基于Geotools的PostGIS原始操作之CQL过滤及按属性名称生成面属性时间-以湖北省地级市行政区划为例

发布于：2025-04-18 ⋅ 阅读:(24) ⋅ 点赞:(0)

目录

前言

背景与意义

技术方法概述

一、CQL查询实现

1、CQL查询原理

2、Geotools中的CQL实现

二、SLD编程式样式生成

1、获取唯一的分类值

2、生成不同颜色分类

3、集成生成SLD的Style文件

 三、总结

前言

        随着地理信息系统（GIS）技术的快速发展，空间数据的管理和分析已经成为现代城市规划、资源管理、环境监测等领域的核心任务。在这一背景下，PostGIS作为PostgreSQL数据库的空间扩展，因其强大的空间数据存储和分析能力，成为地理信息领域的重要工具。而Geotools作为开源的Java GIS工具库，为PostGIS提供了高效的接口支持，使得开发者能够更加便捷地进行空间数据的操作和处理。本文旨在探讨基于Geotools的PostGIS原始操作，特别是CQL（Common Query Language）过滤以及按属性名称生成面属性时间的方法，并以湖北省地级市行政区划为例，展示其在实际应用中的价值。

背景与意义

        近年来，随着地理信息数据量的爆炸式增长，传统的空间数据处理方法已经无法满足复杂的应用需求。PostGIS作为开源的空间数据库解决方案，提供了丰富的空间数据类型和函数，能够高效地存储和管理地理信息数据。然而，直接使用PostGIS进行复杂的空间查询和分析往往需要编写大量的SQL语句，这对开发者的技术能力提出了较高要求。Geotools的引入，为开发者提供了一个更高效、更灵活的接口，使得空间数据的处理变得更加直观和便捷。

        CQL作为一种标准化的查询语言，允许用户以简洁的方式表达复杂的空间过滤条件。通过CQL，开发者可以快速筛选出符合特定条件的空间数据，从而提高数据处理的效率。此外，按属性名称生成面属性时间的方法，能够帮助用户动态地分析空间数据的时间属性，为时间序列分析和动态可视化提供支持。在湖北省地级市行政区划的应用中，这些技术可以用于分析行政区划的演变、人口流动、经济发展等动态过程，为区域规划和决策提供科学依据。

技术方法概述

        本文的研究主要基于Geotools和PostGIS的结合，通过以下两个关键技术点展开：

  1. CQL过滤：CQL是一种标准化的查询语言，能够以简洁的方式表达复杂的空间和属性过滤条件。通过Geotools提供的CQL接口，用户可以轻松地将过滤条件转化为PostGIS的SQL语句，从而实现高效的空间数据筛选。

  2. 按属性名称生成样式：在空间数据中，我们可以根据需要，将数据按照某一种方式进行分类，比如在地理数据中，我们经常按照不同的行政区划来进行展示，即按照行政区划的名称来进行统一的分类。

        通过本文，读者可以掌握了解CQL查询语言的示例用法。同时了解如何基于Geotools根据不同的属性进行样式规则的生成，为后续的样式自主生成奠定了坚实的基础。

一、CQL查询实现

        本节将重点介绍CQL的基本查询原理，关于更深入的CQL查询，会在后续的章节中进行深入讲解。本节简单对实现原理及本实例中的查询实践进行说明。

1、CQL查询原理

        CQL（Common Query Language）是一种标准化的查询语言，用于空间数据的过滤和查询。它允许用户以简洁的方式表达复杂的空间和属性条件，类似于SQL的WHERE子句。CQL是一种用于空间数据过滤的语言，它支持空间和属性条件的组合查询。CQL的设计目的是为了简化空间数据的查询，使其更易于使用和理解。下面介绍一些CQL的基本查询语法。

语法结构

CQL语句通常由属性条件和空间条件组成，可以通过逻辑运算符（AND、OR、NOT）进行组合。例如：

  • 属性条件：population > 1000000

  • 空间条件：INTERSECTS(geom, POLYGON((0 0, 0 10, 10 10, 10 0, 0 0)))

  • 组合条件：population > 1000000 AND INTERSECTS(geom, POLYGON((0 0, 0 10, 10 10, 10 0, 0 0)))

