实体及实体关系的表达；刘晰等（2023）针对关系难以构建和使用复杂的问题，设计了基础地理实体关系一体化存储模型；姜慧伟等（2024）以现有空间数据交换格式标准为基础，设计了面向地理实体的数据存储与交换模型。目前的地理实体数据模型主要针对矢量类型的空间数据，难以支持多源异构地理实体数据的融合。

（3）构建方面。例如，张珊珊和何正国（2022）利用基于关系链映射的数据处理策略，实现了记录型数据向地理实体数据的转换构建；叶芬等（2023）以地理实体编码为统一标识符，提出了基于知识–规则的省级地理实体多源数据融合转换方法，实现了存量数据的实体化构建。针对实体关系构建，陈年松（2024）结合本体构建、知识抽取、知识图谱存储和语义网表示等技术，提出了一种基础地理实体关系的知识图谱构建方法。上述研究主要基于矢量空间数据构建地理实体数据及其关系数据，鲜有基于不同尺度、不同来源、不同结构空间数据构建地理实体数据。

（4）数据管理方面。华一新和周成虎（2017）面向实体数据模型设计了全空间数据库系统，为地理实体数据管理提供了基础框架，并开展了时空实体数据入库方法研究；郭功举等（2021）设计了地理实体数据库的概念模型、逻辑模型和物理模型，为地理实体数据管理提供了实例借鉴；车一鸣等（2023）创建了“一码多态”的地理实体数据管理模式。上述研究多基于传统关系型数据库，地理实体数据类型复杂多样、状态变化频繁、关联关系复杂，传统关系型数据库难以实现地理实体各模态数据的分布式管理。

在数据组织方面，传统地理空间数据主要采用纵向分层、横向分块的组织方法，将具有相同专题的数据组织在同一图层中，并按照经纬线、矩形区域等对空间区域进行分割（华一新等，2019）。其中，随着数据体量的增加、数据范围的扩展，出现了将矢量数据、栅格数据切割成金字塔文件层次结构的栅格瓦片（霍亮等，2012）和矢量瓦片（Zhou等，2016）数据组织方式，在可视化过程中，可以采用与视点位置相关的瓦片调度方法实现地理空间数据的多分辨率显示。随着地理空间数据逐渐向三维立体扩展，出现了全球离散网格剖分技术（Sahr等，2003；苗双喜等，2020），可以通过一定分辨率的空间剖分和编码对地球表面的空间数据进行组织与管理。上述研究可对不同类型、不同范围的地理空间数据进行有效的组织与管理，提高了数据的使用效率；但是，传统组织方式主要依据空间划分，既破坏了地理实体的语义完整性，又未考虑地理实体特征会随时间变化，因此并不适用于地理实体数据。

因此，本文提出一种嵌套、层次、网状和线性的地理实体数据多维组织方法；针对单一结构化查询语言（structured query language，SQL）数据库难以满足地理实体数据存储管理的问题，综合关系型、文件型、图型、列式数据库各自优势，提出分布式异构数据库混搭架构；为验证方法的可行性，设计四组功能实验。

2  地理实体数据建模

2.1  地理实体

地理实体是客观现实世界中占据一定空间范围、具有同类属性或完整功能的自然地物、人工设施及地理单元（贾丹和王维，2017）。地理实体的概念与传统基础测绘中空间要素的概念有很大差别，地理实体是一种典型的面向对象时空数据模型（姬龙涛等，2024）。传统基础测绘对实体的认知受限于观测手段，如一栋建筑物可以被观测并表达为矢量图形，也可以通过遥感测绘手段被观测并表达为单体的倾斜摄影测量模型。地理实体在不同情况下有不同的表达形式（郭功举等，2021；董传胜等，2024）。新型基础测绘不再以观测手段来认知和区分实体，而是将不同观测手段获取的对同一实体的观测数据进行一体化组织与表达，如矢量图形、点云、遥感影像、三维模型等均是从不同角度对同一实体观测和感知的结果。因此，地理实体的巴克斯–诺尔范式（Backus-Naur form，BNF）为

