非主流空间（精编3篇）

【引言】阿拉题库漂亮网友为您分享整理的“非主流空间（精编3篇）”范文资料，以供参考学习，希望这篇文档资料对您有所帮助，喜欢就下载分享给朋友吧！

非主流空间范文1

关键词非线性形态 空间设计 路易・威登概念店

引言

随着非线性科学的不断发展，非线性已经不再单纯指数学名词，它已经渗透到许多其他科学研究领域。非线性建筑也是在此科学理论基础上提出的新的概念，并且有所成果。包含在建筑中的内部空间也随之出现了非线性表现特征。从非线性角度来分析商业空间，阐述非线性在商业空间中运用的发展趋势和建构特征，对我们多视角分析、研究综合性商业空间来说很有意义。本文通过解析路易・威登之草间弥生概念店的空间生成、设计手法和空间理念，来探索商业空间的非线性表现特征。

1 非线性形态理论背景和设计策略

非线性形态理论背景。非线性从本质上来说应属于数学的范畴，与之对应的是线性，线性与非线性都是数学上线性函数的简称。线性是指变量与自变量之间的正比关系（如图1），在空间和时间上代表规则和光滑的运动，而非线性是指变量与自变量之间不成线性关系（如图2），不是直线，而是曲线、曲面或不确定的属性，在空间和时间上代表着不规则的运动和突变。“形态”是指事物的形状或表现，它不但在视觉上体现事物的特征，还传达通过其他感官，包括思维过程所获得的“情态”。因此，形态的感知既有事物的客观体现，又有感知者的主观参与。建筑空间形态是人类思维活动的具体呈现，非线性建筑形态具有不可预测性。非线性建筑形态的本质内涵包括两个方面：从几何形体的表现特征方面来说，非线性建筑形态呈现的是一种自由几何体的外在表现；从形成方式的设计过程方面来说，非线性建筑形态是一种自下而上的由局部到整体的形成方式。

查尔斯・詹克斯（Charles Jencks）用“非线性”来概括当代建筑形态特征，他认为非线性建筑是一种连续流动状的形体。非线性建筑形态具有一定的不可描述性和不确定性，其形态特征表现出一种连续流动性、不规则性、随机性、非标准性以及自由性。

非线性形态设计策略。非线性科学、复杂科学为非线性形态设计的策略与设计方式提供了新的视野与理论借鉴。从当今的非线性建筑设计来看，建筑形式在更多的时候变成了设计的产物而不是设计的目标，非线性形态设计也许不都是从形式出发，但最终都将以形态的呈现作为结束。对非线性形态研究的重点不仅是形式的演化及呈现，还要关注产生这些形式的思想方法和设计过程，进而归纳总结出当代非线性建筑的演变趋势和设计手法。

2 非线性形态与商业空间的契合

非线性形态与品牌风格的契合。非线性形态与品牌风格的契合有利于塑造品牌店面个性。一个成功地将非线性形态与品牌风格相契合的设计，对于消费者来说，具有很强的识别性。创造既复杂又流畅新颖的非线性店面形象，消费者不用看到店面的标志，就可以轻松地辨识、记住品牌概念店。例如非常具有代表性的路易・威登旗舰店，店面设计成功地契合了其品牌风格。店面的外墙玻璃利用路易・威登的标志性元素图案，与此同时路易・威登店的内部空间也随处可见标志性元素，通过对标志性元素的非线性形态组合，表现出独特的品牌风格。

非线性形态设计在商业空间中的运用基础。非线性形态设计手法与品牌概念店空间表现契合，通过非线性形态的空间表现传达了品牌新理念和新设计思想。设计的多元化与个性化的新美学追求，形成了社会生活的一种文化和哲学观念的转变。空间主题与风格设计的新表现在不断变化，非线性形态设计取向所产生的风格与主题，之所以成功在于它打破了现代主义设计的美学观念与逻辑，体现出复杂的美学类型。非线性形态设计在商业空间中的运用基础表现在：其一，非线性形态与空间主题、业态的发展、价值观变化相关联。新的商业模式、策划、营销手段促使空间设计观念与风格多元化；其二，非线性形态设计手法表现出多空间类型并置、重叠、交叉的商业空间新格局，同时也表现出既丰富复杂又系统关联的空间形态；第三，注重空间设计中的形态整合、流畅、渐变、呼应、曲面、孔洞的倾向。

