农作物信息数据仓库维度建模初探.pdf

农作物信息数据仓库维度建模初探1 1 1 周志艳 ，罗锡文 1 华南农业大学工程学院，广州 （510642 ） E-mail: aoullij@163.com，xwluo@ 摘 要： 本文根据维度建模的一般方法，结合农作物空间信息数据的特点，给出了农作物 信息数据仓库的维度模型，包括该数据仓库的总线矩阵、值链图、星型连接图以及详尽的维 度表和相关业务主题的事实表等，并分别对各表进行了适当的属性字段填充，以期为建立基 于数据仓库的农作物信息数据挖掘和知识发现提供可靠的实现方案，并为最终实现数字农业 优化决策支持系统打下基础。 关键词：数字农业；农作物；数据仓库；维度建模 1. 引 言 [1] 数字农业是未来农业发展的必然趋势 ，这一观点已被人们普遍接受。然而，数字农业 信息系统是一个复杂系统，它的复杂性表现在其数据的多维、动态、不确定、不完整、稀疏 性等特点上[3] 。随着 3S技术（GPS, GIS, RS）在农业上的应用不断扩大，遥感和田间信息采 集系统以及日常事务处理带来了数字农业信息系统各种数据的指数级增长，要快速地从中挖 掘信息、获得知识并高效科学地做出各种决策，解决农业领域 “数据丰富知识贫乏”的局面， 必须加强数据仓库的建设。 维度建模方法是数据仓库设计的主导技术，它对于数据仓库系统的成功应用与否至关重 要。如果说业务需求分析是数据仓库设计的出发点，那么维度建模就是整个设计活动迈出的 第一步[2] 。它能有效杜绝 “伪”数据仓库的建立。通过在维度模型中使用一致的维度和一致 的事实，可以得到一个更贴近实际应用的框架，从而可以在此基础上渐进、迭代递增地建立 起一个复杂的数据仓库系统。Ralph Kimball 按照维度建模的方法，成功地在零售、电信、 交通、教育、卫生、保险等领域进行了应用[2] 。本文将首先分析数据仓库维度建模的一般方 法和要点，然后结合 3S 技术相关知识和农业示范区农作物管理的背景知识讨论农作物信息 数据仓库的维度建模。 2. 维度建模的概念知识 维度建模的核心技术是Ralph Kimball 于 1996年在其著作《The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling》中提出来的[2],它立足于简单性原则，把 视觉焦点集中在业务需求上，以此来引导数据仓库朝着高效运行和易于查询的方向进行设 计。 1 - 1 - 2.1 维度模型 数据仓库系统的基本结构如图 1 所示，各种数据从操作型源系统中抽取出来后，经过数 据的聚集和转换环节，上载到各个相应业务主题的数据集市中。数据集市中的数据正是根据 相关业务的维度模型 （Dimensional Modeling）进行组织的，它展示给用户的数据必须是维 度的、原子的，各个业务主题之间的数据连接则通过数据仓库总线来完成。通常，要构成一 项业务的维度模型，至少需要三个部件，即元数据、维度表、事实表。 2.1.1 元数据 操作型源系统 数据仓库系统 元数据是数据仓库环境 中 G 数 数 ( I 集 具 工 等 现 发 识 知 及 掘 挖 据 数 维度模型 1(施肥) S 除去数据本身之外的所有信息， 统