式中，为时空参照，包含时间参照和空间参照；ρ为父实体，决定子实体在父实体中的空间坐标基准；为空间位置和姿态，[z]空间位置和[pitch,yaw,roll]姿态均为可选项；A为实体的属性集合，既可以包含静态属性，也可以包含动态属性，如传感器获取的动态观测数据：

式中，“*”为任意数量；a为静态属性；为动态属性，每个属性均包含字段名称、字段类型、字段值等信息。F为实体的形态集合，包括几何图形、地图符号、栅格影像、倾斜模型、三维模型、激光点云、街景实景、数字高程、模拟函数：

形态数据可以按照不同尺度进行组织，实现同一实体的多尺度表达。对于形态的原始数据中所包含的属性信息，需以实体为单位，提取、分解并注入实体的属性集合A中。R为实体的关系集合：

式中，为与当前实体有关联的另一个实体；κ为关系类型。

2.2  地理实体的数据建模方法

地理实体的数据建模方法如图1所示。主要包含实体类结构设计、存量数据实体化转换、实体数据交互采编、实体数据实时感知、实体数据挖掘共五个步骤。

（1）实体类结构设计。地理实体的数据建模基于实体类结构，实体类规范描述某类实体所包含的特征，即确定的类型，却不需要在该阶段确定具体的数据内容。例如，对于某种应用而言，建筑物实体需要在不同尺度下分别通过矢量图形、倾斜摄影测量模型和三维模型来描述，因此将实体类的形态设置为上述三种类型。

（2）存量数据实体化转化。将传统基础测绘数据和已建成的空间数据进行实体化转换是地理实体数据的重要来源，也是地理实体数据库建设的基础。存量数据的实体化转换通常需要经过同名实体数据识别、实体数据映射和关系数据转化。关键在于多源异构存量数据的同名实体识别，即通过分析、对比等方式识别和提取不同时期、不同尺度、不同类型的同名实体数据。

（3）实体数据交互采编。实体数据交互采编是新型基础测绘中地理实体数据建模的主要方式，即在地理实体数据模型和标准框架下，通过交互采编工具、系统或设备，对地理实体模型的数据内容进行采集，主要包括确定时空参照、父实体设置、空间位置采编、属性数据采编、形态数据采编和关系数据采编。

（4）实体数据实时感知。随着传感网络的大面积布设，实体感知数据的获取更加实时和高效。通过协议解析、实体挂载可将传感设施与实体进行映射，并将传感设施获取的流式数据实时映射在地理实体的动态属性或位置字段中。

（5）实体数据挖掘。随着神经网络模型、大语言模型等不断发展，可从文本数据、影像数据、语音数据等多模态数据中自动挖掘和提取地理实体的相关数据。如可以从文本数据中挖掘关于某实体的位置、形态、关系、属性数据，从而对实体信息进行补充和完善。

3   面向地理实体数据的多维组织方法

根据地理实体的特点，实验分别面向时空域、实体类、关系类和生命周期设计了嵌套、层次、网状和线性的地理实体数据多维组织方法。

3.1  基于时空域的嵌套组织方法

时空域（spatial temporal domain，STD）是一定时间、空间范围内的地理实体组成的数据集合（华一新等，2021）：

式中，为从以时间参照描述的时刻t到时刻的区间；S为以空间参照描述的二维/三维空间包络；E为在该空间和时间范围内的地理实体的集合；为父时空域。当为空时，证明其为根时空域，通过可将时空域组织成相互嵌套的结构，有利于地理实体数据的灵活组织。