结语

非线性形态设计已经诞生，它预示着一个新的时代，展现了人类更自由和睦的未来。非线性形态建构摆脱了几何形体的束缚，表现出连续流动性、不规则性、随机性、非标准性以及自由性等特征。技术的发展推动社会和时代的发展，而社会和时代的发展推动人们审美意识的变迁。商业空间设计中利用到非线性设计形式是一种新兴设计方法，但也会是未来商业空间设计发展的趋势，因为非线性设计方式满足了顾客的审美新需求。

参考文献

非主流空间范文2

1流程设计与区域设计

室内流程是室内空间脉络的连贯体。流程设计是从空间的入口到空间的延续到空间的主体空间及到它的配套空间的整个连贯的过程设计。通过人在空间中行进的流程，把空间随时间变换而变换的过程进行连贯，形成设计者所要表达的主题脉络。区域设计是以人所需求的空间功能定位来划分区域。以空间划分来划分不同的功能区域，以流程设计来连贯不同的功能区域，而流程本身直接影响人的行进路程及人的活动方向。所以流程设计贯穿于整个区域空间里。如果能把握好区域设计和流程设计这两个方面的内容，则室内设计将会有一个非常完整的主线，在此基础上再做附加的表面装饰，如选材、颜色、照明、工艺等，以表面的附属体即可烘托出所要表达的主线和主题脉络。

2空间流程的设计方法

空间流程设计具体到表现形式，可以通过很多载体实现。室内空间中可以直接用到的载体是进行空间围合的三大界面———立面、顶面和地载。立面指的是空间的围合，即墙面、门、窗等立面界面，是非常重要的围合载体，这种围合载体恰恰是进行空间区域划分的重要组成要素，也是进行室内流程和室内流线设计中贯穿的立面形式。顶面，在空间意义上被称作“天覆”，即在一定的区域空间范围内在顶部加以限定，而这种限定有很多种，能强化、烘托区域的功能需求及环境氛围。地载，即常规理解的地面，地面不同的表现形式可以通过地台、高低错落、不同的色块划分、不同的材质划分进行不同区域的地面围合。顶、墙、地通过这三种不同的载体来进行两大需求的组合———区域组合和流程组合。将不同的元素组合在一起共同构筑室内设计空间，所以，很多设计手法、重点表现会体现在室内空间的三大载体之上，即常规理解的室内装饰手法，很多都是直接表现在三大界面的表面材质、色彩和工艺做法等上。但是，这样的载体并不是空间所需求的一个最重要的要素，因为空间设计重在空间功能设计，即通过三大界面围合出来的空间“场”，才是空间设计的重点。所以，在设计中，我们应该尽量考虑空间中“场”的因素，用三大界面烘托出“场”的实用性，以增强空间的设计主题意义。