空间过滤

CQL支持多种空间过滤条件，利用PostGIS的空间函数来实现。常见的空间过滤条件包括：

  • INTERSECTS：检查几何对象是否相交。

  • CONTAINS：检查一个几何对象是否包含另一个几何对象。

  • DWITHIN：检查两个几何对象之间的距离是否在指定范围内。

例如，查找与指定多边形相交的城市：

cql

复制

INTERSECTS(geom, POLYGON((115 30, 115 40, 125 40, 125 30, 115 30)))

这个查询会返回所有与指定多边形相交的城市。

属性过滤

CQL也支持基于属性的过滤，例如：

  • name = '武汉市'

  • population > 5000000

  • GDP >= 100000000000

这些条件可以与空间条件组合，以实现更复杂的查询。

与其他查询语言的比较

  • 与SQL的比较：CQL的语法与SQL的WHERE子句类似，但专门针对空间数据进行了优化。

  • 与其他空间查询语言的比较：CQL是OGC（开放地理空间联盟）的标准之一，具有良好的兼容性和可扩展性

2、Geotools中的CQL实现

        这里的实现逻辑比较简单，作为抛砖引玉，更复杂的实例，大家可以从官方网站上进行查询学习。本文的实现逻辑是从全国的城市信息表中查询湖北省的所有市级行政区划范围。在Geotools中构建CQL查询的实现方式如下，第一步需要创建PostGIS查询函数，从HashMap中构建，示例代码如下，类似于定义Jdbc中的连接参数：

/**
* -准备postGIS连接参数
* @return
*/
public static Map<String, Object> initPostGISMap () {
	Map<String, Object> params = new HashMap<>();
    params.put("dbtype", "postgis");
    params.put("host", "127.0.0.1");
    params.put("port", 5432);
    params.put("database", "database_name");
    params.put("schema", "public");
    params.put("user", "user_name");
    params.put("passwd", "passwd_value");
    return params;
}

        紧接着是根据连接参数生成featureSource，这是我们的核心和关键。通过最原始的shapefile文件也是其中的一个数据源。这里将数据源从文件数据源切换成空间数据库。关键方法如下：

//step1、准备连接参数
Map<String, Object> params = initPostGISMap();
// step2、获取数据源
DataStore dataStore = DataStoreFinder.getDataStore(params);
System.out.println("**********************************************************");
if (dataStore == null) {
     System.out.println("无法连接到数据库");
     return;
}
// step3、指定空间表名
String typeName = "biz_city";
FeatureSource<SimpleFeatureType, SimpleFeature> featureSource = dataStore.getFeatureSource(typeName);

        第三步是构建Query查询参数以及进行CQL查询实践，核心代码如下：

//step4、 创建查询
Query query = new Query(typeName);
//step5、使用CQL（Common Query Language）表达式来定义过滤条件
Filter filter = CQL.toFilter(" province_code = '420000' ");
query.setFilter(filter);
// 执行查询并转换为SimpleFeatureCollection
SimpleFeatureCollection collection = (SimpleFeatureCollection) featureSource.getFeatures(query);

        在上面的查询函数中，我们查询的时候，指定province_code为420000为所有湖北省的行政区划范围。 有了这个查询对象后，下面就可以根据这些查询转换成样式定义。

        查询结果打印输出信息如下：

        表名我们使用CQL的查询来成功的查询空间数据。 

二、SLD编程式样式生成

        本节将重点讲解如何根据上面的查询结果，根据业务属性来进行分类。使用Geotools来自动识别属性，根据不同的地级市名称来生成不同的样式属性，最后将样式渲染到地图中并生成矢量地图范围的具体实践。

1、获取唯一的分类值

        为了在地图中比较好的展示不同地级市的信息，我们需要将数据按照那个属性名称进行分类。就比如在Arcgis或者QGIS中的分类标注，通过指定的属性名称来进行分类。所以第一步需要按照规则来生成最终的唯一性的表示名称。在本例中就是需要将湖北省不同的地级市行政区划名称进行识别，关键代码如下：

// 获取唯一值集合
private static Set<String> getUniqueValues(SimpleFeatureCollection features, String field) {
	Set<String> values = new HashSet<>();
	try (SimpleFeatureIterator it = features.features()) {
	    while (it.hasNext()) {
	       String value = (String) it.next().getAttribute(field);
	       if (value != null) values.add(value);
	    }
	}
	return values;
}