基于时空域的地理实体数据嵌套组织方式如图2所示，地理实体根据空间、时间范围被组织在不同的时空域中，一个实体可以从属于多个时空域。使用时可直接引用某个时空域STD，并加载该STD所包含的所有实体E，也可以对不同的STD进行组合、分解操作。采用时空域对地理实体数据进行组织的优点在于：一方面，有利于维持地理实体在时间和空间上的连续性，时空域是根据数据集合中地理实体的空间包络和生命周期范围来确定时间范围、空间范围，不会在空间上或时间上对地理实体进行分割处理；另一方面，有利于对不同时空域的地理实体进行分解、嵌套等灵活组织，即可以根据实际业务的需求，以时空域为单元对地理实体数据集合进行重组。

3.2  基于实体类的层次组织方法

实体类（entity class，EC）是对具有共同特征的地理实体的抽象描述，对实体特征进行明确定义和规范。与面向对象编程的思想类似，地理实体也采用了继承、组成、聚合、关联等概念构建实体类之间的层级关系。这可以从语义层面对地理实体数据进行组织，并利用实体类之间的层级关系，实现实体数据的高效管理和操作。

基于EC的地理实体数据层级组织方式如图3所示，地理实体类B和C同时集成了地理实体类A的特征（I、Ⅱ和Ⅲ）。这可以通过清晰的树状结构进行组织，便于了解地理实体数据结构之间的层级关系，有利于地理实体数据的索引和操作。

3.3  基于关系类的网状组织方法

地理实体并非孤立存在的，地理实体之间存在着多种类型的关联关系。将地理实体之间的关联关系进行分类和抽象，便构成了关系类（relation class，RC）。关系类是对实体间同一类关系的统一组织和定义，具有相同的关系属性和名称。将同类关系涉及的地理实体组织在同一个集合中，类似于地图图层的概念，只不过这些关系涉及的实体可能并非同一类型，而地图图层则要求将具有同一专题和几何类型的要素组织在一起。通过RC可以将不同类型、不同形态的地理实体关联在一起，从而实现传统地理空间数据难以实现的跨图层、跨类型关联操作。

基于RC的地理实体数据网状组织方式如图4所示。不同的RC对应不同的层，层内记录了每条关系所涉及的源实体和宿实体。如果将地理实体映射为节点，地理实体之间的关系映射为连边，则可构成地理实体之间的多个实体网络（entity network，EN）：

式，为第i个实体网络的关系类；n为实体网络的数量。

3.4  基于生命周期的线性组织方法

地理实体与传统地理空间要素的显著区别在于生命周期特征。地理实体具有明确的生命周期特性，即该地理实体创建、变更和消亡的时间记录。将地理实体的生命周期映射在时间轴上，获得线性的时序链表。根据该链表结构，可以快速检索到某一时刻或某一时间段内的地理实体数据。

基于生命周期的地理实体数据线性组织方式如图5所示。设地理实体A、B、C的生命周期分别为，其中，t为地理实体生命周期的时间，则地理实体线性组织后的时序链表为。

4  面向地理实体数据的分布式异构数据库存储

4.1  地理实体数据的存储架构

地理实体数据库以地理实体为载体，存储地理实体的时空参照、空间位置、空间形态、属性特征、组成结构和关联关系等信息。由于每个分量信息具有不同的数据特点和存储要求，导致单一的SQL数据库解决方案无法完全满足地理实体数据库存储与管理的需求。

地理实体数据库采用分布式异构数据库混搭架构如图6所示。通过结合关系型数据库、文件型数据库、图型数据库、列式数据库等管理不同类型数据的特点，实现以地理实体为核心的多源异构数据融合汇聚和高效管理。地理实体的数据来源多样、类型丰富，包括矢量地图数据、遥感影像数据、三维模型数据、建筑信息模型（building information model，BIM）数据、倾斜影像数据、动态时序数据等。不同类型的数据库可以部署一个或多个节点，异构数据库之间的地理实体通过其唯一编码（ID）进行关联，唯一编码可以确保同一地理实体的分量信息在不同异构数据库之间的逻辑一致性。