3室内环境设计七步构思流程

室内设计是服务于人的设计行为，把设计所服务人群的需求作为整个设计的主体，实现“以人为本”，把设计对象的文化背景、喜好及所需求的功能定位作为整个设计主要的背景知识，这样才能做出完整的、能够满足对象需求的室内空间。因此，分析设计服务人群是室内环境设计构思流程的首要工作。详细研究分析建筑空间、建筑周边环境、室内空间格局，分析它的优势及不足来考虑如何进行室内设计、优化组合及合理的重新划分，营造一种非常适合当地环境所需求的室内空间氛围，这也是室内环境设计前期必须做的一项重要内容。在分析设计服务对象和建筑整体环境之后，我们还要进行主题的定位和创造；然后以此为主线进行空间流程的脉络设计，即如何引导人们在空间中按照时间脉络进行流动，不同的流动方式会对人产生不同的环境氛围的影响。作为流程设计，空间形式上不仅要考虑它的流动过程中的形式表现、主题表现，还要考虑到在流动过程中人流的合理组合，因为在很多室内空间中有很多不同的人流在穿梭（如商场、车站中），合理划分人流的流线是进行室内设计的重要内容。避免流线间的冲撞、阻塞，使流线顺畅、自然，这是进行流程设计的重要方面。划分区域实际是为人群的需求所服务的，但是划分区域在室内设计中是非常重要的内容，即如何为它所表现的主体空间进行空间的更丰富的组合，因为有很多空间在区域划分上是有重复性的，所以在空间设计上要征求以有限的面积来实现具有更多内涵和实用性的空间。流线、区域划分完毕后，重点研究各界面、各载体的空间效果，包括空间材质、表面颜色及工艺做法等。此部分是对前面空间的流线设计需求进行陪衬的，这个也是目前人们比较关注的内容，即选用何材料、色调、工艺才能体现所需求的环境。室内装饰手法处理完毕后，即进行空间物理环境设计。此步要把程序化的、科技含量较高的元素合理有效地融入室内空间和室内装饰中去，形成既好看又实用，且符合目前人居生活环境所需求的综合性空间。最后环节，通过空间导示系统、空间标识或色块体系来增强空间各个区域内的空间定位及流程顺序来强化空间特性。遵循以上七步来进行室内空间环境的系统化分析，逐渐形成一个非常统一、主线明确的脉络，将为室内空间环境的设计提供非常重要的辅的准备工作。

4结语

非主流空间范文3

关键词：面向对象时空数据模型；MongoDB；滇池流域；非点源污染

中图分类号：P208 文献标识码：A 文章编号：0439-8114（2016）05-1295-06

DOI：/

Research and Application on Document Type Spatio-temporal Data Model of

Non-point Source Pollution in Dianchi Lake Basin

XIE Zhi-ping1a，2，YANG Kun1a，2，LI Ze-cheng1b，2

（ of Information Science and Technology； of Tourism and Geographic Science，Yunnan Normal University，Kunming 650500，China；

Technology Engineering Research Center for West-China Resources and Environment of Educational Ministry，Kunming 650500，China）

Abstract：In the non-point source pollution in Dianchi Lake Basin emergency response， simulation and data mining process， the existing temporal data model based on a relational database were analyzed and its shortcomings were pointed out，an improved model based on MongoDB and object-oriented spatio-temporal data model was proposed to organize， store and manage the non-point source data； Finally， the non-point source pollution spatio-temporal data management system of Dianchi Lake Basin was designed to achieve the following functions， such as importing & exporting，editing， indexing and advanced operation function of different sources or format data. The experiment results showed that，the system had been improved in storage， management and maintenance of huge amounts of spatial-temporal data， which could provide a unified access interface and data support for the data simutation and big data mining of non-point source pollution spatio-temporal process in Dianchi lake Basin.

Key words： object-oriented spatio-temporal data model； MongoDB； Dianchi Lake Basin； non-point source pollution

近年来，滇池流域点源污染经过治理已得到有效控制，而非点源污染问题却越来越突出，其产生来源范围广、隐蔽性与潜伏性强、随机性大，主要通过淋溶与降雨径流的冲刷作用，促使污染物汇入水体[1]。为了研究非点源污染的产生与扩散情况，设计了滇池流域非点源污染的时空过程模拟应急响应示范系统、SWMM、SWAT、ABM、叶绿素反演模拟等。但这些系统“信息孤岛”现象严重，系统大多强调的是空间数据的分析、处理及可视化等功能，而忽略了空间数据统一存储、管理和维护。对此需设计一个非点源污染空间数据的管理系统为研究提供统一的访问数据的接口的同时，支持海量数据的存储和管理。然而，传统空间数据研究中，大多是通过建立关系数据模型，以属性的方式描述和表达空间数据，存在一些不足[2]，为此，针对滇池流域非点源污染空间数据管理系统对空间数据模型的需求，提出了基于MongoDB文档特性与面向对象时空数据模型改进的文档型时空数据模型，为空间数据模型增加时间要素，利用MongoDB对流域内历史数据和现状数据进行统一的存储和管理，以期为滇池流域非点源污染应急响应、模拟和数据挖掘提供统一的访问接口和数据支撑。