2、生成不同颜色分类

        为了让不同的地级市都能展示不同的信息，以方便更加生动的进行数据展示。这里将根据前面分类的数据结果创建不同的颜色，为下一步的数据区分展示提供基础，关键代码如下：

// 生成可区分颜色（HSV色环均匀分布）
private static Color[] generateDistinctColors(int count) {
	Color[] colors = new Color[count];
	float goldenRatio = 0.618033988749895f;  // 黄金分割比例
	float saturation = 0.8f;  // 饱和度
	float brightness = 0.9f;  // 亮度
	for (int i = 0; i < count; i++) {
	      float hue = (i * goldenRatio) % 1.0f;
	      colors[i] = Color.getHSBColor(hue, saturation, brightness);
	}
	return colors;
}

3、集成生成SLD的Style文件

        下面将使用GeoTools的方法来生成SLD中的Style文件，让大家对整个样式的编程式生成有所了解，其中包括符号库的设置、字体的设置、标注的动态展示、文本的设置、规则库的设置等。关键代码如下：

public static Style createAdministrativeStyle(SimpleFeatureCollection features, String nameField) throws Exception {
	// 获取样式工厂
	StyleFactory sf = CommonFactoryFinder.getStyleFactory();
	FilterFactory2 ff = CommonFactoryFinder.getFilterFactory2();
    // 创建基础样式结构
	Style style = sf.createStyle();
	FeatureTypeStyle fts = sf.createFeatureTypeStyle();
	// 获取所有唯一的行政区名称
	Set<String> names = getUniqueValues(features, nameField);
	List<String> nameList = new ArrayList<>(names);
	Collections.sort(nameList);  // 按名称排序
	// 生成颜色序列
	Color[] colors = generateDistinctColors(nameList.size());
	// 为每个行政区创建规则
	for (int i = 0; i < nameList.size(); i++) {
	    String regionName = nameList.get(i);
	    // 创建过滤器
	    PropertyName property = ff.property(nameField);
	    Filter filter = ff.equals(property, ff.literal(regionName));
	    // 创建面符号（带边框）
	    PolygonSymbolizer symbolizer = sf.createPolygonSymbolizer(
	       sf.createStroke(ff.literal(Color.DARK_GRAY), ff.literal(0.8)),
	       sf.createFill(ff.literal(colors[i]), ff.literal(0.8)), // 80%透明度
	       null
	    );
	    Font font = sf.createFont(ff.literal("楷体"),ff.literal("Regular"),ff.literal("normal"),ff.literal(22));
	    // 配置文字标注居中参数
	    AnchorPoint anchor = sf.createAnchorPoint(ff.literal(0.5), ff.literal(0.5));
	    Displacement disp = sf.createDisplacement(ff.literal(0), ff.literal(0));
	    PointPlacement placement = sf.createPointPlacement(anchor, disp, ff.literal(0));
	    // 创建文本标注
	    TextSymbolizer textSymbolizer = sf.createTextSymbolizer(
	            sf.createFill(ff.literal(Color.WHITE)),
	            new Font[] { font },
	            null,
	            ff.property(nameField),  // 标注字段
	            null,
	            null
	     );
	     textSymbolizer.setLabelPlacement(placement);
	     // 构建规则
	     Rule rule = sf.createRule();
	     rule.setName(regionName);
	     rule.setFilter(filter);
	     rule.symbolizers().add(symbolizer);
	     rule.symbolizers().add(textSymbolizer);  // 添加文字标注
	     fts.rules().add(rule);
	 }
	 style.featureTypeStyles().add(fts);
	 return style;
}

        其它将数据生成PNG图片的方法在前面的博客中已经有所介绍，在此不再进行赘述。最后来看一下实际的成果。

 三、总结

        以上就是本文的主要内容，本文的研究主要基于Geotools和PostGIS的结合，通过本文，读者可以掌握了解CQL查询语言的示例用法，同时了解如何基于Geotools根据不同的属性进行样式规则的生成。通过本文的研究，我们旨在为GIS开发者提供一套基于Geotools和PostGIS的高效空间数据处理方法，特别是在CQL过滤和时间属性生成方面的应用。这些方法不仅能够提高空间数据处理的效率，还能为动态分析提供强有力的支持。未来，随着GIS技术的不断发展，Geotools和PostGIS的结合将在更多领域发挥重要作用，为复杂的空间数据处理提供更加高效的解决方案。行文仓促，定有不足之处，欢迎各位朋友在评论区批评指正，不胜感激。

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布