本文分别按照数据存储层、数据索引层、数据缓存层、数据服务层和数据应用层，对地理实体数据库的总体架构进行阐述。

1）数据存储层

按照存储的地理实体数据内容和类型划分为主数据库、从数据库。考虑到关系型数据库具有数据结构化、数据一致性、数据安全性高和易于维护等优势，主数据库主要采用关系型数据库，如PostGIS、Oracle、SQL Server等。主数据库主要用于管理地理实体数据的主体结构信息、实体类信息EC、关系类信息RC、版本信息及部分矢量数据，此外，还用于维护和管理全局范围的实体唯一编码及地理实体所属的STD。在数据检索时，可直接通过查询主数据库中的STD、EC、RC，快速获取地理实体的唯一编码，从而快速在各个分布式异构数据库中检索相应的信息。

存储在从数据库中的地理实体数据信息分量主要包括以下三种类型。

（1）地理实体的空间形态数据。矢量类型的地理实体空间形态数据，主要存储在主数据库中，由于关系型数据库支持的空间数据类型有限，因此部分空间形态数据存储在从数据库。这些数据主要分为两类，即普通文件型数据、切片型数据。普通文件型数据，如三维模型、倾斜影像模型等，主要存储在MongoDB数据库，并对数据建立索引以支持高效检索；切片型数据，如影像瓦片、地形瓦片、三维瓦片等，主要存储在HDFS，利用HDFS的分布式存储实现海量切片数据的高效管理。

（2）地理实体的关联关系数据。地理实体之间的关联关系数据属于典型的网络结构数据，可利用图型数据库，如Neo4J，处理高度互联的数据结构的优势，管理实体之间的关联关系数据。图型数据库通过免索引邻接技术，实现多级复杂关联关系和关系模式的高效查询，与传统关系型数据库相比，图型数据库在复杂关联时速度优势显著。

（3）地理实体的动态时序数据。地理实体的动态时序数据是连续产生且更新频率较高的数据类型，如自然资源实时感知数据、城市物联网感知数据、互联网在线抓取数据等。这类数据通常采用基于消息的数据处理框架，如Kafka、GeoMesa、RabbitMQ等，实现流式数据的高吞吐，并将处理后的数据存储在列式数据库HBase中。

2）数据索引层

地理实体数据范围广、类型多、体量大，建立一定结构的数据索引可显著提升数据检索的效率。然而，很难找到一种通用的、综合的索引模式适配所有空间数据类型，只能针对不同的空间数据类型建立不同的索引结构。矢量数据通常采用R树或R+树索引结构；三维模型数据通常采用八叉树、三维R树或三维R+树索引；时序轨迹数据通常采用网格剖分及希尔伯特编码；切片数据通常采用多层级四叉树索引、线性四叉树编码。

3）数据缓存层

除建立数据索引外，为进一步提升地理实体数据库的数据访问效率，还需通过数据缓存策略来减少与数据存储层的输入输出（input/output，I/O）和网络传输量。数据缓存是建立在Web服务器上的内存区域，通常采用时间策略、空间策略或关联策略将频繁访问的地理实体数据维持在内存结构中，再次访问时，直接返回该内存中的数据以提升访问速度。客户端也可以建立数据缓存，基本原理和策略与服务器端缓存类似，只不过客户端缓存数据是面向特定用户，而服务器端缓存是面向全局用户。

4）数据服务层

数据服务层既可提供粗粒度的地理实体数据服务，也可提供细粒度的多类型常规数据服务，如矢量数据服务、栅格数据服务、模型数据服务、矢量瓦片服务、栅格瓦片服务、三维瓦片服务、动态数据服务、关系数据服务等。地理实体数据服务也是在引用常规数据服务的基础上，对其返回的数据进行整合处理后形成的地理实体数据。数据服务层在访问数据时通常先检索缓存中的数据，如有则直接返回，否则进一步检索。