1 面向对象的时空数据模型

时空数据模型的研究从20世纪70年代开始，一直到80年代都是重点对时态数据库的空间信息和时间信息的处理，但基于时空组合的研究涉及较少。直到20世纪90年代早期，出现了以GIS中栅格、矢量数据模型为基础的面向对象的时空数据模型[3，4]。但是对时间和空间的表达仍旧较少，不能反映空间对象前后变化之间的因果联系，时间存储在一个普通属性表里，与空间数据其他属性一样，重点对地理状态作描述[5]。

面向对象时空数据模型中，为了充分描述对象的活跃状态及变化过程，把真实世界表示为各个地理时空对象类，包含空间对象类、时间对象类及属性对象类[6，7]。每个对象类封装了时间、空间与属性特征，还包括对象间关系和行为操作[8]。如图1，时间对象类是针对时间信息来建模，空间对象类是针对空间信息来建模，包括空间位置（经纬度坐标）、地物形状（点、线、面）以及空间拓扑信息等；属性对象类是操作者自己定义的，有标识ID、Name、Type等属性，其中Name可以为道路、河流、规划区、土地利用或建筑等。面向对象时空数据模型增加时间信息来表示多边形、弧段、节点等几何要素，充分考虑了时间拓扑与空间拓扑结构，但对分层图层间的时空性质以及内在的关系的考虑存在不足，并且在基础关系描述与显示定义方面也相对缺乏[9]。

2 MongoDB数据库

MongoDB是非关系型数据库。该数据库具有如下的逻辑模型：一系列字段构成单个文档，一系列文档构成集合，一系列集合又构成数据库，最终多个数据库构成MongoDB系统实例[10-12]。具体如下：①集合等同于表，其实质为一组文档。与关系数据库不同的是，由于MongoDB的模式自由特性，对字段结构并没有作强制要求。因此，用户可以存储不同结构的文档在相同集合中，而不必预先定义一个集合的字段结构；在数据库运行时，可以随时动态地添加或删除文档的字段，支持数据的变长记录。②MongoDB文档指结构化的文档，通过规则的Key-Value对来表示数据，而并非自由文本[13]。MongoDB的文档使用BSON语言表示，MongoDB的BSON文档是数据的抽象，是非关系数据库存储的基本单元和的数据交换格式。单个文档等同于单个BSON对象，含有多个键值对。BSON以二进制字节的形式存储键值对，键为字符串格式，值可以为任意的数据类型，除了基本的浮点数、整数、日期、字符串等，还可以是键值对或数组等复杂的数据结构，可以嵌套数组或者子文档，即文档的字段值可以是一个文档或者数组类型的，支持数据的不一致存储。如下所示即为用BSON对象表示滇池流域非点源污染时空数据信息的一条记录：

{

ID："001"，

Name："DianchiRoad"，

RoadGrade：5，

RoadWidth：16

Adress：{Area："XishanDistrict"，City："Kunming"}

Company：[{DesignUnit："RoadConstruction" ， DesignCost："10W"}，{ ConstructionUnit："RoadConstruction"，ConstructionCost："50W"}]

}

在记录中，道路有ID、Name、RoadGrade、RoadWidth、Adress、Company六个属性。ID和Name属性对应的值类型为字符型，RoadGrade和RoadWidth对应的值类型为整形，Adress对应的是键值对，Company对应的是数组，数组元素的类型是键值对。同时，MongoDB能将关系型数据库中本来要使用外键联接的多个集合归纳到一个集合中，减少了集合与集合之间的关联，提高了数据库的性能。如记录中，Adress中的Area和City需要建立Area和City对应的表Area和City，其中City表外键指向Area表，查询时需要二级联动查询。MongoDB的这种能够存储非结构化数据，以及支持数据不定长与不一致的特性正是本文提出文档型时空数据的关键。

3 文档型时空数据模型

由于现实世界的复杂性，设计通用的时空数据模型面临巨大困难，学者们更倾向于针对一个或一类地理问题设计时空数据模型并加以验证，现已在城市绿色空间、地下管网、地籍管理等领域有重大突破。滇池流域非点源污染时空变化研究是前人很少涉足的领域，包括点、线、面及其复合对象的时空变化规律，其地表变化过程复杂，建模困难。然而，建立滇池流域内非点源污染文档型时空数据模型来描述非点源污染的连续变化，能为解决滇池流域非点源污染相关问题提供理论依据和应用方法。

现有时空数据模型的不足

现有的关系数据模型，其内在的关系模式会制约时空数据处理及便捷访问。图2为关系数据库概念模型，包含两个时空要素类，其存储时空数据不足，具体如下。

1）非点源污染时空数据是一种非结构化的数据。其非结构化特点主要表现在：空间实体不固定，例如一条弧段可能包含两对坐标点，也可以包含10万对坐标点；空间实体具有非原子性特点，有的甚至是嵌套的，如一个多边形可能有多条弧段，每个弧段由多点构成。因此如果要用关系型时空数据库表示通常需要叠加复杂的多对多关系及其要素，一个概念模型通常含有多个关系，也即含有多张二维的关系表。其关系复杂，涉及的要素较多，最终造成数十甚至数百个表的数据规模，数据量庞大，同时不利于系统的维护。因此对于滇池流域非点源污染的时空数据这种非结构化的数据，不方便用二维表逻辑进行表示。

2）基于关系数据库建立的时空数据模型要求对象固化，而面对非点源污染时空数据具有的不一致、不定长特性时，就需要对其进行分类，增加了关系数据库的复杂性，成本较高，修改较难。

3）时间是地理实体和地理现象的另一个内在基本特征，是地理实体演变过程的一个重要组成部分，地理现象的特性随时间的变化而变化。基于关系数据库建立的时空数据模型的时间记录的是关系表记录的时间，往往会将各个时期的演变和关系破碎化和复杂化，增加时空关系的维护难度。

4）任务繁重。目前时空数据管理系统中缺乏完整的历史变化数据及动态变化过程的存储和管理，无法有效地进行动态跟踪及预测未来的发展趋势；针对滇池流域非点源污染模拟的时空数据建模方法在国内外的研究中涉及很少，没有通用的建模方式，因此对滇池流域非点源污染模拟时空数据的建模难度较大。

文档型时空数据模型创建

滇池流域非点源污染时空数据模型构建的核心和难点是准确、清晰地描述滇池流域非点源污染各类对象的时空变化过程，同时能兼容简单对象的时空变化过程。针对前文中对现有时空数据模型的比较和对滇池流域非点源污染时空变化特点的分析，并结合实际应用的需要，发现面向对象的方法能比较容易地描述以滇池流域非点源污染的时空变化。结合MongoDB数据库的特点，在物理实现上所有数据以模式自由的文档结构存储。根据滇池流域非点源污染时空数据变化特点，从建立动态空间数据和属性数据合一的非点源污染模拟时空数据库的角度出发进行设计，建立非点源污染文档型时空数据概念模型，如图3所示。

文档型时空数据模型兼具MongoDB文档模式自由和面向对象时空数据模型特性，支持松散的数据结构，采用BSON格式进行组织，存储复杂的时空数据类型，将不同结构、类型的时空数据存储进一张共同的大表中，实现一体化存储[14]，主要包括以下几部分。

1）在对象管理上，利用MongoDB模式自由的特性，以水体为对象进行管理，将污染水域的各种对象导入一个库中。有效降低非点源污染时空数据管理系统设计和建设的复杂度。解决数据不一致、不定长导致的数据表增加或结构冗余的难题。

2）在空间上，将监测点、河流、湖泊整合在一起，以点、线、面的形式存储。对于非结构化的时空数据，通过充分利用MongoDB的文档特性，以面向对象方式来表达地理对象，以文档形式无限制地存储任意的时空变化类型对象驱动事件对象，一个对象可以自由嵌套许多原来对象的字段，实现非点源污染非结构化时空数据的存储与管理。

3）在不同属性数据建模中，对时空变化不活跃的地理现象，选用静态数据建模；而对时空变化活跃的地理现象，选用动态数据建模，区别表示随时间变化的信息和与时间变化无关的信息。