5）数据应用层

数据应用层一方面将多源异构数据进行拆分、汇聚后形成地理实体数据，并将其存储在数据库中。另一方面，将检索的地理实体数据重组和装配后形成地理场景数据集，为不同的应用场景提供实体化数据。

4.2  地理实体数据的存储结构

依据实体关系模型设计地理实体主数据库关系模型如图7所示。在关系模型中，EntityClass用于定义地理实体表的名称和内容，即Entity_ EntityClass.name。地理实体采用动态建表技术，表名由EntityClass的名称定义，相当于数据库中分表的概念，可以将相同类型、结构的地理实体组织在一张表中；每个地理实体都关联了一条版本记录，以记录该地理实体创建、变更和消亡的过程。RelationClass是关联关系的类型，定义了地理实体类之间的关系类型，以及Source实体类和Target实体类分别是什么。Form、Attribute分别记录地理实体的空间形态数据和属性特征数据。Domain是时空域，记录了地理实体集合的空间范围和时间范围等信息。

相较于主数据库，从数据库的结构简单且固定，不再赘述。从数据库主要存储地理实体的分量信息，如形态数据、关系数据等。除了存储地理实体的分量信息外，从数据库还必须要存储地理实体的唯一编码，这样才可以通过唯一编码获取异构数据库中关于地理实体的信息。

5  不同实验效果分析

实验利用上文所述数据模型，对矢量场数据、矢量地图数据、三维实体模型、倾斜摄影测量模型、遥感影像等不同结构数据进行实体化整合，构建3933类地理实体，共计4.23 TB；并设计四组功能实验，以验证方法有效性。实验所采用的数据库节点部署方案如表1所示，设置三个服务器节点，其中OneSIS.Node1节点作为主节点，另外两个服务器作为从节点。

1）跨时空域地理实体数据的融合显示

实验融合了不同生命周期范围内包括宇宙空

间、地球空间、地表空间、室内空间等各类型地理实体数据，并按照实体所属STD对其进行组织与显示控制。跨STD地理实体数据的融合显示如图8所示，通过基于时空域的嵌套组织方法，不同时空尺度范围、不同数据类型的地理实体可以实现跨尺度融合与无缝切换。

2）不同地理实体类的分类显示控制

将建筑物BIM的各个部件按照不同的类型分别转换为相应的地理实体类，并按照实体类对建筑物各个部件实体进行组织，构建起树状的实体类—实体数据组织结构。通过树状的层次结构，可以方便地管理不同类型地理实体的显示，有助于对地理实体进行精确控制和分析。建筑物实体类的分类显示控制如图9所示，既可将办公楼作为整体进行控制，也可分别调控不同楼层。

3）实体关联关系的网状组织与显示控制

以地理社交网络数据集为例，将实体映射为节点、关系映射为边，按照不同的关系类型构建RC，进而构建实体间网状结构的关联关系。实体间关联关系的网状组织与显示控制如图10所示，基于关系类的网状组织方法，既可对实体间的关联关系进行分层、分类控制，也可针对某个实体检索与其存在关联的实体。

4）地理实体时态数据的组织与显示控制

以全球海底电缆分布数据集为例，分别构建陆上站点、海底电缆实体类，将原始数据集转换为地理实体数据模型结构，并根据陆上站点和海底电缆建设时间构建地理实体的生命周期。不同时刻全球电缆的显示控制如图11所示，基于生命周期的线性组织方法，可以通过时间控制在1993～2024年全球海底电缆地理实体的显示。

6  结  论

当前，地理实体数据的逻辑组织问题及传统的关系型数据库存在难以实现地理实体各模态数据的分布式管理问题。本文提出了一种地理实体数据的嵌套组织、层次组织、网状组织和现状组织的多维组织方法；采用分布式异构数据库混搭架构，解决了单一的SQL数据库解决方案无法完全满足地理实体数据库存储与管理的问题；为验证方法的可行性，设计了四组功能实验。