4）在时态上，由于水污染各个时期的演变关系破碎，导致维护工作繁重，因此针对不同历史频率的数据进行分别存储，以便区别对待数据输入时间和使用的时间，实现将水体各个时期的过程数据统一管理起来，忠实记录水体来龙去脉。对水体信息的历史状态进行保存、恢复、跟踪和预测。

5）对于滇池流域非点源污染的海量数据，采用本地磁盘上存储当前数据，而将历史数据存储在远程服务器大容量光盘上，同时，采用MapReduce技术对海量数据进行高级统计运算。

6）在查询效率提升中，通过时空数据所具有的空间特征，建立一系列的空间索引，同时也通过历史频率数据的存储建立时间和空间索引来提高查询的效率。

模型分为4个主要部分：ID、水体对象类、索引与事件。①从对象来看，对水体对象作惟一性标识和信息管理，用对象ID来标识不同对象，不同对象的内涵可能差别较大，这得益于MongoDB的模式自由特性，这些差别较大的对象仍然可以整合在一起。②在水体对象类中，将水体的基本属性和空间信息整合到一起，利用BSON格式类型来无限制嵌套存储任意的点、线、面对象字段。③采用阵列存储雨量的变化信息，能够兼容存储若干个有差别的雨量变化对象，有效地存储空间信息类、属性信息类以及时间信息类，同时记录时空对象变化类型驱动地理对象发生变化，时空对象变化类型即为降雨、季节变化、农作物灌溉、工业排污等各种不同的变化类型。图4即为连续记录未降雨、降小雨、降大雨的滇池流域随事件发生变化的成长树，通过降雨事件的驱动实现非点源污染时空数据实时、完整、有序的记载。在以后的模拟与研究中，可以通过大量的历史数据以及实时数据分析，获得降雨对流域非点源污染的影响以及它们之间的关联，从而有效降低降雨对流域非点源污染的影响。

从形态上来说，在不同事件的驱动下，利用对象状态变化来表达时空过程，水体时空对象变成一个可以成长的树。连续记录未降雨、降小雨、降大雨时候的水体时空数据，包括流域内的属性数据及空间数据。由于雨量变化的不同，树的结构亦不相同。从时间上来说，数据中的各雨量变化对象以实际发生的时序排列，在雨量变化对象中，记录了每一个流程的时间，将时态寓于对象的变化信息中。利用MongoDB的非点源污染时空数据库管理系统，通过将水体各个时期的实测数据或者模拟数据，依雨量变化的时间序列顺序进行存储管理，将各种要素复杂关系内化到水体对象中，一体化地存储各种水体要素，可以有效解决水体管理时空属性的特殊要求。如下为滇池流域中一个点在降雨开始以及降雨结束情况下的实时监测GPS数据，包括水体对象的基础数据信息、监测信息以及时间记录。

降雨开始监测信息：

{

"ID"："2015070901"，

"MonitoringTime"： [{"Time1"： 14：49：56}]

"Name"： "DianChi"，

"Adress"：{"Area"："xinan"， "City"："Kunming"}

"Longitude"：24°33'"，

"Latitude"： 102°26'"，

"Data"：[{"Depth"：， "Temp"： ， "DO"： ， "Achl"： ，"PH"：，"TP"：， "TN"：}]

"StorageTime"： 14：49：57

}

降雨结束监测信息：

{

"ID"："2015070901"，

"MonitoringTime"：[

{" Time1"： 14：49：56} ，

{" Time2"：14：49：56}]

"Name"："DianChi"，

"Adress"：{"Area"："xinan" ， "City"："Kunming" } ，

"Longitude"："24°33'""，

"Latitude"： "102°26'" "，

"Data"：[{"Depth1"：， "Temp1"：，"Achl1"： ，"DO1"："，"pH1"：，"TP1"：，"TN1"：}，{"Achl2"： ， "Depth2" ：， "Temp2"： ，"DO2"： ， " pH2"： ， "TP2"： ，"TN2"：}]