（1）基于时空域、实体类、关系类和生命周期的维度提出了四种不同形式的地理实体数据组织方法。相较于传统组织方式，本文提出的多维数据组织方法更好地保持了地理实体的语义完整性，实现了不同尺度、时空和类型地理实体数据的灵活组织与控制。

（2）基于所提出的地理实体数据多维组织方法及分布式异构数据库混搭架构，实现了矢量场数据、矢量地图数据、三维实体模型、倾斜摄影测量模型、遥感影像等不同结构数据的实体化整合，构建了3933类、共计4.23 TB的地理实体数据。相较于传统方法，混搭架构扩展了对不同类型地理实体数据的管理能力，实现了以地理实体为核心的多源异构数据一体化融合汇聚和存储管理，为海量多源异构空间数据的实体化融合汇聚与存储管理提供了参考思路。

本文方法可以为新型基础测绘和实景三维中国建设的海量实体数据组织与管理提供参考。未来会重点研究多源异构空间数据的单体化整合处理、地理实体数据的高效空间索引等方面，为新型基础测绘的地理实体数据建设和地理实体数据高效检索提供新思路。

参考文献（References）

曹全龙, 王会娜, 杜萌, 宫萌, 张璐, 蒋笑. 2023. 地理实体模型构建与表达研究. 时空信息学报, 30(1): 64-69 [Cao Q L, Wang H N, Du M, Gong M, Zhang L, Jiang X. 2023. Research on construction and representation of geo-entity model. Journal of Spatio-temporal information, 30(1): 64-69 (in Chinese)]

车一鸣, 史长斌, 李强, 樊迪, 苏赛. 2023. 海量多源异构基础地理实体数据组织管理研究. 测绘科学, 48(3): 49-56 [Che Y M, Shi C B, Li Q, Fan D, Su S. 2023. Research on organization and management of massive multi-source heterogeneous basic geographic entity data. Science of Surveying and Mapping, 48(3): 49-56 (in Chinese)]

陈军, 刘建军, 田海波. 2022. 实景三维中国建设的基本定位与技术路径. 武汉大学学报(信息科学版), 47(10): 1568-1575 [Chen J, Liu J J, Tian H B. 2022. Basic directions and technological path for building 3D realistic geospatial scene in China. Geomatics and Information Science of Wuhan University, 47(10): 1568-1575 (in Chinese)]

陈军, 田海波, 高崟, 张元杰, 刘万增, 武昊, 张宏伟, 黄蔚, 刘建军. 2024. 实景三维中国的总体架构与主体技术. 测绘学报, 1-20. https://kns.cnki.net/kcms/detail/11.2089.P.20240417.0946. 002.html. [2024-10-18] [Chen J, Tian H B, Gao Y, Zhang Y J, Liu W Z, Wu H, Zhang H W, Huang W, Liu J J. 2024. The overall framework and main technology of real-life three-dimensional China. Acta Geodaetica et Cartographica Sinica, 1-20. https:// kns.cnki.net/kcms/detail/11.2089.P.20240417.0946.002.html.

[2024-10-18](in Chinese)]

陈军, 王艳慧, 武昊, 刘万增. 2023. 时空信息赋能高质量发展的基本问题与发展方向. 时空信息学报, (1): 1-11 [Chen J, Wang Y H, Wu H, Liu W Z. 2023. Basic issues and development directions of high-quality development empowered by spatio-temporal information. Journal of Spatio-temporal Information, (1): 1-11 (in Chinese)]

陈年松. 2024. 基础地理实体关系的知识图谱构建方法研究. 地理空间信息, 22(6): 20-24 [Chen N S. 2024. Research on knowledge graph construction method of basic geo-entities relationships. Geospatial Information, 22(6): 20-24 (in Chinese)]