"StorageTime"： [{" StorageTime1"： 14：49：57}，

{"StorageTime2"： 15：30：13}]

}

在降雨前后的BSON文档中，完整记录ID号为2015070901水体对象的详细信息，包含时间信息，空间信息和属性信息。其中时间信息为降雨开始监测时间Time1、降雨结束监测时间Time2、入库时间信息StorageT1和StorageT2；水体对象空间信息为水体对象经纬度信息Longitude和Latitude；水体对象属性信息包含水体水深（Depth）、水温（Temp）、浑浊度（DO）、水体叶绿素a含量（Achl）、pH、总氮（TN）、总磷（TP）等。

4 时空数据管理系统的设计与实现

系统数据库

滇池流域非点源污染模拟时空数据管理系统包含存储实时观测数据、模拟结果的观测数据库以及模拟数据库两个物理子库。图5为存储的时空数据。观测数据库主要有栅格、矢量、GPS、传感器、影像五类对象，模拟数据库包括栅格、矢量和影像、文本四类对象。

系统功能简介

根据滇池流域时空过程模拟研究以及数据挖掘的时空数据组织、入库、输出、存储、管理的需求，系统总体功能需求如图6。系统子功能包括Add、Update、Delete、Check等编辑功能；聚合功能、MapRduce等高级运算功能；数据导入导出功能；时间与空间等索引功能。

系统试验结果

从滇池流域实际情况出发，结合MongoDB文档特性、面向对象时空数据模型进行研究和开发。通过使用MongoDB驱动程序，编写代码，实现MongoDB服务器，数据库、集合、文档的访问与查询。经实践，完成了设定目标，实现系统总体功能模块。系统界面如图7。

5 小结

本研究提出基于文档型时空数据模型，利用事件驱动的特性，并应用于滇池流域非点源污染时空数据管理系统的设计和实现中。将非点源污染时空数据空间、属性数据、时间数据内化到水体对象中，能够有效地支持复杂、多源、非结构化的时空数据组织与存储，实现历史数据存储以及随时间变化的信息与不随时间变化的数据区分，它摆脱了传统的基于关系模式设计时空数据模型的弊端，不需要设计复杂的表关系。但是面对更为复杂的滇池流域非点源污染情况，由于选择MongoDB作为后台数据库，因此具有无法支持事务操作、占用空间过大等缺点。接下来，仍需要对文档型时空数据模型进一步优化，考虑对于现实世界的模型如何抽象，才能够更好地适应非关系数据库的数据组织、存储、管理与应用；同时，也需要考虑如何更好地结合云平台、大数据、物联网等新兴技术进行时空数据的研究。

参考文献：

[1] 王江彦。河南境内淮河流域农业非点源污染模拟研究[D].郑州：河南农业大学，2011.

[2] 赵 雷。域数据模型的研究与实现[D].江苏苏州：苏州大学，2006.

[3] 陈新保。基于对象、事件和过程的时空数据模型及其时变分析模型的研究[D].长沙：中南大学，2011.

[4] 王云献。基于时态GIS的房产信息管理系统的设计与实现[D].河南开封：河南大学，2009.

[5] 尹章才，李 霖。GIS中的时空数据模型研究[J].测绘科学，2005， 30（3）：12-14.

[6] 陈新保，朱建军，陈建群。时空数据模型综述[J].地理科学进展，2009，28（1）：9-17.

[7] 龚健雅，李小龙，吴华意。实时GIS时空数据模型[J].测绘学报，2014，43（3）：226-232.

[8] 张 英。时空数据模型的建模研究与应用[D].山东青岛：青岛大学，2007.

[9] 黄照强，冯学智。时空数据表达研究[J].计算机应用研究，2005， 22（9）：19-21.

[10] 王光磊。MongoDB数据库的应用研究和方案优化[J].中国科技信息，2011（20）：93-94.

[11] 怀 特。Hadoop权威指南（中文版）[M].曾大聃，周傲英，译。北京：清华大学出版社，2010.

[12] CHODOROW K.深入学习MongoDB[M].巨 成，程显峰，译。北京：人民邮电出版社，2012.