董传胜, 孙久虎, 高浠舰, 李浩, 薛雨, 刘长春, 王翠林. 2024. 基于多源数据融合的实景三维山东构建. 时空信息学报, 31(6): 745-753 [Dong C S, Sun J H, Gao X J, Li H, Xue Y, Liu C C, Wang C L. 2024. Construction of realistic 3D model of Shandong based on multi-source data fusion. Journal of Spatio-temporal Information, 31(6): 745-753 (in Chinese)]

郭功举, 林木棵, 刘一宁. 2021. 地理实体数据库研究与实践. 测绘地理信息, 46(6): 127-131 [Guo G J, Lin M K, Liu Y N. 2021. Research and practice on geographic entity database. Journal of Geomatics, 46(6): 127-131(in Chinese)]

华一新, 张江水, 曹一冰. 2021. 基于时空域的全空间数字世界时空对象组织与管理研究. 地球信息科学学报, 23(1): 76-83 [Hua Y X, Zhang J S, Cao Y B. 2021. Research on organization and management of spatio-temporal objects in pan-spatial digital world based on spatio-temporal domain. Journal of Geo- Information Science, 23(1): 76-83 (in Chinese)]

华一新, 张毅, 成毅, 等. 2019. 地理信息系统原理. 2版. 北京: 科学出版社 [Hua Y X, Zhang Y, Cheng Y, et al. 2019. Principles of Geographic Information System.2th ed. Beijing: Science Press (in Chinese)]

华一新, 周成虎. 2017. 面向全空间信息系统的多粒度时空对象数据模型描述框架. 地球信息科学学报, 19(9): 1142-1149 [Hua Y X, Zhou C H. 2017. Description frame of data model of multi- granularity spatio-temporal object for pan-spatial information system. Journal of Geo-information Science, 19(9): 1142-1149 (in Chinese)]

霍亮, 杨耀东, 刘小勇, 乔文昊, 朱王璋. 2012. 瓦片金字塔模型技术的研究与实践. 测绘科学, 37(6): 144-146 [Huo L, Yang Y D, Liu X Y, Qiao W H, Zhu W Z. 2012. Research and practice of tiles pyramid model technology. Science of Surveying and Mapping, 37(6): 144-146 (in Chinese)]

姬龙涛, 李亚汝, 张军海, 刘雅浩. 2024. 面向对象时空数据模型研究概述. 时空信息学报, 31(6): 732-744 [Ji L T, Li Y R, Zhang J H, Liu Y H. 2024. An overview of research on object-oriented spatiotemporal data models. Journal of Spatio-temporal Information, 31(6): 732-744 (in Chinese)]

贾丹, 王维. 2017. 基于地理实体的基础测绘生产组织模式探索. 测绘通报, (4): 125-129 [Jia D, Wang W. 2017. Exploration of the production organization model for basic surveying and mapping based on geographic entity. Bulletin of Surveying and Mapping, (4): 125-129 (in Chinese)]

姜慧伟, 张元杰, 李力勐, 郑义, 杨应. 2024. 基础地理实体数据存储与交换模型研究. 测绘通报, (S1): 120-125 [Jiang H W, Zhang Y J, Li L M, Zheng Y, Yang Y. 2024. Research on fundamental geo-entity data storage and exchange model for 3D realistic geospatial scene in China. Bulletin of Surveying and Mapping, (S1): 120-125 (in Chinese)]

林木棵, 郭功举, 刘一宁. 2021. 面向新型基础测绘的地理实体数据模型实现与应用. 测绘通报, (S1): 75-78 [Lin M K, Guo G J, Liu Y N. 2021. Implementation and application of geo-entity data model for new fundamental surveying and mapping. Bulletin of Surveying and Mapping, (S1): 75-78 (in Chinese)]

刘晰, 耿丽丽, 刘建川, 廖一铧. 2023. 基础地理实体关系设计与试验. 测绘科学, 48(3): 30-39 [Liu X, Geng L L, Liu J C, Liao Y H. 2023. Design and experiment of fundamental geo-entity relationship. Science of Surveying and Mapping, 48(3): 30-39 (in Chinese)]

闾国年, 俞肇元, 周良辰, 兰馨. 2019. 地理实体分类与编码体系的构建. 现代测绘, 42(1): 1-6 [Lü G N, Yu Z Y, Zhou L C, Lan X. 2019. Construction of geographical entity classification and coding system. Modern Surveying and Mapping, 42(1): 1-6 (in Chinese)]

苗双喜, 程承旗, 任伏虎, 陈波, 童晓冲, 濮国梁. 2020. 地球剖分型GIS数据模型. 地理信息世界, 2020, 27(4): 22-29 [Miao S X, Cheng C Q, Ren F H, Chen B, Tong X C, Pu G L. 2020. A GIS Data Model Based on Global Subdivision Grid. Geomatics World, 27(4): 22-29 (in Chinese)]

王琳, 赵峰, 刘春. 2022. “多测合一” 的空间地理实体智能提取和构建方法. 测绘通报, (S2): 245-249 [Wang L, Zhao F, Liu C. 2022. Intelligent extraction and construction of spatial geographic entity based on “multiple measurement in one”. Bulletin of Surveying and Mapping, (S2): 245-249 (in Chinese)]

叶芬, 胡燕, 杨琪琳, 胡晓丹. 2023. 基于知识-规则的省级基础地理实体多源数据融合转换方法. 测绘通报, (7): 160-164 [Ye F, Hu Y, Yang Q L, Hu X D. 2023. Multi-source data fusion and transformation method of provincial fundamental geo-entities based on knowledge-rule. Bulletin of Surveying and Mapping, (7): 160-164 (in Chinese)]

张珊珊, 何正国. 2022. 基于关系链映射的“四实” 数据空间化研究. 地理信息世界, 29(3): 110-113 [Zhang S S, He Z G. 2022. Research on spatialization of “four reals” data based on relational chain mapping. Geomatics World, 29(3): 110-113 (in Chinese)]

张向军, 李茜楠, 马强, 丁磊, 钟斌. 2024. 地理实体数据建设关键技术研究及应用探索. 地理空间信息, 22(8): 64-67 [Zhang X J, Li Q N, Ma Q, Ding L, Zhong B. 2024. Research on the key technologies and application exploration of geo-entity data construction. Geospatial Information, 22(8): 64-67 (in Chinese)]

周思凡, 王履华, 沈健, 闻晓钟, 朱烨. 2024. 面向实景三维的“一码多态” 数据管理与应用. 测绘工程, 33(5): 50-56 [Zhou S F, Wang L H, Shen J, Wen X Z, Zhu Y. 2024. The data management and application of “one-code polymorphic” oriented to 3D real scene. Engineering of Surveying and Mapping, 33(5): 50-56 (in Chinese)]

Couclelis H. 2010. Ontologies of geographic information. International Journal of Geographical Information Science, 24(12): 1785-1809

Friis-Christensen A, Skogan D, Jensen C S, Skagestein G, Tryfona N. 2002. Management of multiply represented geographic entities// Proceedings International Database Engineering and Applications Symposium. Edmonton, AB, Canada. 150-159

Sahr K, White D, Kimerling A J. 2003. Geodesic discrete global grid systems. Cartography and Geographic Information Science, 30(2): 121-134

Shi L, Lan X J, Xiao M, Liu N. 2024. Geographical entity management model based on multi-classification. ISPRS International Journal of Geo-Information, 13(9): 334

Tambassi T. 2019. What a geographical entity could be. The Philosophy of GIS. Cham: Springer International Publishing. 177-205

Zhou M Y, Chen J, Gong J Y. 2016. A virtual globe-based vector data model: Quaternary quadrangle vector tile model. International Journal of Digital Earth, 9(3): 230-251